一种隧道火灾动态风险即时告警与超前预报方法及系统

本发明涉及隧道安全监控与智能预警，具体是一种隧道火灾动态风险即时告警与超前预报方法及系统。

背景技术：

1、公路隧道具有空间封闭、纵向跨度大、横向疏散通道有限和烟气易沿纵向扩散等特点，一旦隧道内车辆起火，火焰与烟气将快速扩散，短时间内严重威胁通行安全与人员疏散安全；现有公路隧道虽普遍布设各类感知传感设备，但大多仅能在火情显现后，采用固定阈值报警机制，根据烟雾和温度等指标达到设定阈值时触发报警，以火情发生后的阈值触发与事后联动处置为主，难以实现火灾潜在风险的提前预警，无法利用连续时序监测数据研判区段起火风险，缺少火灾前置干预手段。

技术实现思路

1、本发明的目的在于提供一种隧道火灾动态风险即时告警与超前预报方法及系统，以解决现有技术中提出的问题。

2、为解决上述技术问题，本发明提供如下技术方案：

3、一种隧道火灾动态风险即时告警与超前预报方法，包括以下步骤：

4、建立待分析隧道空间模型，将隧道沿纵向划分为若干评估区间；

5、在隧道沿线布设多类感知设备，利用视频监控设备识别隧道内通行车辆类型，并实时采集车辆行驶速度以及与前方车辆间距，将车辆监测数据归集至对应评估区间，计算评估区间对应的区间车辆风险值；

6、基于湿度传感器与视频监控设备开展隧道路面状态监测，分别检测路面湿度并识别路面损伤状况，综合计算得到评估区间对应的区间路面风险值；

7、将每个评估区间的区间车辆风险值和区间路面风险值相乘，得到每个评估区间的综合火灾风险指数，基于隧道内的安全出口，设定每个评估区间的危险权重，对综合火灾风险指数加权后求和，计算全隧道火灾风险指数；

8、按照固定时间步长采样并存储各时刻的全隧道火灾风险指数，构建时间序列动态风险趋势分析模型，预测得到未来时刻的全隧道预测风险指数，基于全隧道预测风险指数输出火灾风险预报告警信息。

9、进一步的，计算评估区间对应的区间车辆风险值，包括：

10、利用隧道内布设的雷达传感器和监控设备，捕捉评估区间j内的车辆i在时刻t的行驶速度vi，以及该车辆车头与同一车道前方最近车辆之间的间距di，将间距di除以行驶速度vi，得到车辆i的车头触碰到前方车辆的最小时距ti；

11、在本方案中，先对雷达传感器与监控设备进行时钟同步与空间坐标标定，然后毫米波雷达探测车道内车辆目标位置与运动状态，通过视频监控识别车辆并划分所属车道，通过目标关联匹配实现两类感知信息融合，然后对于车辆i，根据毫米波雷达得到其在时刻t的行驶速度vi，根据监控设备识别车辆i的同一车道前方最近车辆，并得到两车间距di；

12、根据行驶速度vi和最小时距ti，确定速度异常值和时距异常值；

13、利用隧道历史交通事故样本训练模型，求解得到速度异常权重和时距异常权重，采用速度异常权重对速度异常值进行加权处理，采用时距异常权重对时距异常值进行加权处理，将两次加权处理的结果求和，将该求和结果乘以最大行驶状态放大幅度后再加上1，得到车辆i在时刻t的行驶异常系数；

14、根据历史交通事故样本，确定各车型的车型基础风险系数，将车辆i的车型基础风险系数与行驶异常系数相乘，得到车辆i的车辆风险系数，将评估区间j内所有车辆的车辆风险系数求平均值，得到评估区间j的区间车辆风险值。

15、进一步的，确定速度异常值和时距异常值，包括：

16、获取系统设置的隧道限速速度vlim和临界超速增量δv，若车辆行驶速度未超过隧道限速速度，将速度异常值设为0，若超过隧道限速速度，但未超过隧道限速速度和临界超速增量之和，得到速度异常值(vi-vlim)/δv，若超过隧道限速速度和临界超速增量之和，将速度异常值设为1；

17、δv为临界超速增量，指的是车辆行驶速度超出隧道限速速度后，行车风险显著升高对应的速度裕量；

18、获取系统设置的危险时距阈值tlim，若最小时距超过危险时距阈值，将时距异常值设为0，若最小时距未超过危险时距阈值，得到时距异常值(tlim-ti)/tlim。

19、危险时距阈值tlim为车辆遭遇突发状况实现安全避让所需的最小车头时距，当车辆的最小时距超过危险时距阈值tlim，判定车辆跟车状态安全，将时距异常值设为0，若最小时距未超过危险时距阈值时，判定车辆跟车存在一定危险性，而最小时距越小，表征追尾碰撞风险越高，因此最小时距未超过危险时距阈值时，得到时距异常值(tlim-ti)/tlim。

20、进一步的，求解得到速度异常权重和时距异常权重，包括：

21、采集隧道中同一车道内前后车辆相撞的交通事故样本，通过监控画面和雷达传感器，提取事故发生之前后方车辆的行驶速度以及两车间距，同步采集隧道内正常通行未发生险情的车流数据作为负样本，基于行驶速度和两车间距分别计算速度异常值δspeed和时距异常值δspacing，以车辆是否发生交通事故作为二分类标签，构建逻辑回归模型：logit(p)=b0+bv×δspeed+bs×δspacing，采用极大似然估计求解得到模型截距b0、车速偏差特征回归系数bv和时距偏差特征回归系数bs，计算速度异常权重k1=|bv|/(|bv|+|bs|)和时距异常权重k2=|bs|/(|bv|+|bs|)，其中k1+k2=1。

22、进一步的，确定各车型的车型基础风险系数，包括：

23、统计历史交通事故中车型q对应的车辆乘员数量，求取平均值得到车型q平均乘员数量，对平均乘员数量开展归一化处理，得到车型q的人员危险值；

24、统计车型q历史通行记录中各类货物的运输概率，调取系统预设的各类货物对应的危险指标值，将每一类货物的运输概率与对应危险指标值相乘后累加求和，得到车型q的货物危险值；

25、预设人员危险权重和货物危险权重，采用人员危险权重对人员危险值进行加权处理，采用货物危险权重对货物危险值进行加权处理，将两次加权处理的结果求和，将该求和结果作为所述车型q的车型基础风险系数，以此类推，得到每一种车型对应的车型基础风险系数。

26、进一步的，得到评估区间对应的区间路面风险值，包括：

27、获取评估区间j的隧道路面，在隧道内部署湿度传感器，采集时刻t的传感器数值，对传感器数值进行归一化处理，得到评估区间j的传感湿滑指数；

28、获取监控设备录制的监控画面，提取监控画面中的路面区域图像，划分路面区域图像中的干燥路面、湿润路面和水坑路面，构建像素级语义分割神经网络并完成模型训练，采集时刻t的监控画面，输入训练完成的神经网络模型，分割得到监控画面中的路面区域、干燥路面、湿润路面和水坑路面；

29、统计评估区间j内的路面区域总面积，以湿润路面与水坑路面总面积之和，除以路面区域总面积，得到评估区间j的视觉湿滑指数；

30、预设传感湿滑权值和视觉湿滑权值，采用传感湿滑权值对传感湿滑指数进行加权处理，采用视觉湿滑权值对视觉湿滑指数进行加权处理，将两次加权处理的结果求和，将该求和结果加上1就得到评估区间j的路面湿滑程度；将路面湿滑程度与预先设置的评估区间j的路面损伤指数相乘，得到评估区间j的区间路面风险值。

31、进一步的，设定每个评估区间的危险权重，包括：获取隧道中的所有安全出口位置，计算各评估区间中心位置至最近安全出口的纵向距离，依据距离越近危险权重越小，距离越远危险权重越大，并且所有评估区间的危险权重之和为1的规则，设置每个评估区间的危险权重。

32、一种隧道火灾动态风险即时告警与超前预报系统，包括存储器和处理器以及存储在存储器中并在处理器上运行的计算机程序，处理器与存储器相耦合，处理器在执行计算机程序时实现上述的一种隧道火灾动态风险即时告警与超前预报方法。

33、与现有技术相比，本发明的有益效果是：本发明提供了一种隧道火灾动态风险即时告警与超前预报方法及系统，包括：将隧道划分为若干评估区间，识别隧道内通行车辆类型，实时采集车辆行驶速度以及与前方车辆间距，计算评估区间的区间车辆风险值；检测路面湿度并识别路面损伤状况，计算得到评估区间的区间路面风险值；得到每个评估区间的综合火灾风险指数，计算全隧道火灾风险指数；构建时间序列动态风险趋势分析模型，预测得到未来时刻的全隧道预测风险指数，输出火灾风险预报告警信息。本发明通过综合车辆和路面风险分析，实现早期精准预警，弥补了传统系统预警滞后的缺陷，显著提升了火灾风险评估的可靠性，确保隧道的实时安全态势；实现多维度精细化风险评估，显著提升评估精度，差异化车辆风险识别，能有效应对高危车辆，对于隧道公路来说，超前预报能力强，能提供充足预处置时间，为隧道管理人员提供充足的超前处置时间窗口，有效弥补了传统系统预警滞后的缺陷能耗。