基于大数据的公路工程计量计费方法及系统与流程

本发明涉及大数据，具体是指基于大数据的公路工程计量计费方法及系统。

背景技术：

1、合理的公路工程计量计费有利于控制成本，提高效率，传统土方配置方法主要依靠工程师的经验和直觉，缺乏科学的理论依据和分析方法，容易受到主观因素的影响，导致土方分配不够准确和合理的问题；传统计量计费方法往往局限于特定领域或特定环节的估算，缺乏全面考虑项目各个方面的综合性，导致估算结果缺乏全局性的问题。

技术实现思路

1、针对上述情况，为克服现有技术的缺陷，本发明提供了一种基于大数据的公路工程计量计费方法及系统，针对传统土方配置方法主要依靠工程师的经验和直觉，缺乏科学的理论依据和分析方法，容易受到主观因素的影响，导致土方分配不够准确和合理的问题，本方案建立基于线性规划理论的土方配置数学模型，利用粒子群优化算法对土方配置数学模型进行分析和处理，得到最优的土方配置方案，减少工程预算，节约成本；针对传统计量计费方法往往局限于特定领域或特定环节的估算，缺乏全面考虑项目各个方面的综合性，导致估算结果缺乏全局性的问题，本方案基于粒子群算法估计公路工程项目的最小成本与最优工期，结合遗传算法，实现更高效的全局搜索和更快的收敛速度，从而获得最优解。

2、本发明采取的技术方案如下：本发明提供的一种基于大数据的公路工程计量计费方法，该方法包括以下步骤：

3、步骤s1：数据采集与预处理，收集公路工程项目的相关数据，去除重复数据，对缺失值进行处理，识别和处理数据中的异常值；

4、步骤s2：公路工程土方配置，建立基于线性规划理论的土方配置数学模型，利用粒子群优化算法对土方配置数学模型进行分析和处理，得到土方配置方案；

5、步骤s3：建立计量计费模型，基于粒子群算法估计公路工程项目的最小成本与最优工期，结合遗传算法，摆脱局部最优；

6、步骤s4：测试与验证，使用已有的公路工程项目数据对计量计费模型进行测试验证，评估模型的精度和可靠性。

7、进一步地，在步骤s1中，数据采集与预处理，具体为：收集公路工程项目的相关数据，包括施工条件和环境信息，工程规模，成本的限制，工期的最小和最大限制，额外费用，工程规模，设备使用情况，并对公路工程项目的相关数据进行预处理操作，包括去除重复数据，对缺失值进行处理，识别和处理数据中的异常值。

8、进一步地，在步骤s2中，公路工程土方配置，具体包括以下步骤：

9、步骤s21：问题定义，定义公路工程施工现场开挖区域为，填充区域为，其中，表示公路工程施工现场开挖区域总数，表示填充区域的总数，假设开挖区域至填充区域的运输量为；

10、步骤s22：约束条件，利用切割区域对填充区域进行填充，所用约束条件如下：

11、；

12、式中，表示开挖区域的土方体积；

13、在满足上述约束条件的前提下，利用填充面积作为目标约束量，所用公式如下：

14、；

15、式中，表示填充区域的土方体积；

16、步骤s23：建立数学模型，建立土方分配的数学模型，所用公式如下：

17、；

18、式中，，，，，，，，，表示填充区域与开挖区域之间的平均运输距离，表示土方分配的总数；

19、步骤s24：粒子群优化，利用粒子群算法优化公路工程中土方分配问题，得到土方配置方案，所用公式如下：

20、；

21、；

22、式中，为第次迭代，表示粒子的速度，表示粒子的位置，和为学习因子，用于调整粒子沿飞行的距离，用于调整粒子沿飞行的距离，是一个取值范围为<mstyle displaystyle="true" mathcolor="#000000"><mo>[</mo><mrow><mn>0</mn><mi>,</mi><mn>1</mn></mrow><mo>]</mo></mstyle>的随机数，表示个体的最佳位置，表示群体的最佳位置，表示自我认知部分，代表粒子当前位置与自身最优位置之间的距离，表示社会认知部分，代表粒子当前位置与群体最优位置之间的距离。

23、进一步地，在步骤s3中，建立计量计费模型，具体包括以下步骤：

24、步骤s31：参数定义，初始化粒子，随机产生种群，定义输入参数，所用公式如下：

25、；

26、式中，表示施工条件和环境信息，表示公路工程项目的工程规模，表示成本的限制，表示工期的最小和最大限制，表示额外费用，表示工程规模；表示设备使用情况；表示土方配置方案；

27、步骤s32：重组，采用轮盘赌的方法来挑选组合的粒子，使用均匀交叉方法产生新粒子，定义产生的新粒子数量等于原粒子的数量；

28、步骤s33：定义适应度函数，对每个粒子，利用均方根误差rmse作为目标函数，所用公式如下：

29、；

30、式中，表示预测值，表示实际值，表示样本个数；

31、步骤s34：更新速度和位置，计算速度并更新粒子的位置，位置更新重复次，得到结果，所用公式如下：

32、；

33、；

34、式中，为粒子的最佳位置，为整个优化过程中所有粒子的最佳位置，和是学习因子，、是<mstyle displaystyle="true" mathcolor="#000000"><mo>[</mo><mrow><mn>0</mn><mi>,</mi><mn>1</mn></mrow><mo>]</mo></mstyle>范围内的随机数，为粒子的当前位置，为粒子当前速度，为粒子更新后的位置，为更新后的速度，表示惯性权重；

35、计算柯西速度和位置，所用公式如下：

36、；

37、；

38、式中，和为随机化的柯西值，为粒子柯西突变后的位置，为柯西突变后的速度，为粒子的当前柯西位置，为粒子当前柯西速度；

39、步骤s35：终止条件判断，如果对结果满足，则终止整个过程，如果不满足，定义阈值，则检查是否有超过一半的粒子陷入相同的局部最优，通过比较每个粒子的和位置，如果两个点之间的距离小于阈值，则被视为陷入相同的局部最优中，如果超过一半的粒子陷入局部最优，则转到步骤s36，否则转到步骤s37；

40、；

41、；

42、式中，为两点之间的距离，为粒子数，为阈值；

43、步骤s36：柯西突变，当一半的粒子陷入相同的局部最优时，所有陷入局部最优的粒子都会从当前位置发生突变，所用公式如下：

44、；

45、式中，表示粒子突变前的位置，表示粒子突变后的位置；

46、步骤s37：选择粒子，选择所有粒子中的一半，利用多样性原理，对每个粒子的和之间的距离进行排序，通过计算每个粒子被选中的概率，然后重复步骤s31，所用公式如下：

47、；

48、式中，表示粒子被选中的概率，表示粒子的秩，得到计量计费模型。

49、本发明提供的一种基于大数据的公路工程计量计费系统，包括数据采集与预处理模块，公路工程土方配置模块，建立计量计费模型模块和测试与验证模块；

50、所述数据采集与预处理模块采集公路工程项目的相关数据并进行预处理操作，生成预处理后的数据，将预处理后的数据发送至公路工程土方配置模块和建立计量计费模型模块；

51、所述公路工程土方配置模块接收数据采集与预处理模块发送的预处理后的数据，建立基于线性规划理论的土方配置数学模型，利用粒子群优化算法对土方配置数学模型进行分析和处理，得到土方配置方案，并将土方配置方案发送至建立计量计费模型模块；

52、所述建立计量计费模型模块接收数据采集与预处理模块发送的预处理后的数据，公路工程土方配置模块发送的土方配置方案，基于粒子群算法估计公路工程项目的最小成本与最优工期，结合遗传算法，摆脱局部最优，得到计量计费模型，并将计量计费模型发送至测试与验证模块；

53、所述测试与验证模块接收建立计量计费模型模块发送的计量计费模型，使用已有的公路工程项目数据对计量计费模型进行测试验证，评估模型的精度和可靠性。

54、采用上述方案本发明取得的有益效果如下：

55、（1）针对传统土方配置方法主要依靠工程师的经验和直觉，缺乏科学的理论依据和分析方法，容易受到主观因素的影响，导致土方分配不够准确和合理的问题，本方案建立基于线性规划理论的土方配置数学模型，利用粒子群优化算法对土方配置数学模型进行分析和处理，得到最优的土方配置方案，减少工程预算，节约成本。

56、（2）针对传统计量计费方法往往局限于特定领域或特定环节的估算，缺乏全面考虑项目各个方面的综合性，导致估算结果缺乏全局性的问题，本方案基于粒子群算法估计公路工程项目的最小成本与最优工期，结合遗传算法，实现更高效的全局搜索和更快的收敛速度，从而获得最优解。