城市轨道交通施工安全监测与控制

城市轨道交通施工安全监测与控制

石玮

中铁一局集团新运工程有限公司  712000

摘要：随着我国城市化进程的加快，我国的轨道交通建设也逐渐得到重视。地铁工程是一种非常复杂的工程，它的影响因素很多，它的施工危险性也很大，所以在施工中必须对它进行严格的监控。

关键词：城市轨道交通；工程变形；监测预警；控制措施；变形预测模型

引言

本文对地铁工程变形监测的主要内容、各工程监测手段进行了介绍，并对其进行了建模、曲线拟合、地基参数反演、系统分类等方面进行了深入的探讨，并着重对 BP神经网络的建模和实现进行了详细的阐述。

1城轨工程车安全控制及运行监测系统

1.1研发背景

由于 LKJ系统在列车上的广泛使用，它的记录与分析功能对保证列车的安全起到了至关重要的作用。某地铁集团与河南思维自动化有限公司在LKJ2000监控平台的基础上，根据城轨工程车辆的实际操作要求，开发了一种适用于工程车辆使用管理的新型“城市轨道车辆安全控制与运行监测系统”（以下简称“监测系统”）。这个系统有效的提高了列车在运行过程中的安全性，大大提高了列车的安全系数。

1.2系统组成

监控系统包括车载设备、地面设备、应用软件等这些都是监控系统中所包含的。车载设备主要运行监控设备、综合视频监控设备、车载无线通讯设备组成。其中运行监控装置主要有运行监控主机，屏幕显示器，压力传感器，速度传感器，常用制动装置，定位查询主机，查询天线等；综合的视频监视装置由视频主机、音频采集装置、数字摄像机、音频采集装置组成；无线通讯装置包括：无线路由器、4 G通讯模组、接收机天线等.地面设施主要由地面信标、地面服务器、查询分析终端、移动终端、 IC卡、读卡器等专门的管理设备组成。软件主要有服务器处理软件、运行监控数据分析、视频分析、手机终端软件等。

1.3工作原理

监控系统主要是利用无线Wi-Fi/4 G公共网络信号，并结合数传电台的组网方式，将所采集到的计算机联锁监视机的资料（每一条线的信号机状态信息、通信登记信息等）、乘务员操作情况、城轨工程车辆和设备的故障信息，发送到地面服务器。地面伺服器收到电脑联锁资料后，会根据工程车辆的位置，将前方的信号机的号码和状态，实时传送到车辆上的行车监测系统，通过车载监控系统对车辆的速度进行实时更新，并根据需要，及时下达停止命令，防止施工车辆在工作中出现紧急关闭信号灯、超速、挤道岔等故障；同时，通过对施工过程的数据进行处理、分析、实时监测，并通过 WIFI/4 G公共网络对施工车辆进行动态管理，确保施工车辆的修、管、用水平。

1.4主要功能

1.4.1工程车运行安全控制子系统

通过对计算机联锁监控系统的数据进行采集，并与工程车辆的位置相结合，可以实时计算产生一条连续的距离-车速控制曲线，当车辆超速、试图越过关闭的信号灯时，就能发出刹车命令，从而达到保护城市轨道车辆的目的。同时，该系统还具有工程车辆的行车数据（包括公里、信号机、站名、曲线、坡道）显示、防冲、防超速、终点线防护、调车控制、封锁作业控制、数据和距离误差修正、工程车定位、数据采集等。

1.4.2工程车运行过程综合视频监测子系统

全程记录驾驶员的操作，对司机室、前方线路、机械间、拖钩等进行录像监控；通过在线智能识别驾驶员的瞌睡和不正常的心理状况，一旦发现不对劲，立即报警；可将邮件和照片推到管理员的移动终端。该系统可以在15天内累计记录语音、司机室视频、瞌睡视频、机械间视频、前方线路视频等多个数据，以便进行事后的分析。

1.4.3监控信息实时传输子系统

该系统能够实现车载通讯，将监控系统的操作信息、报警信息、视频综合监控子系统的报警信息、图片和视频点播等信息，通过无线收发接口装置发送到服务器，实现了与服务器的双向信息交互；同时，可以对地面信号的状况进行接收。

3地铁车站施工变形预测模型研究

3.1地铁车站施工变形预测方法

地铁车站在施工中存在着大量的不确定因素，因此，现有的变形预报方法分为曲线拟合、地基参数反演和系统分析三大类。

拟合类是一种将变形逼近为一定的规律性变化过程，选取能够反映其变化规律的函数，建立曲线拟合预报模型，然后利用该模型对其进行反演，从而将其用于后期的变形预报。这种方法参数少，易于确定，具有较好的可操作性。地基参数反演法是一种基于固结理论、数值方法和本构模型的正演模型。利用实测资料进行最优处理，反求现场有关参数，以达到预报后期变形的目的。系统分类方法分为两种，一种是输入—输出模式方法，另一种是动态方程方法。这种方法更适合在有大量资料支持的工程中进行安全分析和预测。

3.2BP神经网络预测模型

BP网络一般包括输入层、隐含层和输出层。BP神经网络一般分为学习和工作两个阶段。其中，一般的学习过程包括两个方面，一是信息的前向传递，二是错误的逆向传递。BP神经网络实质上是一种输入和输出的非线性关系。在计算训练中，错误的逆向传播是一个重要的问题，它必须用最小化的方法来实现。BP神经网络具有很好的非线性映象能力，可以准确地解决常规的预报问题。

然而， BP神经网络在处理较复杂的问题时，其学习过程通常耗时较长，而且在接近局部极小值时，其各个方面的变化都会在此点处得到收敛，从而使其更难消除。因此，可以通过增大网络层数目来减少错误，从而提高训练效果的信任度和满意度。此外，通过引入更多的神经元数量，提高了训练的准确率，并能提高样本空间的大小，减少了参数间的变化，使得数学模型更为精确。在此基础上，选取了不同的初始状态，重新进行训练，并根据训练的结果，选取最佳的预报对象。

4地铁车站施工监测预警信息管理系统的设计与实现

通过对地铁施工过程中的监测数据进行管理和分析，可以对隧道工程的变形情况进行实时监测，以防止工程事故的发生。利用计算机技术和有关技术，构建了一个基于网络的地下工程建设监控预警信息系统，对其进行有效的管理与分析。

利用数据管理技术，将各种空间数据、属性数据整合到一起，实现了对轨道交通建设项目的数据共享与操作。对检测到的数据和分析结果进行有效的预警，并及时向有关部门报告。通过对数据的采集、录入、显示等过程的实时处理，可以大大缩短预警决策的时间。监测预警信息管理系统主要包括数据输入与输出、监测数据成图、监测数据预警等四个部分。按照层级的不同，系统分为表现层、业务逻辑层和数据层。其中，数据层主要负责查询、修改空间数据和属性数据，并实现对系统数据的实时管理；其中，业务逻辑层是监控数据管理、预警、制图等核心部分；呈现层次是与使用者互动，向使用者提供资讯。该方法可对单个监测点编号进行预警，并将累计变化值与预警阈值进行对比分析，以达到对监测项目的预警。模糊警报与单一警报原则相同，但它要求输入累计变动警报和比率警报，而模糊警报则是对单一警报的补充。

结语

综上所述，随着社会的发展，交通拥堵问题也日趋严重，为有效解决这一问题，许多城市都在大力发展轨道交通。然而，由于地铁工程的施工技术比较复杂，存在着许多安全隐患，因此，在地铁施工中，地铁的施工与施工具有一定的危险性。另外，地铁建设往往位于城市中心区，周边环境较为复杂，一旦发生意外，将造成难以估量的经济损失。随着轨道交通建设的发展，深基坑开挖在轨道交通建设中的应用日益广泛，而深基坑的开挖将会引起周边环境的变化，从而对周边的结构和建筑物的稳定造成一定的影响。

参考文献：

[1]杨格.城市轨道交通浮置板道床施工质量安全控制技术研究[J].科技与创新,2021(02):80-83.DOI:10.15913/j.cnki.kjycx.2021.02.028.

[2]张文涛,肖茜.地铁车站基坑监测工程优化探究[J].四川建筑,2019,39(05):67-68+72.

[3]付小明,余志奇,刘涛.穿越河堤的城市轨道交通盾构施工安全监测技术[J].城市勘测,2019(03):176-179+183.

[4]漆月明.跨越城市轨道交通运营线钢结构雨棚安装施工及其安全控制[J].安徽建筑,2019,26(04):135-138.DOI:10.16330/j.cnki.1007-7359.2019.04.053.

[5]曾海军.基于运营服务总线的城市轨道交通施工管理和安全控制策略[D].东南大学,2017.

[6]胡晓普.城市轨道交通施工安全监测与控制[D].石家庄铁道大学,2015.

[7]曾小旭,刘庆磊.城市轨道交通运营施工安全控制方式[J].交通标准化,2014,42(11):184-188.DOI:10.16503/j.cnki.2095-9931.2014.11.005.