应用于数字工地平台的数据挖掘方法及系统与流程

本发明涉及计算机，具体而言，涉及一种应用于数字工地平台的数据挖掘方法及系统。

背景技术：

1、随着建筑行业的快速发展和数字化转型的深入推进，数字工地平台作为提升工地管理效率、保障施工安全的重要手段，已逐渐成为行业标配。数字工地平台通过集成高清摄像头、传感器等物联网设备，实现了对工地施工活动的实时监控与数据采集。然而，面对海量的监控数据，如何高效、准确地提取有价值的信息，以支持工地管理的科学决策，成为亟待解决的问题。

2、传统的方法往往依赖于人工对监控视频进行逐帧查看和分析，不仅耗时费力，而且容易遗漏关键信息，难以满足现代工地管理的需求。因此，开发一种自动化的数据挖掘方法，以实现对监控数据中施工行为空间描述的精准预测，成为行业内的研究热点。

3、现有技术中，虽然存在一些基于图像识别和机器学习的监控数据分析方法，但这些方法大多侧重于对施工行为的简单分类或目标检测，缺乏对施工行为在物理空间中详细位置和范围的预测能力。同时，这些方法在处理复杂多变的工地监控数据时，往往存在预测准确性不高、泛化能力不强等问题。

技术实现思路

1、鉴于上述提及的问题，结合本发明的第一方面，本发明实施例提供一种应用于数字工地平台的数据挖掘方法，所述方法包括：

2、获取数字工地平台的至少一个样例数字工地监控数据，每个样例数字工地监控数据包括样例工地监控快照流和描述标签数据，所述描述标签数据包括所述样例工地监控快照流中的至少一个目标行为在设定行为施工物理空间上的先验空间描述知识；

3、基于所述至少一个样例数字工地监控数据对基础空间描述知识预测网络进行多个循环阶段的网络参数优化直到满足终止条件，生成空间描述知识预测网络；

4、获取初始工地监控快照流，所述初始工地监控快照流中包含人员施工活动快照；对所述初始工地监控快照流进行分析，确定所述初始工地监控快照流中包含人员施工活动快照的目标分区范围；

5、从所述初始工地监控快照流中提取所述包含人员施工活动快照的目标分区范围，作为目标工地监控快照流；

6、依据满足终止条件的空间描述知识预测网络从所述目标工地监控快照流中确定至少一个目标行为的预测空间描述知识，基于所述至少一个目标行为的预测空间描述知识，生成所述人员施工活动快照的数据挖掘结果。

7、在第一方面的一种可能的实施方式中，针对每个样例数字工地监控数据，每个循环阶段的网络参数过程包括：

8、将所述样例数字工地监控数据的样例工地监控快照流加载到当次循环阶段的网络参数过程的基础空间描述知识预测网络，生成每个目标行为在设定行为施工物理空间上预测空间描述知识概率分布，所述预测空间描述知识概率分布反映所述样例工地监控快照流上相应目标行为在所述设定行为施工物理空间上的预测空间描述知识的置信度；

9、针对每个目标行为，基于所述目标行为的预测空间描述知识概率分布，生成所述目标行为在所述设定行为施工物理空间中多个互关联的行为施工物理路径上的预测路径描述知识概率分布，所述预测路径描述知识概率分布反映相应目标行为在对应的行为施工物理路径上的预测路径描述知识的置信度；

10、针对每个目标行为，基于所述目标行为在相应行为施工物理路径上的先验路径描述知识和设定离散度，确定所述目标行为在相应行为施工物理路径上的预测路径描述知识的参考路径描述知识分布，并基于所述目标行为在每个行为施工物理路径上的预测路径描述知识概率分布与参考路径描述知识分布之间的特征距离，确定所述目标行为在每个行为施工物理路径上的误差参数；

11、依据各个目标行为在每个行为施工物理路径上的误差参数，更新所述基础空间描述知识预测网络的网络参数信息。

12、在第一方面的一种可能的实施方式中，所述基于所述目标行为在每个行为施工物理路径上的预测路径描述知识概率分布与参考路径描述知识分布之间的特征距离，确定所述目标行为在每个行为施工物理路径上的误差参数，包括：

13、针对每个目标行为，将所述目标行为在每个行为施工物理路径上的预测路径描述知识概率分布与对应的目标参考路径描述知识分布间的卡氏距离散度，作为所述目标行为在对应的行为施工物理路径上的第一误差；

14、针对每个目标行为，将所述目标行为在每个行为施工物理路径上的预测路径描述知识概率分布与对应的目标参考路径描述知识分布间的一范数距离，作为所述目标行为在对应的行为施工物理路径上的第二误差；

15、针对每个目标行为，基于所述目标行为在每个行为施工物理路径上的第一误差和所述第二误差，确定所述目标行为在对应的行为施工物理路径上的全局误差参数。

16、在第一方面的一种可能的实施方式中，所述针对每个目标行为，基于所述目标行为在每个行为施工物理路径上的第一误差和所述第二误差，确定所述目标行为在对应的行为施工物理路径上的全局误差参数，包括：

17、针对每个目标行为，基于设定均衡参数对所述第二误差进行均衡转换，生成第三误差；

18、针对每个目标行为，将所述第三误差与所述第二误差之和作为所述目标行为在每个行为施工物理路径上的全局误差参数。

19、在第一方面的一种可能的实施方式中，所述将所述样例数字工地监控数据的样例工地监控快照流加载到当次循环阶段的网络参数过程的基础空间描述知识预测网络，生成每个目标行为在设定行为施工物理空间上预测空间描述知识概率分布，包括：

20、将所述样例工地监控快照流加载到当次循环阶段的网络参数过程的基础空间描述知识预测网络，生成所述基础空间描述知识预测网络生成的每个目标行为在所述样例工地监控快照流上的预测空间描述知识，以及所述预测空间描述知识概率分布中多个空间分布成分的空间阵列单元和每个空间分布成分的成分因子；

21、针对每个目标行为，基于所述目标行为的预测空间描述知识、多个空间分布成分的空间阵列单元和每个空间分布成分的成分因子，确定所述目标行为的预测空间描述知识概率分布；

22、其中，每个空间分布成分为所述预测空间描述知识概率分布中的一个空间分布，每个空间分布成分的成分因子为所述空间分布成分在预测空间描述知识概率分布中的影响因子。

23、在第一方面的一种可能的实施方式中，所述针对每个目标行为，基于所述目标行为的预测空间描述知识、多个空间分布成分的空间阵列单元和每个空间分布成分的成分因子，确定所述目标行为的预测空间描述知识概率分布，包括：

24、针对每个目标行为，基于所述目标行为的预测空间描述知识，以及多个空间分布成分的空间阵列单元，确定所述目标行为的多个空间分布成分；

25、针对每个目标行为，基于所述目标行为的多个空间分布成分以及每个空间分布成分的成分因子，生成所述目标行为的预测空间描述知识概率分布。

26、在第一方面的一种可能的实施方式中，所述每个目标行为的多个空间分布成分的空间阵列单元的确定步骤，包括：

27、针对每个目标行为，生成所述基础空间描述知识预测网络生成的所述目标行为的每个空间分布成分在所述设定行为施工物理空间的多个物理路径上的设定离散度以及每两个物理路径上的设定离散度之间的关联度；

28、针对每个目标行为，基于所述目标行为的每个空间分布成分在多个物理路径上的设定离散度以及所述每两个物理路径上的设定离散度之间的关联度，确定所述目标行为的每个空间分布成分的空间阵列单元；

29、其中，每个空间分布成分在各物理路径上的设定离散度反映所述样例工地监控快照流上每个目标行为的预测空间描述知识与所述目标行为的预测空间描述知识在相应物理路径上的平均特征距离。

30、在第一方面的一种可能的实施方式中，所述针对每个目标行为，基于所述目标行为的预测空间描述知识概率分布，生成所述目标行为在所述设定行为施工物理空间中多个互关联的行为施工物理路径上的预测路径描述知识概率分布，包括：

31、针对每个目标行为，基于所述目标行为的预测空间描述知识，分别获得所述预测空间描述知识在多个行为施工物理路径上的预测路径描述知识；

32、针对每个目标行为，生成所述目标行为的多个空间分布成分的空间阵列单元，针对所述目标行为的每个空间分布成分，基于所述空间分布成分的空间阵列单元，生成所述空间阵列单元在每个行为施工物理路径上的路径阵列单元；

33、针对每个目标行为，基于所述目标行为在每个行为施工物理路径上的预测路径描述知识，以及相应行为施工物理路径上的多个路径阵列单元，确定所述目标行为在相应行为施工物理路径上的多个路径分布成分；

34、针对每个目标行为，基于所述目标行为在每个行为施工物理路径上的多个路径分布成分以及每个路径分布成分的成分因子，确定每个目标行为在每个行为施工物理路径上的预测路径描述知识概率分布，每个路径分布成分的成分因子与对应的空间分布成分的成分因子相同。

35、在第一方面的一种可能的实施方式中，所述获取数字工地平台的至少一个样例数字工地监控数据的步骤之前，所述方法还包括：

36、获取多个标定工地监控快照流；每个标定工地监控快照流中包含人员施工活动快照；

37、针对每个标定工地监控快照流，对所述标定工地监控快照流进行分析，确定所述标定工地监控快照流中包含人员施工活动快照的目标分区范围以及各个目标行为在设定行为施工物理空间上的先验空间描述知识；

38、针对每个标定工地监控快照流，从所述标定工地监控快照流中提取所述包含人员施工活动快照的目标分区范围，作为一个样例数字工地监控数据的样例工地监控快照流，将各个目标行为在设定行为施工物理空间上的先验空间描述知识作为相应样例数字工地监控数据的描述标签数据。

39、再一方面，本发明实施例还提供一种应用于数字工地平台的数据挖掘系统，包括处理器、机器可读存储介质，所述机器可读存储介质和所述处理器连接，所述机器可读存储介质用于存储程序、指令或代码，所述处理器用于执行所述机器可读存储介质中的程序、指令或代码，以实现上述的方法。

40、基于以上方面，本发明实施例针对数字工地平台中的监控数据，通过优化基础空间描述知识预测网络，实现了对工地施工活动中目标行为空间描述的精准预测，显著提高了施工行为监控的智能化水平，具体而言，通过利用样例数字工地监控数据及其描述标签，对预测网络进行多阶段优化，有效减少了预测误差，使得预测的空间描述知识更加接近实际施工情况，提高了预测的准确性。此外，能够实时获取并分析初始工地监控快照流，快速确定包含施工活动的目标分区范围，并提取为目标工地监控快照流，从而实现对施工行为的即时监测与分析，增强了工地管理的时效性。基于优化后的空间描述知识预测网络，自动从目标工地监控快照流中提取目标行为的预测空间描述知识，并生成详细的数据挖掘结果，为工地管理者提供了直观、全面的施工行为分析报告，减少了人工干预，提高了工作效率。生成的数据挖掘结果不仅反映了施工行为的当前状态，还能帮助管理者识别潜在的安全隐患、评估施工效率与质量，为优化施工方案、调整资源配置提供科学依据，从而提升了工地的整体管理水平与决策效率。也即，通过构建并优化空间描述知识预测网络，实现了对数字工地平台监控数据的深度挖掘与分析。