本公开涉及三维展示交互领域,尤其涉及一种基于标准操作库与用户行为的实时可视化施工仿真系统。
背景技术:
1、在沉桩施工时,施工人员完成单根桩体施工过程所产生的软件操作大致相同。三维沉桩施工软件运行时需要对桩、船、水面、岸坡和其它外部环境实时渲染,以达到对施工桩体空间位置、空间姿态和应力状态的动态施工仿真。由于多数施工现场远离陆地,无法实现大宽带数据传输,需要在本地实现上述施工仿真。但施工现场计算资源有限,施工仿真的实时渲染无法考虑所有渲染对象,同时保持良好的人际交互体验。
2、现有技术例如可见性剔除技术,是一种事后技术,即用户点击界面产生需求以后,再由计算机算法进行需求响应和对象渲染处理。在此过程中用户等待计算渲染。当涉及到大量渲染对象和对施工桩体空间位置、空间姿态和应力状态计算等计算密集型任务时,界面假死几率增加,造成较差的人机交互体验。
技术实现思路
1、(一)要解决的技术问题
2、本公开提供了一种基于标准操作库与用户行为的实时可视化施工仿真系统,以解决现有沉桩施工,大量渲染对象和对施工桩体空间位置、空间姿态和应力状态计算等计算密集型任务时用户体验差的问题。
3、(二)技术方案
4、本公开所采用的技术方案是:一种基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,包括沉桩施工过程标准操作库;智能学习模块;动态资源管理模块;实时可视化模块。
5、作为优选,所述沉桩施工过程标准操作库是由具有时间先后顺序的若干个条目字典构成。每一个条目字典包括一对键值对。
6、作为优选,所述的键值对包括,由施工人员操作软件完成单根桩体施工全过程操作记录构成的“键”;由每一步操作结果对应的cpu和gpu使用率构成的“值”。
7、作为优选,所述的操作记录包括,所有在前端界面的鼠标点击行为,具体由按键名称、实现功能描述文字和功能是否实现的描述文字构成。
8、作为优选,所述的智能学习模块具体为使用基于门控神经网络的sequence tosequence模型对沉桩施工过程标准操作库学习,包括以下步骤:
9、步骤1:数据准备。整理和清洗施工人员操作软件完成单根桩体施工全过程的操作记录和cpu和gpu使用率数据,形成条目字典m:
10、m=[x1,x2,...,xk]
11、其中k代表完成单根桩体施工全过程的操作记录个数。
12、xt=((sbutton,sdescription,b),(vcpu,vgpu))t
13、其中,xt为在t时刻的条目字典,sbutton代表按键名称,sdescription代表功能描述文字,b代表是否实现的描述文字,vcpu代表cpu使用率,vgpu代表gpu使用率。
14、步骤2:使用独立热编码方法将条目字典xt表达为适合sequence to sequence模型训练的向量xt。由于软件按钮具有有限数量,向量xt的维度特征数量n与按钮数量相同,xt=[(z1,z2,...,zn),(vcpu,vgpu)]。其中(z1,z2,...,zn)代表t时刻条目字典中“键”的向量表达。
15、步骤3:数据切分。将数据集划分为训练集和测试集。训练集用于模型的训练,测试集用于模型的评估和调优。
16、步骤4:模型训练。使用切分好的训练集,将x1,x2,...,xt输入基于门控神经网络的sequence to sequence模型学习t时刻之前的条目字典内容。该模型由编码器和解码器构成。编码器将输入编码为一个固定长度的向量,该向量被称为中间向量,解码器解码中间向量,直接形成对下一时刻条目字典的预测,即
17、步骤5:模型评估。使用测试集对训练好的模型进行评估。使用余弦相似度计算模型预测结果与实际条目字典xt+1之间的误差,来评估模型的性能和泛化能力。
18、
19、作为优选,所述的动态资源管理模块包括以下步骤:
20、步骤1:在用户与软件交互过程中,实时创建基于用户的独立操作库。该独立操作库和标准操作库具有相同内容形式,但它是以用户为基础,独立于标准库之外。独立操作库因不同施工人员对沉桩施工过程有不同实现方式而具有不同的条目字典。
21、步骤2:所述模型根据独立操作库,利用权利要求5的步骤,实现模型内部参数微调,改进预测的条目字典,实现针对不同施工人员的动态学习。
22、步骤3:根据预测的下一刻条目字典,对应按钮点击操作和需要渲染物体,提前使用关键渲染对象优化技术,提前优化计算资源分配。
23、作为优选,所述的关键对象优化技术包括使用可见性剔除技术(如bounding box)来排除不可见的物体,只绘制可见的物体。使用lod(级别细节)技术来逐步减少细节水平,以提高渲染性能。
24、作为优选,所述的实时可视化模块包括人机交互技术。对所述关键渲染对象优化技术确定的物体和细节水平进行实时渲染,进而提供与施工人员的实时交互。
25、(三)有益效果
26、本发明公开了一种基于标准操作库与用户行为的实时可视化施工仿真系统,利用基于门控神经网络的sequence to sequence模型进行操作库学习,并根据用户的行为和操作记录进行动态学习和优化,能够提前预测并提供个性化的渲染资源管理,有助于避免不必要的计算资源浪费,提高渲染性能和效率,改善用户体验。
1.一种基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,包括沉桩施工过程标准操作库;智能学习模块;动态资源管理模块;实时可视化模块。
2.根据权利要求1所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述沉桩施工过程标准操作库是由具有时间先后顺序的若干个条目字典构成;每一个条目字典包括一对键值对。
3.根据权利要求2所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述的键值对包括,由施工人员操作软件完成单根桩体施工全过程操作记录构成的“键”;由每一步操作结果对应的cpu和gpu使用率构成的“值”。
4.根据权利要求2所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述的操作记录包括,所有在前端界面的鼠标点击行为,具体由按键名称、实现功能描述文字和功能是否实现的描述文字构成。
5.根据权利要求1所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述的智能学习模块具体为使用基于门控神经网络的sequence to sequence模型对沉桩施工过程标准操作库学习,包括以下步骤:
6.根据权利要求5所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述的动态资源管理模块包括以下步骤:
7.根据权利要求6所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述的关键对象优化技术包括使用可见性剔除技术来排除不可见的物体,只绘制可见的物体;使用lod级别细节技术来逐步减少细节水平,以提高渲染性能。
8.根据权利要求6所述的基于标准操作库与用户行为的实时可视化施工仿真系统,其特征在于,所述的实时可视化模块包括人机交互技术;对所述关键渲染对象优化技术确定的物体和细节水平进行实时渲染,进而提供与施工人员的实时交互。