深圳轨道交通十四号线施工安全管理系统研究

2021-12-24刘绥美

科学技术创新 2021年7期

刘绥美陈可

（中铁工程服务有限公司，四川成都610083）

1 概述

随着城市建设步伐的加快，轨道交通建设日趋发挥重大作用。城市轨道交通多采用地下工程形式，投资大、施工周期长、施工技术与环境条件复杂、不可预见风险及社会环境影响大[1]。轨道交通建设安全问题愈发突出，其中施工常见问题是安全施工管理中管理方法与认识存在偏差导致的[2]。且轨道交通建设的核心设备盾构机是集光、机、电、液、传感、信息技术于一体，在掘进施工的过程中，会产生大量的数据。由于数据庞大和场景复杂，采用人工监控、人工判断的方式，不可避免有忽略事故征兆、遗漏其他关联风险的情况。本文针对深圳轨道交通14 号线施工不安全行为监控场景，建立识别预警系统，为施工稳定性提供保障。

2 工程背景

深圳市城市轨道交通14 号线工程串联福田中心区、清水河、布吉、横岗、龙岗大运新城、坪山新区、坑梓、沙田等区域，覆盖深圳东部地区南北向交通需求走廊，是联系深圳中心区与东部组团的轨道交通快线，是支撑整个东部发展轴的轨道交通骨干线，是支持深圳东进战略实施的重要交通保障。本文以坑梓站～沙田站区间为背景，区间隧道纵坡自坑梓站以24.864‰下坡然后以11‰上坡接着以5.183‰下坡到沙田站，最小纵坡为5.183‰，最大纵坡为24.864‰，隧道埋深约8.0-25.7m，采用盾构法施工。

3 系统建设方案

由于地铁施工位于封闭隧道内，无线信号受损，有线网络架设存在困难，将视频汇总至数据中心处理方式并不适用。采用边缘计算可实现低延迟智能判断，自主研制边缘计算硬件承载人工智能图像识别模型可离线运行、自主判断，降低传输视频对网络带宽的要求，节约视频存储硬件开销。系统首先以部署在地铁施工区域内的边缘计算端自主处理视频，再将施工行为监控结果以结构化形式返回云端, 作为后续数据挖掘系统升级的依据，并在现场实时预警。

3.1 关键技术方案

第一步：视频选帧&格式转换。根据场景、需求、性能三方面综合考虑，设计合理的视频选帧间隔，将截取的单帧图片转化为模型可处理的JPG 格式的图片。

第二步：行人检测。对格式转换后的图片进行图片预处理工作，去除图片中的部分噪声干扰并保证训练与推断的数据预处理操作一致。而后输入到行人检测模型中以判断是否检测到行人。若没有检测到行人，则直接返回。若检测到行人，进行下一阶段识别。

第三步：图片分割。根据行人检测结果将图片进行识别前的预处理操作，此步骤目的与行人检测预处理操作的目的性一致。

第四步：图像识别。根据识别结果，判断是否符合报警条件，若符合，则报警。如识别到工作人员未穿着工作服，则向系统返回报警结果。

检测流程如下图1 所示：

3.2 识别算法

传统目标检测是通过构建特征描述子提取特征后利用分类器对特征进行分类实现目标检测[3]。2016 年Liu W 等提出SSD（Single Shot MultiBox Detector）算法[4]。SSD 算法是深度学习One-Stage 算法的一种，能够直接输出物体的类别概率和位置坐标值，均匀地在图片多个层数的特征图上进行密集抽样，然后利用CNN 提取特征进而进行分类与回归，经过单次检测即可直接得到最终的检测结果，具有快速检测特性。本系统选用SSD作为目标检测识别方式，步骤如下：

第一步：将输入图片经过卷积神经网络（CNN）提取特征，并生成feature map。

第二步：抽取其中六层的feature map，然后再feature map的每个点上生成default box（各层的个数不同，但每个点都有）。

第三步：利用NMS（极大值抑制）筛选default box 集合，并输出。