CN116415507B - 一种基于大数据和云计算的大件运输桥梁智能评估系统 - Google Patents

一种基于大数据和云计算的大件运输桥梁智能评估系统 Download PDF

Info

Publication number
CN116415507B
CN116415507B CN202310626650.6A CN202310626650A CN116415507B CN 116415507 B CN116415507 B CN 116415507B CN 202310626650 A CN202310626650 A CN 202310626650A CN 116415507 B CN116415507 B CN 116415507B
Authority
CN
China
Prior art keywords
vehicle
bridge
data
large object
object parameter
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.)
Active
Application number
CN202310626650.6A
Other languages
English (en)
Other versions
CN116415507A (zh
Inventor
钟杰
彭浪鸣
秦健淇
宋恒扬
李本伟
费澎波
刘文杰
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.)
Sichuan Highway Planning Survey and Design Institute Ltd
Original Assignee
Sichuan Highway Planning Survey and Design Institute Ltd
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 Sichuan Highway Planning Survey and Design Institute Ltd filed Critical Sichuan Highway Planning Survey and Design Institute Ltd
Priority to CN202310626650.6A priority Critical patent/CN116415507B/zh
Publication of CN116415507A publication Critical patent/CN116415507A/zh
Application granted granted Critical
Publication of CN116415507B publication Critical patent/CN116415507B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G06F30/27—Design optimisation, verification or simulation using machine learning, e.g. artificial intelligence, neural networks, support vector machines [SVM] or training a model
    • 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
    • G06N3/0464—Convolutional networks [CNN, ConvNet]
    • 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
    • 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
    • G06Q10/0635—Risk analysis of enterprise or organisation activities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
    • H04L67/125—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks involving control of end-device applications over a network
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/02—Reliability analysis or reliability optimisation; Failure analysis, e.g. worst case scenario performance, failure mode and effects analysis [FMEA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
    • Y02T10/00—Road transport of goods or passengers
    • Y02T10/10—Internal combustion engine [ICE] based vehicles
    • Y02T10/40—Engine management systems

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Evolutionary Computation (AREA)
  • General Health & Medical Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Artificial Intelligence (AREA)
  • Software Systems (AREA)
  • Health & Medical Sciences (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Biophysics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • Medical Informatics (AREA)
  • Molecular Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Mathematical Physics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Biomedical Technology (AREA)
  • Educational Administration (AREA)
  • Operations Research (AREA)
  • Computer Hardware Design (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Geometry (AREA)
  • Marketing (AREA)
  • Development Economics (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了一种基于大数据和云计算的大件运输桥梁智能评估系统，涉及桥梁安全通行领域，包括：桥梁信息参数收集模块、桥梁可通过性评估模块、云端远程人机交互模块和卷积神经网络数据学习模块，所述桥梁信息参数收集模块和桥梁可通过性评估模块均为三段式设有三个数据集成点。本发明中，通过设有桥梁可通过性评估模块，桥梁可通过性评估模块用于对三个数据集成点上的所述桥梁信息参数收集模块采集的各个过桥车辆的车辆与大件物体参数数据进行可通过性标准制定。

Description

一种基于大数据和云计算的大件运输桥梁智能评估系统
技术领域
本发明涉及桥梁安全通行领域，尤其涉及一种基于大数据和云计算的大件运输桥梁智能评估系统。
背景技术
早期建造的桥梁设计荷载等级低、施工质量差，沿海地区桥梁氯盐腐蚀作用导致钢筋锈蚀、混凝土保护层层离或剥落等一系列耐久性问题严重，超载超限运营现象突出，使得即使按新标准设计的桥梁也产生成大量的耐久性和疲劳病害损伤问题。另外，对已经投入运营的公路桥梁检测养护技术力量和资金投入相对滞后。这些因素不可避免地导致很多病害混凝土桥梁“带病运营”，存在较大的安全隐患，有必要对病害混凝土桥梁制定安全、可靠、合理的承载能力评定方法。
目前，对在役桥梁承载能力的评定主要技术方法是依据《JTG/T J21-2011.公路桥梁承载能力检测评定规程[S]》，按待评估桥梁主要技术指标的检测结果和相应评定标准，进行承载能力评估。该评估技术存在的主要问题有：该方法是一种基于在役桥梁状况检测结果并结合承载能力极限状态计算原理的确定性“定值评估法"，忽略了反映在役桥梁结构损伤状况的检测技术指标如；混凝土强度，保护层厚度、碳化深度、氯离子含量等因素的随机性和评估等级划分的模糊性对给检测评估结果带来的影响，进而导致承载能力评估结果波动性大、可靠性低、人为主观因素强；同时，还需要结合桥梁荷载试验，以此确定桥梁结构在试验荷载下的结构反应，具有试验费用高、周期长以及工作任务繁琐的局限性，对检测仪器的较为苛刻，且现有的方法计算复杂，不利于快速检测。
发明内容
本发明的目的是为了解决现有技术中存在的缺点，而提出的一种基于大数据和云计算的大件运输桥梁智能评估系统。
为了实现上述目的，本发明采用了如下技术方案：一种基于大数据和云计算的大件运输桥梁智能评估系统，包括：桥梁信息参数收集模块、桥梁可通过性评估模块、云端远程人机交互模块和卷积神经网络数据学习模块；
所述桥梁信息参数收集模块和桥梁可通过性评估模块均为三段式设有三个数据集成点，且三个数据集成点上的所述桥梁信息参数收集模块分别与三个数据集成点上的所述桥梁可通过性评估模块连接，三个数据集成点上的所述桥梁可通过性评估模块分别与云端远程人机交互模块和卷积神经网络数据学习模块连接；
三个数据集成点上的所述桥梁信息参数收集模块与各个过桥车辆通过共同的5G信号进行通信连接，并实时采集过桥车辆的车辆与大件物体参数数据；
三个数据集成点上的所述桥梁可通过性评估模块用于对三个数据集成点上的所述桥梁信息参数收集模块采集的各个过桥车辆的车辆与大件物体参数数据进行可通过性标准制定；
所述云端远程人机交互模块用于对采集的车辆与大件物体参数数据进行输入计算和发出不可通过性危险信号；
所述卷积神经网络数据学习模块用于提供车辆与大件物体参数历史通行车辆数据分析服务，对车辆与大件物体参数数据进行特征提取与深度学习，进行自动化选线、运输历史统计分析功能，对于验算不通过的桥梁可智能化给出优化建议，为云端远程人机交互模块对车辆与大件物体参数数据输入计算提供全面桥梁可通过性判断；
所述历史通行车辆数据包括年代不同、标准不同、截面不同的桥梁通行数据和每个车辆装载方案数据，历史通行车辆数据与桥梁数据库连接。
作为上述技术方案的进一步描述：
所述桥梁信息参数收集模块包括车辆与大件物体参数数据采集传感器和数据指令端；
所述车辆与大件物体参数数据采集传感器通过共同的5G信号与过桥车辆进行通信连接，并在规定的距离间隔内进行一次规范车辆与大件物体参数数据采集，并在采集后存储进数据指令端；
所述数据指令端用于接收云端远程人机交互模块发送的采集控制命令对车辆与大件物体参数数据采集传感器进行控制，并对车辆与大件物体参数数据采集间隔的距离进行调整。
作为上述技术方案的进一步描述：
所述桥梁可通过性评估模块包括桥梁承载计算单元、桥梁风险评估单元、评估参数优化单元和桥梁安全把控单元；
所述桥梁承载计算单元用于对桥梁信息参数收集模块采集的过桥车辆的车辆与大件物体参数数据进行桥梁承载计算处理；
所述桥梁风险评估单元用于对桥梁承载计算处理后的数据进行桥梁风险评估；
所述评估参数优化单元用于对采集相应的过桥车辆信息评估参数优化，使得采集的车辆与大件物体参数信息在桥梁可用性评估时避免出现评估误差；
所述桥梁安全把控单元用于对过桥车辆突发状况进行紧急控制，便于后期的车辆与大件物体参数历史通行车辆数据分析进行可通过性评估。
作为上述技术方案的进一步描述：
所述卷积神经网络数据学习模块包括历史通行车辆数据分析单元、预先规划车辆与大件物体参数监控单元和随机车辆监测单元；
所述历史通行车辆数据分析单元用于对采集的车辆与大件物体参数数据进行各种特征提取与深度学习，产生多种车辆与大件物体参数分析和统计的数据，实现全方面对采集的车辆与大件物体参数数据进行分析处理；
所述预先规划车辆与大件物体参数监控单元用于对预先规划过桥车辆进行车辆与大件物体参数监控分析处理；
所述随机车辆监测单元用于对车辆与大件物体参数数据中随机车辆进行检测，当随机车辆过载时，可能发生桥梁损坏风险，并对此进行车辆过桥管控和风险提示。
作为上述技术方案的进一步描述：
所述云端远程人机交互模块包括车辆与大件物体参数数据云端输入计算单元和车辆与大件物体参数云端监控报警单元；
所述车辆与大件物体参数数据云端输入计算单元用于将经过卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行输入计算；
所述车辆与大件物体参数云端监控报警单元用于对经过卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行分析预警处理。
作为上述技术方案的进一步描述：
所述云端远程人机交互模块还包括原始数据计算单元和车辆与大件物体参数报警单元；
所述原始数据计算单元用于根据用户需要调用不同的车辆与大件物体参数统计和输入计算方式对车辆与大件物体参数数据进行输入计算，其中，车辆与大件物体参数统计方式按照工程师预设的统计时间进行统计，所述车辆与大件物体参数输入计算方式按照车辆型号进行计算；
所述车辆与大件物体参数报警单元用于对车辆与大件物体参数云端监控报警单元编辑检测报警方式，且检测报警方式包括车辆与大件物体参数异常、车辆与大件物体参数突变、桥梁上总车辆与大件物体参数最大值和距离段车辆与大件物体参数最大值。
作为上述技术方案的进一步描述：
还包括数据预处理模块；
所述数据预处理模块包括数据整合单元和评估准则存储单元，且数据预处理模块与卷积神经网络数据学习模块连接；
所述数据整合单元用于对卷积神经网络数据学习模块连处理的车辆与大件物体参数数据进行整合归类处理；
所述评估准则存储单元用于对整合的车辆与大件物体参数数据进行可通过性标准制定。
一种基于大数据和云计算的大件运输桥梁智能评估系统，该系统运行包括以下步骤：
步骤S1：过桥车辆的车辆与大件物体参数采集，桥梁信息参数收集模块中的车辆与大件物体参数数据采集传感器与过桥车辆通过共同的5G信号进行通信连接，在接收到数据指令端的采集控制命令后实时采集车辆与大件物体参数数据，并将采集的数据传输至桥梁可通过性评估模块；
步骤S2：车辆与大件物体参数数据预处理，桥梁可通过性评估模块对接收的车辆与大件物体参数数据进行桥梁承载计算处理并在桥梁风险评估单元中进行储存，同时在采集的车辆与大件物体参数数据中导入采集对象的过桥车辆信息，接着在车辆与大件物体参数数据中编辑写入备注信息，在将数据传输至卷积神经网络数据学习模块；
步骤S3：车辆与大件物体参数数据历史通行车辆数据分析处理，卷积神经网络数据学习模块对接收的车辆与大件物体参数数据进行各种特征提取与深度学习，产生多种车辆与大件物体参数分析和统计的数据，实现全方面对接收的车辆与大件物体参数数据进行分析处理，同时对预先规划过桥车辆进行车辆与大件物体参数监控分析处理，还对车辆与大件物体参数数据中随机车辆进行检测分析处理；
步骤S4：车辆与大件物体参数数据输入计算报警，云端远程人机交互模块读取卷积神经网络数据学习模块处理后的车辆与大件物体参数数据，并在车辆与大件物体参数数据云端输入计算单元中进行输入计算，并通过原始数据计算单元对车辆与大件物体参数数据统计和输入计算方式进行调用，实现不同的车辆与大件物体参数数据统计和输入计算方式进行输入计算，便于工作人员进行观看，同时通过车辆与大件物体参数报警单元设置报警方式，然后通过车辆与大件物体参数云端监控报警单元对车辆与大件物体参数进行监控报警；
步骤S5：车辆与大件物体参数数据整合储存，通过数据预处理模块中的数据整合单元对卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行整合处理，并将整合处理后的车辆与大件物体参数进行通过评估准则存储单元进行储存。
本发明提供了一种基于大数据和云计算的大件运输桥梁智能评估系统。具备以下有益效果：
（1）该系统通过设有桥梁可通过性评估模块，桥梁可通过性评估模块可以对桥梁信息参数收集模块对过桥车辆采集的车辆与大件物体参数数据写入采集过桥车辆对象的信息和编辑导入备注信息，实现对三个数据集成点过桥车辆采集车辆与大件物体参数数据进行紧急控制，便于后续对采集的车辆与大件物体参数数据进行分析处理，同时在添加备注信息时可以对监控的过桥车辆突发状况进行备注导入，便于后续进行预警处理时进行规避过桥车辆突发状况，避免错误无用预警，同时还可以对采集的车辆与大件物体参数数据信息进行前端储存防止数据传输丢失，显著的提高了该车辆与大件物体参数监控管理系统的实用性。
（2）该系统通过在云端远程人机交互模块中设有原始数据计算单元，原始数据计算单元可以根据需要对车辆与大件物体参数数据云端输入计算单元统计的方式和输入计算的方式进行调用，实现多种统计方式和多种输入计算方式对车辆与大件物体参数数据进行输入计算，实现全面直观的对采集的车辆与大件物体参数数据进行输入计算，同时云端远程人机交互模块中车辆与大件物体参数云端监控报警单元配合车辆与大件物体参数报警单元对车辆与大件物体参数数据进行监控报警，可以通过车辆与大件物体参数报警单元选择车辆与大件物体参数异常、车辆与大件物体参数突变、桥梁上总车辆与大件物体参数最大值和距离段车辆与大件物体参数最大值方式中的一种或者多种方式进行车辆与大件物体参数数据报警，报警的方式更加的全面，可以满足用户更多的需求。
附图说明
此处所说明的附图用来提供对本发明实施例的进一步理解，构成本申请的一部分，并不构成对本发明实施例的限定。在附图中：
图1为本发明的系统的模块组成图；
图2为本发明的系统使用流程图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。
如图1所示，一种基于大数据和云计算的大件运输桥梁智能评估系统，包括：桥梁信息参数收集模块、桥梁可通过性评估模块、云端远程人机交互模块和卷积神经网络数据学习模块；
桥梁信息参数收集模块和桥梁可通过性评估模块均为三段式设有三个数据集成点，且三个数据集成点桥梁信息参数收集模块分别与三个数据集成点桥梁可通过性评估模块连接，三个数据集成点桥梁可通过性评估模块分别与云端远程人机交互模块和卷积神经网络数据学习模块连接；
三个数据集成点桥梁信息参数收集模块与各个过桥车辆通过共同的5G信号进行通信连接，并实时采集过桥车辆的车辆与大件物体参数数据；
三个数据集成点桥梁可通过性评估模块用于对三个数据集成点桥梁信息参数收集模块采集的各个过桥车辆的车辆与大件物体参数数据进行可通过性标准制定；
所述三个数据集成点分别为桥梁的初始段、中间段以及末尾段，通过三个数据集成点对桥梁上的桥车辆的车辆与大件物体数据进行采集与评估，当出现桥梁难以承受的重量时，立即禁止车辆通行，当桥车辆的车辆与大件物体在桥梁中间段时，禁止其他车辆上桥，并拉响安全警报，这样利用三个数据集成点可以有效的保护桥梁以及行驶车辆的安全。
桥梁可通过性评估模块可以对桥梁信息参数收集模块对过桥车辆采集的车辆与大件物体参数数据写入采集过桥车辆对象的信息和编辑导入备注信息，实现对三个数据集成点过桥车辆采集车辆与大件物体参数数据进行紧急控制，便于后续对采集的车辆与大件物体参数数据进行分析处理，同时在添加备注信息时可以对监控的过桥车辆突发状况进行备注导入，便于后续进行预警处理时进行规避过桥车辆突发状况，避免错误无用预警，同时还可以对采集的车辆与大件物体参数数据信息进行前端储存防止数据传输丢失，显著的提高了该车辆与大件物体参数监控管理系统的实用性。
云端远程人机交互模块用于对采集的车辆与大件物体参数数据进行输入计算和发出不可通过性危险信号；
所述卷积神经网络数据学习模块用于提供车辆与大件物体参数历史通行车辆数据分析服务，对车辆与大件物体参数数据进行特征提取与深度学习，进行自动化选线、运输历史统计分析功能，对于验算不通过的桥梁可智能化给出优化建议，为云端远程人机交互模块对车辆与大件物体参数数据输入计算提供全面桥梁可通过性判断；
所述历史通行车辆数据包括年代不同、标准不同、截面不同的桥梁通行数据和每个车辆装载方案数据，历史通行车辆数据与桥梁数据库连接。
桥梁信息参数收集模块包括车辆与大件物体参数数据采集传感器和数据指令端；
车辆与大件物体参数数据采集传感器通过共同的5G信号与过桥车辆进行通信连接，并在规定的距离间隔内进行一次规范车辆与大件物体参数数据采集，并在采集后存储进数据指令端；
数据指令端用于接收云端远程人机交互模块发送的采集控制命令对车辆与大件物体参数数据采集传感器进行控制，并对车辆与大件物体参数数据采集间隔的距离进行调整。
桥梁可通过性评估模块包括桥梁承载计算单元、桥梁风险评估单元、评估参数优化单元和桥梁安全把控单元；
在云端远程人机交互模块中设有原始数据计算单元，原始数据计算单元可以根据需要对车辆与大件物体参数数据云端输入计算单元统计的方式和输入计算的方式进行调用，实现多种统计方式和多种输入计算方式对车辆与大件物体参数数据进行输入计算，实现全面直观的对采集的车辆与大件物体参数数据进行输入计算，同时云端远程人机交互模块中车辆与大件物体参数云端监控报警单元配合车辆与大件物体参数报警单元对车辆与大件物体参数数据进行监控报警，可以通过车辆与大件物体参数报警单元选择车辆与大件物体参数异常、车辆与大件物体参数突变、桥梁上总车辆与大件物体参数最大值和距离段车辆与大件物体参数最大值方式中的一种或者多种方式进行车辆与大件物体参数数据报警，报警的方式更加的全面，可以满足用户更多的需求。
桥梁承载计算单元用于对桥梁信息参数收集模块采集的过桥车辆的车辆与大件物体参数数据进行桥梁承载计算处理；
桥梁风险评估单元用于对桥梁承载计算处理后的数据进行桥梁风险评估，实现对三个数据集成点过桥车辆采集的车辆与大件物体参数数据进行前端储存，防止车辆与大件物体参数数据发生丢失；
评估参数优化单元用于对采集相应的过桥车辆信息评估参数优化，使得采集的车辆与大件物体参数信息在桥梁可用性评估时避免出现评估误差，使得采集的车辆与大件物体参数信息包含采集对象的过桥车辆信息，便于后续对采集的车辆与大件物体参数信息进行分类整合处理和逻辑处理；
桥梁安全把控单元用于对过桥车辆突发状况进行紧急控制，便于后期的车辆与大件物体参数历史通行车辆数据分析进行可通过性评估，同时防止车辆与大件物体参数报警处理时出现错误和无用报警，减少工资人员的工作负担。
卷积神经网络数据学习模块包括历史通行车辆数据分析单元、预先规划车辆与大件物体参数监控单元和随机车辆监测单元；
历史通行车辆数据分析单元用于对采集的车辆与大件物体参数数据进行各种特征提取与深度学习，产生多种车辆与大件物体参数分析和统计的数据，实现全方面对采集的车辆与大件物体参数数据进行分析处理，为车辆与大件物体参数数据输入计算提供支持；
预先规划车辆与大件物体参数监控单元用于对预先规划过桥车辆进行车辆与大件物体参数监控分析处理；
随机车辆监测单元用于对车辆与大件物体参数数据中随机车辆进行检测，当随机车辆过载时，可能发生桥梁损坏风险，并对此进行车辆过桥管控和风险提示。
云端远程人机交互模块包括车辆与大件物体参数数据云端输入计算单元和车辆与大件物体参数云端监控报警单元；
车辆与大件物体参数数据云端输入计算单元用于将经过卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行输入计算；
车辆与大件物体参数云端监控报警单元用于对经过卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行分析预警处理。
云端远程人机交互模块还包括原始数据计算单元和车辆与大件物体参数报警单元；
原始数据计算单元用于根据用户需要调用不同的车辆与大件物体参数统计和输入计算方式对车辆与大件物体参数数据进行输入计算，其中，车辆与大件物体参数统计方式按照工程师预设的统计时间进行统计，车辆与大件物体参数输入计算方式按照车辆型号进行计算，原始数据计算单元可以调用一种或者多种的车辆与大件物体参数统计方式和车辆与大件物体参数输入计算方式对车辆与大件物体参数数据进行统计和输入计算，然后通过车辆与大件物体参数数据云端输入计算单元进行输入计算，实现全面直观的对采集的网络车辆与大件物体参数数据进行输入计算；
车辆与大件物体参数报警单元用于对车辆与大件物体参数云端监控报警单元编辑检测报警方式，且检测报警方式包括车辆与大件物体参数异常、车辆与大件物体参数突变、桥梁上总车辆与大件物体参数最大值和距离段车辆与大件物体参数最大值，车辆与大件物体参数报警单元可以选用一种或者多种检测报警方式多为车辆与大件物体参数云端监控报警单元检测报警检测指标，实现多种报警方式，可以满足管理人员多项检测需要。
还包括数据预处理模块；
数据预处理模块包括数据整合单元和评估准则存储单元，且数据预处理模块与卷积神经网络数据学习模块连接；
数据整合单元用于对卷积神经网络数据学习模块连处理的车辆与大件物体参数数据进行整合归类处理；评估准则存储单元用于对整合的车辆与大件物体参数数据进行可通过性标准制定。
1）本本发明基于大数据+云计算的核心，单次评估时间在5分钟之内，与传统的大件运输评估算法相比，提高了运算速度和评估效率，节省了大量的时间。
2）本发明综合集成，拓展性强：在大件运输路桥安全评估模型研究的基础上结合实际情况，以工程化和最优决策思想为基础，能与公路养护管理系统、桥梁结构安全监测系统、大件运输审批系统、路网监测系统实现互通互联，协同运行，最大程度得发挥信息化系统的集成优势，提高了本本发明的长期拓展性。
3）结合桥梁结构的受力特点，同时兼顾计算的效率，提出了活载效应对比和通过性评估曲线相结合的核心算法，相比于同类型本发明，数据库建设效率更高效、更安全。
4）基于前后端分离的开发模式，实现系统多个模块之间的耦合性、交互性和可拓展性，保证后台桥梁“数据库”的实时更新与完善，实现公路信息库的统一管理、统一运维、统一更新，确保审批管理机构“只进一个系统”
5）通过智能分析大件运输历史通行数据，开展大件运输通行荷载、通行频率、桥梁承载能力等信息的统计分析，为桥梁管养提供指导，为相关政策制定提供依据。
一种基于大数据和云计算的大件运输桥梁智能评估系统，如图2所示，该系统运行包括以下步骤：
步骤S1：过桥车辆的车辆与大件物体参数采集，桥梁信息参数收集模块中的车辆与大件物体参数数据采集传感器与过桥车辆通过共同的5G信号进行通信连接，在接收到数据指令端的采集控制命令后实时采集车辆与大件物体参数数据，并将采集的数据传输至桥梁可通过性评估模块；
步骤S2：车辆与大件物体参数数据预处理，桥梁可通过性评估模块对接收的车辆与大件物体参数数据进行桥梁承载计算处理并在桥梁风险评估单元中进行储存，同时在采集的车辆与大件物体参数数据中导入采集对象的过桥车辆信息，接着在车辆与大件物体参数数据中编辑写入备注信息，在将数据传输至卷积神经网络数据学习模块；
步骤S3：车辆与大件物体参数数据历史通行车辆数据分析处理，卷积神经网络数据学习模块对接收的车辆与大件物体参数数据进行各种特征提取与深度学习，产生多种车辆与大件物体参数分析和统计的数据，实现全方面对接收的车辆与大件物体参数数据进行分析处理，同时对预先规划过桥车辆进行车辆与大件物体参数监控分析处理，还对车辆与大件物体参数数据中随机车辆进行检测分析处理；
步骤S4：车辆与大件物体参数数据输入计算报警，云端远程人机交互模块读取卷积神经网络数据学习模块处理后的车辆与大件物体参数数据，并在车辆与大件物体参数数据云端输入计算单元中进行输入计算，并通过原始数据计算单元对车辆与大件物体参数数据统计和输入计算方式进行调用，实现不同的车辆与大件物体参数数据统计和输入计算方式进行输入计算，便于工作人员进行观看，同时通过车辆与大件物体参数报警单元设置报警方式，然后通过车辆与大件物体参数云端监控报警单元对车辆与大件物体参数进行监控报警；
步骤S5：车辆与大件物体参数数据整合储存，通过数据预处理模块中的数据整合单元对卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行整合处理，并将整合处理后的车辆与大件物体参数进行通过评估准则存储单元进行储存。
系统搭建大件运输快速评估服务平台、建立桥梁验算基础信息数据库、输入运输车型、轴荷、路线等相关参数、系统自动进行通行方案分析并完成快速验算评估，出具评估结果行评估结论。
对于常规梁式桥，将桥梁影响线加载及活载效应进行对比，相对于传统的桥梁承载能力验算，对比速度及运算速度较快，且具有一定的保守性，能保证桥梁结构承载能力有一定的安全富余度，更适合于桥梁在高频次常态化大件运输条件下的批量快速评估。
当算法不能满足要求或对于计算精度要求更高的大件运输，则采用承载能力验算的方式进行评估，即分别计算出桥梁结构关键截面抗力及大件荷载作用下对应的截面内力，进行比较，得出评估结论。该算法工作量相对较大，但计算精度更高，评估结果更准确，适用于特殊大件的精细化评估。
对于拱桥或其他特殊结构桥梁，由于其结构受力特点不同于梁桥，承载力影响因素较多，难以简单地通过参数对比分析得出结论，也难以将所有计算参数及内容整合进系统。故采用承载能力包络验算的方法，即建立有限元分析模型“一桥一算”，通过不同轴重、不同轴数的各种组合下的大件荷载效应，得出大件车辆控制轴荷矩阵及通过性评估曲线，再导入系统实现快速评估。该算法适用于各种特殊结构形式桥梁的验算评估。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或三个数据集成点实施例或示例中以合适的方式结合。
以上所述，仅为本发明较佳的具体实施方式，但本发明的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本发明揭露的技术范围内，根据本发明的技术方案及其发明构思加以等同替换或改变，都应涵盖在本发明的保护范围之内。

Claims (7)

1.一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，包括：桥梁信息参数收集模块、桥梁可通过性评估模块、云端远程人机交互模块和卷积神经网络数据学习模块；
所述桥梁信息参数收集模块和桥梁可通过性评估模块均为三段式设有三个数据集成点，且三个数据集成点上的所述桥梁信息参数收集模块分别与三个数据集成点上的所述桥梁可通过性评估模块连接，三个数据集成点上的所述桥梁可通过性评估模块分别与云端远程人机交互模块和卷积神经网络数据学习模块连接；
三个数据集成点上的所述桥梁信息参数收集模块与各个过桥车辆通过共同的5G信号进行通信连接，并实时采集过桥车辆的车辆与大件物体参数数据；
三个数据集成点上的所述桥梁可通过性评估模块用于对三个数据集成点上的所述桥梁信息参数收集模块采集的各个过桥车辆的车辆与大件物体参数数据进行可通过性标准制定；
所述云端远程人机交互模块用于对采集的车辆与大件物体参数数据进行输入计算和发出不可通过性危险信号；
所述卷积神经网络数据学习模块用于提供车辆与大件物体参数历史通行车辆数据分析服务，对车辆与大件物体参数数据进行特征提取与深度学习，进行自动化选线、运输历史统计分析功能，对于验算不通过的桥梁可智能化给出优化建议，为云端远程人机交互模块对车辆与大件物体参数数据输入计算提供全面桥梁可通过性判断；
所述历史通行车辆数据包括年代不同、标准不同、截面不同的桥梁通行数据和每个车辆装载方案数据，历史通行车辆数据与桥梁数据库连接。
2.根据权利要求1所述的一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，所述桥梁信息参数收集模块包括车辆与大件物体参数数据采集传感器和数据指令端；
所述车辆与大件物体参数数据采集传感器通过共同的5G信号与过桥车辆进行通信连接，并在规定的距离间隔内进行一次规范车辆与大件物体参数数据采集，并在采集后存储进数据指令端；
所述数据指令端用于接收云端远程人机交互模块发送的采集控制命令对车辆与大件物体参数数据采集传感器进行控制，并对车辆与大件物体参数数据采集间隔的距离进行调整。
3.根据权利要求1所述的一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，所述桥梁可通过性评估模块包括桥梁承载计算单元、桥梁风险评估单元、评估参数优化单元和桥梁安全把控单元；
所述桥梁承载计算单元用于对桥梁信息参数收集模块采集的过桥车辆的车辆与大件物体参数数据进行桥梁承载计算处理；
所述桥梁风险评估单元用于对桥梁承载计算处理后的数据进行桥梁风险评估；
所述评估参数优化单元用于对采集相应的过桥车辆信息评估参数优化，使得采集的车辆与大件物体参数信息在桥梁可用性评估时避免出现评估误差；
所述桥梁安全把控单元用于对过桥车辆突发状况进行紧急控制，便于后期的车辆与大件物体参数历史通行车辆数据分析进行可通过性评估。
4.根据权利要求1所述的一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，所述卷积神经网络数据学习模块包括历史通行车辆数据分析单元、预先规划车辆与大件物体参数监控单元和随机车辆监测单元；
所述历史通行车辆数据分析单元用于对采集的车辆与大件物体参数数据进行各种特征提取与深度学习，产生多种车辆与大件物体参数分析和统计的数据，实现全方面对采集的车辆与大件物体参数数据进行分析处理；
所述预先规划车辆与大件物体参数监控单元用于对预先规划过桥车辆进行车辆与大件物体参数监控分析处理；
所述随机车辆监测单元用于对车辆与大件物体参数数据中随机车辆进行检测，当随机车辆过载时，可能发生桥梁损坏风险，并对此进行车辆过桥管控和风险提示。
5.根据权利要求1所述的一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，所述云端远程人机交互模块包括车辆与大件物体参数数据云端输入计算单元和车辆与大件物体参数云端监控报警单元；
所述车辆与大件物体参数数据云端输入计算单元用于将经过卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行输入计算；
所述车辆与大件物体参数云端监控报警单元用于对经过卷积神经网络数据学习模块处理后的车辆与大件物体参数数据进行分析预警处理。
6.根据权利要求1所述的一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，所述云端远程人机交互模块还包括原始数据计算单元和车辆与大件物体参数报警单元；
所述原始数据计算单元用于根据用户需要调用不同的车辆与大件物体参数统计和输入计算方式对车辆与大件物体参数数据进行输入计算，其中，车辆与大件物体参数统计方式按照工程师预设的统计时间进行统计，所述车辆与大件物体参数输入计算方式按照车辆型号进行计算。
7.根据权利要求6所述的一种基于大数据和云计算的大件运输桥梁智能评估系统，其特征在于，所述车辆与大件物体参数报警单元用于对车辆与大件物体参数云端监控报警单元编辑检测报警方式，且检测报警方式包括车辆与大件物体参数异常、车辆与大件物体参数突变、桥梁上总车辆与大件物体参数最大值和距离段车辆与大件物体参数最大值。
CN202310626650.6A 2023-05-31 2023-05-31 一种基于大数据和云计算的大件运输桥梁智能评估系统 Active CN116415507B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310626650.6A CN116415507B (zh) 2023-05-31 2023-05-31 一种基于大数据和云计算的大件运输桥梁智能评估系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310626650.6A CN116415507B (zh) 2023-05-31 2023-05-31 一种基于大数据和云计算的大件运输桥梁智能评估系统

Publications (2)

Publication Number Publication Date
CN116415507A CN116415507A (zh) 2023-07-11
CN116415507B true CN116415507B (zh) 2023-08-08

Family

ID=87059600

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310626650.6A Active CN116415507B (zh) 2023-05-31 2023-05-31 一种基于大数据和云计算的大件运输桥梁智能评估系统

Country Status (1)

Country Link
CN (1) CN116415507B (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101816566B1 (ko) * 2016-11-29 2018-02-21 한국건설기술연구원 차량센서를 활용한 교량 유지관리 시스템 및 그 방법
CN109816290A (zh) * 2017-11-22 2019-05-28 淮海工学院 一种多式联运物流云数据平台系统
CN111222189A (zh) * 2019-12-31 2020-06-02 湖南工程学院 一种高效的桥梁结构健康预警控制系统、方法
WO2020199538A1 (zh) * 2019-04-04 2020-10-08 中设设计集团股份有限公司 基于图像监控数据的桥梁关键构件病害预警系统及方法
CN112487687A (zh) * 2020-12-07 2021-03-12 山西省交通科技研发有限公司 基于分布式云计算的大件运输桥梁安全快速评估系统
KR20210086526A (ko) * 2019-12-30 2021-07-08 한국건설기술연구원 대형 화물차량용 운송노선 탐색장치 및 방법
CN114549879A (zh) * 2022-04-25 2022-05-27 四川省公路规划勘察设计研究院有限公司 一种隧道车载扫描点云的标靶识别及中心点提取方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101816566B1 (ko) * 2016-11-29 2018-02-21 한국건설기술연구원 차량센서를 활용한 교량 유지관리 시스템 및 그 방법
CN109816290A (zh) * 2017-11-22 2019-05-28 淮海工学院 一种多式联运物流云数据平台系统
WO2020199538A1 (zh) * 2019-04-04 2020-10-08 中设设计集团股份有限公司 基于图像监控数据的桥梁关键构件病害预警系统及方法
KR20210086526A (ko) * 2019-12-30 2021-07-08 한국건설기술연구원 대형 화물차량용 운송노선 탐색장치 및 방법
CN111222189A (zh) * 2019-12-31 2020-06-02 湖南工程学院 一种高效的桥梁结构健康预警控制系统、方法
CN112487687A (zh) * 2020-12-07 2021-03-12 山西省交通科技研发有限公司 基于分布式云计算的大件运输桥梁安全快速评估系统
CN114549879A (zh) * 2022-04-25 2022-05-27 四川省公路规划勘察设计研究院有限公司 一种隧道车载扫描点云的标靶识别及中心点提取方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
New methodology ：Permit checking of vehicula overload;Correia JR等;Journal of bridge Engineering;第11卷(第3期);274-283 *

Also Published As

Publication number Publication date
CN116415507A (zh) 2023-07-11

Similar Documents

Publication Publication Date Title
CN100538761C (zh) 基于数据融合模式识别的嵌入式故障智能诊断装置及方法
CN111650917B (zh) 一种设备的多维度状态在线监测方法及系统
CN102495549B (zh) 工程机械的远程维护决策系统及方法
CN114757590B (zh) 基于大数据分析的企业运营风险预警及管控系统
CN109800127A (zh) 一种基于机器学习的系统故障诊断智能化运维方法及系统
CN201508484U (zh) 一种桥梁智能监测系统
CN112817280A (zh) 一种用于火电厂智慧监盘报警系统实现方法
CN113255188B (zh) 一种基于事故树的桥梁安全预警方法及系统
CN210924883U (zh) 一种桥梁结构健康监测系统
CN112990656B (zh) 一种it设备监测数据的健康评价系统及健康评价方法
CN108398934B (zh) 一种用于轨道交通的设备故障监控的系统
CN115115303A (zh) 一种基于智慧港口的散货管控一体化系统及方法
CN111143438A (zh) 一种基于流处理的车间现场数据实时监测与异常检测方法
CN101718634A (zh) 基于多元概率模型的设备状态综合动态报警方法
CN115378711B (zh) 一种工控网络的入侵检测方法和系统
CN106570567A (zh) 一种主网检修多约束多目标评估专家系统及优化方法
WO2022193713A1 (zh) 配置式桥梁集群结构监测管理装置和方法
CN116415507B (zh) 一种基于大数据和云计算的大件运输桥梁智能评估系统
CN118243310A (zh) 一种桥梁异常结构安全响应预警系统和方法
CN116873690B (zh) 电梯安全监控数据处理系统
CN105809257B (zh) 一种基于电力通信网络的触发式状态检修方法
CN115913891A (zh) 一种基于大数据分析的提前运维系统及运维方法
CN113267217B (zh) 一种桥群监测系统以及桥群监测方法
CN106528940B (zh) 基于数理模型对列车车轴性能进行评价和预警的方法
CN118657518B (zh) 一种桥梁结构安全信息平台

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