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。