CN116523310A - 用于城市地下管网的危险源识别系统及方法 - Google Patents
用于城市地下管网的危险源识别系统及方法 Download PDFInfo
- Publication number
- CN116523310A CN116523310A CN202310489560.7A CN202310489560A CN116523310A CN 116523310 A CN116523310 A CN 116523310A CN 202310489560 A CN202310489560 A CN 202310489560A CN 116523310 A CN116523310 A CN 116523310A
- Authority
- CN
- China
- Prior art keywords
- pipe network
- processing module
- dangerous source
- identification
- temperature
- 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
Links
- 238000000034 method Methods 0.000 title claims abstract description 26
- 238000012545 processing Methods 0.000 claims abstract description 108
- 230000001960 triggered effect Effects 0.000 claims abstract description 15
- 241001465754 Metazoa Species 0.000 claims description 86
- 230000002452 interceptive effect Effects 0.000 claims description 64
- 235000013305 food Nutrition 0.000 claims description 27
- 238000010586 diagram Methods 0.000 claims description 20
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 16
- 238000005452 bending Methods 0.000 claims description 15
- 230000008569 process Effects 0.000 claims description 5
- 230000005856 abnormality Effects 0.000 abstract description 2
- 230000009286 beneficial effect Effects 0.000 description 9
- 241000699670 Mus sp. Species 0.000 description 5
- 238000009395 breeding Methods 0.000 description 5
- 230000001488 breeding effect Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000007547 defect Effects 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 238000004659 sterilization and disinfection Methods 0.000 description 4
- 238000004891 communication Methods 0.000 description 3
- 230000006378 damage Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 238000005286 illumination Methods 0.000 description 3
- 238000011835 investigation Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 238000001514 detection method Methods 0.000 description 2
- 230000037213 diet Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 241000124008 Mammalia Species 0.000 description 1
- 241000699666 Mus <mouse, genus> Species 0.000 description 1
- 241000700159 Rattus Species 0.000 description 1
- 230000002159 abnormal effect Effects 0.000 description 1
- 230000001133 acceleration Effects 0.000 description 1
- 238000003975 animal breeding Methods 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000009960 carding Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000013329 compounding Methods 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 235000005911 diet Nutrition 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 235000012054 meals Nutrition 0.000 description 1
- 238000013508 migration Methods 0.000 description 1
- 230000005012 migration Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 230000000149 penetrating effect Effects 0.000 description 1
- 238000013024 troubleshooting Methods 0.000 description 1
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
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2415—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on parametric or probabilistic models, e.g. based on likelihood ratio or false acceptance rate versus a false rejection rate
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/243—Classification techniques relating to the number of classes
- G06F18/2431—Multiple classes
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V10/00—Arrangements for image or video recognition or understanding
- G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
- G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2218/00—Aspects of pattern recognition specially adapted for signal processing
- G06F2218/12—Classification; Matching
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Strategic Management (AREA)
- Artificial Intelligence (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Marketing (AREA)
- General Engineering & Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Educational Administration (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Probability & Statistics with Applications (AREA)
- Operations Research (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Quality & Reliability (AREA)
- Medical Informatics (AREA)
- Software Systems (AREA)
- Multimedia (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及地下管线网络的异常识别方法领域,具体涉及用于城市地下管网的危险源识别系统及方法,系统包括信息采集模块、处理模块、识别模块和预警模块;方法包括,采集温湿度值和目标管网的预设范围内的图像信息,作为环境信息,并对环境信息进行初始化处理,实时识别初始化处理后环境信息的危险源产生条件,判断危险源产生条件是否会触发危险源,当会触发危险源时,进行危险源预警。本发明能够在外部因素引起管网损坏、故障前及时发现,以准确定位到管网的故障点。
Description
技术领域
本发明涉及地下管线网络的异常识别方法领域,具体涉及用于城市地下管网的危险源识别系统及方法。
背景技术
城市化进程的加快促进了市政设施建设的完善,例如照明、通信、光纤等市政设施趋于完善,市政设施建设完善的同时,也使得地下管网越来越错综复杂。地下管网作为城市赖以生存和发展的基础设施,肩负着整座城市信息传递和能量运送等重要任务,当管网线路产生故障时,因管网线路的数量庞大且走线构造复杂,管网线路的故障排查工作量大,且还不能快速定位到故障点,极其影响城市信息的传递传送,所以,地下管网的及时、准确地监测非常重要。
目前,针对地下管网的危险源监测识别,文献:一种地下管网监控状况检测方法,公开了通过专用的探测设备,例如探地雷达等,获取地下管网的管线走向定位图,定期地使用检测车沿管线走向定位图进行移动,利用检测车上的磁化器对管道进行磁化,再通过磁传感器采集磁力线的信号,对磁力线的信号进行处理,并根据处理结果判断地下管网的缺陷位置和缺陷程度。
但是,在使用现有的方法进行地下管网危险源的识别时,需要在管线已经产生了对应的缺陷后才能识别到,引起该缺陷的具体原因无法及时追溯到,且识别操作和识别结果滞后,无法及时针对引起缺陷的原因进行处理和操作。
发明内容
本发明意在提供一种用于城市地下管网的危险源识别系统,以解决现有识别方法的识别操作和识别结果滞后的问题。
本方案中的用于城市地下管网的危险源识别系统,包括信息采集模块、处理模块、识别模块和预警模块,所述采集模块用于采集目标点管网的环境信息,并发送至处理模块;
所述采集模块包括多个采集地下管网处温湿度的内采集单元和多个采集目标管网处预设范围内图像信息的外采集单元,所述环境信息包括温湿度值和图像信息;
所述处理模块获取环境信息和目标管网处的管网分布图,并对环境信息进行初始化处理,将初始化处理后的环境信息发送至识别模块;
所述识别模块用于实时识别初始化处理后环境信息的危险源产生条件,并发送至处理模块,所述处理模块根据管网分布图判断危险源产生条件触发危险源的触发概率,所述处理模块根据触发概率向预警模块发送预警信息;
所述预警模块用于根据从处理模块获取的预警信息进行危险源预警。
本方案的有益效果是:
通过在地下管网设置内采集单元采集温湿度值,以及在目标管网处的预设范围内以外采集单元采集图像信息,作为环境信息,并对环境信息进行实时处理、实时识别危险源产生条件是否会触发危险源,若是,则进行预警。实时从地下管网的内外环境进行信息采集,然后进行相应的预警,能够在外部因素引起管网损坏、故障前及时发现,以准确定位到管网的故障点。
进一步,所述处理模块给温湿度值添加内标签作为初始化处理,所述处理模块给图像信息添加外标签作为初始化处理。
有益效果是:对采集到的环境信息进行初始化处理,以在后续识别时进行不同的识别操作,便于进行后续识别,分步进行处理,减小后续识别花费的时间。
进一步,所述识别模块先识别环境信息的标签信息,当标签信息为内标签时,所述识别模块识别温湿度值中位于适合干扰动物居住或繁殖的温湿度值,作为危险源产生条件发送至处理模块,所述处理模块先根据当前实时时间判断危险源产生条件的持续时长是否大于设定时长,当持续时长大于设定时长时,所述处理模块再判断危险源产生条件触发危险源的触发概率。
有益效果是:因照明、光缆、通信等管网线缆比较细,而容易在部分动物的啃咬或其他活动下造成沿着影响,所以,通过温湿度值是否为适合干扰动物居住或繁殖的判断,由此初步判断地下管网的容纳空间会不会吸引类似于老鼠等对管网具有破坏性或干扰性动物进行居住,从而提前判断到管网会不会受到老鼠等动物啃咬的危险源,还能够精准定位到管网的危险点位置。
进一步,所述触发概率的判断过程为:所述处理模块先根据温湿度值判断是适合干扰动物居住或者适合干扰动物繁殖,再识别管网分布图上管网的分布形态和分布数量,所述分布形态包括直线形态和弯曲形态;
当温湿度值适合干扰动物居住或繁殖、且分布形态为直线形态、且分布数量大于设定量时,判断触发概率为[50%,70%);
当温湿度值适合干扰动物居住或繁殖、且分布形态为直线形态、且分布数量小于设定量时,判断触发概率为[0,50%);
当温湿度值适合干扰动物居住或繁殖、且分布形态为弯曲形态、且分布数量大于设定量时,判断触发概率为[80%,100%];
当温湿度值适合干扰动物居住或繁殖、且分布形态为弯曲形态、且分布数量小于设定量时,判断触发概率为[70%,80%)。
有益效果是:以适合干扰动物居住、适合干扰动物繁殖、管网线路的分布形态、管网线路的分布形态确定触发概率,能够精准的区分地下管网的不同环境状况,并基于该地下管网的环境状况进行精准的触发概率判断,精准区分不同的危险源情况,便于提前针对危险源情况进行处理和防范。
进一步,若温湿度值不适合干扰动物居住或者不适合干扰动物繁殖,所述处理模块向识别模块发送图像信息,所述识别模块识别到图像信息的外标签时识别图像信息中的建筑类型,作为危险源产生条件,所述处理模块根据建筑类型判断是否为食物充沛的区域,若是,所述处理模块判断危险源产生条件会触发危险源。
有益效果是:通过在环境不适合干扰动物居住时,以建筑物类型确定是否为食物充沛区域,能够从食物方面准确判断出触发危险源,以提前识别到风险。
进一步,当建筑类型判断为食物充沛的区域会触发危险源时,所述处理模块先判断建筑类型是否复合了办公区域,当建筑类型未复合办公区域时,所述处理模块将该食物充沛的区域添加为危险源,当建筑类型复合了办公区域时,所述处理模块向识别模块发送识别信号,所述识别模块根据识别信号识别图像信息上的隐秘地点并向处理模块发送识别结果,当识别结果为未识别到隐秘地点时,所述处理模块修正该食物充沛的区域为不会触发危险源,当识别结果为识别到隐秘地点时,所述处理模块将该隐秘地点添加为危险源。
有益效果是:在判断到食物充沛的区域会触发危险源时,先判断建筑类型是否是复合在办公区域,以判断食物充沛区域是否具有较多活动的人,若是,再通过识别判断图像信息上的隐秘地点,来修正是否会触发危险源的结果,提高危险源触发判断精准性。
进一步,若温湿度值适合干扰动物居住或者适合干扰动物繁殖,所述处理模块再获取天气预报信息,并根据天气预报信息判断是否会产生水流,当判断会产生水流时,所述处理模块更正危险源产生条件不会触发危险源。
有益效果是:由于动物的居住具有迁徙性,通过在判断到适合干扰动物居住的温湿度值时,再根据天气预报信息判断是否会产生水流,若是,则不会触发危险源,达到对触发危险源的动态修正,提高危险源识别的准确性。
进一步,当判断会产生水流时,所述处理模块在更正危险源产生条件后获取管网的分布图,并在分布图上进行风险标识。
有益效果是:对管网的分布图进行标识,能够快速定位并发现对应的风险位置。
进一步,所述处理模块获取分布图后根据管网的分布密集性最大的位置进行风险标识。
有益效果是:根据管网的分布密集性确定可能的风险标识点,提高后续定位的准确性。
用于城市地下管网的危险源识别方法,包括:
步骤1,对目标点管网处的温湿度值和预设范围内的图像信息进行采集,作为环境信息;
步骤2,对环境信息进行初始化处理,实时识别初始化处理后环境信息的危险源产生条件;
步骤3,判断危险源产生条件是否会触发危险源,当会触发危险源时,进行预警。
附图说明
图1为本发明实施例一用于城市地下管网的危险源识别系统的示意性框图;
图2为本发明实施例二用于城市地下管网的危险源识别方法的流程框图。
具体实施方式
下面通过具体实施方式进一步详细说明.
用于城市地下管网的危险源识别系统,如图1所示:包括信息采集模块、处理模块、识别模块和预警模块,采集模块用于采集目标点管网的环境信息,并发送至处理模块,目标点管网是具有一定密闭空间且容纳不同电缆、管线,且电缆、管线的直径比较小容易受到老鼠等干扰动物啃咬的地下管网处。采集模块包括多个内采集单元和多个外采集单元,内采集单元均匀分布于地下管网处,内采集单元用于连续采集多个温湿度值,内采集单元可用现有的温湿度传感器,外采集单元均匀分布于目标管网的预设范围内,预设范围可以是目标管网的周围3公里范围内,外采集单元用于采集预设范围内的图像信息,外采集单元可用现有的摄像头,以温湿度值和图像信息作为环境信息,温湿度信息为地下管网的监测处的温度值和湿度值,图像信息为目标点管网所在地的地面以上的周边环境图像。
处理模块获取环境信息和目标管网处的管网分布图,并对环境信息进行初始化处理,将初始化处理后的环境信息发送至识别模块,处理模块给温湿度值添加内标签作为初始化处理,处理模块给图像信息添加外标签作为初始化处理。
识别模块用于实时识别初始化处理后环境信息的危险源产生条件,并发送至处理模块。识别模块先识别环境信息的标签信息,当标签信息为内标签时,识别模块识别温湿度值中位于适合干扰动物居住或繁殖的温湿度值,作为危险源产生条件发送至处理模块,干扰动物是指能够在地下管网这种小空间活动且有可能啃咬或栖息于管线处产生影响的动物,例如老鼠或其他动物等,适合干扰动物居住的温湿度以要防治的干扰动物进行设置,温湿度值是以现有地下管网的检测空间内的进行判断,例如根据老鼠作为干扰动物,适合居住的温湿度值分别为14℃-20℃温度值、60%-70%湿度值,那么在所检测到的连续温湿度值中有位于这个范围的值时就判断到该温度值和湿度值为危险源产生条件,处理模块根据管网分布图判断危险源产生条件触发危险源的触发概率,判断触发概率时,处理模块先根据当前实时时间判断危险源产生条件的持续时长是否大于设定时长,设定时长根据干扰动物的繁殖所需时间的三分之一进行设置,例如老鼠繁殖时间21天,设定时长设置为7天,当持续时长大于设定时长时,处理模块再判断危险源产生条件触发危险源的触发概率。
触发概率的判断过程为:处理模块先根据温湿度值判断是适合干扰动物居住或者适合干扰动物繁殖,温湿度值适合干扰动物居住即地下管线周围空间内的温度值位于适合干扰动物居住的温度值范围内、湿度值位于适合干扰动物居住的湿度值范围内,温湿度值适合干扰动物繁殖即地下管线周围空间内的温度值位于适合干扰动物繁殖幼崽的温度值范围内、湿度值位于适合干扰动物繁殖幼崽的湿度值范围内,再识别管网分布图上管网的分布形态和分布数量,分布形态包括直线形态和弯曲形态,直线形态是指在500m至1000m的路段范围内多根并排管线的形态,弯曲形态是指多根并排管线在转角角度小于120°处的形态。
当温湿度值适合干扰动物居住或繁殖、且该处管网的分布形态为直线形态、且该处管网的管线分布数量大于设定量时,设定量为并排的五根管线,因干扰动物普遍是老鼠,其是哺乳类动物,且居住或繁殖有做窝的特点,而在一定长度范围内管线并排数量比较多形成了一定的做窝条件,且环境温湿度适合,具有比较大的做窝概率,判断触发概率为[50%,70%);
当温湿度值适合干扰动物居住或繁殖、且该处管网的分布形态为直线形态、且该处管网的管线分布数量小于设定量时,当管线数量比较少时,干扰动物的做窝条件比较局限,即使环境温湿度值比较合适,干扰动物基本不会在此处做窝,判断触发概率为[0,50%);
当温湿度值适合干扰动物居住或繁殖、且该处管网的分布形态为弯曲形态、且该处管网的管线分布数量大于设定量时,管线的弯曲形态、管线并排分布形态和外界环境温湿度值,为干扰动物提供了各个方面的适合做窝的条件,干扰动物极大可能在此处做窝,判断触发概率为[80%,100%];
当温湿度值适合干扰动物居住或繁殖、且该处管网的分布形态为弯曲形态、且该处管网的管线分布数量小于设定量时,管线的弯曲形态虽然适合做窝,但此处的管线数量比较有限,即使温湿度值比较合适,管线数量比较少的情况下,做窝的条件相对较差但还是有一定的做窝可能性,判断触发概率为[70%,80%)。
若温湿度值不适合干扰动物居住或者不适合干扰动物繁殖,即外部的自然环境条件不具备引诱干扰动物进行做窝时,再判断食物诱因导致的危险源触发情况,处理模块向识别模块发送图像信息,识别模块识别到图像信息的外标签时识别图像信息中的建筑类型,作为危险源产生条件,建筑类型包括居家型、办公型和学校型,建筑类型的识别通过识别图像信息中的关键文字进行,以所识别到的关键文字来确定建筑类型,例如A学校为学校型,B公司为办公型,处理模块根据建筑类型判断是否为食物充沛的区域,食物充沛区域的判断以具有公共型的饮食中心进行,若是,处理模块判断危险源产生条件会触发危险源。由于在一些人员流动量比较大的办公型区域处,会具有较为集中且复杂的通信、照明和网络等管网,且上班时间人员多,集中的食堂、餐饮店提供餐食,下班后,人员流动走离开该区域,人员活动后于垃圾桶或其他位置处遗留一些食物形成干扰动物的食物来源,进而具有较大概率吸引干扰动物于周围活动,导致增加了干扰动物对各种管网破坏的概率。所以,对于建筑类型的判断,依据此来判断是否为食物充沛的区域,只需采集图像,无需再进行其他的信息的采集,在有限种类的信息采集条件下,精准判断触发危险源,便于后续进行相应防范措施的制定。
处理模块根据触发概率向预警模块发送预警信息,预警信息可以是不同文字标识的预警,预警模块用于根据从处理模块获取的预警信息进行危险源预警,危险源预警的方式可以通过声音或者显示危险源进行。
在另一实施方式中,当建筑类型判断为食物充沛的区域会触发危险源时,处理模块先判断建筑类型是否复合了办公区域,复合办公区域的判断通过以周围预设范围内均是办公区域进行,当建筑类型未复合办公区域时,处理模块将该食物充沛的区域添加为危险源,当建筑类型复合了办公区域时,处理模块向识别模块发送识别信号,识别模块根据识别信号识别图像信息上的隐秘地点并向处理模块发送识别结果,隐秘地点的识别通过识别人活动频率较少的公园等,当识别结果为未识别到隐秘地点时,处理模块修正该食物充沛的区域为不会触发危险源,当识别结果为识别到隐秘地点时,处理模块将该隐秘地点添加为危险源。
由于在食物充沛的区域位于较大的办公区域时,为了办公人员的饮食会提供较丰富的餐食,而办公区域的人员流动活动频率大,周围具有公园等场所时,干扰动物会在地下管网朝着食物充沛的区域频繁活动,并因人员活动频繁而在活动后居住于隐秘地点处,所以,本实施方式通过是否是复合在办公区域,以判断食物充沛区域是否具有较多活动的人,若是,再通过识别判断图像信息上的隐秘地点,来修正是否会触发危险源的结果,避免单一的食物充沛区域而人员流动量少区域,管网管线设施少,且人员活动少不会对干扰动物造成影响,导致误将干扰动物的居住地点直接定在该食物充沛地点周围隐蔽地点,防止触发危险源的判断地点误差大,提高危险源触发判断精准性。
在另一实施方式中,若温湿度值适合干扰动物居住或者适合干扰动物繁殖,处理模块再获取天气预报信息,并根据天气预报信息判断是否会产生水流,根据天气预报信息中要下雨时的雨量信息判断是否产生水流,当判断会产生水流时,处理模块更正危险源产生条件不会触发危险源。通过在判断到会触发危险源时,根据天气预报信息进行相应的更正,能够实时地适应环境变化进行相应的调整,让危险源识别更准确。
在另一实施方式中,当判断会产生水流时,处理模块在更正危险源产生条件后获取管网的分布图,并在分布图上进行风险标识,管网的分布图从后台获取,风险标识可以通过标识明显的颜色进行,以明显直观地查看到危险源。处理模块获取分布图后根据管网的分布密集性最大的位置进行风险标识,分布密集性可以通过在一定范围内管线的数量达到标准或者管线类型数量达到设定数量进行初步判断,分布密集型最大的位置判断以最大数量的管线数量或管线类型数量为中心,以1.5倍的管线数量或管线类型数量为半径确认风险区域,在该风险区域内根据温湿度值在适合干扰动物居住或繁殖的相应适合范围内进行分类别的风险标识和展示,例如温湿度值位于适合范围的前段、中段、后段的分类别标识,以能够根据不同等级的标注进行不同的应对,提高后续应对的响应速度和效率。
综上所述,相较于现有定期巡检巡查技术方案,本方案通过对同一地下管网处内的温湿度值、外图像信息的环境信息采集,以较少类型的信息采集,且持续时间长的传感器和摄像头作为采集设备,以极小的采集成本,结合进行危险源触发的判断,能够在提前判断到危险源的前提下,精准判断定位到管线管网的故障可能地点。而针对干扰动物对管网管线的影响检测,普遍是通过定期消杀或管网铺设时的提前消杀进行,考虑到监测成本问题,普遍不会在定期消杀或提前消杀后再进行监测,本方案在低成本的持续性监测前提下,能够提供管网管线故障判断的精准性。
实施例二
基于实施例一用于城市地下管网的危险源识别系统的用于城市地下管网的危险源识别方法,如图2所示,包括:
步骤1,通过采集模块的内采集单元对目标点管网地下管网处多个点位的温湿度值、通过外采集单元对目标管网处预设范围内的图像信息进行采集,预设范围根据实际需求进行设置,以温湿度值和图像信息作为环境信息,将环境信息发送至处理模块。
步骤2,由处理模块对环境信息进行初始化处理,给温湿度值添加内标签作为初始化处理,给图像信息添加外标签作为初始化处理,并将初始化处理后的环境信息发送至识别模块。
由识别模块实时识别初始化处理后环境信息的危险源产生条件,在识别时,先识别环境信息的标签信息,当标签信息为内标签时,识别温湿度值中位于适合干扰动物居住或繁殖的温湿度值,作为危险源产生条件发送至处理模块,先根据当前实时时间判断危险源产生条件的持续时长是否大于设定时长,当持续时长大于设定时长时,让处理模块再判断危险源产生条件触发危险源的触发概率,触发概率的判断过程为:由处理模块先根据温湿度值判断是适合干扰动物居住或者适合干扰动物繁殖,再识别管网分布图上管网的分布形态和分布数量,所述分布形态包括直线形态和弯曲形态,由于管线铺设后因地形或地下井的形状影响,管线不可能是完全处于绷直状态的,且因管线的根数较多,会在一些地下井的弯曲或坡道段形成少量弯曲,进而形成天然的动物筑窝条件,本方案以管线的分布形态和温湿度判断触发危险源的触发概率,提高判断危险源触发的精准度;
当温湿度值适合干扰动物居住或繁殖、且分布形态为直线形态、且分布数量大于设定量时,判断触发概率为[50%,70%);
当温湿度值适合干扰动物居住或繁殖、且分布形态为直线形态、且分布数量小于设定量时,判断触发概率为[0,50%);
当温湿度值适合干扰动物居住或繁殖、且分布形态为弯曲形态、且分布数量大于设定量时,判断触发概率为[80%,100%];
当温湿度值适合干扰动物居住或繁殖、且分布形态为弯曲形态、且分布数量小于设定量时,判断触发概率为[70%,80%)。
若温湿度值不适合干扰动物居住或者不适合干扰动物繁殖,由处理模块向识别模块发送图像信息,让识别模块识别到图像信息的外标签时识别图像信息中的建筑类型,作为危险源产生条件。由处理模块根据触发概率向预警模块发送预警信息。根据温度值对适合干扰动物繁殖或居住,再结合管线分布形态和管线梳理判断,确定不同的触发概率,能够便于后续分等级进行不同程度的预警,以及在管网异常时,根据触发概率进行精准的故障排查,无需根据管网延伸方向进行逐一排查,提高故障排查管理的精准性和效率。
步骤3,判断危险源产生条件是否会触发危险源,温湿度值适合干扰动物居住或者适合干扰动物繁殖,则由处理模块判断危险源产生条件会触发危险源,由处理模块根据建筑类型判断是否为食物充沛的区域,若是,则处理模块判断危险源产生条件会触发危险源,当会触发危险源时,由预警模块进行预警。
在另一实施方式中,在步骤3中,当建筑类型判断为食物充沛的区域会触发危险源时,所述处理模块先判断建筑类型是否复合了办公区域,当建筑类型未复合办公区域时,所述处理模块将该食物充沛的区域添加为危险源,当建筑类型复合了办公区域时,所述处理模块向识别模块发送识别信号,所述识别模块根据识别信号识别图像信息上的隐秘地点并向处理模块发送识别结果,当识别结果为未识别到隐秘地点时,所述处理模块修正该食物充沛的区域为不会触发危险源,当识别结果为识别到隐秘地点时,所述处理模块将该隐秘地点添加为危险源。
在另一实施方式中,若温湿度值适合干扰动物居住或者适合干扰动物繁殖,让处理模块再获取天气预报信息,并根据天气预报信息判断是否会产生水流似乎否产生水流的判断通过天气预报信息进行,比如,天气为小雨、晴时不会产生水流,当达到暴雨时才会产生水流,当判断会产生水流时,由处理模块更正危险源产生条件不会触发危险源,同时由处理模块在更正危险源产生条件后获取管网的分布图,并在分布图上进行风险标识。
在另一实施方式中,通过处理模块获取分布图后根据管网的分布密集性最大的位置进行风险标识。
通过在地下管网设置内采集单元采集温湿度值,以及在目标管网处的预设范围内以外采集单元采集图像信息,作为环境信息,并对环境信息进行实时处理、实时识别危险源产生条件是否会触发危险源,若是,则进行预警。实时从地下管网的内外环境进行信息采集,然后进行相应的预警,能够在外部因素引起管网损坏、故障前及时发现,以准确定位到管网的故障点。
以上所述的仅是本发明的实施例,方案中公知的具体结构及特性等常识在此未作过多描述。应当指出,对于本领域的技术人员来说,在不脱离本发明结构的前提下,还可以作出若干变形和改进,这些也应该视为本发明的保护范围,这些都不会影响本发明实施的效果和专利的实用性。本申请要求的保护范围应当以其权利要求的内容为准,说明书中的具体实施方式等记载可以用于解释权利要求的内容。
Claims (10)
1.用于城市地下管网的危险源识别系统,包括信息采集模块、处理模块、识别模块和预警模块,所述采集模块用于采集目标点管网的环境信息,并发送至处理模块;其特征在于:
所述采集模块包括多个采集地下管网处温湿度的内采集单元和多个采集目标管网处预设范围内图像信息的外采集单元,所述环境信息包括温湿度值和图像信息;
所述处理模块获取环境信息和目标管网处的管网分布图,并对环境信息进行初始化处理,将初始化处理后的环境信息发送至识别模块;
所述识别模块用于实时识别初始化处理后环境信息的危险源产生条件,并发送至处理模块,所述处理模块根据管网分布图判断危险源产生条件触发危险源的触发概率,所述处理模块根据触发概率向预警模块发送预警信息;
所述预警模块用于根据从处理模块获取的预警信息进行危险源预警。
2.根据权利要求1所述的用于城市地下管网的危险源识别系统,其特征在于:所述处理模块给温湿度值添加内标签作为初始化处理,所述处理模块给图像信息添加外标签作为初始化处理。
3.根据权利要求2所述的用于城市地下管网的危险源识别系统,其特征在于:所述识别模块先识别环境信息的标签信息,当标签信息为内标签时,所述识别模块识别温湿度值中位于适合干扰动物居住或繁殖的温湿度值,作为危险源产生条件发送至处理模块,所述处理模块先根据当前实时时间判断危险源产生条件的持续时长是否大于设定时长,当持续时长大于设定时长时,所述处理模块再判断危险源产生条件触发危险源的触发概率。
4.根据权利要求3所述的用于城市地下管网的危险源识别系统,其特征在于:所述触发概率的判断过程为:所述处理模块先根据温湿度值判断是适合干扰动物居住或者适合干扰动物繁殖,再识别管网分布图上管网的分布形态和分布数量,所述分布形态包括直线形态和弯曲形态;
当温湿度值适合干扰动物居住或繁殖、且分布形态为直线形态、且分布数量大于设定量时,判断触发概率为[50%,70%);
当温湿度值适合干扰动物居住或繁殖、且分布形态为直线形态、且分布数量小于设定量时,判断触发概率为[0,50%);
当温湿度值适合干扰动物居住或繁殖、且分布形态为弯曲形态、且分布数量大于设定量时,判断触发概率为[80%,100%];
当温湿度值适合干扰动物居住或繁殖、且分布形态为弯曲形态、且分布数量小于设定量时,判断触发概率为[70%,80%)。
5.根据权利要求3所述的用于城市地下管网的危险源识别系统,其特征在于:若温湿度值不适合干扰动物居住或者不适合干扰动物繁殖,所述处理模块向识别模块发送图像信息,所述识别模块识别到图像信息的外标签时识别图像信息中的建筑类型,作为危险源产生条件,所述处理模块根据建筑类型判断是否为食物充沛的区域,若是,所述处理模块判断危险源产生条件会触发危险源。
6.根据权利要求5所述的用于城市地下管网的危险源识别系统,其特征在于:当建筑类型判断为食物充沛的区域会触发危险源时,所述处理模块先判断建筑类型是否复合了办公区域,当建筑类型未复合办公区域时,所述处理模块将该食物充沛的区域添加为危险源,当建筑类型复合了办公区域时,所述处理模块向识别模块发送识别信号,所述识别模块根据识别信号识别图像信息上的隐秘地点并向处理模块发送识别结果,当识别结果为未识别到隐秘地点时,所述处理模块修正该食物充沛的区域为不会触发危险源,当识别结果为识别到隐秘地点时,所述处理模块将该隐秘地点添加为危险源。
7.根据权利要求5所述的用于城市地下管网的危险源识别系统,其特征在于:若温湿度值适合干扰动物居住或者适合干扰动物繁殖,所述处理模块再获取天气预报信息,并根据天气预报信息判断是否会产生水流,当判断会产生水流时,所述处理模块更正危险源产生条件不会触发危险源。
8.根据权利要求6所述的用于城市地下管网的危险源识别系统,其特征在于:当判断会产生水流时,所述处理模块在更正危险源产生条件后获取管网的分布图,并在分布图上进行风险标识。
9.根据权利要求8所述的用于城市地下管网的危险源识别系统,其特征在于:所述处理模块获取分布图后根据管网的分布密集性最大的位置进行风险标识。
10.用于城市地下管网的危险源识别方法,其特征在于,包括:
步骤1,对目标点管网处的温湿度值和预设范围内的图像信息进行采集,作为环境信息;
步骤2,对环境信息进行初始化处理,实时识别初始化处理后环境信息的危险源产生条件;
步骤3,判断危险源产生条件是否会触发危险源,当会触发危险源时,进行预警。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310489560.7A CN116523310B (zh) | 2023-04-28 | 2023-04-28 | 用于城市地下管网的危险源识别系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310489560.7A CN116523310B (zh) | 2023-04-28 | 2023-04-28 | 用于城市地下管网的危险源识别系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116523310A true CN116523310A (zh) | 2023-08-01 |
CN116523310B CN116523310B (zh) | 2023-11-14 |
Family
ID=87391667
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310489560.7A Active CN116523310B (zh) | 2023-04-28 | 2023-04-28 | 用于城市地下管网的危险源识别系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116523310B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003010348A (ja) * | 2001-06-29 | 2003-01-14 | Teruya:Kk | 地下又は建築構造物内における災害情報等の収集ネットワークシステム |
CN111626507A (zh) * | 2020-05-27 | 2020-09-04 | 西南石油大学 | 一种基于大数据智能化的地下管网危险源管控方法 |
CN112417273A (zh) * | 2020-11-17 | 2021-02-26 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN112633553A (zh) * | 2020-11-27 | 2021-04-09 | 合肥泽众城市智能科技有限公司 | 一种用于燃气管线-危化企业耦合隐患辨识与风险评估方法及系统 |
CN114386754A (zh) * | 2021-12-06 | 2022-04-22 | 深圳市燃气集团股份有限公司 | 一种燃气管道风险评估方法、装置、设备及存储介质 |
-
2023
- 2023-04-28 CN CN202310489560.7A patent/CN116523310B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2003010348A (ja) * | 2001-06-29 | 2003-01-14 | Teruya:Kk | 地下又は建築構造物内における災害情報等の収集ネットワークシステム |
CN111626507A (zh) * | 2020-05-27 | 2020-09-04 | 西南石油大学 | 一种基于大数据智能化的地下管网危险源管控方法 |
CN112417273A (zh) * | 2020-11-17 | 2021-02-26 | 平安科技(深圳)有限公司 | 区域画像图生成方法、装置、计算机设备及存储介质 |
CN112633553A (zh) * | 2020-11-27 | 2021-04-09 | 合肥泽众城市智能科技有限公司 | 一种用于燃气管线-危化企业耦合隐患辨识与风险评估方法及系统 |
CN114386754A (zh) * | 2021-12-06 | 2022-04-22 | 深圳市燃气集团股份有限公司 | 一种燃气管道风险评估方法、装置、设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN116523310B (zh) | 2023-11-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109344753A (zh) | 一种基于深度学习的航拍图像输电线路细小金具识别方法 | |
CN112684133B (zh) | 基于大数据平台的水质监测预警方法、系统及存储介质 | |
Abrahams et al. | Combining bioacoustics and occupancy modelling for improved monitoring of rare breeding bird populations | |
CN107064937A (zh) | 一种双线偏振雷达系统及强雨的测量方法 | |
CN108150836A (zh) | 基于光纤的油气管道泄漏监测预警系统 | |
CN115631421B (zh) | 耕地智慧保护方法及保护系统 | |
CN112798540A (zh) | 一种基于高分遥感的水体污染源预警系统 | |
CN115372571A (zh) | 一种水环境智能监测系统 | |
CN105894003A (zh) | 一种基于机器视觉的大田果树病害监测预警系统 | |
US20220329068A1 (en) | Utility Pole Hazardous Event Localization | |
CN116523310B (zh) | 用于城市地下管网的危险源识别系统及方法 | |
CN116866512A (zh) | 一种光伏电站巡检系统及其运行方法 | |
CN115984263A (zh) | 基于改进型孪生神经网络的螺栓松动检测算法及检测系统 | |
CN113593605B (zh) | 一种基于深度神经网络的工业音频故障监测系统和方法 | |
CN108180398B (zh) | 一种燃气管道防第三方破坏检测方法及检测系统 | |
CN112016739B (zh) | 故障检测方法、装置、电子设备及存储介质 | |
CN108765814A (zh) | 基于光纤传感的边境线周界防入侵报警系统及方法 | |
US20240055842A1 (en) | Dynamic Anomaly Localization of Utility Pole Wires | |
CN211529214U (zh) | 一种管线巡检装置 | |
CN116147632B (zh) | 新增电力设备动态巡检路径规划方法及其系统 | |
Evans | Applications of acoustic bird monitoring for the wind power industry | |
CN213634824U (zh) | 一种基于nb-lot网络的古树名木安全监测预警装置 | |
CN206223784U (zh) | 一种基于云平台的土壤多点多层温湿度在线监测装置 | |
CN115187880A (zh) | 基于图像识别的通信光缆缺陷检测方法、系统及存储介质 | |
CN112216387A (zh) | 基于云数据平台的复工复产管理方法及系统 |
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 |