CN116342075A - 智慧建造一体化协同大数据处理方法 - Google Patents
智慧建造一体化协同大数据处理方法 Download PDFInfo
- Publication number
- CN116342075A CN116342075A CN202310615566.4A CN202310615566A CN116342075A CN 116342075 A CN116342075 A CN 116342075A CN 202310615566 A CN202310615566 A CN 202310615566A CN 116342075 A CN116342075 A CN 116342075A
- Authority
- CN
- China
- Prior art keywords
- modeling
- model
- terminal
- sub
- node
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000003672 processing method Methods 0.000 title claims abstract description 9
- 238000012545 processing Methods 0.000 claims abstract description 96
- 230000001133 acceleration Effects 0.000 claims abstract description 21
- 238000000034 method Methods 0.000 claims description 35
- 230000004044 response Effects 0.000 claims description 5
- 239000000758 substrate Substances 0.000 claims 4
- 238000007726 management method Methods 0.000 description 21
- 230000003203 everyday effect Effects 0.000 description 6
- 238000004891 communication Methods 0.000 description 3
- 238000013500 data storage Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 239000000203 mixture Substances 0.000 description 3
- FFBHFFJDDLITSX-UHFFFAOYSA-N benzyl N-[2-hydroxy-4-(3-oxomorpholin-4-yl)phenyl]carbamate Chemical compound OC1=C(NC(=O)OCC2=CC=CC=C2)C=CC(=C1)N1CCOCC1=O FFBHFFJDDLITSX-UHFFFAOYSA-N 0.000 description 2
- 238000004590 computer program Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 230000002354 daily effect Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 238000009430 construction management Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000001788 irregular Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/10—Office automation; Time management
- G06Q10/103—Workflow collaboration or project management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种智慧建造一体化协同大数据处理方法，接收建模终端对相应初始子模型配置的建模节点序列，根据各建模节点序列的数量对建模节点序列进行更新，得到对应的更新节点序列，根据时间更新序列、更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型；响应加快要求信息，获取各建模终端的子模型剩余量和空闲协同端数量，根据子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量；响应准时要求信息，根据子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于子模型剩余量获取各建模终端的分配量；根据管理端对协同更新后的更新模型进行实时展示。
Description
技术领域
本发明涉及数据处理技术，尤其涉及一种智慧建造一体化协同大数据处理方法。
背景技术
智慧建造是一种基于计算机技术的建筑行业的创新技术，它可以将建筑项目在施工过程中的信息、模型和静态信息进行集成，为施工管理和设计提供有效的支持。
目前，在基于智慧建造进行联合建模的过程中，通常都是由各个建模人员根据相关的要求和经验进行原理设绘，再分别创建模型放样，最后再对各自的模型放样进行整合。由于各个建模人员都是依据自己的经验和进度进行建模的，因此无法对各个人员的建模进度进行有效的协同更新，使得项目管理人员无法得知建模的整体进度，从而难以对建模项目进行有效管理。
因此，如何对各个建模人员的建模进度进行协同更新，依据各个建模人员对建模进度的协同更新完成整体建模，成了如今亟需解决的问题。
发明内容
本发明实施例提供一种智慧建造一体化协同大数据处理方法，可以对各个建模人员的建模进度进行协同更新，依据各个建模人员对建模进度的协同更新完成整体建模。
本发明实施例的第一方面，提供一种智慧建造一体化协同大数据处理方法，包括：
基于楼层信息对初始模型进行分割生成多个初始子模型，根据管理端的分配信息将所述初始子模型分配给多个建模终端，得到对应各所述建模终端的子模型集合；
接收所述建模终端对相应所述初始子模型配置的建模节点序列，根据各所述建模节点序列的数量对所述建模节点序列进行更新，得到对应的更新节点序列，根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型；
响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量；
响应准时要求信息，获取各所述建模终端的子模型剩余量和子模型平均处理量，根据所述子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于所述子模型剩余量获取各建模终端的分配量；
根据所述管理端对协同更新后的更新模型进行实时展示。
可选地，在第一方面的一种可能实现方式中，接收所述建模终端对相应所述初始子模型配置的建模节点序列，根据各所述建模节点序列的数量对所述建模节点序列进行更新，得到对应的更新节点序列，包括：
获取各建模节点序列对应的建模元素数量，根据所述建模元素数量生成节点数量系数，基于所述节点数量系数对基准节点数量进行调整，得到相应建模节点序列对应的更新节点数量；
通过以下公式计算更新节点数量，
其中，
为更新节点数量，/>
为建模元素数量，/>
为基准建模元素数量，/>
为基准节点数量，/>
为更新节点数量权重值；
将所述更新节点数量发送至相应的建模终端，获取所述建模终端基于所述更新节点数量在相应建模节点序列中选取的节点作为更新节点，基于所述更新节点生成更新节点序列。
可选地，在第一方面的一种可能实现方式中，根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型，包括：
在达到所述更新节点序列或所述时间更新序列对应的更新点时，获取所述建模终端上一更新点对应的历史数据，以及当前更新点对应的当前数据，根据所述历史数据和当前数据得到差值数据；
获取所述建模终端上一更新点对应的历史时刻，以及当前更新点对应的当前时刻，根据所述历史时刻和当前时刻得到差值时长；
若差值数据大于等于标准数据且所述差值时长大于标准时长，将相应建模终端的当前子模型更新至管理端得到更新模型。
可选地，在第一方面的一种可能实现方式中，获取所述建模终端上一更新点对应的历史数据，以及当前更新点对应的当前数据，根据所述历史数据和当前数据得到差值数据，包括：
根据所述建模节点序列对所述建模终端在上一更新点的处理量进行解析，得到对应所述建模节点序列中各节点维度的历史数据；
根据所述建模节点序列对所述建模终端在当前更新点的处理量进行解析，得到对应所述建模节点序列中各节点维度的当前数据；
将各节点维度的历史数据和各节点维度的当前数据进行比对，得到差异节点维度，以及与所述差异节点维度对应的差值数据。
可选地，在第一方面的一种可能实现方式中，若差值数据大于等于标准数据且所述差值时长大于标准时长，将相应建模终端的当前子模型更新至管理端得到更新模型，包括：
基于预设标准表获取各所述差异节点维度对应的标准数据， 其中，所述预设标准表中包括节点维度与标准数据的对应关系；
将相应维度的差值数据与标准数据进行比对，若差值数据大于等于标准数据，生成第一准许信息；
基于所述第一准许信息将所述差值时长与所述标准时长进行比对，在所述差值时长大于标准时长时，生成第二准许信息；
响应所述第二准许信息将相应建模终端的当前子模型更新至管理端得到更新模型。
可选地，在第一方面的一种可能实现方式中，在达到所述更新节点序列或所述时间更新序列对应的更新点时，包括：
获取所述时间更新序列所对应的多个更新时刻，以及当前时刻；
在所述当前时刻等于其中一个所述更新时刻时，判断达到所述时间更新序列对应的更新点。
可选地，在第一方面的一种可能实现方式中，在达到所述更新节点序列或所述时间更新序列对应的更新点时，包括：
接收用户基于所述建模终端输入的节点完成信息，根据所述节点完成信息获取当前节点名称，获取所述更新节点序列所对应的多个更新节点名称；
在所述当前节点名称等于其中一个所述更新节点名称时，判断达到所述更新节点序列对应的更新点。
可选地，在第一方面的一种可能实现方式中，响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量，包括：
响应加快要求信息，当存在建模终端空闲时，将相应的建模终端作为空闲协同端；
基于分配策略获取所述建模终端和所述空闲协同端生成终端分配集合，确定所述终端分配集合中所述建模终端或所述空闲协同端对应的子模型剩余量；
根据最大的子模型剩余量和最小的子模型剩余量得到模型相差剩余量，若所述模型相差剩余量大于预设模型相差剩余量，则获取所述子模型剩余量最大的建模终端或空闲协同端作为选中终端，以及所述子模型剩余量最小的建模终端或空闲协同端作为待分配终端；
将所述选中终端对应的子模型剩余量按照预设模型分配量分配给所述待分配终端， 并重新统计分配之后所述终端分配集合中所述建模终端或所述空闲协同端对应的子模型剩余量；
重复上述响应加快要求信息进行模型分配的步骤，直至所述模型相差剩余量小于等于预设模型相差剩余量时停止分配。
可选地，在第一方面的一种可能实现方式中，响应准时要求信息，获取各所述建模终端的子模型剩余量和子模型平均处理量，根据所述子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于所述子模型剩余量获取各建模终端的分配量，包括：
响应准时要求信息，获取各所述建模终端的当前工作时长和剩余工作时长，以及各所述建模终端对应的子模型当前处理量和子模型剩余量，根据所述子模型当前处理量和所述当前工作时长得到各建模终端对应的子模型平均处理量；
统计所有建模终端未完成的子模型剩余量，得到模型剩余总量，基于所述模型剩余总量和剩余工作时长得到剩余模型平均处理量；
根据剩余模型平均处理量和各建模终端对应的子模型平均处理量确定新增协同端的协同端数量，基于分配策略和各所述建模终端对应的子模型剩余量，得到各建模终端和新增协同端的分配量。
可选地，在第一方面的一种可能实现方式中，根据剩余模型平均处理量和各建模终端对应的子模型平均处理量确定新增协同端的协同端数量，包括：
统计所有建模终端对应的子模型平均处理量得到总模型平均处理量，若所述总模型平均处理量大于所述剩余模型平均处理量，则确定新增协同端的协同端数量为0；
若所述总模型平均处理量小于所述剩余模型平均处理量，则根据剩余模型平均处理量和总模型平均处理量得到模型相差处理量；
根据总模型平均处理量和所述初始端数量得到各建模终端对应的预测模型平均处理量，根据所述模型相差处理量和预测模型平均处理量向上取整得到新增协同端的协同端数量；
通过以下公式计算新增协同端的协同端数量，
其中，
为新增协同端的协同端数量，/>
为剩余模型平均处理量，/>
为总模型平均处理量，/>
为模型相差处理量，/>
为预测模型平均处理量，/>
为协同端数量权重值。
本发明的有益效果如下：
1、本发明可以对各个建模人员的建模进度进行协同更新，使管理端可以了解到各个建模人员的建模进度。本发明在对各个建模人员的建模进度进行协同更新时，会首先为各个建模终端配置相应楼层的建模集合，再获取到各个建模终端自己配置的建模节点序列，以及依据更新节点数量配置的更新节点序列，并在更新节点序列中相应的节点处进行更新，这样在更新时可以不用对建模节点序列中每个节点的建模数据都进行更新，可以减少更新时的数据处理量。并且在更新时，除了更新节点序列，本发明还会依据时间节点序列对各个建模终端的建模进度进行交替更新，可以依据时间维度和数据量维度上的数据对建模进度交替进行更新，从而可以在实时监测各个建模终端的建模进度的同时还能相应减少更新时的数据处理量。此外，一方面，为了加快整体建模的进度，本发明还会依据加快要求信息确定相应的协同端，让协同端与建模终端协同完成余下的工作量，加快整体建模时的速度。另一方面，为了使各个建模终端可以在截止日期前完成整体建模，本发明还会依据准时要求信息确定需要新增的协同端数量，从而确定相应的新增协同端，让新增协同端协同建模终端完成余下的工作量，使其可以在截止日期前完成对整体模型的建模。
2、本发明在依据更新节点序列和时间节点序列对各个建模终端的建模进度进行协同更新时，会将本次更新点对应的数据量与上一个更新点对应的数据量进行比对，得到两个更新点之间的一个数据量差值，以及两次更新时的一个间隔时长，只有当数据量差值大于预设的标准值并且间隔时长也大于预设的标准时长时，才会对本次更新点对应的数据进行更新，这样可以不用在每个更新点都对模型数据进行更新，从而可以减少更新时的数据处理量。其中，在利用时间更新节点序列进行更新时，本发明会预先设置多个更新时刻，然后在当前时刻为其中一个更新时刻的时候对模型进行更新，可以在时间维度上按照事先设置好的时刻对模型进行实时的更新。在利用更新节点序列进行更新时，本发明会在建模节点序列中每个节点完成建模时对相应额建模数据都进行储存，然后当完成建模时的节点为更新节点时，会将已经完成好的建模数据进行更新，这样可以在数据量维度上对模型进行实时的更新。
3、在响应加快要求信息时，本发明会将处于空闲状态的建模终端作为协同端，并为协同端和建模终端分配余下的工作量。在分配剩余工作量时，本发明会依次让剩余建模量最多的终端将自己的剩余建模量按照预设的分配量分配给剩余建模量最少的终端，直到剩余建模量最多的终端和剩余建模量最少的终端之间的工作量差值小于预设工作量差值后才会停止分配，这样可以使各个终端分配到的工作量都是差不多的，从而可以减小各个终端各自完成建模时的时间差，进而可以相应提前对模型进行整合时的时间，加快整体建模时的速度。在响应准时要求信息时，本发明会依据各个建模终端的剩余工作量来得到新增协同端的数量，从而匹配相应数量的新增协同端，并依据与加快信息要求中相同的分配方式为各个终端分配相应的剩余工作量，这样可以通过添加相应的终端来分担原本各个终端之间的剩余工作量，加快建模时的速度，使相应的终端可以在截止日期前完成对整体模型的建模。
附图说明
图1为本发明实施例提供的一种智慧建造一体化协同大数据处理方法的流程示意图；
图2为本发明实施例提供的一种智慧建造一体化协同大数据处理系统的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
参见图1，是本发明实施例提供的一种智慧建造一体化协同大数据处理方法的流程示意图，图1所示方法的执行主体可以是软件和/或硬件装置。本申请的执行主体可以包括但不限于以下中的至少一个：用户设备、网络设备等。其中，用户设备可以包括但不限于计算机、智能手机、个人数字助理（Personal Digital Assistant，简称：PDA）及上述提及的电子设备等。网络设备可以包括但不限于单个网络服务器、多个网络服务器组成的服务器组或基于云计算的由大量计算机或网络服务器构成的云，其中，云计算是分布式计算的一种，由一群松散耦合的计算机组成的一个超级虚拟计算机。本实施例对此不做限制。包括步骤S1至步骤S5，具体如下：
S1，基于楼层信息对初始模型进行分割生成多个初始子模型，根据管理端的分配信息将所述初始子模型分配给多个建模终端，得到对应各所述建模终端的子模型集合。
目前，在多个建模人员进行协同建模的过程中，通常会为各建模人员分配相应的建模量，例如在多个建模人员协同完成一栋大楼的建模时，一般会为每个建模人员分配相应的楼层以及楼层数量，让相应的建模人员完成自己对应的建模楼层。
因此，上述初始子模型为每一层楼所对应的楼层模型，上述子模型集合为每个建模终端（即建模人员）所对应的建模楼层组成的集合。
通过上述方式，可以让每个建模人员得知自己所需要完成的建模楼层集合，从而依据各自对应的建模楼层集合完成相应楼层的建模。
S2，接收所述建模终端对相应所述初始子模型配置的建模节点序列，根据各所述建模节点序列的数量对所述建模节点序列进行更新，得到对应的更新节点序列，根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型。
可以理解的是，建模人员在建模时所对应的元素是包括很多种的，例如墙体、走道、门等建模元素，但是由于每个楼层的建模要求可能都是不一样的，因此可能每层楼所对应的建模元素也是不一样的，而建模人员在对每个楼层进行建模时依据相应的建模要求可能会知道每层楼在建模时需要加入什么元素，因此可以让建模人员为每个楼层配置相应的元素节点，从而可以依据每个楼层对应的元素节点对其建模进度进行更新。
其中，上述建模节点序列为建模人员自己选取的元素节点所组成的序列。例如，建模人员可以为楼层要求为办公区的楼层配置墙体、走道、办公桌等元素节点，然后依据相应的元素节点生成对应的建模节点序列。
建模人员在选取元素节点时，可以依据相关的建模要求在服务器的多种元素数据中选取相应的元素节点。例如，若服务器中具有1000种维度的元素数据，建模人员在进行选取时，可以依据建模要求在这1000种维度的元素数据中挑选适应的元素组成相应的建模节点序列，比如可以依据建模要求从中挑选20种元素组成建模节点序列。
此外，在依据建模节点序列对相应的建模终端的建模进度进行更新时，若对建模节点序列中的每一个节点都进行一次更新，可能会使更新时的数据储存量很大，因此本发明还会依据建模节点序列对应的节点数量得到更新节点序列，依据更新节点序列对建模终端的建模进度进行更新。
在一些实施例中，可以通过步骤S21至步骤S22得到更新节点序列，具体如下：
S21，获取各建模节点序列对应的建模元素数量，根据所述建模元素数量生成节点数量系数，基于所述节点数量系数对基准节点数量进行调整，得到相应建模节点序列对应的更新节点数量。
可以理解的是，建模元素数量与建模人员所选取的元素节点密切相关，建模元素数量越多，说明建模人员在建模时需要完成的建模元素也会越多，需要更新的数据可能也会越多，因此可以依据建模元素数量为建模节点序列配置更新时相应的更新节点数量。
具体的，可以通过以下公式计算更新节点数量，
其中，
为更新节点数量，/>
为建模元素数量，/>
为基准建模元素数量，/>
为基准节点数量，/>
为更新节点数量权重值。
从上述公式中可以看出，建模元素数量
越多，说明建模人员在建模时需要完成的建模元素也会越多，需要更新的数据可能也会越多，因此相应的更新节点数量/>
也可以相应设置的越大。
建模元素数量
越少，说明建模人员在建模时需要完成的建模元素也会越少，需要更新的数据可能也会越少，因此相应的更新节点数量/>
也可以相应设置的越小。
S22，将所述更新节点数量发送至相应的建模终端，获取所述建模终端基于所述更新节点数量在相应建模节点序列中选取的节点作为更新节点，基于所述更新节点生成更新节点序列。
进一步的，在得到更新节点数量后，可以将更新节点数量发送给相应的建模终端，然后让建模终端在建模节点序列中选取与该更新节点数量对应的节点作为更新节点，再将建模终端选取的多个更新节点生成更新节点序列。
例如，若建模节点序列共包含20个节点，计算出来的更新节点数量为10，则可以让建模人员在这20个节点中选取10个节点生成更新节点序列。
在选取节点时，建模人员可以将建模量较大的节点作为更新节点，或者将一些比较关键的节点作为更新节点。
通过上述方式，可以选取建模节点序列中相应的节点作为需要更新的节点，从而可以在更新时不用对每个节点的数据都进行更新，进而减少更新时的数据处理量。
在更新时，本发明会依据时间更新序列和上述得到的更新节点序列对建模终端的建模进度进行交替更新。
具体的，在上述实施例的基础上步骤S2中的“根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型”的具体实现方式可以是：
S23，在达到所述更新节点序列或所述时间更新序列对应的更新点时，获取所述建模终端上一更新点对应的历史数据，以及当前更新点对应的当前数据，根据所述历史数据和当前数据得到差值数据。
本方案会在达到更新节点序列或时间更新序列对应的更新点时，得到本次更新点所对应的更新数据，以及上一次更新点所对应的历史数据，然后依据更新数据和历史数据判断在本次更新点时是否要进行更新。
这是由于本方案是基于更新节点序列和时间更新序列对建模进度进行交替更新的，在更新时，可能会出现前后两次更新时的数据量差距不大的情况，在这种情况下，若每次都对建模数据进行更新，可能会导致数据处理量较多，因此本方案会依据每次更新点所对应的数据量，得到本次更新点与上一次更新点之间的差值数据，再在后续依据该差值数据判断本次是否要进行更新。值得一提的是，上述是针对数据量维度进行判断的，后续还会有针对时间维度进行判断的方案，具体参见下文。
具体的，在达到更新点后，本方案可以通过以下步骤得到历史数据和当前数据，以及当前数据和历史数据之间的差值数据：
S231，根据所述建模节点序列对所述建模终端在上一更新点的处理量进行解析，得到对应所述建模节点序列中各节点维度的历史数据。
例如，若建模终端在上一个更新点时处理了建模节点序列中前三个节点对应的建模数据，则在获取历史数据时，可以将这三个节点的建模数据进行统计，得到上一个更新点时这三个节点各自对应的历史数据。
S232，根据所述建模节点序列对所述建模终端在当前更新点的处理量进行解析，得到对应所述建模节点序列中各节点维度的当前数据。
例如，若建模终端在当前更新点时处理了建模节点序列中前四个节点对应的建模数据，则在获取当前数据时，可以将这四个节点的建模数据进行统计，得到当前更新点时这四个节点各自对应的历史数据。
S233，将各节点维度的历史数据和各节点维度的当前数据进行比对，得到差异节点维度，以及与所述差异节点维度对应的差值数据。
可以理解是，在得到历史数据和当前数据后，为了得到历史数据和当前数据之间的差值数据，需要将历史数据和当前数据进行比对，得到历史数据和当前数据中存在差异的节点，然后再依据该节点对应的数据量得到两者之间相差的数据量。
例如，若历史数据中包含建模节点序列中前三个节点，并且前两个节点的建模量均已完成100%，第三个节点的建模量完成了60%，当前数据中包含了建模节点序列中前四个节点，并且前三个节点的建模量均已完成100%,第四个节点的建模量完成了10%，则在对比时，存在差异的节点就是第三个和第四个节点，接着便可以依据第三个节点和第四个节点之间相差的数据量得到相应的差异数据，比如第三个节点之间的数据量相差了40%，第四个节点之间的数据量相差了10%。
值得一提的是，在计算上述这些进度的时候，可以按照相应维度的总面积和当下完成的面积对其进行计算，比如说总面积为1000平方米，当前完成了600平方米，则其进度为60%。
此外，在一些实施例中，可以通过以下步骤依据时间更新序列进行更新：
A1,获取所述时间更新序列所对应的多个更新时刻，以及当前时刻。
A2,在所述当前时刻等于其中一个所述更新时刻时，判断达到所述时间更新序列对应的更新点。
例如，可以设置每天中午的12点为更新时刻，然后生成相应的时间更新序列，当目前的时刻为中午12点时，则可以对建模进度进行一次更新，并在后一天的同一时间进行下一次的更新，以此类推，从而可以依据时间更新序列中的多个更新时刻进行更新。
上述更新时刻可以由工作人员依据实际情况进行相应的设置，例如可以设置在每天的同一时刻进行更新。
在另一些实施例中，可以通过以下步骤依据更新节点序列进行更新：
B1,接收用户基于所述建模终端输入的节点完成信息，根据所述节点完成信息获取当前节点名称，获取所述更新节点序列所对应的多个更新节点名称。
在实际应用中，在建模人员设置完相应的建模节点序列后，服务器可以为建模节点序列中的每个节点都构建一个虚拟按钮，使建模人员可以依据该虚拟按钮对相应节点的建模数据进行统计。
例如，若建模节点序列中有20个节点，则服务器可以为这20个节点都构建一个相应的虚拟按钮，当建模人员按下其中一个虚拟按钮对应的开始按键时，便可以对该虚拟按钮对应的节点的建模数据开始进行统计，当建模人员按下虚拟按钮对应的结束按键时，便可以停止对相应节点的建模数据的统计。
当用户完成对建模节点序列中的某个节点的建模数据时，可以输入相应的节点完成信息，例如可以按下相应虚拟按钮中的结束按键，此时本方案会获取到该节点的名称，以及更新节点序列中的更新节点的名称，并在后续对其进行比对，判断是否要对其进行更新。
B2,在所述当前节点名称等于其中一个所述更新节点名称时，判断达到所述更新节点序列对应的更新点。
若建模人员当前建模时的节点与更新节点是一样的，则说明该节点是需要更新的，所以可以对其进行一次更新。
S24，获取所述建模终端上一更新点对应的历史时刻，以及当前更新点对应的当前时刻，根据所述历史时刻和当前时刻得到差值时长。
可以理解的是，由于时间更新序列是按照事先设置的时刻进行规律性更新的，而建模人员在依据更新节点序列进行更新时的时刻可能是不规律的，这是因为每个更新节点的建模进度可能都会不一样，因此在进行更新时的时刻也是无法确定，这就可能会使得前后两次更新时的间隔时间很短，在这种情况下，也会增加进行更新时的数据储存量，因此本方案在更新时除了会考虑前后两次更新时的差值数据，还会考虑前后两次更新时的间隔时间，即上述的差值时长。
S25，若差值数据大于等于标准数据且所述差值时长大于标准时长，将相应建模终端的当前子模型更新至管理端得到更新模型。
当差值数据大于标准数据并且差值时长也大于标准时长时，说明在本次更新时的数据量和在上次更新时的数据量是相差较大的，并且本次更新时的时间距离上次更新时的时间也不是非常短的，因此可以在本次更新点时对相应的建模数据进行更新。
具体的，步骤S25包括步骤S251至步骤S252，具体如下：
S251，基于预设标准表获取各所述差异节点维度对应的标准数据， 其中，所述预设标准表中包括节点维度与标准数据的对应关系。
在实际应用中，为了判断前后两次更新时每个节点之间的数据是否相差过大，可以为每个节点都配置一个对应的标准数据，然后再生成相应的预设标准表。
例如，其中一个节点对应的标准数据可以是前后两次相差的标准数据量为20%，没有超过20%则判断前后两次相差的数据是较小的，超过了20%则判断前后两次相差的数据是较大的。
可以理解的是，由于每个节点维度都是不一样的，因此在为其配置对应的标准数据时也可以依据每个节点维度的实际情况为其配置不同的标准数据。
S252，将相应维度的差值数据与标准数据进行比对，若差值数据大于等于标准数据，生成第一准许信息。
可以理解的是，若差值数据大于等于标准数据，说明在本次更新时的数据量和在上次更新时的数据量是相差较大的，则可以生成相应的第一准许信息。
其中，第一准许信息为在数据量维度上满足要求时的准许信息。
S253，基于所述第一准许信息将所述差值时长与所述标准时长进行比对，在所述差值时长大于标准时长时，生成第二准许信息。
同样的，在判断时间维度的数据是否满足要求时，也可以事先设置一个标准时长，然后将得到的差值时长与该标准时长进行比对，并在差值时长大于标准时长时，判断其是满足时间维度上的要求的，并成相应的第二准许信息。
其中，第二准许信息为在时间维度上满足要求时的准许信息。
S254，响应所述第二准许信息将相应建模终端的当前子模型更新至管理端得到更新模型。
当在数据量维度和时间维度都满足要求时，便可以对模型进行相应的更新，并将更新后的模型发送至管理端。
通过上述方式，可以依据数据量维度和时间维度上的数据对建模时的进度进行交替更新，并且还可以减少更新时的数据处理量。
S3，响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量。
在实际应用中，由于每个建模人员的建模进度可能都是不一样的，有的建模人员的建模进度可能较快，而有的建模人员的建模进度可能较慢，因此本发明为了加快整体的建模进度，还会依据加快要求信息得到相应的空闲协同端，让空闲协调端和建模终端共同完成余下的建模工作量。
其中，上述子模型剩余量是指每个建模终端对应的剩余楼层量。
在上述实施例的基础上步骤S3的具体实现方式可以是：
S31，响应加快要求信息，当存在建模终端空闲时，将相应的建模终端作为空闲协同端。
当响应加快要求信息后，若出现有的建模终端处于空闲状态，则可以将相应的建模终端作为空闲协同端。
例如，当响应加快要求信息后，若有的建模终端已经完成了自己对应的建模量，处于空闲状态时，则可以将该建模终端作为空闲协同端。
S32，基于分配策略获取所述建模终端和所述空闲协同端生成终端分配集合，确定所述终端分配集合中所述建模终端或所述空闲协同端对应的子模型剩余量。
例如，若共有3个建模终端和1个空闲协同端，则可以将他4个组合成一个终端分配集合，并获取他们各自还剩多少层楼层没有完成建模，得到他们各自对应的子模型剩余量。
S33，根据最大的子模型剩余量和最小的子模型剩余量得到模型相差剩余量，若所述模型相差剩余量大于预设模型相差剩余量，则获取所述子模型剩余量最大的建模终端或空闲协同端作为选中终端，以及所述子模型剩余量最小的建模终端或空闲协同端作为待分配终端。
可以理解的是，若终端分配集合中每个终端对应的子模型剩余量相差越大，说明每个终端对应的剩余工作量可能也会相差越多，工作量大的建模终端可能完成建模所花费的时间也会相应越长，最后进行整合的时间可能也会越长，因此为了加快整体建模时的速度，可以为每个建模终端都分配差不多的工作量，从而减小他们各自完成建模时的时间差，进而可以相应提前整合时的时间。
具体的，可以获取最大剩余量和最小剩余量之间相差的量，若它们之间相差的量大于了预设的量，则可能各个终端的剩余工作量也是相差较大的，因此可以将剩余量最大的终端作为上述选中终端，将剩余量最小的作为上述待分配终端，从而可以依据选中终端和待分配终端继续后续的操作。
其中，预设模型相差剩余量可以设置为1，也可以依据实际情况设置其他的数值。
S34，将所述选中终端对应的子模型剩余量按照预设模型分配量分配给所述待分配终端， 并重新统计分配之后所述终端分配集合中所述建模终端或所述空闲协同端对应的子模型剩余量。
其中，预设模型分配量可以设置为1，也可以依据实际情况设置其他的数值。
例如，当选中终端和待分配终端都为1个，选中终端对应的子模型剩余量为6，待分配终端对应的子模型剩余量为0时，可以将选中终端对应的其中1层楼层分配给待分配终端，分配之后该选中终端对应的子模型剩余量会更新为5，而该待分配终端对应的子模型数量会更新为1。若在分配时，待分配终端有多个时，则可以从选中终端剩余的6层楼层中为每个待分配终端分别分配1层楼层。
S35，重复上述响应加快要求信息进行模型分配的步骤，直至所述模型相差剩余量小于等于预设模型相差剩余量时停止分配。
通过上述方式，可以为每个终端分配差不多的剩余工作量，从而减小他们各自完成建模时的时间差，进而可以相应提前对模型进行整合时的时间，加快整体建模时的速度。
S4，响应准时要求信息，获取各所述建模终端的子模型剩余量和子模型平均处理量，根据所述子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于所述子模型剩余量获取各建模终端的分配量。
在实际应用中，可能会为整体建模设置相应的截止完成时间，让建模人员在相应的截止日期前完成对整体模型的一个建模。针对该种情况，本发明会新增协同端来协助建模终端完成余下的工作量，使其可以在相应的截止日期前完成对整体模型的建模。
在确定新增协同端时，本发明会依据各个建模终端的剩余工作量确定新增协同端的协同端数量，然后再为其分配相应的工作量。
具体的，在上述实施例的基础上步骤S4的具体实现方式可以是：
S41，响应准时要求信息，获取各所述建模终端的当前工作时长和剩余工作时长，以及各所述建模终端对应的子模型当前处理量和子模型剩余量，根据所述子模型当前处理量和所述当前工作时长得到各建模终端对应的子模型平均处理量。
例如，若建模终端的当前工作时长为6天，子模型当前处理量为3层，则该建模终端对应的子模型平均处理量为平均每天处理0.5层楼。其中，在计算时长时可以以天为单位进行计算。
S42，统计所有建模终端未完成的子模型剩余量，得到模型剩余总量，基于所述模型剩余总量和剩余工作时长得到剩余模型平均处理量。
例如，若建模终端A剩余8层楼未完成建模，建模终端B剩余4层楼未完成建模，则他们的模型剩余总量为12层楼，若剩余工作时长还剩4天，则上述剩余模型平均处理量为剩余每天需要处理3层楼。
S43，根据剩余模型平均处理量和各建模终端对应的子模型平均处理量确定新增协同端的协同端数量，基于分配策略和各所述建模终端对应的子模型剩余量，得到各建模终端和新增协同端的分配量。
在一些实施例中，可以通过以下步骤确定新增协同端的协同端数量：
S431，统计所有建模终端对应的子模型平均处理量得到总模型平均处理量，若所述总模型平均处理量大于所述剩余模型平均处理量，则确定新增协同端的协同端数量为0。
例如，若共有两个建模终端，建模终端A对应的子模型平均处理量为平均每天处理1.5层楼，建模终端B对应的子模型平均处理量为平均每天处理2层楼，剩余模型平均处理量为剩余每天需要处理3层楼，则建模终端A和建模终端B对应的总模型平均处理量为每天可以处理3.5层楼，该处理量是大于剩余每天需要处理的数据量的，建模终端A和建模终端B在剩下的时间内大概率可以完成剩余的建模量，因此在这种情况下可以不加入新的终端来协同完成剩余的建模量。
S432，若所述总模型平均处理量小于所述剩余模型平均处理量，则根据剩余模型平均处理量和总模型平均处理量得到模型相差处理量。
例如，若共有两个建模终端，建模终端A对应的子模型平均处理量为平均每天处理1层楼，建模终端B对应的子模型平均处理量为平均每天处理1层楼，剩余模型平均处理量为剩余每天需要处理3层楼，则建模终端A和建模终端B对应的总模型平均处理量为每天可以处理2层楼，该处理量是小于剩余每天需要处理的数据量的，建模终端A和建模终端B在剩下的时间内大概率是不能完成剩余的建模量的，因此在这种情况下可以加入新的终端来协同完成剩余的建模量。
具体的，当出现上述情况时，可以先得到每天还差的模型处理量有多少，即利用剩余模型平均处理量对应的3层楼减去总模型平均处理量对应的2层楼，得到剩余每天还差1层楼需要处理。
S433，根据总模型平均处理量和所述初始端数量得到各建模终端对应的预测模型平均处理量，根据所述模型相差处理量和预测模型平均处理量向上取整得到新增协同端的协同端数量。
然后依据每个建模终端每天平均能够处理的建模量对协同端每天能够处理的建模量进行预测，从而依据每天相差的模型处理量和预测的协调端每天能够处理的建模量得到还需要多少个协同端。
即可以利用总模型平均处理量对应的2层楼和建模终端的总数量2得到每个建模终端每天的平均处理量为1层楼，来预测协同端每天可以处理的建模量也为1层楼，然后依据剩余每天还差1层楼需要处理与协同端每天可以处理的1层楼得到协调端的数量为1，即还需要加入1个协同端来协同完成余下的工作量。
可以理解的是，在计算时可能会遇到计算出来的数值为小数的情况，而协同端的数量是为整数的，因此可以对其进行向上取整，得到协同端对应的数量。
可以通过以下公式计算新增协同端的协同端数量，
其中，
为新增协同端的协同端数量，/>
为剩余模型平均处理量，/>
为总模型平均处理量，/>
为模型相差处理量，/>
为预测模型平均处理量，/>
为协同端数量权重值。/>
通过上述公式可以计算出新增协同端对应的数量，在实际应用中，上述公式中的协同端数量权重值
可以依据实际情况进行设置，例如可以依据实际情况通过协同端数量权重值/>
的设置对新增协同端的协同端数量/>
进行相应的增大或调小处理。
进一步的，在得到新增协同端后，在对剩余工作量进行分配时，其分配方式可以与步骤S3（响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量）中的分配方式一样，在此不做赘述。
通过上述方式，可以为建模终端添加相应的协同端，使相应的终端可以在截止日期前完成对整体模型的建模。
S5，根据所述管理端对协同更新后的更新模型进行实时展示。
在展示时，可以分别对每个建模终端的更新模型分别进行展示，使管理端可以得知每个建模终端相应的建模进度。
参见图2，是本发明实施例提供的一种智慧建造一体化协同大数据处理系统的结构示意图，该智慧建造一体化协同大数据处理系统包括：
分配模块，用于基于楼层信息对初始模型进行分割生成多个初始子模型，根据管理端的分配信息将所述初始子模型分配给多个建模终端，得到对应各所述建模终端的子模型集合；
更新模块，用于接收所述建模终端对相应所述初始子模型配置的建模节点序列，根据各所述建模节点序列的数量对所述建模节点序列进行更新，得到对应的更新节点序列，根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型；
加快模块，用于响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量；
时间模块，用于响应准时要求信息，获取各所述建模终端的子模型剩余量和子模型平均处理量，根据所述子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于所述子模型剩余量获取各建模终端的分配量；
展示模块，用于根据所述管理端对协同更新后的更新模型进行实时展示。
图2所示实施例的装置对应地可用于执行图1所示方法实施例中的步骤，其实现原理和技术效果类似，此处不再赘述。
本发明还提供一种可读存储介质，所述可读存储介质中存储有计算机程序，所述计算机程序被处理器执行时用于实现上述的各种实施方式提供的方法。
其中，可读存储介质可以是计算机存储介质，也可以是通信介质。通信介质包括便于从一个地方向另一个地方传送计算机程序的任何介质。计算机存储介质可以是通用或专用计算机能够存取的任何可用介质。例如，可读存储介质耦合至处理器，从而使处理器能够从该可读存储介质读取信息，且可向该可读存储介质写入信息。当然，可读存储介质也可以是处理器的组成部分。处理器和可读存储介质可以位于专用集成电路(ApplicationSpecific Integrated Circuits，简称：ASIC)中。另外，该ASIC可以位于用户设备中。当然，处理器和可读存储介质也可以作为分立组件存在于通信设备中。可读存储介质可以是只读存储器（ROM）、随机存取存储器（RAM）、CD-ROM、磁带、软盘和光数据存储设备等。
本发明还提供一种程序产品，该程序产品包括执行指令，该执行指令存储在可读存储介质中。设备的至少一个处理器可以从可读存储介质读取该执行指令，至少一个处理器执行该执行指令使得设备实施上述的各种实施方式提供的方法。
在上述设备的实施例中，应理解，处理器可以是中央处理单元（英文：CentralProcessing Unit，简称：CPU），还可以是其他通用处理器、数字信号处理器（英文：DigitalSignal Processor，简称：DSP）、专用集成电路（英文：Application Specific IntegratedCircuit，简称：ASIC）等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明所公开的方法的步骤可以直接体现为硬件处理器执行完成，或者用处理器中的硬件及软件模块组合执行完成。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种智慧建造一体化协同大数据处理方法，其特征在于，包括：
基于楼层信息对初始模型进行分割生成多个初始子模型，根据管理端的分配信息将所述初始子模型分配给多个建模终端，得到对应各所述建模终端的子模型集合；
接收所述建模终端对相应所述初始子模型配置的建模节点序列，根据各所述建模节点序列的数量对所述建模节点序列进行更新，得到对应的更新节点序列，根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型；
响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量；
响应准时要求信息，获取各所述建模终端的子模型剩余量和子模型平均处理量，根据所述子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于所述子模型剩余量获取各建模终端的分配量；
根据所述管理端对协同更新后的更新模型进行实时展示。
2.根据权利要求1所述的方法，其特征在于，
接收所述建模终端对相应所述初始子模型配置的建模节点序列，根据各所述建模节点序列的数量对所述建模节点序列进行更新，得到对应的更新节点序列，包括：
获取各建模节点序列对应的建模元素数量，根据所述建模元素数量生成节点数量系数，基于所述节点数量系数对基准节点数量进行调整，得到相应建模节点序列对应的更新节点数量；
通过以下公式计算更新节点数量，
其中，
为更新节点数量，/>
为建模元素数量，/>
为基准建模元素数量，/>
为基准节点数量，/>
为更新节点数量权重值；
将所述更新节点数量发送至相应的建模终端，获取所述建模终端基于所述更新节点数量在相应建模节点序列中选取的节点作为更新节点，基于所述更新节点生成更新节点序列。
3.根据权利要求2所述的方法，其特征在于，
根据时间更新序列、所述更新节点序列和交替更新策略将相应建模终端的当前子模型更新至管理端得到更新模型，包括：
在达到所述更新节点序列或所述时间更新序列对应的更新点时，获取所述建模终端上一更新点对应的历史数据，以及当前更新点对应的当前数据，根据所述历史数据和当前数据得到差值数据；
获取所述建模终端上一更新点对应的历史时刻，以及当前更新点对应的当前时刻，根据所述历史时刻和当前时刻得到差值时长；
若差值数据大于等于标准数据且所述差值时长大于标准时长，将相应建模终端的当前子模型更新至管理端得到更新模型。
4.根据权利要求3所述的方法，其特征在于，
获取所述建模终端上一更新点对应的历史数据，以及当前更新点对应的当前数据，根据所述历史数据和当前数据得到差值数据，包括：
根据所述建模节点序列对所述建模终端在上一更新点的处理量进行解析，得到对应所述建模节点序列中各节点维度的历史数据；
根据所述建模节点序列对所述建模终端在当前更新点的处理量进行解析，得到对应所述建模节点序列中各节点维度的当前数据；
将各节点维度的历史数据和各节点维度的当前数据进行比对，得到差异节点维度，以及与所述差异节点维度对应的差值数据。
5.根据权利要求4所述的方法，其特征在于，
若差值数据大于等于标准数据且所述差值时长大于标准时长，将相应建模终端的当前子模型更新至管理端得到更新模型，包括：
基于预设标准表获取各所述差异节点维度对应的标准数据，其中，所述预设标准表中包括节点维度与标准数据的对应关系；
将相应维度的差值数据与标准数据进行比对，若差值数据大于等于标准数据，生成第一准许信息；
基于所述第一准许信息将所述差值时长与所述标准时长进行比对，在所述差值时长大于标准时长时，生成第二准许信息；
响应所述第二准许信息将相应建模终端的当前子模型更新至管理端得到更新模型。
6.根据权利要求5所述的方法，其特征在于，在达到所述更新节点序列或所述时间更新序列对应的更新点时，包括：
获取所述时间更新序列所对应的多个更新时刻，以及当前时刻；
在所述当前时刻等于其中一个所述更新时刻时，判断达到所述时间更新序列对应的更新点。
7.根据权利要求6所述的方法，其特征在于，在达到所述更新节点序列或所述时间更新序列对应的更新点时，包括：
接收用户基于所述建模终端输入的节点完成信息，根据所述节点完成信息获取当前节点名称，获取所述更新节点序列所对应的多个更新节点名称；
在所述当前节点名称等于其中一个所述更新节点名称时，判断达到所述更新节点序列对应的更新点。
8.根据权利要求1所述的方法，其特征在于，
响应加快要求信息，获取各所述建模终端的子模型剩余量和空闲协同端数量，根据所述子模型剩余量和空闲协同端数量得到每个建模终端对应的分配量，包括：
响应加快要求信息，当存在建模终端空闲时，将相应的建模终端作为空闲协同端；
基于分配策略获取所述建模终端和所述空闲协同端生成终端分配集合，确定所述终端分配集合中所述建模终端或所述空闲协同端对应的子模型剩余量；
根据最大的子模型剩余量和最小的子模型剩余量得到模型相差剩余量，若所述模型相差剩余量大于预设模型相差剩余量，则获取所述子模型剩余量最大的建模终端或空闲协同端作为选中终端，以及所述子模型剩余量最小的建模终端或空闲协同端作为待分配终端；
将所述选中终端对应的子模型剩余量按照预设模型分配量分配给所述待分配终端，并重新统计分配之后所述终端分配集合中所述建模终端或所述空闲协同端对应的子模型剩余量；
重复上述响应加快要求信息进行模型分配的步骤，直至所述模型相差剩余量小于等于预设模型相差剩余量时停止分配。
9.根据权利要求8所述的方法，其特征在于，
响应准时要求信息，获取各所述建模终端的子模型剩余量和子模型平均处理量，根据所述子模型剩余量和子模型平均处理量得到新增协同端的协同端数量，基于所述子模型剩余量获取各建模终端的分配量，包括：
响应准时要求信息，获取各所述建模终端的当前工作时长和剩余工作时长，以及各所述建模终端对应的子模型当前处理量和子模型剩余量，根据所述子模型当前处理量和所述当前工作时长得到各建模终端对应的子模型平均处理量；
统计所有建模终端未完成的子模型剩余量，得到模型剩余总量，基于所述模型剩余总量和剩余工作时长得到剩余模型平均处理量；
根据剩余模型平均处理量和各建模终端对应的子模型平均处理量确定新增协同端的协同端数量，基于分配策略和各所述建模终端对应的子模型剩余量，得到各建模终端和新增协同端的分配量。
10.根据权利要求9所述的方法，其特征在于，
根据剩余模型平均处理量和各建模终端对应的子模型平均处理量确定新增协同端的协同端数量，包括：
统计所有建模终端对应的子模型平均处理量得到总模型平均处理量，若所述总模型平均处理量大于所述剩余模型平均处理量，则确定新增协同端的协同端数量为0；
若所述总模型平均处理量小于所述剩余模型平均处理量，则根据剩余模型平均处理量和总模型平均处理量得到模型相差处理量；
根据总模型平均处理量和所述初始端数量得到各建模终端对应的预测模型平均处理量，根据所述模型相差处理量和预测模型平均处理量向上取整得到新增协同端的协同端数量；
通过以下公式计算新增协同端的协同端数量，
其中，
为新增协同端的协同端数量，/>
为剩余模型平均处理量，/>
为总模型平均处理量，/>
为模型相差处理量，/>
为预测模型平均处理量，/>
为协同端数量权重值。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310615566.4A CN116342075B (zh) | 2023-05-29 | 2023-05-29 | 智慧建造一体化协同大数据处理方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310615566.4A CN116342075B (zh) | 2023-05-29 | 2023-05-29 | 智慧建造一体化协同大数据处理方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116342075A true CN116342075A (zh) | 2023-06-27 |
| CN116342075B CN116342075B (zh) | 2023-09-08 |
Family
ID=86876266
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310615566.4A Active CN116342075B (zh) | 2023-05-29 | 2023-05-29 | 智慧建造一体化协同大数据处理方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116342075B (zh) |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105897616A (zh) * | 2016-05-17 | 2016-08-24 | 腾讯科技（深圳）有限公司 | 一种资源分配的方法及服务器 |
| CN113869656A (zh) * | 2021-09-02 | 2021-12-31 | 陈阳 | 云端建模的时间规划方法、装置、服务器及存储介质 |
| CN114359478A (zh) * | 2021-12-20 | 2022-04-15 | 杭州三才工程管理咨询有限公司 | 一种基于bim模块化建模的建筑建模方法 |
| CN115146337A (zh) * | 2022-07-04 | 2022-10-04 | 广联达科技股份有限公司 | 一种多端协同建模的方法、设备及可读存储介质 |
| CN115587414A (zh) * | 2022-10-28 | 2023-01-10 | 万洲电气股份有限公司 | 基于3d和bim技术的公共建筑内路径优化方法及系统 |
-
2023
- 2023-05-29 CN CN202310615566.4A patent/CN116342075B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105897616A (zh) * | 2016-05-17 | 2016-08-24 | 腾讯科技（深圳）有限公司 | 一种资源分配的方法及服务器 |
| CN113869656A (zh) * | 2021-09-02 | 2021-12-31 | 陈阳 | 云端建模的时间规划方法、装置、服务器及存储介质 |
| CN114359478A (zh) * | 2021-12-20 | 2022-04-15 | 杭州三才工程管理咨询有限公司 | 一种基于bim模块化建模的建筑建模方法 |
| CN115146337A (zh) * | 2022-07-04 | 2022-10-04 | 广联达科技股份有限公司 | 一种多端协同建模的方法、设备及可读存储介质 |
| CN115587414A (zh) * | 2022-10-28 | 2023-01-10 | 万洲电气股份有限公司 | 基于3d和bim技术的公共建筑内路径优化方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116342075B (zh) | 2023-09-08 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108845874B (zh) | 资源的动态分配方法及服务器 | |
| Yu et al. | Reputation-aware task allocation for human trustees | |
| CN115237581B (zh) | 一种面向异构算力的多策略智能调度方法和装置 | |
| CN112052092B (zh) | 一种风险感知的边缘计算任务分配方法 | |
| CN106817432A (zh) | 云计算环境下虚拟资源弹性伸展的方法，系统和设备 | |
| CN102281290A (zh) | 一种PaaS云平台的仿真系统及方法 | |
| CN111710433B (zh) | 传染病的发展趋势预测方法及系统 | |
| CN112187670B (zh) | 一种基于群体智能的网络化软件共享资源分配方法及装置 | |
| CN109800261A (zh) | 双数据库连接池的动态控制方法、装置及相关设备 | |
| CN108920281A (zh) | 大规模图片处理方法及系统 | |
| CN111415062A (zh) | 众包任务分配方法、装置、电子设备及存储介质 | |
| CN116342075B (zh) | 智慧建造一体化协同大数据处理方法 | |
| CN113360321B (zh) | 微服务重试调用方法、装置、电子设备及存储介质 | |
| CN112016009B (zh) | 数据处理方法、余额获取方法、装置、设备和存储介质 | |
| CN117555913A (zh) | 基于第三方平台的对象数据更新方法和装置 | |
| CN112565391A (zh) | 调整工业互联网平台中实例的方法、装置、设备和介质 | |
| Yang et al. | Optimal resource allocation for time-reservation systems | |
| CN115660344A (zh) | 用户排班方法、装置、电子设备及存储介质 | |
| CN113612624B (zh) | 一种节点之间心跳处理方法及装置 | |
| CN112036707B (zh) | 面向时间不确定生产过程协同的节拍控制方法和系统 | |
| CN110677494B (zh) | 访问响应方法和装置 | |
| Shi et al. | A game-theoretic analysis of shared/buy-in computing systems | |
| CN113687952A (zh) | 一种信息处理方法、装置、设备及存储介质 | |
| CN115495224B (zh) | 基于优先级的超算节点使用方法、电子设备和存储介质 | |
| CN117499400A (zh) | 一种分布式消息处理与分析方法、装置和产品 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |