[发明专利]基于人工智能的土木工程施工风险管理方法及系统

权利要求书

1.基于人工智能的土木工程施工风险管理方法，其特征在于，包括以下步骤：

步骤S10，获取实际划定的待处理区域图像，以及获取作业区域图像，所述的作业区域图像中的作业区域面积为设定数量的道路工程施工人员在设定单位时间内能够完成的作业区域面积，所述待处理区域图像中的待处理区域面积为需要道路工程施工人员完成的作业区域总面积；

步骤S20，获取已经训练好的作业区规划神经网络，所述的作业区规划神经网络用于在待处理区域图像的待处理区域面积中划定一个作业区域面积；将所述的待处理区域图像和作业区域图像作为一组输入图像，输入至已经训练好的作业区规划神经网络，输出H₁个第一生成图像，H₁为整数，每个第一生成图像的待处理区域面积中划定的作业区域面积的位置均各不相同；

步骤S30，进行若干次循环步骤，每次循环步骤为：上次循环步骤中作业区规划神经网络输出的各个第i生成图像分别与作业区域图像作为一组输入图像，再输入至作业区规划神经网络，将输出各个i+1生成图像，i＝1,2,…；直到第G次循环步骤中，作业区规划神经网络的输出损失值大于设定限值时，循环停止，在第G-1次循环步骤中作业区规划神经网络输出的各第G生成图像中，选取一个满足设定条件的第G生成图像，作为作业区轨迹生成图像；

步骤S40，根据步骤S30选取的一个作业区轨迹生成图像，以图像中各个作业区域面积的中心点为节点，选取其中的一个节点作为初始节点，利用初始节点和剩余节点，基于单源最短路径算法，确定出初始的预测道路施工轨迹。

2.根据权利要求1所述的基于人工智能的土木工程施工风险管理方法，其特征在于，步骤S20-步骤S30中，所述作业区规划神经网络的结构包括：

第一编码器、第二编码器、解码器、第三编码器和全连接层，第一编码器用于输入待处理区域图像，输出第一特征张量，第二编码器用于输入作业区域图像，输出第二特征张量；将第一特征张量与第二特征张量连接，输入至解码器，由解码器输出作业区规划图像；

第三编码器和全连接层连接，向第三编码器输入作业区规划图像，全连接层输出作业区规划图像中一个或一个以上作业区域面积的包围框信息，根据所述的包围框信息，确定作业区规划图像的连通域图像，根据所述的连通域图像监督解码器输出的作业区规划图像。

3.根据权利要求2所述的基于人工智能的土木工程施工风险管理方法，其特征在于，所述作业区规划神经网络的训练过程包括：进行第一阶段的网络训练，第一阶段的网络训练过程如下：

(1)确定一阶段训练标签：

获取包含实际划定的待处理区域的全景图像，即待处理区域图像，在待处理区域图像中，随机选择待处理区域面积中的某个位置，以所述位置为中心，将作业区域图像中的作业区域面积置于待处理区域面积中；在待处理区域图像中，设置作业区域面积中像素点的像素值为第一像素值，设置待处理区域面积中的剩余像素点的像素值为第二像素值，待处理区域图像中除去待处理区域面积部分的像素点的像素值为第三像素值，得到一张标签图像；

按照上面的步骤确定N张标签图像作为待处理区域图像和作业区域图像的训练标签，k₁表示样本序号；

(2)以若干个待处理区域面积大小不同的待处理区域图像，和若干个作业区域面积大小不同的作业区域图像进行随机组合，得到若干个训练样本，构成一阶段训练集，按照步骤(1)中的内容，一阶段训练集中的每个训练样本对应得到N张标签图像

(3)进行网络训练，训练后得到网络W1，训练的损失函数为其中，L₁为损失函数值，为网络输出图像，为标签图像，||·||₂为L2范数，n为标签个数，n＝1,2,…,N，min表示在n个求得的L2范数中取最小值；所述损失函数表示的含义是令网络输出图像与某一张标签图像一致。