4. 进度数据采集与实时映射

数字孪生进度联动的第一步不是建模，而是让现场“发生了什么”能够被系统准确感知，并且把感知结果落到具体构件上。这一节要解决的核心问题是：现场数据从哪里来、以什么形式进入系统、又通过什么规则绑定到模型构件。只有完成这层关联，后续的进度偏差计算、预警和推演才有可靠输入。

一、三类采集源的数据特征

施工现场的进度数据来源可以归纳为三类，它们的精度、频率和语义各不相同，不能混为一谈。

• 现场传感器：包括塔吊回转/起重量传感器、混凝土测温与 maturity 传感器、钢结构应力应变计、门禁与闸机计数、环境监测仪等。特点是高频、连续、数值型，但通常只能反映“某类活动是否在发生”，不能直接说明“哪根梁浇完了”。
• 无人机：按航线定期航拍，通过摄影测量生成正射影像或点云，再与 BIM 模型做空间比对。特点是面状覆盖、周期性、几何型，适合判断大范围工作面推进、土方量变化、结构封顶状态。
• 移动端填报：由施工员、班组长在手机或平板上提交工序完成、隐蔽验收、材料进场等记录，附带照片、位置和时间。特点是语义明确、低频、人工触发，是构件级进度状态最直接的来源。

三类数据在时间粒度上差异明显：传感器可能每秒上报，无人机按天或按周采集，移动端填报则随工序节点发生。因此，实时映射不是把所有数据都塞进同一个时间轴，而是按构件状态机分别设定更新触发条件。

二、构件级关联的三种方法

把采集数据绑定到模型构件，常用三种方法，实际项目中往往组合使用。

1. 空间位置匹配。为每个构件计算其包围盒中心点或代表点坐标，采集数据携带坐标时，通过最近邻或范围查询找到对应构件。例如无人机点云中某区域高程抬升，可匹配到该区域的楼板构件；塔吊传感器记录的回转角度与吊重，结合吊装计划可推断正在安装的钢柱编号。这种方法依赖坐标精度，通常要求平面误差小于 0.3～0.5 米，否则容易跨构件误匹配。

2. 标识编码匹配。在构件生产或进场时赋予唯一编码，如“楼栋-楼层-构件类型-流水号”（示例：A-03-SC-012 表示 A 栋 3 层第 12 根钢柱）。移动端填报时扫描二维码或从下拉列表选择编码，数据直接落到该构件。传感器若安装在特定构件上，也在安装记录中登记编码。这种方法语义最准确，但要求编码体系在深化设计阶段就统一，且现场执行到位。

3. 工序与计划关联。当数据无法直接定位到单个构件时，可先关联到“工作包”或“工序段”，再按计划中的构件清单批量更新。例如某区域混凝土浇筑完成，填报的是“3 层东区墙柱浇筑”，系统根据该工作包包含的构件列表，将这批构件状态批量置为“已完成”。这种方法效率高，但粒度较粗，适合作为补充。

三、实时映射的数据流与状态更新

下面这张图展示了从三类采集源到模型构件状态更新的完整链路。注意图中每条路径都带有“关联键”，这是映射能否成立的关键。

图中可以看到，三类数据并不是直接写入模型，而是先经过“关联键”转换，再由映射引擎统一处理。映射引擎需要完成三件事：去重（同一构件被多个来源更新时保留最新有效值）、校验（坐标是否落在构件范围内、编码是否存在）、冲突处理（移动端说“已完成”，传感器却显示无活动，此时以人工填报为准并标记待核实）。

四、实操中的关键配置与判断

以一个标准层钢柱安装为例，说明关联配置的实际做法。假设项目采用编码匹配为主、传感器校验为辅的方案。

首先在深化设计阶段，为每根钢柱生成唯一编码并写入 BIM 构件属性，同时生成二维码贴纸，在构件进场时粘贴。塔吊传感器记录的回转角度和吊重数据，通过吊装计划表关联到“当前吊装构件编码”——这张计划表由施工员在移动端提前排定，系统根据时间窗口自动匹配传感器数据。当传感器检测到吊重从零升至构件重量附近并持续 30 秒以上，且回转角度落在目标区域，系统将该钢柱状态从“未开始”更新为“进行中”。

安装完成后，施工员在移动端扫描钢柱二维码，提交“安装完成”并附现场照片。系统收到填报后，将状态置为“已完成”，同时记录完成时间。此时如果传感器仍显示该区域有活动，系统不会回退状态，而是在日志中标记“传感器与填报不一致”，供管理人员复核。

无人机每周航拍一次，生成点云后与上周点云做高程差分。若某区域平均高程上升超过 0.15 米（示例阈值，需根据构件类型调整），则判定该区域楼板或墙体有新增结构，匹配包围盒内的构件并批量更新状态。无人机数据主要用于发现“漏报”的构件，即现场已施工但移动端未填报的情况。

五、数据质量与映射验证

实时映射能否可信，取决于三个指标：匹配率（成功关联到构件的记录占比）、准确率（关联正确的比例）、时效性（从现场发生到模型更新的延迟）。建议在系统上线初期每天抽查 10～20 条记录，人工核对构件是否正确、状态是否合理。

常见问题包括：二维码污损导致扫码失败、传感器安装位置未登记、无人机点云与模型基准面不一致、移动端填报时选错楼层等。针对这些情况，可以在映射引擎中设置“待确认队列”：当匹配置信度低于阈值时，不直接更新构件状态，而是推送给管理人员确认。这样既保证自动化效率，又避免错误数据污染进度视图。

完成本节所述的采集与映射配置后，模型中的构件状态就不再是静态的计划值，而是带有时间戳和来源标记的动态记录。下一阶段才能基于这些状态计算实际进度偏差，并驱动预警与推演。