基于BIM的高速公路安全多維度預警系統設計

湯明，王永疆，邱振興，葉國梁

(1.中電建路橋集團有限公司，北京 100048；2.中電建(廣東)中開高速公路有限公司，廣東 江門 529000；3.中國電建集團中南勘測設計研究院有限公司，湖南 長沙 410014)

0 引言

高速公路在我國的分布十分廣泛，在公路系統中占據著十分重要的位置[1]。一些地區的高速公路的路況十分復雜，再加上天氣原因，已經普遍成為交通事故的多發地段。近年來，某些路段的高速公路事故發生率更是直線上升，對其進行安全預警的需求變得十分迫切[2]。利用高速公路安全預警系統能夠降低高速公路的事故發生率，因此對該系統的研究已經成為近年來高速公路安全領域的研究熱點。

國內外對于高速公路安全預警系統的研究都十分重視，并取得了多樣化的研究成果[3]。其中國外早在六十年代就在交通安全領域中引入了預警理論，并將開發公路預警系統作為其重點研究方向。而我國對于高速公路安全預警系統的研究則相對起步較晚，在研究過程中也借鑒了一些國外的研究成果。例如有學者提出了基于物聯網技術的高速公路安全多維度預警系統以及基于粗糙集理論的高速公路安全多維度預警系統[4-5]。由于在利用以上系統進行高速公路的安全多維度預警時，受高速公路數據丟失與數據錯誤情況較多的影響而無法進行準確預警，尤其是在路段的長度為31 km-51 km的范圍內，存在事故發生率上升的問題。比如中開項目全線總長152.251 km，主線起于中山市東部橫門島，與擬建深中通道相接，終點位于江門恩平市，由于路線較長，山區較多，需要修建隧道和大量橋梁，因此，將BIM技術應用于該高速公路安全多維度預警系統的研究中，以期降低事故發生率。

1 高速公路安全多維度預警系統

1.1 硬件設計

基于BIM的高速公路安全多維度預警系統硬件包括數據采集模塊、信息發布模塊。

1.1.1 信息采集模塊

數據采集模塊的工作流程具體如圖1所示。

圖1 數據采集模塊的工作流程

通過信息接收裝置、路面檢測設備、機電安全檢測設備和邊坡安全檢測設備對公路設施運行狀態進行數據采集；通過視頻監控器、射頻識別系統(FRID)、微波檢測儀進行公路交通通信運行狀態數據采集；通過雷達測速儀、GPS設備、重量檢測器進行公路車輛運行狀態數據采集；通過氣象儀、能見度檢測器、溫度檢測器和濕度檢測器進行公路氣象環境狀態數據采集。從而實現對高速公路的靜態數據與動態數據采集，所采集到數據的具體信息如表1所示。

表1 數據具體信息

1.1.2 信息發布模塊

信息發布模塊主要用于高速公路安全多維度預警信息的發布，由車載信息發布終端、信息查詢平臺、信號燈系統、模擬道路屏、路測通信與交通廣播系統、可變限速標志和情報信息板構成[6-7]。信息發布模塊的具體功能如表2所示。

表2 信息發布模塊的具體功能

1.2 軟件設計

基于BIM的高速公路安全多維度預警系統軟件包括數據處理模塊、安全多維度預警模塊[8]。

1.2.1 數據處理模塊

通過動態交通狀況數據庫、設施狀態數據庫，氣象監測數據庫等其他類型數據庫收集到的數據傳輸給數據處理模塊，數據處理模塊通過數據處理平臺與云計算中心對高速公路數據進行處理與計算，將處理后的數據輸出用于高速公路的安全多維度預警，數據處理模塊對數據的處理如圖2所示。

圖2 數據處理模塊

其中，數據處理平臺主要通過數據修復方式處理錯誤與丟失數據，具體步驟如下。

(1)對歷史交通數據中所蘊含的規律進行分析，通過分析結果對歷史交通趨勢數據進行計算，具體計算式如式(1)。

(1)

式中，?代表加權系數；yk(t)代表第k天中t時刻的歷史交通數據；yk-1(t)代表第k-1天中t時刻的歷史交通數據；y(t)代表t時刻的對應歷史交通數據。

(2)通過對第k天t時刻兩個相鄰車道的實測交通數據與第k-1天t時刻的歷史交通趨勢數據的分析，獲取需要修復的數據，具體計算式如式(2)。

(2)

數據處理平臺采用指數平滑法對高速公路數據進行過濾處理。其中指數平滑法的數學模型具體如式(3)。

St=αXt+(1-α)St-1

(3)

式中，St代表處理后的高速公路數據；St-1代表t-1時刻的高速公路數據；α代表平滑指數；Xt代表當前時段的數據序列。

由于平滑指數的取值對于處理結果有很大的影響，因此具體取值情況設計如表3所示。

表3 平滑指數的取值

1.2.2 多維度預警模塊

本文主要將BIM數據庫應用到多維度預警模塊設計中去。BIM數據庫是一種動態變化的數據庫，在應用過程中能夠不斷得到充實、豐富與更新[9]。多維度預警模塊共由7個單元構成，分別為監測單元、識別單元、診斷單元、評價單元、預控措施實施單元、報警單元和應急管理啟動單元。通過以上7個單元，利用數據處理模塊輸出的高速公路數據對高速公路安全狀態進行判斷與預警[10]。多維度預警模塊的運行模式如圖3所示。

圖3 多維度預警模塊的運行模式

通過監測單元、識別單元、診斷單元和評價單元等流程將高速公路安全分為安全狀態、準安全狀態、危急狀態和準危急狀態。對安全狀態實行日常監測，對準安全狀態實行重點監測，對危急狀態和準危急狀態都接入報警單元，對準危急狀態進行應急措施啟動，對危急狀態進行預控對策實施，并重點監控。

在進行高速公路安全多維度預警時，多維度預警模塊會將處理后的數據與預警數據庫中的信息進行對比，通過運用不同的預警準則評判高速公路安全狀態，并生成與實際情況相對應的預警信息，以此實現高速公路安全多維度預警。其中，當其維度處于準危急狀態與危急狀態時模塊會發出預警信息，通過可變情報板、手機、網絡、電視、車載終端和交通廣播等方式向路政、醫院、交警、駕駛員等對象與部門進行預警信息發送，以降低高速公路事故發生率。

2 系統性能測試實驗

2.1 實驗設計

為驗證設計的基于BIM的高速公路安全多維度預警系統的性能，對其進行實驗驗證。實驗中使用的高速公路樣本數據具體如表4所示。

表4 高速公路樣本數據

表4中的數據項的具體描述如表5所示。

表5 數據項的具體描述

為了避免本次實驗結果較為單一、缺乏對比性，將原有的2種系統作為實驗對比系統，分別為基于SDA算法、基于粗糙集理論的高速公路安全多維度預警系統。將實驗路段長度為31 km-51 km范圍內的事故發生率作為實驗指標。

2.2 結果分析

在實驗路段長度為31 km-41 km的范圍內，這3種系統的事故發生率對比結果具體如圖4所示。

圖4 事故發生率對比

根據圖4對比結果可知，基于BIM的高速公路安全多維度預警系統的事故發生率明顯低于實驗對比系統，驗證了該系統的實用性。

在路段長度為41 km-51 km的范圍內，這3種系統的事故發生率對比結果具體如圖5所示。

分析圖5可知，基于BIM的高速公路安全多維度預警系統的事故發生率低于實驗對比系統。

綜上所述，在實驗路段長度為31 km-51 km范圍內使用本文所設計系統后，事故發生率明顯下降，說明該系統具有更加優越的性能。

3 總結

為了降低高速公路事故發生率，本文設計基于BIM的高速公路安全多維度預警系統，在系統軟硬件設計過程中，將處理數據丟失與數據錯誤情況作為重點，實現高速公路安全多維度預警，并通過實驗驗證了該系統的優越性能，因此將該系統應用至高速公路系統中具有重要意義，能夠大幅度提升高速公路的安全性。