CN117725662B - 一种基于市政工程的工程施工仿真方法及系统 - Google Patents
一种基于市政工程的工程施工仿真方法及系统 Download PDFInfo
- Publication number
- CN117725662B CN117725662B CN202410173489.6A CN202410173489A CN117725662B CN 117725662 B CN117725662 B CN 117725662B CN 202410173489 A CN202410173489 A CN 202410173489A CN 117725662 B CN117725662 B CN 117725662B
- Authority
- CN
- China
- Prior art keywords
- data
- construction
- resource
- function
- engineering
- 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.)
- Active
Links
- 238000010276 construction Methods 0.000 title claims abstract description 501
- 238000000034 method Methods 0.000 title claims abstract description 375
- 238000004088 simulation Methods 0.000 title claims abstract description 73
- 230000008569 process Effects 0.000 claims abstract description 247
- 238000005457 optimization Methods 0.000 claims abstract description 148
- 238000012545 processing Methods 0.000 claims abstract description 47
- 238000012163 sequencing technique Methods 0.000 claims abstract description 35
- 238000011282 treatment Methods 0.000 claims abstract description 34
- 239000013598 vector Substances 0.000 claims abstract description 34
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 18
- 238000004458 analytical method Methods 0.000 claims description 39
- 238000013439 planning Methods 0.000 claims description 35
- 238000011156 evaluation Methods 0.000 claims description 18
- 238000001914 filtration Methods 0.000 claims description 14
- 238000007726 management method Methods 0.000 claims description 10
- 238000010586 diagram Methods 0.000 claims description 8
- 238000001514 detection method Methods 0.000 claims description 7
- 238000005516 engineering process Methods 0.000 claims description 5
- 230000002068 genetic effect Effects 0.000 claims description 5
- 239000002245 particle Substances 0.000 claims description 5
- 238000002922 simulated annealing Methods 0.000 claims description 5
- 230000010354 integration Effects 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 description 11
- 238000000605 extraction Methods 0.000 description 7
- 230000008901 benefit Effects 0.000 description 6
- 238000013461 design Methods 0.000 description 5
- 239000000284 extract Substances 0.000 description 5
- 238000013468 resource allocation Methods 0.000 description 5
- 230000000007 visual effect Effects 0.000 description 4
- 230000008859 change Effects 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 230000006872 improvement Effects 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000002301 combined effect Effects 0.000 description 2
- 230000004927 fusion Effects 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000009960 carding Methods 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 230000001934 delay Effects 0.000 description 1
- 238000010230 functional analysis Methods 0.000 description 1
- 238000012423 maintenance Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000003908 quality control method Methods 0.000 description 1
- 230000003252 repetitive effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及市政工程技术领域,尤其涉及一种基于市政工程的工程施工仿真方法及系统。该方法包括以下步骤:利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维点云数据包括场地的三维模型数据以及稠密点云数据;获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据。本发明通过资源约束排序算法对市政工程进行资源调度协调,提高了资源利用率。
Description
技术领域
本发明涉及市政工程技术领域,尤其涉及一种基于市政工程的工程施工仿真方法及系统。
背景技术
市政工程是指城市建设中的道路、桥梁、隧道、水利、排水、供水、供气、供热、供电、通信、环境保护等公共设施工程。市政工程的设计和施工涉及多个专业和领域,需要进行综合的规划和协调,同时也要考虑工程的安全、质量、效率、成本和环境影响等因素。市政工程的施工过程中,往往会遇到各种不确定性和风险,如地质条件、气候变化、施工设备、人力资源、材料供应、施工方案、工程变更,这些因素会影响工程的进度、质量和成本,甚至导致工程事故和纠纷。但是在市政工程的工程施工仿真时往往存在不同工序之间动态关系复杂,工序依赖性和调度强耦合难以建模的问题。
发明内容
基于此,本发明有必要提供一种基于市政工程的工程施工仿真方法及系统,以解决至少一个上述技术问题。
为实现上述目的,一种基于市政工程的工程施工仿真方法,包括以下步骤:
步骤S1:利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维点云数据包括场地的三维模型数据以及稠密点云数据;
步骤S2:获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
步骤S3:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;
步骤S4:根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
步骤S5:根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
本发明通过遥感设备对施工场地进行高精度的三维扫描,可以获取场地的准确三维模型数据和稠密点云数据。这有助于建立精确的场地模型,提供施工规划和优化的基础数据。通过对场地三维点云数据进行清晰度优化处理和特征参数提取,可以得到场地的特征向量数据。利用这些特征向量数据,结合施工方案数据,可以进行多目标优化处理,得到施工的优化方案数据。这有助于提高施工的效率和质量。通过对施工优化方案数据进行工序分解处理,可以得到具体的工程施工工序数据。同时,对工程施工工序数据进行功能抽象处理,可以得到施工功能模块数据。此外,提取共享资源数据,有助于合理规划和管理施工所需的资源。这些处理有助于对施工流程进行细化和优化。通过捕捉功能模块之间的依赖关系和调度要求,得到功能模块关系数据。根据这些数据,对共享资源进行约束排序,得到共享资源的优先权限列表。通过对工程施工工序数据进行调度优化处理,可以得到施工步骤顺序列表。该发明通过梳理工序的依赖关系与共享资源进行约束排序,解决了工序依赖性和调度强耦合难以建模的问题。这有助于合理安排施工步骤,提高施工效率和资源利用率。通过根据施工步骤顺序列表和三维模型数据进行数字化过程模拟,可以实现对市政工程的工程施工的仿真。这有助于预测施工过程中可能遇到的问题和冲突,并提前进行调整和优化。通过仿真,可以减少施工风险,提高施工质量和效率,节约成本。
本发明还提供一种基于市政工程的工程施工仿真系统,用于执行上述的基于市政工程的工程施工仿真方法,所述基于市政工程的工程施工仿真系统包括:
三维扫描模块,用于利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维数据包括场地的三维模型数据以及稠密点云数据;
特征分析模块,用于获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
工序规划模块,用于对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;
资源管理模块,用于根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
数字模拟模块,用于根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
本发明通过三维扫描模块获取场地的高精度三维点云数据,可以准确地捕捉施工场地的形状、结构和地形信息。这有助于建立真实且精确的场地模型,为后续的施工规划、分析和优化提供可靠的基础数据。特征分析模块利用场地三维点云数据,通过重建清晰度优化和特征参数提取,可以提取出场地的关键特征信息。这些特征信息可以用于优化施工方案,使得施工过程更加高效和可靠。多目标优化处理可以平衡不同目标之间的权衡,以得到综合考虑多个因素的最佳施工优化方案。工序规划模块将施工优化方案数据进行工序分解,将复杂的施工过程分解为可管理和实施的工序。通过功能抽象处理,可以将工序简化为更高层次的施工功能模块,提高施工的可理解性和可管理性。共享资源的提取有助于识别和管理多个工序之间可能共享的资源,提高资源利用效率和施工效率。资源管理模块帮助捕捉施工功能模块之间的依赖关系和调度要求,确保施工过程中的资源合理分配和协调。通过资源约束排序和调度优化处理,可以确定共享资源的优先级和顺序,以最大程度地优化资源利用和施工进度,提高施工效率和质量。数字模拟模块利用施工步骤顺序列表和三维模型数据进行数字化过程模拟,可以在虚拟环境中模拟和预测实际施工过程。这有助于发现和解决施工中的潜在问题,优化施工顺序,预测资源需求和冲突,提前规划和调整施工计划。通过工程施工仿真,可以减少施工中的错误和风险,提高施工质量和效率,降低成本和延误风险。综上所述,以上步骤包括:提供高精度的场地数据,为施工规划和优化提供可靠基础。实现施工方案的多目标优化,提高施工效率和质量。将复杂的施工过程分解为可管理和实施的工序,提高施工可理解性和可管理性。确保资源合理分配和协调,提高资源利用效率和施工进度。数字化过程模拟可以提前发现和解决问题,优化施工计划,降低风险和成本。这些效果的综合作用可以提高市政工程的施工质量、效率和可持续性。
附图说明
通过阅读参照以下附图所作的对非限制性实施所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明基于市政工程的工程施工仿真方法的步骤流程示意图;
图2为图1中步骤S1的详细步骤流程示意图;
图3为图1中步骤S2的详细步骤流程示意图。
具体实施方式
下面结合附图对本发明专利的技术方法进行清楚、完整的描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域所属的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。
此外,附图仅为本发明的示意性图解,并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分,因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体,不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体,或在一个或多个硬件模块或集成电路中实现这些功能实体,或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。
应当理解的是,虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元,但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说,在不背离示例性实施例的范围的情况下,第一单元可以被称为第二单元,并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。
为实现上述目的,请参阅图1至图3,本发明提供了一种基于市政工程的工程施工仿真方法,包括以下步骤:
步骤S1:利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维点云数据包括场地的三维模型数据以及稠密点云数据;
步骤S2:获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
步骤S3:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;
步骤S4:根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
步骤S5:根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
本发明实施例中,参考图1所述,为本发明一种基于市政工程的工程施工仿真方法的步骤流程示意图,在本实例中,所述的基于市政工程的工程施工仿真方法包括以下步骤:
步骤S1:利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维点云数据包括场地的三维模型数据以及稠密点云数据;
本发明实施例使用高精度的遥感设备,如激光扫描仪(LiDAR)或结构光扫描仪,对施工场地进行扫描。使用高精度的遥感设备(如激光扫描仪或结构光扫描仪)对施工场地进行扫描,以获取场地的三维点云数据。通过扫描设备生成的数据,可以得到场地的三维模型数据和稠密点云数据。
步骤S2:获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
本发明实施例对场地三维点云数据进行重建清晰度优化处理,以提高点云数据的质量和精度。对重建后的场地数据进行特征参数提取,以获取场地的特征向量数据。获取施工方案数据,包括施工任务、工序和资源需求等。将场地特征向量数据与施工方案数据进行多目标优化处理,以得到施工优化方案数据,该方案可以综合考虑场地特征和施工需求,以提高施工效率和质量。
步骤S3:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;
本发明实施例对施工优化方案数据进行工序分解处理,将施工任务和工序拆分为更小的可执行单元。对工程施工工序数据进行功能抽象处理,将每个工序的功能和目标进行概括和描述。从工程施工工序数据中提取共享资源,包括人力、设备、材料等,形成共享资源数据,以便后续的调度和优化。
步骤S4:根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
本发明实施例根据施工功能模块数据,捕捉工序之间的依赖关系和调度要求,形成功能模块关系数据。这些关系可以包括工序的先后顺序、前置条件和资源依赖等。根据功能模块关系数据,对共享资源数据进行资源约束排序,以确定共享资源的优先权限列表。这可以帮助确定资源的分配和调度顺序,以最大程度地满足施工需求。根据优先权限列表,对工程施工工序数据进行调度优化处理,以得到最优的施工步骤顺序列表。这样可以确保施工过程中的资源利用效率最大化,并满足工序之间的依赖关系和调度要求。
步骤S5:根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
本发明实施例根据施工步骤顺序列表和场地的三维模型数据,进行数字化过程模拟,即在计算机环境中模拟施工过程。利用三维模型数据,模拟施工过程中的各个步骤,包括设备操作、资源调度、材料运输等。这可以帮助预测施工过程中的潜在问题和冲突,并进行合理的调整和优化。数字化过程模拟和施工仿真可以提前发现施工中可能的问题和风险,优化工序安排和资源利用,从而提高施工效率、减少成本和提高工程质量。
本发明通过遥感设备对施工场地进行高精度的三维扫描,可以获取场地的准确三维模型数据和稠密点云数据。这有助于建立精确的场地模型,提供施工规划和优化的基础数据。通过对场地三维点云数据进行清晰度优化处理和特征参数提取,可以得到场地的特征向量数据。利用这些特征向量数据,结合施工方案数据,可以进行多目标优化处理,得到施工的优化方案数据。这有助于提高施工的效率和质量。通过对施工优化方案数据进行工序分解处理,可以得到具体的工程施工工序数据。同时,对工程施工工序数据进行功能抽象处理,可以得到施工功能模块数据。此外,提取共享资源数据,有助于合理规划和管理施工所需的资源。这些处理有助于对施工流程进行细化和优化。通过捕捉功能模块之间的依赖关系和调度要求,得到功能模块关系数据。根据这些数据,对共享资源进行约束排序,得到共享资源的优先权限列表。通过对工程施工工序数据进行调度优化处理,可以得到施工步骤顺序列表。这有助于合理安排施工步骤,提高施工效率和资源利用率。通过根据施工步骤顺序列表和三维模型数据进行数字化过程模拟,可以实现对市政工程的工程施工的仿真。这有助于预测施工过程中可能遇到的问题和冲突,并提前进行调整和优化。通过仿真,可以减少施工风险,提高施工质量和效率,节约成本。
优选地,步骤S1包括以下步骤:
步骤S11:采集施工场地的范围、形状及地形特点,并规划遥感设备的飞行路线和覆盖区域,从而得到遥感规划数据;
步骤S12:利用遥感设备根据遥感规划数据对施工场地进行高精度的三维扫描,从而得到原始图像数据;
步骤S13:对原始图像数据进行特征点配准,从而得到图像配准数据;
步骤S14:对图像配准数据进行多视图整合拼接,从而得到立体图像拼接数据;
步骤S15:通过多视图等高线匹配技术对立体图像拼接数据进行三维重建,从而得到三维模型数据;
步骤S16:利用激光扫描仪对施工场地进行多站立体扫描,从而得到稠密点云数据;
步骤S17:将三维模型数据以及稠密点云数据合并为场地三维点云数据。
作为本发明的一个实施例,参考图2所示,为图1中步骤S1的详细步骤流程示意图,在本发明实施例中步骤S1包括以下步骤:
步骤S11:采集施工场地的范围、形状及地形特点,并规划遥感设备的飞行路线和覆盖区域,从而得到遥感规划数据;
本发明实施例利用地理信息系统(GIS)或其他相关软件,获取施工场地的范围、形状和地形特点等地理信息数据。根据施工场地的地理信息数据,规划遥感设备的飞行路线和覆盖区域。这可以包括确定遥感设备的起飞点、飞行高度、飞行速度等参数,并确保遥感设备可以覆盖整个施工场地。根据遥感规划数据,生成遥感设备的飞行计划和任务,以便后续的遥感数据采集。
步骤S12:利用遥感设备根据遥感规划数据对施工场地进行高精度的三维扫描,从而得到原始图像数据;
本发明实施例根据遥感规划数据,使用高精度的遥感设备进行三维扫描。这可以包括使用激光扫描仪(LiDAR)或结构光扫描仪等设备进行扫描。遥感设备将获取施工场地的原始图像数据,这些数据可以是点云数据或图像数据的形式。
步骤S13:对原始图像数据进行特征点配准,从而得到图像配准数据;
本发明实施例对施工场地的原始图像数据进行特征点提取,并利用特征点匹配算法将多个图像数据进行配准。这可以帮助将不同视角的图像数据对准到同一个坐标系统中。配准后的数据可以包括图像的位置、姿态和尺度等信息,称为图像配准数据。
步骤S14:对图像配准数据进行多视图整合拼接,从而得到立体图像拼接数据;
本发明实施例利用图像配准数据,对多个视角的图像数据进行整合和拼接。这可以通过图像拼接算法来实现,如基于特征点匹配的图像拼接算法。整合拼接后的数据可以得到立体图像拼接数据,包括多个视角的图像在同一个场景中的完整视图。
步骤S15:通过多视图等高线匹配技术对立体图像拼接数据进行三维重建,从而得到三维模型数据;
本发明实施例利用立体图像拼接数据,通过多视图等高线匹配技术进行三维重建。这可以包括使用视差估计算法、三角测量算法等方法来恢复场景的三维形状和结构。三维重建后,可以得到施工场地的三维模型数据,包括地形、建筑物和其他场地特征的三维表示。
步骤S16:利用激光扫描仪对施工场地进行多站立体扫描,从而得到稠密点云数据;
本发明实施例使用激光扫描仪对施工场地进行多站立体扫描。这可以通过在不同位置和角度上设置激光扫描仪,并进行扫描操作来实现。激光扫描仪将获取施工场地的稠密点云数据,其中包括大量的三维坐标点,用于表示场地的几何形状和细节。
步骤S17:将三维模型数据以及稠密点云数据合并为场地三维点云数据。
本发明实施例将步骤S15中得到的三维模型数据与步骤S16中得到的稠密点云数据进行合并。这可以通过点云配准和融合算法来实现,将两者的数据对齐并融合为一个统一的三维点云数据集。合并后的场地三维点云数据将包含场地的几何形状、细节以及其他特征信息,可用于后续的施工规划、设计和分析等应用。
本发明通过采集施工场地的范围、形状和地形特点,并规划遥感设备的飞行路线和覆盖区域,可以确保遥感数据的全面性和准确性。这有助于提供良好的数据基础,为后续的施工场地分析和规划提供准确的信息。利用遥感设备对施工场地进行高精度的三维扫描,可以获取场地的原始图像数据。这有助于捕捉场地的细节和特征,提供高分辨率的数据基础。通过对原始图像数据进行特征点配准,可以将不同视角的图像进行对齐,得到图像配准数据。这有助于消除图像之间的差异,提高后续处理的精度和准确性。利用图像配准数据,对不同视角的图像进行多视图整合拼接,得到立体图像拼接数据。这有助于获得全景式的场地视图,提供更加全面和立体的信息。通过多视图等高线匹配技术对立体图像拼接数据进行三维重建,可以生成场地的三维模型数据。这有助于准确还原场地的形状和结构,提供更加真实和可视化的场地信息。利用激光扫描仪对施工场地进行多站立体扫描,可以获取高密度的点云数据。这有助于捕捉场地的细节和形状,提供精确的地形和物体表面信息。将三维模型数据和稠密点云数据合并为场地三维点云数据,可以综合利用两种数据的优势,提供更加精确和完整的场地信息。这有助于为施工规划和优化提供准确的基础数据。
优选地,步骤S2包括以下步骤:
步骤S21:获取施工方案数据;
步骤S22:对场地三维点云数据进行滤波处理,从而得到去噪点云数据;
步骤S23:利用表面重建算法对去噪点云数据进行重建清晰度优化处理,从而得到三维曲面模型数据;
步骤S24:对三维曲面模型数据进行场地的特征参数提取,从而得到场地特征向量数据;
步骤S25:根据场地特征向量数据以及施工方案数据建立多目标优化模型,其中多目标优化模型包括目标函数、约束条件、决策变量、不确定参数以及搜索空间;
步骤S26:对多目标优化模型进行智能优化算法求解,从而得到多目标优集数据,其中智能优化算法包括模拟退火算法、遗传算法以及粒子群算法;
步骤S27:根据主要目标法对多目标优集数据进行最优解选取,从而得到施工优化方案数据。
作为本发明的一个实施例,参考图3所示,为图1中步骤S2的详细步骤流程示意图,在本发明实施例中步骤S2包括以下步骤:
步骤S21:获取施工方案数据;
本发明实施例获取与施工项目相关的施工方案数据,这可以包括设计图纸、工程规范、施工计划、材料清单等。施工方案数据提供了关于施工项目的详细信息,包括结构设计、施工过程、材料需求等。
步骤S22:对场地三维点云数据进行滤波处理,从而得到去噪点云数据;
本发明实施例对场地三维点云数据进行滤波处理,以去除噪声和异常点。常用的滤波算法包括统计滤波、半径滤波和高斯滤波等。滤波处理可以提高点云数据的质量和准确性,减少后续处理的误差和干扰。
步骤S23:利用表面重建算法对去噪点云数据进行重建清晰度优化处理,从而得到三维曲面模型数据;
本发明实施例使用表面重建算法对去噪点云数据进行处理,以重建清晰度和连续性。常用的表面重建算法包括基于三角网格的方法,如Delaunay三角剖分和泊松重建算法等。表面重建算法可以将离散的点云数据转换为连续的三维曲面模型,提供更直观和可视化的场地表示。
步骤S24:对三维曲面模型数据进行场地的特征参数提取,从而得到场地特征向量数据;
本发明实施例对三维曲面模型数据进行特征参数提取,以获取场地的关键特征信息。这可以包括计算曲率、法向量、曲面区域和形状描述符等特征。场地特征向量数据可以用于表示场地的形状、结构和其他特征,为后续的施工优化提供基础。
步骤S25:根据场地特征向量数据以及施工方案数据建立多目标优化模型,其中多目标优化模型包括目标函数、约束条件、决策变量、不确定参数以及搜索空间;
本发明实施例结合场地特征向量数据和施工方案数据,建立一个多目标优化模型。这个模型可以包括多个目标函数、约束条件、决策变量和不确定参数,并定义了搜索空间。目标函数可以根据施工方案和场地特征来衡量不同方案的优劣,约束条件用于限制解的可行性,决策变量是施工方案的可调参数,不确定参数是模型中的未知变量。
步骤S26:对多目标优化模型进行智能优化算法求解,从而得到多目标优集数据,其中智能优化算法包括模拟退火算法、遗传算法以及粒子群算法;
本发明实施例使用智能优化算法对建立的多目标优化模型进行求解,以找到一组最优解,即多目标优集数据。常用的智能优化算法包括模拟退火算法、遗传算法和粒子群算法等。这些算法通过在搜索空间中进行迭代和优化,寻找最优解集合,可以考虑多个目标之间的权衡和约束。
步骤S27:根据主要目标法对多目标优集数据进行最优解选取,从而得到施工优化方案数据。
本发明实施例根据施工项目的需求和优化目标,采用主要目标法从多目标优集数据中选择最优解。主要目标法可以根据施工方案的重要性和优化目标的权重,选取最优解作为最终的施工优化方案数据。最终施工优化方案数据可以包括最优的决策变量取值,以及满足约束条件和优化目标的施工方案。这可以作为实施施工项目的参考,并提供了一种优化的解决方案。
本发明获取施工方案数据可以提供施工过程中所需的各项信息,包括设计图纸、工程规范、施工计划、材料清单等。这有助于建立施工规划和优化的基础数据,确保施工过程的顺利进行。对场地三维点云数据进行滤波处理可以去除噪声和异常点,得到去噪点云数据。这有助于提高点云数据的质量和准确性,为后续处理提供更可靠的数据基础。利用表面重建算法对去噪点云数据进行重建清晰度优化处理,可以得到更加清晰和精确的三维曲面模型数据。这有助于准确还原场地的形状和结构,提供更真实的场地信息。对三维曲面模型数据进行特征参数提取,可以得到场地的特征向量数据。这些特征向量数据能够描述场地的形状、结构和特点,为后续的多目标优化提供基础。根据场地特征向量数据和施工方案数据,建立多目标优化模型。该模型包括目标函数、约束条件、决策变量、不确定参数和搜索空间等要素,用于描述和优化施工过程中的多个目标和约束。通过建立多目标优化模型,可以综合考虑施工效率、质量、成本等多个因素,提供更优化的施工方案。利用智能优化算法(如模拟退火算法、遗传算法、粒子群算法等)对多目标优化模型进行求解,得到多目标优集数据。这些算法能够在搜索空间中进行全局或局部搜索,寻找最优解或接近最优解的解集。通过智能优化算法的求解,可以找到施工过程中多个目标之间的平衡点,提供更优化的施工方案。根据主要目标法对多目标优集数据进行最优解选取,从中选择最具有综合优势的解作为施工优化方案数据。这有助于确定最佳的施工策略和决策变量取值,提高施工效率和质量,降低成本和风险。
优选地,步骤S3包括以下步骤:
步骤S31:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据,其中工程施工工序数据包括工序工期数据、工序资源数据、工序质量数据以及工序功能数据;
本发明实施例对施工优化方案数据进行工序分解,将施工过程划分为不同的工序。每个工序包括工期、资源、质量和功能等方面的数据。工序工期数据表示每个工序的预计完成时间,工序资源数据表示每个工序所需的人力、设备和材料等资源,工序质量数据表示每个工序要求的质量标准,工序功能数据表示每个工序的功能要求和约束。
步骤S32:对工程施工工序数据进行工序的功能目标、功能要求以及功能约束分析,从而得到工序功能分析数据;
本发明实施例根据工程施工工序数据,对每个工序的功能目标、功能要求和功能约束进行详细分析。功能目标是指每个工序需要实现的具体目标,功能要求是指每个工序需要满足的特定要求,功能约束是指每个工序的限制条件,如安全性、可靠性和环境要求等。工序功能分析数据提供了对每个工序功能的全面理解和描述,为后续的工序规划和实施提供依据。
步骤S33:对工序功能分析数据进行功能抽象处理,从而得到施工功能模块数据;
本发明实施例对工序功能分析数据进行功能抽象处理,将相似的功能归类到不同的功能模块中。功能抽象可以将复杂的工序功能分解为更小的功能单元,以便更好地理解和管理工序功能。施工功能模块数据提供了对工序功能的模块化描述,可以用于组织和管理施工过程中的功能实现。
步骤S34:根据工程施工工序数据对工序所需的资源类型、数量以及质量进行统计,从而得到工序资源统计数据;
本发明实施例根据工程施工工序数据,对每个工序所需的资源进行统计,包括资源类型、数量和质量等方面的数据。资源类型可以包括人力资源、设备资源和材料资源等,资源数量表示每个工序所需的资源数量,资源质量表示资源的质量要求。工序资源统计数据提供了对施工过程中资源需求的全面了解,为资源的调配和管理提供依据。
步骤S35:对工序资源统计数据进行共享资源提取,从而得到共享资源数据。
本发明实施例根据工序资源统计数据,识别出可以共享使用的资源。共享资源是指在施工过程中,多个工序可以共同使用的资源,以提高资源利用效率和降低成本。共享资源数据提供了共享资源的清单,以便在施工规划和调度中合理利用这些资源。
本发明通过对施工优化方案数据进行工序分解处理,可以将施工过程细化为一系列的工序,并获取每个工序的工期、资源、质量和功能等相关数据。这有助于对施工过程进行详细的规划和管理,确保工序的顺利进行和协调配合。对工序的功能目标、要求和约束进行分析,可以得到工序功能分析数据。这有助于理解每个工序所需达到的特定功能目标,以及实现这些目标所需的功能要求和限制条件。通过工序功能分析,可以确保施工过程中每个工序的功能需求得到满足。通过对工序功能分析数据进行功能抽象处理,可以得到施工功能模块数据。这些数据描述了每个工序所涉及的功能模块和相关信息,有助于将施工过程分解为可管理和实施的功能单元。通过施工功能模块数据,可以对施工过程进行更精细的控制和优化。根据工程施工工序数据,对每个工序所需的资源类型、数量和质量进行统计,得到工序资源统计数据。这有助于全面了解施工过程中资源的需求情况,包括人力、材料、设备等方面的资源。通过工序资源统计数据,可以进行资源的合理分配和管理,确保施工过程的顺利进行。对工序资源统计数据进行共享资源提取,得到共享资源数据。共享资源是指多个工序之间可以互相共享使用的资源,例如共同使用的设备、场地或人力资源。通过提取共享资源数据,可以实现资源的优化利用和共享,减少资源的浪费和重复投入,提高施工效率和经济性。
优选地,步骤S33包括以下步骤:
步骤S331:根据工序功能分析数据确定功能抽象的目标和原则,从而得到功能抽象规范数据;
本发明实施例根据工序功能分析数据,明确功能抽象的目标和原则。功能抽象的目标是为了简化和归纳工序功能,使其更易于理解和管理。功能抽象的原则可以包括保持功能的完整性和一致性,合理划分功能模块等。功能抽象规范数据提供了对功能抽象过程的具体规范和指导,确保功能抽象结果符合预期目标和原则。
步骤S332:根据功能抽象规范数据对工序功能分析数据进行功能分类,从而得到施工功能分类数据,其中施工功能分类数据包括功能分类依据数据、功能分类结果数据以及功能分类说明数据;
本发明实施例根据功能抽象规范数据中的功能分类依据,对工序功能分析数据进行分类。功能分类依据可以是功能的相似性、关联性或者层次结构等。对每个工序功能进行分类后,生成功能分类结果数据,它包括每个功能分类的具体内容和标识。功能分类说明数据提供了对功能分类过程的说明和解释,确保功能分类结果的准确性和可理解性。
步骤S333:根据预设的抽象粒度对施工功能分类数据进行功能抽象,从而得到施工功能模块数据。
本发明实施例根据预设的抽象粒度,对施工功能分类数据进行功能抽象。抽象粒度可以是根据功能的层次结构进行逐层抽象,或者根据功能的相似性进行整合抽象。对每个功能分类进行抽象后,生成施工功能模块数据,它描述了每个功能模块的组成和特点。施工功能模块数据提供了对施工过程中功能模块化的描述,为后续的工序规划和实施提供依据。
本发明通过确定功能抽象的目标和原则,可以确立功能抽象的准则和标准,为功能抽象过程提供指导和规范。功能抽象的目标可以包括简化复杂的功能结构、提高可复用性、降低耦合度等。功能抽象规范数据为后续的功能分类和功能抽象提供了指导性的依据。通过对工序功能分析数据进行功能分类,可以将相似的功能归类到同一类别中,得到施工功能分类数据。这有助于理清施工过程中的功能关系和依赖,为功能抽象和模块化提供基础。功能分类数据包括功能分类依据数据、功能分类结果数据和功能分类说明数据,用于描述功能分类的基准、结果和解释。根据预设的抽象粒度,对功能分类数据进行功能抽象,得到施工功能模块数据。功能抽象是将功能分类数据进一步简化和概括,提取出功能的核心和关键部分,形成独立的功能模块。通过功能抽象,可以实现功能的重用和模块化,提高施工过程的可管理性和灵活性。施工功能模块数据为后续的施工规划、资源分配和工序安排提供了基础。
优选地,步骤S4包括以下步骤:
步骤S41:根据施工功能模块数据构建功能模块关系图,其中节点表示施工功能模块,边表示工序之间的依赖关系,边的权重表示工序之间的最小间隔时间;
本发明实施例使用施工功能模块数据,将每个功能模块表示为图中的节点,并根据工序之间的依赖关系,添加边连接节点。边的权重可以表示工序之间的最小间隔时间,即在顺序执行工序的情况下,需要等待的最短时间间隔。功能模块关系图提供了对工序之间依赖关系的可视化表示,有助于理解工序之间的关系和优化工序执行顺序。
步骤S42:对功能模块关系图进行关键路径与约束关系识别,从而得到路径及关系数据;
本发明实施例对功能模块关系图进行关键路径分析,识别出决定项目总工期的关键路径,即最长路径。同时,识别出不同功能模块之间的约束关系,如紧前关系、紧后关系和并行关系等。路径及关系数据提供了对关键路径和约束关系的描述,为后续的工序调度和优化提供依据。
步骤S43:根据路径及关系数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;
本发明实施例根据路径及关系数据,捕捉工序之间的依赖关系和调度要求。依赖关系指示了工序之间的先后执行顺序,调度要求包括工序之间的最小间隔时间和并行执行的限制等。功能模块关系数据提供了对工序之间关系和调度要求的详细描述,为后续的工序调度和优化提供依据。
步骤S44:收集工程施工可利用资源的可用性指标、成本指标以及效率指标,从而得到可用资源数据;
本发明实施例收集工程施工可利用资源的可用性指标,包括资源的可获得性和可用性时间段等。收集资源的成本指标,包括资源的租赁费用、维护费用和人力成本等。收集资源的效率指标,包括资源的利用效率和生产效率等。可用资源数据提供了对可利用资源的详细描述和评估,为资源的调度和优化提供依据。
步骤S45:根据工序资源统计数据以及功能模块关系数据构建资源接管依赖图谱;
本发明实施例根据工序资源统计数据和功能模块关系数据,构建资源接管依赖图谱。资源接管依赖图谱表示了不同工序之间对资源的需求和共享关系。资源接管依赖图谱提供了对资源需求和共享的全面了解,为资源调度和优化提供依据。
步骤S46:对资源接管依赖图谱进行语义过滤,从而获得劳动密集型资源列表;
本发明实施例对资源接管依赖图谱进行语义过滤,筛选出劳动密集型资源,即对人工劳动需求较高的资源。语义过滤可以根据资源的描述、属性和特征进行判断和筛选。
步骤S47:根据可用资源数据对劳动密集型资源列表进行资源约束排序,从而得到共享资源的优先权限列表;
本发明实施例根据可用资源数据,对劳动密集型资源列表进行资源约束排序。资源约束排序可以根据资源的可获得性、可用性时间段、成本指标和效率指标等进行排序和评估。资源约束排序的目的是确定资源的优先级,以便在资源有限的情况下,合理安排资源的分配和利用。共享资源的优先权限列表提供了对资源优先级的描述和排序,为后续的工序调度和资源分配提供依据。
步骤S48:根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表。
本发明实施例根据共享资源的优先权限列表,对工程施工工序数据进行调度优化处理。调度优化可以考虑资源的可用性、依赖关系、时间约束和效率等因素。通过合理安排工序的执行顺序,最大限度地提高资源利用率、减少等待时间和缩短项目总工期。施工步骤顺序列表提供了对工序执行顺序的安排和优化结果,为施工项目的实施提供具体指导。
本发明通过构建功能模块关系图,将施工功能模块表示为节点,工序之间的依赖关系表示为边,边的权重表示工序之间的最小间隔时间。这有助于可视化施工过程中功能模块之间的关系,帮助理解和分析工序之间的依赖关系,以及它们之间的时间约束。对功能模块关系图进行关键路径和约束关系的识别,得到路径及关系数据。关键路径是指施工过程中的最长路径,决定了整个工程的最短完成时间。通过识别关键路径和约束关系,可以确定施工过程中的关键工序和时间约束,有助于资源调度和进度控制。根据路径及关系数据,捕捉工序之间的依赖关系和调度要求。这有助于确定每个工序的前置工序和后续工序,以及它们之间的调度要求。通过捕捉依赖关系和调度要求,可以进行工序的合理安排和优化,确保施工过程的顺利进行。收集工程施工可利用资源的可用性指标、成本指标和效率指标,得到可用资源数据。这有助于了解可用资源的供给情况和特性,包括劳动力、材料、设备等。通过收集可用资源数据,可以为后续的资源调度和优化提供参考和依据。根据工序资源统计数据和功能模块关系数据,构建资源接管依赖图谱。资源接管依赖图谱描述了工序之间的资源需求和共享关系,有助于理清资源的流动和共享方式,为资源调度和优化提供基础。对劳动密集型资源列表按照可用资源数据中的约束排序,得到共享资源的优先权限列表。通过对劳动密集型资源列表进行排序,可以确定资源的优先级和调度顺序,确保资源的合理分配和利用。根据优先权限列表对工程施工工序数据进行调度优化处理,得到施工步骤顺序列表。通过调度优化处理,可以合理安排工序的顺序和时间,优化施工过程的效率和资源利用率,确保施工的顺利进行和质量的控制。施工步骤顺序列表提供了施工过程的详细计划和顺序,为实际施工提供指导和依据。
优选地,步骤S47包括以下步骤:
步骤S471:根据功能模块关系数据确定资源约束排序的目标和原则,从而得到资源约束排序规范数据;
本发明实施例分析功能模块关系数据,确定资源约束排序的目标和原则。目标可以包括最小化资源利用成本、最大化资源利用效率、最小化工期等。原则可以包括优先满足关键路径上的资源需求、优先满足紧前工序的资源需求等。资源约束排序规范数据提供了对资源约束排序目标和原则的具体描述和规范,为后续的资源评估和排序提供依据。
步骤S472:根据资源约束排序规范数据对可用资源数据进行资源评估,从而得到资源评估数据;
本发明实施例根据资源约束排序规范数据,对可用资源数据进行资源评估。资源评估考虑资源的可获得性、可用性时间段、成本指标和效率指标等。对每个资源进行评估,确定其在满足资源约束排序目标和原则方面的适用性和优劣程度。资源评估数据提供了对可用资源的具体评估结果,为后续的资源排序和评分提供依据。
步骤S473:根据资源评估数据对劳动密集型资源数据进行资源评分,从而得到资源评分数据;
本发明实施例根据资源评估数据,对劳动密集型资源数据进行资源评分。资源评分可以根据资源的可获得性、可用性时间段、成本指标和效率指标等进行评估和打分。对每个劳动密集型资源进行评分,确定其在资源约束排序目标和原则方面的适用性和优劣程度。资源评分数据提供了对劳动密集型资源的具体评分结果,为后续的资源排序和分组提供依据。
步骤S474:根据资源评分数据对劳动密集型资源数据进行资源排序,从而得到资源排序数据;
本发明实施例根据资源评分数据,对劳动密集型资源数据进行资源排序。根据资源评分,将劳动密集型资源按照得分高低进行排序,确定资源的优先级顺序。资源排序数据提供了对劳动密集型资源的具体排序结果,为后续的资源分组和优先权限列表的生成提供依据。
步骤S475:根据资源排序数据对劳动密集型资源进行资源分组,从而得到资源分组数据;
本发明实施例根据资源排序数据,对劳动密集型资源进行资源分组。可以根据资源的优先级和可用性进行分组,将资源划分为不同的组别。资源分组数据提供了对劳动密集型资源的具体分组结果,为后续的共享资源的优先权限列表的生成提供依据。
步骤S476:根据资源分组数据生成共享资源的优先权限列表。
本发明实施例根据资源分组数据,生成共享资源的优先权限列表。根据资源分组的顺序,依次确定每个组别的资源的优先权限。共享资源的优先权限列表提供了对资源优先级的描述和排序,为后续的工序调度和资源分配提供依据。
本发明通过确定资源约束排序的目标和原则,可以建立资源调度的准则和标准。资源约束排序的目标可能包括提高资源利用效率、降低成本、确保资源供需平衡等。资源约束排序规范数据为后续的资源评估和排序提供了指导性的依据。根据资源约束排序规范数据,对可用资源数据进行资源评估。资源评估是根据资源的可用性指标、成本指标和效率指标,对资源进行综合评价和分类。通过资源评估,可以了解每种资源的特性和适用性,为资源排序和分组提供依据。根据资源评估数据,对劳动密集型资源数据进行资源评分。资源评分是根据资源的特性和评估指标,对资源进行定量评估和比较。通过资源评分,可以确定劳动密集型资源的优劣和适用性,为后续的资源排序提供依据。根据资源评分数据,对劳动密集型资源数据进行排序。资源排序是根据资源评分的结果,按照优先级和约束条件进行排序。通过资源排序,可以确定劳动密集型资源的调度顺序和优先级,以便合理安排资源的分配和利用。根据资源排序数据,将劳动密集型资源进行资源分组。资源分组是将具有相似特性或相近优先级的资源归类到同一组别中。通过资源分组,可以更好地管理和调度资源,提高资源利用效率和协同性。根据资源分组数据,生成共享资源的优先权限列表。共享资源的优先权限列表是根据资源分组和调度要求,确定共享资源的调度顺序和优先级的依据。通过生成共享资源的优先权限列表,可以确保共享资源的合理分配和利用,避免资源冲突和瓶颈,提高施工过程的效率和质量。
优选地,步骤S473中的资源评分采用如下公式:
式中,为劳动密集型资源数据中第个资源的评分,为考核周期,为可用性指
标的权重系数,为第个资源在时刻的可用性指标,为成本指标的权重系数,
为第个资源在时刻的成本指标,为效率指标的权重系数,为第个资源在时刻的效
率指标,为时间积分,为劳动密集型资源数据中资源可用性指标的最大值,为劳动密集型资源数据中资源成本指标的最小值,为劳动密集型资源
数据中资源效率指标的最大值。
本发明通过构建一个对劳动密集型资源数据进行资源评分的公式,用于资源评
分;该公式通过综合考虑资源的可用性、成本和效率指标,对资源的绩效进行评估。可用性
指标衡量资源的可靠性和可获得性,成本指标反映资源的经济效益,效率指标衡量资源的
工作效率。通过综合考虑这些指标,可以全面评估资源的综合表现,而不仅仅关注单个指
标。公式中的权重系数允许根据具体需求和约束情况对不同指标进行调整。这使得资源评
分可以根据项目需求和优先级确定资源的重要性,确保资源选择符合项目目标和约束条
件。公式中的时间积分部分()考虑了资源指标在整个考核
周期内的变化趋势。这使得资源评分可以综合考虑资源在不同时间段的表现和变化情况,
更准确地反映资源的绩效。公式中的除法部分()对评分结果进行了标准化处理。这使得评
分结果可以在不同资源之间进行比较,提高了评分的可比性和可解释性。通过该公式计算
得到的评分可以量化不同劳动密集型资源之间的优劣程度。这有助于确定资源的优先级和
调度顺序,为资源的合理分配和利用提供依据。综上所述,该公式综合考虑了资源的可用
性、成本和效率指标,并通过加权求和和标准化处理,量化评估劳动密集型资源的绩效和优
劣,为资源调度和优化提供科学依据。
优选地,步骤S5包括以下步骤:
步骤S51:将施工步骤顺序列表导入三维模型数据,从而生成施工过程模型数据;
本发明实施例将施工步骤顺序列表与三维模型数据进行关联和匹配。通过将施工步骤与相应的构件、设备和工艺等信息进行关联,将施工步骤顺序列表转化为对应的三维模型数据。施工过程模型数据将提供每个施工步骤在三维空间中的位置、顺序和关联信息,用于后续的碰撞检测、可建性分析和过程优化。
步骤S52:对施工过程模型进行碰撞检测,并进行可建性分析,从而得到施工问题报告数据;
本发明实施例对施工过程模型进行碰撞检测,检查施工过程中各个构件、设备和工序之间的碰撞情况。进行可建性分析,评估施工过程中存在的潜在问题和难点,如施工顺序、空间限制、材料供应等。根据碰撞检测和可建性分析的结果,生成施工问题报告数据,记录并描述施工过程中的问题和建议。
步骤S53:根据施工问题报告数据对施工过程模型进行调整及优化,从而生成过程优化方案数据;
本发明实施例根据施工问题报告数据,对施工过程模型进行调整和优化。调整可以包括修改构件的位置、顺序或属性,调整施工步骤的顺序或方法等。优化可以通过改进施工过程的效率、减少冲突和风险等方面来实现。过程优化方案数据提供了对施工过程模型的改进和优化建议,为后续的施工仿真提供依据。
步骤S54:根据过程优化方案数据对施工过程模型数据进行更新和修正,从而生成施工仿真模型数据;
本发明实施例根据过程优化方案数据,对施工过程模型进行更新和修正。更新可以包括修改构件的位置、属性或顺序,调整施工步骤的顺序或方法等。修正可以通过更改模型中的冲突、错误或不准确的部分来改善模型的准确性和可靠性。施工仿真模型数据提供了经过优化和修正后的施工过程模型,用于后续的工程施工仿真。
步骤S55:根据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
本发明实施例基于施工仿真模型数据,进行工程施工的数字化过程模拟。模拟可以涵盖施工步骤的顺序、时间、资源需求和冲突检测等方面。通过模拟,可以对工程施工过程进行可视化展示、冲突检测和优化分析。工程施工仿真可以帮助理解和评估施工过程,优化施工计划和资源分配,提高工程施工效率和质量。
本发明将施工步骤顺序列表与三维模型数据相结合,可以生成具有时间和空间维度的施工过程模型数据。这样做的好处是可以可视化施工过程,并提供一个基于实际场景的模型来进行后续的分析和优化。通过对施工过程模型进行碰撞检测和可建性分析,可以发现并识别施工过程中可能存在的冲突、干涉或可建性问题。这有助于及早发现并解决潜在的施工障碍,提高施工效率,减少施工期间的错误和重复工作。根据施工问题报告数据,对施工过程模型进行调整和优化,可以提出针对性的过程优化方案。这有助于改进施工策略和方法,最大程度地减少冲突和干涉,提高施工效率和安全性,优化资源利用,并降低施工成本。根据过程优化方案数据,对施工过程模型进行更新和修正,可以生成更精确和可靠的施工仿真模型数据。这样的模型可以提供更准确的施工时间、资源和成本预测,帮助规划和管理施工计划,优化资源分配,提高施工计划的可行性和可靠性。通过对工程施工进行数字化过程模拟和工程施工仿真,可以实现对施工过程的全面分析和评估。这有助于发现潜在的问题和风险,优化施工策略和资源调度,提前预测和解决施工冲突,从而提高施工的效率和质量,减少不必要的成本和延迟。综上所述,以上步骤包括可视化施工过程、发现和解决施工问题、提出过程优化方案、生成精确的施工仿真模型以及实现全面的工程施工仿真。这些效果有助于提高施工过程的效率、质量和可靠性,减少成本和风险,并优化资源利用和时间管理。
本发明还提供一种基于市政工程的工程施工仿真系统,用于执行上述的基于市政工程的工程施工仿真方法,所述基于市政工程的工程施工仿真系统包括:
三维扫描模块,用于利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维数据包括场地的三维模型数据以及稠密点云数据;
特征分析模块,用于获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
工序规划模块,用于对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;
资源管理模块,用于根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
数字模拟模块,用于根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
本发明通过三维扫描模块获取场地的高精度三维点云数据,可以准确地捕捉施工场地的形状、结构和地形信息。这有助于建立真实且精确的场地模型,为后续的施工规划、分析和优化提供可靠的基础数据。特征分析模块利用场地三维点云数据,通过重建清晰度优化和特征参数提取,可以提取出场地的关键特征信息。这些特征信息可以用于优化施工方案,使得施工过程更加高效和可靠。多目标优化处理可以平衡不同目标之间的权衡,以得到综合考虑多个因素的最佳施工优化方案。工序规划模块将施工优化方案数据进行工序分解,将复杂的施工过程分解为可管理和实施的工序。通过功能抽象处理,可以将工序简化为更高层次的施工功能模块,提高施工的可理解性和可管理性。共享资源的提取有助于识别和管理多个工序之间可能共享的资源,提高资源利用效率和施工效率。资源管理模块帮助捕捉施工功能模块之间的依赖关系和调度要求,确保施工过程中的资源合理分配和协调。通过资源约束排序和调度优化处理,可以确定共享资源的优先级和顺序,以最大程度地优化资源利用和施工进度,提高施工效率和质量。数字模拟模块利用施工步骤顺序列表和三维模型数据进行数字化过程模拟,可以在虚拟环境中模拟和预测实际施工过程。这有助于发现和解决施工中的潜在问题,优化施工顺序,预测资源需求和冲突,提前规划和调整施工计划。通过工程施工仿真,可以减少施工中的错误和风险,提高施工质量和效率,降低成本和延误风险。综上所述,以上步骤包括:提供高精度的场地数据,为施工规划和优化提供可靠基础。实现施工方案的多目标优化,提高施工效率和质量。将复杂的施工过程分解为可管理和实施的工序,提高施工可理解性和可管理性。确保资源合理分配和协调,提高资源利用效率和施工进度。数字化过程模拟可以提前发现和解决问题,优化施工计划,降低风险和成本。这些效果的综合作用可以提高市政工程的施工质量、效率和可持续性。
因此,无论从哪一点来看,均应将实施例看作是示范性的,而且是非限制性的,本发明的范围由所附权利要求而不是上述说明限定,因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。
以上所述仅是本发明的具体实施方式,使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的,本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下,在其它实施例中实现。因此,本发明将不会被限制于本文所示的这些实施例,而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。
Claims (8)
1.一种基于市政工程的工程施工仿真方法,其特征在于,包括以下步骤:
步骤S1:利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维点云数据包括场地的三维模型数据以及稠密点云数据;
步骤S2:获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
步骤S3:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;其中,步骤S3具体为:
步骤S31:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据,其中工程施工工序数据包括工序工期数据、工序资源数据、工序质量数据以及工序功能数据;
步骤S32:对工程施工工序数据进行工序的功能目标、功能要求以及功能约束分析,从而得到工序功能分析数据;
步骤S33:对工序功能分析数据进行功能抽象处理,从而得到施工功能模块数据;其中,步骤S33具体为:
步骤S331:根据工序功能分析数据确定功能抽象的目标和原则,从而得到功能抽象规范数据;
步骤S332:根据功能抽象规范数据对工序功能分析数据进行功能分类,从而得到施工功能分类数据,其中施工功能分类数据包括功能分类依据数据、功能分类结果数据以及功能分类说明数据;
步骤S333:根据预设的抽象粒度对施工功能分类数据进行功能抽象,从而得到施工功能模块数据;
步骤S34:根据工程施工工序数据对工序所需的资源类型、数量以及质量进行统计,从而得到工序资源统计数据;
步骤S35:对工序资源统计数据进行共享资源提取,从而得到共享资源数据;
步骤S4:根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
步骤S5:根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
2.根据权利要求1所述的基于市政工程的工程施工仿真方法,其特征在于,步骤S1包括以下步骤:
步骤S11:采集施工场地的范围、形状及地形特点,并规划遥感设备的飞行路线和覆盖区域,从而得到遥感规划数据;
步骤S12:利用遥感设备根据遥感规划数据对施工场地进行高精度的三维扫描,从而得到原始图像数据;
步骤S13:对原始图像数据进行特征点配准,从而得到图像配准数据;
步骤S14:对图像配准数据进行多视图整合拼接,从而得到立体图像拼接数据;
步骤S15:通过多视图等高线匹配技术对立体图像拼接数据进行三维重建,从而得到三维模型数据;
步骤S16:利用激光扫描仪对施工场地进行多站立体扫描,从而得到稠密点云数据;
步骤S17:将三维模型数据以及稠密点云数据合并为场地三维点云数据。
3.根据权利要求2所述的基于市政工程的工程施工仿真方法,其特征在于,步骤S2包括以下步骤:
步骤S21:获取施工方案数据;
步骤S22:对场地三维点云数据进行滤波处理,从而得到去噪点云数据;
步骤S23:利用表面重建算法对去噪点云数据进行重建清晰度优化处理,从而得到三维曲面模型数据;
步骤S24:对三维曲面模型数据进行场地的特征参数提取,从而得到场地特征向量数据;
步骤S25:根据场地特征向量数据以及施工方案数据建立多目标优化模型,其中多目标优化模型包括目标函数、约束条件、决策变量、不确定参数以及搜索空间;
步骤S26:对多目标优化模型进行智能优化算法求解,从而得到多目标优集数据,其中智能优化算法包括模拟退火算法、遗传算法以及粒子群算法;
步骤S27:根据主要目标法对多目标优集数据进行最优解选取,从而得到施工优化方案数据。
4.根据权利要求1所述的基于市政工程的工程施工仿真方法,其特征在于,步骤S4包括以下步骤:
步骤S41:根据施工功能模块数据构建功能模块关系图,其中节点表示施工功能模块,边表示工序之间的依赖关系,边的权重表示工序之间的最小间隔时间;
步骤S42:对功能模块关系图进行关键路径与约束关系识别,从而得到路径及关系数据;
步骤S43:根据路径及关系数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;
步骤S44:收集工程施工可利用资源的可用性指标、成本指标以及效率指标,从而得到可用资源数据;
步骤S45:根据工序资源统计数据以及功能模块关系数据构建资源接管依赖图谱;
步骤S46:对资源接管依赖图谱进行语义过滤,从而获得劳动密集型资源列表;
步骤S47:根据可用资源数据对劳动密集型资源列表进行资源约束排序,从而得到共享资源的优先权限列表;
步骤S48:根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表。
5.根据权利要求4所述的基于市政工程的工程施工仿真方法,其特征在于,步骤S47包括以下步骤:
步骤S471:根据功能模块关系数据确定资源约束排序的目标和原则,从而得到资源约束排序规范数据;
步骤S472:根据资源约束排序规范数据对可用资源数据进行资源评估,从而得到资源评估数据;
步骤S473:根据资源评估数据对劳动密集型资源数据进行资源评分,从而得到资源评分数据;
步骤S474:根据资源评分数据对劳动密集型资源数据进行资源排序,从而得到资源排序数据;
步骤S475:根据资源排序数据对劳动密集型资源进行资源分组,从而得到资源分组数据;
步骤S476:根据资源分组数据生成共享资源的优先权限列表。
6.根据权利要求5所述的基于市政工程的工程施工仿真方法,其特征在于,步骤S473中的资源评分采用如下公式:
;
式中,为劳动密集型资源数据中第/>个资源的评分,/>为考核周期,/>为可用性指标的权重系数,/>为第/>个资源在时刻/>的可用性指标,/>为成本指标的权重系数,/>为第/>个资源在时刻/>的成本指标,/>为效率指标的权重系数,/>为第/>个资源在时刻/>的效率指标,/>为时间积分,/>为劳动密集型资源数据中资源可用性指标的最大值,/>为劳动密集型资源数据中资源成本指标的最小值,/>为劳动密集型资源数据中资源效率指标的最大值。
7.根据权利要求4所述的基于市政工程的工程施工仿真方法,其特征在于,步骤S5包括以下步骤:
步骤S51:将施工步骤顺序列表导入三维模型数据,从而生成施工过程模型数据;
步骤S52:对施工过程模型进行碰撞检测,并进行可建性分析,从而得到施工问题报告数据;
步骤S53:根据施工问题报告数据对施工过程模型进行调整及优化,从而生成过程优化方案数据;
步骤S54:根据过程优化方案数据对施工过程模型数据进行更新和修正,从而生成施工仿真模型数据;
步骤S55:根据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
8.一种基于市政工程的工程施工仿真系统,其特征在于,用于执行如权利要求1所述的基于市政工程的工程施工仿真方法,所述基于市政工程的工程施工仿真系统包括:
三维扫描模块,用于利用遥感设备对施工场地进行高精度的三维扫描,从而生成场地三维点云数据,其中场地三维数据包括场地的三维模型数据以及稠密点云数据;
特征分析模块,用于获取施工方案数据;对场地三维点云数据进行重建清晰度优化处理,并进行场地的特征参数提取,从而得到场地特征向量数据;根据场地特征向量数据对施工方案数据进行多目标优化处理,从而得到施工优化方案数据;
工序规划模块,用于对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据;对工程施工工序数据进行功能抽象处理,从而得到施工功能模块数据;对工程施工工序数据进行共享资源提取,从而得到共享资源数据;所述工序规划模块用于:
步骤S31:对施工优化方案数据进行工序分解处理,从而得到工程施工工序数据,其中工程施工工序数据包括工序工期数据、工序资源数据、工序质量数据以及工序功能数据;
步骤S32:对工程施工工序数据进行工序的功能目标、功能要求以及功能约束分析,从而得到工序功能分析数据;
步骤S33:对工序功能分析数据进行功能抽象处理,从而得到施工功能模块数据;其中,步骤S33具体为:
步骤S331:根据工序功能分析数据确定功能抽象的目标和原则,从而得到功能抽象规范数据;
步骤S332:根据功能抽象规范数据对工序功能分析数据进行功能分类,从而得到施工功能分类数据,其中施工功能分类数据包括功能分类依据数据、功能分类结果数据以及功能分类说明数据;
步骤S333:根据预设的抽象粒度对施工功能分类数据进行功能抽象,从而得到施工功能模块数据;
步骤S34:根据工程施工工序数据对工序所需的资源类型、数量以及质量进行统计,从而得到工序资源统计数据;
步骤S35:对工序资源统计数据进行共享资源提取,从而得到共享资源数据;
资源管理模块,用于根据施工功能模块数据对工序之间的依赖关系及调度要求进行捕捉,从而得到功能模块关系数据;根据功能模块关系数据对共享资源数据进行资源约束排序,从而得到共享资源的优先权限列表;根据优先权限列表对工程施工工序数据进行调度优化处理,从而得到施工步骤顺序列表;
数字模拟模块,用于根据施工步骤顺序列表以及三维模型数据对工程施工进行数字化过程模拟,以实现市政工程的工程施工仿真。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410173489.6A CN117725662B (zh) | 2024-02-07 | 2024-02-07 | 一种基于市政工程的工程施工仿真方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410173489.6A CN117725662B (zh) | 2024-02-07 | 2024-02-07 | 一种基于市政工程的工程施工仿真方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117725662A CN117725662A (zh) | 2024-03-19 |
CN117725662B true CN117725662B (zh) | 2024-04-26 |
Family
ID=90209169
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410173489.6A Active CN117725662B (zh) | 2024-02-07 | 2024-02-07 | 一种基于市政工程的工程施工仿真方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117725662B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295100A (zh) * | 2013-05-28 | 2013-09-11 | 机械工业第六设计研究院有限公司 | 项目管理进度编排方法和系统 |
CN107146143A (zh) * | 2017-05-09 | 2017-09-08 | 张选琪 | 先进制造电子商务平台 |
CN110322492A (zh) * | 2019-07-03 | 2019-10-11 | 西北工业大学 | 一种基于全局优化的空间目标三维点云配准方法 |
CN110619187A (zh) * | 2019-09-25 | 2019-12-27 | 三峡大学 | 一种混凝土坝施工方案及资源冲突检测与调整方法 |
WO2021031336A1 (zh) * | 2019-08-16 | 2021-02-25 | 清华大学 | 一种基于建筑信息模型的施工进度资源自动优化方法 |
CN112767535A (zh) * | 2020-12-31 | 2021-05-07 | 刘秀萍 | 插件式架构的大规模三维点云可视化平台 |
CN113570247A (zh) * | 2021-07-28 | 2021-10-29 | 南京航空航天大学 | 一种基于资源受限条件下的停机位分配多目标优化方法 |
CN115048699A (zh) * | 2022-06-17 | 2022-09-13 | 王宏忻 | 一种基于bim的施工管理方法 |
CN115689030A (zh) * | 2022-11-07 | 2023-02-03 | 清华大学 | 数字化精益施工管理方法、系统、电子设备及存储介质 |
CN116305749A (zh) * | 2022-12-15 | 2023-06-23 | 中国交通信息科技集团有限公司 | 一种桥梁架设工程多要素可视化虚拟建造方法 |
CN116596483A (zh) * | 2023-07-14 | 2023-08-15 | 中路高科交通检测检验认证有限公司 | 一种基于三维数字技术的桥梁施工组织方法 |
CN116862199A (zh) * | 2023-08-17 | 2023-10-10 | 浙江建设职业技术学院 | 基于大数据和云计算的建筑施工优化系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20170053244A1 (en) * | 2015-08-22 | 2017-02-23 | Salim B. KHALIL | Automated, integrated and complete computer program/project management solutions standardizes and optimizes management processes and procedures utilizing customizable and flexible systems and methods |
US20170091688A1 (en) * | 2015-09-30 | 2017-03-30 | Embraer S.A. | Method and system for maintenance services planning and scheduling optimization |
-
2024
- 2024-02-07 CN CN202410173489.6A patent/CN117725662B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103295100A (zh) * | 2013-05-28 | 2013-09-11 | 机械工业第六设计研究院有限公司 | 项目管理进度编排方法和系统 |
CN107146143A (zh) * | 2017-05-09 | 2017-09-08 | 张选琪 | 先进制造电子商务平台 |
CN110322492A (zh) * | 2019-07-03 | 2019-10-11 | 西北工业大学 | 一种基于全局优化的空间目标三维点云配准方法 |
WO2021031336A1 (zh) * | 2019-08-16 | 2021-02-25 | 清华大学 | 一种基于建筑信息模型的施工进度资源自动优化方法 |
CN110619187A (zh) * | 2019-09-25 | 2019-12-27 | 三峡大学 | 一种混凝土坝施工方案及资源冲突检测与调整方法 |
CN112767535A (zh) * | 2020-12-31 | 2021-05-07 | 刘秀萍 | 插件式架构的大规模三维点云可视化平台 |
CN113570247A (zh) * | 2021-07-28 | 2021-10-29 | 南京航空航天大学 | 一种基于资源受限条件下的停机位分配多目标优化方法 |
CN115048699A (zh) * | 2022-06-17 | 2022-09-13 | 王宏忻 | 一种基于bim的施工管理方法 |
CN115689030A (zh) * | 2022-11-07 | 2023-02-03 | 清华大学 | 数字化精益施工管理方法、系统、电子设备及存储介质 |
CN116305749A (zh) * | 2022-12-15 | 2023-06-23 | 中国交通信息科技集团有限公司 | 一种桥梁架设工程多要素可视化虚拟建造方法 |
CN116596483A (zh) * | 2023-07-14 | 2023-08-15 | 中路高科交通检测检验认证有限公司 | 一种基于三维数字技术的桥梁施工组织方法 |
CN116862199A (zh) * | 2023-08-17 | 2023-10-10 | 浙江建设职业技术学院 | 基于大数据和云计算的建筑施工优化系统 |
Non-Patent Citations (3)
Title |
---|
Decomposition Method for New Single-Machine Scheduling Problems From Steel Production Systems;Ziyan Zhao;Shixin Liu;MengChu Zhou;Xiwang Guo;Liang Qi;IEEE Transactions on Automation Science and Engineering;20201231;第17卷(第3期);第1376-1387页 * |
基于BIM的资源受限项目调度集成优化;何立华;王晓东;王慧;工程管理学报;20201231(第04期);第122-127页 * |
计及需求响应的含风电场多目标低碳经济调度;宋云东;周志强;应勇;张远博;刘旭;现代电力;20161231(第06期);第11-17页 * |
Also Published As
Publication number | Publication date |
---|---|
CN117725662A (zh) | 2024-03-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Ukhwah et al. | Asphalt pavement pothole detection using deep learning method based on YOLO neural network | |
WO2018207173A1 (en) | System and method for construction 3d modeling and analysis | |
CN101976248B (zh) | 一种快速识别输变电工程环境风险的方法 | |
CN113723715B (zh) | 公交线网自动匹配道路网络方法、系统、设备及存储介质 | |
Noichl et al. | " BIM-to-Scan" for Scan-to-BIM: Generating Realistic Synthetic Ground Truth Point Clouds based on Industrial 3D Models | |
CN116503705B (zh) | 一种数字城市多源数据的融合方法 | |
CN117496073B (zh) | 一种多时相实景三维模型的构建方法及系统 | |
Guo et al. | Safety monitoring in construction site based on unmanned aerial vehicle platform with computer vision using transfer learning techniques | |
CN117725662B (zh) | 一种基于市政工程的工程施工仿真方法及系统 | |
CN109492065B (zh) | 一种室内语义地图时空关系的抽取方法 | |
CN113987837A (zh) | 铁路选线评价系统及方法 | |
Dekker et al. | Point Cloud Analysis of Railway Infrastructure: A Systematic Literature Review | |
CN117611108B (zh) | 一种城乡建设用地有偿调剂的智能决策构建方法 | |
CN117494905B (zh) | 数字化配重平衡拱桥施工方法及系统 | |
CN117150698B (zh) | 基于数字孪生的智慧城市网格对象构建方法与系统 | |
Bulla | A Bottom-Up Approach for the Automatic Creation of the Digital Staircase Model Using Point Cloud Data and Parametric Prototype Models | |
CN117726081B (zh) | 基于多模态ai大模型的cim智能决策方法及系统 | |
CN116541944B (zh) | 一种基于变电站综合倾斜摄影建模模型的碳排放计算方法 | |
CN118012977B (zh) | 一种基于ai与gis融合的二三维多模态数据处理方法 | |
CN118094196A (zh) | 基于数据分析的土地利用规划方法及规划系统 | |
Lõhmus et al. | Creation of digital twin models for renovation: an integrative literature review | |
Chen et al. | Knowledge dissemination trajectory of BIM in construction engineering applications | |
CN118155073A (zh) | 一种基于YOLOv8改进的烟草植株识别计数方法 | |
Yoon et al. | UAV-based automated 3D modeling framework using deep learning for building energy modeling | |
Kruiper | Automatic recognition of underground utilities in point clouds |
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 |