大数据背景下高速公路建设项目进度管理的创新实践

黄江红 HUANG Jiang-hong；王杰 WANG Jie；李秀婷 LI Xiu-ting；何智超 HE Zhi-chao；侯杰 HOU Jie

（浙江综合交通大数据中心有限公司，杭州 310023）

0 引言

高速公路建设项目作为国家经济和社会发展的重要支撑，其进度管理至关重要。在传统的高速公路建设项目中，项目进度管理常常依赖于手工记录和不同监管、建设、监理主体之间的沟通协调，一定程度导致信息的滞后和不准确。同时，庞大的数据量和复杂的项目流程使得高速公路建设公司难以快速掌握项目的实际进展情况和风险，项目管理的难度由此不断增加。

在此背景下，本论文结合高速公路进度管理的特征与现状，着重研究了大数据背景下高速公路建设项目进度管理，关注于实时监控与可视化管理、关键链识别与调度、风险识别与预警设置、基于大数据技术的资源优化与协调合作、智能决策支持等关键内容，旨在为高速公路建设项目的进度管理提供新的思路和方法。

1 高速公路公司进度管理特征

本论文按照层层递进的方式，分析了高速公路建设项目在进度管理方面的特征（如表1）、高速公路公司进度管理现状（如表2）。

表1 高速公路建设项目在进度管理方面的特征

2 基于大数据技术的进度管理案例研究

针对上诉高速公路进度管理的特征与现状，打造一个集“办事、审核、监管”于一体的公路项目数字化管理模型，为交通行业管理部门，以及建设、监理、设计、施工等参建单位提供统一工作环境，实现交通建设工程项目规划、建设、交工的全生命周期进度管理。聚集实时监控与可视化管理、关键链识别与调度、风险识别与预警设置、基于大数据技术的资源优化与协调合作、智能决策支持等关键内容。

2.1 实时监控与可视化展示

针对高速公路建设项目不确定性多、风险性大的特点，以及缺乏有效的监控和控制机制的现状，建设公路工程数字化管理，应切实满足实时监控的需求。在本项目中，首先，在项目现场安装传感器，监测土壤质量、材料使用量和环境条件等数据。其次，利用监控摄像头和无人机，实时拍摄施工场景，获取施工进度、人员分布和设备状态的图像数据。最后，结合手机端与PC 端进行实际进度的人工方式采集，如工程质量检查记录、人员分布与任务分配、现场照片和笔记。采集到的数据通过物联网技术传输到中央数据库。

在数据库中，使用ETL（提取、转换、加载）流程对数据进行清洗、转换和整合，确保数据质量和一致性。通过采用数据仓库或数据湖的架构，将不同的数据源汇总在一起，形成全面的目录数据集。如图1，通过数据可视化手段全面展示规划前期、项目建设、运营养护三个阶段的项目进度信息，使项目管理者能够更加准确地把握项目动态，做出及时决策。

将项目进度数据可视化呈现，以图表、仪表盘、地图等形式展示项目的进展情况。如采用饼图、柱状图和折线图等形式将实际资金支出与预算进行对比，以便清晰显示出投资进度情况。使用甘特图、里程碑图和时间轴图展示建设项目进度各个任务的实际完成时间和计划进度的对比。使用三维模型、图纸和虚拟现实技术，将实际建设进度与预定设计进行比较，展示形象进度情况。如图1，将各行政区划项目进度达成情况以不同颜色标示，便于项目管理团队和利益相关方能够更直观地了解项目的状态和趋势，方便监测和决策。

2.2 关键链识别与调度

针对高速公路建设项目复杂程度高、时间关键性强、工序兼具依赖性与并行性的特点，以及实际存在的时间安排不合理、依赖关系不清晰的现状，梳理不同投资模式下高速公路建设的全部环节，明确资源配置与调度方案和工作优先顺序，将工程资源制约关系加入网络计划，使用关键链法管理工程项目进度，如图2。

图2 项目关键路径页面

2.3 风险识别与预警处置

针对高速公路缺乏风险管理与延误应对计划的现状，实时收集、分析和处理项目进度数据，实时监控项目进度和关键指标，及时发现延误、风险和异常情况并通过预警系统及时发现潜在的延误、风险和异常，如图3。这使项目管理团队能够及早采取措施，防止问题进一步扩大，并提前预警，以便做出相应的调整和决策。

图3 项目进度预警页面

2.4 基于大数据技术的资源优化与协调合作

针对高速公路建设项目参与方多、协调性要求高的特点，以及信息传递和沟通不畅的现状，必须重视人事管理的信息化，这是实现公路建设数字化管理体系构建目标的基础与前提。基于大数据平台，不同利益相关方可以共享项目进度数据和实时信息。这促进了各方之间的协同合作和沟通，减少信息断层，提高项目进度管理的效率和透明度。共享项目进度数据和实时信息，不同的利益相关方可以更好地了解项目状态、任务分配和进度更新，提高沟通效率和协调能力。

2.5 智能决策支持

基于相关性分析和拟合模型的研究成果可以嵌入到智能决策支持系统中，为项目管理决策提供数据支持。确定需要分析的变量，变量包括施工进度、资源分配、材料供应、天气条件等。基于公路工程项目管理领域知识，选择最相关的变量，设计相关性分析和拟合模型。使用相关系数分析、散点图等统计方法，结合机器学习算法来分析不同变量之间的相关性。确定哪些变量之间存在显著的关联，这有助于识别项目进展中的关键驱动因素。基于相关性分析的结果，选择线性回归、机器学习等模型来拟合数据，以便预测未来的项目进度。最终分主体分事项做实时统计结果，如图4，帮助管理团队做出更明智的决策，优化资源分配和任务安排，提高项目进度的效率和质量。

图4 项目问题决策支持页面

3 结束语

本论文深入研究了大数据技术在高速公路项目进度管理中的应用，揭示了它们对项目的影响和潜力。这些创新实践不仅提高了项目的效率和可控性，还为决策者提供了更多信息和工具，以支持更明智、基于数据的决策。然而，随着技术的不断发展，我们面临着新的挑战，包括数据隐私、安全性和伦理等方面的问题。因此，我们必须继续探索这一领域，不断改进方法和工具，为实现交通建设工程项目规划、建设、交工的全生命周期进度管理做出更大的贡献。