基于K-means算法的隧道機電分項工程設備設施評定標度的研究

陳 建

(中路高科交通檢測檢驗認證有限公司，北京 100088)

0 引言

隧道機電設施定檢及其技術狀況評定已成為隧道機電設施養護的基礎依據。現階段隧道機電設施定檢工作開展的主要依據是《公路隧道養護技術規范》(JTG H12—2015)[1-2]或《國家公路網重點橋梁和隧道監測評價規程》(T/CECS G:E41-04—2019)[3]這2個標準，在第1個標準中，隧道機電設施分為供配電設施、照明設施、通風設施、消防設施和監控與通信設施5個分部工程，根據分部工程的設備完好率提出技術狀況評定值，但沒有給出分部工程中包含的分項工程設備設施的技術狀況評定值及設備設施養護的明確分類，在第2個標準中，雖然規定了各分項工程設備設施檢測內容的權重，但分項工程設備設施的技術狀況評定值及養護分類同樣也未給出明確要求。這種情況下，各省運營公司在做分項工程設備設施的養護時缺乏針對性。

目前，國內外學者結合工程應用現狀針對隧道機電設施的評定和養護做了一些研究，提出了相關理論算法。張偉偉等[4]針對高速公路機電系統提出了AHP的機電系統維護質量的模糊評價模型。于艷波等[5]結合隧道設備成新率、穩定度和合格率等評估指標所占權重，提出了隧道機電設施的評估體系。余忠磊等[6]從高速公路隧道運營安全角度出發，引入模糊數學算法，從駕駛員和車輛特性、機電設施、土建結構、交通環境4個方面對運營安全進行了評價。康云霞等[7]從技術性能指標、運營效果指標2個角度著手，計算檢測指令執行所需的權重比數值，完成了普通公路隧道機電設施的檢測指標選取。邱進[8]結合隧道機電分項工程設備設施，從預防性檢測和故障響應機制角度提出了檢測技術要點和控制措施。楊松等[9]在分析現有隧道機電系統技術現狀的基礎上,根據目前隧道運營風險控制的需求,提出了智慧交通隧道機電系統技術體系框架。

基于現狀，隧道機電設施養護檢測及技術狀況評定方法要么是隧道機電設施單位工程和分部工程的養護評定方法，要么是具體設備檢測養護和養護方法，但對分項工程設備設施的系統分析和分類還較少。本研究從某省營運期隧道機電設施定檢數據采樣分析的工程實際出發，結合聚類K-means算法，提出分項工程設備設施技術狀況評分值的分類以及標度的新概念，根據標度提出分項工程設備設施的不同養護措施，以期在行業中得到廣泛應用。

1 隧道機電設施定檢數據

某省某營運高速公路涉及隧道機電設施定期檢測隧道共75座，其中特長隧道4座，長隧道38座，中隧道25座，短隧道8座。隧道機電設施包括供配電設施、照明設施、通風設施、消防設施、監控與通信設施5個分部工程。根據《公路隧道養護技術規范》中定期檢查的測試項內容，從設備完好率和技術狀況評分這2種主要參數出發，構建隧道機電設施定檢數據新模型，得出2種參數的結果(均歸一化處理，完好率以100%為滿分，技術狀況評分以100為滿分)，以該省營運隧道中的1座隧道(整體評價包括隧道左幅和右幅)為例，其分部工程的分項工程設備設施的完好率和技術狀況評分[10]如表1所示，形成該隧道的2個數組，分別表示設備設施的完好率和技術狀況評分。表2為隧道機電設施的整體評分值和技術狀況類別。該隧道是2類隧道，對于設備故障率出現很低，運營則主要關注分項工程設備設施的技術狀況評分及相應的養護措施。

表1 某隧道分項設備設施的完好率和技術狀況評分Tab.1 Intactness rate and technical condition scores of subdivisional equipment and facilities of a tunnel

表2 隧道機電設施技術狀況評分和技術狀況類別Tab.2 Technical condition scores and technical status categories of tunnel electromechanical facilities

2 技術路線研究

基于K-means算法的隧道機電分項工程設備設施評定標度的研究技術路線為：

(1)統計該省75座營運隧道定期檢測結果。對隧道機電設施分部分項工程設備設施的完好率和技術狀況評分，2個數據數組，每個數組均為一維數組，約3 000個數據，2個數組共約6 000個數據。

(2)分析現有常用的工程領域的數據處理、數據統計的算法和模型，找出適用該研究的算法。

(3)確定采用K-means算法對隧道機電分項工程設備設施評定標度進行研究。

(4)結合《公路隧道養護技術規范》和《國家公路網重點橋梁和隧道監測評價規程》這2個標準，對于評定劃定類別的要求，對于分項工程設備設施提出劃分為k類的合理性，分類選擇值應與隧道機電設施的類別相對應，從k=2,3,4,5,6中選取，確定哪個值更為合適，并借此定義標度概念。

(5)用軟件編程實現K-means算法，并導入4 770個數值，進行分類聚類計算，分析結果數據集合中的標準差，得出最為合適的值為標度的結果。

(6)對技術狀況評分的數據進行評分值分類，得出分項工程設備設施技術狀況評分對應的標度的分類，提出不同標度的分項工程設備設施的養護措施。

3 K-means聚類算法

數據處理算法的選擇直接影響數據處理、數值分析及數據統計的結果。工程領域數據處理的常用方法有主觀估計法[11]、概率分布分析法[12]、模糊數學法[13]、灰色關聯評估法[14]、層次分析法[15]、熵權確定權重法[16]、聚類算法[17-19]等，針對上述各種算法分析其適用范圍和特點，如表3所示。

表3 工程領域各種算法適用范圍和特點Tab.3 Application scope and characteristics of various algorithms in engineering field

通過對上述各數據處理算法的分析和總結，結合該省的隧道機電設施分項工程設備設施的檢測結果(主要為設備完好率和技術狀況評分這2個參數)，選取聚類算法為數據處理算法。聚類常用算法方法分為3種，分別為基于距離的聚類算法、基于密度的聚類算法、基于互聯性的聚類算法。由于只有2個變量參數的大規模數據，因此采用基于距離的K-means聚類算法可得到更為合適的聚類結果。

首先，將隧道機電設施的設備完好率和技術狀況評分組成2個數組數據集合。其次，假設K-means算法分為k類，k為自然數，k=1，2，3，…，n。采用基于距離的聚類算法進行迭代，把數據集合劃分為k類。最后，選取設備完好率和技術狀況評分距離最遠的2個參數(通過數值均一化處理)，例如[0,0]和[100,100]，按照圖1的思想進行迭代，直至選取k類結果結束。使相同類的內部數據具有極大的相同性，而類之間的數據相同性盡量小，達到最優的分組聚類的效果。

圖1 K-means聚類思想Fig.1 K-means clustering idea

數據集合分k類的軟件算法流程圖如圖2所示。設數據集合為P，分類結果為T。

圖2 K-means聚類軟件算法Fig.2 K-means clustering software algorithm

4 K-means聚類結果分析

以設備完好率和技術狀況評分分別為變量Pij，Pij=[ai;bj]，ai和bj分別對應隧道的分項工程設備設施的完好率和技術狀況評分，i和j為自然數，i，j=1, 2, 3,…,n。對應75座隧道分項工程設備設施的完好率和技術狀況評分數據，約4 770個參數。設其集合為Tk，k為自然數，k=1, 2, 3,…,n。集合x1數組和集合x2數組進行k分類后得到Tk集合，x1數組和x2數組中包含Tk聚類后ai和bj，運行編制的K-means算法聚類程序，根據《公路隧道養護技術規范》中隧道機電設施單位工程的技術狀況評定分類為4類和評定劃定的養護措施為5類的思想，選取分項工程設備設施的科學分類與單位工程隧道機電設施相對應，選取聚類k值分別為2, 3, 4, 5, 6進行分析研究。K-means聚類結果如表4～表8所示。

表4 k=2的聚類結果Tab.4 Clustering result of k=2

表5 k=3的聚類結果Tab.5 Clustering result of k=3

表6 k=4的聚類結果Tab.6 Clustering result of k=4

表7 k=5的聚類結果Tab.7 Clustering result of k=5

表8 k=6的聚類結果Tab.8 Clustering result of k=6

在表4中，由算法得出第1類為T1集合的x1數組和x2數組，第2類為T2集合的x1數組和x2數組。計算2類集合參數完好率和技術狀況評分的標準差為xd1和xd2；xd1=[18.541 0 22.594 7]，xd2=[6.825 1 9.316 5]。

在表5中，由算法得出第1類為T1集合的x1數組和x2數組，第2類為T2集合的x1數組和x2數組，第3類為T3集合的x1數組和x2數組。計算3類集合參數完好率和技術狀況評分的標準差為xd1，xd2和xd3。xd1=[5.2702 22.113 2]，xd2=[3.298 6 7.886 3] ，xd3=[16.682 7 16.876 1]。

在表6中，由算法得出第1類為T1集合的x1數組和x2數組，第2類為T2集合的x1數組和x2數組，第3類為T3集合的x1數組和x2數組，第4類為T4集合的x1數組和x2數組。計算4類集合參數完好率和技術狀況評分的標準差為xd1，xd2，xd3和xd4。xd1=[2.329 4 1.837 7]，xd2=[4.821 5 22.104 4]，xd3=[6.514 3 9.410 3]，xd4=[13.858 7 11.773 4]。

在表7中，由算法得出第1類為T1集合的x1數組和x2數組，第2類為T2集合的x1數組和x2數組，第3類為T3集合的x1數組和x2數組，第4類為T4集合的x1數組和x2數組，第5類為T5集合的x1數組和x2數組。計算5類集合參數完好率和技術狀況評分的標準差為xd1，xd2，xd3，xd4和xd5。xd1=[1.785 8 9.711 6]，xd2=[9.965 5 11.958 6] ，xd3=[6.303 9 7.850 9]，xd4=[1.314 3 1.771 6]，xd5=[4.324 6 22.153 4]。

在表8中，由算法得出第1類為T1集合的x1數組和x2數組，第2類為T2集合的x1數組和x2數組，第3類為T3集合的x1數組和x2數組，第4類為T4集合的x1數組和x2數組，第5類為T5集合的x1數組和x2數組，第6類為T6集合的x1數組和x2數組。計算6類集合參數完好率和技術狀況評分的標準差為xd1，xd2，xd3，xd4，xd5和xd6。xd1=[1.838 6 10.066 7]，xd2=[9.965 5 11.958 6] ，xd3=[5.994 5 7.981 6]，xd4=[4.3246 22.153 4]，xd5=[2.847 4 2.954 7]，xd6=[1.126 2 0.681 5]。

設備設施完好率的計算要素由設備是否有重大缺陷或故障來確定，技術狀況評分的計算要素由外觀評分、安裝情況、設備設施功能和性能等指標來確定，即可能出現設備設施完好率為0的情況和技術狀況評分不為0的情況。運營養護期在故障率不高的情況下，運營更為關心的是分項工程設備設施的技術狀況評分(即定檢過程中發現的問題)，因此選擇技術狀況評分為主要因素來選擇聚類結果，通過對比分析k值分別為2,3,4,5,6的聚類結果和聚類后的標準差，得出其中1個聚類中的最大標準差分別為22.594 7，22.113 2，22.104 4，22.153 4，22.153 4，不同的k值反映出最大標準差之間的差距，其中k=4時的22.104 4為各方差最大值中的最小值，同時考慮對分項工程設備設施完好率對應類別的劃分，所以將分項工程設備設施技術狀況分為4類，對劃分為4類的分類，引入標度的概念即0，1，2，3，對分為4類的數據x2數組進行分析整理，對應標度為0時的技術狀況評分值在90分以上，標度為1時的技術狀況評分值在80～90分之間，標度為2時的技術狀況評分值在70～80分之間，標度為3時的技術狀況評分值在70分以下，如表9所示。

表9 分項工程設備設施技術狀況評分和標度Tab.9 Score and scale of technical conditions of equipment and facilities of subdivisional projects

定義標度，對評定劃定不同標度的各類分部工程設備設施，分別采取不同的養護措施：

(1) 對評定標度為0的分項工程設備設施進行正常養護，做好清潔維護，對外觀產生的銹蝕部分進行及時處理，對光、電纜進行標識。

(2) 對評定標度為1的分項工程設備設施進行正常養護，對性能指標的缺陷進行關注，并對部分功能缺失進行及時修復。

(3) 對評定標度為2的分項工程設備設施，對性能指標和功能進行專項修復工程，并加強日常巡查，使同類型問題不再擴大。

(4) 對評定標度為3的分項工程設備設施實施，完善重大缺陷，恢復使用功能，必要時進行體質升級，更新換代產品或系統。

5 結論

(1) 基于K-means算法的隧道機電分項工程設備設施評定標度的研究，選取某省隧道機電設施分部分項工程設備設施的完好率和技術狀況評分組成的4 770個數組數據，綜合考慮隧道機電設施包括供配電設施、照明設施、通風設施、消防設施和監控與通信設施這5個分部工程所包含的分項工程，應用歐式距離的K-means算法構建了引入標度分類養護分項工程設備設施的概念。

(2) 基于K-means算法的評定標度及對應的分項工程設備設施的技術狀況評分，歸納設備設施出現技術狀況的風險點，優化資金的預算、配置和使用，明確隧道機電設施養護工程的保養、維護、維修和改造方案，是對《公路隧道養護技術規范》中養護方法的補充，也是對《國家公路網重點橋梁和隧道監測評價規程》中分項工程設備設施評定結果的補充。