一种基于5G、BIM及大数据的工程管理系统的制作方法

本技术属于工程管理，涉及工程管理技术，具体是一种基于5g、bim及大数据的工程管理系统。

背景技术：

1、bim(building information modeling)技术属于建筑信息模型集成技术。bim工程信息包括了在建设过程中，即项目各方产生的信息，上述信息可以是在建筑全生命周期中协同操作建筑模型信息，也可以是与建筑相关的附属信息，根据包含bim模型信息已经呈现多样化的趋势，bim工程信息已经从传统的三维信息，诸如建设信息，衍生拓展至施工进度模拟，造价分析，乃至建筑全生命周期运营维护。

2、现有技术(公布号为cn117236894a发明专利申请)公开了一种基于bim的工程监测管理方法及系统，包括以下步骤：基于bim原始数据，采用数据提取算法，从bim模型中提取工程的几何、结构和材料信息，生成初步工程特征数据。本发明中，通过bim模型数据提取，确保施工管理决策基于准确实时数据，提高决策准确性，自动异常检测减少处理延误损失，贪心算法与动态规划应对未预料变数，提高项目管理灵活性，蚁群优化算法优化资源利用，降低浪费和成本，滑动窗口技术与残差网络实时监测成本，降低超预算风险，智能风险评估模型预测和评估潜在风险，减少工程风险，这些创新方法确保了更高效、精确、成本可控的工程管理和监测。

3、上述工程管理系统通过对整个工程的实时数据进行统一分析，来判断工程建造过程中是否出现相关的风险；对实时数据的统一分析导致难以对建造过程中不同阶段以及不同建造项目进行独立分析，使得分析结果不够精细；从而导致给出的分析预估的方向不够明确，使得风险预估的效率较低；因此需要一种基于5g、bim及大数据的工程管理系统。

技术实现思路

1、本技术旨在至少解决现有技术中存在的技术问题之一；为此，本技术提出了一种基于5g、bim及大数据的工程管理系统，用于解决现有技术难以对建造过程中不同阶段以及不同建造项目进行独立分析，使得分析结果不够精细；使得风险预估的效率较低技术问题。

2、为实现上述目的，本技术的第一方面提供了一种基于5g、bim及大数据的工程管理系统，包括：数据采集模块、bim模型构建模块、数据处理模块、5g传输模块、异常警报模块和数据存储模块；

3、所述数据采集模块：获取各个施工现场的若干视频监控数据和项目日志；

4、所述bim模型构建模块：通过与其相连接的数据存储模块获取基本工程数据，根据基本工程数据建立bim建筑模型；获取bim建筑模型中各个房间模型的基本数据，通过聚类分析将各个房间模型进行划分得到若干个存储数据组；并对各个存储数据组中的各个房间模型进行编号；

5、所述数据处理模块：提取项目日志中各个房间模型对应的已完成建造阶段和其对应的阶段建造数据；根据各个房间模型的对应的阶段建造数据和阶段预估建造数据生成阶段异常系数，根据阶段异常系数生成异常系数矩阵，根据异常系数矩阵生成预警信号；

6、所述异常警报模块：获取预警信号，根据预警信号进行预警；

7、所述数据存储模块：根据存储数据组建立存储子库；并根据存储子库存储相应的数据；

8、所述5g传输模块：待接收到访问信息时，通过5g将访问信息中所要访问的信息进行打包传输。

9、本技术通过与其相连接的数据存储模块获取基本工程数据，根据基本工程数据建立bim建筑模型；获取bim建筑模型中各个房间模型的基本数据，通过聚类分析将各个房间模型进行划分得到若干个存储数据组；货物各个存储数据组内各个房间模型对应的已完成建造阶段的阶段建造数据和各个建造阶段对应的阶段预估数据对各个房间模型进行异常分析；综合考虑类型近似的房间模型对应的各个已完成建造阶段的阶段建造数据和其对应的阶段预估数据生成各个房间对应的异常系数；根据异常系数进行警报；提高分析结果的精细程度，进而提高房间异常预估的效率。

10、优选的，所述通过聚类分析将各个房间模型进行划分得到若干个存储数据组，包括：

11、提取基本工程数据中各个房间模型的基本数据，所述基本数据包括房间模型的房间面积、预估总造价和各个建筑材料对应的材料总用量；对基本数据进行预处理；

12、获取预处理后的基本数据；提取所述基本数据中的房间面积、预估总造价和若干材料总用量；将房间面积、预估总造价和若干材料总用量整合成特征向量；对各个基本数据的特征向量进行聚类分析得到若干聚类簇，将同一聚类簇内的特征向量对应的基本数据划分到一个存储数据组中。

13、优选的，所述预处理包括：

14、判断基本数据中是否有数据缺失，所述数据缺失包括房间面积缺失、预估总造价缺失、材料项目缺失和材料总用量缺失；

15、是，则将所述基本数据标记为异常数据，并生成补充信号；

16、否，则将所述基本数据标记为正常数据；

17、提取正常数据中的房间面积、预估总造价和各个材料用量；对各个正常数据中的房间面积进行归一化处理；对各个正常数据中预估总造价进行归一化处理；对各个正常数据中的相同的各个材料总用量进行归一化处理；

18、将归一化处理后的房间面积、预估造价和各个材料用量重新整合成预处理后的基本数据。

19、优选的，根据各个房间模型的对应的阶段建造数据和阶段预估建造数据生成各个所述阶段异常系数，包括：

20、提取阶段建造数据中的阶段实际造价和各个材料项目对应的阶段材料用量，并分别标记为ssij和szi；提取阶段预测建造数据中的阶段预估造价和各个材料项目对应的预估阶段材料用量，并分别标记为ysij和yzi；其中，i为阶段建造数据对应的房间模型在存储数据组中的编号；j为各个阶段材料用量对应的材料项目的编号；

21、通过公式psij＝(ssij-ysij)/ysij计算得到各个材料项目对应的材料偏差系数psij；

22、通过公式pzi＝(szi-yzi)/yzi计算得到各个房间模型对应的造价偏差系数pzi；

23、通过公式yci＝a×arctan(b×∑(psij)+c×(pzi×∑(yxik×|pzi-pzk|)/(n-1)))计算得到各个房间模型对应的各个已完成建造阶段的阶段异常系数yci；其中，j＝1，2，…，m；m为材料项目的总数；k＝1，2，…，n；且k≠i；n为存储数据组中基本数据对应的房间模型的总数；a、b和c为比例系数；yxik为编号为k的房间模型对编号为i的房间模型的影响系数；所述阶段建造数据中包括阶段材料用量和阶段实际造价；阶段预估建造数据与阶段建造数据一一对应；且数据类型相同。

24、优选的，编号为k的房间模型对编号为i的房间模型的所述影响系数，通过以下方式获得；

25、获取编号为i房间模型对应的特征向量一，获取编号为k的房间模型对应的特征向量二；计算所述特征向量一与特征向量二之间的欧式距离标记为ojik；

26、通过公式yxik＝α×exp(-ojik/bj)计算得到编号为k的房间模型对编号为i的房间模型的影响系数yxik；其中，α为调整系数，bj平均距离；可以通过公式bj＝∑(ojik)/(n-1)计算得到；k＝1，2，…，n；且k≠i。

27、优选的，根据阶段异常系数生成所述异常系数矩阵，包括：

28、获取各个房间模型对应的各个已完成建造阶段的阶段异常系数ycig；其中，g为各个已完成建造阶段的编号；将各个阶段异常系数ycig作为第i行第g列的元素，并构成相应的异常系数矩阵。

29、本技术通过将同一存储数据组内的各个房间在各个已完成建造阶段对应的异常系数按照以房间编号为行；阶段编号为列的形式将各个异常系数整合成异常系数矩阵，便于相关人员观察各个房间在各个已完成建造阶段的异常情况，便于相关人员进行相应的分析。

30、优选的，根据异常系数矩阵生成所述预警信号，包括：

31、获取异常系数矩阵；将异常系数矩阵中所有元素的总和标记为综合异常系数；将异常系数矩阵中各个行的所有元素的总和标记为对应房间模型的异常系数一；将异常系数矩阵中各个列的所有元素的总和标记为对应已完成建造阶段的异常系数二；根据综合异常系数、异常系数一和异常系数二生成异常预警信号。

32、优选的，所述根据综合异常系数、异常系数一和异常系数二生成异常预警信号，包括：

33、判断综合异常系数是否大于综合异常系数阈值，是，则生成异常预警信号；否，则当异常系数一大于异常系数阈值一时，则生成对应房间模型的房间预警信号；当异常系数二大于异常系数阈值二时，则生成对应已完成建造阶段的阶段预警信号；所述预警信号包括异常预警信号、阶段预警信号和房间预警信号。

34、优选的，所述根据存储数据组建立存储子库，包括：

35、在数据存储模块中建立各个存储数据组的数据存储库；在各个数据存储库中根据对应的异常系数矩阵建立若干与异常系数矩阵内各个元素对应的房间阶段子库和数据综合子库；所述房间阶段子库用来存储对应房间对应已完成建造阶段的视频监控数据和项目日志；所述数据综合子库用来存储对应存储数据组各个已完成建造阶段生成的异常系数矩阵和对应的异常预警信号；所述存储子库包括房间阶段子库和综合子库。

36、与现有技术相比，本技术的有益效果是：

37、1.本技术通过与其相连接的数据存储模块获取基本工程数据，根据基本工程数据建立bim建筑模型；获取bim建筑模型中各个房间模型的基本数据，通过聚类分析将各个房间模型进行划分得到若干个存储数据组；货物各个存储数据组内各个房间模型对应的已完成建造阶段的阶段建造数据和各个建造阶段对应的阶段预估数据对各个房间模型进行异常分析；综合考虑类型近似的房间模型对应的各个已完成建造阶段的阶段建造数据和其对应的阶段预估数据生成各个房间对应的异常系数；根据异常系数进行警报；提高分析结果的精细程度，进而提高房间异常预估的效率。

38、2.本技术通过将同一存储数据组内的各个房间在各个已完成建造阶段对应的异常系数按照以房间编号为行；阶段编号为列的形式将各个异常系数整合成异常系数矩阵，便于相关人员观察各个房间在各个已完成建造阶段的异常情况，便于相关人员进行相应的分析。