[发明专利]基于BIM的路桥工程管理方法及系统有效

专利信息
申请号: 202310101880.0 申请日: 2023-02-13
公开(公告)号: CN115775116B 公开(公告)日: 2023-04-28
发明(设计)人: 何恒林;江琳;陈娜;王欣;陈聃;周翼 申请(专利权)人: 华设设计集团浙江工程设计有限公司
主分类号: G06F17/00 分类号: G06F17/00;G06Q10/0639;G06Q50/08;G06V30/422;G06V20/00;G06V10/44;G06V10/764;G06V10/82;G06N3/0464;G06N3/084;G06V10/77
代理公司: 北京恒泰铭睿知识产权代理有限公司 11642 代理人: 胡琳丽
地址: 310000 浙江省杭州市临平*** 国省代码: 浙江;33
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 bim 工程 管理 方法 系统
【权利要求书】:

1.一种基于BIM的路桥工程管理方法,其特征在于,包括:

获取路桥工程的BIM模型;

获取所述路桥工程的多个施工现场数据;

根据所述多个施工现场数据对所述BIM模型进行分解以得到多个分解后BIM模型;

将所述多个分解后BIM模型分别通过作为过滤器的卷积神经网络模型以得到多个分解后BIM模型特征向量;

计算所述多个分解后BIM模型特征向量中每两个相邻分解后BIM模型特征向量之间的转移矩阵以得到多个转移矩阵;

分别计算所述多个转移矩阵中各个转移矩阵的全局均值以得到由多个全局均值组成的分类特征向量;以及

将所述分类特征向量通过分类器以得到分类结果,所述分类结果用于表示路桥工程的施工进度是否合理;

其中,根据所述多个施工现场数据对所述BIM模型进行分解以得到多个分解后BIM模型,包括:根据所述多个施工现场数据对所述BIM模型按照逐步细分的方式进行树形分解以得到多个分解后BIM模型。

2.根据权利要求1所述的基于BIM的路桥工程管理方法,其特征在于,所述将所述多个分解后BIM模型分别通过作为过滤器的卷积神经网络模型以得到多个分解后BIM模型特征向量,包括:

使用所述卷积神经网络模型的各层在层的正向传递中分别进行:

对输入数据进行卷积处理以得到卷积特征图;

对所述卷积特征图进行基于局部特征矩阵的均值池化以得到池化特征图;以及

对所述池化特征图进行非线性激活以得到激活特征图;

其中,所述卷积神经网络模型的最后一层的输出为所述分解后BIM模型特征向量,所述卷积神经网络模型的第一层的输入为所述分解后BIM模型。

3.根据权利要求2所述的基于BIM的路桥工程管理方法,其特征在于,所述作为过滤器的卷积神经网络模型为深度残差网络模型。

4.根据权利要求3所述的基于BIM的路桥工程管理方法,其特征在于,所述计算所述多个分解后BIM模型特征向量中每两个相邻分解后BIM模型特征向量之间的转移矩阵以得到多个转移矩阵,包括:

以如下公式计算所述多个分解后BIM模型特征向量中每两个相邻分解后BIM模型特征向量之间的转移矩阵;

其中,所述公式为:

其中和分别表示所述多个分解后BIM模型特征向量中两个相邻分解后BIM模型特征向量,示所述转移矩阵,表示矩阵相乘。

5.根据权利要求4所述的基于BIM的路桥工程管理方法,其特征在于,所述将所述分类特征向量通过分类器以得到分类结果,所述分类结果用于表示路桥工程的施工进度是否合理,包括:

使用所述分类器的全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量;以及

将所述编码分类特征向量输入所述分类器的Softmax分类函数以得到所述分类结果。

6.根据权利要求5所述的基于BIM的路桥工程管理方法,其特征在于,还包括训练步骤:对所述作为过滤器的卷积神经网络模型和所述分类器进行训练。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于华设设计集团浙江工程设计有限公司,未经华设设计集团浙江工程设计有限公司许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310101880.0/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top