买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜鄄城县房地产测绘中心申请的专利一种基于大数据的建筑工程管理方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118674099B 。

龙图腾网通过国家知识产权局官网在2025-04-22发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410713129.0，技术领域涉及：G06Q10/04；该发明授权一种基于大数据的建筑工程管理方法是由林丽丽;牛福建;程元亮;牛欣慧;程培航设计研发完成，并于2024-06-04向国家知识产权局提交的专利申请。

本一种基于大数据的建筑工程管理方法在说明书摘要公布了：本申请提出了一种基于大数据的建筑工程管理方法，属于建筑工程管理技术领域。通过无人机、摄像头、传感器等设备获取实时影像和数据，结合机器学习、深度学习等技术进行施工进度、质量监控、安全管理、材料管理等方面的优化调度，实现精细化的施工管理。该方法能够提高施工质量和效率，减少安全事故的发生，降低施工成本。研究使用长短期记忆网络LSTM进行施工进度趋势预测，引入强化学习算法，结合历史项目数据、实时资源状态、天气预报等信息，动态调整项目计划，以缩短工期并降低延误成本。结合多元数据集，通过GCN模型对节点进行嵌入学习，使用强化学习优化材料管理。通过人脸识别技术和深度学习算法，确保施工现场安全。

本发明授权一种基于大数据的建筑工程管理方法在权利要求书中公布了：1.一种基于大数据的建筑工程管理方法，其特征在于，所述方法包括：S1、在施工场地内设置数据采集装置和巡检，收集实时影像及数据，并传回至中央数据库；S2、将施工场地分为不同子区域，针对每个区域进行质量监控，确定各子区域的质量等级，在三维模型中标注对应区域；S3、通过无人机获取施工图像，利用语义分割，计算施工进度，预测剩余施工时间，若预测延期，使用强化学习算法优化项目计划和任务分配；强化学习算法优化项目计划和任务分配：计算预测施工进度P^t与设计施工进度计划Pplan，t的偏差：ΔPt=P^t-Pplan，t；若∣ΔPt∣≥δ，δ为设定的阈值，启用强化学习算法；强化学习算法的目标是最大化期望累积奖励Gt：Gt=∑k=0∞γkRt+k+1；其中，Rt是在时间步t获得的即时奖励，Rt+k+1是下一个即时奖励，k即时奖励的步数，γ是折扣因子，选择一个策略π，通过与环境交互，更新策略以最大化Gt；状态st包括历史项目数据、实时资源状态、天气预报，动作at代表项目计划调整决策；S4、实施人脸识别及防护装备识别以进入施工场地，在防护装备上设置射频装置，保障信息一致性，通过施工场地内摄像头不定期检测并识别危险行为；S5、在材料包装上嵌入RFID标签，追踪全链条流转，将材料和施工位置视为有向图，利用图神经网络进行嵌入学习，通过深度强化学习优化材料的调度方案；将材料和施工位置视为有向图：将施工现场划分为多个工作区域，将材料视为节点，材料在不同区域之间的流动视为有向边；构建包含材料节点、位置节点及二者间转移关系的有向图模型，定义两种类型的节点，即材料节点M和位置节点L；每个材料节点m∈M表示一种具体的材料，包含属性为种类、规格、需求量；每个位置节点l∈L表示施工现场的一个工作区域，包含属性为空间距离、施工进度关联性；定义有向边E来表示材料在不同位置之间的流动；对于每个材料节点m和位置节点l，材料m能从位置l流向另一个位置l′，则存在一条从m出发，指向l′的有向边∈E；边的权重可用来表示材料在两个位置之间流动的强度或概率；通过深度强化学习优化材料的调度方案：将节点嵌入最终隐状态hv（K）作为强化学习环境的状态表示，对于智能体需要决策的每个节点v，其状态由其自身的最终隐状态以及与其相邻节点的最终隐状态共同构成；定义智能体在每个节点上的可用节点动作集，每个节点动作a通常对应一个实值或离散的决策变量，构建一个深度神经网络，输入为节点状态表示，输出为每个节点动作的概率分布或确定性节点动作值；对于确定性策略梯度方法，网络直接输出确定性节点动作值，av=π（sv；θ）=fpolicy（hv（K）；θ），其中，π是策略函数，sv是节点v的状态，θ是策略网络的参数，fpolicy是策略网络的前向传播函数；奖励函数可以表示为：R=wcostrcost+wtransportrtransport-winventoryrinventory-woutageroutage+wtimelinessrtimeliness+wusagerusage，其中，wn是对应奖励成分rn的权重，采购成本rcost，运输成本rtransport，库存持有成本rinventory，缺货惩罚routage，材料到位及时性rtimeliness，材料使用效率rusage，使用确定性策略梯度方法REINFORCE算法更新策略网络参数θ，参数更新规则为：▽θJ≈∑t=1T▽θlogπRt，其中，J是期望累积奖励，T是采样步数，Rt是在时间步t收到的奖励；智能体根据当前策略网络输出的确定性节点动作值，在环境中执行节点动作，并观察环境反馈，重复这一过程，不断积累经验并更新策略网络参数，直到达到预设的训练轮数或收敛条件。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人鄄城县房地产测绘中心，其通讯地址为：274600 山东省菏泽市鄄城县孙膑北路65号房产局三楼；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。