CN115861655B - 一种基于施工大数据的ai辅助决策和管理优化服务系统 - Google Patents

Abstract

本发明公开了一种基于施工大数据的AI辅助决策和管理优化服务系统，包括：获取模块，用于基于数据采集节点矩阵获取施工大数据；确定模块，用于对施工大数据进行分类，确定若干个子数据；匹配模块，用于：基于每个子数据的数据类型匹配相应的处理平台；基于每个子数据的数据特征匹配相应的数据处理算法，并将数据处理算法传输至对应的处理平台；处理平台，用于基于数据处理算法对子数据进行处理，得到处理子数据并传输至融合模块；融合模块，用于将处理子数据进行融合处理，得到目标数据。实现对大量智能设备的有效管理，提高数据采集的准确性，同时对采集的数据进行分布式处理，提高了资源利用率，也提高了对数据处理效率。

Description

一种基于施工大数据的AI辅助决策和管理优化服务系统

技术领域

本发明涉及大数据技术领域，特别涉及一种基于施工大数据的AI辅助决策和管理优化服务系统。

背景技术

在全球信息化快速发展的背景下,大数据已经成为一种战略资源。各行各业的决策活动在频度、广度及复杂性上较以往有着本质的不同。决策过程中的不确定性因素增多,决策分析的难度不断加大。传统的数据分析方法以及基于人工经验的决策已难以满足大数据时代的决策需求,大数据驱动的智能决策将成为决策研究的主旋律。

互联网技术在决策支持领域的应用，使得决策环境出现了新特点，即决策分析中的数据不再集中于一个物理位置，而是分散在不同部门或地区。在此环境下许多大规模的管理决策活动已不可能或者不便于用集中方式进行。

目前，为了实现对施工现场的有效监控及管理，致力构建智慧建造施工现场。现有技术中存在以下技术问题：1、智慧建造施工现场涉及到大量智能设备的数据采集，一是厂商多，品牌多，协议复杂，采集难度大，如果不形成统一的接入标准，无法做到有效接入和管理，二是数据如果没有积累, 难以形成有价值的数据资产，三是设备的运维难度大，成本高，难于定位问题，更难于处置问题，往往为了一个小的设备问题，需要派人到现场巡查，施工区域分布广，人工巡查一遍需要几天时间，浪费大量的资源不说，还付出了大量的时间成本，客户满意度也很难提高。2、智慧建造业务项目生命周期较短，短则1年，长则3年，项目结束后，相关数据就成为了历史数据，任由其累积在业务系统中，对后续项目业务是一个巨大的负担，既影响效率，也增加成本，这些数据如果直接删除，则无法做到历史回放，也会造成巨大数据资产浪费。 3、智慧建造业务无论是数据的深度分析，挖掘，还是基于图像的不安全行为识别，物体识别，质量问题识别等应用场景越来越深入，目前市场上很难找到有正对性的算法模型直接使用，这就需要构建一个机器学习模型训练平台，为智慧建造业务训练施工现场甚至是建造业务的专用模型。

基于目前的现状和问题，有必要提出一种基于施工大数据的AI辅助决策和管理优化服务系统。

发明内容

本发明旨在至少一定程度上解决上述技术中的技术问题之一。为此，本发明的目的在于提出一种基于施工大数据的AI辅助决策和管理优化服务系统，实现对大量智能设备的有效管理，提高数据采集的准确性，同时对采集的数据进行分布式处理，提高了资源利用率，也提高了对数据处理效率，在分布式处理时，基于相应的数据处理算法进行处理，拓展数据服务创新模式，最终得到准确的目标数据。

为达到上述目的，本发明实施例提出了一种基于施工大数据的AI辅助决策和管理优化服务系统，包括：

获取模块，用于基于数据采集节点矩阵获取施工大数据；

确定模块，用于对施工大数据进行分类，确定若干个子数据；

匹配模块，用于：

基于每个子数据的数据类型匹配相应的处理平台；

基于每个子数据的数据特征匹配相应的数据处理算法，并将数据处理算法传输至对应的处理平台；

处理平台，用于基于数据处理算法对子数据进行处理，得到处理子数据并传输至融合模块；

融合模块，用于将处理子数据进行融合处理，得到目标数据。

根据本发明的一些实施例，所述获取模块，包括：

获取子模块，用于获取每个数据采集节点到其他数据采集节点的节点间隔；

第一确定子模块，用于根据所述节点间隔构建最小距离矩阵，根据最小距离矩阵基于粒子群算法进行处理，确定初始连接矩阵；

筛选子模块，用于对初始连接矩阵进行关键节点筛选，确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据。

根据本发明的一些实施例，所述筛选子模块，包括：

第一确定单元，用于基于初始连接矩阵中的数据采集节点进行N次数据采集，确定N次采集结果；

第二确定单元，用于确定每一次采集结果中各个数据采集节点采集数据的关联度，并构建关联树；

第三确定单元，用于将N个关联树进行叠放，确定重合点，对重合点的重合深度值进行解析，确定重合深度值大于预设阈值的数据采集节点，作为初筛数据采集节点；

第四确定单元，用于确定初筛数据采集节点采集数据的质量等级，并从高到低进行排序，选取排队队列中前一半的数据采集节点，作为关键节点；

第五确定单元，用于基于关键节点确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据。

根据本发明的一些实施例，所述第五确定单元，包括：

建立单元，用于基于关键节点构建数据采集节点矩阵，同时建立数据采集节点矩阵与采集单元的无线传输信道；

采集单元，用于获取施工大数据；

分配单元，用于：

获取数据采集节点矩阵对应的总带宽；

确定各关键节点在数据采集节点矩阵中的层次深度；

将同一层次深度的关键节点作为一类，并确定同一层次深度的数据采集时间之和；

确定同一层次深度的关键节点对应的数据采集任务的重要度；

根据采集时间之和及重要度，对各层次深度进行排序，确定第一排序结果，根据第一排序结果及第一预设分配比例进行分配总带宽，得到第一分配结果；

获取第一分配结果中同一层次深度的关键节点对应的无线传输信道的信噪比，并从大到小进行排序，确定第二排序结果；

根据第二排序结果及第二预设分配比例分配第一分配结果对应的带宽，得到第二分配结果；

数据采集节点矩阵基于第二分配结果获取施工大数据。

根据本发明的一些实施例，所述确定模块，包括：

训练子模块，用于基于样本数据训练得到机器学习模型；

分类子模块，用于将施工大数据输入机器学习模型中，输出数据分类结果，确定若干个子数据。

根据本发明的一些实施例，所述融合模块，包括：

第二确定子模块，用于确定处理子数据在数据转换矩阵上对应的矩阵节点及矩阵节点序列；

第三确定子模块，用于：

确定处理子数据在矩阵节点上的业务类型，将同一业务类型的处理子数据进行合并；

确定同一矩阵节点中各个业务类型的重要性占比，根据重要性占比对矩阵节点融合，得到融合矩阵节点；

根据融合矩阵节点及对应的矩阵节点序列进行融合处理，得到目标数据。

根据本发明的一些实施例，还包括：

共享模块，用于：

接收子模块，用于接收共享请求，根据共享请求，确定多个共享终端的终端地址；

连接子模块，用于根据多个所述终端地址，获取共享终端的共享权限，根据所述共享权限，建立共享通道，并对共享终端进行协同连接；

解析子模块，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据，将共享数据基于共享终端之间的协同连接进行数据共享。

根据本发明的一些实施例，所述解析子模块，包括：

解析单元，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据；

共享单元，用于：

将共享数据输入数据特征提取网络，确定特征信息；

确定共享终端之间的协同连接的连接信息；

根据所述特征信息在连接信息中确定数据对象及关系网；

根据所述特征信息确定共享会话传递描述特征；

基于共享会话传递描述特征、数据对象及关系网进行数据共享。

根据本发明的一些实施例，所述数据处理算法包括安全帽、反光衣、安全绳、重点区域、人群监测、抽烟监测、烟火检测、人脸抓拍所需行为分析算法。

根据本发明的一些实施例，还包括：

数据优化模块，用于：

对目标数据进行数据抽取，根据抽取的数据实例结构特征分类，生成多个业务实例，构建数据仓库的数据明细层；所述数据明细层包括各个项目中的设备数据、人员数据、监控数据、模型数据、安全数据、质量数据、进度数据、财务数据；

对数据明细层进行数据聚类，生成主题数据仓库，并进行存储。

本发明提出了一种基于施工大数据的AI辅助决策和管理优化服务系统，实现对大量智能设备的有效管理，提高数据采集的准确性，同时对采集的数据进行分布式处理，提高了资源利用率，也提高了对数据处理效率，在分布式处理时，基于相应的数据处理算法进行处理，拓展数据服务创新模式，最终得到准确的目标数据。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是根据本发明一个实施例的一种基于施工大数据的AI辅助决策和管理优化服务系统的框图；

图2是根据本发明一个实施例的获取模块的框图；

图3是根据本发明一个实施例的筛选子模块的框图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

如图1所示，本发明实施例提出了一种基于施工大数据的AI辅助决策和管理优化服务系统，包括：

获取模块，用于基于数据采集节点矩阵获取施工大数据；

确定模块，用于对施工大数据进行分类，确定若干个子数据；

匹配模块，用于：

基于每个子数据的数据类型匹配相应的处理平台；

基于每个子数据的数据特征匹配相应的数据处理算法，并将数据处理算法传输至对应的处理平台；

处理平台，用于基于数据处理算法对子数据进行处理，得到处理子数据并传输至融合模块；

融合模块，用于将处理子数据进行融合处理，得到目标数据。

上述技术方案的工作原理：数据采集节点矩阵由若干个数据采集节点组成，关联了各个数据采集节点，每个数据采集节点对应一个智能采集设备。获取模块，用于基于数据采集节点矩阵获取施工大数据；确定模块，用于对施工大数据进行分类，确定若干个子数据；每个子数据对应一类数据。匹配模块，用于：基于每个子数据的数据类型匹配相应的处理平台；不同类型的处理平台处理对应类型的子数据。基于每个子数据的数据特征匹配相应的数据处理算法，并将数据处理算法传输至对应的处理平台；基于预先构建的机器学习模型训练平台，包括若干种有针对性的算法模型，并与进行传输后进行直接使用，提高了数据处理的效率及准确性。处理平台，用于基于数据处理算法对子数据进行处理，得到处理子数据并传输至融合模块；融合模块，用于将处理子数据进行融合处理，得到目标数据。

上述技术方案的有益效果：实现对大量智能设备的有效管理，提高数据采集的准确性，同时对采集的数据进行分布式处理，提高了资源利用率，也提高了对数据处理效率，在分布式处理时，基于相应的数据处理算法进行处理，拓展数据服务创新模式，最终得到准确的目标数据。

如图2所示，根据本发明的一些实施例，所述获取模块，包括：

获取子模块，用于获取每个数据采集节点到其他数据采集节点的节点间隔；

第一确定子模块，用于根据所述节点间隔构建最小距离矩阵，根据最小距离矩阵基于粒子群算法进行处理，确定初始连接矩阵；

筛选子模块，用于对初始连接矩阵进行关键节点筛选，确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据。

上述技术方案的工作原理及有益效果：获取子模块，用于获取每个数据采集节点到其他数据采集节点的节点间隔；第一确定子模块，用于根据所述节点间隔构建最小距离矩阵，即基于构建一个各个数据采集节点到其他的数据节点的所有节点间隔最小的空间模型，便于提高了数据采集效率。根据最小距离矩阵基于粒子群算法进行处理，确定初始连接矩阵；筛选子模块，用于对初始连接矩阵进行关键节点筛选，确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据。基于关键节点构建的数据采集节点矩阵，实现数据采集的高效性及快速性，便于基于数据采集节点矩阵获取施工大数据。

如图3所示，根据本发明的一些实施例，所述筛选子模块，包括：

第一确定单元，用于基于初始连接矩阵中的数据采集节点进行N次数据采集，确定N次采集结果；

第二确定单元，用于确定每一次采集结果中各个数据采集节点采集数据的关联度，并构建关联树；

第三确定单元，用于将N个关联树进行叠放，确定重合点，对重合点的重合深度值进行解析，确定重合深度值大于预设阈值的数据采集节点，作为初筛数据采集节点；

第四确定单元，用于确定初筛数据采集节点采集数据的质量等级，并从高到低进行排序，选取排队队列中前一半的数据采集节点，作为关键节点；

第五确定单元，用于基于关键节点确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据。

上述技术方案的工作原理及有益效果：第一确定单元，用于基于初始连接矩阵中的数据采集节点进行N次数据采集，确定N次采集结果；第二确定单元，用于确定每一次采集结果中各个数据采集节点采集数据的关联度，并构建关联树；第三确定单元，用于将N个关联树进行叠放，确定重合点，重合点为各个关联树重合的枝点。对重合点的重合深度值进行解析，重合深度值表示重合点为几个关联树的重合。确定重合深度值大于预设阈值的数据采集节点，作为初筛数据采集节点，预设阈值为N/2。第四确定单元，用于确定初筛数据采集节点采集数据的质量等级，并从高到低进行排序，选取排队队列中前一半的数据采集节点，作为关键节点；第五确定单元，用于基于关键节点确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据。便于准确筛选出关键节点，保证数据采集的高效性，及采集的数据的质量，实现获取的施工大数据的准确性。

根据本发明的一些实施例，所述第五确定单元，包括：

建立单元，用于基于关键节点构建数据采集节点矩阵，同时建立数据采集节点矩阵与采集单元的无线传输信道；

采集单元，用于获取施工大数据；

分配单元，用于：

获取数据采集节点矩阵对应的总带宽；

确定各关键节点在数据采集节点矩阵中的层次深度；

将同一层次深度的关键节点作为一类，并确定同一层次深度的数据采集时间之和；

确定同一层次深度的关键节点对应的数据采集任务的重要度；

根据采集时间之和及重要度，对各层次深度进行排序，确定第一排序结果，根据第一排序结果及第一预设分配比例进行分配总带宽，得到第一分配结果；

获取第一分配结果中同一层次深度的关键节点对应的无线传输信道的信噪比，并从大到小进行排序，确定第二排序结果；

根据第二排序结果及第二预设分配比例分配第一分配结果对应的带宽，得到第二分配结果；

数据采集节点矩阵基于第二分配结果获取施工大数据。

上述技术方案的工作原理及有益效果：建立单元，用于基于关键节点构建数据采集节点矩阵，同时建立数据采集节点矩阵与采集单元的无线传输信道；采集单元，用于获取施工大数据；分配单元，用于：获取数据采集节点矩阵对应的总带宽；确定各关键节点在数据采集节点矩阵中的层次深度；将同一层次深度的关键节点作为一类，并确定同一层次深度的数据采集时间之和；确定同一层次深度的关键节点对应的数据采集任务的重要度；基于采集时间之和与重要度的乘积，从大到小，对各层次深度进行排序，确定第一排序结果，根据第一排序结果及第一预设分配比例进行分配总带宽，得到第一分配结果；第一预设分配比例为根据第一排序结果中包括的排序元素的数量查询第一预设数据表确定的。第一预设数据表为层次深度数量-第一预设分配比例数据表。第一分配结果实现对各个层次深度实现带宽的分配。获取第一分配结果中同一层次深度的关键节点对应的无线传输信道的信噪比，并从大到小进行排序，确定第二排序结果；无线传输信道的信噪比与需分配的带宽具有预设的关联关系，信噪比越大，分配越大的带宽。根据第二排序结果及第二预设分配比例分配第一分配结果对应的带宽，得到第二分配结果；第二预设分配比例为根据第二排序结果中包括的排序元素的数量查询第二预设数据表确定的。第二预设数据表为同一层次深度包括的关键节点的数量-第二预设分配比例数据表。第二分配结果实现对每个同一层次深度中包括的各个关键节点的带宽的分配，数据采集节点矩阵基于第二分配结果获取施工大数据。基于合理的带宽分配，便于提高了数据采集的效率及准确性。

根据本发明的一些实施例，所述确定模块，包括：

训练子模块，用于基于样本数据训练得到机器学习模型；

分类子模块，用于将施工大数据输入机器学习模型中，输出数据分类结果，确定若干个子数据。

上述技术方案的工作原理及有益效果：确定模块，包括：训练子模块，用于基于样本数据训练得到机器学习模型；分类子模块，用于将施工大数据输入机器学习模型中，输出数据分类结果，确定若干个子数据。基于机器模型，实现数据的准确分类。

根据本发明的一些实施例，所述融合模块，包括：

第二确定子模块，用于确定处理子数据在数据转换矩阵上对应的矩阵节点及矩阵节点序列；

第三确定子模块，用于：

确定处理子数据在矩阵节点上的业务类型，将同一业务类型的处理子数据进行合并；

确定同一矩阵节点中各个业务类型的重要性占比，根据重要性占比对矩阵节点融合，得到融合矩阵节点；

根据融合矩阵节点及对应的矩阵节点序列进行融合处理，得到目标数据。

上述技术方案的工作原理及有益效果：第二确定子模块，用于确定处理子数据在数据转换矩阵上对应的矩阵节点及矩阵节点序列；第三确定子模块，用于确定处理子数据在矩阵节点上的业务类型，将同一业务类型的处理子数据进行合并；确定同一矩阵节点中各个业务类型的重要性占比，根据重要性占比对矩阵节点融合，得到融合矩阵节点；根据融合矩阵节点及对应的矩阵节点序列进行融合处理，得到目标数据。首先对同一矩阵节点上同一业务类型的处理子数据进行合并，确定同一矩阵节点中各个业务类型的重要性占比，根据重要性占比对矩阵节点融合，得到融合矩阵节点，之后按照矩阵节点序列进行融合处理，实现数据融合的高效性及准确性，进而便于得到更加准确的目标数据。

根据本发明的一些实施例，还包括：

共享模块，用于：

接收子模块，用于接收共享请求，根据共享请求，确定多个共享终端的终端地址；

连接子模块，用于根据多个所述终端地址，获取共享终端的共享权限，根据所述共享权限，建立共享通道，并对共享终端进行协同连接；

解析子模块，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据，将共享数据基于共享终端之间的协同连接进行数据共享。

上述技术方案的工作原理及有益效果：共享模块，用于接收子模块，用于接收共享请求，根据共享请求，确定多个共享终端的终端地址；连接子模块，用于根据多个所述终端地址，获取共享终端的共享权限，根据所述共享权限，建立共享通道，并对共享终端进行协同连接；解析子模块，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据，将共享数据基于共享终端之间的协同连接进行数据共享。各个共享终端组建为智慧建造圈，向智慧建造圈的生态伙伴开放整个物联网平台、大数据平台、AI平台能力,融合智慧建造上下游伙伴和厂商，统一构建产品库，设备库，协议库，算法库等，形成设备及数据资产的快速积累，形成规模效益，为打造智慧建造产业互联网生态，为智慧建造业务转型打下基础。

根据本发明的一些实施例，所述解析子模块，包括：

解析单元，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据；

共享单元，用于：

将共享数据输入数据特征提取网络，确定特征信息；

确定共享终端之间的协同连接的连接信息；

根据所述特征信息在连接信息中确定数据对象及关系网；

根据所述特征信息确定共享会话传递描述特征；

基于共享会话传递描述特征、数据对象及关系网进行数据共享。

上述技术方案的工作原理及有益效果：解析单元，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据；共享单元，用于：将共享数据输入数据特征提取网络，确定特征信息；确定共享终端之间的协同连接的连接信息；根据所述特征信息在连接信息中确定数据对象及关系网；根据所述特征信息确定共享会话传递描述特征；基于共享会话传递描述特征、数据对象及关系网进行数据共享。便于在共享过程中实现定向的、基于预设的连接信息激活对应的数据对象及关系网，同时基于共享会话传递描述特征，实现数据共享的准确性。避免现有技术中在共享时，才建立连接，以及共享过程中使用同样的会话传递描述特征，导致在共享过程中容易出现差错，实现共享的准确性及安全性。

根据本发明的一些实施例，所述数据处理算法包括安全帽、反光衣、安全绳、重点区域、人群监测、抽烟监测、烟火检测、人脸抓拍所需行为分析算法。

上述技术方案的工作原理及有益效果：“场景智能分析，开放赋能”：搭建AI赋能平台，提供AI算法模型训练平台，训练得到相应的数据处理算法，通过AI平台构建研发并开放自创模型及业务能力，拓展数据服务创新模式，可以直接使用，提高了数据处理效率。

根据本发明的一些实施例，还包括：

数据优化模块，用于：

对目标数据进行数据抽取，根据抽取的数据实例结构特征分类，生成多个业务实例，构建数据仓库的数据明细层；所述数据明细层包括各个项目中的设备数据、人员数据、监控数据、模型数据、安全数据、质量数据、进度数据、财务数据；

对数据明细层进行数据聚类，生成主题数据仓库，并进行存储。

上述技术方案的工作原理及有益效果：“数据灵活接入，集中治理，发掘价值，多方共享“：搭建智慧建造统一大数据中台，将各个项目中的设备数据、人员数据、监控数据、模型数据、安全数据、质量数据、进度数据、财务数据等各种来源、各种格式、各种结构的数据集中汇集、存储、清洗、治理，对目标数据进行数据抽取，根据抽取的数据实例结构特征分类，生成多个业务实例，构建数据仓库的数据明细层；对数据明细层进行数据聚类，生成主题数据仓库，并进行存储。同时建立各种维度、指标的分析模型；统一开放接口，为各个系统以及第三方提供数据服务；统一汇聚智慧建造施工现场数据，并实现对目标数据的数据优化。

本发明提出的一种基于施工大数据的AI辅助决策和管理优化服务系统，可以实现“设备快速接入，集中运维，实时监控”：建立统一的智慧建造物联网平台，支持不同协议、不同厂商、不同设备、不同报文；统一接入标准，建立统一的产品库，设备库，协议库，统一管理，灵活的规则模型配置,支持多种规则模型以及自定义规则模型，管理设备告警,场景联动；支持设备灵活配置多发策略，可以将设备数据在无需修改业务代码的情况向，多路发送到业务平台，监管平台，上级业务平台等多方系统；支持灵活的设备数据存储策略，可将不同类型的设备数据存储到不同的地方，支持灵活的预警规则，消息推送。基于多源数据融合采集分析，发挥数据在智慧建造业务中的价值。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (7)

1.一种基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，包括：

获取模块，用于基于数据采集节点矩阵获取施工大数据；

确定模块，用于对施工大数据进行分类，确定若干个子数据；

匹配模块，用于：

基于每个子数据的数据类型匹配相应的处理平台；

基于每个子数据的数据特征匹配相应的数据处理算法，并将数据处理算法传输至对应的处理平台；

处理平台，用于基于数据处理算法对子数据进行处理，得到处理子数据并传输至融合模块；

融合模块，用于将处理子数据进行融合处理，得到目标数据；

所述获取模块，包括：

获取子模块，用于获取每个数据采集节点到其他数据采集节点的节点间隔；

第一确定子模块，用于根据所述节点间隔构建最小距离矩阵，根据最小距离矩阵基于粒子群算法进行处理，确定初始连接矩阵；

筛选子模块，用于对初始连接矩阵进行关键节点筛选，确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据；

所述筛选子模块，包括：

第一确定单元，用于基于初始连接矩阵中的数据采集节点进行N次数据采集，确定N次采集结果；

第二确定单元，用于确定每一次采集结果中各个数据采集节点采集数据的关联度，并构建关联树；

第三确定单元，用于将N个关联树进行叠放，确定重合点，对重合点的重合深度值进行解析，确定重合深度值大于预设阈值的数据采集节点，作为初筛数据采集节点；

第四确定单元，用于确定初筛数据采集节点采集数据的质量等级，并从高到低进行排序，选取排队队列中前一半的数据采集节点，作为关键节点；

第五确定单元，用于基于关键节点确定数据采集节点矩阵，并基于数据采集节点矩阵获取施工大数据；

所述第五确定单元，包括：

建立单元，用于基于关键节点构建数据采集节点矩阵，同时建立数据采集节点矩阵与采集单元的无线传输信道；

采集单元，用于获取施工大数据；

分配单元，用于：

获取数据采集节点矩阵对应的总带宽；

确定各关键节点在数据采集节点矩阵中的层次深度；

将同一层次深度的关键节点作为一类，并确定同一层次深度的数据采集时间之和；

确定同一层次深度的关键节点对应的数据采集任务的重要度；

根据采集时间之和及重要度，对各层次深度进行排序，确定第一排序结果，根据第一排序结果及第一预设分配比例进行分配总带宽，得到第一分配结果；

获取第一分配结果中同一层次深度的关键节点对应的无线传输信道的信噪比，并从大到小进行排序，确定第二排序结果；

根据第二排序结果及第二预设分配比例分配第一分配结果对应的带宽，得到第二分配结果；

数据采集节点矩阵基于第二分配结果获取施工大数据。

2.如权利要求1所述的基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，所述确定模块，包括：

训练子模块，用于基于样本数据训练得到机器学习模型；

分类子模块，用于将施工大数据输入机器学习模型中，输出数据分类结果，确定若干个子数据。

3.如权利要求1所述的基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，所述融合模块，包括：

第二确定子模块，用于确定处理子数据在数据转换矩阵上对应的矩阵节点及矩阵节点序列；

第三确定子模块，用于：

确定处理子数据在矩阵节点上的业务类型，将同一业务类型的处理子数据进行合并；

确定同一矩阵节点中各个业务类型的重要性占比，根据重要性占比对矩阵节点融合，得到融合矩阵节点；

根据融合矩阵节点及对应的矩阵节点序列进行融合处理，得到目标数据。

4.如权利要求1所述的基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，还包括：

共享模块，用于：

接收子模块，用于接收共享请求，根据共享请求，确定多个共享终端的终端地址；

连接子模块，用于根据多个所述终端地址，获取共享终端的共享权限，根据所述共享权限，建立共享通道，并对共享终端进行协同连接；

解析子模块，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据，将共享数据基于共享终端之间的协同连接进行数据共享。

5.如权利要求4所述的基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，所述解析子模块，包括：

解析单元，用于对共享请求进行解析，根据解析结果确定目标数据中的共享数据；

共享单元，用于：

将共享数据输入数据特征提取网络，确定特征信息；

确定共享终端之间的协同连接的连接信息；

根据所述特征信息在连接信息中确定数据对象及关系网；

根据所述特征信息确定共享会话传递描述特征；

基于共享会话传递描述特征、数据对象及关系网进行数据共享。

6.如权利要求1所述的基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，所述数据处理算法包括安全帽、反光衣、安全绳、重点区域、人群监测、抽烟监测、烟火检测、人脸抓拍所需行为分析算法。

7.如权利要求1所述的基于施工大数据的AI辅助决策和管理优化服务系统，其特征在于，还包括：

数据优化模块，用于：

对目标数据进行数据抽取，根据抽取的数据实例结构特征分类，生成多个业务实例，构建数据仓库的数据明细层；所述数据明细层包括各个项目中的设备数据、人员数据、监控数据、模型数据、安全数据、质量数据、进度数据、财务数据；

对数据明细层进行数据聚类，生成主题数据仓库，并进行存储。

Images