技术领域
[0001] 本发明属于铁路安全监测领域，涉及铁路应急现场态势感知技术，具体是一种基于物联网的铁路应急现场态势感知系统。
相关背景技术
[0002] 物联网技术近年来得到了快速发展，其在多个领域都展现出了广阔的应用前景。物联网技术能够通过网络连接各种设备和传感器，实现信息的实时采集、传输和处理，为各种应用场景提供智能化的解决方案。在铁路应急现场态势感知系统中，物联网技术也发挥着重要的作用。态势感知系统能够实时监测铁路运行环境，包括轨道、列车状态，通过传感器和监测设备获取实时数据，为应急响应提供及时、准确的信息支持；系统能够融合多种来源的数据，包括视频、图像、传感器数据，通过数据分析和挖掘技术，提取出关键信息，为应急决策提供科学依据；系统能够通过数据分析和模型预测，提前发现潜在的安全隐患和风险，为应急响应提供预警和预测功能，帮助铁路部门及时采取措施，避免或减少事故的发生。
[0003] 现有技术(公开号为CN110803199A的发明专利申请)公开了一种高速铁路隧道安全感知与预警系统，通过隧道安全监测数据采集系统、隧道安全监测数据平台、隧道安全监测应用系统、车载信息中心进行连携工作，由隧道安全监测数据采集系统实时采集到隧道的温度、位移、振动、应力、沉降等数据；再传输到隧道安全监测数据平台进行数据接入、数据解析、数据处理、数据储存、数据缓存、数据计算；然后将处理后的数据再传送到隧道安全监测应用系统分析和应用，带入相应模型进行评估，实现安全感知预警。然而，现有技术中只考虑了隧道部分的环境数据对列车行驶安全的影响，导致数据分析得不够全面具体，无法保障列车整体行驶安全。
[0004] 本发明提供了一种基于物联网的铁路应急现场态势感知系统，以解决以上技术问题。
具体实施方式
[0045] 下面将结合实施例对本发明的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅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做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
[0046] 请参阅图1‑图2，本发明第一方面实施例提供了一种基于物联网的铁路应急现场态势感知系统，包括：分析处理模块，以及与之相连的数据采集模块、应急处理模块；
[0047] 数据采集模块：通过与之相连的数据传感器采集实时环境数据，以及通过设备传感器采集实时设备数据，对实时设备数据进行预处理得到实时检测数据；其中，实时环境数据包括实时温度数据以及实时湿度数据；实时设备数据包括实时压力数据、实时振动数据以及实时速度数据；
[0048] 对实时设备数据进行的预处理包括：调取实时设备数据，判断实时设备数据是否包含所有子数据，是，则保留对应的实时设备数据；否，则剔除对应的实时设备数据；其中，子数据包括实时压力数据、实时振动数据以及实时速度数据；将保留的实时设备数据标记为实时检测数据；
[0049] 例如：假设现有采集的两组实时设备数据，两组数据如下：
[0050] 第一组数据：实时压力数据为15千帕，实时振动数据为0.3米/秒2，实时速度数据为350公里每小时；则保留该组数据；
[0051] 第二组数据：实时压力数据为10千帕，实时速度数据为400公里每小时，则该组数据缺少了实时振动数据，剔除该组数据。
[0052] 分析处理模块：基于实时环境数据计算得到环境评估系数，根据环境评估系数判断列车是否能够正常运行，是，则持续对环境评估系数进行监测；否，则生成环境预警信号；调用态势分析模型对环境评估系数和实时检测数据进行分析，得到态势感知结果；其中，态势分析模型基于人工智能模型构建；
[0053] 调取实时环境数据，将实时环境数据中的实时温度数据标记为WD，实时湿度数据标记为SD，通过公式PX＝ɑ×WD^2+β×exp(SD)计算得到环境评估系数；其中，ɑ和β为大于0的比例系数，exp(*)是e的指数函数，e为自然常数。调取环境评估系数，判断环境评估系数是否小于系数阈值，是，则判定列车能够正常运行，否，则判定列车不能正常运行；其中，系数阈值根据经验设定。
[0054] 例如：假设现有采集的两组实时环境数据，分别计算环境评估系数，其中，比例系数ɑ＝0.3，β＝0，5；系数阈值为200；两组数据如下：
[0055] 第一组数据：实时温度WD＝25，实时湿度SD＝0.4，
[0056] 根据公式PX＝ɑ×WD^2+β×exp(SD)，计算环境评估系数PX＝0.3×25^2+0.5×exp(0.4)，其中exp(0.4)≈1.4918，则PX≈
[0057] ^
[0058] 0.3×252+0.5×1.4918≈188.2459；
[0059] 因为PX≈188.2459<200，因此列车能够正常运行。
[0060] 第二组数据：实时温度WD＝30，实时湿度SD＝0.2；
[0061] 根据公式PX＝ɑ×WD^2+β×exp(SD)，计算环境评估系数PX＝0.3×30^2+0.5×exp(0.2)，其中exp(0.4)≈1.2214，则PX≈
[0062] ^
[0063] 0.3×302+0.5×1.2214≈270.6107；
[0064] PX≈270.6107>200，因此列车不能正常运行。
[0065] 调取环境评估系数以及实时检测数据，将环境评估系数和实时检测数据整合成安全检测序列；调用态势分析模型，将安全检测序列输入态势分析模型中，得到态势感知结果；其中，态势分析模型基于人工智能模型构建，态势感知结果设置为正整数；获取标准训练数据，其中，标准训练数据包括与安全检测序列内容属性相一致的标准输入数据，以及与态势感知结果内容属性相一致的标准输出数据；利用标准训练数据对人工智能模型进行训练，将训练好的人工智能模型标记为态势分析模型；其中，人工智能模型包括深度卷积神经网络模型和生成对抗网络模型。
[0066] 例如：假设现有采集实时环境数据和实时设备数据，包括实时温度数据(WD)，实时湿度数据(SD)，实时压力数据(YL)、实时振动数据(ZD)以及实时速度数据(SD)，将实时环境数据通过公式的计算得到环境评估系数(PX)，将实时设备数据进行预处理后与环境评估系数综合转化为安全检测序列(AQ)，连续监测并记录了过去一周的实时环境数据和实时设备数据整合出安全检测序列为AQ＝[(PX1,YL1,ZD1,SD1),(PX2,YL2,ZD2,SD2),...,(PXn,YLn,ZDn,SDn)]；将此安全检测序列输入预训练好的基于人工智能算法的态势分析模型，得出未来两天的态势感知结果。
[0067] 应急处理模块：基于态势感知结果分析列车是否会出现紧急情况；是，则分析紧急情况类型；否，则持续对态势感知结果进行分析；基于紧急情况类型和环境预警信号执行应急处理措施。
[0068] 调取态势感知结果，判断态势感知结果是否为1，是，则判定列车不会出现紧急情况；否，则判断列车会出现紧急情况；调取态势感知结果，将态势感知结果与类型排查表进行匹配，得到紧急情况类型；其中，类型排查表根据历史数据生成；调取紧急情况类型，根据紧急情况类型紧急制动列车，对列车进行故障排查并维修；调取环境预警信号，根据环境预警信号对铁轨进行检查维修。
[0069] 例如：假设现有获取的两组态势感知结果以及一组环境预警信号，两组数据和一组信号如下：
[0070] 第一组数据：态势感知结果为1，则判定列出不会出现紧急情况；
[0071] 第二组数据：态势感知结果为2，则匹配的紧急情况类型为列车出现振动过大，此时工作人员需要对列车进行故障排查；
[0072] 第三组信号：列车环境预警信号为紫色，则匹配的紧急情况类型为出现轨道结冰，此时列车必须减速慢行或者紧急制动；
[0073] 上述公式中的部分数据是去除量纲取其数值计算，公式是由采集的大量数据经过软件模拟得到最接近真实情况的一个公式；公式中的预设参数和预设阈值由本领域的技术人员根据实际情况设定或者通过大量数据模拟获得。
[0074] 本发明的工作原理：本发明通过数据传感器采集实时环境数据，通过设备传感器采集实时设备数据，对实时设备数据进行预处理得到实时检测数据；根据实时环境数据计算得到环境评估系数，当环境评估系数大于等于系数阈值时，则判定列车不能正常运行，生成环境预警信号；将环境评估系数和实时检测数据整合成安全检测序列，调用态势分析模型，将安全检测序列输入态势分析模型中，得到态势感知结果；基于态势感知结果分析列车是否会出现紧急情况；是，则分析紧急情况类型；否，则持续对态势感知结果进行分析；基于紧急情况类型和环境预警信号执行应急处理措施。
[0075] 以上实施例仅用以说明本发明的技术方法而非限制，尽管参照较佳实施例对本发明进行了详细说明，本领域的普通技术人员应当理解，可以对本发明的技术方法进行修改或等同替换，而不脱离本发明技术方法的精神和范围。
