CN118410447B - 基于bim的公路工程自动化监测控制系统 - Google Patents

Abstract

本发明涉及公路工程自动化监测数据处理技术领域，具体涉及一种基于BIM的公路工程自动化监测控制系统。包括：采集监测点在每个时间段的温度数据、湿度数据、应力数据和应变数据；根据应力数据和应变数据获取抗形变能力；根据温度数据获取监测点在每个周期的温度渐变度和昼夜温差，进而获得温度渐变矩阵和昼夜温差矩阵；获取任意两个监测点之间的温度变化相异程度及湿度变化相异程度，结合欧氏距离获取任意两个监测点之间的环境相似度；根据环境相似度，获取每个监测点的环境聚类，结合抗形变能力获取局部异常程度；根据局部异常程度获得异常监测点。本发明解决了公路工程的自动化监测精度较低的问题。

Description

基于BIM的公路工程自动化监测控制系统

技术领域

本发明涉及公路工程自动化监测数据处理技术领域，具体涉及一种基于BIM的公路工程自动化监测控制系统。

背景技术

公路工程是构建便捷、通畅、高效、安全的交通运输体系的重要组成部分。近年来，公路交通条件日益改善，伴随而来的地质灾害问题也显著增加，而灾害一旦发生就可能中断交通，或造成行车事故，对公路交通基础设施和群众生命安全危害极大，甚至可能会引起“生命线”工程的堵塞、混乱与瘫痪。每条公路都是特有的、唯一的，一经建成，在短时间内将不会进行重复性的投资建设，且建设一条公路将会耗费大量的人力、物力和财力。因此，建立公路工程自动化监测控制系统是极其重要和必要的。

现有的LOF异常检测算法可以通过对公路上的监测点进行异常监测，获取异常信息，建立公路工程自动化监测控制系统，但是LOF异常检测算法进行异常监测的准确性依赖于第k距离邻域的范围，k值由人为统一设定，而公路工程属于线形工程建设项目，同一条道路的地质环境条件变化大，使用同一k值进行公路监测数据的异常检测时准确率不高，使公路工程的自动化监测精度较低。

发明内容

为了解决上述技术问题，本发明的目的在于提供一种基于BIM的公路工程自动化监测控制系统，以解决传统异常检测算法应用于公路工程的自动化监测时精度较低的问题，所采用的技术方案具体如下：

本发明提出了基于BIM的公路工程自动化监测控制系统，所述系统包括：

数据采集模块，在监测路段上每间隔预设距离设置一个监测点，采集监测点在每个时间段的公路监测数据，公路监测数据包括但不限于温度数据、湿度数据、应力数据和应变数据；

公路监测数据处理模块，根据监测点的应力数据和应变数据获取抗形变能力；根据监测点在每个时间段的温度数据获取监测点在每个周期内的温度渐变度和昼夜温差；根据监测点在每个周期内的温度渐变度和昼夜温差获取温度渐变矩阵和昼夜温差矩阵；根据温度渐变矩阵和昼夜温差矩阵获取任意两个监测点之间的温度变化相异程度；对于监测点在每个时间段的湿度数据，采用与温度变化相异程度相同的计算方式，获得任意两个监测点之间的湿度变化相异程度；获取任意两个监测点之间的欧氏距离，根据两个监测点之间的温度变化相异程度、湿度变化相异程度及欧氏距离获取两个监测点之间的环境相似度；根据环境相似度获取每个监测点的环境聚类，进而根据环境聚类中的监测点在每个时间段对应的抗形变能力获取监测点的局部异常程度；

公路监测数据异常检测模块，根据时间段的总个数及每个监测点的局部异常程度确定异常检测算法的参数值，进而获得每个监测点在每个时间段的离群因子；

公路监测控制模块，根据离群因子获得异常监测点，进而对异常监测点处的公路路段进行控制处理。

进一步，所述时间段获取的具体方法为：

将预设时间长度作为一个周期，共获取第一预设数量个周期；

将每个周期划分为第二预设数量个时间段。

进一步，所述根据监测点的应力数据和应变数据获取抗形变能力，包括的具体方法为：

将监测点在时间段内包含的所有应力数据之和记为应力总值；

将监测点在时间段内包含的所有应变数据之和记为应变总值；

将应力总值与应变总值的比值作为监测点在时间段对应的抗形变能力。

进一步，所述根据监测点在每个时间段的温度数据获取监测点在每个周期内的温度渐变度和昼夜温差，包括的具体方法为：

将监测点在时间段内包含的所有温度数据均值记为监测点在时间段的平均温度；

将监测点在周期内的第二个时间段开始到最后一个时间段为止包含的所有时间段记为后置时间段；

将后置时间段的平均温度与后置时间段的前一个时间段的平均温度的差值作为后置时间段对应的温度差；

将所有后置时间段对应的温度差之和作为监测点在每个周期的温度渐变度；

将监测点在周期内包含的所有时间段的平均温度的极差作为监测点在周期内的昼夜温差。

进一步，所述根据监测点在每个周期内的温度渐变度和昼夜温差获取温度渐变矩阵和昼夜温差矩阵，包括的具体方法为：

将监测点个数作为行数，周期个数作为列数，构建温度渐变矩阵，温度渐变矩阵中的元素为对应监测点在对应周期的温度渐变度；

将监测点个数作为行数，周期个数作为列数，构建昼夜温差矩阵，昼夜温差矩阵中的元素为对应监测点在对应周期的昼夜温差。

进一步，所述温度变化相异程度获取的方法为：

将任意两个监测点记为两个待分析监测点；

将温度渐变度矩阵中两个待分析监测点在同一周期的温度渐变度之差作为周期温度渐变差，将两个待分析监测点在所有周期的周期温度渐变差之和作为两个待分析监测点的温度渐变差总值；

将昼夜温差矩阵中两个待分析监测点在同一周期的昼夜温差之差作为周期昼夜温差，将两个待分析监测点在所有周期的周期昼夜温差之和作为两个待分析监测点的昼夜温度差总值；

将两个待分析监测点的温度渐变差总值与昼夜温度差总值之和作为两个待分析监测点之间的温度变化相异程度。

进一步，所述获取任意两个监测点之间的欧氏距离，根据两个监测点之间的温度变化相异程度、湿度变化相异程度及欧氏距离获取两个监测点之间的环境相似度，包括的具体方法为：

将两个待分析监测点之间的温度变化相异程度与湿度变化相异程度之和作为两个待分析监测点之间的整体相异程度；

获取两个待分析监测点之间的欧氏距离，将两个待分析监测点之间的欧氏距离与整体相异程度的乘积作为两个待分析监测点之间的环境相异程度；

将以自然常数为底数，两个待分析监测点之间的环境相异程度的相反数为指数的数值作为两个待分析监测点之间的环境相似度。

进一步，所述根据环境相似度获取每个监测点的环境聚类，进而根据环境聚类中的监测点在每个时间段对应的抗形变能力获取监测点的局部异常程度，包括的具体方法为：

根据各个监测点之间的环境相似度，使用谱聚类将各个监测点划分为第三预设数量的聚类簇，将每个聚类簇作为一个环境聚类；

根据每个环境聚类中的监测点在所有时间段对应的抗形变能力获取监测点的赫斯特指数；

将环境聚类内包含的所有监测点的赫斯特指数的均值记为环境聚类均值；

将监测点的赫斯特指数与环境聚类均值的差值作为监测点的偏离值；

将环境聚类内包含的所有监测点的赫斯特指数的标准差记为环境聚类标准差；

将监测点的偏离值的绝对值与环境聚类标准差的乘积作为监测点的局部异常程度。

进一步，所述根据时间段的总个数及每个监测点的局部异常程度确定异常检测算法的参数值，进而获得每个监测点在每个时间段的离群因子，包括的具体方法为：

将时间段的总个数作为初始参数值；

将以自然常数为底数，监测点的局部异常程度的相反数为指数的数值作为监测点的异常偏离值；

将数字1与监测点的异常偏离值的差值作为监测点的综合异常指数；

将监测点的综合异常指数与初始参数值的乘积的向下取整值作为异常检测算法的参数值；

根据异常检测算法的参数值计算监测点在每个时间段的离群因子。

进一步，所述根据离群因子获得异常监测点，进而对异常监测点处的公路路段进行控制处理，包括的具体方法为：

将离群因子大于第一预设阈值的时间段作为异常时段；

将异常时段的个数与所有时间段个数的比值大于第二预设阈值的监测点作为异常监测点；

对异常监测点处的公路路段进行相应的养护、维修、加固处理。

本发明的有益效果是：本发明先根据各个监测点处的温度、湿度变化特征，获取其温度变化相异程度、湿度变化相异程度，对其所处的地质环境条件进行区分，根据各个监测点之间的温度变化相异程度、湿度变化相异程度以及欧氏距离，获取对应的环境相似度；将监测点根据环境相似度进行聚类，获得环境聚类；将各个监测点与其所属环境聚类内部的各监测点的抗形变能力的波动范围进行比较，获取监测点的局部异常程度，提高监测点异常程度计算的准确性；根据各个监测点局部异常程度的不同，设置监测点的实际k值，对每个监测点在所有时段的抗形变能力进行异常监测，获取异常时段，并根据异常时段的占比判断监测点是否为异常监测点，提高异常监测的准确性；解决了使用同一参数值对不同地质环境条件的公路监测数据进行异常检测时准确率不高的问题，提高了公路工程的自动化监测精度。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案和优点，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其它附图。

图1为本发明一个实施例所提供的基于BIM的公路工程自动化监测控制系统框图；

图2为不同环境下的路面示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

请参阅图1，其示出了本发明一个实施例提供的基于BIM的公路工程自动化监测控制系统框图，该系统包括：数据采集模块101、公路监测数据处理模块102、公路监测数据异常检测模块103、公路监测控制模块104。

数据采集模块101采集不同地质条件下的公路监测数据。

由于不同路段上、不同时间段内公路的地质环境条件不同，为了尽可能的对不同地质环境条件下的公路进行监测，在监测路段上每隔500米设置一个监测点，以每日为一个周期，将一个周期均分为个时间段，在各监测点处采集个周期的相关数据，相关数据包括公路路面的温度数据、湿度数据、应力数据和应变数据，取值为7，取值为24。

埋入式传感器与测点周围结构粘结紧密，受外界干扰小，测试更为准确，能有效保护传感器。将温度传感器、湿度传感器、应力传感器、应变片分别埋入监测点周围的路面基层，用以对公路路面的温度数据、湿度数据、应力数据和应变数据进行采集。

公路监测数据处理模块102用于根据各监测点的公路监测数据获取局部异常程度。

先根据各监测点处各个时间段内的平均温度、平均湿度获取各个监测点之间的环境相似度，进而将监测点进行聚类，获得环境聚类，再根据监测点所属环境聚类内部各监测点的赫斯特指数获取对应的局部异常程度，具体包括：

1、获取各个监测点处各个时间段内的抗形变能力。

材料的抗形变能力是指材料抵抗外力而不发生变形的能力，也就是材料在单位的应力作用下形变程度。相同的应力条件下，应变越小，则抗形变能力越强。如果路基和路面结构整体或某一组成部分的抗形变能力不足，路面就会出现断裂、沉陷、波浪或车辙等病害，影响路基、路面的正常使用，因此，可以通过对路面抗形变能力的异常监测实现对公路工程的自动化监测控制。

在监测路段上共设置了个监测点，取值100，第个监测点处第个周期的第个时间段内采集的个应力数据之和为，应变数据之和为，取值60，的取值范围为1到之间的整数，的取值范围为1到之间的整数，则第个监测点处第个周期的第个时间段内的抗形变能力可以表示为应力数据之和与应变数据之和的比值，当应力一定时，应变越大，则抗形变能力越弱。

2、根据各个监测点处的温度、湿度变化特征，获取各个监测点之间的温度变化相异程度、湿度变化相异程度。

由于路面结构袒露在大气之中，不仅承受行车荷载的作用，还经常受到水分和温度的影响，有的路面材料又较敏感，其性能也随之不断发生变化，抗形变能力不稳定。例如：沥青路面在高温时会变软而产生车辙和推挤，低温时又可能因收缩或变脆而产生开裂；水泥混凝土路面在高温时可能发生拱胀现象，低温时可能出现收缩裂缝，温度急剧变化时也可能出现翘曲而破坏；砂石路面在雨季时因雨水渗入路面结构而强度下降，产生沉陷、车辙等现象。如图2所示，不同环境下的路面示意图中水滴越多，代表路面的湿度越高，水滴越少，代表路面的湿度越低；太阳越大，代表路面的温度越高，太阳越小，代表路面的温度越低。

因此，当有行车通过时，路面的抗形变能力与其所处的环境有着密不可分的关系，可以通过各监测点处的温度、湿度获取环境变化影响因子，用以区分各监测点处地质环境条件的不同。

在公路路面上第个监测点处第个周期的第个时间段内采集的温度数据均值记为平均温度为，将第个监测点处第个周期的第个时间段内的平均温度与第个时间段内的平均温度的差值作为第个监测点处第个周期的第个时间段对应的温度差；将第个监测点处第个周期内的第二个时间段开始到最后一个时间段为止的每个时间段对应的温度差之和作为第个监测点处第个周期内的温度渐变度，昼夜温差为第个监测点处第个周期内所有时间段平均温度的极差。

所有监测点处所有周期内的温度渐变度构成温度渐变矩阵，矩阵元素表示第个监测点处第个周期内的温度渐变度；所有监测点处所有周期内的昼夜温差构成昼夜温差矩阵，矩阵元素表示第个监测点处第个周期内的昼夜温差。

结合温度渐变度矩阵和昼夜温差矩阵获取第个监测点与第个监测点之间的温度变化相异程度，计算公式为：

其中，、为监测点的位置；为第个监测点和第个监测点之间的温度变化相异程度；为温度渐变矩阵中第个监测点在第个周期内的温度渐变度，为温度渐变矩阵中第个监测点在第个周期内的温度渐变度；为昼夜温差矩阵中第个监测点在第个周期内的昼夜温差；为昼夜温差矩阵中第个监测点在第个周期内的昼夜温差。

温度渐变矩阵和昼夜温差矩阵共同反映各个监测点处的温度变化特征。当两个监测点各个周期内的温度渐变度相差越小、昼夜温差相差越小，说明其温度变化情况越相似，温度变化相异程度越低。

同理，按照上述方法，根据所有监测点处所有周期的各个时间段内采集的湿度数据，获取任意两个监测点之间的湿度变化相异程度。

3、根据各个监测点之间的温度变化相异程度、湿度变化相异程度以及欧氏距离，获取对应的环境相似度，进而将监测点进行聚类，获得环境聚类。

综合温度变化相异程度、湿度变化相异程度以及欧氏距离，获取各个监测点之间的环境相似度。第个监测点和第个监测点之间的环境相似度可以表示如下：

其中，为以自然常数为底的指数函数；为第个监测点和第个监测点之间的环境相似度；为第个监测点和第个监测点之间的欧氏距离；为第个监测点和第个监测点之间的温度变化相异程度；为第个监测点和第个监测点之间的湿度变化相异程度。

两个监测点之间的欧氏距离越大，说明其距离越远，越可能处于不同的环境下，环境相似度越低；两个监测点之间的温度变化相异程度、湿度变化相异程度相差越大，说明其温度变化特征、湿度变化特征越不相同，环境相似度越低。

根据各个监测点之间的环境相似度，使用谱聚类将各个监测点划分为个聚类簇，取值为4，将每个聚类簇作为一个环境聚类。

4、根据各个监测点处各个时间段内的抗形变能力，获取局部异常程度。

当公路正常运行时，由于行车荷载的作用，各监测点处的抗形变能力是在正常波动范围内变化的，使用赫斯特指数获取路面抗形变能力的长期相关性，根据监测点与其环境聚类中其他监测点赫斯特指数的相异程度获取监测点的局部异常程度。第个监测点处的局部异常程度可以表示如下：

其中，为第个监测点处的局部异常程度；为第个监测点处的赫斯特指数；为第个监测点所处环境聚类内部所有监测点的赫斯特指数的均值；为第个监测点所处环境聚类内部所有监测点的赫斯特指数的标准差。

当监测点与其所属环境聚类内部各监测点赫斯特指数的均值相差较小时，说明其抗形变能力的长期相关性与周围其他监测点大致相同，其抗形变能力的波动处于正常范围内，则该监测点的局部异常程度较小，应该选择较小的k值；当监测点所属环境聚类内部各监测点的赫斯特指数标准差越大时，说明该监测点所处环境聚类内部各监测点的赫斯特指数的离散程度越高，则该监测点的局部异常程度越大，应选择较大的k值。

公路监测数据异常检测模块103用于根据各个监测点处的局部异常程度自适应确定LOF异常检测算法的k值，并使用LOF算法对公路上的各个监测点处是否发生异常进行监测。

使用LOF异常检测算法对公路的抗形变能力进行监测时，第k距离邻域的范围越大，异常程度较低的异常点越容易被误认为是正常数据点。因此当各个监测点处的局部异常程度越低时，应该选择较小的k值，防止将正常数据点误判为异常数据点，而当局部异常程度越高时，应该选择较大的k值，防止将异常程度较高的离群点判断为正常数据点。

将时间段的总个数作为k值的初始值，即，进而结合每个监测点的局部异常程度获取每个监测点的实际k值，第个监测点处的实际k值的计算公式为：

其中，为第个监测点处的实际k值；为向下取整函数，确保k值为整数；为以自然常数为底的指数函数；为第个监测点处的局部异常程度；为k值的初始值。

当局部异常程度越大时，应该设置较大的k值，防止将异常程度较高的离群点判断为正常数据点。

将每个监测点包含的所有时间段的抗形变能力作为一个数据集，则每个监测点对应一个数据集，对每个监测点对应的数据集使用LOF异常检测算法进行异常检测，根据第个监测点的实际k值计算第个监测点对应的数据集中每个数据点的离群因子LOF。

自此，获得每个监测点在每个时间段对应的离群因子LOF。

公路监测控制模块104用于获取异常监测点，根据各异常监测点的位置，对公路状态进行分析，并采取相应处理。

当离群因子LOF大于1时，则判定对应时间段内发生异常，否则为正常。当发生异常的时间段与总时间段的比值大于阈值时，则判断对应监测点为异常监测点，阈值取值为50%。根据各异常监测点的位置，由公路维修养护人员对各异常监测点处的公路状态进行后续的分析，判断公路状态出现异常的原因，并及时对公路进行相应的养护、维修、加固等处理。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (9)

1.基于BIM的公路工程自动化监测控制系统，其特征在于，所述系统包括：

数据采集模块，在监测路段上每间隔预设距离设置一个监测点，将预设时间长度作为一个周期，采集监测点在每个时间段的公路监测数据，公路监测数据包括但不限于温度数据、湿度数据、应力数据和应变数据；

公路监测数据处理模块，根据监测点的应力数据和应变数据获取抗形变能力；根据监测点在每个时间段的温度数据获取监测点在每个周期内的温度渐变度和昼夜温差；将监测点在周期内的第二个时间段到最后一个时间段包含的所有时间段记为后置时间段，将所有后置时间段与前一个时间段的平均温度的差异累加作为每个周期的温度渐变度，将所有时间段的平均温度的极差记为监测点在周期内的昼夜温差；根据监测点在每个周期内的温度渐变度和昼夜温差获取温度渐变矩阵和昼夜温差矩阵；以监测点个数作为行数，周期个数作为列数，以温度渐变度和昼夜温差作为元素分别获取温度渐变矩阵和昼夜温差矩阵；根据温度渐变矩阵和昼夜温差矩阵获取任意两个监测点之间的温度变化相异程度；根据两个监测点在所有周期的温度渐变度的差异获取温度渐变差总值；根据两个监测点在所有周期的昼夜温差的差异获取昼夜温差总值；根据两个监测点的温度渐变差总值和昼夜温差总值获取温度变化相异程度；对于监测点在每个时间段的湿度数据，采用与温度变化相异程度相同的计算方式，获得任意两个监测点之间的湿度变化相异程度；获取任意两个监测点之间的欧氏距离，根据两个监测点之间的温度变化相异程度、湿度变化相异程度及欧氏距离获取两个监测点之间的环境相似度；根据环境相似度获取每个监测点的环境聚类，进而根据环境聚类中的监测点在每个时间段对应的抗形变能力获取监测点的局部异常程度；根据环境相似度对监测点聚类，获取若干环境聚类；根据环境聚类中监测点在所有时间段对应的抗性变能力获取监测点的赫斯特指数；将监测点的赫斯特指数与其所在环境距离所有监测点的赫斯特指数均值的差异作为监测点的偏离值；根据监测点的偏离值与环境聚类赫斯特指数的标准差获取监测点的局部异常程度；

公路监测数据异常检测模块，根据时间段的总个数及每个监测点的局部异常程度确定异常检测算法的参数值，进而获得每个监测点在每个时间段的离群因子；

公路监测控制模块，根据离群因子获得异常监测点，进而对异常监测点处的公路路段进行控制处理；

所述根据时间段的总个数及每个监测点的局部异常程度确定异常检测算法的参数值，进而获得每个监测点在每个时间段的离群因子，包括的具体方法为：

将时间段的总个数作为初始参数值；

将以自然常数为底数，监测点的局部异常程度的相反数为指数的数值作为监测点的异常偏离值；

将数字1与监测点的异常偏离值的差值作为监测点的综合异常指数；

将监测点的综合异常指数与初始参数值的乘积的向下取整值作为异常检测算法的参数值；

根据异常检测算法的参数值计算监测点在每个时间段的离群因子。

2.根据权利要求1所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述时间段获取的具体方法为：

获取第一预设数量个周期；

将每个周期划分为第二预设数量个时间段。

3.根据权利要求1所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述根据监测点的应力数据和应变数据获取抗形变能力，包括的具体方法为：

将监测点在时间段内包含的所有应力数据之和记为应力总值；

将监测点在时间段内包含的所有应变数据之和记为应变总值；

将应力总值与应变总值的比值作为监测点在时间段对应的抗形变能力。

4.根据权利要求2所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述根据监测点在每个时间段的温度数据获取监测点在每个周期内的温度渐变度和昼夜温差，包括的具体方法为：

将监测点在时间段内包含的所有温度数据均值记为监测点在时间段的平均温度；

将后置时间段的平均温度与后置时间段的前一个时间段的平均温度的差值作为后置时间段对应的温度差；

将所有后置时间段对应的温度差之和作为监测点在每个周期的温度渐变度；

将监测点在周期内包含的所有时间段的平均温度的极差作为监测点在周期内的昼夜温差。

5.根据权利要求2所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述根据监测点在每个周期内的温度渐变度和昼夜温差获取温度渐变矩阵和昼夜温差矩阵，包括的具体方法为：

将监测点个数作为行数，周期个数作为列数，构建温度渐变矩阵，温度渐变矩阵中的元素为对应监测点在对应周期的温度渐变度；

将监测点个数作为行数，周期个数作为列数，构建昼夜温差矩阵，昼夜温差矩阵中的元素为对应监测点在对应周期的昼夜温差。

6.根据权利要求2所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述温度变化相异程度获取的方法为：

将任意两个监测点记为两个待分析监测点；

将温度渐变度矩阵中两个待分析监测点在同一周期的温度渐变度之差作为周期温度渐变差，将两个待分析监测点在所有周期的周期温度渐变差之和作为两个待分析监测点的温度渐变差总值；

将昼夜温差矩阵中两个待分析监测点在同一周期的昼夜温差之差作为周期昼夜温差，将两个待分析监测点在所有周期的周期昼夜温差之和作为两个待分析监测点的昼夜温度差总值；

将两个待分析监测点的温度渐变差总值与昼夜温度差总值之和作为两个待分析监测点之间的温度变化相异程度。

7.根据权利要求6所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述获取任意两个监测点之间的欧氏距离，根据两个监测点之间的温度变化相异程度、湿度变化相异程度及欧氏距离获取两个监测点之间的环境相似度，包括的具体方法为：

将两个待分析监测点之间的温度变化相异程度与湿度变化相异程度之和作为两个待分析监测点之间的整体相异程度；

获取两个待分析监测点之间的欧氏距离，将两个待分析监测点之间的欧氏距离与整体相异程度的乘积作为两个待分析监测点之间的环境相异程度；

将以自然常数为底数，两个待分析监测点之间的环境相异程度的相反数为指数的数值作为两个待分析监测点之间的环境相似度。

8.根据权利要求1所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述根据环境相似度获取每个监测点的环境聚类，进而根据环境聚类中的监测点在每个时间段对应的抗形变能力获取监测点的局部异常程度，包括的具体方法为：

根据各个监测点之间的环境相似度，使用谱聚类将各个监测点划分为第三预设数量的聚类簇，将每个聚类簇作为一个环境聚类；

将环境聚类内包含的所有监测点的赫斯特指数的均值记为环境聚类均值；

将监测点的赫斯特指数与环境聚类均值的差值作为监测点的偏离值；

将环境聚类内包含的所有监测点的赫斯特指数的标准差记为环境聚类标准差；

将监测点的偏离值的绝对值与环境聚类标准差的乘积作为监测点的局部异常程度。

9.根据权利要求1所述的基于BIM的公路工程自动化监测控制系统，其特征在于，所述根据离群因子获得异常监测点，进而对异常监测点处的公路路段进行控制处理，包括的具体方法为：

将离群因子大于第一预设阈值的时间段作为异常时段；

将异常时段的个数与所有时间段个数的比值大于第二预设阈值的监测点作为异常监测点；

对异常监测点处的公路路段进行相应的养护、维修、加固处理。