基于大数据及验收部位二维图形组合的进度系统及方法与流程

1.本发明涉及工程进度管理技术领域，具体涉及一种基于大数据及验收部位二维图形组合的进度系统及方法。


背景技术：

2.目前工程管理类软件曾经诞生过诸如bim、oa办公及综合平台等软件产品。
3.bim的核心是通过建立虚拟的建筑工程三维模型，利用数字化技术，为这个模型提供完整的、与实际情况一致的建筑工程信息库。该信息库不仅包含描述建筑物构件的几何信息、专业属性及状态信息，还包含了非构件对象(如空间、运动行为)的状态信息。借助这个包含建筑工程信息的三维模型，大大提高了建筑工程的信息集成化程度，从而为建筑工程项目的相关利益方提供了一个工程信息交换和共享的平台。
4.工程进度管理类软件大多基于bim或基于bim的网络图模式，无论什么“模式”，目前，公路及铁路工程还未发现用上述“模式”对标段所有的工程类型按工程验收部位建立断面模块的先例，bim模式也仅运用在工程项目的预测上，所以，bim模式用于全面的工程进度管理是有较大局限性的，既然不能按工程验收部位建立断面模块，就很难通过验收部位自动推算每个部位的施工时间及在验收部位上显示开工时间和结束时间，工程进度管理的关键在于如何对验收部位进行精准、高效地收集并合理地处理验收部位相关数据，往往只关注于硬件设施和施工水平，但目前工程类软件都没有充分考虑每个验收部位的施工时间、历史天气数据以及通过历史天气数据预测天气状况的影响，忽略了外部因素对验收部位的影响。为数不多的在进度管理中加入天气模块的工程类软件，计算天气对进度影响的方式往往较为简单，对天气要素只能“看天吃饭”、人工干预，无法提前进行长期有效的预测。


技术实现要素：

5.针对现有技术中的技术缺陷，本发明实施例的目的在于提供一种基于大数据及验收部位二维图形组合的进度系统及方法，通过将长期的天气预测与工程进度验收部位管理相结合，以提高进度预测和管理的准确率。
6.为实现上述目的，第一方面，本发明实施例提供了一种基于大数据及验收部位二维图形组合的进度系统，所述系统包括：
7.天气数据搜集模块，用于收集施工地点历年的历史天气统计信息与当前年份的天气趋势预测信息；
8.工程验收部位施工数据收集模块，用于收集在项目工程施工过程中所产生的验收部位施工数据；
9.极端天气天数预测模块，用于根据所述历史天气统计信息和天气趋势预测信息，对本年度天气统计信息进行预测，以得到天气预测数据；
10.进度验收部位推演模块，用于将所述验收部位施工数据和所述天气预测数据进行结合处理，生成验收部位的推演结果；
11.进度确认与调整模块，用于根据得到的所述验收部位推演结果和获取的近期实时预报数据，对天气数据和进度验收部位数据进行调整；
12.结果验收部位展示模块，用于将调整后的数据展示到对应的进度显示界面的所有验收部位上。
13.优选地，所述验收部位施工数据包括验收部位进度数据、验收部位安全隐患排查数据、验收部位质量测量数据、验收部位质量试验检测数据、验收部位质量工序数据。
14.优选地，所述极端天气天数预测模块包括数据结构化模块、神经网络训练模块和神经网络预测模块；
15.所述数据结构化模块，用于根据所述历史天气统计信息和天气趋势预测信息构建数据矩阵，并标注接下来的一个月至十二个月的每月阴雨天数、暴雨天数、高温天数、台风天数作为训练标注数据；
16.所述神经网络训练模块，用于根据所构建的数据矩阵进行训练；其中，神经网络训练模块使用了lstm网络；
17.所述神经网络预测模块，用于将当前时间之前十二个月的天气数据输入到训练好的所述lstm网络中，以得到接下来十二个月的阴雨、暴雨、高温和台风天数。
18.优选地，所述验收部位结果展示模块还用于：
19.管理人员通过获取的近期实时预报数据在进度显示界面查看验收部位调整后部位推算时间及发布极端天气预警，规划对应的极端天气防范措施。
20.优选地，所述进度验收部位推演模块具体用于：
21.首先，一个建成的工程项目是由若干个验收部位组成，一个验收部位用一个二维图形代替，可将多个图形有序组成断面模块，再依据施工设计图纸、预设的结构部位主要施工方法、施工规范基本要求及项目的工程类型，将所选择的工程类型分成若干个工程验收部位断面建模，每个工程验收部位断面模块又包含若干个验收部位；每个验收部位又包含至少一项工序及工作内容；
22.然后计算出各验收部位的施工时间；
23.最后基于所述天气预测数据和各验收部位的特征自动修改各验收部位施工时间以及资源、人员配置；其中，所述特征包括属性特征和关联特征。
24.第二方面，本发明实施例还提供了一种基于大数据及验收部位二维图形组合的进度方法，应用于第一方面所述的基于大数据及验收部位二维图形组合的进度系统，所述方法包括：
25.收集施工地点历年的历史天气统计信息与当前年份的天气趋势预测信息；
26.收集在项目工程施工过程中所产生的验收部位施工数据；
27.根据所述历史天气统计信息和天气趋势预测信息，对本年度天气统计信息进行预测，以得到天气预测数据；
28.将所述验收部位施工数据和所述天气预测数据进行结合处理，生成验收部位推演结果；
29.根据得到的所述验收部位推演结果和获取的近期实时预报数据，对天气数据和进度验收部位数据进行调整；
30.将调整后的验收部位数据展示到对应的进度显示界面的所有验收部位上。
31.优选地，所述根据所述历史天气统计信息和天气趋势预测信息具体包括：
32.根据所述历史天气统计信息和天气趋势预测信息构建数据矩阵，并标注接下来的一个月至十二个月的每月阴雨天数、暴雨天数、高温天数、台风天数作为训练标注数据；
33.根据所构建的数据矩阵进行神经网络训练；其中，所述神经网络采用lstm网络；
34.将当前时间之前十二个月的天气数据输入到训练好的所述lstm网络中，以得到接下来十二个月的阴雨、暴雨、高温和台风天数。
35.优选地，所述方法还包括：
36.管理人员通过获取的近期实时预报数据在进度显示界面查看验收部位调整后部位推算时间及发布极端天气预警，规划对应的极端天气防范措施。
37.优选地，所述将所述验收部位施工数据和所述天气预测数据进行结合处理，生成验收部位推演结果，具体包括：
38.首先，一个建成的工程项目是由若干个验收部位组成，一个验收部位用一个二维图形代替，可将多个图形有序组成断面模块，再依据施工设计图纸、预设的结构部位主要施工方法、施工规范基本要求及项目的工程类型，将所选择的工程类型分成若干个工程验收部位断面建模，每个工程验收部位断面模块又包含若干个验收部位；每个验收部位又包含至少一项工序及工作内容；
39.然后计算出各验收部位施工时间；
40.最后基于所述天气预测数据和各验收部位的特征自动修改各验收部位施工时间以及资源、人员配置；其中，所述特征包括属性特征和关联特征。
41.实施本发明实施例所提供的一种基于大数据及验收部位二维图形组合的进度系统及方法，通过将长期的天气预测与工程进度管理的验收部位施工时间相结合，完善了天气这一因素对项目工程进度的影响，可以通过天气历史数据进行提前预测和推算验收部位施工时间，从而提高了进度预测和管理的准确率；同时基于天气预测数据进行管理，也减少了安全事故发生的概率，降低了因天气原因增加的不必要成本。
附图说明
42.为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。
43.图1是本发明实施例提供的一种基于大数据及验收部位二维图形组合的进度系统的原理框图；
44.图2是本发明实施例提供的一种某桥梁某墩的验收部位施工时间的推演示意图；
45.图3是本发明实施例提供的一种基于大数据及验收部位二维图形组合的进度方法的流程图。
具体实施方式
46.下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
47.需要注意的是，除非另有说明，本技术使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
48.应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和“包含”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
49.还应当理解，在此本发明说明书中所使用的术语仅仅是出于描述特定实施例的目的而并不意在限制本发明。
50.参考图1，本发明实施例提供的一种基于大数据及验收部位二维图形组合的进度系统，所述系统包括：
51.天气数据搜集模块，用于收集施工地点历年的历史天气统计信息与当前年份的天气趋势预测信息。
52.应用时，通过一系列软件和api接口收集施工地点的历年天气统计信息，该统计信息包括过去一年的每月阴雨天数、暴雨天数、高温天数、台风天数、月平均气温、历年降雨带所在平均纬度等。
53.还包括当前年份天气趋势预测信息，天气趋势预测信息包括前一年份是否受厄尔尼诺或拉尼娜影响、赤道洋流平均温度变化、施工地点的季风类型数据、施工地点纬度信息等。
54.工程验收部位施工数据收集模块，用于收集在项目工程施工过程中所产生的验收部位施工数据。
55.具体地，所述工程验收部位施工数据收集模块收集的数据包括：
56.验收部位进度数据(验收部位图形断面模块制作、工程验收部位断面模块排序、已完成的验收部位、未完成的验收部位、验收部位推算施工时间、验收部位间隔时间等)；
57.验收部位安全隐患排查数据(验收部位陆上吊安装隐患排查、验收部位构件机械运输隐患排查、验收部位模板制作安拆隐患排查、验收部位钢筋制作安拆隐患排查、验收部位切割电焊隐患排查、验收部位电工电器隐患排查、验收部位砼拌和运送隐患排查等)；
58.验收部位质量测量数据(验收部位的中线或点放样，验收部位的偏位检测验收、验收部位的高程检测验收、验收部位的工程量检测等)；
59.验收部位质量试验数据(验收部位地基承载力、验收部位路基压实度、验收部位路面压实度、验收部位混凝土强度、验收部位净浆强度、验收部位砂浆强度、验收部位平整度等)。
60.验收部位质量工序数据(验收部位成孔检查、验收部位钢筋检查、验收部位保护层检查、验收部位模板检查、验收部位混凝土浇筑检查、验收部位养护检查、验收部位钢绞线张拉检查、验收部位钢绞线压浆检查、验收部位厚度检查等)
61.极端天气天数预测模块，用于根据所述历史天气统计信息和天气趋势预测信息，对本年度天气统计信息进行预测，以得到天气预测数据。
62.具体地，所述极端天气天数预测模块包括数据结构化模块、神经网络训练模块和神经网络预测模块；
63.所述数据结构化模块，用于根据所述历史天气统计信息和天气趋势预测信息构建数据矩阵，并标注接下来的一个月至十二个月的每月阴雨天数、暴雨天数、高温天数、台风
天数作为训练标注数据。
64.应用时，将过去1年中每月阴雨天数、暴雨天数、高温天数、台风天数、月平均气温、是否受厄尔尼诺或拉尼娜影响、赤道洋流平均温度变化值、历年降雨带所在平均纬度、施工地点的季风类型数据、施工地点纬度聚合为一个12x10的矩阵，12代表12个月，10代表以上提到的10种数据类型，并标注接下来的一个月至12个月的每月阴雨天数、暴雨天数、高温天数、台风天数作为训练标注数据。
65.所述神经网络训练模块，用于根据所构建的数据矩阵进行训练；其中，神经网络训练模块使用了lstm网络；本实施例采用adam优化器进行训练后，获得训练后的网络权重，并作为网络预测时所用的网络权重。
66.所述神经网络预测模块，用于将当前时间之前十二个月的天气数据输入到训练好的所述lstm网络中，以得到接下来十二个月的阴雨、暴雨、高温和台风天数。
67.需要说明的是，本实施例以一年进行举例，并不是对其进行限制；所得到的天气预测数据主要是极端天气数据，包括每月的暴雨天数、每月的台风天数、夏季极端高温天气数量。
68.进度验收部位推演模块，用于将所述验收部位施工数据和所述天气预测数据进行结合处理，生成验收部位推演结果。
69.由于影响工程进度的主要因素有：验收部位施工时间、验收部位间隔时间、主要的施工方法、结构部位难易程度、地方矛盾、施工工期、需要作业面或点的数量、各种资源的配量(材料、设备、模板、人员等)及天气影响等因素。
70.具体地，所述进度验收部位推演模块具体用于：
71.首先，一个建成的工程项目是由若干个验收部位组成，一个验收部位用一个二维图形代替，可将多个图形有序组成断面模块，再依据施工设计图纸(结构部位名称、结构部位数量、结构部位排列等)、预设的结构部位主要施工方法(分层、分节、分段等)、施工规范基本要求及项目的工程类型(路基、桥梁、隧道、涵洞、路面、路基防护、交安、绿化、机电、房建)，将所选择的工程类型分成若干个工程验收部位断面建模，每个工程验收部位断面模块又包含若干个验收部位；每个验收部位又包含至少一项工序及工作内容；工程进度验收部位数据可根据未完成的验收部位数据和已完成的验收部位数据得到的。
72.应用时，标段中标后，按照施工图纸设计，结构部位主要的施工方法及规范的基本要求，将标段工程项目按照路基、桥梁、隧道、涵洞、路面、路基防护、交安、绿化、机电、房建组成十个工程类型，而后，将每个工程类型分成若干个工程验收部位断面建模，每个工程验收部位断面模块又包含若干个验收部位；每个验收部位又包含至少一项工序及工作内容；这样通过这样建立后，在推演时，根据所选择的工程类型，即可得到对应的工程验收部位断面模块。
73.然后结合已完成及未完成验收部位，计算出各验收部位的施工时间；计算时，根据相应的技术要求和规范，对各验收部位的施工时间进行关联与赋值，并对工程验收部位断面模块进行排序，排序原则为小的在前、大的在后；
74.最后基于所述天气预测数据和各验收部位的特征自动修改各验收部位施工时间以及资源、人员配置；其中，所述特征包括属性特征和关联特征；所述属性特征包括验收部位名称、验收部位施工时间、施工条件、要求等；所述关联特征包括相邻、相关的验收部位名
称及断面模块。
75.即，验收部位所对应施工时间的推算要考虑到天气的影响，天气的影响是通过往年的历史数据结合当年的气象预测出每个月的极端天气天数(t0)，再通过极端天气天数(t0)对验收部位施工时间的影响，并重新对相邻验收部位的施工时间再计算、工程验收部位断面模块再排序。
76.若计算得出一月份的t0值为2，参照图2中x1至x5的值表示需要的验收部位推算施工时间；则在标段所有工程类型的断面模块上，凡是验收部位推算施工时间值包含一月份的时间，一月份的验收部位施工时间在施工时间x5的基础上要加受天气的影响值t0，不仅承台x5验收部位施工时间发生了改变，承台以下的陆灌x1-x4验收部位皆受t0值的影响，数据变化顺序规则为：从上到下，从右至左；验收部位的数据由此发生变化。
77.施工验收部位及断面模块包括：路基、桥梁、隧道、涵通、路面、路基防护、交安、绿化、机电、房建。
78.以路基施工为例，暴雨或者大雨天后，在地面未完全干燥之前不可以开展路基施工，进度验收部位推演模块会根据预测的天气数据，测算出暴雨和大雨天气数量对当月路基验收部位施工的影响，调整路基验收部位施工时间及设备。
79.在极端天气下(暴雨、台风天气)，除房建外的所有工序都要停工，且在极端天气到达前做开展安全防护工作。
80.高温天气不影响工作进度，但影响工作时间的安排、防暑降温物品的发放以及防暑降温措施的工作安排。
81.进度确认与调整模块，用于根据得到的所述验收部位推演结果和获取的近期实时预报数据，对天气数据和进度验收部位数据进行调整。
82.具体地，通过进度验收部位推演模块获得结果，根据近期精准天气预报自动调整本月的天气数据和进度验收部位数据。可调整数据有暴雨、台风天气数量以及高温天气数量。
83.结果验收部位展示模块，用于将调整后的验收部位数据展示到对应的进度显示界面的所有验收部位上。
84.应用时，调整后的验收部位数据会展示到对应的进度显示界面的所有验收部位上以及存储在内部数据库中。
85.在另一实施例中，在上述技术方案的基础上，所述验收部位结果展示模块还用于：
86.管理人员通过获取的近期实时预报数据在进度显示界面查看验收部位调整后推算时间及发布极端天气预警，规划对应的极端天气防范措施；其中，所述显示段包括现场与监控区域的各种显示设备。
87.上述方案，通过将长期的天气预测与验收部位进度管理相结合，完善了天气这一因素对工程验收部位的影响，可以通过天气历史数据进行提前预测和进度管理，从而提高了进度预测和管理的准确率；同时基于天气预测数据进行管理，也减少了安全事故发生的概率，降低了因天气原因增加的不必要成本。
88.基于相同的发明构思，本发明实施例还提供了一种基于大数据及验收部位二维图形组合的进度方法，应用于前文所述的一种基于大数据及验收部位二维图形组合的进度系统，如图3所示，所述方法包括以下步骤：
89.s101，收集施工地点历年的历史天气统计信息与当前年份的天气趋势预测信息；
90.s102，收集在项目工程施工过程中所产生的验收部位施工数据；
91.s103，根据所述历史天气统计信息和天气趋势预测信息，对本年度天气统计信息进行预测，以得到天气预测数据；
92.s104，将所述验收部位施工数据和所述天气预测数据进行结合处理，生成验收部位推演结果；
93.s105，根据得到的所述验收部位推演结果和获取的近期实时预报数据，对天气数据和进度验收部位数据进行调整；
94.s106，将调整后的验收部位数据展示到对应的进度显示界面的所有验收部位上。
95.进一步地，所述方法还包括：
96.管理人员通过获取的近期实时预报数据在进度显示界面查看验收部位调整后推算时间及发布极端天气预警，规划对应的极端天气防范措施。
97.进一步地，所述根据所述历史天气统计信息和天气趋势预测信息具体包括：
98.根据所述历史天气统计信息和天气趋势预测信息构建数据矩阵，并标注接下来的一个月至十二个月的每月阴雨天数、暴雨天数、高温天数、台风天数作为训练标注数据；
99.根据所构建的数据矩阵进行神经网络训练；其中，所述神经网络采用lstm网络；
100.将当前时间之前十二个月的天气数据输入到训练好的所述lstm网络中，以得到接下来十二个月的阴雨、暴雨、高温和台风天数。
101.同时，将所述验收部位施工数据和所述天气预测数据进行结合处理，生成验收部位推演结果，具体包括：
102.首先理解为，一个建成的工程项目是由若干个验收部位组成，一个验收部位用一个二维图形代替，可将多个图形有序组成断面模块，在依据施工设计图纸(结构部位名称、结构部位数量、结构部位排列等)、预设的结构部位主要施工方法(分层、分节、分段等)、施工规范基本要求及项目的工程类型(路基、桥梁、隧道、涵洞、路面、路基防护、交安、绿化、机电、房建)，将所选择的工程类型分成若干个工程部位二维图形断面建模，每个工程验收部位断面模块又包含若干个验收部位；每个验收部位又包含至少一项工序及工作内容；
103.然后计算出各验收部位的施工时间；
104.最后基于所述天气预测数据和各验收部位的特征自动修改各验收部位施工时间以及资源、人员配置；其中，所述特征包括属性特征和关联特征。
105.需要说明的是，关于方法实施例更为具体的工作流程，请参考前述系统实施例部分，在此不再赘述。
106.通过上述方法，解决传统工程管理进度推算方式参与要素过少，天气数据的收集和预测不全面不规范，没有通过历史天气数据预测天气，更没有通过验收部位的施工时间与天气数据关联，导致工程进度编制不能与验收部位相结合，所以预测值偏差过大及进度不精准的问题。
107.本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技
术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
108.在本技术所提供的几个实施例中，应该理解到，所揭露的方法和系统，可以通过其它的方式实现。例如，以上所描述的系统实施例仅仅是示意性的，例如，所述模块的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。
109.以上所述，仅为本发明的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，可轻易想到各种等效的修改或替换，这些修改或替换都应涵盖在本发明的保护范围之内。