深圳軌道交通十四號線施工安全管理系統(tǒng)研究

劉綏美 陳 可

（中鐵工程服務(wù)有限公司，四川 成都610083）

1 概述

隨著城市建設(shè)步伐的加快，軌道交通建設(shè)日趨發(fā)揮重大作用。城市軌道交通多采用地下工程形式，投資大、施工周期長、施工技術(shù)與環(huán)境條件復(fù)雜、不可預(yù)見風(fēng)險及社會環(huán)境影響大[1]。軌道交通建設(shè)安全問題愈發(fā)突出，其中施工常見問題是安全施工管理中管理方法與認(rèn)識存在偏差導(dǎo)致的[2]。且軌道交通建設(shè)的核心設(shè)備盾構(gòu)機是集光、機、電、液、傳感、信息技術(shù)于一體，在掘進施工的過程中，會產(chǎn)生大量的數(shù)據(jù)。由于數(shù)據(jù)龐大和場景復(fù)雜，采用人工監(jiān)控、人工判斷的方式，不可避免有忽略事故征兆、遺漏其他關(guān)聯(lián)風(fēng)險的情況。本文針對深圳軌道交通14 號線施工不安全行為監(jiān)控場景，建立識別預(yù)警系統(tǒng)，為施工穩(wěn)定性提供保障。

2 工程背景

深圳市城市軌道交通14 號線工程串聯(lián)福田中心區(qū)、清水河、布吉、橫崗、龍崗大運新城、坪山新區(qū)、坑梓、沙田等區(qū)域，覆蓋深圳東部地區(qū)南北向交通需求走廊，是聯(lián)系深圳中心區(qū)與東部組團的軌道交通快線，是支撐整個東部發(fā)展軸的軌道交通骨干線，是支持深圳東進戰(zhàn)略實施的重要交通保障。本文以坑梓站～沙田站區(qū)間為背景，區(qū)間隧道縱坡自坑梓站以24.864‰下坡然后以11‰上坡接著以5.183‰下坡到沙田站，最小縱坡為5.183‰，最大縱坡為24.864‰，隧道埋深約8.0-25.7m，采用盾構(gòu)法施工。

3 系統(tǒng)建設(shè)方案

由于地鐵施工位于封閉隧道內(nèi)，無線信號受損，有線網(wǎng)絡(luò)架設(shè)存在困難，將視頻匯總至數(shù)據(jù)中心處理方式并不適用。采用邊緣計算可實現(xiàn)低延遲智能判斷，自主研制邊緣計算硬件承載人工智能圖像識別模型可離線運行、自主判斷，降低傳輸視頻對網(wǎng)絡(luò)帶寬的要求，節(jié)約視頻存儲硬件開銷。系統(tǒng)首先以部署在地鐵施工區(qū)域內(nèi)的邊緣計算端自主處理視頻，再將施工行為監(jiān)控結(jié)果以結(jié)構(gòu)化形式返回云端, 作為后續(xù)數(shù)據(jù)挖掘系統(tǒng)升級的依據(jù)，并在現(xiàn)場實時預(yù)警。

3.1 關(guān)鍵技術(shù)方案

第一步：視頻選幀&格式轉(zhuǎn)換。根據(jù)場景、需求、性能三方面綜合考慮，設(shè)計合理的視頻選幀間隔，將截取的單幀圖片轉(zhuǎn)化為模型可處理的JPG 格式的圖片。

第二步：行人檢測。對格式轉(zhuǎn)換后的圖片進行圖片預(yù)處理工作，去除圖片中的部分噪聲干擾并保證訓(xùn)練與推斷的數(shù)據(jù)預(yù)處理操作一致。而后輸入到行人檢測模型中以判斷是否檢測到行人。若沒有檢測到行人，則直接返回。若檢測到行人，進行下一階段識別。

第三步：圖片分割。根據(jù)行人檢測結(jié)果將圖片進行識別前的預(yù)處理操作，此步驟目的與行人檢測預(yù)處理操作的目的性一致。

第四步：圖像識別。根據(jù)識別結(jié)果，判斷是否符合報警條件，若符合，則報警。如識別到工作人員未穿著工作服，則向系統(tǒng)返回報警結(jié)果。

檢測流程如下圖1 所示：

3.2 識別算法

傳統(tǒng)目標(biāo)檢測是通過構(gòu)建特征描述子提取特征后利用分類器對特征進行分類實現(xiàn)目標(biāo)檢測[3]。2016 年Liu W 等提出SSD（Single Shot MultiBox Detector）算法[4]。SSD 算法是深度學(xué)習(xí)One-Stage 算法的一種，能夠直接輸出物體的類別概率和位置坐標(biāo)值，均勻地在圖片多個層數(shù)的特征圖上進行密集抽樣，然后利用CNN 提取特征進而進行分類與回歸，經(jīng)過單次檢測即可直接得到最終的檢測結(jié)果，具有快速檢測特性。本系統(tǒng)選用SSD作為目標(biāo)檢測識別方式，步驟如下：

第一步：將輸入圖片經(jīng)過卷積神經(jīng)網(wǎng)絡(luò)（CNN）提取特征，并生成feature map。

第二步：抽取其中六層的feature map，然后再feature map的每個點上生成default box（各層的個數(shù)不同，但每個點都有）。

第三步：利用NMS（極大值抑制）篩選default box 集合，并輸出。

4 試驗結(jié)果

系統(tǒng)針對施工現(xiàn)場場景如下：

(1)場景描述。

(2)未佩戴安全帽。

(3)高空作業(yè)未佩戴安全繩。

(4)進入隧道未佩戴反光背心。

(5)進入/穿越危險區(qū)域（吊裝作業(yè)下方、臨邊防護圍欄外側(cè)、設(shè)備軌行區(qū)）。

(6)煙火禁區(qū)持明火（包括抽煙）。

(7)打擊設(shè)備、物品。

(8)特殊作業(yè)擅離作業(yè)區(qū)域。

(9)危險攀爬。

(10)疲勞作業(yè)。

見表1。

5 結(jié)論

基于AI 視覺識別的城市軌道交通施工安全管理系統(tǒng)成功的應(yīng)用于深圳地鐵14 號線，可實現(xiàn)多區(qū)域、多場景、多人員同時監(jiān)管，為地鐵施工安全提供保障。該系統(tǒng)符合傳統(tǒng)行業(yè)向信息化、數(shù)字化、智能化轉(zhuǎn)型的要求，在軌道交通快速發(fā)展的市場中具有廣闊的應(yīng)用場景。