1.一种基于物联网的道路施工综合管控方法，其特征在于：包括以下步骤：

S1、基于物联网采集道路施工区域的空间结构与人群通行行为数据，提取出结构参数子集StructSet和行为参数子集BehavSet，构成施工区域的原始视域数据集Vfd；

S2、基于所述原始视域数据集Vfd进行特征提取后，通过计算每个站位点的特征向量，构建遮挡特征向量集合Vft，包括遮挡率Sor、路径冲突因子Cof和视线模糊度Blu；

S3、所述遮挡特征向量集合Vft输入遮挡风险评分模型中进行训练，构建综合遮挡视域指数Ovf，组合成每个站位点的遮挡风险评分集合OvfList；

S4、通过预设的遮挡风险阈值Tovf，对遮挡风险评分集合OvfList进行遍历比较判定，获取所有判定结果标记为高风险点的站位点，组成高风险点索引集合Rls，并基于高风险点索引集合Rls生成围挡结构优化建议清单Opl；

S5、对围挡结构优化建议清单Opl实施应用，并采集的新的遮挡风险评分集合OvfList（New），再对比实施应用前的站位点的遮挡风险评分集合OvfList，获取优化改善评分Dsc，基于所述优化改善评分Dsc进行判断实施应用后的措施有效状态。

2.根据权利要求1所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S1包括S11；

S11、通过物联网设备采集道路施工区域围挡的空间投影数据与站位点的可视范围信息，提取出施工区域各站位点的空间结构参数，包括实际遮挡面积Aov、站位点理论可视范围Avw、行人通行方向角Dag和站位点主视角方向Vag，组成所有站位点的结构参数子集StructSet={Aov（k），Avw（k），Dag（k），Vag（k）|k∈N}，N表示站位点总数，Aov（k）、Avw（k）、Dag（k）和Vag（k）分别表示第k个站位点的实际遮挡面积Aov、站位点理论可视范围Avw、行人通行方向角Dag和站位点主视角方向Vag；

其中，物联网设备包括全景广角摄像头和三维激光扫描仪；

所述实际遮挡面积Aov通过安装在施工区域上方的全景广角摄像头和三维激光扫描仪，实时获取施工围挡在不同角度下的投影图像，通过图像处理算法提取遮挡区域边界获取，图像处理算法包括图形轮廓填充算法和点云包围体积分法；

所述站位点理论可视范围Avw通过安装的三维激光扫描仪与部署在施工区边界的高精地图设备，在不考虑围挡遮挡的前提下，对站位点向前方180°方向进行激光扫射，模拟最大可视区域，结合已有道路结构图，通过扇形展开计算出理论开放视野区域；

所述站位点主视角方向Vag通过以站位点为圆心，预设定投影射线角度，从左右边界测得最大连续无遮挡角度获取；

行人通行方向角Dag通过全景广角摄像头捕捉人群移动轨迹，结合Ak路径拟合算法，进行计算人群移动轨迹方向与站位点方向之间的夹角获取。

3.根据权利要求2所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S1包括S12；

S12、通过部署在道路施工区域的感知设备，获取施工场地内人群的通行行为特征数据，提取构建遮挡冲突分析模型所需的行为交互参数，具体包括路径交叉角Xag和单位时间人流密度Dpt，并形成行为参数子集BehavSet={Dpt，Xag（m，w）|（m，w）∈M*M}，m≠w，再与结构参数子集StructSet进行整合，获取施工区域的原始视域数据集Vfd；

所述路径交叉角Xag通过全景广角摄像头连续采集视频图像；边缘模块对图像中的行人进行检测和多目标追踪；记录每位行人的轨迹点序列，形成路径集合{P1，P2，……，Pm|m∈M}，M表示路径总数，Pm表示第m条路径；再对路径集合中的每条路径进行线性拟合得到单位方向向量v，计算任意两条路径的单位方向向量v获取路径交叉角Xag；

单位方向向量v通过以下计算公式获取：

；

式中，v（m）表示第m条路径的单位方向向量，x(m，end）与y(m，end）和x(m，start）与y(m，start）分别表示第m条路径的路径终点坐标和路径起点坐标；

路径交叉角Xag通过以下计算公式获取：

；

式中，Xag（m，w）表示第m条路径和第w条路径之间的路径交叉角，arccos表示反余弦函数，具体将余弦值转换为角度值；

单位时间人流密度Dpt通过在固定的统计时间窗口内，通过道路施工区域的行人数与时间间隔之间的比值获取。

4.根据权利要求3所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S2包括S21；

S21、基于所述原始视域数据集Vfd进行特征提取，通过提取每个站位点的结构参数子集StructSet后，再提取出实际遮挡面积Aov与理论无遮挡可视范围Avw，进行计算每个站位点的遮挡率Sor，量化每个站位点上被围挡结构遮蔽的程度；

遮挡率Sor通过以下计算公式获取：

；

式中，Sor（k）表示第k个站位点的遮挡率，Aov（k）和Avw（k）分别表示第k个站位点的实际遮挡面积Aov与理论无遮挡可视范围Avw。

5.根据权利要求4所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S2包括S22；

S22、基于所述原始视域数据集Vfd进行特征提取，通过提取每个站位点的行为参数子集BehavSet和结构参数子集StructSet，反映人群行为路径与方向关系的关键动态数据，再提取出单位时间人流密度Dpt、路径交叉角Xag、通行方向角Dag和站位点主视角方向Vag，进行构建路径冲突因子Cof和视线模糊度Blu，再与遮挡率Sor整合，获取遮挡特征向量集合Vft；

路径冲突因子Cof通过以下计算公式获取：

；

式中，Cof（m，w，k）表示第k个站位点中对路径m与路径w之间的路径冲突因子，sin表示正弦函数，Dpt（k）表示第k个站切点的单位时间人流密度，Dag（k）表示第k个站位点的通行方向角，Vag（k）表示第k个站位点的站位点主视角方向；

视线模糊度Blu通过以下计算公式获取：

；

式中，Blu（k）表示第k个站位点的视线模糊度。

6.根据权利要求5所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S3包括S31；

S31、对所述遮挡特征向量集合Vft进行归一化处理，消除不同数据之间的量纲差异后，获取标准路径冲突因子Cofn、标准视线模糊度Blun和标准遮挡率Sorn，再输入遮挡风险评分模型，以每个站位点k为单位进行融合训练，构建反映多维遮挡风险影响程度的综合指标，标记为第k个站位点的综合遮挡视域指数Ovf（k），整合所有站位点后获取遮挡风险评分集合OvfList={Ovf（k）|k∈N}，N表示站位点总数；

第k个站位点的综合遮挡视域指数Ovf（k）通过以下模型融合训练公式获取：；

式中，N（k）表示第k个站位点存在的路径对数量，具体通过N（k）=|M（k）|*（||M（k）‑1）/2计算公式获取，M表示路径总数，Sorn（k）表示第k个站位点的标准遮挡率，Blun（k）表示第k个站位点的标准视线模糊度，Cofn（m,w,k）表示第k个站位点中对路径m与路径w之间的标准路径冲突因子。

7.根据权利要求6所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S4包括S41；

S41、以站位点总数N为遍历边界，将遮挡风险评分集合OvfList中的每一个综合遮挡视域指数Ovf（k）与预设的遮挡风险阈值Tovf进行比较，并根据比较结果标记遮挡高风险站位点，当遍历结束后，整合所有遮挡高风险站位点，获取高风险点索引集合Rls；

遮挡高风险站位点通过以下比较方式进行标记：

当综合遮挡视域指数Ovf（k）＞遮挡风险阈值Tovf时，比较结果为风险结果，标记第k个站位点为遮挡高风险站位点；

当综合遮挡视域指数Ovf（k）≤遮挡风险阈值Tovf时，比较结果为正常结果，不标记第k个站位点为遮挡高风险站位点，并剔除第k个站位点。

8.根据权利要求7所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S4包括S42；

S42、基于高风险点索引集合Rls，结合遮挡高风险站位点的原始视域数据集Vfd，生成每个遮挡高风险站位点的围挡结构优化建议，所述围挡结构优化建议包括调整遮挡高风险站位点的围挡布局形态、调整遮挡高风险站位点的透视窗口和半透明视域面积和调整引导人流通过视觉优先通道的醒目标语数量，生成围挡结构优化建议清单Opl。

9.根据权利要求1所述的一种基于物联网的道路施工综合管控方法，其特征在于：所述S5包括S51；

S51、对围挡结构优化建议清单Opl实施应用，所述实施应用包括发送通知至相关操作人员进行实际部署，并对实际部署后的每一个遮挡高风险站位点进行采集原始视域数据集Vfd，计算获取实际部署后的新的遮挡风险评分集合OvfList（New），再对比实际部署前的遮挡风险评分集合OvfList，汇总差值后，获取优化改善评分Dsc，再基于所述优化改善评分Dsc进行判断实际部署后的措施有效状态；

实际部署后的措施通过以下方式进行判断：

当优化改善评分Dsc＞0时，表示围挡结构优化建议清单Opl的实施应用有效；

当优化改善评分Dsc≤0时，表示围挡结构优化建议清单Opl的实施应用无效，再次进行围挡形态调整、透视窗口设置、提示标识增设和路径视觉引导重构的优化措施。

10.一种基于物联网的道路施工综合管控系统，应用于权利要求1 9任一项所述的一种~基于物联网的道路施工综合管控方法，其特征在于：包括道路施工联网采集模块、施工特征提取模块、遮挡风险分析模块、遮挡判断模块和迭代优化模块；

道路施工联网采集模块基于物联网采集道路施工区域的空间结构与人群通行行为数据，构成施工区域的原始视域数据集Vfd；

施工特征提取模块基于所述原始视域数据集Vfd进行特征提取后，构建遮挡特征向量集合Vft，包括遮挡率Sor、路径冲突因子Cof和视线模糊度Blu；

遮挡风险分析模块所述遮挡特征向量集合Vft输入遮挡风险评分模型中进行训练，构建综合遮挡视域指数Ovf，组合成每个站位点的遮挡风险评分集合OvfList；

遮挡判断模块通过预设的遮挡风险阈值Tovf，对遮挡风险评分集合OvfList进行遍历比较判定，获取所有判定结果标记为高风险点的站位点，组成高风险点索引集合Rls，并基于高风险点索引集合Rls生成围挡结构优化建议清单Opl；

迭代优化模块对围挡结构优化建议清单Opl实施应用，再对比应用前后的站位点的遮挡风险评分集合OvfList，获取优化改善评分Dsc。