数据驱动的公路隧道运营监控系统设计及应用

发布时间：2020-03-15 11:14

【摘要】：隧道安全是高速公路运营管理工作中的重要内容,尤其是对于火灾工况及交通流运行状态的监测,目前各种监控手段的效果仍不尽如人意。本文提出一种数据驱动的公路隧道运营监控系统设计方法,从监控数据采集与处理、隧道异常工况判别、监控联动与监控预案生成、监控数据管理等四个方面展开研究。(1)隧道监控数据采集与处理针对隧道监控系统目的及隧道异常工况特点,制定了监测量的选择标准,并分别选取了隧道内环境状态与交通状态监测量;应用云计算技术实现了隧道运营监控的信息共享,并通过实验仿真,验证了监控数据预处理及数据融合方法,为隧道安全态势评估提供了有效的数据支持。(2)隧道异常工况判别与安全态势评估分析了公路隧道常见异常工况及其影响,通过监督学习方法对清洗后的隧道监控数据进行训练,提出了用于火灾和交通阻滞两种异常工况判别的先验知识模型;建立了隧道安全评价指标体系与基于BP神经网络算法的隧道安全态势评估方法,并实例验证了判别模型与态势评估方法的有效性与准确性。(3)隧道监控联动与监控预案生成分析了数据驱动的多源异构监控联动机制及关键技术,提出了包括信息采集、信息处理、信息传输以及信息反馈四部分的公路隧道异常事件信息处置方案;针对隧道实例建立了基于范例推理的公路隧道监控预案生成方法,实现了公路隧道监控预案的自动生成。(4)隧道运营监控数据管理针对隧道运营监控数据管理问题,在分析系统功能需求的基础上,设计了由设备层、设备控制层、通讯层、存储层、数据处理层和监控管理层构成的监控数据管理系统总体结构及各功能模块;设计实现了基于B/S架构的公路隧道运营监控数据管理系统,并给出了各功能界面。
【图文】：

8 交通阻滞 0.107 阻滞 5.35综合得分(等级) 124.09（危险）本文综合 09 年到 16 年隧道每季度的运行安全数据放入上述 BP 神经网络中训练得到了隧道安全态势模型，部分训练数据如下表 3.8 所示：表 3.8 隧道季度综合得分表时间 综合得分09 年第一季度 安全（34.5）09 年第二季度 安全（45.6）09 年第三季度 较安全（76.3）09 年第四季度 较安全（77.5） .经过 BP 神经网络训练得到某山区隧道安全态势模型，根据已有数据对隧道安全态势进行了评估与预测。分析及预测结果如下图较所示：

第四章 隧道异常工况监控预案生成方法与联动控制（4）音视频终端设备：这类设备位于系统终端，可构成独立的系统进行数据通信，不受区域或全局控制器控制，通过中控室直接连接到中心监控系统。这类设备主要包括紧急电话分机、闭路电视的摄像机、有线广播的音箱等。该高速隧道监控系统中各类设备数量多且关系复杂，为了实现各设备的联动作用，，必须理清各设备在隧道运营过程中单独作用和相互作用的关系，并在此基础上，将这些设备重新合理组合，形成以下几个子系统。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：U458

【引证文献】

相关硕士学位论文 前1条

1 王红燕;高速公路长大下坡与隧道群结合路段防灾系统设计与保障措施研究[D];长安大学;2018年

本文编号：2587184