[发明专利]基于人工智能的道路工程施工管理方法与系统

说明书

本发明涉及基于人工智能的道路工程施工管理方法与系统，该方法包括：将工程待作业区域图像和设定的标准基础功效作业区域图像作为一组输入图像，输入至已经训练好的第一分支神经网络，输出第一生成图像，进行若干次循环步骤，每次循环步骤为：上次循环步骤中第一分支神经网络输出的各个第i生成图像分别与标准基础功效作业区域图像作为一组输入图像，输入至第一分支神经网络，输出各个第i+1生成图像，选取一个满足设定条件的第G生成图像，作为预测的作业区轨迹生成图像；以图像中各个基础功效作业区域的中心点为节点，选取其中一个节点作为初始节点，利用初始节点和剩余节点，基于单源最短路径算法，确定初始预测道路施工轨迹。

技术领域

本发明涉及人工智能和工程管理领域，具体涉及基于人工智能的道路工程施工管理方法与系统。

背景技术

现有技术中，通常需要在施工区域上进行道路工程施工轨迹规划，由施工人员按照规划好的轨迹进行施工，固定时间（如一天）内施工的进度要求是不变的，然后有工程管理人员定期勘察施工进度，估计出施工进度与规划轨迹之间的进度偏差，根据进度偏差选择合适的管理方法，进行纠偏处理，例如从组织结构、工作流程等方面进行改善，以加快施工进度。

这种管理方法的缺陷是，前期规划施工轨迹不合理，即施工轨迹往往非常简单，例如采用S形规划轨迹，每天规定的施工进度均为某一个固定施工面积的大小，所以在后期施工过程中容易产生较大的进度偏差，导致后期需要采用较多的手段进行纠偏处理，才能加快施工进度，提高施工效率。

发明内容

为了解决现有管理方法规划施工轨迹不合理导致施工效率较低的问题，本发明的目的在于提供一种基于人工智能的道路工程施工管理方法与系统，所采用的技术方案具体如下：

一方面，对于基于人工智能的道路工程施工管理方法，具体方案为：

步骤S10，获取工程的整体待作业区域图像，作为初始图像；对所述初始图像进行二值化处理，得到待作业区域二值图，二值图中待作业区域内像素点的像素值为第一像素值，二值图中非作业区域内像素点的像素值为第二像素值；将所述初始图像和待作业区域二值图中对应位置像素点的像素值相乘，得到工程待作业区域图像；

步骤S20，获取已经训练好的第一分支神经网络，所述的第一分支神经网络用于根据学习到待作业区域的地形复杂度与基础功效作业区域的半径之间的反相关关系，以及工程待作业区域图像中待作业区域的地形复杂度，在待作业区域中划定一个半径大小为r的基础功效作业区域；该基础功效作业区域设置为圆形，且基础功效作业区域为个作业人员在实际作业环境下且在设定时间内的作业面积总和；

将所述的工程待作业区域图像和设定的标准基础功效作业区域图像作为一组输入图像，所述标准基础功效作业区域图像中标准基础功效作业区域的半径大小固定，将所述的输入图像输入至已经训练好的第一分支神经网络，输出H₁个第一生成图像，H₁为整数，每个第一生成图像的待作业区域中划定的基础功效作业区域位置均各不相同；

步骤S30，进行若干次循环步骤，每次循环步骤为：上次循环步骤中第一分支神经网络输出的各个第i生成图像分别与标准基础功效作业区域图像作为一组输入图像，输入至第一分支神经网络，输出各个第i+1生成图像，i=1,2,…G，G为循环次数;每个第i+1生成图像的待作业区域中最新划定的基础功效作业区域位置均各不相同；直到第G次循环步骤中，第一分支神经网络的输出损失值大于设定限值时，循环停止，在第G-1次循环步骤中第一分支神经网络输出的各第G生成图像中，选取一个满足设定条件的第G生成图像，作为预测的作业区轨迹生成图像；

步骤S40，根据步骤S30选取的作业区轨迹生成图像，以图像中各个基础功效作业区域的中心点为节点，选取其中的一个节点作为初始节点，利用初始节点和剩余节点，基于单源最短路径算法，确定一条初始预测道路施工轨迹。

优选的，所述第一分支神经网络的结构包括：