CN118052666B - 一种基于物联网的公路施工环境监控方法 - Google Patents
一种基于物联网的公路施工环境监控方法 Download PDFInfo
- Publication number
- CN118052666B CN118052666B CN202410445642.6A CN202410445642A CN118052666B CN 118052666 B CN118052666 B CN 118052666B CN 202410445642 A CN202410445642 A CN 202410445642A CN 118052666 B CN118052666 B CN 118052666B
- Authority
- CN
- China
- Prior art keywords
- network
- construction
- monitoring
- data
- optimization
- 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 178
- 238000012544 monitoring process Methods 0.000 title claims abstract description 111
- 238000000034 method Methods 0.000 title claims abstract description 39
- 238000005457 optimization Methods 0.000 claims abstract description 82
- 230000000694 effects Effects 0.000 claims abstract description 80
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 34
- 238000013468 resource allocation Methods 0.000 claims abstract description 31
- 230000008859 change Effects 0.000 claims abstract description 14
- 238000005291 chaos (dynamical) Methods 0.000 claims abstract description 14
- 239000002699 waste material Substances 0.000 claims abstract description 12
- 230000007812 deficiency Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims description 50
- 238000004458 analytical method Methods 0.000 claims description 47
- 238000009826 distribution Methods 0.000 claims description 37
- 238000010586 diagram Methods 0.000 claims description 34
- 238000004088 simulation Methods 0.000 claims description 27
- 230000009471 action Effects 0.000 claims description 12
- 238000011156 evaluation Methods 0.000 claims description 12
- 238000001514 detection method Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 9
- 230000007613 environmental effect Effects 0.000 claims description 7
- 230000006872 improvement Effects 0.000 claims description 7
- 230000010354 integration Effects 0.000 claims description 7
- 239000000463 material Substances 0.000 claims description 7
- 238000012545 processing Methods 0.000 claims description 6
- 230000003044 adaptive effect Effects 0.000 claims description 5
- 230000002159 abnormal effect Effects 0.000 claims description 4
- 230000003631 expected effect Effects 0.000 claims description 4
- 238000011056 performance test Methods 0.000 claims description 4
- 238000003860 storage Methods 0.000 claims description 4
- 230000004913 activation Effects 0.000 claims description 3
- 230000006978 adaptation Effects 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 2
- 238000005516 engineering process Methods 0.000 abstract description 8
- 238000009430 construction management Methods 0.000 abstract description 3
- 238000007405 data analysis Methods 0.000 abstract description 3
- 230000004044 response Effects 0.000 description 12
- 238000012360 testing method Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 8
- 238000013515 script Methods 0.000 description 6
- 238000003066 decision tree Methods 0.000 description 4
- 208000025174 PANDAS Diseases 0.000 description 3
- 208000021155 Paediatric autoimmune neuropsychiatric disorders associated with streptococcal infection Diseases 0.000 description 3
- 240000004718 Panda Species 0.000 description 3
- 235000016496 Panda oleosa Nutrition 0.000 description 3
- 238000009434 installation Methods 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000000007 visual effect Effects 0.000 description 3
- 230000008901 benefit Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 238000003012 network analysis Methods 0.000 description 2
- 238000000513 principal component analysis Methods 0.000 description 2
- PZBPHYLKIMOZPR-FIYGWYQWSA-K 2-[4-[2-[[(2r)-1-[[(4r,7s,10s,13r,16s,19r)-10-(4-aminobutyl)-4-[[(2r,3r)-1,3-dihydroxybutan-2-yl]carbamoyl]-7-[(1r)-1-hydroxyethyl]-16-[(4-hydroxyphenyl)methyl]-13-(1h-indol-3-ylmethyl)-6,9,12,15,18-pentaoxo-1,2-dithia-5,8,11,14,17-pentazacycloicos-19-yl] Chemical compound [68Ga+3].C([C@H](C(=O)N[C@H]1CSSC[C@H](NC(=O)[C@H]([C@@H](C)O)NC(=O)[C@H](CCCCN)NC(=O)[C@@H](CC=2C3=CC=CC=C3NC=2)NC(=O)[C@H](CC=2C=CC(O)=CC=2)NC1=O)C(=O)N[C@H](CO)[C@H](O)C)NC(=O)CN1CCN(CC([O-])=O)CCN(CC([O-])=O)CCN(CC([O-])=O)CC1)C1=CC=CC=C1 PZBPHYLKIMOZPR-FIYGWYQWSA-K 0.000 description 1
- 238000012300 Sequence Analysis Methods 0.000 description 1
- 230000005856 abnormality Effects 0.000 description 1
- 230000006399 behavior Effects 0.000 description 1
- 238000004140 cleaning Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 238000013527 convolutional neural network Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000013135 deep learning Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 239000000428 dust Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 238000005111 flow chemistry technique Methods 0.000 description 1
- 230000004927 fusion Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000008092 positive effect Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000013441 quality evaluation Methods 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 238000012800 visualization Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
- G06N3/092—Reinforcement learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N7/00—Computing arrangements based on specific mathematical models
- G06N7/08—Computing arrangements based on specific mathematical models using chaos models or non-linear system models
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or 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
- G06Q10/067—Enterprise or organisation modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- Software Systems (AREA)
- Mathematical Physics (AREA)
- Molecular Biology (AREA)
- Pure & Applied Mathematics (AREA)
- Nonlinear Science (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Linguistics (AREA)
- Biophysics (AREA)
- Biomedical Technology (AREA)
- Computational Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Algebra (AREA)
- Primary Health Care (AREA)
- Data Exchanges In Wide-Area Networks (AREA)
Abstract
本发明涉及环境监控技术领域,具体为一种基于物联网的公路施工环境监控方法,包括以下步骤:基于施工现场的初始布局和预期变化,在关键施工区域安装环境监测传感器,并部署实时视频捕捉设备,对施工活动动态进行记录,得到监控基础布局图。本发明中,通过物联网技术和混沌理论的结合,显著优化了公路施工环境监控的效果,采用混沌理论分析活动动态识别信息,对资源分配进行深入评估,准确识别资源浪费和不足,应用Q学习算法调整人员和设备配置,提升了资源利用的灵活性和效率,确保施工进度和安全的最优化,通过持续的数据分析和动态调整策略,实现资源配置的实时优化,强化了对施工现场变化的适应能力,从根本上改善了施工管理的质量和效率。
Description
技术领域
本发明涉及环境监控技术领域,尤其涉及一种基于物联网的公路施工环境监控方法。
背景技术
环境监控技术领域是一种利用信息与通信技术,对环境参数进行实时监测、分析和管理的方法。该领域广泛应用于气候变化、空气质量、水质监测,以及公共安全等多个方面,旨在保护环境、预防灾害和改善人类生活质量。特别是在公路施工这类对环境影响较大的活动中,实现对施工现场环境条件的连续监控变得尤为重要。
其中,基于物联网的公路施工环境监控方法是一种运用物联网技术,对公路施工现场的环境状况进行实时监测和管理的技术方法。其目的在于通过对施工现场的温度、噪音、扬尘等关键环境参数的实时监控,及时发现环境问题,采取相应措施,从而保障施工人员的健康和安全,减少施工活动对周围环境的负面影响,实现可持续的施工管理,既保护了环境,也提高了公路施工的效率和质量。
传统方法依赖于静态的、事先规划的资源分配方案,缺乏对施工现场动态变化的实时响应能力,难以适应施工过程中不断变化的需求和环境条件,导致资源利用不充分、效率低下,甚至增加了施工过程中的安全风险。传统方法在资源调整决策上缺乏数据支持,依赖于经验判断,不仅增加了资源调整的难度,也降低了调整措施的准确性和有效性。
发明内容
本发明的目的是解决现有技术中存在的缺点,而提出的一种基于物联网的公路施工环境监控方法。
为了实现上述目的,本发明采用了如下技术方案:一种基于物联网的公路施工环境监控方法,包括以下步骤:
基于施工现场的初始布局和预期变化,在关键施工区域安装环境监测传感器,并部署实时视频捕捉设备,对施工活动动态进行记录,得到监控基础布局图;
基于所述监控基础布局图,分析网络节点间的连接质量和数据传输需求,对网络节点间的连接动态调整,生成动态网络配置方案;
基于所述动态网络配置方案,应用介数中心性和社区检测算法,监测网络中的数据流量分布,调整带宽分配和路径选择,生成网络负载平衡措施;
对所述网络负载平衡措施重新进行评估,优化数据流向和传输路径,并根据评估结果对网络进行再配置,建立数据传输优化网络;
依据所述数据传输优化网络,分析实时视频和传感器数据,识别施工区域内的设备和人员动态,生成活动动态识别信息;
基于所述活动动态识别信息,利用混沌理论分析方法,评估现有资源的分配和使用情况,识别资源利用的不足和浪费,得到资源配置优化记录;
根据所述资源配置优化记录,模拟差异施工方案的执行情况,比较施工方案间的效率和安全性表现,获取施工方案仿真结果;
根据所述施工方案仿真结果,调整施工计划和监控方案,对施工流程和监控策略进行持续优化,建立施工与监控整合方案。
本发明改进有,所述监控基础布局图包括环境传感器分布位置、视频监控点布置、关键作业区识别标记,所述动态网络配置方案包括节点间通信协议类型、数据传输速率调整、网络链路备份选项,所述网络负载平衡措施包括流量监控阈值设置、数据识别规则、备用传输路线激活条件,所述活动动态识别信息包括施工设备移动轨迹、人员聚集区域统计、潜在风险点快照,所述资源配置优化记录包括设备使用时间表、人员轮换计划、物资供应点分布图,所述施工方案仿真结果包括方案实施时间预估、安全性能评级、资源消耗对比图。
本发明改进有,基于所述动态网络配置方案,应用介数中心性和社区检测算法,监测网络中的数据流量分布,调整带宽分配和路径选择,生成网络负载平衡措施的步骤具体为:
基于所述动态网络配置方案,利用介数中心性,监测网络的数据流量分布,实时捕获每个节点的数据流入和流出量,绘制网络流量分布状态,进行流量峰期识别,生成流量分布图;
基于所述流量分布图,应用社区检测算法,分析流量峰期节点的过载情况,若节点流量持续超标,则增加带宽或添加中继节点,并对网络拓扑进行适应性调整,优化网络拥堵,获取网络拥堵缓解措施;
基于所述网络拥堵缓解措施,循环评估调整后的网络性能配置,包括测量调整后的网络延迟和丢包率,并与设定性能目标进行比较,持续优化至符合的性能指标,生成网络负载平衡措施。
本发明改进有,所述介数中心性,按照公式:
,
计算网络中每个节点的改进介数中心性值,生成流量分布图;
其中,为改进后的节点/>介数中心性值,/>为网络中的节点集合;/>为从节点/>到节点/>的最短路径数量,/>为经过节点/>的从节点/>到节点/>的最短路径数量,/>为节点/>到节点/>之间路径的权重系数,/>为节点/>到节点/>的延迟系数,/>为节点/>的流量因子,/>为节点/>的容量系数。
本发明改进有,对所述网络负载平衡措施重新进行评估,优化数据流向和传输路径,并根据评估结果对网络进行再配置,建立数据传输优化网络的步骤具体为:
对所述网络负载平衡措施重新进行评估,重新测量网络节点的延迟和丢包率,对比前后调整的性能指标,得到网络性能对比分析数据;
基于所述网络性能对比分析数据,识别存在问题的节点或路径,根据分析结果调整数据流向和传输路径,包括增加备份路径或重新分配流量,进行网络调优,获取细化网络调优方案;
基于所述细化网络调优方案,应用调整后的配置,再次执行网络性能测试,验证是否符合预期效果,通过迭代优化匹配施工监控需求,建立数据传输优化网络。
本发明改进有,依据所述数据传输优化网络,分析实时视频和传感器数据,识别施工区域内的设备和人员动态,生成活动动态识别信息的步骤具体为:
依据所述数据传输优化网络,对流入的视频流和传感器数据进行筛选,利用时间戳和地理位置信息,标记施工区域内活动频繁的区域和时间段,得到初步活动标记数据;
基于所述初步活动标记数据,对视频流中的序列帧进行处理,识别移动的施工设备和人员,同步分析传感器数据,对温度、湿度或环境参数的异常变化进行识别,生成动态活动和风险点草图;
基于所述动态活动和风险点草图,细化分析每个标识点的活动类型和潜在风险级别,整合关键活动和风险点,验证信息的准确性和时效性,生成活动动态识别信息。
本发明改进有,基于所述活动动态识别信息,利用混沌理论分析方法,评估现有资源的分配和使用情况,识别资源利用的不足和浪费,得到资源配置优化记录的步骤具体为:
基于所述活动动态识别信息,利用混沌理论分析方法,收集并整理施工现场当前的资源分配数据,包括人员分布、设备使用情况和材料存放地点,评估资源的使用效率和潜在浪费点,生成资源使用现状分析记录;
基于所述资源使用现状分析记录,识别资源配置中的问题,包括人员在非关键区域过密、设备闲置或过度使用,通过设置优化目标和改进措施,调整人员和设备配置,得到资源优化调整方案;
基于所述资源优化调整方案,使用Q学习算法,执行重新安排工作人员至关键作业区或调整设备分配,进行需求和作业进度匹配,并监控调整后资源利用的效果,得到资源配置优化记录。
本发明改进有,所述Q学习算法,按照公式:
计算更新后的Q值,得到资源配置优化记录;
其中,为在状态下采取行动的期望奖励,为当前时刻的环境状态,为在状态下选择的行动,为学习率,为执行行动后从状态转移到状态获得的即时奖励,为作业紧急度,为资源适配度,为资源转换成本,为作
业完成率的增量,为折扣率,代表下一个状态行动中最优的期望奖励。
与现有技术相比,本发明的优点和积极效果在于:
本发明中,通过物联网技术和混沌理论的结合,显著优化了公路施工环境监控的效果。采用混沌理论分析活动动态识别信息,对资源分配进行深入评估,准确识别资源浪费和不足。应用Q学习算法调整人员和设备配置,提升了资源利用的灵活性和效率,确保施工进度和安全的最优化。通过持续的数据分析和动态调整策略,实现资源配置的实时优化,强化了对施工现场变化的适应能力,从根本上改善了施工管理的质量和效率。
附图说明
图1为本发明提出一种基于物联网的公路施工环境监控方法的流程图;
图2为本发明提出一种基于物联网的公路施工环境监控方法中步骤S1细化流程示意图;
图3为本发明提出一种基于物联网的公路施工环境监控方法中步骤S2细化流程示意图;
图4为本发明提出一种基于物联网的公路施工环境监控方法中步骤S3细化流程示意图;
图5为本发明提出一种基于物联网的公路施工环境监控方法中步骤S4细化流程示意图;
图6为本发明提出一种基于物联网的公路施工环境监控方法中步骤S5细化流程示意图;
图7为本发明提出一种基于物联网的公路施工环境监控方法中步骤S6细化流程示意图;
图8为本发明提出一种基于物联网的公路施工环境监控方法中步骤S7细化流程示意图;
图9为本发明提出一种基于物联网的公路施工环境监控方法中步骤S8细化流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
在本发明的描述中,需要理解的是,术语“长度”“宽度”“上”“下”“前”“后”“左”“右”“竖直”“水平”“顶”“底”“内”“外”等指示的方位或位置关系为基于附图所示的方位或位置关系,仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,在本发明的描述中,“多个”的含义是两个或两个以上,除非另有明确具体的限定。
实施例
请参阅图1,本发明提供一种技术方案:一种基于物联网的公路施工环境监控方法,包括以下步骤:
S1:基于施工现场的初始布局和预期变化,在关键施工区域安装环境监测传感器,并部署实时视频捕捉设备,对施工活动动态进行记录,得到监控基础布局图;
S2:基于监控基础布局图,分析网络节点间的连接质量和数据传输需求,对网络节点间的连接动态调整,并根据施工活动的实时变化重新配置网络布局,优化数据传输路径,生成动态网络配置方案;
S3:基于动态网络配置方案,应用介数中心性和社区检测算法,监测网络中的数据流量分布,调整带宽分配和路径选择,对负载量进行平衡,生成网络负载平衡措施;
S4:对网络负载平衡措施重新进行评估,优化数据流向和传输路径,并根据评估结果对网络进行再配置,优化数据传输效率,建立数据传输优化网络;
S5:依据数据传输优化网络,分析实时视频和传感器数据,识别施工区域内的设备和人员动态,并记录关键活动和潜在风险点,生成活动动态识别信息;
S6:基于活动动态识别信息,利用混沌理论分析方法,评估现有资源的分配和使用情况,识别资源利用的不足和浪费,调整人员和设备配置,优化资源使用效率,得到资源配置优化记录;
S7:根据资源配置优化记录,模拟差异施工方案的执行情况,比较施工方案间的效率和安全性表现,并选择最优方案,获取施工方案仿真结果;
S8:根据施工方案仿真结果,调整施工计划和监控方案,对施工流程和监控策略进行持续优化,并验证施工流程和监控策略的响应能力,建立施工与监控整合方案。
监控基础布局图包括环境传感器分布位置、视频监控点布置、关键作业区识别标记,动态网络配置方案包括节点间通信协议类型、数据传输速率调整、网络链路备份选项,网络负载平衡措施包括流量监控阈值设置、数据识别规则、备用传输路线激活条件,数据传输优化网络包括网络延迟降低目标值、数据包丢失率控制标准、传输效率提升指标,活动动态识别信息包括施工设备移动轨迹、人员聚集区域统计、潜在风险点快照,资源配置优化记录包括设备使用时间表、人员轮换计划、物资供应点分布图,施工方案仿真结果包括方案实施时间预估、安全性能评级、资源消耗对比图,施工与监控整合方案包括施工进度调整策略、监控频率修改方案、应急响应机制更新。
请参阅图2,基于施工现场的初始布局和预期变化,在关键施工区域安装环境监测传感器,并部署实时视频捕捉设备,对施工活动动态进行记录,得到监控基础布局图的步骤具体为:
S101:基于施工现场的初始布局和预期变化,在关键施工区域安装环境监测传感器,记录温度、湿度和噪音参数,并部署实时视频捕捉设备,捕捉施工现场动态,生成初步监控布局图;
S102:基于初步监控布局图,确定监控设备的最优位置和角度,对传感器和摄像头进行调整,并覆盖关键区域,获取监控设备优化布局;
S103:基于监控设备优化布局,分析传感器数据和视频信息,校准设备并验证数据准确性,调整采集频率匹配至施工活动的实时变化,得到监控基础布局图。
S101子步骤中,基于施工现场的初始布局和预期变化,采用物理安装法和地理信息系统(GIS)软件,进行环境监测传感器的安装位置选择,利用GIS软件的空间分析功能确定关键施工区域,根据施工现场地形和施工计划分析,确定传感器安装的具体位置,采用无线连接方式连接传感器,记录温度、湿度和噪音参数,部署实时视频捕捉设备,使用IP摄像头与无线传输技术捕捉施工现场动态,生成初步监控布局图。
S102子步骤中,基于初步监控布局图,采用视觉覆盖优化算法,利用计算机视觉技术和图像处理方法,对监控设备的最优位置和角度进行确定,通过算法分析监控区域的视觉覆盖范围,确保监控设备覆盖关键区域,对传感器和摄像头进行位置和角度调整,获取监控设备优化布局。
S103子步骤中,基于监控设备优化布局,采用数据融合算法和视频分析技术,利用时间序列分析对传感器数据进行综合分析,结合视频内容分析技术对捕获的视频进行处理,分析传感器数据和视频信息,校准设备并验证数据准确性,调整采集频率以适应施工活动的实时变化,得到监控基础布局图。
请参阅图3,基于监控基础布局图,分析网络节点间的连接质量和数据传输需求,对网络节点间的连接动态调整,并根据施工活动的实时变化重新配置网络布局,优化数据传输路径,生成动态网络配置方案的步骤具体为:
S201:基于监控基础布局图,进行网络现有节点间的连接质量评估,包括测量节点间的通信延迟和数据包丢失率,识别因距离过远或障碍物遮挡导致的信号弱点,确定网络中的潜在瓶颈位置,得到网络性能初评信息;
S202:基于网络性能初评信息,调整网络节点之间的连接,包括在信号弱的区域增加中继节点,对现有网络布局进行分析,持续优化信号和网络拥堵点,获取网络连接优化方案;
S203:基于网络连接优化方案,实施动态网络配置,自动调整网络布局和数据传输路径,包括调整中继节点位置或改变数据优先级,匹配施工现场的实时变化,生成动态网络配置方案。
S201子步骤中,基于监控基础布局图,采用网络性能分析软件,进行网络现有节点间的连接质量评估,利用网络分析工具Wireshark捕获网络数据包,使用Ping和Traceroute命令测量节点间的通信延迟和数据包丢失率,识别因距离过远或障碍物遮挡导致的信号弱点,采用信号强度测试软件如NetSpot进行实地信号强度测量,确定网络中的潜在瓶颈位置,得到网络性能初评信息。
S202子步骤中,基于网络性能初评信息,采用网络拓扑优化算法,利用图论中的最短路径算法Dijkstra来调整网络节点之间的连接,分析现有网络布局,识别信号弱的区域并通过增加中继节点以及调整现有节点位置来持续优化信号和网络拥堵点,采用网络模拟软件如GNS3模拟网络调整后的效果,评估新的网络拓扑结构,获取网络连接优化方案。
S203子步骤中,基于网络连接优化方案,实施动态网络配置,采用自适应网络配置工具,如CiscoDNACenter,自动调整网络布局和数据传输路径,该工具支持基于策略的网络自动化配置,能够实时响应网络状态变化,包括调整中继节点位置和改变数据优先级,以适应施工现场的实时变化,生成动态网络配置方案。
请参阅图4,基于动态网络配置方案,应用介数中心性和社区检测算法,监测网络中的数据流量分布,调整带宽分配和路径选择,对负载量进行平衡,生成网络负载平衡措施的步骤具体为:
S301:基于动态网络配置方案,利用介数中心性,监测网络的数据流量分布,实时捕获每个节点的数据流入和流出量,绘制网络流量分布状态,进行流量峰期识别,生成流量分布图;
S302:基于流量分布图,应用社区检测算法,分析流量峰期节点的过载情况,若节点流量持续超标,则增加带宽或添加中继节点,并对网络拓扑进行适应性调整,优化网络拥堵,获取网络拥堵缓解措施;
S303:基于网络拥堵缓解措施,循环评估调整后的网络性能配置,包括测量调整后的网络延迟和丢包率,并与设定性能目标进行比较,持续优化至符合的性能指标,生成网络负载平衡措施。
S301子步骤中,基于动态网络配置方案,采用介数中心性算法,利用网络分析工具NetworkX计算网络图中每个节点的介数中心性值,实时捕获每个节点的数据流入和流出量,通过Python脚本使用Matplotlib库绘制网络流量分布状态,进行流量峰期识别,生成流量分布图。
介数中心性,按照公式:
,
计算网络中每个节点的改进介数中心性值,生成流量分布图;
其中,为改进后的节点/>介数中心性值,反映节点在网络中的重要性,/>为网络中的节点集合,代表整个网络的节点构成;/>为从节点/>到节点/>的最短路径数量,说明网络中节点间连接的多样性,/>为经过节点/>的从节点/>到节点/>的最短路径数量,表明节点/>在连接不同节点对中的作用,/>为节点/>到节点/>之间路径的权重系数,考虑了路径的通信成本或距离,/>为节点/>到节点/>的延迟系数,考虑了传输延迟,/>为节点/>的流量因子,考虑了节点处理的数据流量大小,/>为节点/>的容量系数,考虑了节点处理能力。
执行过程:
依据实际网络结构,包含所有节点和连接,使用图论算法为网络中每对节点确定所有最短路径及经过特定节点的路径数量,基于节点间通信成本或距离分配权重,通过通信延迟数据确定延迟系数,根据节点的流量处理和处理能力计算流量因子和容量系数,按公式为每个节点综合计算介数中心性值,利用计算结果,通过可视化表示网络流量状态,高亮显示流量峰期和节点重要性。
S302子步骤中,基于流量分布图,应用社区检测算法,使用Louvain方法对网络图进行社区划分,分析流量峰期节点的过载情况,若节点流量持续超标,则通过Python脚本动态调整网络参数,如增加带宽或添加中继节点,并利用NetworkX库对网络拓扑进行适应性调整,优化网络拥堵,获取网络拥堵缓解措施。
S303子步骤中,基于网络拥堵缓解措施,循环评估调整后的网络性能配置,包括使用Ping命令测量调整后的网络延迟和Wireshark工具分析丢包率,并与设定性能目标进行比较,持续优化至符合的性能指标,生成网络负载平衡措施。
请参阅图5,对网络负载平衡措施重新进行评估,优化数据流向和传输路径,并根据评估结果对网络进行再配置,优化数据传输效率,建立数据传输优化网络的步骤具体为:
S401:对网络负载平衡措施重新进行评估,重新测量网络节点的延迟和丢包率,对比前后调整的性能指标,得到网络性能对比分析数据;
S402:基于网络性能对比分析数据,识别存在问题的节点或路径,根据分析结果调整数据流向和传输路径,包括增加备份路径或重新分配流量,进行网络调优,获取细化网络调优方案;
S403:基于细化网络调优方案,应用调整后的配置,再次执行网络性能测试,验证是否符合预期效果,通过迭代优化匹配施工监控需求,建立数据传输优化网络。
S401子步骤中,基于网络负载平衡措施,采用网络性能监测工具,如Iperf和PingPlotter,重新测量网络节点的延迟和丢包率,对比前后调整的性能指标,通过Python脚本和Pandas库进行数据清洗和分析,得到网络性能对比分析数据,生成性能提升报告。
S402子步骤中,基于网络性能对比分析数据,利用路径优化算法,如Yen'sk最短路径算法,识别存在问题的节点或路径,根据分析结果,通过Python脚本调整数据流向和传输路径,包括增加备份路径或重新分配流量,进行网络调优,采用Matplotlib库绘制调优前后的网络拓扑对比图,获取细化网络调优方案。
S403子步骤中,基于细化网络调优方案,应用网络配置管理工具,如Ansible或CiscoDNACenter,自动应用调整后的配置,再次执行网络性能测试,采用Iperf进行带宽测试和Ping进行延迟测试,验证是否符合预期效果,通过迭代优化过程,确保网络配置精准匹配施工监控需求,建立数据传输优化网络。
请参阅图6,依据数据传输优化网络,分析实时视频和传感器数据,识别施工区域内的设备和人员动态,并记录关键活动和潜在风险点,生成活动动态识别信息的步骤具体为:
S501:依据数据传输优化网络,对流入的视频流和传感器数据进行筛选,利用时间戳和地理位置信息,标记施工区域内活动频繁的区域和时间段,得到初步活动标记数据;
S502:基于初步活动标记数据,对视频流中的序列帧进行处理,识别移动的施工设备和人员,同步分析传感器数据,对温度、湿度或环境参数的异常变化进行识别,生成动态活动和风险点草图;
S503:基于动态活动和风险点草图,细化分析每个标识点的活动类型和潜在风险级别,整合关键活动和风险点,验证信息的准确性和时效性,生成活动动态识别信息。
S501子步骤中,基于数据传输优化网络,采用数据流分析工具,如ApacheKafka进行实时数据流处理,利用其时间戳和地理位置信息过滤功能,标记施工区域内活动频繁的区域和时间段,通过Python脚本结合Pandas库对数据进行初步分析,得到初步活动标记数据,生成活动频繁区域及时间段报告。
S502子步骤中,基于初步活动标记数据,采用计算机视觉库OpenCV对视频流中的序列帧进行处理,识别移动的施工设备和人员,同步采用环境监测数据分析算法,如基于阈值的异常检测方法,对温度、湿度或环境参数的异常变化进行识别,结合NumPy库进行数值分析,生成动态活动和风险点草图,生成活动与风险点初步分析报告。
S503子步骤中,基于动态活动和风险点草图,采用深度学习算法,如TensorFlow和Keras库构建的卷积神经网络进行细化分析,识别每个标识点的活动类型和潜在风险级别,整合关键活动和风险点信息,使用SciPy库进行统计分析验证信息的准确性和时效性,生成活动动态识别信息,完成活动类型和风险级别的详细报告。
请参阅图7,基于活动动态识别信息,利用混沌理论分析方法,评估现有资源的分配和使用情况,识别资源利用的不足和浪费,调整人员和设备配置,优化资源使用效率,得到资源配置优化记录的步骤具体为:
S601:基于活动动态识别信息,利用混沌理论分析方法,收集并整理施工现场当前的资源分配数据,包括人员分布、设备使用情况和材料存放地点,评估资源的使用效率和潜在浪费点,生成资源使用现状分析记录;
S602:基于资源使用现状分析记录,识别资源配置中的问题,包括人员在非关键区域过密、设备闲置或过度使用,通过设置优化目标和改进措施,调整人员和设备配置,得到资源优化调整方案;
S603:基于资源优化调整方案,使用Q学习算法,执行重新安排工作人员至关键作业区或调整设备分配,进行需求和作业进度匹配,并监控调整后资源利用的效果,得到资源配置优化记录。
S601子步骤中,基于活动动态识别信息,采用混沌理论分析方法,利用Python脚本和Pandas库收集并整理施工现场当前的资源分配数据,包括人员分布、设备使用情况和材料存放地点,通过混沌动态系统理论分析资源的使用效率和潜在浪费点,生成资源使用现状分析记录,生成资源分配和利用效率分析报告。
S602子步骤中,基于资源使用现状分析记录,采用决策树算法,如Scikit-learn库中的DecisionTreeClassifier,识别资源配置中的问题,包括人员在非关键区域过密、设备闲置或过度使用,通过算法设置优化目标和改进措施,调整人员和设备配置,利用Matplotlib库绘制资源配置优化前后对比图,得到资源优化调整方案,生成资源配置优化决策树分析。
S603子步骤中,基于资源优化调整方案,采用Q学习算法,利用Python中的Gym库模拟资源配置环境,执行重新安排工作人员至关键作业区或调整设备分配,进行需求和作业进度匹配,并利用TensorBoard监控调整后资源利用的效果,得到资源配置优化记录,完成资源配置优化模拟训练和效果监测。
Q学习算法,按照公式:
计算更新后的Q值,得到资源配置优化记录;
其中,为在状态下采取行动的期望奖励,为当前时刻的环境状态,为在状态下选择的行动,为学习率,控制新获得信息更新旧信息的速度,
为执行行动后从状态转移到状态获得的即时奖励,为作业紧急度,反映某一
作业的紧急程度,为资源适配度,衡量特定资源与作业需求之间的匹配程度,为资源
转换成本,指重新分配资源时所需的成本,为作业完成率的增量,衡量采取某一行动后,
作业完成率的提升,为折扣率,决定未来奖励的当前价值,代表下一个状
态所有行动中最大的期望奖励。
执行过程:
S1:为所有设定初值,通常为0或随机数;
S2:评估当前资源配置状态;
S3:依据Q值,采用贪心策略选择行动,以平衡探索与利用;
S4:执行行动,观察新状态/>及即时奖励/>;
S5:根据公式更新;
S6:重复步骤2至5,直至满足终止条件。
请参阅图8,根据资源配置优化记录,模拟差异施工方案的执行情况,比较方案间的效率和安全性表现,并选择最优方案,获取施工方案仿真结果的步骤具体为:
S701:根据资源配置优化记录,输入施工方案包括的人员分布、设备部署和作业安排,执行施工过程模拟,记录工程完成所需时间和资源利用效率,并分析多方案的性能指标,得到施工方案模拟数据;
S702:基于施工方案模拟数据,对比多方案的施工效率和安全性能,为每个方案分配效率得分和安全得分,并选择关键施工方案作为最优解,获取施工方案评分记录;
S703:基于施工方案评分记录,判断是否符合最优施工效率和安全标准要求,确定关键施工方案,获取施工方案仿真结果。
S701子步骤中,基于资源配置优化记录,采用仿真模型,如SimPy库在Python环境下执行施工过程模拟,输入施工方案包括的人员分布、设备部署和作业安排,记录工程完成所需时间和资源利用效率,并利用Numpy进行多方案性能指标的数学分析,得到施工方案模拟数据,生成施工效率和资源利用率分析报告。
S702子步骤中,基于施工方案模拟数据,采用多属性决策分析方法,如Python中的Scikit-learn库执行主成分分析(PCA)对比多方案的施工效率和安全性能,为每个方案分配效率得分和安全得分,并利用决策树算法选择关键施工方案作为最优解,获取施工方案评分记录,生成施工方案效率与安全性综合评分记录。
S703子步骤中,基于施工方案评分记录,采用线性规划方法,如PuLP库进行最优化计算,判断是否符合最优施工效率和安全标准要求,确定关键施工方案,获取施工方案仿真结果,完成最优施工方案的选择和验证,得到施工方案优化报告。
请参阅图9,根据施工方案仿真结果,调整施工计划和监控方案,对施工流程和监控策略进行持续优化,并验证施工流程和监控策略的响应能力,建立施工与监控整合方案的步骤具体为:
S801:根据施工方案仿真结果,分析当前施工计划和监控方案的问题点,调整施工序列、作业时间和监控点布置,进行资源分配和风险管理策略优化,生成调整后的施工计划草案;
S802:基于调整后的施工计划草案,进行模拟测试,评估新方案的效果,包括评估应对突发事件和变化时的效率,生成施工计划响应测试信息;
S803:基于施工计划响应测试信息,评估施工效率、安全性和响应能力,确定施工和监控的优化策略,建立施工与监控整合方案。
S801子步骤中,根据施工方案仿真结果,采用系统动态模型,如SystemDynamics在Vensim软件环境下,分析当前施工计划和监控方案的问题点,调整施工序列、作业时间和监控点布置,进行资源分配和风险管理策略优化,通过模型仿真测试不同配置下的系统行为,生成调整后的施工计划草案,生成施工序列与作业时间优化方案报告。
S802子步骤中,基于调整后的施工计划草案,采用仿真测试工具,如SimPy库进行施工过程的模拟测试,在Python环境中评估新方案的效果,包括评估应对突发事件和变化时的效率,利用matplotlib库绘制效果评估图表,生成施工计划响应测试信息,生成施工流程响应能力评估报告。
S803子步骤中,基于施工计划响应测试信息,应用决策分析方法,如多标准决策分析(MCDA)在Python环境下评估施工效率、安全性和响应能力,确定施工和监控的优化策略,利用决策树算法识别最优策略组合,建立施工与监控整合方案,完成施工与监控策略综合优化方案报告。
以上,仅是本发明的较佳实施例而已,并非对本发明作其他形式的限制,任何熟悉本专业的技术人员可能利用上述揭示的技术内容加以变更或改型为等同变化的等效实施例应用于其他领域,但是凡是未脱离本发明技术方案内容,依据本发明的技术实质对以上实施例所做的任何简单修改、等同变化与改型,仍属于本发明技术方案的保护范围。
Claims (6)
1.一种基于物联网的公路施工环境监控方法,其特征在于,包括以下步骤:
基于施工现场的初始布局和预期变化,在关键施工区域安装环境监测传感器,并部署实时视频捕捉设备,对施工活动动态进行记录,得到监控基础布局图;
基于所述监控基础布局图,分析网络节点间的连接质量和数据传输需求,对网络节点间的连接动态调整,生成动态网络配置方案;
基于所述动态网络配置方案,应用介数中心性和社区检测算法,监测网络中的数据流量分布,调整带宽分配和路径选择,生成网络负载平衡措施;
对所述网络负载平衡措施重新进行评估,优化数据流向和传输路径,并根据评估结果对网络进行再配置,建立数据传输优化网络;
依据所述数据传输优化网络,分析实时视频和传感器数据,识别施工区域内的设备和人员动态,生成活动动态识别信息;
基于所述活动动态识别信息,利用混沌理论分析方法,评估现有资源的分配和使用情况,识别资源利用的不足和浪费,得到资源配置优化记录;
根据所述资源配置优化记录,模拟差异施工方案的执行情况,比较施工方案间的效率和安全性表现,获取施工方案仿真结果;
根据所述施工方案仿真结果,调整施工计划和监控方案,对施工流程和监控策略进行持续优化,建立施工与监控整合方案;
基于所述活动动态识别信息,利用混沌理论分析方法,评估现有资源的分配和使用情况,识别资源利用的不足和浪费,得到资源配置优化记录的步骤具体为:
基于所述活动动态识别信息,利用混沌理论分析方法,收集并整理施工现场当前的资源分配数据,包括人员分布、设备使用情况和材料存放地点,评估资源的使用效率和潜在浪费点,生成资源使用现状分析记录;
基于所述资源使用现状分析记录,识别资源配置中的问题,包括人员在非关键区域过密、设备闲置或过度使用,通过设置优化目标和改进措施,调整人员和设备配置,得到资源优化调整方案;
基于所述资源优化调整方案,使用Q学习算法,执行重新安排工作人员至关键作业区或调整设备分配,进行需求和作业进度匹配,并监控调整后资源利用的效果,得到资源配置优化记录;
所述监控基础布局图包括环境传感器分布位置、视频监控点布置、关键作业区识别标记,所述动态网络配置方案包括节点间通信协议类型、数据传输速率调整、网络链路备份选项,所述网络负载平衡措施包括流量监控阈值设置、数据识别规则、备用传输路线激活条件,所述活动动态识别信息包括施工设备移动轨迹、人员聚集区域统计、潜在风险点快照,所述资源配置优化记录包括设备使用时间表、人员轮换计划、物资供应点分布图,所述施工方案仿真结果包括方案实施时间预估、安全性能评级、资源消耗对比图。
2.根据权利要求1所述的基于物联网的公路施工环境监控方法,其特征在于,基于所述动态网络配置方案,应用介数中心性和社区检测算法,监测网络中的数据流量分布,调整带宽分配和路径选择,生成网络负载平衡措施的步骤具体为:
基于所述动态网络配置方案,利用介数中心性,监测网络的数据流量分布,实时捕获每个节点的数据流入和流出量,绘制网络流量分布状态,进行流量峰期识别,生成流量分布图;
基于所述流量分布图,应用社区检测算法,分析流量峰期节点的过载情况,若节点流量持续超标,则增加带宽或添加中继节点,并对网络拓扑进行适应性调整,优化网络拥堵,获取网络拥堵缓解措施;
基于所述网络拥堵缓解措施,循环评估调整后的网络性能配置,包括测量调整后的网络延迟和丢包率,并与设定性能目标进行比较,持续优化至符合的性能指标,生成网络负载平衡措施。
3.根据权利要求2所述的基于物联网的公路施工环境监控方法,其特征在于,所述介数中心性,按照公式:
,
计算网络中每个节点的改进介数中心性值,生成流量分布图;
其中,为改进后的节点/>介数中心性值,/>为网络中的节点集合;/>为从节点到节点/>的最短路径数量,/>为经过节点/>的从节点/>到节点/>的最短路径数量,为节点/>到节点/>之间路径的权重系数,/>为节点/>到节点/>的延迟系数,/>为节点/>的流量因子,/>为节点/>的容量系数。
4.根据权利要求1所述的基于物联网的公路施工环境监控方法,其特征在于,对所述网络负载平衡措施重新进行评估,优化数据流向和传输路径,并根据评估结果对网络进行再配置,建立数据传输优化网络的步骤具体为:
对所述网络负载平衡措施重新进行评估,重新测量网络节点的延迟和丢包率,对比前后调整的性能指标,得到网络性能对比分析数据;
基于所述网络性能对比分析数据,识别存在问题的节点或路径,根据分析结果调整数据流向和传输路径,包括增加备份路径或重新分配流量,进行网络调优,获取细化网络调优方案;
基于所述细化网络调优方案,应用调整后的配置,再次执行网络性能测试,验证是否符合预期效果,通过迭代优化匹配施工监控需求,建立数据传输优化网络。
5.根据权利要求1所述的基于物联网的公路施工环境监控方法,其特征在于,依据所述数据传输优化网络,分析实时视频和传感器数据,识别施工区域内的设备和人员动态,生成活动动态识别信息的步骤具体为:
依据所述数据传输优化网络,对流入的视频流和传感器数据进行筛选,利用时间戳和地理位置信息,标记施工区域内活动频繁的区域和时间段,得到初步活动标记数据;
基于所述初步活动标记数据,对视频流中的序列帧进行处理,识别移动的施工设备和人员,同步分析传感器数据,对温度、湿度或环境参数的异常变化进行识别,生成动态活动和风险点草图;
基于所述动态活动和风险点草图,细化分析每个标识点的活动类型和潜在风险级别,整合关键活动和风险点,验证信息的准确性和时效性,生成活动动态识别信息。
6.根据权利要求1所述的基于物联网的公路施工环境监控方法,其特征在于,所述Q学习算法,按照公式:
,
计算更新后的Q值,得到资源配置优化记录;
其中,为在状态下采取行动的期望奖励,为当前时刻的环境状态,为
在状态下选择的行动,为学习率,为执行行动后从状态转移到状态
获得的即时奖励,为作业紧急度,为资源适配度,为资源转换成本,为作业完
成率的增量,为折扣率,代表下一个状态行动中最优的期望奖励。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410445642.6A CN118052666B (zh) | 2024-04-15 | 2024-04-15 | 一种基于物联网的公路施工环境监控方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410445642.6A CN118052666B (zh) | 2024-04-15 | 2024-04-15 | 一种基于物联网的公路施工环境监控方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118052666A CN118052666A (zh) | 2024-05-17 |
CN118052666B true CN118052666B (zh) | 2024-06-14 |
Family
ID=91054058
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410445642.6A Active CN118052666B (zh) | 2024-04-15 | 2024-04-15 | 一种基于物联网的公路施工环境监控方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118052666B (zh) |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104329120A (zh) * | 2014-10-17 | 2015-02-04 | 成都四为电子信息股份有限公司 | 一种隧道施工安全监控管理系统和方法 |
CN108133272A (zh) * | 2018-01-15 | 2018-06-08 | 大连民族大学 | 一种复杂网络社区检测的方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117495210B (zh) * | 2024-01-02 | 2024-03-12 | 衡水烨通建设工程有限公司 | 公路混凝土施工质量管理系统 |
CN117829534A (zh) * | 2024-01-08 | 2024-04-05 | 中铁十五局集团第二工程有限公司 | 一种基于bim的涉路施工项目智能安全管控方法及系统 |
-
2024
- 2024-04-15 CN CN202410445642.6A patent/CN118052666B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104329120A (zh) * | 2014-10-17 | 2015-02-04 | 成都四为电子信息股份有限公司 | 一种隧道施工安全监控管理系统和方法 |
CN108133272A (zh) * | 2018-01-15 | 2018-06-08 | 大连民族大学 | 一种复杂网络社区检测的方法 |
Also Published As
Publication number | Publication date |
---|---|
CN118052666A (zh) | 2024-05-17 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
EP3110198B1 (en) | Wi-fi access points performance management | |
Harinda et al. | Comparative performance analysis of empirical propagation models for lorawan 868mhz in an urban scenario | |
EP1328881B1 (en) | System and method for design, tracking, measurement, prediction and optimization of data communications networks | |
CN103051500B (zh) | 一种服务网络系统的测试方法及系统 | |
CN107005868A (zh) | 改进的蜂窝体验质量的系统和方法 | |
CN105813112A (zh) | 用于使用地理定位和网络建模进行动态网络优化的技术 | |
CN117729567B (zh) | 无线自组网的优化方法及系统 | |
JP2016527786A (ja) | ネットワークテスト方法及びそのデータ収集方法、ネットワークテスト装置及びシステム | |
CN108055353A (zh) | 一种基于无线传感器网络的电力施工现场信息化监理系统 | |
CN103686818A (zh) | 一种仿真测试方法及设备 | |
Kuusela et al. | On/off process modeling of IP network failures | |
CN114240031A (zh) | 一种面向电力业务的5g网络承载质量评估方法 | |
CN103281256A (zh) | 基于网络层析的端到端路径丢包率探测方法 | |
CN103581982A (zh) | 一种业务热点的检测方法、确定方法、定位方法及装置 | |
US20070004399A1 (en) | Quality assessment for telecommunications network | |
CN117640335B (zh) | 一种智能建筑综合布线的动态调整和优化方法 | |
CN118052666B (zh) | 一种基于物联网的公路施工环境监控方法 | |
CN109525455A (zh) | 一种水文实时监测网络状态综合评估方法 | |
CN117835257A (zh) | 一种虚实结合的可信wlan组网ap预规划方法及系统 | |
CN112910699A (zh) | 电力物联网的智能故障检测方法及装置 | |
CN108540990B (zh) | 一种基于lte本邻小区邻区网络信号质量的邻区规划方法与系统 | |
CN115086972A (zh) | 一种分布式无线信号质量优化方法及系统 | |
Yahaya et al. | Performance analysis of wireless sensor network | |
CN117614833B (zh) | 路由器信号的自动调节方法及系统 | |
Goldara et al. | An Optimized Wireless Network Architecture for Department of Agriculture, Region 1 |
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 |