[0001] 本发明涉及铁路基础设施状态监测及形变评估技术领域，尤其涉及一种基于模数驱动轴面协同理论的铁路基础设施形变评估方法。

[0002] 铁路在运营过程中面临着多种复杂地质、气候、自然环境考验，且列车行驶产生的振动载荷对路基、桥梁等基础设施影响严重，由此引发的路基沉降、形变将对铁路运营安全带来极大影响。

[0003] 现有监测手段：(1)借助光学遥感卫星对铁路边坡等附近地质不稳定区域进行灾害监测；(2)借助无人机、激光点云设备等实现桥梁、隧道的裂纹识别进而实现形变预警；(3)借助北斗导航卫星等对铁路基础设施进行全天候毫米级连续自动化监测。

[0004] 但是现有技术中的上述方案，均未对监测数据进行统计特征分析，仅仅通过设置系统阈值在发生形变后再进行报警，属于被动风险管控。

[0052] 智能高铁建设运营是一个多专业关联交叉的复杂系统，依托先进的智能技术与分析工具，推动横向时间维度上勘察、设计、施工、试验验收、运维等各环节数据共享和有效衔接，纵向推动高铁各专业系统、旅客服务、环境因素协调互动，体现为全生命周期理念管理之下“模数驱动、轴面协同”的系统模型架构。

[0053] “模数驱动”，强调运用BIM等先进智能技术实现高铁设计、施工、运营全生命周期数据贯通，通过规范BIM存储结构、语义定义、信息传递和开放式数据存储，实现模型数据一体化，为数据全过程无损传输、强化高铁建设运营管理系统内部要素信息交互、推动系统整体功能大幅提升提供基础。

[0054] “轴面协同”，以高铁“全生命周期管理”为“轴”，强调运用贯穿于智能高铁全资产、全产业链和全生命周期的智能化技术，构建基于全生命周期的铁路建设运营管理新模式，通过不同业务领域、面向高铁全生命周期不同阶段信息系统的集成融合，推进不同阶段工作任务的无缝衔接；以“高铁全要素”为“面”，强调在全生命周期静态时间截面上，基于信息流的不同专业、高铁旅客、高铁环境等各要素的高效互动，通过建立匹配的组织结构，充分利用智能技术特点优势，有效协同不同专业、不同领域相关要素，推动资源合理规划配置，避免铁路建设运营各专业、各领域之间产生信息断层及信启、孤岛。

[0055] 铁路在运营过程中面临着多种复杂地质、气候、自然环境考验，且列车行驶产生的振动载荷对路基、桥梁等基础设施影响严重，由此引发的路基沉降、形变将对铁路运营安全带来极大影响，因此通过挖掘形变监测数据演化规律、捕捉蠕动变形阶段风险信息，并融合模数驱动轴面协同理论，进而建立铁路基础设施稳定性多维评估模型对于实现铁路的智能运营具有重要意义。

[0056] 现有监测手段：(1)借助光学遥感卫星对铁路边坡等附近地质不稳定区域进行灾害监测；(2)借助无人机、激光点云设备等实现桥梁、隧道的裂纹识别进而实现形变预警；(3)借助北斗导航卫星等对铁路基础设施进行全天候毫米级连续自动化监测。

[0057] 现有技术中的方案存在以下技术问题：(1)监测手段问题。上述方法虽然能识别铁路基础设施形变情况，但仅能对表面裂纹进行识别而对路基沉降等整体性形变等不能进行有效甄别，此外基于遥感卫星的形变监测还具有监测周期长、数据更新慢，难以捕捉到微小形变，以及无法对铁路基础设施形体突变进行及时预警等突出问题。(2)评估方法问题。由于监测设备布设在铁路沿线，监测数据会呈现出尖峰、重尾、偏态、双峰等典型特征，存在着长期趋势与记忆特征，而传统方法在设计过程时未考虑融合能够反映铁路基础设施这种典型特征的参数或单元结构。(3)设计理念问题。基于模数驱动轴面协同理论，铁路基础设施的形变变化应体现在以时间维度为主线的“时间轴”和以不同时间截面上的外部环境、业务要素的“要素面”。但是传统评估方法仅考虑时间维度的形变量，未综合考虑外部环境等其他因素。最终，现有技术中的上述方案，均存在对铁路基础设施形变评估结果不够精准的技术问题。

[0058] 基于上述技术问题，本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法，通过融合模数驱动轴面协同理论，在构建评估指标时综合铁路外部环境数据、建造运营阶段等业务数据，使纯理论的数据分析与铁路业务深度融合，分析评估结果更精准，能够为铁路安全管理部门提供更加专业的辅助决策支撑。

[0059] 为使本发明的目的、技术方案和优点更加清楚，下面将结合本发明中的附图，对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

[0060] 图1是本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法的流程示意图，如图1所示，本发明提供一种基于模数驱动轴面协同理论的铁路基础设施形变评估方法，所述方法包括：

[0061] 步骤101、采集以模数驱动轴面协同理论的时间轴为主线的形变监测数据，和以模数驱动轴面协同理论的要素面为主线的铁路外部环境数据和铁路业务数据；

[0062] 步骤102、基于所述形变监测数据、所述铁路外部环境数据和所述铁路业务数据综合分析，确定铁路基础设施形变评估等级。

[0063] 具体地，图2是本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估装置的结构示意图之一，如图2所示，数据采集模块用于现场数据采集，包含形变监测数据、铁路外部环境数据和铁路业务数据。

[0064] 其中，铁路外部环境数据可以包括降雨、风速等数据。铁路业务数据包括建造阶段台账信息、经验阈值等。

[0065] 铁路基础设施包括铁路桥梁、铁路隧道、铁路边坡和铁路路基等。

[0066] 在一些实施例中，所述方法还包括：

[0067] 对采集到的形变监测数据进行预处理，所述预处理包括以下处理方式中的一种或多种：

[0068] 异常值剔除；

[0069] 缺失值补全；

[0070] 小波去噪。

[0071] 具体地，如图2所示，本发明实施例中，数据预处理模块用于对采集的监测数据进行预处理，包含异常值剔除、缺失值补全、小波去噪等中的一种或多种。

[0072] 本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法，通过融合模数驱动轴面协同理论，在构建评估指标时综合铁路外部环境数据、建造运营阶段等业务数据，使纯理论的数据分析与铁路业务深度融合，分析评估结果更精准，能够为铁路安全管理部门提供更加专业的辅助决策支撑。

[0073] 在一些实施例中，基于所述形变监测数据、所述铁路外部环境数据和所述铁路业务数据综合分析，确定铁路基础设施形变评估等级，包括：

[0074] 分别对所述形变监测数据和所述铁路外部环境数据进行分析，得到分析结果；

[0075] 基于所述分析结果和所述铁路业务数据，确定所述铁路基础设施形变评估等级。

[0076] 在一些实施例中，分别对所述形变监测数据和所述铁路外部环境数据进行分析，得到分析结果，包括：

[0077] 利用阿尔法稳定分布对所述形变监测数据进行概率密度分布拟合，得到特征指数的取值；

[0078] 利用重标极差法计算所述形变监测数据的赫斯特指数；

[0079] 利用多重分形去除趋势波动分析算法计算所述形变监测数据的广义赫斯特指数；

[0080] 利用专家数据库计算铁路外部环境对铁路基础设施状态的影响程度。

[0081] 具体地，图3是本发明提供的数据分析流程示意图，如图3所示，本发明实施例中，数据分析模块用于对形变监测数据进行分析，主要利用分数阶等理论对不同类型不同类别的监测数据进行特征提取，得到的参数用于状态评估。

[0082] 具体包括统计特性分析、长程相关特性分析、多重分形特性分析和降雨风速等气象融合分析。

[0083] 其中，统计特性分析主要是利用阿尔法稳定分布对监测数据进行概率密度分布拟合，所得参数取值范围为0到2，参数范围决定数据尖峰重尾程度，进而确定其整体分布情况。

[0084] 长程相关特性分析主要是利用重标极差法计算赫斯特指数，所得参数取值范围为0到1，参数范围决定数据未来变化趋势和过去变化趋势相关程度。

[0085] 多重分形特性分析主要是利用多重分形去除趋势波动分析算法计算广义赫斯特指数，所得广义赫斯特指数的极差取值范围为0到正无穷，参数范围决定数据在特定时间尺度下的稳定性情况。

[0086] 降雨气象融合分析则是主要利用专家库计算气象数据影响程度，所得参数取值范围从强到弱共分为五个等级。

[0087] 在一些实施例中，分别对所述形变监测数据和所述铁路外部环境数据进行分析的过程中保持时间维度统一。

[0088] 具体地，本发明实施例中，数据分析模块在构建过程中最重要的一点就是要保证时间维度统一，以实现在同一时间尺度下综合考量、综合分析铁路领域各业务数据。

[0089] 本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法，通过利用分数阶分析方法，在选取评估参数时考虑长期趋势特征和长期记忆特征，并综合统计分析结果、外部数据分析结果，使得系统评估参数更可靠更具有稳健性，通过对监测数据的多维多粒度分析，能够全面精准反映铁路基础设施形变状态。

[0090] 在一些实施例中，基于所述分析结果和所述铁路业务数据，确定所述铁路基础设施形变评估等级，包括：

[0091] 对所述分析结果进行状态评估，得到状态评估结果；

[0092] 基于所述状态评估结果和所述铁路业务数据，确定所述铁路基础设施形变评估等级。

[0093] 在一些实施例中，对所述分析结果进行状态评估，得到状态评估结果，包括：

[0094] 对所述分析结果进行离线调参，得到最佳参数；

[0095] 基于所述最佳参数进行在线评估，得到状态评估结果。

[0096] 具体地，图4是本发明提供的状态评估模块的结构示意图，如图4所示，本发明实施例中，状态评估模块用于将数据分析模块中不同类别的监测数据进行汇总并赋予不同权重，该模块分为离线调参和在线评估两部分。对于离线调参部分：首先对数据分析模块所得到的四个参数赋予初始权重，然后根据先验知识并结合神经网络算法不断进行寻优迭代，进而找到最佳参数。对于在线评估部分：将得到的状态数据作为输入，然后进入到不同的参数模块进行计算，最后输出最后的结果，输出结果进入到等级划分模块进行风险等级划分。

[0097] 本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法，通过离线调参与在线评估的巧妙设计，可实现不同参数指标的动态更新优化，使得本方案提出的评估系统更加具有可持续性，同时也能对铁路铁路设施形变状态进行实时精准评估。

[0098] 在一些实施例中，所述铁路基础设施形变评估等级包括状态正常、低风险隐患、中风险隐患和高风险隐患。

[0099] 在一些实施例中，所述方法还包括：

[0100] 展示铁路基础设施形变评估过程中的相关信息。

[0101] 在一些实施例中，展示的铁路基础设施形变评估过程中的相关信息包括以下信息中的一种或多种：

[0102] 铁路基础设施形变评估等级结果；

[0103] 采集到的以模数驱动轴面协同理论的时间轴为主线的形变监测数据，和以模数驱动轴面协同理论的要素面为主线的铁路外部环境数据和铁路业务数据；

[0104] 分别对所述形变监测数据和所述铁路外部环境数据进行分析，得到的分析结果；

[0105] 每一种铁路基础设施形变评估等级结果对应的应急方案。

[0106] 具体地，图5是本发明提供的等级划分模块的结构示意图，如图5所示，本发明实施例中，等级划分模块是将状态评估模块的汇总结果进行等级划分，给出最终的铁路基础设施形变评估结果，该模块包含两部分，即评定等级设置和界面展示。对于评估等级设置：具体包含状态正常、低风险隐患、中风险隐患、高风险隐患四个等级，该等级划分是根据状态评估模块的结果，并结合铁路基础设施先验知识，融合智能铁路轴面协同理论，将铁路建造阶段和运营阶段多业务数据综合分析而得，如建造阶段台账信息、经验阈值等。对于界面展示：具体包含评估结果展示、现场数据展示、分析结果展示、应急方案展示，在终端界面展示上给出实测数据、本方案分析结果、应急方案等，从而为铁路应急管理部门提供辅助决策支撑。

[0107] 下面对本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估装置进行描述，下文描述的基于模数驱动轴面协同理论的铁路基础设施形变评估装置与上文描述的基于模数驱动轴面协同理论的铁路基础设施形变评估方法可相互对应参照。

[0108] 图6是本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估装置的结构示意图之二，如图6所示，本发明提供的基于模数驱动轴面协同理论的铁路基础设施形变评估装置，包括：

[0109] 采集模块601用于采集以模数驱动轴面协同理论的时间轴为主线的形变监测数据，和以模数驱动轴面协同理论的要素面为主线的铁路外部环境数据和铁路业务数据；确定模块602用于基于所述形变监测数据、所述铁路外部环境数据和所述铁路业务数据综合分析，确定铁路基础设施形变评估等级。

[0110] 具体地，确定模块可以包括数据预处理模块、数据分析模块、状态评估模块和等级划分模块。

[0111] 其中，数据采集模块用于现场数据采集，包含形变监测数据和降雨、风速外部环境数据；数据预处理模块用于对采集的监测数据进行预处理，包含异常值剔除，缺失值补全，小波去噪；数据分析模块用于对形变监测数据进行分析，主要利用分数阶等理论对不同类型不同类别的监测数据进行特征提取，得到的参数用于状态评估；状态评估模块用于将数据分析模块中不同类别的监测数据进行汇总并赋予不同权重；而等级划分模块则是将状态评估模块的汇总解决进行等级划分，给出最终的铁路基础设施形变评估结果。

[0112] 具体地，本发明实施例提供的上述基于模数驱动轴面协同理论的铁路基础设施形变评估装置，能够实现上述方法实施例所实现的所有方法步骤，且能够达到相同的技术效果，在此不再对本实施例中与方法实施例相同的部分及有益效果进行具体赘述。

[0113] 图7示例了一种电子设备的实体结构示意图，如图7所示，该电子设备可以包括：处理器(processor)710、通信接口(Communications Interface)720、存储器(memory)730和通信总线740，其中，处理器710，通信接口720，存储器730通过通信总线740完成相互间的通信。处理器710可以调用存储器730中的逻辑指令，以执行基于模数驱动轴面协同理论的铁路基础设施形变评估方法，该方法包括：

[0114] 采集以模数驱动轴面协同理论的时间轴为主线的形变监测数据，和以模数驱动轴面协同理论的要素面为主线的铁路外部环境数据和铁路业务数据；

[0115] 基于所述形变监测数据、所述铁路外部环境数据和所述铁路业务数据综合分析，确定铁路基础设施形变评估等级。

[0116] 此外，上述的存储器730中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read‑Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。

[0117] 另一方面，本发明还提供一种计算机程序产品，所述计算机程序产品包括计算机程序，计算机程序可存储在非暂态计算机可读存储介质上，所述计算机程序被处理器执行时，计算机能够执行上述各方法所提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法，该方法包括：

[0118] 采集以模数驱动轴面协同理论的时间轴为主线的形变监测数据，和以模数驱动轴面协同理论的要素面为主线的铁路外部环境数据和铁路业务数据；

[0119] 基于所述形变监测数据、所述铁路外部环境数据和所述铁路业务数据综合分析，确定铁路基础设施形变评估等级。

[0120] 又一方面，本发明还提供一种非暂态计算机可读存储介质，其上存储有计算机程序，该计算机程序被处理器执行时实现以执行上述各方法提供的基于模数驱动轴面协同理论的铁路基础设施形变评估方法，该方法包括：

[0121] 采集以模数驱动轴面协同理论的时间轴为主线的形变监测数据，和以模数驱动轴面协同理论的要素面为主线的铁路外部环境数据和铁路业务数据；

[0122] 基于所述形变监测数据、所述铁路外部环境数据和所述铁路业务数据综合分析，确定铁路基础设施形变评估等级。

[0123] 以上所描述的装置实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下，即可以理解并实施。

[0124] 另外需要说明的是：本发明实施例中的“基于A确定B”表示确定B时要考虑A这个因素。并不限于“只基于A就可以确定出B”，还应包括：“基于A和C确定B”、“基于A、C和E确定B”、基于“A确定C，基于C进一步确定B”等。另外还可以包括将A作为确定B的条件，例如，“当A满足第一条件时，使用第一方法确定B”；再例如，“当A满足第二条件时，确定B”等；再例如，“当A满足第三条件时，基于第一参数确定B”等。当然也可以是将A作为确定B的因素的条件，例如，“当A满足第一条件时，使用第一方法确定C，并进一步基于C确定B”等。

[0125] 本发明实施例中术语“多个”是指两个或两个以上，其它量词与之类似。

[0126] 通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现，当然也可以通过硬件。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

[0127] 最后应说明的是：以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。