CN115293536A - 元宇宙下的数据处理方法、设备及存储介质 - Google Patents

Abstract

本发明公开了一种元宇宙下的数据管理方法，包括：从第一数据库中获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型；从第二数据库中获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；基于所述团队画像确定所述数字交互项目对应的目标处理团队，基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型；定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控。

Description

元宇宙下的数据处理方法、设备及存储介质

技术领域

本发明属于信息技术领域，具体地，涉及一种元宇宙下的数据处理方法、设备及存储介质。

背景技术

元宇宙下的数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反映相对应的实体装备的全生命周期过程。数字孪生是一种超越现实的概念，可以被视为一个或多个重要的、彼此依赖的装备系统的数字映射系统。数字孪生是个普遍适应的理论技术体系，可以在众多领域应用，目前在国内应用最深入的是数字交互领域。

在现代化的软件类型的项目管理中，例如数字交互、数字处理、数字孪生、应用设计各个项目管理中，由于涉及的流程和环节比较多，一直存在着对处理进度、质量、安全无法实时管控的情况，只能通过照片、报表的形式上报和统计，耗费大量的人工和精力。处理过程中有可能产生的安全隐患也无法提前预知，且在进度管控方面，目前只能设置理想化的固定期限，没有可变量加持，无法和现实情况相关联，不能有效的对时间进度实现精准掌控。

发明内容

本发明提供了一种元宇宙下的数据管理方法、设备及存储介质，实现了对数字交互的进度、质量及安全的实时管控，且可提前预测可能的风险，并对进度进行精准管控。

为了实现上述目的，本发明提供了一种元宇宙下的数据管理方法，所述方法包括：

从第一数据库中获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型；

从第二数据库中获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；

基于所述团队画像确定所述数字交互项目对应的目标处理团队，基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型；

定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控。

可选的，所述根据所述三维动态模型对所述数字交互项目进行全生命周期的管控，包括：

基于所述三维动态模型，获取所述数字交互项目的实时进度；

采用所述三维动态模型对所述数字交互项目的处理流程进行仿真，生成最优实施路径和进度预测结果；

采用所述三维动态模型对所述数字交互项目的资料需求情况进行分析，生成资料需求清单；

采用所述三维动态模型对所述数字交互项目进行质量分析，生成质量分析结果；

采用所述三维动态模型对所述数字交互项目进行安全预测，生成安全预测结果。

可选的，所述数字交互项目的静态信息包括数字交互项目的设计图纸、项目实施流程、资料需求文件、质量标准文件及安全标准文件，所述基于所述静态信息构建所述数字交互项目的静态模型，包括：

基于所述设计图纸确定所述项目实施流程中每个环节对应的目标三维模型；

基于所述资料需求文件确定所述项目实施流程中每个环节需要的资料名称和数量；

基于所述质量标准文件确定所述项目实施流程中每个环节的质量指标名称及质量阈值；

基于所述安全标准文件确定所述项目实施流程中每个环节的安全指标名称及安全阈值；

根据所述项目实施流程中每个环节的目标三维模型、资料名称和数量、质量指标名称及质量阈值和安全指标名称及安全阈值，构建所述数字交互项目的静态模型。

可选的，所述基本信息包括第一历史处理数据、第二历史处理数据及团队中每个成员的身体状态信息，所述基于所述基本信息为每个处理团队构建团队画像，包括：

根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型；

根据所述第二历史数据确定每个处理团队中每个成员擅长的工作岗位及多技能系数；

基于所述身体状态信息确定每个处理团队中每个成员的身体状况类型；

基于所述处理类型及对应的处理时效类型、每个成员擅长的工作岗位及多技能系数和身体状况类型确定每个处理团队对应的团队画像。

可选的，所述根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型，包括：

从所述第一历史处理数据中获取每个处理团队的历史处理项目类型、处理时效及第一评分；

基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型。

可选的，所述基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型，包括：

将所述第一历史数据中处理次数大于次数阈值的历史处理项目类型的集合作为第一处理类型集；

剔除所述第一处理类型集中处理时效大于时效阈值的历史处理项目类型，得到第二处理类型集；

剔除所述第二处理类型集中第一评分小于评分阈值的历史处理项目类型，得到第三处理类型集；

将所述第三处理类型集中的历史处理项目类型及其对应的时效类型作为对应处理团队擅长的处理类型及对应的处理时效类型。

可选的，所述基于所述团队画像确定所述数字交互项目对应的目标处理团队，包括：

从第三数据库中获取与所述数字交互项目类型相同的项目的历史匹配数据，根据所述历史匹配数据确定所述数字交互项目的关键指标集；

分别计算每个处理团队的团队画像与所述关键指标集的匹配度值，基于所述匹配度值确定所述数字交互项目对应的目标处理团队。

可选的，所述历史匹配数据包括多个历史项目的信息、多个历史处理团队的信息及匹配结果，所述匹配结果中每个历史项目仅与一个历史处理团队匹配成功，所述根据所述历史匹配数据确定所述数字交互项目的关键指标集，包括：

将每个历史处理团队与所述多个历史项目进行组合，得到多个组合对，根据所述匹配结果确定每个组合对的标注信息；

构建每个历史处理团队的第一画像，构建每个历史项目的第二画像，基于所述第一画像及第二画像确定每个组合对的组合画像；

将每个组合对的组合画像及标注信息输入权重分析模型，得到每个组合画像中每个维度标签的权重；

将权重最大的预设数量的维度标签的集合作为所述数字交互项目对应的关键指标集。

本发明还提供一种元宇宙下的数据管理设备，所述设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现上述的方法。

本发明还提供一种计算机可读存储介质，所述计算机可读存储介质上存储有计算机可执行指令，所述计算机可执行指令可被一个或者多个处理器执行，以实现上述的方法。

本发明实施例的方法、设备及存储介质具有下列优点：

本发明实施例中，先获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型；再获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；然后基于所述团队画像确定所述数字交互项目对应的目标处理团队，保证了数字交互项目与处理团队的最优组合，再基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型；最后，定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控，实现了对数字交互的进度、质量及安全的实时管控，且可提前预测可能的安全风险，并对进度进行精准管控。

附图说明

图1为一个实施例中元宇宙下的数据管理方法的流程图；

图2为一个实施例中元宇宙下的数据管理设备的硬件组成示意图。

具体实施方式

为了使本发明的目的、技术方案及优点更加清楚，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。此外，下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。

如图1所示，本发明实施例提供一种元宇宙下的数据管理方法，该方法包括以下步骤S11-S14：

S11、从第一数据库中获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型。

本实施例中，所述数字交互项目的静态信息包括数字交互项目的设计图纸、项目实施流程、资料需求文件、质量标准文件及安全标准文件。

所述基于所述静态信息构建所述数字交互项目的静态模型，包括以下步骤A11-A15：

A11、基于所述设计图纸确定所述项目实施流程中每个环节对应的目标三维模型；

本实施例中，按照项目实施流程中每个环节的详细说明及设计图纸中数字交互项目的几何结构和尺寸形状等数据，可确定每个环节对应的目标三维模型。数字交互项目可以是各类人机交互的项目，例如工程车间的设备交互，移动互联网的用户与虚拟客服交互，工业互联网的不同设备之间的联动以及建筑施工等的数字建模和交互等。

A12、基于所述资料需求文件确定所述项目实施流程中每个环节需要的资料名称和数量；

所述资料包括生产工具和应用代码，所述生产工具包括各类软件开发工具，例如Protel、3DMAX等，所述应用代码包括各个SDK开发包。

A13、基于所述质量标准文件确定所述项目实施流程中每个环节的质量指标名称及质量阈值；

本实施例中，质量标准文件中定义了处理全流程的每个质量指标名称和质量阈值，例如，内存占用指标、CPU指标、通过率指标、流量指标等。

A14、基于所述安全标准文件确定所述项目实施流程中每个环节的安全指标名称及安全阈值；

所述安全指标名称包括宕机率、稳定运行时长、最大连接数、RSPR、RSRQ等常见安全指标。

A15、根据所述项目实施流程中每个环节的目标三维模型、资料名称和数量、质量指标名称及质量阈值和安全指标名称及安全阈值，构建所述数字交互项目的静态模型。

汇总每个环节的目标三维模型、资料名称和数量、质量指标名称及质量阈值和安全指标名称及安全阈值，得到每个环节对应的静态模型，拼接每个环节的静态模型，得到所述数字交互项目的静态模型。

S12、从第二数据库中获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；

本实施例中，第二数据库中存储有每个处理团队的基本信息，所述基本信息包括第一历史处理数据、第二历史处理数据及团队中每个成员的身体状态信息。所述第二数据库与第一数据库可以是同一个数据库，也可以是不同的数据库。

所述基于所述基本信息为每个处理团队构建团队画像，包括以下步骤B11-B14：

B11、根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型；

所述根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型，包括以下步骤C11-C12：

C11、从所述第一历史处理数据中获取每个处理团队的历史处理项目类型、处理时效及第一评分；

所述处理项目类型包括前端处理、平台处理、后端处理、美工处理、交互逻辑处理等，所述处理时效为处理项目对应的处理时间，第一评分为客户对完工的处理项目给出的评分。

C12、基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型。

所述基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型，包括以下步骤D11-D14：

D11、将所述第一历史数据中处理次数大于次数阈值的历史处理项目类型的集合作为第一处理类型集；

第一历史数据中某一处理团队在同一类型历史处理项目的处理次数越多，说明该处理团队在该类型处理项目的经验越丰富，所述次数阈值可以是8。

D12、剔除所述第一处理类型集中处理时效大于时效阈值的历史处理项目类型，得到第二处理类型集；

处理时效即处理时间，处理时间的长短在一定程度上体现了处理团队的熟练程度。

D13、剔除所述第二处理类型集中第一评分小于评分阈值的历史处理项目类型，得到第三处理类型集；

第一评分体现了客户满意度，所述评分阈值可以是90分(满分为100分)。

D14、将所述第三处理类型集中的历史处理项目类型及其对应的时效类型作为对应处理团队擅长的处理类型及对应的处理时效类型。

经多次筛选后，得到的第三处理类型集中的处理项目类型是处理团队比较擅长的处理类型。

B12、根据所述第二历史数据确定每个处理团队中每个成员擅长的工作岗位及多技能系数；

所述根据所述第二历史数据确定每个处理团队中每个成员擅长的工作岗位及多技能系数，包括以下步骤E11-E12：

E11、从所述第二历史处理数据中获取每个处理团队中每个成员工作过的工作岗位、工作时长及对应的第二评分；

第二历史处理数据中，成员在一个工作岗位工作的时长越长，代表成员对该工作岗位越熟悉，第二评分是处理项目完成后项目负责人对成员的评分，第二评分在一定程度上体现了成员的工作能力。

E12、基于所述工作岗位、工作时长及对应的第二评分确定每个处理团队中每个成员擅长的工作岗位及多技能系数。

本实施例中，将工作时长大于时长阈值、且第二评分大于评分阈值的工作岗位作为对应成员擅长的工作岗位。

若一个成员擅长多个工作岗位，则根据擅长的工作岗位的数量确定该成员的多技能系数。

B13、基于所述身体状态信息确定每个处理团队中每个成员的身体状况类型；

所述身体状态信息可以是成员的最新体检报告，所述身体状况类型可以包括身体状况非常好、良好、一般、较差等。

B14、基于所述处理类型及对应的处理时效类型、每个成员擅长的工作岗位及多技能系数和身体状况类型确定每个处理团队对应的团队画像。

将每个处理团队对应的处理类型及处理时效类型、每个成员擅长的工作岗位及多技能系数和身体状况类型分别作为团队画像的一个维度标签，汇总后，得到对应处理对应的团队画像。

S13、基于所述团队画像确定所述数字交互项目对应的目标处理团队，基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型。

本实施例中，通过将每个处理团队的团队画像与数字交互项目的关键指标进行匹配，确定目标处理团队，将目标处理团队导入静态模型，得到数字交互项目的数字孪生模型。

所述基于所述团队画像确定所述数字交互项目对应的目标处理团队，包括以下步骤F11-F12：

F11、从第三数据库中获取与所述数字交互项目类型相同的项目的历史匹配数据，根据所述历史匹配数据确定所述数字交互项目的关键指标集；

若待处理的数字交互项目类型为学校数字建设项目，则从第三数据库中获取学校数字建设项目的历史匹配数据，所述历史匹配数据包括多个历史项目的信息、多个历史处理团队的信息及匹配结果，所述匹配结果中每个历史项目仅与一个历史处理团队匹配成功。

所述根据所述历史匹配数据确定所述数字交互项目的关键指标集，包括以下步骤G11-G14：

G11、将每个历史处理团队与所述多个历史项目进行组合，得到多个组合对，根据所述匹配结果确定每个组合对的标注信息；

例如，若第三数据库中共10个学校数字建设类型的历史项目、共80个历史处理团队，组合后，可得到800个组合对。所述标注信息包括1或0，1表示匹配成功，0表示匹配失败，将历史匹配数据中实际匹配成功的组合对的标注信息设置为1。

G12、构建每个历史处理团队的第一画像，构建每个历史项目的第二画像，基于所述第一画像及第二画像确定每个组合对的组合画像；

所述第一画像及第二画像的构建过程与上述团队画像的构建过程类似，在此不再赘述。

本实施例中，将每个组合对对应的第一画像及第二画像中相同维度标签的组合作为其组合画像。

G13、将每个组合对的组合画像及标注信息输入权重分析模型，得到每个组合画像中每个维度标签的权重；

本实施例中，所述权重分配模型可以是通过样本训练随机森林模型得到的。

G14、将权重最大的预设数量的维度标签的集合作为所述数字交互项目对应的关键指标集。

所述预设数量可以是5，将权重最大的5个维度标签的集合作为关键指标集。

F12、分别计算每个处理团队的团队画像与所述关键指标集的匹配度值，基于所述匹配度值确定所述数字交互项目对应的目标处理团队。

本实施例中，将匹配度值最高的处理团队作为数字交互项目的目标处理团队。

所述分别计算每个处理团队的团队画像与所述关键指标集的匹配度值，包括以下步骤H11-H13：

H11、从所述处理团队的团队画像中选择一个团队画像，从所述关键指标集中选择一个指标；

H12、计算选择的团队画像的每个维度标签与选择的指标的相似度值，将数值最大的相似度值作为所述选择的指标的值；

所述相似度值可以是余弦相似度值、欧式距离值、曼哈顿距离值或切比雪夫距离值中的任意一个。

H13、重复计算，得到所述关键指标集中每个指标的值，对所述关键指标集中的指标的值进行加权求和，得到所述选择的团队画像与所述关键指标集的匹配度值。

指标集中指标的权重是上述步骤G13中权重分析模型的输出数值。

S14、定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控。

本实施例中，可以通过摄像机及各种传感器实时或定时采集数字交互项目实体的动态信息，然后使用SolidWorks等软件构建数字交互项目的三维动态模型，根据该三维动态模型对数字交互项目进行全面监控。

所述根据所述三维动态模型对所述数字交互项目进行全生命周期的管控，包括以下步骤I11-I15：

I11、基于所述三维动态模型，获取所述数字交互项目的实时进度；

将数字交互项目的实时动态信息导入三维动态模型，可分析出数字交互项目的实时进度。

I12、采用所述三维动态模型对所述数字交互项目的处理流程进行仿真，生成最优实施路径和进度预测结果；

本实施例中，通过三维动态模型筛选出处理流程中可以并行操作的实施环节，确定最优化的实施顺序，生成最优实施路径，并根据最优实施路径进行进度预测。

实时或定时更新了数字交互项目的实时数据后，可根据实时数据更新最优实施路径，并对进度进行实时预测，使得进度与现实情况紧密关联，实现了对进度的精准掌控。

I13、采用所述三维动态模型对所述数字交互项目的资料需求情况进行分析，生成资料需求清单；

通过将数字交互项目的各个环节的资料需求数据与现有资料数据进行比对，可得出需求资料的名称、数量及需求日期，基于此生成资料需求清单。

I14、采用所述三维动态模型对所述数字交互项目进行质量分析，生成质量分析结果；

先获取数字交互项目中每个环节的质量指标名称及质量阈值，再根据三维动态模型获取当前实施环节及该环节中质量指标对应的数值，然后判断该环节的每个质量指标值是否满足要求，根据判断结果生成质量分析结果。

I15、采用所述三维动态模型对所述数字交互项目进行安全预测，生成安全预测结果。

先获取数字交互项目中每个环节的安全指标名称及安全阈值，再根据三维动态模型获取当前实施环节及该环节中安全指标对应的数值，将这两部分数据输入安全预测模型进行安全预测，得到安全预测结果，所述安全预测模型可以是深度神经网络模型。

本发明实施例的方法具有下列优点：

本发明实施例中，先获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型；再获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；然后基于所述团队画像确定所述数字交互项目对应的目标处理团队，保证了数字交互项目与处理团队的最优组合，再基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型；最后，定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控，实现了对数字交互的进度、质量及安全的实时管控，且可提前预测可能的安全风险，并对进度进行精准管控。

如图2所示，本发明实施例还提供一种元宇宙下的数据管理设备2000，该设备包括存储器24和处理器21，所述存储器24上存储有计算机可执行指令，所述处理器21运行所述存储器24上的计算机可执行指令时实现以下步骤S21-S24：

S21、从第一数据库中获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型。

本实施例中，所述数字交互项目的静态信息包括数字交互项目的设计图纸、项目实施流程、资料需求文件、质量标准文件及安全标准文件。

所述基于所述静态信息构建所述数字交互项目的静态模型，包括以下步骤A21-A25：

A21、基于所述设计图纸确定所述项目实施流程中每个环节对应的目标三维模型；

本实施例中，按照项目实施流程中每个环节的详细说明及设计图纸中数字交互项目的几何结构和尺寸形状等数据，可确定每个环节对应的目标三维模型。

A22、基于所述资料需求文件确定所述项目实施流程中每个环节需要的资料名称和数量；

A23、基于所述质量标准文件确定所述项目实施流程中每个环节的质量指标名称及质量阈值；

本实施例中，质量标准文件中定义了处理全流程的每个质量指标名称和质量阈值。

A24、基于所述安全标准文件确定所述项目实施流程中每个环节的安全指标名称及安全阈值；

A25、根据所述项目实施流程中每个环节的目标三维模型、资料名称和数量、质量指标名称及质量阈值和安全指标名称及安全阈值，构建所述数字交互项目的静态模型。

汇总每个环节的目标三维模型、资料名称和数量、质量指标名称及质量阈值和安全指标名称及安全阈值，得到每个环节对应的静态模型，拼接每个环节的静态模型，得到所述数字交互项目的静态模型。

S22、从第二数据库中获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；

本实施例中，第二数据库中存储有每个处理团队的基本信息，所述基本信息包括第一历史处理数据、第二历史处理数据及团队中每个成员的身体状态信息。所述第二数据库与第一数据库可以是同一个数据库，也可以是不同的数据库。

所述基于所述基本信息为每个处理团队构建团队画像，包括以下步骤B21-B24：

B21、根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型；

所述根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型，包括以下步骤C21-C22：

C21、从所述第一历史处理数据中获取每个处理团队的历史处理项目类型、处理时效及第一评分；

C22、基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型。

所述基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型，包括以下步骤D21-D24：

D21、将所述第一历史数据中处理次数大于次数阈值的历史处理项目类型的集合作为第一处理类型集；

第一历史数据中某一处理团队在同一类型历史处理项目的处理次数越多，说明该处理团队在该类型处理项目的经验越丰富，所述次数阈值可以是6。

D22、剔除所述第一处理类型集中处理时效大于时效阈值的历史处理项目类型，得到第二处理类型集；

处理时效即处理时间，处理时间的长短在一定程度上体现了处理团队的熟练程度。

D23、剔除所述第二处理类型集中第一评分小于评分阈值的历史处理项目类型，得到第三处理类型集；

第一评分体现了客户满意度，所述评分阈值可以是90分(满分为100分)。

D24、将所述第三处理类型集中的历史处理项目类型及其对应的时效类型作为对应处理团队擅长的处理类型及对应的处理时效类型。

经多次筛选后，得到的第三处理类型集中的处理项目类型是处理团队比较擅长的处理类型。

B22、根据所述第二历史数据确定每个处理团队中每个成员擅长的工作岗位及多技能系数；

所述根据所述第二历史数据确定每个处理团队中每个成员擅长的工作岗位及多技能系数，包括以下步骤E21-E22：

E21、从所述第二历史处理数据中获取每个处理团队中每个成员工作过的工作岗位、工作时长及对应的第二评分；

第二历史处理数据中，成员在一个工作岗位工作的时长越长，代表成员对该工作岗位越熟悉，第二评分是处理项目完成后项目负责人对成员的评分，第二评分在一定程度上体现了成员的工作能力。

E22、基于所述工作岗位、工作时长及对应的第二评分确定每个处理团队中每个成员擅长的工作岗位及多技能系数。

本实施例中，将工作时长大于时长阈值、且第二评分大于评分阈值的工作岗位作为对应成员擅长的工作岗位。

若一个成员擅长多个工作岗位，则根据擅长的工作岗位的数量确定该成员的多技能系数。

B23、基于所述身体状态信息确定每个处理团队中每个成员的身体状况类型；

所述身体状态信息可以是成员的最新体检报告，所述身体状况类型可以包括身体状况非常好、良好、一般、较差等。

B24、基于所述处理类型及对应的处理时效类型、每个成员擅长的工作岗位及多技能系数和身体状况类型确定每个处理团队对应的团队画像。

将每个处理团队对应的处理类型及处理时效类型、每个成员擅长的工作岗位及多技能系数和身体状况类型分别作为团队画像的一个维度标签，汇总后，得到对应处理对应的团队画像。

S23、基于所述团队画像确定所述数字交互项目对应的目标处理团队，基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型。

本实施例中，通过将每个处理团队的团队画像与数字交互项目的关键指标进行匹配，确定目标处理团队，将目标处理团队导入静态模型，得到数字交互项目的数字孪生模型。

所述基于所述团队画像确定所述数字交互项目对应的目标处理团队，包括以下步骤F21-F22：

F21、从第三数据库中获取与所述数字交互项目类型相同的项目的历史匹配数据，根据所述历史匹配数据确定所述数字交互项目的关键指标集；

若待处理的数字交互项目类型为学校建设项目，则从第三数据库中获取学校建设项目的历史匹配数据，所述历史匹配数据包括多个历史项目的信息、多个历史处理团队的信息及匹配结果，所述匹配结果中每个历史项目仅与一个历史处理团队匹配成功。

所述根据所述历史匹配数据确定所述数字交互项目的关键指标集，包括以下步骤G21-G24：

G21、将每个历史处理团队与所述多个历史项目进行组合，得到多个组合对，根据所述匹配结果确定每个组合对的标注信息；

例如，若第三数据库中共10个学校建设类型的历史项目、共80个历史处理团队，组合后，可得到800个组合对。所述标注信息包括1或0，1表示匹配成功，0表示匹配失败，将历史匹配数据中实际匹配成功的组合对的标注信息设置为1。

G22、构建每个历史处理团队的第一画像，构建每个历史项目的第二画像，基于所述第一画像及第二画像确定每个组合对的组合画像；

所述第一画像及第二画像的构建过程与上述团队画像的构建过程类似，在此不再赘述。

本实施例中，将每个组合对对应的第一画像及第二画像中相同维度标签的组合作为其组合画像。

G23、将每个组合对的组合画像及标注信息输入权重分析模型，得到每个组合画像中每个维度标签的权重；

本实施例中，所述权重分配模型可以是通过样本训练随机森林模型得到的。

G24、将权重最大的预设数量的维度标签的集合作为所述数字交互项目对应的关键指标集。

所述预设数量可以是5，将权重最大的5个维度标签的集合作为关键指标集。

F22、分别计算每个处理团队的团队画像与所述关键指标集的匹配度值，基于所述匹配度值确定所述数字交互项目对应的目标处理团队。

本实施例中，将匹配度值最高的处理团队作为数字交互项目的目标处理团队。

所述分别计算每个处理团队的团队画像与所述关键指标集的匹配度值，包括以下步骤H21-H23：

H21、从所述处理团队的团队画像中选择一个团队画像，从所述关键指标集中选择一个指标；

H22、计算选择的团队画像的每个维度标签与选择的指标的相似度值，将数值最大的相似度值作为所述选择的指标的值；

所述相似度值可以是余弦相似度值、欧式距离值、曼哈顿距离值或切比雪夫距离值中的任意一个。

H23、重复计算，得到所述关键指标集中每个指标的值，对所述关键指标集中的指标的值进行加权求和，得到所述选择的团队画像与所述关键指标集的匹配度值。

指标集中指标的权重是上述步骤G23中权重分析模型的输出数值。

S24、定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控。

本实施例中，可以通过摄像机及各种传感器实时或定时采集数字交互项目实体的动态信息，然后使用SolidWorks等软件构建数字交互项目的三维动态模型，根据该三维动态模型对数字交互项目进行全面监控。

所述根据所述三维动态模型对所述数字交互项目进行全生命周期的管控，包括以下步骤I21-I25：

I21、基于所述三维动态模型，获取所述数字交互项目的实时进度；

将数字交互项目的实时动态信息导入三维动态模型，可分析出数字交互项目的实时进度。

I22、采用所述三维动态模型对所述数字交互项目的处理流程进行仿真，生成最优实施路径和进度预测结果；

本实施例中，通过三维动态模型筛选出处理流程中可以并行操作的实施环节，确定最优化的实施顺序，生成最优实施路径，并根据最优实施路径进行进度预测。

实时或定时更新了数字交互项目的实时数据后，可根据实时数据更新最优实施路径，并对进度进行实时预测，使得进度与现实情况紧密关联，实现了对进度的精准掌控。

I23、采用所述三维动态模型对所述数字交互项目的资料需求情况进行分析，生成资料需求清单；

通过将数字交互项目的各个环节的资料需求数据与现有资料数据进行比对，可得出需求资料的名称、数量及需求日期，基于此生成资料需求清单。

I24、采用所述三维动态模型对所述数字交互项目进行质量分析，生成质量分析结果；

先获取数字交互项目中每个环节的质量指标名称及质量阈值，再根据三维动态模型获取当前实施环节及该环节中质量指标对应的数值，然后判断该环节的每个质量指标值是否满足要求，根据判断结果生成质量分析结果。

I25、采用所述三维动态模型对所述数字交互项目进行安全预测，生成安全预测结果。

先获取数字交互项目中每个环节的安全指标名称及安全阈值，再根据三维动态模型获取当前实施环节及该环节中安全指标对应的数值，将这两部分数据输入安全预测模型进行安全预测，得到安全预测结果，所述安全预测模型可以是深度神经网络模型。

在实际应用中，上述设备还可以分别包含必要的其他元件，包含但不限于任意数量的输入22/输出系统23、处理器、控制器、存储器等，而所有可以实现本申请实施例的大数据管理方法的系统都在本申请的保护范围之内。

存储器包括但不限于是随机存储记忆体(random access memory，RAM)、只读存储器(read至only memory，ROM)、可擦除可编程只读存储器(erasable programmable readonly memory，EPROM)、或便携式只读存储器(compact disc read至only memory，CD至ROM)，该存储器用于相关指令及数据。

输入系统用于输入数据和/或信号，以及输出系统用于输出数据和/或信号。输出系统和输入系统可以是独立的器件，也可以是一个整体的器件。

处理器可以包括是一个或多个处理器，例如包括一个或多个中央处理器(centralprocessing unit，CPU)，在处理器是一个CPU的情况下，该CPU可以是单核CPU，也可以是多核CPU。处理器还可以包括一个或多个专用处理器，专用处理器可以包括GPU、FPGA等，用于进行加速处理。

存储器用于存储网络设备的程序代码和数据。

处理器用于调用该存储器中的程序代码和数据，执行上述方法实施例中的步骤。具体可参见方法实施例中的描述，在此不再赘述。

在本申请所提供的几个实施例中，应该理解到，所揭露的系统和方法，可以通过其它的方式实现。例如，该单元的划分，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。所显示或讨论的相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口，系统或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。

作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行该计算机程序指令时，全部或部分地产生按照本申请实施例的流程或功能。该计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程系统。该计算机指令可以存储在计算机可读存储介质中，或者通过该计算机可读存储介质进行传输。该计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(digital subscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。该计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集成的服务器、数据中心等数据存储设备。该可用介质可以是只读存储器(read至onlymemory，ROM)，或随机存储存储器(random access memory，RAM)，或磁性介质，例如，软盘、硬盘、磁带、磁碟、或光介质，例如，数字通用光盘(digital versatile disc，DVD)、或者半导体介质，例如，固态硬盘(solid state disk，SSD)等。

以上仅为本申请的具体实施方式，但本申请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申请揭露的技术范围内，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申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种元宇宙下的数据管理方法，其特征在于，所述方法包括：

从第一数据库中获取数字交互项目的静态信息，基于所述静态信息构建所述数字交互项目的静态模型；

从第二数据库中获取每个处理团队的基本信息，基于所述基本信息为每个处理团队构建团队画像；

基于所述团队画像确定所述数字交互项目对应的目标处理团队，基于所述目标处理团队与所述静态模型构建所述数字交互项目的数字孪生模型；

定时或实时采集所述数字交互项目的动态信息，根据所述动态信息及所述数字孪生模型构建所述数字交互项目的三维动态模型，根据所述三维动态模型对所述数字交互项目进行全生命周期的管控。

2.根据权利要求1所述的方法，其特征在于，所述根据所述三维动态模型对所述数字交互项目进行全生命周期的管控，包括：

基于所述三维动态模型，获取所述数字交互项目的实时进度；

采用所述三维动态模型对所述数字交互项目的处理流程进行仿真，生成最优实施路径和进度预测结果；

采用所述三维动态模型对所述数字交互项目的资料需求情况进行分析，生成资料需求清单；

采用所述三维动态模型对所述数字交互项目进行质量分析，生成质量分析结果；

采用所述三维动态模型对所述数字交互项目进行安全预测，生成安全预测结果。

3.根据权利要求1所述的方法，其特征在于，所述数字交互项目的静态信息包括数字交互项目的设计图纸、项目实施流程、资料需求文件、质量标准文件及安全标准文件，所述基于所述静态信息构建所述数字交互项目的静态模型，包括：

基于所述设计图纸确定所述项目实施流程中每个环节对应的目标三维模型；

基于所述资料需求文件确定所述项目实施流程中每个环节需要的资料名称和数量；

基于所述质量标准文件确定所述项目实施流程中每个环节的质量指标名称及质量阈值；

基于所述安全标准文件确定所述项目实施流程中每个环节的安全指标名称及安全阈值；

根据所述项目实施流程中每个环节的目标三维模型、资料名称和数量、质量指标名称及质量阈值和安全指标名称及安全阈值，构建所述数字交互项目的静态模型。

4.根据权利要求1所述的方法，其特征在于，所述基本信息包括第一历史处理数据、第二历史处理数据及团队中每个成员的身体状态信息，所述基于所述基本信息为每个处理团队构建团队画像，包括：

根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型；

根据所述第二历史数据确定每个处理团队中每个成员擅长的工作岗位及多技能系数；

基于所述身体状态信息确定每个处理团队中每个成员的身体状况类型；

基于所述处理类型及对应的处理时效类型、每个成员擅长的工作岗位及多技能系数和身体状况类型确定每个处理团队对应的团队画像。

5.根据权利要求4所述的方法，其特征在于，所述根据所述第一历史处理数据确定每个处理团队擅长的处理类型及对应的处理时效类型，包括：

从所述第一历史处理数据中获取每个处理团队的历史处理项目类型、处理时效及第一评分；

基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型。

6.根据权利要求5所述的方法，其特征在于，所述基于所述历史处理项目类型、处理时效及第一评分，确定每个处理团队擅长的处理类型及对应的处理时效类型，包括：

将所述第一历史数据中处理次数大于次数阈值的历史处理项目类型的集合作为第一处理类型集；

剔除所述第一处理类型集中处理时效大于时效阈值的历史处理项目类型，得到第二处理类型集；

剔除所述第二处理类型集中第一评分小于评分阈值的历史处理项目类型，得到第三处理类型集；

将所述第三处理类型集中的历史处理项目类型及其对应的时效类型作为对应处理团队擅长的处理类型及对应的处理时效类型。

7.根据权利要求1所述的方法，其特征在于，所述基于所述团队画像确定所述数字交互项目对应的目标处理团队，包括：

从第三数据库中获取与所述数字交互项目类型相同的项目的历史匹配数据，根据所述历史匹配数据确定所述数字交互项目的关键指标集；

分别计算每个处理团队的团队画像与所述关键指标集的匹配度值，基于所述匹配度值确定所述数字交互项目对应的目标处理团队。

8.根据权利要求7所述的方法，其特征在于，所述历史匹配数据包括多个历史项目的信息、多个历史处理团队的信息及匹配结果，所述匹配结果中每个历史项目仅与一个历史处理团队匹配成功，所述根据所述历史匹配数据确定所述数字交互项目的关键指标集，包括：

将每个历史处理团队与所述多个历史项目进行组合，得到多个组合对，根据所述匹配结果确定每个组合对的标注信息；

构建每个历史处理团队的第一画像，构建每个历史项目的第二画像，基于所述第一画像及第二画像确定每个组合对的组合画像；

将每个组合对的组合画像及标注信息输入权重分析模型，得到每个组合画像中每个维度标签的权重；

将权重最大的预设数量的维度标签的集合作为所述数字交互项目对应的关键指标集。

9.一种元宇宙下的数据管理设备，其特征在于，所述设备包括存储器和处理器，所述存储器上存储有可在所述处理器上运行的计算机可执行指令，所述计算机可执行指令被所述处理器执行时实现如权利要求1-8任一项所述的方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机可执行指令，所述计算机可执行指令可被一个或者多个处理器执行，以实现如权利要求1-8中任一项所述的方法。

Images