一种道路智能建造信息管理系统及方法

本发明涉及智能控制，具体为一种道路智能建造信息管理系统及方法。

背景技术：

1、道路交通无疑是国家经济发展的关键命脉，它在人员流动、物资运输以及区域间的交流合作等诸多方面，均发挥着举足轻重、无可替代的关键作用，在当今时代，随着城市化进程以前所未有的速度迅猛加速，以及交通需求呈现出持续不断的大幅增长态势，道路建设所面临的规模逐渐扩大，其复杂性更是与日俱增；

2、现有的道路智能建造信息管理系统及方法数据采集不够详细，难以总结道路建造过程当前的进度，并且无法智能分析管理按照当前进度能否在目标工期内完成，并且当发现当前进度落后时，无法给出管理干预方案，并且当前的系统分析与预警机制落后，难以精确评估进度和及时发现偏离情况，并且无法全面获取分支进度信息，资源调配不合理，缺乏灵活性，为此，我们提出一种道路智能建造信息管理系统及方法。

技术实现思路

1、本发明的目的在于提供一种道路智能建造信息管理系统及方法。

2、以解决上述背景技术中提出的问题，本发明提供如下技术方案：一种道路智能建造信息管理系统，所述道路智能建造信息管理系统包括数据采集模块、数据预处理模块、智能分析模块、综合分析模块、施工进度分析模块、预警模块、进度干预管理模块以及总控管理模块；

3、数据采集模块：用于获取全部的道路建造施工信息，并将其分类为道路基础工程、路面铺设工程、交通标识工程、排水系统工程、照明设施工程、车道划分工程以及护栏和隔离设施铺设工程的进度；

4、数据预处理模块：负责对采集到的数据进行清洗、筛选和初步整理，去除无效和错误的数据，为后续的分析提供准确的数据基础；

5、智能分析模块：利用算法模型对预处理后的数据进行分析，能够识别和区分不同类型的数据，并根据数据特征分析得到每个分支的进度系数；

6、综合分析模块：负责接收来自智能分析模块的各个分支的进度系数数据，并根据接收的数据计算工程进度系数；

7、施工进度分析模块：负责供管理人员输入道路建造数据，将整个工程按照工序进行细分，并得到标准工程进度；

8、预警模块：负责将计算得到的工程进度系数和标准工程进度进行对比，分析两者的差异范围比例，并根据差异大小发出不同程度和类型的预警；

9、进度干预管理模块：能够接收预警模块的信息，根据当前工程进度和标准工程进度的差异作出相应的进度调整，以确保工程在工期内完成；

10、总控管理模块：具有系统最高控制权，能够管理和编辑各个模块。

11、作为本发明的进一步方案：所述数据采集模块包括多组高精度的传感器、监测设备以及数据采集软件，所述高精度的传感器包括但不限于位移传感器、压力传感器以及湿度传感器，监测设备包括高清摄像机和激光扫描仪，这些设备布置在道路施工现场的各个关键位置，用以多方位、多角度地获取道路建造施工的信息；

12、所述数据采集模块在采集过程中，位移传感器用于监测道路基础工程的施工情况，包括土方工程中的土方位移、地基处理中的地基沉降，以此获取当前道路基础工程的进度数据，压力传感器用于检测路面铺设时压路设备施加的压力，以此获取路面铺设的密实程度和进度数据，湿度传感器用于监控排水系统工程中土壤的湿度，并且结合设备运行状态、施工人员工作情况以及材料使用量获取排水管道的铺设效果和进度数据，高清摄像机和激光扫描仪能够捕捉道路施工现场的图像和三维数据，通过图像处理和分析技术，并结合设备运行状态、施工人员工作情况以及材料使用量，以此提取出有关交通标识设置、照明设施安装、车道划分、护栏和隔离设施铺设的详细进度信息，采集到的数据会按照预先设定的分类标准，被实时分类为道路基础工程(土方工程和地基处理)、路面铺设工程、交通标识工程、排水系统工程、照明设施工程、车道划分工程、护栏和隔离设施铺设工程分支，为后续的分析和处理提供准确的数据基础，所述数据采集模块会将采集的数据传输至数据预处理模块。

13、作为本发明的进一步方案：所述数据预处理模块负责对原始采集数据进行清洗、筛选和初步整理，所述数据预处理模块通过数据清洗算法去除原始采集数据的重复、错误和异常数据，通过对数据的重复性检查，剔除那些由于传感器故障和传输错误导致的重复记录，在数据筛选过程中，根据预设的条件和规则，只保留与道路建造进度相关的数据，初步整理工作包括对数据进行格式转换、归一化和标准化处理，将来自不同传感器和数据源的数据统一转换为一种标准的格式，便于后续的分析和处理，归一化处理则将数据的值映射到一个特定的范围，以消除不同量纲和量级数据之间的差异，标准化处理则通过减去均值并除以标准差，使数据具有零均值和单位方差，符合统计分析的要求，所述数据预处理模块会将预处理后的数据传输至智能分析模块。

14、作为本发明的进一步方案：所述智能分析模块设置有深度学习的神经网络模型，基于多层深度神经网络架构，包括输入层、多个隐藏层和输出层，输入层接收经过预处理的来自不同分支的道路建造数据，隐藏层由大量的神经元组成，通过非线性变换对输入数据进行特征提取和模式识别，在训练过程中，神经网络模型通过自动学习数据中的内在规律和关系，不断调整神经元之间的连接权重，以提高对不同类型数据的分析能力和预测准确性，神经网络模型采用了正则化技术，能够提高模型的泛化能力和鲁棒性，正则化通过对权重进行约束，防止模型过拟合，神经网络模型的训练使用了大量的历史道路建造数据，这些数据涵盖了各种不同的施工条件、工艺和环境因素，通过对这些数据的学习，模型能够准确地分析新输入的数据，并给出每个分支的进度系数，输出层最终给出各个分支的进度系数，这些系数反映了每个分支的施工进度情况，输出的进度系数在0-1之间，0表示未开始，1表示已完成，中间的值表示相应的进度程度，所述智能分析模块会将每个分支的施工进度系数传输至综合分析模块。

15、作为本发明的进一步方案：所述综合分析模块能够接收智能分析模块传输的数据，并与施工进度分析模块实时交互，所述综合分析模块能够根据接收和交互的数据计算得到道路当前整体工程进度系数，所述道路当前整体工程进度系数具体计算公式如下：

16、

17、其中：p表示道路当前整体工程进度系数，ti,c表示第i个分支工程的总工期，si,c表示第i个分支工程当前的进度，ttotal表示整个工程的总工期，tremain表示距离工期剩下的时间，n表示分支工程总数，k表示缩放系数；

18、所述综合分析模块会将计算得到的道路当前整体工程进度系数数据传输至预警模块。

19、作为本发明的进一步方案：所述施工进度分析模块与综合分析模块实时交互，施工进度分析模块用于管理和评估道路建造的工程进度，施工进度分析模块具备数据输入接口，管理人员可以通过该接口详细输入道路建造的各项规划和预期进度信息，管理人员能够明确指定每个施工工序的开始时间、预计完成时间、所需资源以及质量标准的关键参数，同时，还能够根据实际情况，为不同的工序分配优先级和权重，施工进度分析模块将输入的道路建造计划按照施工的逻辑顺序和依赖关系，细分为多个具体的子项目，对于每个子项目，根据其特点和要求，设定明确的标准完成时间和进度要求，进而得到每个分支工程的总工期数据和道路工程标准进度的时序数据，所述施工进度分析模块会将道路工程标准进度的时序数据传输至预警模块。

20、作为本发明的进一步方案：所述预警模块能够接收施工进度分析模块和综合分析模块传输的数据，并将道路当前整体工程进度系数与道路工程标准进度的时序数据进行比对，具体比对类别如下：

21、当p≤0.7ps时，预警模块发出一级预警，此时警铃发出80分贝的警示音，警示灯为红灯高频次闪烁，通过触发紧急短信通知，此时需要管理人员干预并解除一级预警；

22、当0.7ps<p≤0.85ps时，预警模块发出二级预警，此时警铃发出50分贝的警示音，警示灯为黄灯低频次闪烁，并向总控管理模块发送系统弹窗；

23、当0.85ps<p≤ps时，预警模块发出三级预警，警示灯为蓝色常亮状态，并向总控管理模块发送系统弹窗；

24、当p>ps时，预警模块不发出预警指令，此时警示灯为绿色常亮状态；

25、其中：ps表示当前道路工程标准进度值；

26、所述预警模块会将不同的预警等级数据传输至进度干预管理模块。

27、作为本发明的进一步方案：所述进度干预管理模块能够接收预警模块传输的数据，并且与数据采集模块实时交互，所述进度干预管理模块负责根据预警模块传输的预警等级数据，结合施工的实际情况，生成具体且有效的进度调整方案，当接收到预警信号表明工程进度偏离预期，进度干预管理模块首先会对偏差的原因和影响进行深入分析，涉及资源分配、施工工艺、人员效率以及外部环境多方面因素的评估，基于分析结果生成的进度调整方案，在方案实施过程中，进度干预管理模块会实时监测调整方案的执行效果，通过数据采集模块获取最新的施工进度数据，并与预期目标进行对比，如果调整方案未能达到预期效果，模块会自动进行重新评估和优化，直至工程进度恢复到正常轨道，所述进度干预管理模块会将数据传输至总控管理模块。

28、作为本发明的进一步方案：所述总控管理模块具有系统最高控制权，能够控制系统的启停以及管理和编辑各个模块的数据，所述总控管理模块对等于道路建造管理人员的计算机端，当预警模块发出二级预警指令时，计算机端弹出警示窗口，需管理人员手动关闭，管理人员能够通过总控管理模块编辑预警模块中的当前道路工程标准进度值，并且通过总控管理模块编辑施工进度分析模块的道路工程信息。

29、另外，本发明还提供了一种道路智能建造信息管理方法，包括以下步骤：

30、步骤一、通过多组高精度的传感器以及数据采集软件获取道路建造施工的全面信息，包括道路基础工程、路面铺设工程、交通标识工程、排水系统工程、照明设施工程、车道划分工程以及护栏和隔离设施铺设工程的进度，这些设备布置在施工现场的关键位置，多方位、多角度地采集信息，并将数据传输至数据预处理模块；

31、步骤二、数据预处理模块对采集到的数据进行清洗、筛选和初步整理，通过数据清洗算法去除重复、错误和异常数据，根据预设条件和规则保留与道路建造进度相关的数据，并对数据进行格式转换、归一化和标准化处理，统一转换为标准格式，便于后续分析，预处理后的数据将传输至智能分析模块；

32、步骤三、智能分析模块设置有深度学习的神经网络模型，基于多层深度神经网络架构，输入层接收预处理后的道路建造数据，隐藏层通过非线性变换进行特征提取和模式识别，训练过程中模型自动学习数据规律，调整连接权重，提高分析和预测准确性，模型采用正则化技术防止过拟合，通过大量历史数据的学习，输出层最终给出每个分支的进度系数(0-1之间，0表示未开始，1表示已完成)，并将这些系数传输至综合分析模块；

33、步骤四、综合分析模块接收智能分析模块传输的数据，并与施工进度分析模块实时交互，根据特定公式计算道路当前整体工程进度系数，并将结果传输至预警模块，预警模块将道路当前整体工程进度系数与道路工程标准进度的时序数据进行比对，根据不同的比对结果发出不同等级的预警，并将预警等级数据传输至进度干预管理模块；

34、步骤五、进度干预管理模块接收预警模块传输的数据，并与数据采集模块实时交互，根据预警等级数据和施工实际情况，生成进度调整方案，对工程进度偏离预期的原因和影响进行深入分析，在方案实施过程中，实时监测调整方案的执行效果，通过数据采集模块获取最新施工进度数据并与预期目标对比，如未达到预期效果则自动重新评估和优化，直至工程进度恢复正常轨道。

35、采用上述技术方案，与现有技术相比，本发明的有益效果在于：

36、1.本发明通过数据采集模块的传感器、监测设备以及数据采集软件，全面获取道路建造施工的详细信息，涵盖道路基础工程、路面铺设工程、交通标识工程等多个方面，数据预处理模块对采集到的数据进行清洗、筛选和初步整理，去除无效和错误的数据，为后续的分析提供准确的数据基础，智能分析模块利用深度学习的神经网络模型，对预处理后的数据进行深入分析，准确识别和区分不同类型的数据，得出每个分支的进度系数，综合分析模块则根据这些数据计算出道路当前整体工程进度系数，使管理人员能够直观、清晰地了解工程的实际进展情况，并给出管理干预方案，帮助管理人员在工期内合理调整来完成施工，提高了项目管理的效率和精度，确保道路建造工程能够高质量地推进；

37、2.本发明通过预警模块将计算得到的工程进度系数和标准工程进度进行对比，根据差异大小发出不同程度和类型的预警，当工程进度偏离预期时，进度干预管理模块能够根据预警等级数据，结合施工实际情况生成具体有效的进度调整方案，在方案实施过程中，实时监测调整方案的执行效果，并进行重新评估和优化，直至工程进度恢复正常，这有助于及时发现和解决工程进度中的问题，确保工程能够在工期内完成，避免延误和成本增加；

38、3.本发明通过获取各个分支工程的进度信息，管理人员可以根据这些信息合理调配资源，避免资源的浪费或不足，当某个分支工程进度滞后时，进度干预管理模块可以分析原因，可能是资源分配不合理导致的，此时可以及时调整资源分配，将更多的人力、物力投入到该分支工程中，以提高整体工程进度，同时，通过对施工进度的实时监控和分析，还可以提前预测资源需求，做好资源的储备和调配计划，进一步优化资源配置，提高工程建设的效益。