基于多传感器梯度数据融合的隧道安全监测与联动系统研究

基于多传感器梯度数据融合的隧道安全监测与联动系统研究

陈署鑫, 陈晓旋

广东飞达交通工程有限公司

摘要：为了解决隧道内各系统相互独立形成信息孤岛、感知设备实时监测性差、系统运行速度慢、危险源不能提前预警、事件不能实时发现、系统联动性差等问题。采用图像、视频、雷达、北斗、传感器等多元感知设备对影响隧道安全的所有要素进行实时采集，建立数据中间站对采集到的多源数据进行预处理，建立数据融合模型并通过数据算法分析[1]，形成一个综合研判的隧道监测及联动系统，构建一套统一监测、统一报警、统一控制、统一展示、统一调度、统一指挥的综合联动系统。提高隧道安全管控能力，减少隧道内安全事故发生，提高高速公路隧道的营运管理效率。

关键词：多传感器管理;数据中间站；梯度数据融合；Dempster-Shafer证据理论；AI视频事件检测；一体化联动平台

中图分类号：U491.2文献标识码：A

Research on tunnel safety monitoring and linkage system based on multi-sensor gradient data fusion

Chen Shu-xin   Chen Xiao-xuan 

Guangdong FeidaTraffic Engineering Co.,Ltd

Abstract: In order to solve the problems of independent information islands formed by various systems in the tunnel, poor real-time monitoring of sensing equipment, slow system operation speed, no early warning of hazards, no real-time discovery of events, and poor system linkage. Images, video, radar, Beidou, sensors and other multi-sensing equipment are used to collect all elements affecting tunnel safety in real time, a data intermediate station is established to preprocess the collected multi-source data, a data fusion model is established and analyzed through data algorithms to form a comprehensive research and judgment tunnel monitoring and linkage system, and a set of integrated linkage system of unified monitoring, unified alarm, unified control, unified display, unified dispatch and unified command is constructed. Improve tunnel safety management and control capabilities, reduce the occurrence of safety accidents in tunnels, and improve the operation and management efficiency of highway tunnels.
Keywords: Multi sensor management; Data intermediate station; Gradient data fusion; Dempster Shafer evidence theory; AI video event detection; Integrated linkage platform

0引言

高速公路隧道是一个特殊的半封闭结构，隧道里面没有自然光线，车辆进入隧道口时容易形成黑洞效应，导致驾驶人员会短时内看不见隧道内的环境设施、行驶车辆等，所以隧道内很容易出现车辆追尾、车辆撞击隧道结构等交通事故；加上隧道内气流流动缓慢，一旦发生危化品车辆装载物泄漏，车辆起火等重大事故时，隧道内有毒有害气流排出缓慢，消防、救援、救护车很难进入隧道内。2020年7月4日，在G80广昆高速石牙山隧道一辆半挂车追尾大货车，继而引发火灾事故，导致洞内部分设施受损，石牙山隧道交通中断。所以保证隧道内设施设备正常、保证重点营运车辆实时监测、保证实时监控隧道内交通态势非常重要。

1隧道运营管理存在的主要痛点

隧道正常运营及安全管理是高速公路业主及运营管理单位的重要工作，但现在已投入使用的隧道普遍存在以下痛点；

1.1数据分散、判断不准确

隧道内大量的传感器采集到的数据相互独立，数据量大导致系统运行缓慢，数据没有进行清洗、筛选、剔除，很多无效数据进入后台算法，导致对于隧道环境、设备状态、交通事件等的判断不准确，经常出现错报漏报现象；

1.2危险源无法提前预警

危化品车、大型客车、大型旅游包车等两客一危车辆和大型货车等都是高速公路上的重点营运车辆，是隧道安全管理的重要危险源，现在还有很大一部分隧道中无法及时获取车辆状态，特别是重点营运车辆行驶异常及载货类别等信息；

1.3设备状态无法自动获取

隧道内有环境设备、视频设备、照明设备、通风设备、消防设备、通信设备、雷达设备、定位设备等等，部分设备巡检靠人力现场完成，除巡检人员自身存在安全隐患外，还存在巡检不及时、周期长、效率低，不可持续保证设备处于正常可用状态；

1.4隧道异常事件难以及时有效感知

隧道内经常会发生车辆超速、低速、抛洒物、交通事故等事件，传统的管理方法是由监控员手动视频巡检或现场人员报警才能发现事件，这样导致发生事件不能第一时间感知发现，耽误处置时间；

1.5设备远程控制失效

隧道内的照明灯、交通指示灯、卷闸门设备均可远程控制，但经常控制失效，控制结果反馈不准确，使得应急处置过程受阻；

1.6多操作平台各自独立

隧道内的监控系统、火灾报警、电话系统、电力系统等等存在多个相互独立系统，这些系统各成体系，无统一综合管理平台，使得监控中心监控员操作效率低下、数据分散、资源浪费。

针对以上痛点开展基于多元感知及数据融合技术的隧道安全监测与联动系统的设计研究。

2设计思路及解决方案

2.1 设计思路

针对传统隧道管理存在的痛点，以高速公路运营管理的实际业务为出发点，以提高运营管理效率为目标进行设计。采用多元感知、数据融合、AI算法、LoRa通信等技术手段，融合重点营运车辆监测、交通态势感知、设备运行状态、雷视一体化监测等多源数据，研发出高速公路隧智检测及联动管控平台，实现对高速公路隧道安全要素智能感知、远程测控、提前预警等功能。

2.2针对痛点提出解决方案

根据传统隧道运营管理中存在的痛点，结合每个隧道的实际建设情况，一一对应的解决方案，痛点及解决方案对应关系如表1所示

表1痛点及解决方案

3系统架构

按照数据采集、处理、融合、应用的逻辑，隧道安全监测与联动管理系统从下到上分为采集层、数据融合层、功能应用层、展示层共四层。实现以多元数据采集及融合的隧道管控系统。所有网络和设备均需进行网络安全管理，控制管理功能由多个子系统构成，其数据和管理业务互相交叉共享，形成一个隧道危险源提前预警、环境自动感知、设备实时测控、事件自动识别、报警联动及时于一体的平台系统。系统架构图如图1所示：

图1系统架构图

4关键技术研究

本研究的关键技术是多源数据融合技术，隧道内存大量数据采集传感器，这些传感器种类繁多，同种类的传感器数量也很多，大量的传感器采集的数据量大并且多样化，传统的隧道监测是对每个传感器数据进行单独判断和处理，本研究通过对多源数据进行融合，建立数据预算理中间站，构建梯度数据融合模型，对数据进行筛选，对局部及全局模型算法进行理论分析[2]。

在传统的隧道数据监测中，一般是通过指定的环境、视频、通风、照明、交通、消防等感知设备对的需要的数据进行采集，对采集到的数据在融合中心进行数据预算理，包括数据清洗、数据分类、剔除野值，然后提取特征向量、加权平均后求出一个均值，将均值与监控中心后台设置的阈值进行对比，判断隧道是否存在安全事件[3]。但时隧道内设备数量多，所以会大大降低系统运行速度，另外只能对同源数据进于融合，得到的判断信息维度很单一，导致信息的判断正确性软低。传统数据监测方式如图2所示：

图2传统数据检测方式图

4.1梯度数据融合模型设计

基于传统数据监测的计算量大、精度低等局限性，本研究设计一种多传感器的梯度数据融合模型来解决传统数据融合模型的不足：在传感器和融合中心设计一个中间站，将隧道内各传感器采集到的数据先传到中间站进行预处理，清洗掉与数据判断关联度低的数据，在中间站对预处理后的数据通过最小二乘法进行局部融合，得到对系统判断最有利的融合数据。再通过Dempster-Shafer数据融合技术对局部融合后的数据传送送至融合中心进行全局融合

[4]，得到融合后的研判数据值，通过对输出结果的判断来确定当前隧道的安全状态。这种通过建立数据中间站对数据行进行局部融合，通过在中间站先进行一次局部融合，能够将庞大的数据量化简，提高系统的运行速度。通过先进的D-S数据融合方法对数据进行全局融合，可以将数据的准确性大大提高，从而提高多源数据融合后的综合研判能力，提高隧道的预警准确率及应急联动的及时率。多传感器梯度数据融合模型如图3所示。

图3多传感器梯度数据融合模型

4.2梯度数据融合模型算法分析

在数据中间站中选用最小二乘法对同类传感器采集到的数据进行局部融合，得到最优融合数据。在进行局部融合之前，采用相关性函数对传感器支持度较低的数据进行删除。再采用D-S证据论算法对局部融合后的数据进行全局融合，这样可以直接判断隧道内的安全状况。

4.2.1数据筛选

在数据筛选过程中，采用高斯分布曲线作为多传感器的特征函数，对多传感器采集到的数据进行统一处理。假设表示第i个传感器设备采集到的隧道数据集，记作，第i个传感器设备每一次采集到的值记作；表示第j个传感器设备采集到的隧道数据集，记，第j个传感器每一次采集到的数据用来表示。采用来表示第i个传感器和第j个传感器值的置信距离测度，首先构建以下两个等式：

(1)

通过以上两个式子可以算出传感器数据的概率密度，当置信距离测度越小，表示第i和第j两个传感器的观测值越接近；当置信距离测试越大时，表示两个传感器的观测值偏差越大。

假设一个隧道内有n个传感器，多个传感器的采集数据就可以组成一个数据融合的置信距离矩阵Dn，式子可表示为：

(3)

有了这个矩阵可以求出每两个传感器之间的置信距离度值，再通过相关性函数可以算出传感器之间的支持度，式子表示为：

,i,j=1,2……,n            (4)

表示第i个传感器对第j个传感器的支持度，由上式可见，越小，支持度越高，本研究设置支持度为0.8为取数标准值，高于0.8为有效数据，小于0.8为无效数据，无效数据直接删除。

4.2.2数据融合模型算法

对于同类传感器采集的数据通过最小二乘法方法进行局部融合后，采用D-S证据论算法对局部融合后的数据进行全局融合。

将环境传感器、视频传感器、照明传感器、交通传感器、消防传感器、雷达传感器经过局部融合后的数据进行处理，计算出每个证据的基本概率分配函数、信任度、似真度。再根据Dempster合成的规则[5]，对所有证据下的基本概率分配函数M(X)、信任度Bel(X)、似真度Pl(X)进行计算，再根据决策规则选取信任度和似真度最大的假设作为融合后的结果[6]。根据这三个基本函数来构成一个完整的证据区间。最后根据D-S证据理论的组合规则计算所用证据联合作用下的M、Bel、Pl，按照一定的判决规则选择信任度和似真度最大的假设作为融合结果[7]。

具体做法如下:

根据这三个基本函数来构成一个完整的证据区间。最后根据D-S证据理论的组合规则计算所用证据联合作用下的,按照一定的判决规则选择信任度和似真度最大的假设作为融合结果。令和为辨别框架上的两个M(X)的赋值，Y1,Y2,...,Yk为Bel1的焦元，C1,C2,...,Ck为Bel2的焦元，应用组合规则，组合输出为：

  (5)

其中:

M1和M2表示辨别框架上的两个基本概率赋值，且满足,若K=0，M1M2是没有意义的。

通过以上的数据融合模型算法处理的隧道数据，数据更加简洁，更加准确，对整个隧道安全的判断更加实时有效。

5 案例应用

本研究在完成算法模型的理论分析及构建后，选择汕梅高速的莲花山隧道和柚树下隧道的智能化升级改造作为应用案例。莲花山隧道及柚树下两个隧道是多年前已经投入运营的隧道，隧道内很多设备老化严重，无法进行远程监测及控制，各个子系统间相互独立不能实行应急联动。

5.1 存在问题

（1）数据独立

隧道监控各子系统的数据相互独立，传输接口和协议不统一，管理软件相互隔离，无法在系统间实现联动。全线隧道虽按设计规范要求设置了较为完善的机电设施，如视频监控系统、照明系统、通风系统、隧道控制系统、火灾报警系统、语音广播系统、重点营运车辆管控系统、视频分析事件检测系统等，但这些系统各自独立运行，系统之间基本不进行数据的关联。

（2）部分传感器无法远程监控

消防设施设备巡检周期长、反馈慢，设备状态缺乏感知，维修被动。日常运营时，大部分消防设施设备的运行状态无法获取，主要依靠人工巡检，养护效率低。道路发生紧急事件时也缺乏主动的报警和展示功能，管理功能不完善。

（3）数据没有融合、系统无联动

大部分传感器的数据单独采集、单独处理、单独应用，数据量巨大，系统运行缓慢，隧道内安全状态无法进行自动研判。

在管理软件的层面上，缺乏明确的系统间联动操作方案。当前机电系统在分中心客户端内的数据互相隔离，无法实现报警信息的相互验证和报警提醒。比如，隧道内的报警电话摘机后难以定位具体桩号，对隧道内交通事件的获取造成了一定困难。

5.2 设计思路和原则

（1）数据融合、综合研判

利用本研究所建立的数据融合模型，建立数据预处理中间站，对同类传感器数据进行局部融合，对各类传感器数据进行梯度整合后，对所有传感器数据用D-S模型算法进行全局融合，利用全局融合后的数据对隧道内事件进行综合研判。

（2）构建“事前-事中-事后”业务模型

针对高速公路隧道等场景的通行安全管理痛点进行分析，构建“事前-事中-事后”业务模型：针对事前预警、事中监测、事后处置三个过程提出有效的解决思路，满足高速公路监管运营方对异常事件的有效预防、及时发现、快速响应、指挥调度等业务需求。

（3）统一设备接口和传输协议、建立兼容性的管理平台

建立一套兼容各子系统功能的一体化管理平台，统一对所有子系统和相关设备进行管理。同时对各子系统的接入和传输方式进行相应改造，统一接口和传输协议，所有设备接入同一个传输网络，在分中心实现统一控制。

（4）提升应急预案联动能力，建立合理规范的管理流程

深度整合事件检测、重点营运车辆、卡口等系统，构建了“监测-预警-处置-联动”的安全管控业务闭环。根据安全管理模型进行分级处理、应急联动，针对不同路段不同管理方定制不同应急联动预案、提高事件处置的效率及规范性。

升级改造后的隧道通行安全智慧管控系统如图4所示：

图4隧道通行安全智慧管控系统

5.3 实施效果

（1）运行速度加快、判断更准确

通过建立数据中间站，对隧道内各种传感器采集到的数据进行数据清洗，剔除野值、局部融合，让庞大的数据简洁化，提高系统运行速度。通过数据的全局融合，对隧道内发生的事件进行多维度、多要素、多时段的综合研判，大大提高了对事件判断的准确性。

   （2）保障基础设施及机电设备可用

隧道内设备状态保持正常可用是隧道安全的基础保障，也是路段管理方的主要责任。传统PLC设备接入的车道指示器、交通信号灯、风机、卷帘门等机电设备，只能通过人工控制后，获取PLC的反馈信号来判断机电设备是否可控/故障。本系统可以24小时不间断自动对隧道设备进行巡检，也可以按区域、设备类型、时段等进行手动定向巡检，自动生成巡检报告。

（3）保障异常事件及时准确发现

基于计算机视觉、深度学习等AI人工智能技术以及先进的目标识别与事件判断技术，实现人和车多种事件检测的一套视频事件识别与分析系统，对进入路段的车辆进行实时视频识别，当有车辆超速、违停、逆行、抛洒物等事件发生时，系统将实时报警，事件确认后将会在PC端、监控中心大屏端进行联动事件处置。目前我们的视频事件识别已具备：车辆停止、车辆逆行、违规行人、抛洒物、道路拥堵等多种事件识别。

（4）应急处置及时、联动控制有效

根据运营管理需求，定制各类型事件的处置模型、设备组控预案。当AI事件检测子系统检测到异常事件时，本系统自动根据事件类型、发生位置，智能匹配相应的设备联动方案，可根据联动预案的指引步骤，一键联动控制关联的设备，达到迅速响应的效果，提高事件处置的灵活性。

结束语

本研究从隧道内多传感器数据融合入手，建立数据中间站对同源传感器数据进行预处理，通过数据清洗，将支持度低的数据进行剔除，减少数据量提高系统运行速度。采用D-S证据推理方法，建立数据阶梯融合模型，并将研究结果应用于汕梅高速实际案例中进行验证，取得了预期的效果，为工程上实际的隧道安全管理提供参考。但研究结果仅限于实际的物理空间的隧道安全管理，数字孪生需要进一步研究。

[1]罗俊海，王章静.多源数据融合和传感器管理[M].北京:清华大学出版社,2021:88-95.

[2]高春艳,卢建,张明路.基于多传感器数据融合的多目标跟踪算法研究 [J].制造业自动化.2022,44(07):95-97.

[3]喻凌峰.基于多传感器数据融合的隧道火灾监测报警技术研究[J].隧道建设：2022,9:33-40

[4]程晓涛,吉立新,尹赢,黄瑞阳等.基于D-S证据理论的网络表示融合方法[J].电子学报.2020(05)：88-93

[5]刘智鹏.基于改进的D-S证据论数据融合的自平衡机器人平衡性能控制[J].自动化与仪器仪表,2019(2):128.

[6]李鑫,张晖,吴超仲，等.基于脉搏波特征融合的驾驶疲劳检测方法[J].中国公路学报,2020,33(6):168.

[7]程晓涛,吉立新,尹赢，等.基于D-S证据理论的网络表示融合方法[J].电子学报,2020,48(5):854.

第1作者介绍

姓名：陈署鑫

出生年月：1986年7月30日

性别：男

名族：汉族

籍贯：广东汕头

职称：交通工程工程师

学历：本科

研究方向：智慧交通

联系方式：15889158390