本发明属于智慧工地，具体涉及一种智慧工地施工监测系统。
背景技术：
1、随着建筑行业的快速发展，工地施工的复杂性和规模不断增加，传统的施工管理方式已无法满足现代工地的需求。工地施工过程中存在诸多安全隐患，如设备故障、人员伤亡、环境污染等，这些问题严重影响了施工进度和质量。因此，如何实现对工地施工过程的实时监测和智能管理，成为当前建筑行业亟待解决的问题。
技术实现思路
1、为达到上述目的，本发明的技术方案如下：一种智慧工地施工监测系统，包括实时采集工地现场的各类数据的数据采集模块，其中数据采集模块通过传感器和监测设备实时采集工地数据，并将数据传输至数据传输模块，数据传输模块负责将数据通过无线或有线方式发送至数据处理中心、将采集到的数据通过无线或有线方式传输至数据处理中心的数据传输模块，还包括对传输来的数据进行处理和分析的数据处理模块，数据传输模块将采集到的数据通过mqtt、http等协议发送至数据处理模块，存储采集到的原始数据和处理后的数据的数据存储模块，数据处理模块将处理后的数据存储至分布式数据库或时序数据库，以及根据预设的阈值和规则，自动生成预警信息的预警模块。
2、优选地，所述数据采集模块包括环境监测子模块、设备监测子模块、人员监测子模块以及进度监测子模块，所述环境监测子模块监测工地环境参数，所述设备监测子模块监测工地设备的运行状态，所述人员监测子模块监测人员位置和活动状态，所述人员监测子模块，所述进度监测子模块监测施工进度。
3、优选地，所述数据传输模块支持多种通信协议，包括4g、5g、wi-fi或lora中的一种或多种。
4、优选地，所述数据处理模块采用机器学习和人工智能算法，对采集到的数据进行深度分析和预测。
5、优选地，所述环境监测子模块包括温湿度传感器、风速传感器、空气质量传感器以及噪声传感器，通过温湿度传感器采集环境中的温度和湿度数据，通过风速传感器采集环境中的风速值，通过空气质量传感器采集环境中控制指数，通过噪声传感器采集环境中的噪声指数，传感器通过无线方法将数据传输至数据采集终端，所述设备监测子模块包括振动传感器、电流传感器以及定位器，通过将振动传感器分布在设备一侧，通过振动传感器监测设备振动判断设备是否存在故障，通过电流传感器监测设备的电流变化来判断设备是否过载，通过定位器监测移动设备的位置信息，设备数据通过modbus或can总线协议传输。
6、优选地，所述数据处理模块包括数据清洗模块，所述数据处理模块包括用于通过机器学习算法进行设备故障预测、人员行为分析以及施工进度预测，通过深度学习用于图像识别和异常检测。
7、优选地，一种根据所述系统实现的智慧工地施工监测方法，包括以下步骤：
8、数据采集步骤，通过数据采集模块实时采集工地现场的各类数据；
9、数据传输步骤，通过数据传输模块将采集到的数据发送至数据处理中心；
10、数据处理步骤，对数据处理中心接收的数据进行出来；
11、数据存储步骤，通过数据存储模块存储采集到的原始数据和处理后的数据；
12、用户界面展示步骤，通过用户界面模块向用户展示监测结果、预警信息和历史数据；
13、预警步骤，通过预警模块根据预设的阈值和规则，自动生成预警信息，并通过多种方式通知相关人员；
14、控制步骤，通过控制模块根据监测结果和预警信息，自动或手动控制工地设备，调整施工计划。
15、优选地，所述数据清洗模块，用于对采集到的原始数据进行去噪、去重、补全和格式标准化处理；数据清洗模块支持自动化清洗规则配置，用户可根据具体需求自定义清洗规则，数据清洗模块支持对异常数据的识别和标记，并提供异常数据的修正建议。
16、优选地，数据存储模块采用分布式存储架构，支持海量数据的高效存储和快速检索；数据存储模块支持多种数据库类型，包括关系型数据库（如mysql、postgresql）和非关系型数据库（如mongodb、redis），以适应不同类型数据的存储需求；数据存储模块支持数据压缩和加密，以节省存储空间并确保数据安全；数据存储模块具备自动备份和容灾功能。
17、优选地，数据分析与计算的扩充，数据处理中心采用高性能计算框架（如hadoop、spark）进行大规模数据的并行计算，以提高数据处理效率，数据分析模块支持实时流数据处理和批量数据处理，数据分析模块内置多种分析算法，包括统计分析、聚类分析、回归分析和时间序列分析，数据分析模块支持与第三方算法库（如tensorflow、pytorch）集成，用于实现更复杂的机器学习和深度学习任务。
18、优选地，数据可视化与交互的扩充，数据处理中心提供丰富的可视化工具和组件，支持生成多种图表类型（如折线图、柱状图、饼图、热力图）和三维模型，可视化展示模块支持用户自定义仪表盘，用户可根据需求灵活配置展示内容，可视化展示模块支持多维度数据钻取和联动分析，帮助用户深入挖掘数据价值，可视化展示模块支持ar/vr技术，用户可通过虚拟现实设备实时查看工地三维模型和数据分析结果。
19、相对于现有技术，本发明的有益效果为：本发明的智慧工地施工监测系统及方法，通过实时采集、传输、处理和分析工地现场的各类数据，实现对施工过程的全面监测和智能管理，提高施工安全性和效率。系统具有数据采集全面、传输稳定、处理智能、存储安全、界面友好、预警及时、控制灵活等优点，适用于各类建筑工地的施工监测和管理。
1.一种智慧工地施工监测系统，其特征在于，包括实时采集工地现场的各类数据的数据采集模块，其中数据采集模块通过传感器和监测设备实时采集工地数据，并将数据传输至数据传输模块，数据传输模块负责将数据通过无线或有线方式发送至数据处理中心，还包括对传输来的数据进行处理和分析的数据处理模块，数据传输模块将采集到的数据通过mqtt、http等协议发送至数据处理模块，存储采集到的原始数据和处理后的数据的数据存储模块，数据处理模块将处理后的数据存储至分布式数据库或时序数据库，以及根据预设的阈值和规则，自动生成预警信息的预警模块。
2.根据权利要求1所述的智慧工地施工监测系统，其特征在于，所述数据采集模块包括环境监测子模块、设备监测子模块、人员监测子模块以及进度监测子模块，所述环境监测子模块监测工地环境参数，所述设备监测子模块监测工地设备的运行状态，所述人员监测子模块监测人员位置和活动状态，所述进度监测子模块监测施工进度。
3.根据权利要求1所述的智慧工地施工监测系统，其特征在于，所述数据传输模块支持多种通信协议，包括4g、5g、wi-fi或lora中的一种或多种。
4.根据权利要求1所述的智慧工地施工监测系统，其特征在于，所述数据处理模块采用机器学习和人工智能算法，对采集到的数据进行深度分析和预测。
5.根据权利要求1所述的智慧工地施工监测系统，其特征在于，所述环境监测子模块包括温湿度传感器、风速传感器、空气质量传感器以及噪声传感器，通过温湿度传感器采集环境中的温度和湿度数据，通过风速传感器采集环境中的风速值，通过空气质量传感器采集环境中控制指数，通过噪声传感器采集环境中的噪声指数，传感器通过无线方法将数据传输至数据采集终端，所述设备监测子模块包括振动传感器、电流传感器以及定位器，通过将振动传感器分布在设备一侧，通过振动传感器监测设备振动判断设备是否存在故障，通过电流传感器监测设备的电流变化来判断设备是否过载，通过定位器监测移动设备的位置信息，设备数据通过modbus或can总线协议传输。
6.根据权利要求4所述的智慧工地施工监测系统，其特征在于，所述数据处理模块包括数据清洗模块，所述数据处理模块包括用于通过机器学习算法进行设备故障预测、人员行为分析以及施工进度预测，通过深度学习用于图像识别和异常检测。
7.一种根据权利要求1至4任一项所述系统实现的智慧工地施工监测方法，其特征在于，包括以下步骤：
8.根据权利要求7所述的智慧工地施工监测系统，其特征在于，所述数据清洗模块，用于对采集到的原始数据进行去噪、去重、补全和格式标准化处理；数据清洗模块支持自动化清洗规则配置，用户可根据具体需求自定义清洗规则，数据清洗模块支持对异常数据的识别和标记，并提供异常数据的修正建议。
9.根据权利要求7所述的智慧工地施工监测系统，其特征在于，数据存储模块采用分布式存储架构，支持海量数据的高效存储和快速检索；数据存储模块支持多种数据库类型，包括关系型数据库和非关系型数据库，以适应不同类型数据的存储需求；数据存储模块支持数据压缩和加密，以节省存储空间并确保数据安全；数据存储模块具备自动备份和容灾功能。
10.根据权利要求7所述的智慧工地施工监测系统，其特征在于，数据分析与计算的扩充，数据处理中心采用高性能计算框架进行大规模数据的并行计算，数据分析模块支持实时流数据处理和批量数据处理，数据分析模块内置多种分析算法，包括统计分析、聚类分析、回归分析和时间序列分析，数据分析模块支持与第三方算法库集成，用于实现更复杂的机器学习和深度学习任务。