铁路站区外部环境综合管理及重点区域智能监控分析系统的制作方法

本发明涉及铁路运维与管理，具体涉及一种铁路站区外部环境综合管理及重点区域智能监控分析系统。

背景技术：

1、众所周知，铁路是国民经济大动脉，带动了区域经济，加快了城乡经济的快速发展，为城市的繁荣带来了发展红利和合作契机。随着铁路周边的人流、物流与日俱增，向铁路线路安全保护区排污、倾倒垃圾屡禁不绝，更有甚者在铁路安全保护区内焚火烧荒也时常见诸通报，给铁路运输安全构成了诸多威胁。铁路外部环境隐患治理，涉及面比较广，治理难度较大，给铁路运输安全留下隐患。具体铁路外部环境隐患的分类及危害如下：

2、(1)在铁路站区安全保护区内烧荒、放养牲畜、种植影响铁路线路安全的树木等。经常发生护网周围焚火烧荒事件，过火面积较大，对铁路安全运输造成一定影响。

3、(2)向铁路站区线路安全保护区排污、倾倒垃圾和其他危害铁路线路安全的物质。在铁路周边乱堆杂土垃圾，日久会抬高周边限界，使周边地形高于铁路的围墙或防护网，形成“跳板”，造成人员或动物进到线路。或者把生活垃圾及污水倒入铁路围墙内，存在垃圾侵限、水漫线路、冻害等严重隐患，严重影响铁路安全。

4、(3)在铁路站区线路安全保护区和铁路用地范围内非法建造建筑物、构筑临时设施、停车场等，存在很大的安全隐患。

5、为此，车务站段提出研制开发技术方案，方案内容包含铁路站区线路外部环境巡查、重点区域视频监控自动预警、依法履职视频图片留存、问题管理归类、整改销号闭环为一体的铁路站区线路外部环境综合管理及重点区域智能监控分析系统。主要包括“问题整治情况看板管理”、“巡查监控管理”、“问题自动预警”、“月度综合评价”四个方面的功能。适应当前铁路站区外部环境整治的需求和安全管理的要求，通过科技手段，进一步保障铁路行车安全。

6、基于上述想法已经存在与本想法最接近的技术方案，为中国发明专利，授权公告号：cn110427441b一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法，其公开了了，包括:s1，基于地图服务的铁路外部环境检测平台基础数据制作:s2,基于空间信息技术的铁路外部环境安全隐患数据库建立；s3，两库融合:s4，平台部署；s5，基于空间信息技术的铁路外部环境安全隐患目标定期检测；s6，基于铁路外部环境检测平台的隐患目标oa闭环管理s7，基于铁路外部环境检测平台的隐患目标分析管理。

7、虽然该方法以空间遥感技术检测为主，配合人工进行针对性的复核与问题处置，实现从数据获取到检测结果输出的高度自动化，提高了作业效率和信息化程度，实现了对检测结果的精细管理分析以及从隐患发现、现场复核、信息填报到隐患oa处理的闭环管理。但是还是有诸多不足，就如前端视频监控智能分析过程中会出现无法识别预警元素。并且监控、记录、反馈、分析都是基于图像来比对，其类型太过单一(缺乏声音、光感度等多维度对比)，导致数据库的建立不完善，处理铁路环境问题的效率低下。由于动态视频智能分析是应用人工智能技术建模、训练及预测来完成的，模拟人的某些思维过程和智能行为，可能存在具有模型结构、理解及知识的局限性，还是需要后期算法模型重构及模型升级，解决受模型局限性的影响，不断优化和系统完善，导致其完善周期太长，不能做到及时处理大大增加了铁路的安全隐患。

技术实现思路

1、本技术提供一种铁路站区外部环境综合管理及重点区域智能监控分析系统，用以解决现有技术中前端视频监控智能分析过程中会出现无法识别预警元素。并且监控、记录、反馈、分析都是基于图像来比对，其类型太过单一，问题数据库的建立周期太长，并且导致处理铁路环境问题的效率低下、不能做到及时处理大大增加了铁路的安全隐患的问题。

2、为实现上述目的，本发明采用的技术方案是：

3、一种铁路站区重点区域智能监控分析系统，其中，包括：通过网络传输系统相互传输的全路段监控、重点路段监控、巡查终端、集团公司云平台、后台总控客户端；

4、全路段监控包括：监控摄像头、高清录像机、无线终端，所述监控摄像头和所述高清录像机通过所述无线终端与所述集团公司云平台数据传输；

5、重点路段监控包括：监控摄像头、高清录像机、无线终端、语音存储播放设备、信息标识器，所述监控摄像头、所述高清录像机、所述语音存储播放设备、所述信息标识器通过所述无线终端与与所述集团公司云平台数据传输；

6、所述集团公司云平台将所述全路段监控、重点路段监控、巡查终端的数据通过所述网络传输系统传输给后台总控客户端，所述后台总控制客户端通过所述网络传输系统对所述全路段监控、重点路段监控、巡查终端发送指令；

7、所述后台总控客户端包括：进入输出信号的交换机、流媒体服务器、储存磁盘阵列、管理客户端、控制键盘、矩阵、多屏幕电视墙，所述进入输出信号的交换机、流媒体服务器、储存磁盘阵列、控制键盘、矩阵、多屏幕电视墙均有管理客户端控制连接，所述进入输出信号的交换机接受来自网络传输系统的数据。

8、上述的铁路站区重点区域智能监控分析系统，其中，所述网络传输系统为有线或无线的方式进行数据传输。

9、上述的铁路站区重点区域智能监控分析系统，其中，所述全路段监控、所述重点路段监控均配备太阳能供电系统支持，所述太阳能系统包括：太阳能电池板、太阳能控制器、铁锂电池组、逆变器、交流负载、直流负载，所述铁锂电池组的电力输出端均与所述全路段监控的电力输入端、所述重点路段监控的电力输入端匹配。

10、上述的铁路站区重点区域智能监控分析系统，其中，所述集团公司云平台包括：中心管理服务器(cms)、web服务器(web)、数据库服务器(db)、设备接入服务器(vag)、报警管理服务器(ams)、智能分析服务器(ida)、深度学习服务器(dls)、图片管理服务器(pms)、网管务器(nms)，所述集团公司云平台为了将所述网络传输系统输入的所述全路段监控、所述重点路段监控、所述巡查终端处理后输出给后台总控客户端。

11、上述的铁路站区重点区域智能监控分析系统，其中，所述巡查终端包括：c/s客户端、b/s客户端、手机客户端；

12、c/s客户端用于实时监控，在系统管理服务器授权认证下访问监控所有现场设备；

13、b/s客户端通过web界面对系统进行管理、维护、实时监控和录像检索回放；

14、手机客户端方便客户随时随地远程视频预览、回放。

15、一种铁路站区重点区域智能监控分析系统的外部环境综合管理方法：包括以下步骤：

16、步骤1：日常巡检管理路线的生成；

17、步骤1.1：由后台总控客户端利用全路段监控和电子地图，制定在线上或线下的巡检路线，由后台总控客户端通过全路段监控远程进行定期或实时巡检；

18、步骤1.2：由后台总控客户端安排巡线人员手持巡查终端沿线下的巡线路线进行巡检，利用gps卫星定位与巡查终端的定位，可以准确掌握巡检人员巡检情况；

19、步骤2：重点区域管理路线的生成；

20、步骤2.1：结合线上和线下的巡检数据生成隐患报告，并根据隐患报告生成重点隐患区域的巡检路线；

21、步骤2.2：重点隐患区域的巡检路线由后台总控客户端发送到巡查终端，安排巡线人员前往巡检，巡线人手持巡查终端每经过重点路段监控会被gps采集的经纬度坐标上传到后台总控客户端；

22、步骤2.3：巡查终端支持数码照相、录像、录音、本地存储、红外夜视、3g/4g无线传输、gps+北斗定位、中心集中管理，并具备直接通过无线传输实时将数据传送至后台总控客户端；

23、步骤2.4：若在重点隐患区域发现隐患，巡查终端将视频、音频数据传送至后台总控客户端，后台总控客户端会自动弹窗预警信息和视频信息、音频信息；

24、步骤3：隐患整治跟踪；

25、步骤3.1：根据全路段监控、重点路段监控所反馈和处理的隐患问题会给到后台总控客户端，会由后台总控客户端进行记录形成隐患问题整治看板；

26、步骤3.2：根据巡线人员手持巡查终端经过全路段监控、重点路段监控的每一信息点的时间，停留时间，巡检轨迹，会形成巡查任务完成情况分析，利用巡查任务完成情况分析避免线路资料的重复录入，保证资料输入的一致性和准确性，对巡检数据汇总和统计分析，进行巡检情况考核。

27、步骤3.3：全路段监控、重点路段监控会对周围环境进行实时监控，并会对隐患问题的动态进行盯控；

28、步骤3.4：建立自动评分系统，对于消除隐患和未消除隐患的信息点进行评分，依次来为划分高铁车间外部环境管理情况排序提供依据。

29、上述铁路站区重点区域智能监控分析系统的外部环境综合管理方法，其中，由步骤3.1至步骤3.4，形成隐患问题闭环的处理方式。

30、上述铁路站区重点区域智能监控分析系统的外部环境综合管理方法，其中，所述步骤2中，重点区域管理路线的所生成的智能视频分析的图像进行二次优化，其步骤分为步骤2.4图形建模与步骤2.5图形标注；

31、图形建模的步骤2.4为：步骤2.41明确需求、步骤2.42查找底层变量、步骤2.43探索数据分析、步骤2.44变量衍生、步骤2.45数据编码、步骤2.46降维处理、步骤2.47模型调参、步骤2.48模型部署监控；

32、明确需求，确定建模内容：大小型车辆、工程车、人体特征及违章建筑物等，定义的合理程度很大程度的影响模型乃至策略的评估；算法工程师需要经验的支撑，另一方面需要结合业务知识来确定；

33、寻找与大小型车辆、工程车、人体特征及违章建筑物相关的底层变量：在确定车辆、人体特征及建筑物的业务基础上，寻找相关变量可以是传统相关的业务变量，可以是三方公司的数据，可以是用户授权所爬取的相关数据等；

34、探索数据分析：对图形数据有一个大体的了解；主要包含变量的均值、中位数、缺失率(缺失率高的是否考虑删除)、同一值(取值distinct较少是否删除)、异常值、分布、相关性(这一步也可以放在后面降维步骤后再进行一波降维)等；

35、变量衍生：在拿到且理解了基础的变量之后，需要做变量衍生处理(涉及到空值时需要注意，结合业务)；可以通过四则运算、结合时间维度、pca等模型的方法、结合业务知识等；

36、数据编码：不同的模型对含有缺失值、字符型变量的容忍度各不相同，因此需要对数据做编码(可以看成数据清洗的一种)来适应不同的模型，确保模型的顺利训练；对于涉及计算的模型数据需要进行标准化/归一化处理；对分类变量可以进行one-hot(独热编码会导致维度急剧增加，可通过one-hot+pca)、laberencoder、woe编码等；对于缺失值需要删除或者填充；

37、降维处理：根据缺失率与同一值做初步剔除；单变量分析进行一波降维(包含分箱看趋势及iv等)；pca等降维模式；机器学习方法输出变量重要性等降维；变量相关性做降维；

38、模型调参、评估指标：模型调参主要根据每个模型本身进行调参；主要涉及解决样本不平衡、过拟合与欠拟合的问题；调参可以调用网格搜索、贝叶斯调参等方法；评估指标主要是根据不同的应用场景来确定具体的评估指标，例如a卡会关注模型衰减度(稳定性)、roc、auc、ks、swap分析等；

39、模型部署监控：模型的监控一方面保证上机运行顺利进行，另一方面是观察模型的效果；在一般监控：进件量、评分卡均值、评分卡分10档分组占比、评分psi波动；变量均值、缺失率、psi波动，变量分bin；后端：auc、ks、lift图、变量分bin、变量iv、变量tp图；

40、上述铁路站区重点区域智能监控分析系统的外部环境综合管理方法，其中，所述步骤2.5的图形标注中：图像标注(lmage annotation)指将标签附加到图像上的过程，可以是整图像的一个标签，也可以是图像中每一组像索多个标签。针对计算机视觉图像检索系统来对数据库组织和定位部分感兴趣的图像。图像标注是智能视频分析的关键步骤，对已有图像数据进行标注，且标注数量不少于5000张。图像标注在于保证数据的质量和一致性，从而提高机器学习模型的准确性和稳定性。如果标注数据质量不好，就会影响机器学习模型的训练效果，导致模型的准确性不足，甚至出现错误预测的情况。标注格式通常分为两种：框选标注和像素标注。框选标注通常用于标注目标物体的位置，而像素标注通常用于标注物体的轮廓和区域。标注的格式根据实际应用场景进行选择。标注精度是指标注的准确程度，标注数量越多精度越高，标注精度越高，标注数据的质量就越好。在进行标注时，应尽可能减少误差，避免标注数据的不准确性。

41、上述铁路站区重点区域智能监控分析系统的外部环境综合管理方法，其中，针对重点区域管理路线的所生成的智能视频分析中运动视频图像目标检测，采用基于混合高斯模型的背景减除法的基本原理。

42、依据上述实施例的一种铁路站区外部环境综合管理及重点区域智能监控分析系统及其巡检管控方法，该方案具有以下的效果：

43、1、用以解决现有技术中前端视频监控智能分析过程中会出现无法识别预警元素。

44、2、监控、记录、反馈、分析不仅可以通过视频、图像来做比对还可以通过语音及动态视频来比对；

45、3、可以定期或实时地就隐患问题数据库的建立与消除，在处理铁路环境隐患问题的同时提高人员巡检效率和安全。