CN110443349A - 一种地下设施保护方法和系统 - Google Patents
一种地下设施保护方法和系统 Download PDFInfo
- Publication number
- CN110443349A CN110443349A CN201910577557.4A CN201910577557A CN110443349A CN 110443349 A CN110443349 A CN 110443349A CN 201910577557 A CN201910577557 A CN 201910577557A CN 110443349 A CN110443349 A CN 110443349A
- Authority
- CN
- China
- Prior art keywords
- construction
- sound
- pressure
- information
- underground
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Withdrawn
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000009434 installation Methods 0.000 title claims abstract 8
- 238000010276 construction Methods 0.000 claims abstract description 243
- 230000006399 behavior Effects 0.000 claims abstract description 44
- 238000013527 convolutional neural network Methods 0.000 claims description 19
- 238000003062 neural network model Methods 0.000 claims description 19
- 238000012549 training Methods 0.000 claims description 11
- 238000004891 communication Methods 0.000 claims description 6
- 238000013528 artificial neural network Methods 0.000 claims description 4
- 230000002093 peripheral effect Effects 0.000 claims description 3
- 230000008569 process Effects 0.000 abstract description 12
- 230000006378 damage Effects 0.000 abstract description 4
- 238000011161 development Methods 0.000 abstract description 2
- 230000002265 prevention Effects 0.000 abstract 2
- 230000006870 function Effects 0.000 description 9
- 239000007789 gas Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 3
- 239000002344 surface layer Substances 0.000 description 3
- 230000005540 biological transmission Effects 0.000 description 2
- VNWKTOKETHGBQD-UHFFFAOYSA-N methane Chemical compound C VNWKTOKETHGBQD-UHFFFAOYSA-N 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000010865 sewage Substances 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000009471 action Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000003034 coal gas Substances 0.000 description 1
- 239000011248 coating agent Substances 0.000 description 1
- 238000000576 coating method Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 239000003345 natural gas Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001681 protective effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/04—Architecture, e.g. interconnection topology
- G06N3/045—Combinations of networks
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/02—Neural networks
- G06N3/08—Learning methods
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/27—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique
- G10L25/30—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 characterised by the analysis technique using neural networks
-
- G—PHYSICS
- G10—MUSICAL INSTRUMENTS; ACOUSTICS
- G10L—SPEECH ANALYSIS TECHNIQUES OR SPEECH SYNTHESIS; SPEECH RECOGNITION; SPEECH OR VOICE PROCESSING TECHNIQUES; SPEECH OR AUDIO CODING OR DECODING
- G10L25/00—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00
- G10L25/48—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use
- G10L25/51—Speech or voice analysis techniques not restricted to a single one of groups G10L15/00 - G10L21/00 specially adapted for particular use for comparison or discrimination
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01H—MEASUREMENT OF MECHANICAL VIBRATIONS OR ULTRASONIC, SONIC OR INFRASONIC WAVES
- G01H17/00—Measuring mechanical vibrations or ultrasonic, sonic or infrasonic waves, not provided for in the preceding groups
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01L—MEASURING FORCE, STRESS, TORQUE, WORK, MECHANICAL POWER, MECHANICAL EFFICIENCY, OR FLUID PRESSURE
- G01L1/00—Measuring force or stress, in general
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Computational Linguistics (AREA)
- Theoretical Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Acoustics & Sound (AREA)
- Multimedia (AREA)
- Life Sciences & Earth Sciences (AREA)
- Audiology, Speech & Language Pathology (AREA)
- Biophysics (AREA)
- Data Mining & Analysis (AREA)
- General Health & Medical Sciences (AREA)
- Human Computer Interaction (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Signal Processing (AREA)
- Emergency Alarm Devices (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种地下设施保护方法和系统,其通过采集地下设施所在位置及其周边的声音信息和/或压力信息;当所述施工声概率大于或等于设定阈值时;和/或,当压力信息大于或等于预设的压力阈值时,或者,当所述施工压力概率大于或等于设定阈值时;则判断为所述地下设施所在位置存在施工行为;并发出警报和/或提醒;从而能够对施工行为进行监测和预警,有效预防和阻止地下设施在施工过程被破坏,进而减少政府城市建设过程的经济损失,也能够减少地下设施损坏对人们生活带来的不便影响,提升人们对市政工作满意度及幸福感。
Description
技术领域
本发明涉及物联网技术领域,特别是一种地下设施保护方法及其应用该方法的系统。
背景技术
在城市建设进行施工时,由于电线缆及管道等地下设施没有做好相应的保护措施,在施工的过程中这类的设施经常会被破坏,原因如下:
1)施工方未报备,野蛮违法施工;
2)施工方不知道地下有设备,未报备;
3)有报备,施工时出现的意外情况;
地下设施是城市或者城镇输送物质、能源或者传递一些重要信息的重要途径,是维护周遭居民正常生活和工作的重要保障,也是城市经济发展的基础。城市地下设施多种多样,十分复杂,常见的地下设施有输水管、污水管、输电线、输气管、通信线路、油管和热管等,很多生活中用到的水、天然气和煤气等都是通过相应的地下管道进行运输的,在城市施工过程,有一定几率会对城市地下设施的破坏,这不仅影响城市的面貌,而且也会给附近居民的生活带来不便的影响,造成严重的经济损失。所以,对地下设施保护显得尤为重要。
针对地下设备的保护措施,现有方法包括对地下设施的自然损坏的防护措施,比如对地下设施添加防腐层,还包括对地下设备出现损坏的检测,利用传感器来监测地下设备的工作情况,例如申请号为201420058021.4,申请日期为2014年02月03号的发明专利申请涉及的一种油气储运管道监测,监测管道是否出现漏油情况。申请号为201510417158.3,申请日期为2015年7月16日的发明专利涉及一种海底管道安全监测装置,该装置可以及时检测海底管道裂纹,避免更大事故的发生。上述的方案并不能预防和阻止地下设施在施工过程被破坏,只能是监测设备是否损坏。
发明内容
本发明为解决上述问题,提供了一种地下设施保护方法和系统,能够对施工行为进行监测和预警,从而有效预防和阻止地下设施在施工过程被破坏。
为实现上述目的,本发明采用的技术方案为:
一种地下设施保护方法,其包括以下步骤:
采集地下设施所在位置及其周边的声音信息和/或压力信息;
将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;当所述施工声概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
和/或,
将所述压力信息与预设的压力阈值进行比较分析,当所述压力信息大于或等于预设的压力阈值时,则判断为所述地下设施所在位置存在施工行为;或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
当判断为所述地下设施所在位置存在施工行为时,则发出警报和/或提醒。
优选的,所述施工声样本信息是通过模拟施工场景和/或真实施工场景采集到的施工声信息,并根据该施工声信息构建施工声音数据库,以及利用该施工声音数据库进行施工声预测模型的构建和训练;将所述声音信息或所述声音信息处理后的信息输入训练好的施工声预测模型中进行预测。
进一步的,所述施工声预测模型的训练和预测包括以下步骤:
步骤一,从所述施工声样本信息中提取声音的声学特征;
步骤二,构建CNN神经网络模型;
步骤三,将所述声学特征输入所述CNN神经网络模型,获得施工声概率p;
步骤四,将所述施工声概率p与所述模拟施工场景或真实施工场景中是否施工的真实情况进行比较,构造交叉熵损失函数;
步骤五,利用所述交叉熵损失函数对所述CNN神经网络模型进行优化,得到所述施工声预测模型;
步骤六,提取所述声音信息的声学特征并输入训练好的所述施工声预测模型进行施工声预测,判断预测得到的施工声概率p是否大于或等于设定阈值,若是则判断为所述声音信息为施工声,否则判断为所述声音信息为非施工声。
进一步的,所述的步骤三中,还将所述施工声概率p进行softmax分类(1-p,p),即概率p为0~1的二分类;所述的步骤五中,利用所述交叉熵损失函数对所述CNN神经网络模型进行优化后,还利用随机梯度下降算法进行神经网络训练。
优选的,所述压力阈值是根据经验值进行人工设定,或者,通过模拟施工场景和/或真实施工场景采集得到施工压力样本信息,并根据该施工压力样本信息构建施工压力数据库,以及利用该施工压力数据库进行施工压力预测模型的构建和训练;将所述压力信息或所述压力信息处理后的信息输入训练好的施工压力预测模型中进行预测。
进一步的,还包括对不同的施工场景类型设置不同的压力阈值。
进一步的,所述声音信息和所述压力信息分别通过在所述地下设施所在位置的周边设置声音传感器和压力传感器获得,并对不同施工场景类型的声音传感器或压力传感器采集的声音信息或压力信息设置不同的标识。
与所述保护方法相对应的,本发明还提供一种地下设施保护系统,其包括:
传感器装置,包括声音传感器和/或压力传感器,其设置于地下设施所在位置或其周边位置,用于采集地下设施所在位置及其周边的声音信息和/或压力信息;
通信模块,用于将所述声音信息和/或压力信息传输至服务器进行分析,并接收分析结果;
分析模块,其设置于服务器,用于对所述声音信息和/或压力信息进行分析:将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;当所述施工声概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;和/或,将所述压力信息与预设的压力阈值进行比较分析,当所述压力信息大于或等于预设的压力阈值时,则判断为所述地下设施所在位置存在施工行为;或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
预警装置,当判断为所述地下设施所在位置存在施工行为时,则向施工人员和/或管理人员发出警报和/或提醒。
进一步的,所述地下设施根据预设的间距布置对应的预警装置、声音传感器和/或压力传感器,当前间距位置的声音传感器和/或压力传感器采集的声音信息和/或压力信息判断为存在施工行为时,通过当前间距位置对应的预警装置和/或周边位置的预警装置发出警报和/或提醒。
优选的,所述地下设施为地下管道,所述声音传感器和/或压力传感器设置在所述地下管道的外表层。
本发明的有益效果是:
(1)、本发明通过采集地下设施所在位置及其周边的声音信息和/或压力信息,并将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率,将所述压力信息与预设的压力阈值进行比较分析,从而对施工行为进行监测和预警,能够有效预防和阻止地下设施在施工过程被破坏;当判断为施工状态时,能够及时发出警报阻止施工人员进一步施工,也能够通知管理员到现场查看,管理,保护地下设施不受施工影响,不受破坏。
(2)本发明通过将所述声音信息和/或压力信息与预先训练好的CNN神经网络模型和/或压力阈值进行对比分析,能够更准确的判断出现场是否存在施工行为,适用场景更广;
(3)、本发明通过预防和阻止地下设施受到损坏,减少政府城市建设的经济损失;
(4)、本发明通过预防和阻止地下设施受到损坏,减少地下设施损坏对人们生活带来的不便,进而提高人们对市政工作满意度和幸福感;
(5)、本发明针对声音和压力的差异,有不同的对比处理方式,并通过采集模拟施工场景或者真实施工场景的样本信息来训练对应的CNN神经网络模型和压力阈值,提高判断的准确性和适用性;
(6)、本发明还对不同的施工场景类型设置不同的压力阈值,从而能够针对不同的施工行为启动不同的预警机制;本发明还对不同施工场景类型的声音传感器或压力传感器采集的声音信息或压力信息设置不同的标识,场景识别和施工行为判断更准确。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚、明白,以下结合具体实施例对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅用以解释本发明,并不用于限定本发明。
第一实施例(根据声音信息判断施工行为)
本实施例的一种地下设施保护方法,其包括以下步骤:
采集地下设施所在位置及其周边的声音信息;
将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;当所述施工声概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
当判断为所述地下设施所在位置存在施工行为时,则发出警报和/或提醒。
其中,所述地下设施包括输水管、污水管、输电线、输气管、通信线路、油管和热管等。所述地下设施所在位置及其周边的声音信息和压力信息分别通过声音传感器和压力传感器进行采集,所述声音传感器和压力传感器安装在地下设施的外表层。
本实施例中,所述施工声样本信息是通过模拟施工场景和/或真实施工场景采集到的施工声信息,并根据该施工声信息构建施工声音数据库,以及利用该施工声音数据库进行施工声预测模型的构建和训练;将所述声音信息或所述声音信息处理后的信息输入训练好的施工声预测模型中进行预测。本实施例中,所述施工声预测模型的训练和预测包括以下步骤:
步骤一,从所述施工声样本信息中提取声音的声学特征;
步骤二,构建CNN神经网络模型;
步骤三,将所述声学特征输入所述CNN神经网络模型,获得施工声概率p;并将所述施工声概率p进行softmax分类(1-p,p),即概率p为0~1的二分类;
步骤四,将所述施工声概率p与所述模拟施工场景或真实施工场景中是否施工的真实情况进行比较,构造交叉熵损失函数;
步骤五,利用所述交叉熵损失函数对所述CNN神经网络模型进行优化,得到所述施工声预测模型;并利用所述交叉熵损失函数对所述CNN神经网络模型进行优化后,还利用随机梯度下降算法进行神经网络训练;
步骤六,提取所述声音信息的声学特征并输入训练好的所述施工声预测模型进行施工声预测,判断预测得到的施工声概率p是否大于或等于设定阈值,若是则判断为所述声音信息为施工声,否则判断为所述声音信息为非施工声;本实施例中,所述施工声概率p的阈值设定为0.5,若所述施工声概率p是否大于或等于0.5,若是则判断为施工声,若所述施工声概率p小于0.5,则判断所述声音信息为非施工声。
本实施例中,当判断为存在施工行为时,进一步向现场的施工人员发出警报,阻止施工人员进一步施工,造成地下设施损坏;当发出警报后的预设时间段内仍持续存在施工行为,即,施工状态在设定的时间内没有结束,则通过远程通信提醒管理人员(例如通过手机APP提醒,或者通过手机短信提醒,或者通过远程管理平台提醒),管理人员可以通过监控查看,或者到现场查看和确认,叫停施工行为。
第二实施例(根据压力信息判断施工行为)
本实施例的一种地下设施保护方法,其包括以下步骤:
采集地下设施所在位置及其周边的压力信息;
将所述压力信息与预设的压力阈值进行比较分析,当所述压力信息大于或等于预设的压力阈值时,则判断为所述地下设施所在位置存在施工行为;
或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
当判断为所述地下设施所在位置存在施工行为时,则发出警报和/或提醒。
其中,所述压力阈值是根据经验值进行人工设定,或者,通过模拟施工场景和/或真实施工场景采集得到施工压力样本信息,并根据该施工压力样本信息构建施工压力数据库,以及利用该施工压力数据库进行施工压力预测模型的构建和训练;将所述压力信息或所述压力信息处理后的信息输入训练好的施工压力预测模型中进行预测。
与第一实施例相似,本实施例中,所述施工压力预测模型的训练和预测包括以下步骤:
步骤一,从所述施工压力样本信息中提取压力的力学特征;
步骤二,构建CNN神经网络模型;
步骤三,将所述力学特征输入所述CNN神经网络模型,获得施工压力概率p;并将所述施工压力概率p进行softmax分类(1-p,p),即概率p为0~1的二分类;
步骤四,将所述施工压力概率p与所述模拟施工场景或真实施工场景中是否施工的真实情况进行比较,构造交叉熵损失函数;
步骤五,利用所述交叉熵损失函数对所述CNN神经网络模型进行优化,得到所述施工压力预测模型;并利用所述交叉熵损失函数对所述CNN神经网络模型进行优化后,还利用随机梯度下降算法进行神经网络训练;
步骤六,提取所述压力信息的力学特征并输入训练好的所述施工压力预测模型进行施工压力预测,判断预测得到的施工压力概率p是否大于或等于设定阈值,若是则判断为所述压力信息为施工压力,否则判断为所述压力信息为非施工压力。
本实施例中,所述模拟施工场景或真实施工场景包括两种以上施工场景类型,并对不同的施工场景类型设置不同的压力阈值。进一步的,所述声音信息和所述压力信息分别通过在所述地下设施所在位置的周边设置声音传感器和压力传感器获得,并对不同施工场景类型的声音传感器或压力传感器采集的声音信息或压力信息设置不同的标识。
所述压力阈值在不同的环境可能不同,如路面、土壤情况,对真实施工过程中的压力信息进行采集,并根据真实施工过程中的压力信息确定的所述压力阈值,一般为48pa-54pa。
本实施例的其余分析过程与第一实施例基本相似,在此不进行赘述。
第三实施例(根据声音信息和压力信息判断施工行为)
本实施例的一种地下设施保护方法,其包括以下步骤:
采集地下设施所在位置及其周边的声音信息和压力信息;
将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;
并且,将所述压力信息与预设的压力阈值进行比较分析;或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
当所述施工声概率大于或等于设定阈值,并且,当所述压力信息大于或等于预设的压力阈值时或当所述施工压力概率大于或等于设定阈值时,二者同时满足条件时,则判断为所述地下设施所在位置存在施工行为;或者,
当所述施工声概率大于或等于设定阈值,或者,当所述压力信息大于或等于预设的压力阈值时或当所述施工压力概率大于或等于设定阈值时,二者之任一满足条件时,则判断为所述地下设施所在位置存在施工行为;
当判断为所述地下设施所在位置存在施工行为时,则发出警报和/或提醒。
本实施例的其余分析过程与第一实施例和第二实施例相似,在此不进行赘述。
第四实施例(地下设施保护系统)
与第一、二、三实施例所述保护方法相对应的,本实施例还提供一种地下设施保护系统,其包括:
传感器装置,包括声音传感器和/或压力传感器,其设置于地下设施所在位置或其周边位置,用于采集地下设施所在位置及其周边的声音信息和/或压力信息;
通信模块,用于将所述声音信息和/或压力信息传输至服务器进行分析,并接收分析结果;
分析模块,其设置于服务器,用于对所述声音信息和/或压力信息进行分析:将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;当所述施工声概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;和/或,将所述压力信息与预设的压力阈值进行比较分析,当所述压力信息大于或等于预设的压力阈值时,则判断为所述地下设施所在位置存在施工行为;或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
预警装置,当判断为所述地下设施所在位置存在施工行为时,则向施工人员和/或管理人员发出警报和/或提醒。
本实施例中,所述地下设施根据预设的间距布置对应的预警装置、声音传感器和/或压力传感器,当前间距位置的声音传感器和/或压力传感器采集的声音信息和/或压力信息判断为存在施工行为时,通过当前间距位置对应的预警装置和/或周边位置的预警装置发出警报和/或提醒。优选的,所述地下设施为地下管道,所述声音传感器和/或压力传感器设置在所述地下管道的外表层。
本实施例中,所述预警装置包括第一警报器和第二警报器,所述第一警报器安装在所述地下设施所在位置的地面上,所述第二警报器包括移动警报器和设置在所述地下设施的管理所的固定警报器,所述第一警报器发出警报,能够向现场的施工队或施工人员发出声光警报,阻止其继续施工,防止底下设施被破坏;所述第二警报器发出警报包括手机和设置在管理中心的设施显示屏,能够以手机信息或者视频显示的方式通知地下设施的相应管理人员施工所在位置,相应管理人员接到通知后到现场查看。
本实施例中,所述第二警报器包括手机,手机上可以安装相应的手机app,用于管理地下设施,能够查看到各个传感器采集到的信息,能够接收到服务器发出的紧急通知,也包括设置在管理中心的设施显示屏,通过显示屏显示异常情况。
当服务器对现场的声音和压力判断为施工状态,而管理员到现场后发现不是施工状态时,对CNN神经网络模型和压力阈值进行更新,不断提高判断的准确性。
需要说明的是,本说明书中的各个实施例均采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似的部分互相参见即可。对于系统实施例而言,由于其与方法实施例基本相似,所以描述的比较简单,相关之处参见方法实施例的部分说明即可。
并且,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。另外,本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
上述说明示出并描述了本发明的优选实施例,应当理解本发明并非局限于本文所披露的形式,不应看作是对其他实施例的排除,而可用于各种其他组合、修改和环境,并能够在本文发明构想范围内,通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围,则都应在本发明所附权利要求的保护范围内。
Claims (10)
1.一种地下设施保护方法,其特征在于,包括以下步骤:
采集地下设施所在位置及其周边的声音信息和/或压力信息;
将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;当所述施工声概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
和/或,
将所述压力信息与预设的压力阈值进行比较分析,当所述压力信息大于或等于预设的压力阈值时,则判断为所述地下设施所在位置存在施工行为;或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
当判断为所述地下设施所在位置存在施工行为时,则发出警报和/或提醒。
2.根据权利要求1所述的一种地下设施保护方法,其特征在于,所述施工声样本信息是通过模拟施工场景和/或真实施工场景采集到的施工声信息,并根据该施工声信息构建施工声音数据库,以及利用该施工声音数据库进行施工声预测模型的构建和训练;将所述声音信息或所述声音信息处理后的信息输入训练好的施工声预测模型中进行预测。
3.根据权利要求2所述的一种地下设施保护方法,其特征在于,所述施工声预测模型的训练和预测包括以下步骤:
步骤一,从所述施工声样本信息中提取声音的声学特征;
步骤二,构建CNN神经网络模型;
步骤三,将所述声学特征输入所述CNN神经网络模型,获得施工声概率p;
步骤四,将所述施工声概率p与所述模拟施工场景或真实施工场景中是否施工的真实情况进行比较,构造交叉熵损失函数;
步骤五,利用所述交叉熵损失函数对所述CNN神经网络模型进行优化,得到所述施工声预测模型;
步骤六,提取所述声音信息的声学特征并输入训练好的所述施工声预测模型进行施工声预测,判断预测得到的施工声概率p是否大于或等于设定阈值,若是则判断为所述声音信息为施工声,否则判断为所述声音信息为非施工声。
4.根据权利要求3所述的一种地下设施保护方法,其特征在于,所述的步骤三中,还将所述施工声概率p进行softmax分类(1-p,p),即概率p为0~1的二分类;所述的步骤五中,利用所述交叉熵损失函数对所述CNN神经网络模型进行优化后,还利用随机梯度下降算法进行神经网络训练。
5.根据权利要求1所述的一种地下设施保护方法,其特征在于,所述压力阈值是根据经验值进行人工设定,或者,通过模拟施工场景和/或真实施工场景采集得到施工压力样本信息,并根据该施工压力样本信息构建施工压力数据库,以及利用该施工压力数据库进行施工压力预测模型的构建和训练;将所述压力信息或所述压力信息处理后的信息输入训练好的施工压力预测模型中进行预测。
6.根据权利要求5所述的一种地下设施保护方法,其特征在于,还包括对不同的施工场景类型设置不同的压力阈值。
7.根据权利要求6所述的一种地下设施保护方法,其特征在于,所述声音信息和所述压力信息分别通过在所述地下设施所在位置的周边设置声音传感器和压力传感器获得,并对不同施工场景类型的声音传感器或压力传感器采集的声音信息或压力信息设置不同的标识。
8.一种地下设施保护系统,其特征在于,包括:
传感器装置,包括声音传感器和/或压力传感器,其设置于地下设施所在位置或其周边位置,用于采集地下设施所在位置及其周边的声音信息和/或压力信息;
通信模块,用于将所述声音信息和/或压力信息传输至服务器进行分析,并接收分析结果;
分析模块,其设置于服务器,用于对所述声音信息和/或压力信息进行分析:将所述声音信息与预先训练好的施工声预测模型进行预测施工声概率;当所述施工声概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;和/或,将所述压力信息与预设的压力阈值进行比较分析,当所述压力信息大于或等于预设的压力阈值时,则判断为所述地下设施所在位置存在施工行为;或者,将所述压力信息与预先训练好的施工压力预测模型进行预测施工压力概率;当所述施工压力概率大于或等于设定阈值时,则判断为所述地下设施所在位置存在施工行为;
预警装置,当判断为所述地下设施所在位置存在施工行为时,则向施工人员和/或管理人员发出警报和/或提醒。
9.根据权利要求8所述的一种地下设施保护系统,其特征在于,所述地下设施根据预设的间距布置对应的预警装置、声音传感器和/或压力传感器,当前间距位置的声音传感器和/或压力传感器采集的声音信息和/或压力信息判断为存在施工行为时,通过当前间距位置对应的预警装置和/或周边位置的预警装置发出警报和/或提醒。
10.根据权利要求8所述的一种地下设施保护系统,其特征在于,所述地下设施为地下管道,所述声音传感器和/或压力传感器设置在所述地下管道的外表层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910577557.4A CN110443349A (zh) | 2019-06-28 | 2019-06-28 | 一种地下设施保护方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910577557.4A CN110443349A (zh) | 2019-06-28 | 2019-06-28 | 一种地下设施保护方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110443349A true CN110443349A (zh) | 2019-11-12 |
Family
ID=68428621
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910577557.4A Withdrawn CN110443349A (zh) | 2019-06-28 | 2019-06-28 | 一种地下设施保护方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110443349A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859779A (zh) * | 2020-06-05 | 2020-10-30 | 北京市燃气集团有限责任公司 | 一种燃气管网防第三方施工破坏风险预警的方法及装置 |
CN113063900A (zh) * | 2021-03-29 | 2021-07-02 | 河南中济智控工业互联网技术有限公司 | 一种油烟监测系统 |
-
2019
- 2019-06-28 CN CN201910577557.4A patent/CN110443349A/zh not_active Withdrawn
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111859779A (zh) * | 2020-06-05 | 2020-10-30 | 北京市燃气集团有限责任公司 | 一种燃气管网防第三方施工破坏风险预警的方法及装置 |
CN111859779B (zh) * | 2020-06-05 | 2024-04-12 | 北京市燃气集团有限责任公司 | 一种燃气管网防第三方施工破坏风险预警的方法及装置 |
CN113063900A (zh) * | 2021-03-29 | 2021-07-02 | 河南中济智控工业互联网技术有限公司 | 一种油烟监测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US20200193341A1 (en) | Systems and Methods for Improving Process Safety in an Industrial Environment | |
US20140278150A1 (en) | Utility pole condition sensors | |
CN109325692B (zh) | 水管网的数据实时分析方法及装置 | |
Liang et al. | Assessing and classifying risk of pipeline third-party interference based on fault tree and SOM | |
CN112633553B (zh) | 燃气管线-危化企业耦合隐患辨识与风险评估方法及系统 | |
CN111223027A (zh) | 一种城市地震灾害风险评估方法及系统 | |
US20220107211A1 (en) | Gas leakage detection method based on compound internet of things (iot) and iot system | |
CN104408898A (zh) | 基于报警信息组合判定的提高报警准确率的方法和装置 | |
JPWO2017204122A1 (ja) | マンホール監視システム及び方法 | |
CN111964731A (zh) | 一种管廊监测与告警装置及方法 | |
KR100954605B1 (ko) | 유비쿼터스 기반 배관시설 상태 상시 감시 시스템 | |
CA3149984A1 (en) | Non-intrusive integral system for pipelines monitoring in real time | |
US11898705B2 (en) | System and method for mechanical failure classification, condition assessment and remediation recommendation | |
CN110443349A (zh) | 一种地下设施保护方法和系统 | |
WO2020049310A1 (en) | Smart sewer system | |
CN107993426A (zh) | 设备工作状态监测系统及其监测方法 | |
Sosa et al. | Time-correlations in the dynamics of hazardous material pipelines incidents | |
CN115585403A (zh) | 多维度监控埋地天然气管道的安全预警系统 | |
JP2004164591A (ja) | 水防支援装置及びプログラム並びに水防支援方法 | |
Do et al. | Proactive detection of wastewater overflows for smart sanitary sewer systems: Case study in South Australia | |
CN105920771A (zh) | 一种消防设施的监管系统及方法 | |
CN110796397A (zh) | 一种报警系统及方法 | |
CN109737308B (zh) | 基于lbs和大数据的油气管道打孔盗油监视分析方法 | |
Viseu et al. | Dam-break risk management and hazard mitigation | |
KR101142849B1 (ko) | 목조 건축물의 화재 예방 방법 및 그 시스템 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WW01 | Invention patent application withdrawn after publication | ||
WW01 | Invention patent application withdrawn after publication |
Application publication date: 20191112 |