1.一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
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。
2.如权利要求1所述的方法，其特征在于，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。
3.如权利要求1所述的方法，其特征在于，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。
4.如权利要求1所述的方法，其特征在于，所述物资分割网络的训练方法包括：
以若干张物资区域rgb图像为数据集；
人工对数据集进行标注，标注出属于施工物资的像素，生成标注数据；
使用交叉熵损失函数进行训练。
5.如权利要求1所述的方法，其特征在于，所述关键点检测网络的训练方法包括：
以若干张施工区域图像为数据集；
人工对数据集进行标注，标注出工人头部关键点，生成标注数据；
使用均方误差损失函数进行训练。
6.如权利要求1所述的方法，其特征在于，所述施工进度评分α包括：
γrp为工期评价的放缩系数，γq为质量评价的放缩系数，γa为施工人员数量评价的放缩系数。
7.如权利要求1所述的方法，其特征在于，所述弹性物资量β的计算方法包括：
8.一种基于大数据的公路工程施工进度管理系统，其特征在于，该系统包括：
存储器、处理器以及存储在存储器上并可在处理器上运行的计算机程序，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述方法的步骤。