基于无监督学习的施工区域分区方法、系统、终端及介质与流程

技术特征：
1.一种基于无监督学习的施工区域分区方法，其特征在于，包括：获取建筑物及施工区域的基础信息，提取不可分割构件的类型及位置、施工机具位置；以不可分割构件为样点，对施工区域进行泰森多边形划分，每一个泰森多边形均为一个细胞单元；对每个细胞单元进行赋值，包括该细胞单元的样点的位置、该细胞单元的面积，以及该细胞单元的样点与各施工机具对应的关键点位之间的距离修正值；将距离各施工机具对应的关键点位最近的样点作为核心点，初始化核心点列表，基于核心点列表采用改进的dbscan算法对所有细胞单元进行聚类，实现对施工区域的分区。2.根据权利要求1所述的基于无监督学习的施工区域分区方法，其特征在于，在以不可分割构件为样点，对施工区域进行泰森多边形划分的过程中，对于横截面为非点状结构的不可分割构件，首先求取其最小外接凸多边形，在进行泰森多边形划分时，取与其他样点距离最近的边或点为基准进行样点间距离计算。3.根据权利要求1所述的基于无监督学习的施工区域分区方法，其特征在于，细胞单元的样点与施工机具对应的关键点位之间的距离修正值为：细胞单元的样点与施工机具对应的关键点位的之间的欧氏距离与修正系数的乘积，所述修正系数随施工机具辐射区域的增大而减小。4.根据权利要求1所述的基于无监督学习的施工区域分区方法，其特征在于，所述基于核心点列表采用改进的dbscan算法对所有细胞单元进行聚类，实现对施工区域的分区，具体包括：a：以核心点列表队首的核心点为圆心，将预设半径内的样点对应的细胞单元加入簇内；b：以簇内未被访问且距离核心点最近的样点为圆心，将预设半径内的样点对应的细胞单元进入簇内；c：重复步骤b，直至簇内所有细胞单元的面积之和达到预设的分区面积最小值时停止，此时簇内所有细胞单元构成一个分区；d：将不属于当前簇内且距离停止样点最近的一个细胞单元的样点作为核心点添加到核心点列表的队尾，同时删除当前核心点列表队首的核心点；e：重复步骤a~d，直至核心点列表为空，完成对施工区域的分区。5.根据权利要求4所述的基于无监督学习的施工区域分区方法，其特征在于，还包括：当聚类过程中出现离群样点，则获取距离此离群样点最近的细胞单元和最近的关键点位；判断最近的细胞单元所在分区的核心点对应的关键点位与最近的关键点位是否相同；若相同，则将该离群样点对应的细胞单元划分到该最近的细胞单元所在分区；若不同，获取距离此离群样点最近的细胞单元所在分区和最近的关键点位所对应的分区，并分别计算此离群样点对应的细胞单元加入两个分区后的分区面积；若两个分区面积均超过或均不超过预设的分区面积最大值，则将该离群样点对应的细胞单元加入到面积更大的分区；若一个分区面积超过预设的分区面积最大值而另一个分区面积不超过预设的分区面积最大值，则将该离群样点对应的细胞单元加入不超过预设的分区面积最大值的分区。
6.根据权利要求4或5 所述的基于无监督学习的施工区域分区方法，其特征在于，两个细胞单元的样点之间的距离l通过如下公式计算：其中，x、x’分别表示两个细胞单元的样点的横坐标，y、y’分别表示两个细胞单元的样点的纵坐标，cvn、cvn
’ꢀ
分别表示两个细胞单元的样点与第n个关键点位之间的距离修正值。7.一种基于无监督学习的施工区域分区系统，其特征在于，包括：信息获取模块，用于获取建筑物及施工区域的基础信息，提取不可分割构件类型及位置、施工机具位置；泰森多边形划分模块，用于以不可分割构件为样点，对施工区域进行泰森多边形划分，每一个泰森多边形均为一个细胞单元；赋值模块，用于对每个细胞单元进行赋值，包括该细胞单元的样点的位置、该细胞单元的面积，以及该细胞单元的样点与各施工机具对应的关键点位之间的距离修正值；分区模块，用于将距离各施工机具对应的关键点位最近的样点作为核心点，初始化核心点列表，基于核心点列表采用改进的dbscan算法对所有细胞单元进行聚类，实现对施工区域的分区。8.根据权利要求7所述的基于无监督学习的施工区域分区系统，其特征在于，所述基于核心点列表采用改进的dbscan算法对所有细胞单元进行聚类，实现对施工区域的分区，具体包括：a：以核心点列表队首的核心点为圆心，将预设半径内的样点对应的细胞单元加入簇内；b：以簇内未被访问且距离核心点最近的样点为圆心，将预设半径内的样点对应的细胞单元进入簇内；c：重复步骤b，直至簇内所有细胞单元的面积之和达到预设的分区面积最小值时停止，此时簇内所有细胞单元构成一个分区；d：将不属于当前簇内且距离停止样点最近的一个细胞单元的样点作为核心点添加到核心点列表的队尾，同时删除当前核心点列表队首的核心点；e：重复步骤a~d，直至核心点列表为空，完成对施工区域的分区。9.一种电子终端，包括存储器、处理器，以及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任一项所述的基于无监督学习的施工区域分区方法的步骤。10.一种计算机可读存储介质，其存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述的基于无监督学习的施工区域分区方法的步骤。

技术总结
本发明公开了一种基于无监督学习的施工区域分区方法、系统、终端及介质，其中方法包括：首先获取建筑物及施工区域的基础信息；再以不可分割构件为样点，对施工区域进行泰森多边形划分，将每一个泰森多边形作为一个细胞单元；然后对每个细胞单元进行赋值；最后将距离各施工机具对应的关键点位最近的样点作为核心点，基于核心点列表采用改进的DBSCAN算法对所有细胞单元进行聚类，实现对施工区域的分区。本发明可以提高施工区域分区合理性，降低对人工的依赖。对人工的依赖。对人工的依赖。


技术研发人员：陈子奇 吴业秋
受保护的技术使用者：中建五局第三建设有限公司
技术研发日：2022.08.17
技术公布日：2022/9/13