CN110991929A - 一种基于管道胶囊进行城市管网协同检测的方法及系统 - Google Patents

一种基于管道胶囊进行城市管网协同检测的方法及系统 Download PDF

Info

Publication number
CN110991929A
CN110991929A CN201911308590.3A CN201911308590A CN110991929A CN 110991929 A CN110991929 A CN 110991929A CN 201911308590 A CN201911308590 A CN 201911308590A CN 110991929 A CN110991929 A CN 110991929A
Authority
CN
China
Prior art keywords
pipeline
capsule
throwing
fishing
wellhead
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.)
Granted
Application number
CN201911308590.3A
Other languages
English (en)
Other versions
CN110991929B (zh
Inventor
李清泉
谷宇
涂伟
朱家松
陈智鹏
汪驰升
余建伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Shenzhen University
Original Assignee
Shenzhen University
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Shenzhen University filed Critical Shenzhen University
Priority to CN201911308590.3A priority Critical patent/CN110991929B/zh
Publication of CN110991929A publication Critical patent/CN110991929A/zh
Application granted granted Critical
Publication of CN110991929B publication Critical patent/CN110991929B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/067—Enterprise or organisation modelling
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Engineering & Computer Science (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Tourism & Hospitality (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Physics & Mathematics (AREA)
  • Marketing (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • Theoretical Computer Science (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Excavating Of Shafts Or Tunnels (AREA)

Abstract

本发明公开了一种基于管道胶囊进行城市管网协同检测的方法及系统，步骤包括有：步骤A、结合城市管网拓扑数据和埋设深度数据、城市道路网络数据，构建地下管道和地上道路叠合的城市双层拓扑网络结构；步骤B、根据双层拓扑网络结构创建管道胶囊的投放与打捞模型；步骤C、利用启发式优化方法寻找管道胶囊投放井口与打捞井口。合理有效的对城市管网系统实现全范围覆盖检测，合理的利用投放和打捞资源，从而实现城市管网精准检测和维护实现城市管网精准检测和维护。

Description

一种基于管道胶囊进行城市管网协同检测的方法及系统
技术领域
本发明涉及管道检测领域，尤其涉及的是一种基于管道胶囊进行城市管网协同检测的方法及系统。
背景技术
城市管网(如：排水管网、给水管网、输油管网等)是城市公用设施的重要组成部分，是城市系统运行的重要支撑。城市管网长期运输相关物质，管道内壁不断地承受冲击和腐蚀，容易发生损坏和变形，存在着很大的安全隐患。因此，需要定期的对城市管网进行全面而系统的检测，根据检测结果对管道进行维护，消除其存在的安全隐患。在目前常用的检测方法中，主要以管道潜望镜、管道闭路电视监测、管道声呐检测和人员进入检测四种方式为主，存在着检测的成本较高、操作复杂、检测效果不够理想、工作人员有安全风险等一系列的问题。另一方面，大部分城市管网埋设于地面以下，贯穿城市绿地、湖泊、道路和房屋，工作人员难以操作，相关设备的检测工作难以进行，对城市管网进行全覆盖的有效检测成本高昂，非常困难。因此相关的技术需要进一步的改进和发展。
而现有采用多个携带不同种类廉价传感器的微型管道胶囊在城市管道的不同井口进行投放和打捞，人工选择投放和打捞地点只能局限于检测段只是单一的管道，并不能基于整个城市管网实现合理的网络覆盖，无法合理的利用投放与打捞资源。
因此，现有技术还有待于改进和发展。
发明内容
针对现有技术缺陷，本发明提供一种基于管道胶囊进行城市管网协同检测的方法及系统，能够极大的降低城市管网日常维护和检修的成本，提高管网检测过程中的安全系数，提高城市管网检测效率，合理有效的对城市管网系统实现全范围覆盖检测，合理的利用投放和打捞资源，从而实现城市管网精准检测和维护。
本发明解决技术问题所采用的技术方案如下：
一种基于管道胶囊进行城市管网协同检测的方法，包括有以下步骤：
步骤A、结合城市管网拓扑数据和埋设深度数据、城市道路网络数据，构建地下管道和地上道路叠合的城市双层拓扑网络结构；
步骤B、根据双层拓扑网络结构创建管道胶囊的投放与打捞模型；
步骤C、利用启发式优化方法寻找管道胶囊投放井口与打捞井口。
进一步地，所述结合城市管网拓扑数据和埋设深度数据，城市道路网络数据，构建地下管道和地上道路叠合的双层网络结构的步骤中：
所述城市双层拓扑网络结构包括城市道路模型和城市管道模型；
所述城市道路模型中设置路口位置，设置表示相邻两路口位置之间的道路，设置道路长度，及工作人员标识；
所述城市管道模型中设置井口编号，设置表示相邻两井口到之间的管道，管道的长度，及设置管道胶囊标识。
进一步地，所述根据双层拓扑网络结构创建管道胶囊的投放与打捞模型的具体步骤为：
步骤B1、获取工作人员集合S中工作人员数量，管道胶囊集合R中胶囊数量，管道胶囊集合中每个胶囊所对应的投放井口和打捞井口；
步骤B2、获取工作人员从胶囊集合中的每个管道胶囊的投放井口到对应打捞井口经过的道路里程，并计算出胶囊集合投放与打捞完成工作人员所经过的道理总里程L2；
步骤B3、获取工作人员在道路上的移动的平均速度，分别计算出工作人员从每个管道胶囊的投放井口到达对应打捞井口的工作时间TSi,并计算所有工作人员的工作总时长L1；
步骤B4、计算每个管道胶囊分别从投放井口到达对应打捞井口的时间并计算管道胶囊集合的成功回收率P1；
步骤B5、获取预先设置的每段管道探测重要程度参数，计算城市管道网检测覆盖度P2：
Figure BDA0002323872980000031
其中Dij表示从投放井口到打捞井口之间的ij段管道边长度，Cij表示从投放井口到打捞井口之间的ij段管道的探测重要程度参数,ERi表示管道胶囊Ri从投放到打捞所经过的边集合，e∈ERi表示求和的元素与管道胶囊Ri从投放到打捞所经过的边集合中的边相对应。
步骤B6、构建目标函数F＝a0*P1-a1*L1-a2*L2+a3*P2，其中a0,a1,a2,a3为权重参数，a0,a1,a2,a3∈[0,1],且a0+a1+a2+a3＝1。
进一步地，所述计算管道胶囊到达打捞井口的时间并计算管道胶囊在指定打捞井口的成功回收率P1的具体过程为：
计算每个管道胶囊从投放井口到达对应打捞井口的时间TRi；
统计TSi小于TRi所对应的管道胶囊数K1；
计算投放指定打捞井口的打捞成功率P1＝K1/K，其中K为胶囊集合中管道胶囊的总数量。
进一步地，所述利用启发式优化方法寻找最佳的管道胶囊投放点与打捞点的具体步骤为：
步骤C1、获取预先设定的胶囊集合R、工作人员集合S、工作时长T，并读取城市双层拓扑网络结构；
步骤C2、随机选择工作人员集合中的1个工作人员并在工作人员集合中删除该工作人员，随机选择胶囊集合中的一个管道胶囊并在胶囊集合中删除该管道胶囊，随机选择井口并投放所述管道胶囊,随机选择管道下游的井口打捞所述管道胶囊；
步骤C3、判断胶囊集合中的管道胶囊个数是否为0，若为0则执行步骤C10，若不为0则执行步骤C4；
步骤C4、计算出所述工作人员从的投放井口到达对应打捞井口的时间TSi；
步骤C5、对比TSi与工作时长T，若TSi小于工作时长T，则执行步骤C6,若TSi大于工作时长T，则执行步骤C2；
步骤C6、，则随机选择胶囊集合中除去已投放管道胶囊的另一个管道胶囊，随机选择井口并投放该管道胶囊,随机选择管道下游的井口打捞所述管道胶囊；
步骤C7、计算出工作人员本次投放和前次投放进行累计的时间∑TSi；
步骤C8、对比∑TSi与工作时长T，若∑TSi小于工作时长T，则执行步骤C9,若∑TSi大于工作时长T，则执行步骤C2；
步骤C9、重复步骤C6到步骤C8；
步骤C10、把以上所有胶囊集合中的管道胶囊数，每个管道胶囊所对应的投放井口、打捞井口、对应工作人员的数量输入到投放与打捞模型中，计算得到胶囊集合的第一目标函数值；
步骤C11、根据胶囊的投放井口位置，构建其替代井口候选集，并随机选择1个井口，作为胶囊投放的新位置，根据胶囊的打捞井口位置，构建其替代井口候选集，并随机选择1个井口，作为胶囊打捞的新位置；
步骤C12、重复步骤C2-步骤C10，重新计算目标函数；
步骤C13、比较计算的目标函数值，得到最大的目标函数值；
步骤C14、重复步骤C11-步骤C12，直至预设次数的最大的目标函数值均无变化，结束步骤。
进一步地，所述重复步骤C11-步骤C12，直至预设次数的最大的目标函数值均无变化，结束过程的步骤中：
预设次数设置为井口数量的50％。
进一步地，所述步骤C之后还包括步骤：
步骤D、发送管道胶囊投放井口与打捞井口的信息给工作人员进行投放与打捞工作；
步骤E、获取管道胶囊的数据并对数据进行处理。
进一步地，所述步骤E具体包括：
步骤E1、获取管道胶囊的投放和打捞的时刻及位置、管道胶囊所拍摄的管道内壁的高清影像；
步骤E2、利用计算机图像智能处理算法，识别高清影像中的管道壁破损与变形及其出现时间；
步骤E3、利用IMU信息，推算管道壁破损与变形的发生地点。
进一步地，所述步骤E之后还包括步骤：
步骤F、汇总所有管道胶囊的检测结果，制作城市管网的检测报告。
一种基于管道胶囊进行城市管网协同检测的系统，包括多个用于探测城市管道内壁的管道胶囊、处理器、存储器；所述处理器、存储器和所述多个管道胶囊实现通讯连接；
所述存储器存储有基于管道胶囊进行城市管网协同检测的程序，所述基于管道胶囊进行城市管网协同检测的程序被所述处理器执行时实现如上所述的基于管道胶囊进行城市管网协同检测的方法。
本发明所提供的一种基于管道胶囊进行城市管网协同检测的方法及系统，其中方法利用多个携带不同种类廉价传感器的微型管道胶囊，在城市管网内部随着运输物质进行运动，从而利用携带的传感器收集管道内部管壁数据，高效地进行城市管网系统的协同检测；利用城市道路和管网拓扑图，构建城市管网协同检测模型，并利用启发式优化方法进行求解，使管道胶囊在探测时获取到尽可能高的覆盖度P2和成功回收率P1，尽可能低的工作人员投放打捞的总时长L1和尽可能少的工作人员运动总里程L2，实现城市管网监测的智能覆盖，精准获取管道确切位置的内部管壁破损与变形等信息。本发明能够极大的降低城市管网日常维护和检修的成本，提高管网检测过程中的安全系数，提高城市管网检测效率，有效的对城市管网系统实现全范围覆盖检测，实现城市管网精准检测和维护。
附图说明
图1是本发明的一种基于管道胶囊进行城市管网协同检测的方法的基本流程图；
图2是本发明实施例的一种基于管道胶囊进行城市管网协同检测的方法中步骤B的具体流程图。
图3是本发明实施例的一种基于管道胶囊进行城市管网协同检测的方法中步骤C的具体流程图。
图4是本发明实施例的一种基于管道胶囊进行城市管网协同检测的方法中管道胶囊的运动原理图。
图5是本发明实施例的一种基于管道胶囊进行城市管网协同检测的方法中工作人员的运动原理图。
图6是本发明实施例的一种基于管道胶囊进行城市管网协同检测的系统的原理框图。
具体实施方式
为使本发明的目的、技术方案及优点更加清楚、明确，以下参照附图并举实施例对本发明进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。
如图1所示，一种基于管道胶囊进行城市管网协同检测的方法，包括有以下步骤：
步骤A、结合城市管网拓扑数据和埋设深度数据、城市道路网络数据，构建地下管道和地上道路叠合的城市双层拓扑网络结构。
具体实施过程中，现有的城市管道图和深埋数据与城市道路网络图是分开单独设置，以城市下水道管道为例说明，下水道的井口位置一般设置在路边，因此可结合结合城市管网拓扑数据和埋设深度数据、城市道路网络数据，构建一个既可以得到地下管道信息和地上道路信息的双层拓扑网络结构。
因此所述城市双层拓扑网络结构包括城市道路模型和城市管道模型：
所述城市道路模型中设置路口位置，如Mi，其中M表示路口，i表示标号，不同的路口通过不同的标号表示，如Mj可以表示与Mi相连的不同路口；下文的标号中i、j……均表示不同位置的同一元素。
设置表示相邻两路口位置之间的道路，如Xij表示表示路口Mi到Mj之间的道路(Xij)，其中X表示道路编号，其道路长度为Yij，及工作人员标识Si。
所述城市管道模型中设置井口编号，如Ni、Nj，设置表示相邻两井口到之间的管道Eij，管道的长度Dij，及设置管道胶囊标识Ri。
还包括有管道级别，管道级别表示管道被探测的重要性，如Cij，Cij表示管道Eij之间的管道探测的重要性。其中,Cij的值域为[1,5]内的整数，数值越大，管道重要性程度越高，越被需要检测。在管网检测前，由专家根据经验为每条管道进行评分，每条管道的C值确定后，录入系统方便被调用。
步骤B、根据双层拓扑网络结构创建管道胶囊的投放与打捞模型。
具体实施过程中，先建立管道胶囊的投放与打捞模型，要由外部输入参与投放与打捞管道胶囊的工作人员数量，该数量的工作人员被逐一编号，形成工作人员集合S；输入管道胶囊数量，管道胶囊被逐一编号形成管道胶囊集合R；输入管道胶囊集合中每个胶囊所对应的投放井口和打捞井口，上述数据输入到被建立的管道胶囊的投放与打捞模型，则通过模型计算得到相应的目标函数值，目标函数值的大小代表输入到被建立的管道胶囊的投放与打捞模型的数据的合理性，如目标函数值越大，表示在投完所有胶囊的情况下，输入到管道胶囊集合中每个胶囊所对应的投放井口和打捞井口的位置越合理，使用的人工更少。
如图2所示，所述步骤B具体包括：
步骤B1、获取工作人员集合S中工作人员数量，管道胶囊集合R中胶囊数量，管道胶囊集合中每个胶囊所对应的投放井口和打捞井口。
步骤B2、获取工作人员从胶囊集合中的每个管道胶囊的投放井口到对应打捞井口经过的道路里程，并计算出胶囊集合投放与打捞完成工作人员所经过的道理总里程L2。
具体实施过程中，胶囊集合R中包含多个管道胶囊，每个管道胶囊被设置在不同管道井口进行投放和打捞，工作人员则需要从投放井口开始投放，并运动到打捞井口进行打捞，则先分别计算出每个管道胶囊对应的投放井口到打捞井口之间的道理里程，再计算胶囊集合R所有管道胶囊在被投放到打捞后工作人员所走的总里程L2。
例如：管道胶囊Ri在Na点被投放之后，沿着管道运动，直到在Nb点被打捞。管道胶囊通过的边集合为ER，如ERi为管道胶囊Ri在投放和打捞过程中经过的管道的边集合；井口节点集合为PR。相应地，工作人员的运动过程如图所示，工作人员Sj在投放管道胶囊后，沿着道路行驶至另一个管道井口处，打捞胶囊，工作人员通过道路的边集合为ES。特别地，一个工作人员可以投放多个胶囊，并打捞多个胶囊,工作人员通过的道路段组也可用ES表示。
步骤B3、获取工作人员在道路上的移动的平均速度，分别计算出工作人员从每个管道胶囊的投放井口到达对应打捞井口的工作时间TSi,并计算所有工作人员的工作总时长L1。
具体的工作人员在道路上的平均速度可以预先设置，每段路的拥挤程度不同，所以每段路的平均速度有所差别，计算出每段道路上的工作人员所需要的时间，再通过求和每段路时间，能得到工作人员从每个管道胶囊的投放井口到达对应打捞井口的工作时间TSi，并计算出投放和打捞所有管道胶囊所需要的时间L1,L1为每个管道胶囊的投放井口到达对应打捞井口的工作时间TSi相加得到。
步骤B4、计算每个管道胶囊分别从投放井口到达对应打捞井口的时间并计算管道胶囊集合的成功回收率P1。
由于管道胶囊与工作人员运动的速度不同，投放井口与打捞井口之间的管道里程与投放井口与打捞井口之间的道路里程不同，所以管道胶囊从投放井口运动到打捞井口的时间与工作人员从投放井口与打捞井口之间的时间不同，这样可能造成管道胶囊无法在打捞井口被捞起，因此需要计算出一个管道胶囊集合中的成功回收率P1。
步骤B4具体包括：
步骤B41、计算每个管道胶囊从投放井口到达对应打捞井口的时间TRi。
步骤B42、统计TSi小于TRi所对应的管道胶囊数K1。
步骤B43、计算投放指定打捞井口的打捞成功率P1＝K1/K，其中K为胶囊集合中管道胶囊的总数量。
具体过程中，由于胶囊的运动速度、工作人员的运动速度存在差异，在堵车、交通事故等特殊情况下，工作人员比管道胶囊晚到达指定管道井口，导致管道胶囊无法顺利打捞回收。举例说明：假设管道胶囊R1在投放后的第一段管道边集合为E1R1，平均速度为V1R1，运动距离为D12(D12∈E1R1表示第一段管道的长度)，之后的下一段管道边集合为E2R1，平均速度为V2R1,D23(D23∈E2R1表示第二段管道的长度)，……，直到被打捞完成或停止工作。则管道胶囊R1从投放井口到达打捞井口的时间为TRi，其中当i＝1时表示第一个管道胶囊从投放井口到达投放井口的时间，
Figure BDA0002323872980000091
工作人员S1从出发到下个路口的道路边集合为E1S1，平均速度为V1S1,运动距离为Y12(Y12∈E1S1表示第一段道路边的长度)，之后的下一段路边集合为E2S1，平均速度为V2S1,运动距离为Y23(Y23∈E2S1表示第一段道路边的长度)，……，直到到达指定打捞点。则工作人员为打捞管道胶囊R1从投放井口到达打捞井口的时间为TSi，其中i＝1时，工作人员从第一个投放井口到第一个打捞井口所需要的时间，
Figure BDA0002323872980000101
若，则胶囊R1到达预计打捞点的时间TSi,超过工作人员S1预计到达打捞R1的时间TRi，即判定R1没有被成功回收。因此，我们定义管道胶囊的成功回收率为P＝K1/K,其中K1为打捞的胶囊数量，K为投放的胶囊数据。
步骤B5、获取预先设置的每段管道探测重要程度参数，计算城市管道网检测覆盖度P2：
Figure BDA0002323872980000102
其中Dij表示从投放井口到打捞井口之间的ij段管道边长度，Cij表示从投放井口到打捞井口之间的ij段管道的探测重要程度参数,Ri表示胶囊集合中的管道胶囊，e∈ERi表示求和的元素与管道胶囊Ri从投放到打捞所经过的边集合中的边相对应；
步骤B6、构建目标函数F＝a0*P1-a1*L1-a2*L2+a3*P2，其中a0,a1,a2,a3为权重参数，a0,a1,a2,a3∈[0,1],且a0+a1+a2+a3＝1。
目标函数F所表示的是整个方案有尽可能高的覆盖度P2和成功回收率P1，尽可能低的工作人员投放打捞的总时长L1和尽可能少的工作人员运动总里程L2。用a0-a3来确定每个因素在结果中所占的权重。
如图4所示，表示管道胶囊的运动过程。管道胶囊R1在N1点被投放之后，沿地下管网线路PR1＝(N1,N2,N3,N4,N5,N6)运动；管道胶囊R2在N6点被投放，沿地下管网线路PR2＝(N6,N4,N5)，管道胶囊R1,管道胶囊R2最终在N5点一起被打捞。管道胶囊R3在N7点被投放，PR3＝(N7,N8,N9)，管道胶囊R3在N9点被打捞。管道胶囊R4在N10点被投放，PR4＝(N10,N11,N12),管道胶囊R4在N12点被打捞。管道线段越粗，表示该管道的被探测重要性越高。
如图5所示，表示工作人员的运动过程。工作人员S1在M1点投放胶囊之后，沿地上道路网络(M1-M2,M3)进行运动，在M3点又投放了胶囊，继续沿(M3—M4)运动在M4点进行打捞，最后沿(M4-M5-M6)进行运动；工作人员S2在M7点投放胶囊，之后沿(M7-M8-M9)运动，在M9点打捞,继续沿(M9-M5-M11)运动，在M11点完成两次打捞。工作人员在地面道路上的运动路径如图中箭头所示。
步骤C、利用启发式优化方法寻找管道胶囊投放井口与打捞井口。
具体实施过程中，该步骤主要是用于为管道胶囊集合中的胶囊选择出投放井口和打捞井口，再代入到投放与打捞模型中进行计算得到目标函数值，再选出数值最大的目标函数值所对应的管道胶囊以及工作人员，投放井口和打捞井口，作为指导投放信息，进行指导管道胶囊的投放。
如图3所示，所述步骤C的具体步骤包括：
步骤C1、获取预先设定的胶囊集合R、工作人员集合S、工作时长T，并读取城市双层拓扑网络结构。
由操作人员输入参数，如有多少管道胶囊参与测试，有多少人员进行工作，工作时间是多长，系统接收到参数并读取城市双层拓扑网络结构。
步骤C2、随机选择工作人员集合中的1个工作人员并在工作人员集合中删除该工作人员，随机选择胶囊集合中的一个管道胶囊并在胶囊集合中删除该管道胶囊，随机选择井口并投放所述管道胶囊,随机选择管道下游的井口打捞所述管道胶囊。
步骤C3、判断胶囊集合中的管道胶囊个数是否为0，若为0则执行步骤C10，若不为0则执行步骤C4。
具体的，参与测试的管道限定为多个，如果多个管道胶囊均选择投放井口和打捞井口完成，则进入到步骤C10,管道胶囊集合中剩余管道胶囊，则执行步骤C4。
步骤C4、计算出所述工作人员从的投放井口到达对应打捞井口的时间TSi；
步骤C5、对比TSi与工作时长T，若TSi小于工作时长T，则执行步骤C6,若TSi大于工作时长T，则执行步骤C2；
步骤C6、，则随机选择胶囊集合中除去已投放管道胶囊的另一个管道胶囊，随机选择井口并投放该管道胶囊,随机选择管道下游的井口打捞所述管道胶囊；
步骤C7、计算出工作人员本次投放和前次投放进行累计的时间∑TSi；
步骤C8、对比∑TSi与工作时长T，若∑TSi小于工作时长T，则执行步骤C9,若∑TSi大于工作时长T，则执行步骤C2。
当一个人投放和回收到第一或多个管道胶囊的总时间小于限定的工作时间T时，仍然由第一个人继续投放和回收管道胶囊。如果大于限定工作时间时，换人投放。
步骤C9、重复步骤C6到步骤C8。
步骤C10、把以上所有胶囊集合中的管道胶囊数，每个管道胶囊所对应的投放井口、打捞井口、对应工作人员的数量输入到投放与打捞模型中，计算得到胶囊集合的第一目标函数值。
当管道胶囊集合中的管道胶囊均投放和回收介绍，计算出第一个目标函数值。
步骤C11、根据胶囊的投放井口位置，构建其替代井口候选集，并随机选择1个井口，作为胶囊投放的新位置，根据胶囊的打捞井口位置，构建其替代井口候选集，并随机选择1个井口，作为胶囊打捞的新位置。
步骤C12、重复步骤C2-步骤C10，重新计算目标函数。
通过重新构建投放井口的候选集和新构建打捞井口的候选集，然后重新执行投放过程，得到重新计算的目标函数值，由于目标函数中的参数均改变，重新计算的目标函数值改变。
步骤C13、比较计算的目标函数值，得到最大的目标函数值。
通过比较多次目标函数值，取其中最大的。
步骤C14、重复步骤C11-步骤C12，直至预设次数的最大的目标函数值均无变化，结束步骤。
重复重新构建投放井口的候选集和新构建打捞井口的候选集，多次重新计算目标函数值，每次都和前面计算的所有目标函数值进行比较，取最大的目标函数值，当最大的目标函数值在预设次数的比较过程中均无变化，则停止程序，结束步骤。预设次数设置为井口数量的50％。
最大的目标函数值所对应的每个管道胶囊的投放井口和打捞井口、工作人员所投放的管道胶囊数及编号，作为指导投放和打捞的信息。
步骤D、发送管道胶囊投放井口与打捞井口的信息给工作人员进行投放与打捞工作。
通过上述步骤确定有限次计算得到的最大的目标函数值后，最大的目标函数值所应的信息进行存储输出，如每个管道胶囊的投放井口和打捞井口、工作人员所投放的管道胶囊数及编号。并发送给相应的工作人员，对相应的工作人员进行投放和打捞工作指导。
步骤E、获取管道胶囊的数据并对数据进行处理。
打捞完成后的管道胶囊，需要获取管道胶囊的数据及对数据分析，获取相应的管道内部信息。
所述步骤E具体包括：
步骤E1、获取管道胶囊的投放和打捞的时刻及位置、管道胶囊所拍摄的管道内壁的高清影像。
步骤E2、利用计算机图像智能处理算法，识别高清影像中的管道壁破损与变形及其出现时间。
步骤E3、利用IMU信息，推算管道壁破损与变形的发生地点。
其中，IMU信息为惯性测量单元的信息。管道胶囊在被投放时开启计时装置，因此胶囊照相设备拍摄的图像都有时间信息来计算出现时间，时间信息配合胶囊的定位数据和运动数据(运动数据可由IMU得到)，可以推算出发生的地点。
步骤F、汇总所有管道胶囊的检测结果，制作城市管网的检测报告。
根据检测结果，为市政部门的工作人员提供城市排水管道维护建议。
本发明的实施例所提供的一种基于管道胶囊进行城市管网协同检测的方法，利用多个携带不同种类廉价传感器的微型管道胶囊，在城市管网内部随着运输物质进行运动，从而利用携带的传感器收集管道内部管壁数据，高效地进行城市管网系统的协同检测。利用城市道路和管网拓扑图，构建城市管网协同检测模型，并利用启发式优化方法进行求解，实现城市管网监测的智能覆盖，精准获取管道确切位置的内部管壁破损与变形等信息。本发明能够极大的降低城市管网日常维护和检修的成本，提高管网检测过程中的安全系数，提高城市管网检测效率，有效的对城市管网系统实现全范围覆盖检测，实现城市管网精准检测和维护。
本实施例中还包括一种基于管道胶囊进行城市管网协同检测的系统，如图6所示，包括多个用于探测城市管道内壁的管道胶囊10、处理器20、存储器30；所述处理器20、存储器30和所述多个管道胶囊10可通过通讯总线40实现通讯连接。
所述存储器30存储有基于管道胶囊进行城市管网协同检测的程序，所述基于管道胶囊进行城市管网协同检测的程序被所述处理器执行时实现如上所述的基于管道胶囊进行城市管网协同检测的方法。
管道胶囊10集成多种传感器如高清相机、IMU和GPS终端，易于理解的是还可拓展至其他探测仪器，发现其他的管道特征。
综上所述，本发明所提供的一种基于管道胶囊进行城市管网协同检测的方法及系统，通过对多个管道胶囊的投放井口和打捞井口进行优化选择，即选择多个管道胶囊的投放井口和打捞井口，使管道胶囊在探测时获取到尽可能高的覆盖度P2和成功回收率P1，尽可能低的工作人员投放打捞的总时长L1和尽可能少的工作人员运动总里程L2。通过高的覆盖度和高的成功回收率能实现城市管网监测的智能覆盖，精准获取管道确切位置的内部管壁破损与变形等信息，本发明能够极大的降低城市管网日常维护和检修的成本，提高管网检测过程中的安全系数，尽可能低的工作人员投放打捞的总时长和可能少的工作人员运动总里程能提高城市管网检测效率，合理有效的对城市管网系统实现全范围覆盖检测，合理的利用投放和打捞资源，从而实现城市管网精准检测和维护实现城市管网精准检测和维护。
应当理解的是，本发明的应用不限于上述的举例，对本领域普通技术人员来说，可以根据上述说明加以改进或变换，所有这些改进和变换都应属于本发明所附权利要求的保护范围。

Claims (10)

1.一种基于管道胶囊进行城市管网协同检测的方法，其特征在于，包括有以下步骤：
步骤A、结合城市管网拓扑数据和埋设深度数据、城市道路网络数据，构建地下管道和地上道路叠合的城市双层拓扑网络结构；
步骤B、根据双层拓扑网络结构创建管道胶囊的投放与打捞模型；
步骤C、利用启发式优化方法寻找管道胶囊投放井口与打捞井口。
2.根据权利要求1所述的基于管道胶囊进行城市管网协同检测的方法，其特征在于，所述结合城市管网拓扑数据和埋设深度数据，城市道路网络数据，构建地下管道和地上道路叠合的双层网络结构的步骤中：
所述城市双层拓扑网络结构包括城市道路模型和城市管道模型；
所述城市道路模型中设置路口位置，设置表示相邻两路口位置之间的道路，设置道路长度，及工作人员标识；
所述城市管道模型中设置井口编号，设置表示相邻两井口到之间的管道，管道的长度，及设置管道胶囊标识。
3.根据权利要求2所述的基于管道胶囊进行城市管网协同检测的方法，其特征在于，所述根据双层拓扑网络结构创建管道胶囊的投放与打捞模型的具体步骤为：
步骤B1、获取工作人员集合S中工作人员数量，管道胶囊集合R中胶囊数量，管道胶囊集合中每个胶囊所对应的投放井口和打捞井口；
步骤B2、获取工作人员从胶囊集合中的每个管道胶囊的投放井口到对应打捞井口经过的道路里程，并计算出胶囊集合投放与打捞完成工作人员所经过的道理总里程L2；
步骤B3、获取工作人员在道路上的移动的平均速度，分别计算出工作人员从每个管道胶囊的投放井口到达对应打捞井口的工作时间TSi,并计算所有工作人员的工作总时长L1；
步骤B4、计算每个管道胶囊分别从投放井口到达对应打捞井口的时间并计算管道胶囊集合的成功回收率P1；
步骤B5、获取预先设置的每段管道探测重要程度参数，计算城市管道网检测覆盖度P2：
Figure FDA0002323872970000021
其中Dij表示从投放井口到打捞井口之间的ij段管道边长度，Cij表示从投放井口到打捞井口之间的ij段管道的探测重要程度参数,Ri表示胶囊集合中的管道胶囊；
步骤B6、构建目标函数F＝a0*P1-a1*L1-a2*L2+a3*P2，其中a0,a1,a2,a3为权重参数，a0,a1,a2,a3∈[0,1],且a0+a1+a2+a3＝1。
4.根据权利要求3所述的基于管道胶囊进行城市管网协同检测的方法，其特征在于，所述计算管道胶囊到达打捞井口的时间并计算管道胶囊在指定打捞井口的成功回收率P1的具体过程为：
计算每个管道胶囊从投放井口到达对应打捞井口的时间TRi；
统计TSi小于TRi所对应的管道胶囊数K1；
计算投放指定打捞井口的打捞成功率P1＝K1/K，其中K为胶囊集合中管道胶囊的总数量。
5.根据权利要求3所述的基于管道胶囊进行城市管网协同检测的方法，其特征在于，所述利用启发式优化方法寻找最佳的管道胶囊投放点与打捞点的具体步骤为：
步骤C1、获取预先设定的胶囊集合R、工作人员集合S、工作时长T，并读取城市双层拓扑网络结构；
步骤C2、随机选择工作人员集合中的1个工作人员并在工作人员集合中删除该工作人员，随机选择胶囊集合中的一个管道胶囊并在胶囊集合中删除该管道胶囊，随机选择井口并投放所述管道胶囊,随机选择管道下游的井口打捞所述管道胶囊；
步骤C3、判断胶囊集合中的管道胶囊个数是否为0，若为0则执行步骤C10，若不为0则执行步骤C4；
步骤C4、计算出所述工作人员从的投放井口到达对应打捞井口的时间TSi；
步骤C5、对比TSi与工作时长T，若TSi小于工作时长T，则执行步骤C6,若TSi大于工作时长T，则执行步骤C2；
步骤C6、，则随机选择胶囊集合中除去已投放管道胶囊的另一个管道胶囊，随机选择井口并投放该管道胶囊,随机选择管道下游的井口打捞所述管道胶囊；
步骤C7、计算出工作人员本次投放和前次投放进行累计的时间∑TSi；
步骤C8、对比∑TSi与工作时长T，若∑TSi小于工作时长T，则执行步骤C9,若∑TSi大于工作时长T，则执行步骤C2；
步骤C9、重复步骤C6到步骤C8；
步骤C10、把以上所有胶囊集合中的管道胶囊数，每个管道胶囊所对应的投放井口、打捞井口、对应工作人员的数量输入到投放与打捞模型中，计算得到胶囊集合的第一目标函数值；
步骤C11、根据胶囊的投放井口位置，构建其替代井口候选集，并随机选择1个井口，作为胶囊投放的新位置，根据胶囊的打捞井口位置，构建其替代井口候选集，并随机选择1个井口，作为胶囊打捞的新位置；
步骤C12、重复步骤C2-步骤C10，重新计算目标函数；
步骤C13、比较计算的目标函数值，得到最大的目标函数值；
步骤C14、重复步骤C11-步骤C12，直至预设次数的最大的目标函数值均无变化，结束步骤。
6.根据权利要求5所述的基于管道胶囊进行城市管网协同检测的方法，其特征在于，所述重复步骤C11-步骤C12，直至预设次数的最大的目标函数值均无变化，结束过程的步骤中：
预设次数设置为井口数量的50％。
7.根据权利要求1所述的基于管道胶囊进行城市管网协同检测的方法，其特征在于，所述步骤C之后还包括步骤：
步骤D、发送管道胶囊投放井口与打捞井口的信息给工作人员进行投放与打捞工作；
步骤E、获取管道胶囊的数据并对数据进行处理。
8.根据权利要求1所述的基于管道胶囊进行城市管网协同检测的方法，所述步骤E具体包括：
步骤E1、获取管道胶囊的投放和打捞的时刻及位置、管道胶囊所拍摄的管道内壁的高清影像；
步骤E2、利用计算机图像智能处理算法，识别高清影像中的管道壁破损与变形及其出现时间；
步骤E3、利用IMU信息，推算管道壁破损与变形的发生地点。
9.根据权利要求8所述的基于管道胶囊进行城市管网协同检测的方法，所述步骤E之后还包括步骤：
步骤F、汇总所有管道胶囊的检测结果，制作城市管网的检测报告。
10.一种基于管道胶囊进行城市管网协同检测的系统，其特征在于，包括多个用于探测城市管道内壁的管道胶囊、处理器、存储器；所述处理器、存储器和所述多个管道胶囊实现通讯连接；
所述存储器存储有基于管道胶囊进行城市管网协同检测的程序，所述基于管道胶囊进行城市管网协同检测的程序被所述处理器执行时实现如权利要求1-9任一所述的基于管道胶囊进行城市管网协同检测的方法。
CN201911308590.3A 2019-12-18 2019-12-18 一种基于管道胶囊进行城市管网协同检测的方法及系统 Active CN110991929B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201911308590.3A CN110991929B (zh) 2019-12-18 2019-12-18 一种基于管道胶囊进行城市管网协同检测的方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201911308590.3A CN110991929B (zh) 2019-12-18 2019-12-18 一种基于管道胶囊进行城市管网协同检测的方法及系统

Publications (2)

Publication Number Publication Date
CN110991929A true CN110991929A (zh) 2020-04-10
CN110991929B CN110991929B (zh) 2020-12-08

Family

ID=70095210

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201911308590.3A Active CN110991929B (zh) 2019-12-18 2019-12-18 一种基于管道胶囊进行城市管网协同检测的方法及系统

Country Status (1)

Country Link
CN (1) CN110991929B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112097629A (zh) * 2020-07-31 2020-12-18 深圳大学 一种排水管道安全监测方法、存储介质、终端及系统
CN114019120A (zh) * 2020-10-24 2022-02-08 深圳市自由度环保科技有限公司 一种用于监测城市污水超标溯源的监测系统、装置及方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007077467A1 (en) * 2006-01-06 2007-07-12 Tova-Partner Kft. Method and apparatus for planning renewals and maintenance of utility piping systems in order of succession
US20090319306A1 (en) * 2008-06-18 2009-12-24 Chanick Richard A System and method for venue attendance management
CN107994948A (zh) * 2017-12-30 2018-05-04 山东省科学院海洋仪器仪表研究所 一种用于水下异构传感器网络的移动Sink路径规划方法
CN207732847U (zh) * 2017-12-15 2018-08-14 深圳大学 一种排水管道检测胶囊装置
CN108535279A (zh) * 2018-03-09 2018-09-14 成都圭目机器人有限公司 一种基于污水管线检测机器人的检测方法
CN109024352A (zh) * 2018-08-23 2018-12-18 上海圭目机器人有限公司 一种智能交通锥的自动摆放和回收方法及智能交通锥机器人
CN109186868A (zh) * 2018-09-18 2019-01-11 邓根水 用于极地海底打捞机器人密封性能检测装置
CN109367707A (zh) * 2018-10-26 2019-02-22 河海大学 一种基于导向缆的无人船回收自主水下航行器装置及方法
CN109436239A (zh) * 2018-11-28 2019-03-08 大连海洋明天科技有限公司 一种水下作业防水胶囊舱及密封方法
CN109466934A (zh) * 2017-09-08 2019-03-15 菜鸟智能物流控股有限公司 基于管道的物流运输方法、装置和系统
CN110163823A (zh) * 2019-05-17 2019-08-23 深圳大学 基于胶囊机器人面向排水管的多视角图像矫正方法及系统
CN110263999A (zh) * 2019-06-19 2019-09-20 曾凡立 一种基于传送轨道网络的智能物流终端配送方法

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2007077467A1 (en) * 2006-01-06 2007-07-12 Tova-Partner Kft. Method and apparatus for planning renewals and maintenance of utility piping systems in order of succession
US20090319306A1 (en) * 2008-06-18 2009-12-24 Chanick Richard A System and method for venue attendance management
CN109466934A (zh) * 2017-09-08 2019-03-15 菜鸟智能物流控股有限公司 基于管道的物流运输方法、装置和系统
CN207732847U (zh) * 2017-12-15 2018-08-14 深圳大学 一种排水管道检测胶囊装置
CN107994948A (zh) * 2017-12-30 2018-05-04 山东省科学院海洋仪器仪表研究所 一种用于水下异构传感器网络的移动Sink路径规划方法
CN108535279A (zh) * 2018-03-09 2018-09-14 成都圭目机器人有限公司 一种基于污水管线检测机器人的检测方法
CN109024352A (zh) * 2018-08-23 2018-12-18 上海圭目机器人有限公司 一种智能交通锥的自动摆放和回收方法及智能交通锥机器人
CN109186868A (zh) * 2018-09-18 2019-01-11 邓根水 用于极地海底打捞机器人密封性能检测装置
CN109367707A (zh) * 2018-10-26 2019-02-22 河海大学 一种基于导向缆的无人船回收自主水下航行器装置及方法
CN109436239A (zh) * 2018-11-28 2019-03-08 大连海洋明天科技有限公司 一种水下作业防水胶囊舱及密封方法
CN110163823A (zh) * 2019-05-17 2019-08-23 深圳大学 基于胶囊机器人面向排水管的多视角图像矫正方法及系统
CN110263999A (zh) * 2019-06-19 2019-09-20 曾凡立 一种基于传送轨道网络的智能物流终端配送方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112097629A (zh) * 2020-07-31 2020-12-18 深圳大学 一种排水管道安全监测方法、存储介质、终端及系统
CN112097629B (zh) * 2020-07-31 2022-05-10 深圳大学 一种排水管道安全监测方法、存储介质、终端及系统
CN114019120A (zh) * 2020-10-24 2022-02-08 深圳市自由度环保科技有限公司 一种用于监测城市污水超标溯源的监测系统、装置及方法
CN114019120B (zh) * 2020-10-24 2024-04-23 深圳市自由度环保科技有限公司 一种用于监测城市污水超标溯源的监测系统、装置及方法

Also Published As

Publication number Publication date
CN110991929B (zh) 2020-12-08

Similar Documents

Publication Publication Date Title
Van Etten et al. Spacenet: A remote sensing dataset and challenge series
CN110991929B (zh) 一种基于管道胶囊进行城市管网协同检测的方法及系统
CN110362557B (zh) 一种基于机器学习和车牌识别数据的缺失路径修复方法
JP6847463B2 (ja) ＣＮＮ（Ｃｏｎｖｏｌｕｔｉｏｎａｌ Ｎｅｕｒａｌ Ｎｅｔｗｏｒｋ）を利用して車線を検出するための学習方法及び学習装置そしてこれを利用したテスト方法及びテスト装置｛ＬＥＡＲＮＩＮＧ ＭＥＴＨＯＤ， ＬＥＡＲＮＩＮＧ ＤＥＶＩＣＥ ＦＯＲ ＤＥＴＥＣＴＩＮＧ ＬＡＮＥ ＵＳＩＮＧ ＣＮＮ ＡＮＤ ＴＥＳＴ ＭＥＴＨＯＤ， ＴＥＳＴ ＤＥＶＩＣＥ ＵＳＩＮＧ ＴＨＥ ＳＡＭＥ｝
CN110276950B (zh) 一种基于卡口视频数据的城市交通出行链重构方法
CN101957208B (zh) 一种基于浮动车技术的新增道路发现方法
JP6980289B2 (ja) 車線モデルを利用して車線を検出し得る学習方法及び学習装置そしてこれを利用したテスト方法及びテスト装置｛ｌｅａｒｎｉｎｇ ｍｅｔｈｏｄ， ｌｅａｒｎｉｎｇ ｄｅｖｉｃｅ ｆｏｒ ｄｅｔｅｃｔｉｎｇ ｌａｎｅ ｕｓｉｎｇ ｌａｎｅ ｍｏｄｅｌ ａｎｄ ｔｅｓｔ ｍｅｔｈｏｄ， ｔｅｓｔ ｄｅｖｉｃｅ ｕｓｉｎｇ ｔｈｅ ｓａｍｅ｝
CN108986448B (zh) 一种交通设施管理方法及终端设备
JP7240573B2 (ja) 施工支援システムおよび施工支援装置
CN109448363A (zh) 基于轨迹预测的嫌疑车辆智能封控方法、系统及处理终端
CN110544293A (zh) 一种多无人机视觉协同的建筑场景识别方法
CN109377757A (zh) 基于含多源粗差的车牌识别数据的车辆出行轨迹提取方法
JP2008170930A (ja) 地図情報関連付き画像データ表示システムおよび地図情報関連付き画像データ表示のプログラム
CN115185285B (zh) 吸尘机器人的自动避障方法、装置、设备及存储介质
CN112581402B (zh) 一种基于机器视觉技术的路桥病害自动检测方法
CN111222491A (zh) 基于深度学习的车流量的评估方法
CN115098798A (zh) 融合地图数据的多元交通流城市空间组织模式识别方法
CN112487894A (zh) 基于人工智能的轨道交通保护区自动巡查方法及装置
Ogawa et al. Deep Learning Approach for Classifying the Built Year and Structure of Individual Buildings by Automatically Linking Street View Images and GIS Building Data
CN110493716A (zh) 通信节点自动部署方法和装置
JP7295106B2 (ja) 軌道ネットワーク内でのナビゲートのためのシステムおよび方法
CN114550451B (zh) 停车场的车辆拥堵预警方法、装置、设备及存储介质
Wang et al. Instance segmentation of soft‐story buildings from street‐view images with semiautomatic annotation
Sun et al. Study on safe evacuation routes based on crowd density map of shopping mall
CN114724064A (zh) 一种市政工程道路给排水建设监理方法

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
GR01 Patent grant
GR01 Patent grant