本發明屬于數據管理，具體涉及一種三維建模數據管理方法、系統及存儲介質。

背景技術：

1、隨著三維建模技術的廣泛應用，其在工程、城市管理、智能制造等領域的數據管理需求日益增長。

2、然而，現有的三維建模數據管理在數據訪問、存儲效率、實時更新等方面仍存在不足，如基于固定規則（如數據大小、類型）劃分存儲區域，缺乏對用戶實時訪問需求的動態響應，導致高頻訪問數據無法快速調用，而低頻數據長期占用高性能存儲資源，采用固定時間間隔或簡單閾值觸發數據更新，難以平衡實時性需求與計算資源消耗，易造成系統過載或數據更新滯后，因此現有技術難以滿足復雜場景下高效、精準的數據管理需求，存在資源分配僵化、實時性與資源效率失衡等問題。

技術實現思路

1、為解決現有技術中存在的上述問題，本發明提供了一種三維建模數據管理方法、系統及存儲介質，通過對三維建模子模塊的融合重整降低訪問復雜度，結合動態優先級決策實現資源精準分配與實時響應優化；采用優先級分層與高速緩存機制，通過動態策略平衡了用戶體驗與硬件資源消耗。

2、本發明的目的可以通過以下技術方案實現：

3、本公開的第一方面提供了一種三維建模數據管理方法，包括步驟：

4、數據收集：獲取三維建模的原始建造數據、目標區域內的環境屬性數據以及用戶交互平臺生成的操作數據；

5、模塊重整：將原始建造數據和環境屬性數據輸入數據融合算法中，根據數據類別生成三維建模各個子模塊的融合數據；

6、優先級決策：根據操作數據獲取用戶對三維建模子模塊的周期訪問頻率，判決綜合三維建模中各子模塊的訪問優先級；再結合子模塊的當前訪問頻率，判決綜合三維建模中各子模塊的存儲優先級；

7、數據遷移：將系統的存儲區分為高速緩存區和低速緩存區，根據存儲優先級通過非合作博弈模型生成子模塊的遷移決策；

8、模塊更新決策：結合各子模塊的訪問優先級和存儲優先級，通過非線性加權模型動態調節更新頻率；

9、參數調優：基于歷史操作數據構建強化學習模型，實現動態調節更新頻率的參數自適應調優。

10、進一步地，所述原始建造數據包括幾何結構數據、紋理貼圖數據和材質屬性數據；所述環境屬性數據包括光照強度、溫度分布和濕度分布；所述操作數據包括數據更新頻率設置和用戶調用指令。

11、進一步地，所述數據融合算法的計算公式為：

12、；

13、式中，表示幾何結構、紋理貼圖、材質屬性、光照強度、溫度分布和濕度分布的加權和，表示第類幾何結構數據，表示第類紋理貼圖數據，表示第類材質屬性數據，表示光照強度，表示溫度分布，表示濕度分布，、、分別表示第類幾何結構數據、第類紋理貼圖數據和第類材質屬性數據的權重系數，、、分別表示光照強度、溫度分布和濕度分布的權重。

14、進一步地，所述優先級決策，包括以下步驟：

15、根據獲取的周期訪問頻率計算三維建模中各子模塊的訪問熱度值；

16、結合操作數據中的數據更新頻率設置，構建數據更新頻率權重系數，對各子模塊的訪問熱度值進行加權處理，得到各子模塊的訪問優先級；

17、根據子模塊的訪問優先級和當前訪問頻率，計算各子模塊的存儲優先級。

18、進一步地，所述訪問熱度值的計算公式為：

19、；

20、式中，表示第個子模塊的訪問熱度值，表示第時間段內用戶對該子模塊的訪問次數，表示時間周期總數；

21、所述訪問優先級的計算公式為：

22、；

23、其中，表示第個子模塊的訪問優先級，表示第個子模塊對應的數據更新頻率權重；

24、所述存儲優先級的計算公式為：

25、；

26、其中，表示第個子模塊的存儲優先級，表示當前訪問頻率，表示權重系數。

27、進一步地，所述遷移決策的生成，包括步驟：

28、將待遷移的子模塊集合作為參與者集合，將各子模塊的存儲優先級、訪問延遲、存儲成本和遷移開銷作為信息集；

29、將每個子模塊作為獨立的決策主體，通過均衡各子模塊的訪問延遲、存儲成本和遷移開銷最大化自身收益?；

30、求解納什均衡策略組合，根據納什均衡策略組合確定每個子模塊的最終遷移決策；

31、所述求解納什均衡策略組合，包括步驟：

32、設定當前系統狀況為根節點，設定模擬次數為n；

33、從根節點開始遞歸子節點，通過ucb公式平衡探索與利用，從當前節點隨機進行子模塊的完整遷移，并根據策略組合執行遷移操作，計算各子模塊的收益和系統總收益；

34、將模擬結果逆向傳播至父節點，并更新節點的平均收益和訪問次數；

35、經過n次迭代后，將訪問次數最多的策略組合作為納什均衡策略組合輸出；

36、其中，所述ucb公式為：

37、；

38、式中，為平均收益，為探索次數。

39、進一步地，所述非線性加權模型的計算公式為：

40、

41、式中，為第個子模塊的更新頻率，為平衡系數，且，和分別為訪問優先級的敏感性參數和存儲優先級的敏感性參數，且和均大于0；

42、若，訪問優先級對更新頻率的影響呈指數增長；若，訪問優先級對更新頻率的影響趨于平緩；

43、當子模塊的存儲位置位于高速緩存區時，設為2；當子模塊的存儲位置位于低速緩存區時，設為0.5；

44、同時對子模塊的更新頻率設置實時更新閾值，若子模塊的更新頻率大于實時更新閾值，則實施主動同步策略。

45、進一步地，所述參數調優，包括以下步驟：

46、根據訪問優先級和存儲優先級，定義強化學習的狀態空間、動作空間和獎勵函數；所述狀態空間包括訪問熱度值、當前訪問頻率和數據更新頻率權重，表示為；所述狀態空間通過多維度信息刻畫子模塊的動態特征，為強化學習模型提供決策依據；

47、所述動作空間包括平衡系數和訪問優先級的敏感性參數，表示為；所述動作空間定義了系統可執行的策略調整范圍；

48、所述獎勵函數的計算公式為：

49、

50、式中，為緩存命中率，為數據新鮮度，為計算資源的消耗量，、和為目標權重系數。

51、本公開的第二方面提供了一種三維建模數據管理系統，執行如上所述的一種三維建模數據管理方法，包括數據收集模塊、數據重整模塊、優先級管理模塊、存儲調度模塊、更新控制模塊以及參數優化模塊；

52、所述數據收集模塊，用于從不同來源獲取原始建造數據、環境屬性數據以及用戶操作數據，實現數據標準化預處理；

53、所述數據重整模塊，用于將原始建造數據與環境屬性數據通過數據融合算法整合，生成三維建模的子模塊融合數據；

54、所述優先級管理模塊，基于用戶操作數據，動態計算子模塊的訪問優先級，同時結合當前訪問頻率與訪問優先級，生成子模塊的存儲優先級排序；

55、所述存儲調度模塊，用于將存儲區劃分為高速緩存區和低速緩存區，管理兩類存儲的容量與性能平衡，并基于存儲優先級，通過非合作博弈模型優化數據遷移策略；

56、所述更新控制模塊，用于利用非線性加權模型動態調節子模塊的更新頻率，平衡實時性與資源效率；

57、所述參數優化模塊，基于歷史操作數據構建強化學習模型，動態調優更新頻率和存儲遷移閾值，實現系統自適應優化。

58、本公開的第三方面提供了一種存儲介質，其上存儲有計算機程序，所述計算機程序被處理器執行時，運行如上所述方法中的步驟。

59、本發明的有益效果為：

60、本發明通過對三維建模數據進行子模塊重整，根據權重設置融合多源異構數據完成不同數據類型子模塊的整合，避免單一數據對建模訪問造成的局限性，同時通過子模塊的融合建立從底層降低各個子模塊的訪問頻率和交錯復雜性，為優先級決策提供明晰的操作數據；在做好必要的子模塊整合的基礎上，根據操作數據對三維建模子模塊進行訪問優先級和存儲優先級決策，通過動態優先級管理實現資源精準分配和實時響應優化，通過基于存儲優先級的博弈驅動的存儲遷移，進行全局效率優化；再通過非線性加權模型根據優先級動態調節更新頻率，實現了資源效率與實時性平衡；最后引入強化學習模型實現參數自適應調優，進一步優化優先級決策造成的緩存命中率降低的問題。本發明通過優先級分層和高速緩存機制，確保關鍵數據快速響應，同時兼容大規模數據存儲；動態更新策略和博弈模型在用戶交互體驗與硬件資源消耗之間找到最優解。