Page 217 - 建筑施工技术与项目管理研究

第五章 建设管理数字化转型

第四节 大数据辅助决策系统

一、大数据辅助决策系统的原理

在建设管理数字化转型的大背景下，大数据辅助决策系统发挥着日益重要的
作用。该系统旨在借助先进的信息技术和数据分析方法，为建设管理中的各类决
策提供科学、准确且高效的支持。其原理涉及数据的采集、存储、处理、分析以
及决策支持等多个关键环节。

（一）数据采集
数据采集是大数据辅助决策系统的基础，它为后续的分析和决策提供了丰富
的素材。在建设管理领域，数据来源广泛，涵盖了项目规划、设计、施工、运营
等各个阶段。一方面，传感器技术在建设管理中的应用越来越广泛，例如在施工
现场安装的各类传感器，可以实时采集温度、湿度、压力、位移等物理参数，为

工程质量和安全监测提供数据支持。另一方面，建设管理过程中产生的大量文档、
图纸、报表等非结构化数据也是重要的数据源。通过光学字符识别（OCR）等技
术，可以将这些纸质文档转化为数字化文本，便于后续的处理和分析。
（二）数据存储

采集到的数据需要进行有效地存储，以便后续的查询和分析。大数据存储系
统通常采用分布式文件系统和数据库技术，能够处理海量的数据，并具备高可扩
展性和容错性。分布式文件系统如 Hadoop Distributed File System（HDFS）可以
将数据分散存储在多个节点上，提高数据的存储容量和读写性能。而数据库技术
则包括关系型数据库和非关系型数据库，关系型数据库如 MySQL、Oracle 适用

于存储结构化数据，而非关系型数据库如 MongoDB、Redis 则更适合存储非结构
化和半结构化数据。
（三）数据处理
采集到的数据往往存在噪声、缺失值和不一致性等问题，需要进行清洗和预
处理。数据清洗的目的是去除噪声数据、填充缺失值和纠正不一致的数据，提高

数据的质量。常用的数据清洗方法包括数据过滤、数据平滑、数据插值等。此外，
为了便于后续的分析和挖掘，还需要对数据进行特征提取和转换。特征提取是从
原始数据中提取出具有代表性的特征，而数据转换则是对数据进行归一化、标准
化等操作，使数据具有可比性。

205