本发明涉及工程项目管理，具体涉及一种基于动态模型的项目四控数字化监控优化方法及系统。
背景技术：
1、在现代工程项目管理中，项目的“四控”（即进度、成本、安全和质量）是确保项目成功的关键因素。传统的项目管理方法大多依赖静态的计划和手工报告，导致对项目进展的监控滞后、准确性不足，且缺乏实时反馈。这种传统方法在面对复杂的项目环境时，尤其是在工序相互依赖、资源配置紧张，以及施工现场变化迅速的情况下，容易出现进度偏差、成本超支、安全隐患和质量问题，无法及时做出有效的调整和优化，严重影响了项目的整体管理效率和执行效果。
2、近年来，随着信息化技术的发展，许多工程项目逐步引入了基于建筑信息模型（bim）、物联网（iot）和大数据分析的数字化监控手段。这些技术可以实时采集项目现场的数据，提供部分工序的实时进度和资源配置情况。然而，现有的数字化监控系统由于缺乏统一的动态模型，各控制目标之间无法在时间和空间维度上实现协同。例如，进度延误可能导致资源重复投入而增加成本，施工交叉作业可能引发安全隐患，质量缺陷的返工又会进一步影响进度与成本，很难在多目标、多约束的环境下实现整体最优。
3、特别是在复杂的施工环境中，工序之间、资源之间以及时间与空间之间的冲突日益显现，这些冲突常常会导致项目的延误、成本超支和安全事故的发生。现有的监控系统在进行冲突检测时，通常基于经验或简单规则进行静态判断，无法处理复杂的时空冲突，难以实现全面的实时优化。
4、因此，亟需提出一种新的技术方案，能够基于动态模型将进度、成本、安全和质量的数据进行统一建模与联动分析，实现对进度、成本、安全和质量的实时监测、智能预测和优化决策。通过动态模型的引入，可以更全面地刻画工程项目在时空维度和资源消耗维度的演化过程，突破现有方法的局限性，提升项目管理的数字化、智能化水平。
技术实现思路
1、本发明所要解决的技术问题是针对现有技术的不足，提供了基于动态模型的项目四控数字化监控优化方法及系统，通过获取项目工序的计划进度数据、实时执行数据及资源配置数据，利用时序预测模型对实时执行数据进行预测分析，并与计划进度数据对比，生成进度偏差事件。基于更新后的进度动态模型，通过构建四维占据体素集合并进行稀疏存储运算，实现工序间的时空冲突检测，计算时空冲突系数，生成冲突事件库。采用多目标优化模型结合启发式算法对资源配置进行动态调度，生成资源优化方案，实现对工期延误、资源闲置和施工冲突的综合平衡。本发明能够实现项目四维度的全面数字化监控、智能冲突检测与资源的最优调度，显著提高项目管理的实时性、精准性及智能化水平。
2、为实现上述目的，本发明提供如下技术方案：
3、基于动态模型的项目四控数字化监控优化方法，应用于工程项目的进度、成本、安全和质量管理，所述方法包括：
4、获取工程项目中工序的计划进度数据、实时执行数据和资源配置数据；
5、对所述实时执行数据进行时序预测分析，并与计划进度数据比较，计算工序进度偏差，生成进度偏差事件；
6、将所述进度偏差事件输入进度动态模型，对进度动态模型进行更新，其中所述进度动态模型用于表示工序在时间和空间上的动态状态；
7、基于更新后的进度动态模型，进行工序间冲突检测，生成冲突事件库，其中所述工序间冲突检测基于更新后的进度动态模型，进行工序间的时空重叠检测，通过稀疏存储结构，快速计算时空冲突系数；
8、根据所述冲突事件库，通过优化算法对资源配置数据进行资源调度优化，生成资源优化方案。
9、对所述实时执行数据进行时序预测分析，并与计划进度数据比较，计算工序进度偏差，生成进度偏差事件，包括：
10、对所述实时执行数据进行预处理操作；
11、将预处理后的实时执行数据输入时序预测模型，生成未来时段的进度预测数据；
12、将所述进度预测数据与计划进度数据进行逐工序对比，得到进度偏差数据；
13、基于所述进度偏差数据，结合工序依赖关系图识别工序间的依赖关系，确定偏差关联工序，得到偏差关联工序集合，其中所述工序依赖关系图通过关键路径算法得到；
14、根据所述进度偏差数据和偏差关联工序集合，生成进度偏差事件。
15、将所述进度预测数据与计划进度数据进行逐工序对比，得到进度偏差数据，包括：
16、获取所述进度预测数据的预测工序完成时间和所述计划进度数据的计划工序完成时间；
17、对预测工序完成时间和计划工序完成时间进行差值计算，得到所述进度预测数据与计划进度数据的进度偏差量；
18、将所述进度偏差量与预设的偏差阈值进行比较，当所述进度偏差量超过偏差阈值时，标记对应的工序存在进度偏差，得到进度偏差工序；
19、根据所述进度偏差工序和对应的进度偏差量，生成进度偏差数据。
20、将所述进度偏差事件输入进度动态模型，对进度动态模型进行更新，包括：
21、将所述进度偏差事件中的进度偏差工序和偏差关联工序，映射至进度动态模型中的工序节点，其中所述工序节点包含时间属性和空间属性；
22、根据进度偏差事件中的进度偏差量更新工序节点的时间属性，其中所述时间属性包括开始时间、持续时间和结束时间；
23、基于调整后的工序节点的时间属性和空间属性，更新进度动态模型。
24、所述基于更新后的进度动态模型，进行工序间冲突检测，生成冲突事件库，包括：
25、将进度动态模型的工序节点映射到包含空间属性和时间属性的四维坐标系，生成工序的四维占据体素集合；
26、将所述四维占据体素集合写入稀疏存储结构，基于工序间的四维边界进行粗筛判定，确定潜在重叠的重叠工序对；
27、基于所述重叠工序对，通过稀疏存储结构进行体素集合交集运算，得到工序间的时空重叠体素，生成时空重叠体素集合；
28、基于所述时空重叠体素集合，计算工序间的空间重叠度和时间重叠度，生成工序间的时空冲突系数；
29、将所述时空冲突系数与预设的冲突阈值进行对比，生成冲突事件库。
30、基于所述时空重叠体素集合，计算工序间的空间重叠度和时间重叠度，生成工序间的时空冲突系数，包括：
31、从四维占据体素集合中提取不重复的空间坐标，得到工序的空间占据体素集合，并从时空重叠体素集合中提取不重复的空间坐标，得到工序间的重叠空间体素集合；
32、将两个工序间的空间体积进行大小比较，得到两个工序间空间体积的最小值，将重叠空间体积除以所述最小值，得到空间重叠度，其中所述空间体积为各工序的空间占据体素集合的元素个数，所述重叠空间体积为工序间重叠空间体素集合的元素个数；
33、从工序的四维占据体素集合中确定各工序的最小时间值和最大时间值，计算工序持续时间；
34、从时空重叠体素集合中确定最小时间值和最大时间值，计算重叠持续时间，将两个工序间的工序持续时间进行大小比较，得到两个工序间工序持续时间的最短值，将重叠持续时间除以所述最短值，得到时间重叠度；
35、基于空间重叠度和时间重叠度设定权重，并通过加权求和生成工序间的时空冲突系数。
36、将所述时空冲突系数与预设的冲突阈值进行对比，生成冲突事件库，包括：
37、当所述时空冲突系数大于或等于预设的冲突阈值时，将对应工序对标记为冲突事件；
38、当所述时空冲突系数小于预设的冲突阈值时，标记工序对为无冲突；
39、基于所有冲突事件，生成冲突事件库。
40、根据所述冲突事件库，通过优化算法对资源配置数据进行资源调度优化，生成资源优化方案，包括：
41、根据冲突事件库获取对应工序对及对应的资源配置数据，进行资源调度优化；
42、建立以最小化项目延误和最小化资源调度成本为目标函数的多目标优化模型，其中所述多目标优化模型的约束条件包括工序依赖关系、资源供应上限和施工安全距离；
43、通过启发式优化算法对资源配置数据进行调整，生成资源优化方案。
44、所述通过启发式优化算法对资源配置数据进行调整，生成资源优化方案，其中所述启发式优化算法为粒子群算法，包括：
45、初始化粒子群位置和速度，其中所述粒子群位置表示资源优化方案，速度表示调整幅度；
46、根据适应度函数计算每个粒子的适应度，适应度函数由工期延误、资源闲置率、冲突事件数量加权构成；
47、更新粒子个体最优位置和全局最优位置；
48、根据速度更新公式和位置更新公式，迭代更新粒子群；
49、当达到迭代次数或适应度收敛时，输出全局最优的资源优化方案。
50、基于动态模型的项目四控数字化监控优化系统，所述系统包括：
51、数据采集模块，用于获取计划进度数据、实时执行数据和资源配置数据；
52、预测分析模块，用于对所述实时执行数据进行时序预测分析，并与计划进度数据比较，计算工序进度偏差，生成进度偏差事件；
53、动态模型更新模块，用于维护和更新包含工序时间属性和空间属性的进度动态模型；
54、冲突检测模块，用于将所述进度偏差事件输入进度动态模型，更新进度动态模型后进行工序间冲突检测，生成冲突事件库；
55、资源调度优化模块，用于根据所述冲突事件库，通过优化算法对资源配置数据进行资源调度优化，生成资源优化方案；
56、成本管理模块，用于实现施工全生命周期的成本可视化追踪与优化控制，生成成本管理报表；
57、安全管理模块，用于将进度动态模型与视频监控动态集成，实现视频可视化管理，同时与第三方系统集成安全报表；
58、质量监控模块，用于根据进度偏差事件、冲突事件库、资源优化方案、成本管理报表和安全报表，进行全工程项目周期的项目质量可视化管理。
59、与现有技术相比，本发明的有益效果是：
60、本发明通过引入时序预测模型，能够基于实时执行数据提前预测工序进度，及时发现潜在偏差，避免因延误积累导致整体工期受阻。将偏差事件输入动态模型，实时更新工序的时间属性与空间属性，确保模型反映施工现场的最新状态。通过四维体素与稀疏存储结合的方法，实现工序间的高效时空冲突检测，既提升了检测速度，又保证了冲突识别的精度，能够有效预防施工干扰与安全隐患。