基于物聯網的智慧公路系統運行故障檢測方法

劉奧祥 殷佩軒

（河南省交通事業發展中心，河南 鄭州 450000）

智慧公路系統是一種能夠通過現代化的大數據技術實現對公路當中各類交通信息情況的綜合分析，以此解決公路交通時常發生的信息滯后問題，從而起到改善交通發展情況的作用。智慧公路系統的建立對實現公路建設的智能化和信息化而言具有十分重要的現實意義，因此基于智慧公路系統的重要性，相關領域研究人員紛紛開展了相關研究[1]。當前，針對這一話題的研究大部分采用數據采集技術、數據綜合處理技術等，從其總體層面上針對智慧公路系統在實際運行過程中存在的各類問題進行分析并解決，并提出具有針對性的解決對策，以此充分滿足公路交通運營的需要。但目前，大部分針對智慧公路系統在運行過程中的故障檢測都是通過實地考察與綜合數據分析相結合的方式，不僅會在一定程度上影響到檢測的效率，同時得出的檢測結果精度也無法滿足實際公路運營的需要[2]。基于此，本文開展對智慧公路系統運行故障檢測方法的設計研究。

1 基于物聯網的智慧公路系統運行故障檢測方法

1.1 基于物聯網的智慧公路系統運行信息感知網絡構建

感知即通過光、聲、電等傳感器對各類信息進行多樣化動態獲取。為了確保對智慧公路系統運行故障檢測精度，需要在檢測前構建一個系統運行信息感知網絡，以為后續故障信號的檢測和故障識別等提供更有利的基礎條件。由于智慧公路系統是一個相當龐大的系統，其中包含的要素眾多，并且在系統運行過程中，其本身也會產生大量的信息和狀態參數[3]。復雜的信息感知會造成后續大量的運算，為了保證檢測的效率，本文引入物聯網技術，將智慧公路系統運行時需要注重的四個要素角度設定為路、車、環境、人。針對智慧公路系統運行信息感知網絡，將人作為控制核心，利用其完成對其他三個要素的感知[4]。結合物聯網的本質屬性以及其深層次含義，在智慧公路系統中，除了人以外的三個要素構成了一個相互支持的體系，并實現了由車- 路- 環境構成的循環體系，由此進一步得到智慧公路系統運行信息感知網絡基本結構，如圖1 所示。

圖1 智慧公路系統運行信息感知網絡基本結構示意圖

由圖1 可以看出，智慧公路系統運行信息感知網絡由三部分感知網絡組成，通過其相互之間的融合和協同運作，將智慧公路系統運行要素、運行管理以及故障檢測對象融入到整個體系中，并充分明確了三者之間的關系。將物聯網技術作為重要依據，針對智慧公路系統運行過程中產生的各類信息進行采集，并將采集到的信息作為檢測的輸入端。在物聯網環境中完成對多種類型傳感器的綜合部署，利用不同功能傳感器完成對不同運行參數進行獲取[5]。由于采集到的信息類型差異較大，為方便對其進行統一的檢測和故障識別，需要按照固定的頻率使用各傳感器對運行信息進行采集，并且確保采集具有一定的周期性，以此促使智慧公路系統運行信息感知網絡實現周期性的規律變換。

1.2 基于多維傳感器的運行故障信息采集

通過上述論述完成對智慧公路系統運行信息感知網絡的構建后可知，在網絡體系中包含著多種具有不同功能的傳感器，利用其產生的多維效果，可以實現對智慧公路系統運行過程中的故障信息采集[6]。將各個功能的傳感器采集到的信息匯總，并將其傳輸到智慧公路系統故障信息診斷庫中，結合信號的特征提取以及分類等方法可以實現對系統的運行故障檢測與診斷。根據智慧公路系統運行信息感知網絡，對多維傳感器采集到的故障信號進行檢測，并提取故障樣本特征值，得到智慧公路系統運行故障高分辨信息特征量，其表達式為：

公式（1）中，x（t）表示智慧公路系統運行故障信息特征量；f 表示智慧公路系統運行過程中的頻率；ak（t）表示獲取到的故障信號載波強度；bk（t）表示正常狀態下智慧公路系統的信號載波強度。公式（1）中，ak（t）的計算公式如公式（2）所示：

公式（2）中，θk表示智慧公路系統運行故障時其傳感器采集到的故障信號相位。在智慧公路系統運行過程中會由于受到故障問題的影響而產生沖擊脈沖效應。在這種效應的作用下，可以通過結合信息融合技術實現對智慧公路系統故障的快速檢測，進而得到故障信號的傳遞模型，如公式（3）所示：

公式（3）中，N 表示智慧公路系統運行過程中其故障特征點的分布總量。結合能量融合的方式，針對智慧公路系統的故障特征信號進行分離處理，并引入RFID 傳感器技術實現對其故障識別，進而將RFID 得到的故障識別結果輸出[7]。除此之外，還需要對獲取到的數據信息進行歸一化處理，以此完成對物聯網環境中海量數據的識別、融合和模型化處理[8]。為了達到有效歸一化處理的目的，必須將各個指標屬性下對應的數據轉換到相同的區間中。在完成不同區間劃分后，確定數據對象，并對其進行歸一化分析。假設目標數據集為V，在經過歸一化處理后所有數據的組合應為矢量系數與通過模擬綜合法計算得出的數據歸一化矢量乘積[9]。在明確故障信號的基本組成，并實現對數據的歸一化處理后，可以為后續開展智慧公路系統運行故障信號檢測與預處理提供數據輸入基礎條件。

1.3 智慧公路系統運行故障信號檢測與預處理

在此基礎上，利用無線射頻技術對系統運行的狀態特征信息量進行建模，并綜合非線性時間序列和相空間重構理論，實現對故障信號奇異數值的分解，分解過程可用公式（4）表示：

公式（4）中，X 表示智慧公路系統運行過程中產生的故障信號奇異數值；U 表示多維傳感器采集到的故障樣本數據分布正交結果；D 表示智慧公路系統故障特征矩陣；V 表示經過初始化處理后的智慧公路系統故障信號聚類結果；T 表示聚類次數。按照上述公式（4）實現對故障信號奇異數值的分解，假設分解后能夠得到l 個特征值，再結合模糊相關性檢測的方式，針對智慧公路系統的特征分析和自適應信息分離結果確定最終故障檢測輸出的特征量，并得到其對應的波速信號能量譜[10]。通常情況下，智慧公路系統正常運行時產生的基譜頻率會出現在故障頻率區域下方，因此結合這一特點，分別在智慧公路系統時域和頻域上完成對故障信號特征的分解，得到相應的特征分解分量結果。在故障工況條件下，轉動頻率的能量譜序列，設定總點數為N，則故障樣本序列的某一維頻域相關性能特征量可利用模糊關聯規則挖掘的方法進行獲取，并以此得到離散的故障檢測樣本。在小波分解的基礎上，針對故障檢測樣本進行預處理，并通過多維分解，對故障信號進行檢測。上述內容對應的表達式為：

公式（5）中，D^j，k表示故障信號檢測樣本序列的統計特征值；μ 表示多維分解的尺度；Sumj，k2表示智慧公路系統故障檢測的模糊判決式。當Sumj，k2符合<μ2的條件時，則此時說明智慧公路系統上沒有出現故障問題，此時D^j，k故障信號檢測樣本序列的統計特征值可記為0；當Sumj，k2符合≥μ2的條件時，此時D^j，k故障信號檢測樣本序列的統計特征值應當按照公式（5）上半部分計算得出具體結果。

1.4 智慧公路系統運行故障特征提取與故障識別

再針對運行故障檢測進行優化，并促進檢測方法的智能化。針對上述經過預處理后的故障信號進行頻譜加窗處理，在處理過程中結合故障信號的特點，對頻譜加窗子帶、頻譜加窗特征分解系數等參數進行設定。除此之外，還應根據智慧公路系統的運行環境特點，對其無偏估計值以及波束信號的分辨率進行設定，最終得到智慧公路系統運行時故障特征檢測的模糊度。結合梯度矢量計算方法，得到智慧公路系統故障特征提取結果，利用SURE 表示智慧公路系統故障的子帶鄰域分塊長度，結合該算法的應用優勢，提升故障檢測的精度。在實際操作過程中，需要確保SURE 的取值達到最小，并在結合頻譜分析以及智能信息檢測方法的基礎上，完成對智慧公路系統故障信號的特征檢測以及濾波分析。

在完成上述操作后，引入BP 神經網絡分類器，將上述生成的輸入量和輸出量導入到BP 神經網絡結構中，利用分類器完成對故障特征的識別。對于在多種不同荷載條件下運行的智慧公路系統而言，其內部各個相連接的機電設備位移量可通過多維譜分析方法得出，并將這一結果作為BP 神經網絡分類器的輸出特征量。同時，在分類的過程中，在分類器隱含層中設置一個加權函數：f/Z，其中f 表示分類輸出特征量具體數值；Z 表示智慧公路系統中各個機電設備位移量具體數值。將上述加權函數帶入到BP 神經網絡分類器中，得到故障信號的具體位移頻譜表達結果，以此實現對智慧公路系統運行故障特征的識別，將位移頻譜表達結果與不同故障類型對應的位移頻譜相對比，以此確定最終智慧公路系統運行時發生故障的具體類型。

1.5 基于故障檢測結果的智慧運營與養護

通過上述論述，可以實現對智慧公路系統運行故障信號的檢測以及對故障具體類型的識別，為提高智慧公路系統運行的安全性和穩定性，還需要結合上述得到的故障檢測結果，實現智慧公路運營和養護。首先，在上述利用多維傳感器實現對智慧交通系統運行數據的實時監測，并對交通狀況檢測信息進行處理。結合得到的信息結果對故障檢測過程中的通信順暢情況進行判斷，若存在通信受限問題，則需要從上一步驟的監測環節入手對其進行優化。若通信順暢，則可以通過有線或無線的方式實現對故障檢測結果的上傳，并將相關數據信息存儲在交通控制中心，再由其完成對后續運維的具體調度。將上述得到的故障檢測結果作為重要依據，若出現智慧公路系統運行故障問題，則自主完成對故障問題發生具體原因的分析，并利用車載通信傳輸設備自動傳輸故障節點的具體圖像信息以及數據信息，同時調用涵蓋故障發生時間的監控錄像，探究該區域的具體系統運行狀況，以此實現對多種不同故障問題信息的獲取。為了確保智慧公路系統運行時間得到延長，還需要實現對其智慧養護，通過路面養護、橋梁養護、隧道養護以及機電設備養護等多種養護方法相結合的方式，降低系統運行出現故障的概率，從而確保公路系統的正常運營。

2 對比分析

為驗證設計方法在實際應用中的效果，選擇以文獻[10]方法作為對照組，將本文上述提出方法作為實驗組，分別利用兩種檢測方法完成對智慧公路系統運行過程中存在的故障問題進行檢測，如圖2、圖3 所示。

圖2 實驗組智慧公路系統運行檢測結果示意圖

圖3 對照組智慧公路系統運行檢測結果示意圖

由圖2、圖3 可知，實驗組檢測方法的檢測結果可以清晰地看到在智慧公路系統運行過程中出現了三次明顯的故障問題，分別出現在18.45s、40.23s、68.23s，而對照組得出的檢測結果采樣幅值存在較大差異，并且在智慧公路系統正常運行的情況下，其幅值的變化也存在較大改變，無法在第一時間找出存在故障問題的時間節點，在一定程度上會影響到檢測方法的效率以及檢測精度。

為了更直觀地對兩種檢測方法的應用效果進行對比，對兩種方法在不同信噪比條件下的檢測結果精度進行記錄，并將其繪制成如表1 所示的實驗結果記錄表。

表1 實驗組與對照組檢測結果精度實驗結果記錄表

從表1 中記錄的實驗結果可以看出，實驗組的檢測結果精度明顯高于對照組檢測結果精度，并且隨著信噪比的不斷增加，實驗組檢測方法表現出更加理想的檢測性能，當信噪比數值達到10dB 時，其檢測結果的精度能夠達到100.00%，而對照組檢測方法在10dB 信噪比條件下檢測精度也只能夠達到78.21%，無法滿足公路交通運營的需要。

3 結論

本文在引入物聯網技術的基礎上提出了一種全新的故障檢測方法，并通過實驗的方式驗證了該方法的巨大優勢。在實際應用中，可以將本文提出的檢測方法應用到真實的智慧公路系統運行環境中，以實現對系統中各類設備運行參數的實時獲取。