一种基于多源信息融合技术的智慧地铁红线保护管理系统的制作方法

1.本发明属于地铁运维安全风险管理技术领域，特别涉及一种基于多源信息融合技术的智慧地铁红线保护管理系统。


背景技术：

2.随着城市化进程加速，地铁周边上马大批新工程，导致地铁设施受损甚至列车停运的事件屡见不鲜，严重威胁着地铁运营安全。传统地铁保护过程中，需要投入大量人力物力进行日常监管，在执行过程中因人为管理带来信息孤岛、风险判断不准确、不及时、指挥调度不直观、质量巡检不合理，导致地铁保护与现场管理“两张皮”，各类安全事故、质量隐患频发。随着软硬件条件日趋成熟，同时bim技术带来的三维可视化效果，大大降低管理难度、提高管理效率、提升管理质量。因此，二维向三维数字化管理升级已成为必然趋势。


技术实现要素：

3.本发明针对现有技术中存在的技术问题，提供一种基于多源信息融合技术的智慧地铁红线保护管理系统，充分结合bim可视化特点，将地铁结构、巡检信息、检测信息、病害信息、外部项目信息以gis为骨架关联，避免信息孤岛，对地铁保护、地铁安全运营提供助力。
4.本发明采用的技术方案是：一种基于多源信息融合技术的智慧地铁红线保护管理系统，包括以下步骤：
5.s100：将地铁保护工作的日常工作信息与地铁沿线周边的bim模型输入系统，通过统一的编码标准，将日常工作信息与bim模型进行管理融合；
6.所述日常工作信息包括地铁保护国家标准、地铁保护地方标准、外部作业项目立项审查信息、日常监测信息、日常人工巡检信息和视频监控信息。日常工作信息通过导入和手工填报的方式录入系统。地铁保护国家标准和地铁保护地方标准在系统中进行公式化建模，将影响等级及与其对应的评判标准、巡检项目和监测类型进行指标参数化。
7.bim模型包括地铁沿线周边的地表建/构筑物模型、地下管线模型、周边地质体模型和区间隧道模型。各种不同格式的bim模型通过基于webgl的转换技术，转换为统一格式，并导入到系统；
8.s200：基于融合后的多源信息进行外部作业项目的影响等级分析；
9.自动进行外部作业项目立项审查信息的完整性校验；
10.基于融合后的多源信息对当前地铁沿线的红线保护区域进行空间分析计算，得到当前地铁线路的红线保护区域的bim模型，并结合gis影像地图进行展示；
11.外部作业项目的bim模型和红线保护区域的bim模型进行布尔运算，通过退线分析判断外部作业项目的bim模型是否在红线保护区域之内，并结合系统中参数化、公式化的地铁保护国家标准和地铁保护地方标准进行影响等级判断，判断后的影响等级通过统一的编码标准，与外部作业项目bim模型进行关联，
12.s300：将外部作业项目日常安全监测时产生的巡检预警信息和监测预警信息录入系统中，并根据巡视的位置以及关联的bim模型，通过统一编码进行关联；所述外部作业项目日常安全监测的巡检项目及监测类型与外部作业项目的影响等级相对应；
13.s400：提供智慧决策辅助地铁保护人员对巡检预警信息和监测预警信息进行处置，步骤如下：
14.s401：系统根据统一的编码关联，从处置方案库中向地铁保护人员自动推送巡检预警信息和监测预警信息相关的三维bim模型的业务属性、空间拓扑属性以及外部作业项目的业务信息、立项信息；
15.s402：系统根据ai算法及大数据分析，从处置方案库中选取与本次需处置的巡检预警信息和监测预警信息相关的常规处置方案，自动推送给地铁保护人员；
16.地铁保护人员通过对本次处置效果进行评估，录入处置信息，系统对信息进行记录，并选取处置效果优秀的方案，补充到处置方案库中。
17.进一步的，在步骤s300中，所述巡检预警信息为人工巡检时产生的信息，监测预警信息为视频监控信息。
18.进一步的，在步骤s401中，巡检预警信息涉及到多个外部作业项目时，系统还向地铁保护人员自动推送同一影响等级下，不同外部作业项目的优先度。
19.进一步的，所述外部作业项目的优先度为系统基于bp神经网络和余弦相似度对外部作业项目的影响度进行打分评价获得。主要步骤分为关键词选择，文本信息处理，神经网络训练，神经网络实现和相似度计算。
20.与现有技术相比，本发明所具有的有益效果是：
21.1.本发明结合地铁保护风险源种类繁多、形式复杂、二维数据与三维模型关联度不高等重难点，从结构、应用等方面综合考虑，采用地铁保护bim模型统一编码体系，解决信息瓶颈，基于此研发多源信息融合、契合实际项目生产的保护管理系统，实现了地铁保护的三维可视化展现，解决了地铁保护与现场管理“两张皮”的问题。
22.2.本发明基于多源信息融合，通过webgl以及大数据云计算技术，实现地铁保护过程中一系列空间分析，直观有效的支撑红线保护区域内的安全分析，提高地铁保护的工作效率，降低外部作业项目施工对地铁正常运营的风险。
23.3.本发明对地铁保护的国家标准、地方标准等相关指标进行参数化，通过ai智能分析，对外部项目影响等级进一步细化，为外部项目立项审查以及地铁保护日常巡检提供支撑，大大降低了日常地铁保护的成本。
附图说明
24.图1为本发明实施例的流程图。
具体实施方式
25.为使本领域技术人员更好的理解本发明的技术方案，下面结合附图和具体实施例对本发明作详细说明。
26.本发明的实施例提供了一种基于多源信息融合技术的智慧地铁红线保护管理系统，如图1所示，其包括以下步骤：
27.s100：将地铁保护工作的日常工作信息与地铁沿线周边的bim模型输入系统，通过统一的编码标准，将日常工作信息与bim模型进行管理融合；
28.所述日常工作信息包括地铁保护国家标准、地铁保护地方标准、外部作业项目立项审查信息、日常监测信息、日常人工巡检信息和视频监控信息。日常工作信息通过导入和手工填报的方式录入系统。地铁保护国家标准和地铁保护地方标准在系统中进行公式化建模，将影响等级与评判标准、巡检项目和监测类型进行对应，并进行指标参数化。地铁保护国家标准见表1～3，地铁保护地方标准见表4～5。
29.表1外部作业项目影响等级划分
[0030][0031]
注：表中默认的围岩级别为iv～vi级；围岩等级为i～iii可降低一级；若地铁结构周围的围岩属于软弱土层(vi级以下)或存在软弱下卧层，则影响等级提高一级。
[0032]
表2监测项目
[0033][0034]
注：“内部”指城市轨道交通结构监测对象；“外部”指外部作业影响区域除
[0035]
表3外部作业项目净距控制管理值(m)
[0036]
[0037]
注：1*指外部作业与城市轨道交通结构外边线之间的水平投影净距；
[0038]
2当围岩级别为i～iii时，表中的净距控制管理值宜结合当地的工程经验进行适当调整。
[0039]
表4接近程度判断标准
[0040][0041]
注：h为明挖、盖挖法地铁结构基坑开挖深度；w为矿山法地铁结构隧道毛洞跨度；d为盾构法地铁结构的隧道外径。
[0042]
表5外部作业项目工作影响分区
[0043][0044][0045]
注：h1为明挖、盖挖法外补作业底部板埋深或基坑挖深；h2为矿山法外部作业隧道底部埋深；b为盾构法外部作业的隧道外径。
[0046]
bim模型分为当前地铁沿线周边bim模型和外部作业项目bim模型，具体包括地铁沿线周边的地表建/构筑物模型、地下管线模型、周边地质体模型和区间隧道模型。各种不同格式的bim模型通过基于webgl的转换技术，转换为统一格式，并导入到系统。
[0047]
s200：基于融合后的多源信息进行外部作业项目的影响等级分析；
[0048]
自动进行外部作业项目立项审查信息的完整性校验；例如：外部作业项目的各类手续是否齐全、施工方是否具有相应资质、前期的监控量测数据是否小于限定值、监理单位是否到位配合等。
[0049]
基于融合后的多源信息对当前地铁沿线的红线保护区域进行空间分析计算，得到当前地铁线路的红线保护区域的bim模型，并结合gis影像地图进行展示；该bim模型中标出
各级影响等级区域；
[0050]
外部作业项目的bim模型和红线保护区域的bim模型进行布尔运算，通过退线分析判断外部作业项目的bim模型是否在红线保护区域之内，并结合系统中参数化、公式化的地铁保护国家标准和地铁保护地方标准进行影响等级判断，判断后的影响等级通过统一的编码标准，与外部作业项目bim模型进行关联。方便地铁保护人员根据外部作业项目的影响等级以及录入到平台的其他基本信息进行外部作业项目的立项审批，实现整体的自动化初审评价和决策支持。
[0051]
s300：外部作业项目立项后，地铁保护人员根据该外部作业项目在步骤s200中确定的具体影响等级，以及影响等级对应的巡检项目及监测类型进行日常安全监测。地铁保护人员在外部作业项目日常安全监测时产生的巡检预警信息和监测预警信息，巡检预警信息为人工巡检时产生的信息，监测预警信息为视频监控信息。巡检预警信息和监测预警信息录入系统中，系统根据巡视的位置以及关联的bim模型，通过统一编码进行关联。
[0052]
s400：地铁保护人员对巡检预警信息和监测预警信息进行处置时，系统提供智慧决策辅助地铁保护人员处置预警信息，具体步骤如下：
[0053]
s401：系统根据统一的编码关联，从处置方案库中向地铁保护人员自动推送巡检预警信息和监测预警信息相关的三维bim模型的业务属性、空间拓扑属性以及外部作业项目的业务信息、立项信息，方便地铁保护人员进行预警信息的综合分析与判断。
[0054]
地铁保护人员每半个月或一个月需要对巡检记录进行整理，寻找对地铁运营影响最大、优先度最高的外部项目。尽管根据规范能够分出大体的影响等级，但是在同一影响等级下，依然有必要对不同项目之间的影响程度做出区分。在这种情况下，本系统向地铁保护人员自动推送同一影响等级下，不同外部作业项目的优先度。
[0055]
巡检预警信息往往涉及到多个外部作业项目，系统还向地铁保护人员自动推送同一影响等级下，不同外部作业项目的优先度。外部作业项目的优先度为系统基于bp神经网络和余弦相似度，再结合大量已有的巡检工作附件信息和地铁保护工作人员日常工作中的判断经验，对外部作业项目的影响度进行打分评价获得。主要步骤分为关键词选择，文本信息处理，神经网络训练，神经网络实现和相似度计算。
[0056]
具体步骤如下：
[0057]
1.关键词选择：确定巡检预警信息中的关键词，这些关键词是在巡检预警信息中频繁出现，同时又对于外部作业项目的影响等级打分非常重要的短句、固定表达或词语。
[0058]
2.文本信息处理：对巡检预警信息进行分词操作，再采用字符串对比和词语信息重复工具，寻找每条巡检预警信息的关键词信息；
[0059]
3.神经网络训练：每条巡检预警信息都能形成一个巡检的指标向量，神经网络的目的是将这些信息输入后，经过学习可以判断出该向量对应的影响等级。
[0060]
4.神经网络实现：神经网络实现采用tensorflow，tensorflow是谷歌提供的人工学习类库，其底层封装的非常好，提供了现在常用的，十分成熟的各类神经网络学习模型，使得用户不需要花费太多时间在神经网络搭建的细节方面，用户只需要确定要选择的训练模式、模型中的输入、输出向量以及激励函数，就能搭建出常见的训练模型。
[0061]
神经网络训练有两个好处。一是可以清楚地知道某一个外部作业项目的影响等级数值；二是通过在训练过程对于权重的调整，了解巡检向量中，各个项之间的合理权重值。
[0062]
5.相似度计算：通过神经网络不断训练，获得了输入巡检向量中各项较为合适的权重值，同时还能对一个确定了影响等级的外部作业项目，给出各个影响等级的概率值。结合这些信息可以实现针对地铁保护巡检记录的优先度打分。
[0063]
可以对优先度打分进行排序，再根据地铁保护工作的实际需要，选择符合分数限制的外部作业项目进行巡查检视工作。
[0064]
s402：系统根据ai算法及大数据分析，从处置方案库中选取与本次需处置的巡检预警信息和监测预警信息相关的常规处置方案，自动推送给地铁保护人员；地铁保护人员可参考后，形成本次预警信息的处置方案。
[0065]
地铁保护人员通过对本次处置效果进行评估，录入处置信息，系统对信息进行记录，并选取处置效果优秀的方案，补充到处置方案库中，为后续预警处置提供方案支撑。
[0066]
以上通过实施例对本发明进行了详细说明，但所述内容仅为本发明的示例性实施例，不能被认为用于限定本发明的实施范围。本发明的保护范围由权利要求书限定。凡利用本发明所述的技术方案，或本领域的技术人员在本发明技术方案的启发下，在本发明的实质和保护范围内，设计出类似的技术方案而达到上述技术效果的，或者对申请范围所作的均等变化与改进等，均应仍归属于本发明的专利涵盖保护范围之内。