摘要: 为突破传统进度预测方法的局限, 准确预测铁路铺轨施工进度并有效规避风险, 提出一种融合计算机视觉技术、离散事件仿真与贝叶斯更新理论的预测模型。该模型利用YOLOv12 目标检测算法, 分析现场视频数据, 实时输出铺轨进度; 通过拆解铺轨作业流程, 分析关键影响因素; 结合贝叶斯更新理论, 构建离散事件模拟模型, 输入目标检测算法收集的数据, 实现进度的智能化动态预测。结合包银高铁包头至临河段实际监测数据, 进行实例验证。结果表明, 该模型能够稳定和准确地预测铺轨进度, 对于规避铺轨施工过程中工期延误风险具有重要意义。