可视化决策的高速公路养护安全智慧管控方法及系统与流程
本发明涉及高速公路养护安全管控,更具体地说,本发明涉及可视化决策的高速公路养护安全智慧管控方法及系统。
背景技术:
1、高速公路养护作业区是交通事故的高发区域,传统养护安全管控主要依赖人工巡查、静态围蔽和分散的应急资源,近年来,部分路段尝试引入视频监控、雷达检测或无人机巡检等单一感知技术,并借助二维gis地图进行可视化展示,在一定程度上提升了感知能力,然而,这些技术彼此独立运行,数据格式不统一、信息无法共享,形成了典型的“数据孤岛”。
2、现有技术存在以下突出问题:一是感知手段碎片化,单一传感器在雨雪雾、夜间等工况下失效或精度骤降,无法形成统一的全息感知底座;二是养护决策严重依赖经验,缺乏对多源数据的综合分析能力,无法根据实时交通流、气象和病害状态动态生成安全管控方案;三是安全管控被动滞后,作业区仍以静态围蔽为主,对闯入车辆无法主动预警和分级干预,事故发生后才能响应。上述问题导致高速公路养护作业区事故率居高不下,亟需一种能够实现感知融合、智能决策和主动防控的解决方案。
技术实现思路
1、为了克服现有技术的上述缺陷,本发明提供可视化决策的高速公路养护安全智慧管控方法及系统。
2、为实现上述目的,本发明提供如下技术方案:可视化决策的高速公路养护安全智慧管控方法,包括以下步骤:
3、步骤一、空地协同感知与融合:通过车端摄像头、路侧雷达、无人机多光谱传感器及卫星接收器进行空地协同采集,获取养护路段的多模态感知数据;利用跨模态注意力机制对所述多模态感知数据进行时空对齐,并按传感器实时置信度加权融合,生成全息感知数据底座;
4、步骤二、孪生建模与实时映射:根据所述全息感知数据底座构建包含路面几何结构、交通标识及养护作业区边界的三维网格模型;将交通流速度、设施裂缝指数、作业区锥桶位置及安全事件标签实时映射至所述三维网格模型中,形成动态更新的数字孪生场景;
5、步骤三、双脑协同决策生成指令:将所述全息感知数据底座并行输入专用小模型和通用大模型;所述专用小模型采用轻量级神经网络输出毫秒级的安全预警信号及未来5-15分钟的交通流预测值;所述通用大模型接收所述全息感知数据底座和所述专用小模型输出的预测值,调用预存的历史事故案例库与养护规范知识库,生成包含养护工艺类型、作业区布设图纸、应急资源清单和调度优先级的结构化决策指令;
6、步骤四、指令校验与执行防护:解析所述结构化决策指令中的作业区布设图纸,与所述数字孪生场景中的实时作业区边界进行比对校验;根据校验后的边界坐标,向布设在养护作业区的智能锥形桶阵列和防撞缓冲车分别发出分级预警阈值和防闯入触发指令;
7、步骤五、状态反馈与参数更新:采集所述智能锥形桶阵列和防撞缓冲车执行预警与防护操作后的状态反馈数据,将所述状态反馈数据回写至所述三维网格模型覆盖对应坐标区域,同时将所述状态反馈数据与所述结构化决策指令中的预测效果指标进行比较,计算偏差量,利用所述偏差量更新所述通用大模型中的策略匹配参数。
8、一种可视化决策的高速公路养护安全智慧管控系统,包括:
9、多源异构数据融合感知模块,其输入端通过数据总线分别连接车端摄像头、路侧雷达、无人机多光谱传感器及卫星接收器,所述多源异构数据融合感知模块内部设有跨模态注意力计算单元和置信度加权融合单元,所述跨模态注意力计算单元输出时空对齐后的多模态特征图,所述置信度加权融合单元的输出端作为所述多源异构数据融合感知模块的输出端,输出全息感知数据底座;
10、数字孪生可视化模块,其输入端连接至所述多源异构数据融合感知模块的输出端,所述数字孪生可视化模块内部包含三维网格构建单元和实时映射引擎;所述三维网格构建单元根据所述全息感知数据底座生成养护路段的三维网格模型,所述实时映射引擎将所述全息感知数据底座中的交通流速度、设施裂缝指数、作业区锥桶位置及安全事件标签写入所述三维网格模型的对应体素单元;所述数字孪生可视化模块的第一输出端为三维渲染输出端口,第二输出端为作业区边界坐标输出端口;
11、ai双脑协同决策模块,包含专用小模型计算板和通用大模型服务器;所述专用小模型计算板的输入端连接至所述多源异构数据融合感知模块的输出端,所述专用小模型计算板的输出端输出安全预警电平和交通流预测向量;所述通用大模型服务器的第一输入端连接至所述多源异构数据融合感知模块的输出端,第二输入端连接至所述专用小模型计算板的输出端,所述通用大模型服务器的输出端输出结构化决策指令包,所述结构化决策指令包内包含养护工艺编码、作业区布设坐标集、应急资源编码列表及调度优先级数值;
12、养护作业区动态安全防控模块,其第一输入端连接至所述ai双脑协同决策模块的输出端,其第二输入端连接至所述数字孪生可视化模块的第二输出端;所述养护作业区动态安全防控模块内部包含指令解析器和物联网设备驱动阵列;所述指令解析器从所述结构化决策指令包中提取作业区布设坐标集和分级预警阈值,并与所述数字孪生可视化模块提供的实时边界坐标进行异或比对,当坐标偏差超过预设容忍值时生成校正指令;所述物联网设备驱动阵列的输出端通过无线通信链路分别连接智能锥形桶阵列的接收端和防撞缓冲车的控制端;所述养护作业区动态安全防控模块的反馈输入端接收所述智能锥形桶阵列和防撞缓冲车返回的状态码,所述养护作业区动态安全防控模块的反馈输出端分别连接至所述数字孪生可视化模块的反馈输入端和所述通用大模型服务器的反馈输入端。
13、作为本发明技术方案的进一步改进,所述多源异构数据融合感知模块还包括工况自适应置信度评估电路,所述工况自适应置信度评估电路的输入端连接至雨量传感器、光照传感器及能见度传感器,其输出端输出各感知数据源的动态置信度系数至所述置信度加权融合单元;所述多模态感知数据至少包括:车载摄像头视频流、路侧雷达点云数据、无人机多光谱图像以及卫星遥感影像。
14、作为本发明技术方案的进一步改进,所述物联网设备驱动阵列的输出端连接的设备包括:
15、多个智能锥形桶,每个智能锥形桶内嵌有uwb定位模块和lora通信模块,所述uwb定位模块的输出端连接至所述lora通信模块的输入端,所述lora通信模块的接收端作为所述智能锥形桶阵列的接收端;
16、至少一台防撞缓冲车,其尾部固定有led阵列显示屏,所述防撞缓冲车内集成有毫米波雷达和视觉传感器,所述毫米波雷达和视觉传感器的输出端连接至车载控制器,所述车载控制器的通信端作为所述防撞缓冲车的控制端;
17、所述养护作业区动态安全防控模块内部还设有三级预警逻辑电路:第一级比较器的输入端连接第一距离阈值寄存器,其输出端通过无线链路连接至所述led阵列显示屏的驱动端;第二级比较器的输入端连接第二距离阈值寄存器,其输出端连接至声光报警器的触发端;第三级比较器的输入端连接作业区边界坐标寄存器,其输出端连接至所述通用大模型服务器的中断输入端。
18、作为本发明技术方案的进一步改进,所述通用大模型服务器内部包含案例检索引擎和偏差计算单元;所述案例检索引擎的输入端连接至历史事故数据库,所述历史事故数据库按路段属性、气象标签、流量等级建立索引;所述案例检索引擎的输出端连接至策略生成器,所述策略生成器输出安全管控预案编码;所述偏差计算单元的第一输入端连接至所述养护作业区动态安全防控模块的反馈输出端,第二输入端连接至所述策略生成器的预测效果寄存器,所述偏差计算单元的输出端连接至所述通用大模型服务器的参数更新端口。
19、作为本发明技术方案的进一步改进,还包括养护资源动态调度模块,所述养护资源动态调度模块的输入端通过串行总线连接至所述ai双脑协同决策模块的输出端,所述养护资源动态调度模块的输出端通过无线网关连接至养护人员手持终端、养护设备车载终端及应急物资仓库的条码扫描器;所述养护资源动态调度模块内部包含资源数字化建模单元和多目标优化求解器;所述资源数字化建模单元将养护人员、养护设备、安全设施和应急物资编码为带状态字段的对象数组;所述多目标优化求解器以养护成本数值、事故风险指数和通行效率系数为优化目标,输出资源调配指令队列。
20、作为本发明技术方案的进一步改进,所述数字孪生可视化模块还配置有三层自适应界面渲染器:
21、第一渲染器,其输出端连接至管理层大屏,输出全路网养护资产健康态势的热力图层和养护预算执行进度的柱状图叠层;
22、第二渲染器,其输出端连接至运营层工作站,输出各养护作业区实时安全状态的颜色标签层、养护任务完成率的进度条层及人员设备负荷率的圆环图层的复合画面;
23、第三渲染器,其输出端通过移动通信基站连接至执行层用户的平板终端,以卡片式视图输出当前作业区安全态势的图标阵列、工单执行进度的步骤勾选框及下一任务指令的文本区;
24、所述第一渲染器、第二渲染器、第三渲染器之间设有跨屏同步缓存区,所述跨屏同步缓存区将指挥中心标注框的坐标和指令文本实时推送至所述第三渲染器的输入端。
25、作为本发明技术方案的进一步改进,所述ai双脑协同决策模块还包括路段分层策略生成单元,所述路段分层策略生成单元的控制输入端连接至所述多源异构数据融合感知模块的输出端,所述路段分层策略生成单元的输出端连接至所述通用大模型服务器的策略输入端;所述路段分层策略生成单元内部包含网格划分寄存器、多维特征张量累加器和状态编码查找表;所述网格划分寄存器按500米间距输出网格坐标;所述多维特征张量累加器在每一个网格坐标上累加历史养护数据、交通荷载数据、气象环境数据和历史事故数据,输出特征张量;所述状态编码查找表以所述特征张量为索引输出状态编码,所述状态编码作为所述通用大模型服务器的策略输入条件。
26、作为本发明技术方案的进一步改进,所述专用小模型计算板包括:
27、交通流预测子板,其内部固化有lstm或transformer架构的权值矩阵,所述交通流预测子板的输入端连接至所述全息感知数据底座中的车流量时间序列,其输出端输出未来5-15分钟每一分钟的车流量预测值;
28、病害识别子板,其内部固化有yolo或轻量级目标检测网络的卷积核参数,所述病害识别子板的输入端连接至车载摄像头视频流的解码芯片,其输出端输出病害类型编码、病害像素坐标和裂缝宽度等级;
29、安全风险识别子板,其内部固化有时序行为检测网络的循环层权值,所述安全风险识别子板的输入端连接至路侧雷达的点云流处理芯片,其输出端输出车辆违规变道标志、超速逼近标志和人员越界标志;
30、所述安全风险识别子板的输出端同时连接至所述养护作业区动态安全防控模块的中断输入端和所述通用大模型服务器的上下文输入端。
31、一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现可视化决策的高速公路养护安全智慧管控方法的步骤。
32、本发明的有益效果:
33、1、通过车、路、空、天四位一体的多源异构数据融合与跨模态注意力对齐,解决了单一传感器在复杂工况下感知覆盖率低、精度不足的问题,实现全天候、全场景的高精度感知;
34、2、采用“专用小模型+通用大模型”双脑协同架构,小模型提供毫秒级实时安全预警,大模型生成考虑多维约束的结构化养护方案,兼顾了响应速度与决策准确性;
35、3、将物联网化的智能锥形桶、防撞缓冲车等传统安全设施升级为主动感知与执行终端,构建了基于实时边界比对的三级分级预警与防闯入机制,显著降低养护作业区事故率;
36、4、通过数字孪生技术实现虚实融合的动态可视化,并形成“感知→孪生→决策→执行→反馈”的完整数据闭环,持续优化决策模型参数,实现了从被动监控到主动闭环管控的质变;且结合多目标优化算法对养护资源进行全要素数字化调度,降低了养护成本,提高了通行效率。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com