CN117172511B - 一种基于物联网的工程测量设施智能管理方法及系统 - Google Patents

Abstract

本发明涉及测量设施管理领域，公开了一种基于物联网的工程测量设施智能管理方法及系统，包括以下步骤：对工程测量设施和测量区域进行结合建模和分析，获取工程测量设施的可安装位置；对工程测量设施的耗电量和通信状态进行分析，得到分析结果并对可安装位置进行更新，得到最终安装位置；在最终安装位置上安装工程测量设施，得到测量值，并根据所属测量值对施工过程进行调控。本发明能够通过建模方式确定工程测量设施的最佳安装位置并进行测量处理，根据测量结果对施工过程进行调整，提高施工效率，降低施工偏差，降低施工用料浪费，节省人力物力成本。

Description

一种基于物联网的工程测量设施智能管理方法及系统

技术领域

本发明涉及测量设施管理领域，特别是一种基于物联网的工程测量设施智能管理方法及系统。

背景技术

工程测量设施是一种在施工过程中用于测量、监测和记录各种物理参数、地理信息和其他相关数据的设备。诸如工地、土地、建筑物等物体进行相应施工前需要进行测量，得到测量值，根据测量值进行进一步的施工方案规划。在施工完毕后也许进行测量，判断施工的效果是否与预设效果相符合。在对需要进行测量的地方进行测量之前，工程测量设施的安装位置需要进行确定，在合适位置内安装工程测量设施能够提高工作效率以及节省资源，例如选用的安装位置平均温度应当在适宜温度下，且不能再电磁干扰较大区域中，温度过高会影响工程测量设施的工作温度，使工程测量设施更容易损坏；而电磁干扰较大区域测绘使信号传输过程能耗值增高，蓄意需要再测量区域中队工程测量设施进行选定，实现工程测量设施的智能管理。

发明内容

本发明克服了现有技术的不足，提供了一种基于物联网的工程测量设施智能管理方法及系统。

为达到上述目的，本发明采用的技术方案为：

本发明第一方面提供了一种基于物联网的工程测量设施智能管理方法，包括以下步骤：

对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置；

分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控。

进一步的，本发明的一个较佳实施例中，所述对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置，具体为：

通过激光扫描仪对工程测量设施进行激光扫描处理，反射的激光在三维空间中生成激光点云数据，获取数据连接算法，并基于所述数据连接算法，在三维空间中对激光点云数据进行数据连接处理，生成初步工程测量设施三维模型；

使用无人机在测量区域范围内获取测量区域图像，并对测量区域图像进行图像预处理，所述图像预处理包括图像降噪处理和图像参数提取处理，得到测量区域图像参数，并基于所述测量区域图像参数，在三维空间中构建测量区域三维模型；

基于工程测量设施的生产参数，获取工程测量设施的尺寸大小，基于工程测量设施的尺寸大小，对所述初步工程测量设施三维模型进行尺寸调整，得到工程测量设施三维模型；

获取测量区域的地理信息，结合工程测量设施三维模型的测量范围和尺寸大小，在测量区域三维模型内获取工程测量设施的可安装位置。

进一步的，本发明的一个较佳实施例中，所述分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置，具体为：

基于所述工程测量设施的可安装位置，在所述测量区域三维模型中生成多种设施安装方案，并在所述测量区域三维模型中基于多种设施安装方案，安装工程测量设施三维模型；

启动所述工程测量设施三维模型，实时获取工程测量设施三维模型的工作状态，所述工程测量设施三维模型的工作状态包括工程测量设施的耗电量及通信状态；

获取工程测量设施的实时耗电量，生成耗电量变化曲线，分析所述耗电量变化曲线，将耗电量大于预设耗电量的时间段定义为耗电异常时间段，并获取耗电异常时间段内工程测量设施的工作温度；

若耗电异常时间段内工程测量设施的工作温度大于预设值，则引入灰色关联法计算耗电异常时间段内工程测量设施的工作温度与耗电量的关联性，得到一类关联值；

基于气象平台数据，获取所有可安装位置的周边环境平均温度，并将所述周边环境平均温度导入工程测量设施三维模型内；

同样使用灰色关联法计算耗电异常时间段内工程测量设施的工作温度与周边环境平均温度的关联性，得到二类关联值；

分析所述一类关联值和二类关联值，当一类关联值和二类关联值满足同时在预设值范围内，则对对应的工程测量设施进行周边环境平均温度调控，并获取周边环境平均温度调控过程中工程测量设施的耗电量，若周边环境平均温度调控过程中工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置定义为初始安装位置；

当一类关联值和二类关联值不满足同时在预设值范围内，则将对应的工程测量设施所处的安装位置定义为待定安装位置。

进一步的，本发明的一个较佳实施例中，所述对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善，具体为：

当一类关联值大于预设值，且二类关联值小于预设值，则获取工程测量设施内工作温度大于预设值的位置，定义为工作温度异常位置；

获取工作温度异常位置的实时工作参数，构建时间序列，结合获得基于时间序列工作温度异常位置实时工作参数；

引入马尔科夫链算法对基于时间序列工作温度异常位置实时工作参数进行计算，构建状态转移概率值矩阵，将所述状态转移概率值矩阵输入至贝叶斯网络中进行训练，得到工作温度异常位置的故障源头，定义为工作温度异常源头位置；

在大数据中检索工作温度异常源头位置的最佳修复方案并输出，当工作温度异常源头位置被修复后，若对应待定安装位置处工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置划分为初始安装位置，若对应待定安装位置处工程测量设施的耗电量仍大于预设耗电量，则将对应的工程测量设施所处的安装位置划分为不可安装区域；

当一类关联值小于预设值，则将对应的程测量设施所处的安装位置同样划分为不可安装区域。

进一步的，本发明的一个较佳实施例中，所述对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置，具体为：

在初始安装位置处的工程测量设施内安装通信模块并启动，所述通信模块发送通信信号，所述通信信号经过信号通道由控制中心接收；

基于所述测量区域的地理信息，生成多种地理信息因子，构建知识图谱，将所述多种地理信息因子导入知识图谱内，并对多种地理信息因子进行随机组合，生成地理信息因子合集；

对信号通道进行分析，获取信号通道的能耗值，将所述地理信息因子合集和信号通道的能耗值导入卷积神经网络中进行预测处理，得到信号通道方向和信号通道距离；

分析信号通道的能耗值，将能耗值大于预设能耗值的信号通道对应的工程测量设施安装位置划分为不可安装位置，并将能耗值在预设能耗值范围内的信号通道对应的工程测量设施安装位置划分为待定安装位置；

将待定安装位置处工程测量设施与控制中心之间的信号通道方向和信号通道距离结合，得到信号通道路程，并基于历史数据获取信号通道标准路程；

计算信号通道路程与信号通道标准路程之间的马氏距离，并根据马氏距离得到信号通道路程与信号通道标准路程之间相似度，将相似度最大的信号通道路程定义为最佳信号通道路程，并基于所述最佳信号通道路程得到最佳信号通道；

将最佳信号通道对应的待定安装位置标定为工程测量设施的最终安装位置。

进一步的，本发明的一个较佳实施例中，所述在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控，具体为：

在最终安装位置中安装工程测量设施，启动所述工程测量设施，使工程测量设施在测量区域范围内正常工作，得到实际测量值；

基于历史数据检索，获取测量区域的预设测量值，引入欧氏距离及算法，计算实际测量值与预设测量值之间的欧氏距离，并构建欧氏距离区间；

基于所述欧氏距离区间，对实际测量值与预设测量值之间的欧氏距离进行分析，当实际测量值与预设测量值之间的欧氏距离处于同一欧氏距离区间内，则证明实际测量值与预设测量值的相似度大于预设相似度，则直接输出实际测量值并储存；

当实际测量值与预设测量值之间的欧氏距离不处于同一欧氏距离区间内，则证明实际测量值与预设测量值的相似度小于预设相似度，获取测量区域中施工设施在施工过程中的施工参数，并引入熵权法对施工过程中的施工参数与实际测量值进行关联度计算处理，得到施工关联度排序表；

分析所述施工关联度排序表，将施工关联度大于预设施工关联度的对应的施工参数定义为待优化施工参数，并将待优化施工参数导入大数据网络中对施工过程调控方案的检索处理，检索过程中需满足施工过程调控方案符合调控性质，且调控效率最佳，得到最佳施工过程调控方案；

输出所述最佳施工过程调控方案，对施工设施的施工过程进行调控处理，直至实际测量值与预设测量值之间的欧氏距离处于同一欧氏距离区间内。

本发明第二方面还提供了一种基于物联网的工程测量设施智能管理系统，所述智能管理系统包括存储器与处理器，所述存储器中储存有工程测量设施智能管理方法，所述工程测量设施智能管理方法被所述处理器执行时，实现如下步骤：

对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置；

分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控。

本发明解决的背景技术中存在的技术缺陷，本发明具备以下有益效果：对工程测量设施和测量区域进行结合建模和分析，获取工程测量设施的可安装位置；对工程测量设施的耗电量和通信状态进行分析，得到分析结果并对可安装位置进行更新，得到最终安装位置；在最终安装位置上安装工程测量设施，得到测量值，并根据所属测量值对施工过程进行调控。本发明能够通过建模方式确定工程测量设施的最佳安装位置并进行测量处理，根据测量结果对施工过程进行调整，提高施工效率，降低施工偏差，降低施工用料浪费，节省人力物力成本。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他实施例的附图。

图1示出了一种基于物联网的工程测量设施智能管理方法的流程图；

图2示出了获取工程测量设施的初始安装位置、待定安装位置和最终安装位置的步骤流程图；

图3示出了一种基于物联网的工程测量设施智能管理系统的视图。

具体实施方式

为了能够更清楚地理解本发明的上述目的、特征和优点，下面结合附图和具体实施方式对本发明进行进一步的详细描述。需要说明的是，在不冲突的情况下，本申请的实施例及实施例中的特征可以相互组合。

在下面的描述中阐述了很多具体细节以便于充分理解本发明，但是，本发明还可以采用其他不同于在此描述的其他方式来实施，因此，本发明的保护范围并不受下面公开的具体实施例的限制。

图1示出了一种基于物联网的工程测量设施智能管理方法的流程图，包括以下步骤：

S102：对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置；

S104：分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

S106：对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

S108：对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

S110：在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控。

进一步的，本发明的一个较佳实施例中，所述对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置，具体为：

通过激光扫描仪对工程测量设施进行激光扫描处理，反射的激光在三维空间中生成激光点云数据，获取数据连接算法，并基于所述数据连接算法，在三维空间中对激光点云数据进行数据连接处理，生成初步工程测量设施三维模型；

使用无人机在测量区域范围内获取测量区域图像，并对测量区域图像进行图像预处理，所述图像预处理包括图像降噪处理和图像参数提取处理，得到测量区域图像参数，并基于所述测量区域图像参数，在三维空间中构建测量区域三维模型；

基于工程测量设施的生产参数，获取工程测量设施的尺寸大小，基于工程测量设施的尺寸大小，对所述初步工程测量设施三维模型进行尺寸调整，得到工程测量设施三维模型；

获取测量区域的地理信息，结合工程测量设施三维模型的测量范围和尺寸大小，在测量区域三维模型内获取工程测量设施的可安装位置。

需要说明的是，工程测量设施是一种在施工过程中用于测量、监测和记录各种物理参数、地理信息和其他相关数据的设备。通过激光扫描处理和图像识别处理构建初步工程测量设施三维模型和测量区域三维模型的目的是通过三维模型分析方便对工程测量设施的可安装位置进行分析。由于测量区域中存在多个安装位置，但安装位置是否适合工程测量设施的安装需要进行进一步判断，需要考虑工程测量设施的尺寸和测量范围，使尺寸满足测量区域中安装位置大小，以及满足测量区域的测量范围，得到可安装位置。本发明能够通过对工程测量设施和测量区域进行建模分析，得到工程测量设施的可安装位置。

进一步的，本发明的一个较佳实施例中，所述在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控，具体为：

在最终安装位置中安装工程测量设施，启动所述工程测量设施，使工程测量设施在测量区域范围内正常工作，得到实际测量值；

基于历史数据检索，获取测量区域的预设测量值，引入欧氏距离及算法，计算实际测量值与预设测量值之间的欧氏距离，并构建欧氏距离区间；

基于所述欧氏距离区间，对实际测量值与预设测量值之间的欧氏距离进行分析，当实际测量值与预设测量值之间的欧氏距离处于同一欧氏距离区间内，则证明实际测量值与预设测量值的相似度大于预设相似度，则直接输出实际测量值并储存；

当实际测量值与预设测量值之间的欧氏距离不处于同一欧氏距离区间内，则证明实际测量值与预设测量值的相似度小于预设相似度，获取测量区域中施工设施在施工过程中的施工参数，并引入熵权法对施工过程中的施工参数与实际测量值进行关联度计算处理，得到施工关联度排序表；

分析所述施工关联度排序表，将施工关联度大于预设施工关联度的对应的施工参数定义为待优化施工参数，并将待优化施工参数导入大数据网络中对施工过程调控方案的检索处理，检索过程中需满足施工过程调控方案符合调控性质，且调控效率最佳，得到最佳施工过程调控方案；

输出所述最佳施工过程调控方案，对施工设施的施工过程进行调控处理，直至实际测量值与预设测量值之间的欧氏距离处于同一欧氏距离区间内。

需要说明的是，当最终安装位置被确定好，则需要在最终安装位置上安装工程测量设施，用于施工作业的测量工作。所述预设测量值为施工后所需的测量值，实际测量值则为施工后实际的测量的结果。由于施工过程中可能存在施工误差，比如需要测量施工的楼房的高度，但是施工过程中施工用料减少，或者受环境影响施工用料热胀冷缩，导致楼房实际高度与预设高度不同。所以需要对施工过程进行调控，控制施工过程稳定，使施工后的实际测量值在预设测量值范围内。获取实际测量值和预设测量值之间的欧氏距离，可以判断两者相似度，相似度小于预设相似度证明施工过程存在纰漏，需要对施工过程进行调控。获取施工设施的施工参数，使用熵权法与实际测量值进行关联度计算，关联度越大，施工参数引起实际测量值偏差也越大，得到待优化施工参数后在大数据中检索最佳施工过程调控方案输出。所述调控性质为不人工干预。本发明能够通过判断实际测量值和预设测量值，从而对施工过程进行调控优化。

图2示出了获取工程测量设施的初始安装位置、待定安装位置和最终安装位置的步骤流程图，包括以下步骤：

S202：分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

S204：对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

S206：对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

进一步的，本发明的一个较佳实施例中，所述分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置，具体为：

基于所述工程测量设施的可安装位置，在所述测量区域三维模型中生成多种设施安装方案，并在所述测量区域三维模型中基于多种设施安装方案，安装工程测量设施三维模型；

启动所述工程测量设施三维模型，实时获取工程测量设施三维模型的工作状态，所述工程测量设施三维模型的工作状态包括工程测量设施的耗电量及通信状态；

获取工程测量设施的实时耗电量，生成耗电量变化曲线，分析所述耗电量变化曲线，将耗电量大于预设耗电量的时间段定义为耗电异常时间段，并获取耗电异常时间段内工程测量设施的工作温度；

若耗电异常时间段内工程测量设施的工作温度大于预设值，则引入灰色关联法计算耗电异常时间段内工程测量设施的工作温度与耗电量的关联性，得到一类关联值；

基于气象平台数据，获取所有可安装位置的周边环境平均温度，并将所述周边环境平均温度导入工程测量设施三维模型内；

同样使用灰色关联法计算耗电异常时间段内工程测量设施的工作温度与周边环境平均温度的关联性，得到二类关联值；

分析所述一类关联值和二类关联值，当一类关联值和二类关联值满足同时在预设值范围内，则对对应的工程测量设施进行周边环境平均温度调控，并获取周边环境平均温度调控过程中工程测量设施的耗电量，若周边环境平均温度调控过程中工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置定义为初始安装位置；

当一类关联值和二类关联值不满足同时在预设值范围内，则将对应的工程测量设施所处的安装位置定义为待定安装位置。

需要说明的是，部分工程测量设施，例如全站仪、RTK等设施在工作过程中会消耗电量，若消耗电量过多，不符合环保理念，且工程测量设施的工作可能会发生偏差。在测量区域中，可能存在一些可安装位置的安装条件较差，例如可安装位置风速较大、气温较高，或者地理位置较高或较低，使测量难度增加，又或者是靠近河流，平均温度较低，或者靠近平均温度较高的地形等，所以需要确定合适的安装位置。工程测量设施的耗电量可能由温度引起，温度高耗电量高，工程测量设施温度升高可能是由环境引起，环境温度过高会导致工程测量设施的耗电量相应增加，所以需要用灰色关联法获取一类关联值和二类关联值，所述一类关联值为耗电量-工作温度关联值，所述二类关联值为工作温度-环境温度关联值。当一类关联值和二类关联值均在预设值范围内，证明耗电量由工作温度过高引起，且工作温度过高由环境温度过高引起，所以需要对环境温度进行调控，比如在工程测量设施周边加装风扇，或者加装保护设施，若环境温度调控后的工程测量设施的耗电量维持在预设耗电量范围内，则将对应的可安装位置定义为初始安装位置。若一类关联值和二类关联值不能满足同时在预设值范围内，则证明耗电量异常与环境温度无关，并将对应的可安装位置定义为待定安装位置。本发明能够通过队工程测量设施的耗电量和工作温度进行分析，得到初始安装位置和待定安装位置。

进一步的，本发明的一个较佳实施例中，所述对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善，具体为：

当一类关联值大于预设值，且二类关联值小于预设值，则获取工程测量设施内工作温度大于预设值的位置，定义为工作温度异常位置；

获取工作温度异常位置的实时工作参数，构建时间序列，结合获得基于时间序列工作温度异常位置实时工作参数；

引入马尔科夫链算法对基于时间序列工作温度异常位置实时工作参数进行计算，构建状态转移概率值矩阵，将所述状态转移概率值矩阵输入至贝叶斯网络中进行训练，得到工作温度异常位置的故障源头，定义为工作温度异常源头位置；

在大数据中检索工作温度异常源头位置的最佳修复方案并输出，当工作温度异常源头位置被修复后，若对应待定安装位置处工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置划分为初始安装位置，若对应待定安装位置处工程测量设施的耗电量仍大于预设耗电量，则将对应的工程测量设施所处的安装位置划分为不可安装区域；

当一类关联值小于预设值，则将对应的程测量设施所处的安装位置同样划分为不可安装区域。

需要说明的是，当一类关联值大于预设值但二类关联值小于预设值，则证明耗电量异常和工作温度有关，工作温度过高和环境温度无关，此时工作温度过高原因可能是工程测量设施中存在故障，导致出现短路等情况，致使工作温度过高。通过马尔科夫链算法和贝叶斯网络算法可以获取工作温度异常源头位置，所述工作温度异常源头位置使工程测量设施的耗电量增加。对工作温度异常源头位置进行修复后，若此时工程测量设施耗电量保持在预设耗电量范围内，则对应的位置也为初始安装位置，反之则证明对应的位置不适合安装工程测量设施，不适合原因可能为该位置不平，或者有震动现象，导致工程测量设施无法正常工作等，并将对应位置划分为不可安装区域。若一类关联值小于预设值，则证明耗电量大与工作温度无关，也将对应的安装位置划分为不可安装区域。本发明能够通过马尔科夫链算法和贝叶斯网络算法获取工作温度异常源头位置，并对初始安装位置进行更新。

进一步的，本发明的一个较佳实施例中，所述对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置，具体为：

在初始安装位置处的工程测量设施内安装通信模块并启动，所述通信模块发送通信信号，所述通信信号经过信号通道由控制中心接收；

基于所述测量区域的地理信息，生成多种地理信息因子，构建知识图谱，将所述多种地理信息因子导入知识图谱内，并对多种地理信息因子进行随机组合，生成地理信息因子合集；

对信号通道进行分析，获取信号通道的能耗值，将所述地理信息因子合集和信号通道的能耗值导入卷积神经网络中进行预测处理，得到信号通道方向和信号通道距离；

分析信号通道的能耗值，将能耗值大于预设能耗值的信号通道对应的工程测量设施安装位置划分为不可安装位置，并将能耗值在预设能耗值范围内的信号通道对应的工程测量设施安装位置划分为待定安装位置；

将待定安装位置处工程测量设施与控制中心之间的信号通道方向和信号通道距离结合，得到信号通道路程，并基于历史数据获取信号通道标准路程；

计算信号通道路程与信号通道标准路程之间的马氏距离，并根据马氏距离得到信号通道路程与信号通道标准路程之间相似度，将相似度最大的信号通道路程定义为最佳信号通道路程，并基于所述最佳信号通道路程得到最佳信号通道；

将最佳信号通道对应的待定安装位置标定为工程测量设施的最终安装位置。

需要说明的是，初始安装位置为工程测量设施能正常工作的位置，但工程测量设施的测量结果需要上传至控制中心，工程测量设施将测量结果以信号形式通过信号通道传输至控制中心。信号传输过程中会产生能耗，能耗产生原因为在信号传输过程中会遇到障碍物，信号穿过或越过障碍物会产生能耗值。工程测量设施到控制中心之间存在复杂地理环境，所述地理信息因子合计反映了工程测量设施到控制中心的不同路线，不同路线产生的能耗值，信号通道方向和信号通道距离均不同。能耗值过大，信号传输失真情况越大，测量结果精确度越低，所以将能耗值大于预设能耗值的信号通道对应的安装位置划分为不可安装位置，繁殖划分为待定安装位置。所述信号通道路程为过程测量设施到控制中心的路线，将各个信号通道路程与信号通道标准路程进行相似度比较，并将相似度最高的信号通道路程定义为最佳信号通道路程，从而确定最佳安装位置。本发明能够通过对信号传输的能耗值进行分析，结合地理信息，得到最佳安装位置。

此外，所述一种基于物联网的工程测量设施智能管理方法，还包括以下步骤：

控制中心实时接收来自工程测量设施传输的通信信号，所述工程测量设施传输的通信信号中包括测量区域中目标测量物体的覆盖情况；

对测量区域的地理信息进行分析，结合大数据检索，获取测量区域中的危险区域，并将测量区域中的危险区域标定为工程禁区；

在测量区域三维模型中对工程禁区进行标记，并对测量区域中目标测量物体的覆盖情况进行实时监控，得到目标测量物体各点的测量值，定义为目标测量值，并获取目标测量物体各点与工程禁区各点的距离，定义为警戒距离

对目标测量值进行分析，若存在任意目标测量值大于对应警戒距离，则在所述控制中心中发出警报信号，并将所述目标测量值导入贝叶斯网络中进行反复训练，获取目标测量物体的缺陷原因，并对目标测量物体的缺陷原因进行对应修复。

需要说明的是，目标测量物体可以通常为建筑物，在测量区域中，可能会存在一些地方较危险，例如容易对建筑造成腐蚀，或者容易影响周边的建筑物，所以需要将这些地方标定为工程禁区，目标测量物体不能与工程禁区重合。获取目标测量值和警戒距离，若存在目标测量值大于对应警戒距离，证明在工程禁区与目标测量物体存在重合，容易造成危险，所以需要生成警报信号，提醒工作人员对目标测量物体进行对应修复处理。本发明能够通过对目标测量物体的目标测量值和警戒距离进行分析，判断目标测量物体是否符合建筑要求。

此外，所述一种基于物联网的工程测量设施智能管理方法，还包括以下步骤：

在大数据中对测量区域进行检索，获取测量区域内电磁信号干扰设备的类型及位置信息；

将电磁信号干扰设备的类型和位置信息导入测量区域三维模型中，生成测量区域电磁场模型，并在所述测量区域电磁场模型中计算测量区域中各点的电磁干扰强度，并根据测量区域中各点的电磁干扰强度构建测量区域的电磁干扰分布图；

在所述电磁干扰分布图中，根据测量区域中各点的电磁干扰强度，筛选的电磁干扰强度大于预设电磁干扰强度的点，定义为一类电磁干扰点；

对信号通道路程进行分析，若信号通道路程中存在信号方向与所述一类电磁干扰点重合，则对对应的信号通道进行剔除；

获取信号方向不与一类电磁干扰点重合的信号通道路程的能耗值，并通过离子群优化算法对信号方向不与一类电磁干扰点重合的信号通道路程机器能耗值进行最优值求解，并结合所述最佳信号通道进行分析，对最佳信号通道进行二次优化筛选。

需要说明的是，在测量区域中可能存在对信号进行干扰的电磁场设备，例如电磁线圈、高压电网等，在信号传输过程中会造成数据丢失损耗的情况。所以需要结合电磁干扰强度，对信号通道进行进一步筛选优化。通过检索获取测量区域内电磁信号干扰设备的类型和位置信息，从而可以获取电磁信号干扰设备的电流参数，再经过计算可以获取测量区域内各点的电磁干扰强度，从而生成电磁干扰分布图。若信号通道方向经过一类电磁干扰点，则信号通道的能耗值将会相应增加，所以需要将对应的信号通道路程剔除。所述离子群优化算法是一种模拟自然界中粒子集群行为的群体智能算法，它基于对粒子在空间中搜索的基本原理，通过模拟离子在离子束中的相互影响和作用，寻找优化问题的最优解，通过此方法可以对剩下的信号通道路程进行分析，从而对最佳信号通道进行二次优化筛选，有利于信号通道能耗值控制在最低点，使信号不失真，更完善。

如图3所示，本发明第二方面还提供了一种基于物联网的工程测量设施智能管理系统，所述智能管理系统包括存储器31与处理器32，所述存储器31中储存有工程测量设施智能管理方法，所述工程测量设施智能管理方法被所述处理器32执行时，实现如下步骤：

对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置；

分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控。

以上，仅为本发明的具体实施方式，但本发明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发明揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本发明的保护范围之内。因此，本发明的保护范围应以权利要求的保护范围为准。

Claims (3)

1.一种基于物联网的工程测量设施智能管理方法，其特征在于，包括以下步骤：

对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置；

分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控；

其中，所述对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置，具体为：

通过激光扫描仪对工程测量设施进行激光扫描处理，反射的激光在三维空间中生成激光点云数据，获取数据连接算法，并基于所述数据连接算法，在三维空间中对激光点云数据进行数据连接处理，生成初步工程测量设施三维模型；

使用无人机在测量区域范围内获取测量区域图像，并对测量区域图像进行图像预处理，所述图像预处理包括图像降噪处理和图像参数提取处理，得到测量区域图像参数，并基于所述测量区域图像参数，在三维空间中构建测量区域三维模型；

基于工程测量设施的生产参数，获取工程测量设施的尺寸大小，基于工程测量设施的尺寸大小，对所述初步工程测量设施三维模型进行尺寸调整，得到工程测量设施三维模型；

获取测量区域的地理信息，结合工程测量设施三维模型的测量范围和尺寸大小，在测量区域三维模型内获取工程测量设施的可安装位置；

其中，所述分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置，具体为：

基于所述工程测量设施的可安装位置，在测量区域三维模型中生成多种设施安装方案，并在所述测量区域三维模型中基于多种设施安装方案，安装工程测量设施三维模型；

启动所述工程测量设施三维模型，实时获取工程测量设施三维模型的工作状态，所述工程测量设施三维模型的工作状态包括工程测量设施的耗电量及通信状态；

获取工程测量设施的实时耗电量，生成耗电量变化曲线，分析所述耗电量变化曲线，将耗电量大于预设耗电量的时间段定义为耗电异常时间段，并获取耗电异常时间段内工程测量设施的工作温度；

若耗电异常时间段内工程测量设施的工作温度大于预设值，则引入灰色关联法计算耗电异常时间段内工程测量设施的工作温度与耗电量的关联性，得到一类关联值；

基于气象平台数据，获取所有可安装位置的周边环境平均温度，并将所述周边环境平均温度导入工程测量设施三维模型内；

同样使用灰色关联法计算耗电异常时间段内工程测量设施的工作温度与周边环境平均温度的关联性，得到二类关联值；

分析所述一类关联值和二类关联值，当一类关联值和二类关联值满足同时在预设值范围内，则对对应的工程测量设施进行周边环境平均温度调控，并获取周边环境平均温度调控过程中工程测量设施的耗电量，若周边环境平均温度调控过程中工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置定义为初始安装位置；

当一类关联值和二类关联值不满足同时在预设值范围内，则将对应的工程测量设施所处的安装位置定义为待定安装位置；

其中，所述对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善，具体为：

当一类关联值大于预设值，且二类关联值小于预设值，则获取工程测量设施内工作温度大于预设值的位置，定义为工作温度异常位置；

获取工作温度异常位置的实时工作参数，构建时间序列，结合获得基于时间序列工作温度异常位置实时工作参数；

引入马尔科夫链算法对基于时间序列工作温度异常位置实时工作参数进行计算，构建状态转移概率值矩阵，将所述状态转移概率值矩阵输入至贝叶斯网络中进行训练，得到工作温度异常位置的故障源头，定义为工作温度异常源头位置；

在大数据中检索工作温度异常源头位置的最佳修复方案并输出，当工作温度异常源头位置被修复后，若对应待定安装位置处工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置划分为初始安装位置，若对应待定安装位置处工程测量设施的耗电量仍大于预设耗电量，则将对应的工程测量设施所处的安装位置划分为不可安装区域；

当一类关联值小于预设值，则将对应的工程测量设施所处的安装位置同样划分为不可安装区域；

其中，所述对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置，具体为：

在初始安装位置处的工程测量设施内安装通信模块并启动，所述通信模块发送通信信号，所述通信信号经过信号通道由控制中心接收；

基于所述测量区域的地理信息，生成多种地理信息因子，构建知识图谱，将所述多种地理信息因子导入知识图谱内，并对多种地理信息因子进行随机组合，生成地理信息因子合集；

对信号通道进行分析，获取信号通道的能耗值，将所述地理信息因子合集和信号通道的能耗值导入卷积神经网络中进行预测处理，得到信号通道方向和信号通道距离；

分析信号通道的能耗值，将能耗值大于预设能耗值的信号通道对应的工程测量设施安装位置划分为不可安装位置，并将能耗值在预设能耗值范围内的信号通道对应的工程测量设施安装位置划分为待定安装位置；

将待定安装位置处工程测量设施与控制中心之间的信号通道方向和信号通道距离结合，得到信号通道路程，并基于历史数据获取信号通道标准路程；

计算信号通道路程与信号通道标准路程之间的马氏距离，并根据马氏距离得到信号通道路程与信号通道标准路程之间相似度，将相似度最大的信号通道路程定义为最佳信号通道路程，并基于所述最佳信号通道路程得到最佳信号通道；

将最佳信号通道对应的待定安装位置标定为工程测量设施的最终安装位置。

2.根据权利要求1中所述的一种基于物联网的工程测量设施智能管理方法，其特征在于，所述在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控，具体为：

在最终安装位置中安装工程测量设施，启动所述工程测量设施，使工程测量设施在测量区域范围内正常工作，得到实际测量值；

基于历史数据检索，获取测量区域的预设测量值，引入欧氏距离及算法，计算实际测量值与预设测量值之间的欧氏距离，并构建欧氏距离区间；

基于所述欧氏距离区间，对实际测量值与预设测量值之间的欧氏距离进行分析，当实际测量值与预设测量值之间的欧氏距离处于同一欧氏距离区间内，则证明实际测量值与预设测量值的相似度大于预设相似度，则直接输出实际测量值并储存；

当实际测量值与预设测量值之间的欧氏距离不处于同一欧氏距离区间内，则证明实际测量值与预设测量值的相似度小于预设相似度，获取测量区域中施工设施在施工过程中的施工参数，并引入熵权法对施工过程中的施工参数与实际测量值进行关联度计算处理，得到施工关联度排序表；

分析所述施工关联度排序表，将施工关联度大于预设施工关联度的对应的施工参数定义为待优化施工参数，并将待优化施工参数导入大数据网络中对施工过程调控方案的检索处理，检索过程中需满足施工过程调控方案符合调控性质，且调控效率最佳，得到最佳施工过程调控方案；

输出所述最佳施工过程调控方案，对施工设施的施工过程进行调控处理，直至实际测量值与预设测量值之间的欧氏距离处于同一欧氏距离区间内。

3.一种基于物联网的工程测量设施智能管理系统，其特征在于，所述智能管理系统包括存储器与处理器，所述存储器中储存有工程测量设施智能管理方法，所述工程测量设施智能管理方法被所述处理器执行时，实现如下步骤：

对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置；

分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置；

对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善；

对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置；

在最终安装位置中安装工程测量设施，并使用工程测量设施对测量区域进行测量处理，得到测量值，施工设施根据测量值对施工过程进行调控；

其中，所述对工程测量设施和测量区域进行结合建模，得到测量系统模型，并基于所述测量系统模型，获取工程测量设施的可安装位置，具体为：

通过激光扫描仪对工程测量设施进行激光扫描处理，反射的激光在三维空间中生成激光点云数据，获取数据连接算法，并基于所述数据连接算法，在三维空间中对激光点云数据进行数据连接处理，生成初步工程测量设施三维模型；

使用无人机在测量区域范围内获取测量区域图像，并对测量区域图像进行图像预处理，所述图像预处理包括图像降噪处理和图像参数提取处理，得到测量区域图像参数，并基于所述测量区域图像参数，在三维空间中构建测量区域三维模型；

基于工程测量设施的生产参数，获取工程测量设施的尺寸大小，基于工程测量设施的尺寸大小，对所述初步工程测量设施三维模型进行尺寸调整，得到工程测量设施三维模型；

获取测量区域的地理信息，结合工程测量设施三维模型的测量范围和尺寸大小，在测量区域三维模型内获取工程测量设施的可安装位置；

其中，所述分析工程测量设施三维模型进行工作状态，基于工作状态分析结果获取工程测量设施初始安装位置和待定安装位置，具体为：

基于所述工程测量设施的可安装位置，在测量区域三维模型中生成多种设施安装方案，并在所述测量区域三维模型中基于多种设施安装方案，安装工程测量设施三维模型；

启动所述工程测量设施三维模型，实时获取工程测量设施三维模型的工作状态，所述工程测量设施三维模型的工作状态包括工程测量设施的耗电量及通信状态；

获取工程测量设施的实时耗电量，生成耗电量变化曲线，分析所述耗电量变化曲线，将耗电量大于预设耗电量的时间段定义为耗电异常时间段，并获取耗电异常时间段内工程测量设施的工作温度；

若耗电异常时间段内工程测量设施的工作温度大于预设值，则引入灰色关联法计算耗电异常时间段内工程测量设施的工作温度与耗电量的关联性，得到一类关联值；

基于气象平台数据，获取所有可安装位置的周边环境平均温度，并将所述周边环境平均温度导入工程测量设施三维模型内；

同样使用灰色关联法计算耗电异常时间段内工程测量设施的工作温度与周边环境平均温度的关联性，得到二类关联值；

分析所述一类关联值和二类关联值，当一类关联值和二类关联值满足同时在预设值范围内，则对对应的工程测量设施进行周边环境平均温度调控，并获取周边环境平均温度调控过程中工程测量设施的耗电量，若周边环境平均温度调控过程中工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置定义为初始安装位置；

当一类关联值和二类关联值不满足同时在预设值范围内，则将对应的工程测量设施所处的安装位置定义为待定安装位置；

其中，所述对待定安装位置处的工程测量设施进行故障分析，基于故障分析结果对初始安装位置进行完善，具体为：

当一类关联值大于预设值，且二类关联值小于预设值，则获取工程测量设施内工作温度大于预设值的位置，定义为工作温度异常位置；

获取工作温度异常位置的实时工作参数，构建时间序列，结合获得基于时间序列工作温度异常位置实时工作参数；

引入马尔科夫链算法对基于时间序列工作温度异常位置实时工作参数进行计算，构建状态转移概率值矩阵，将所述状态转移概率值矩阵输入至贝叶斯网络中进行训练，得到工作温度异常位置的故障源头，定义为工作温度异常源头位置；

在大数据中检索工作温度异常源头位置的最佳修复方案并输出，当工作温度异常源头位置被修复后，若对应待定安装位置处工程测量设施的耗电量保持在预设耗电量范围内，则将对应的工程测量设施所处的安装位置划分为初始安装位置，若对应待定安装位置处工程测量设施的耗电量仍大于预设耗电量，则将对应的工程测量设施所处的安装位置划分为不可安装区域；

当一类关联值小于预设值，则将对应的工程测量设施所处的安装位置同样划分为不可安装区域；

其中，所述对初始安装位置处的工程测量设施进行通信状态分析，并基于通信状态分析结果，确定工程测量设施的最终安装位置，具体为：

在初始安装位置处的工程测量设施内安装通信模块并启动，所述通信模块发送通信信号，所述通信信号经过信号通道由控制中心接收；

基于所述测量区域的地理信息，生成多种地理信息因子，构建知识图谱，将所述多种地理信息因子导入知识图谱内，并对多种地理信息因子进行随机组合，生成地理信息因子合集；

对信号通道进行分析，获取信号通道的能耗值，将所述地理信息因子合集和信号通道的能耗值导入卷积神经网络中进行预测处理，得到信号通道方向和信号通道距离；

分析信号通道的能耗值，将能耗值大于预设能耗值的信号通道对应的工程测量设施安装位置划分为不可安装位置，并将能耗值在预设能耗值范围内的信号通道对应的工程测量设施安装位置划分为待定安装位置；

将待定安装位置处工程测量设施与控制中心之间的信号通道方向和信号通道距离结合，得到信号通道路程，并基于历史数据获取信号通道标准路程；

计算信号通道路程与信号通道标准路程之间的马氏距离，并根据马氏距离得到信号通道路程与信号通道标准路程之间相似度，将相似度最大的信号通道路程定义为最佳信号通道路程，并基于所述最佳信号通道路程得到最佳信号通道；

将最佳信号通道对应的待定安装位置标定为工程测量设施的最终安装位置。