[发明专利]一种基于大数据的公路工程施工进度管理方法和系统

说明书

本发明提出一种基于大数据的公路工程施工进度管理方法和系统。通过无人机获取施工公路的已完成公路的长度和面积，得到未完成公路面积、已完成公路长度和公路总长度的比值c，并进一步得到剩余工程所需资金量、工人数量、物资量v。将c的进度序列输入TCN网络预测剩余工期。通过神经网络检测RGB图像获得现有物资量V和工人数量。得到工程质量评分，现有资金量。根据V、v得到现有可调度物资量v′；根据施工进度模型得到施工进度评分；根据弹性物资量模型得到弹性物资量。并进一步得到实际可调度资源量。最后根据各个施工公路的实际可调度资源量和距离选择调配物资的方案。

技术领域

本申请涉及大数据领域，具体涉及一种基于大数据的公路工程施工进度管理方法和系统。

背景技术

公路施工过程中，为了统筹的物资和人力资源，需要采集施工过程中的多种信息。根据各个工地的施工进度和物资量，进行人员和物资的调度。

目前公路工程施工进度管理的方法通常是通过人工对数据进行分析，进行物资调度的决策。工程进度需要考虑多方面因素，且各因素会不断变化，通过人工管理难以判断可以调用的物资量，无法最大限度地利用现有物资。

发明内容

针对以上问题，本发明提出一种基于大数据的公路工程施工进度管理方法和系统。通过无人机获取施工公路的已完成公路的长度和面积，得到未完成公路面积、已完成公路长度和公路总长度的比值c，并进一步得到剩余工程所需资金量、工人数量、物资量v。将c的进度序列输入TCN网络预测剩余工期。通过神经网络检测RGB图像获得现有物资量V和工人数量。得到工程质量评分，现有资金量。根据V、v得到现有可调度物资量v′；根据施工进度模型得到施工进度评分；根据弹性物资量模型得到弹性物资量。并进一步得到实际可调度资源量。最后根据各个施工公路的实际可调度资源量和距离选择调配物资的方案。

一种基于大数据的公路工程施工进度管理方法，其特征在于，该方法包括：

步骤S1：设置若干个无人机在各施工公路采集图像；采集施工公路图像并输入公路分割网络，检测已完成公路，输出已完成公路分割图，得到已完成公路长度l′和已完成公路面积s′，进一步地，得到已完成公路长度和公路总长度l的比值c，根据已施工天数d得到计划剩余工期rp′；得到未完成公路面积s″并进一步得到剩余工程所需物资量v、剩余工期所需工人的标准数量A′、剩余工程所需资金量m。

步骤S2：将c按时序排列，得到进度序列，通过定长的滑窗在进度序列上获取定长序列并输入TCN网络预测c的值，根据c到1时滑窗滑动次数得到预测剩余工期rp；

步骤S3：采集物资区域RGB图像和深度图像，将物资区域RGB图像输入物资分割网络，检测施工物资，输出物资分割图，结合物资分割图和深度图像得到现有物资量V；采集施工区域图像并输入关键点检测网络检测工人头部关键点，得到头部关键点热力图和工人数量A；对施工质量进行评价，得到质量评分q，统计现有资金量M。

步骤S4：根据得到施工进度评分α，所述q_max为q的上限，γ_rp为工期评价的放缩系数，γ_q为质量评价的放缩系数，γ_A为施工人员数量评价的放缩系数；根据V、v得到现有可调度物资量v′；根据M、m、V、rp和α得到弹性物资量β；根据β、v′得到实际可调度物资量v″；根据各施工公路的实际可调度物资量进行物资调度的决策。

所述公路分割网络的训练方法包括：以若干张施工公路图像为数据集；人工对数据集进行标注，标注出已完成公路的像素，生成标注数据；使用交叉熵损失函数进行训练。

所述TCN网络的训练方法包括：以历史统计的进度序列为数据集，预设滑窗在序列上滑动，获取若干组定长序列；对每个定长序列进行标注，标注为定长序列结束后下一个c的值；使用均方误差损失函数进行训练。