



摘要 為了保障高速公路隧道的安全、高效運行,提高隧道管理水平和運營效益,實現隧道機電系統的智能化、信息化、集成化和綠色節能化,該文將探討高速公路隧道機電智慧管控系統的設計架構,并針對性介紹高速公路隧道機電智慧管控系統的軟件設計,以期為我國高速公路隧道管理提供一種創新型的解決方案。
關鍵詞 高速公路隧道;機電系統;智慧管控
中圖分類號 U495 文獻標識碼 A 文章編號 2096-8949(2024)19-0015-04
0 引言
隨著我國高速公路建設的快速發展,隧道工程作為重要的組成部分,其安全運行和高效管理日益受到關注。然而,傳統的高速公路隧道機電管控方式存在著一定的問題,如設備分散、管理復雜、能耗較高、應急響應不及時等,已無法滿足現代高速公路隧道運營的需求[1]。因此,如何利用現代信息技術,提高高速公路隧道機電系統的智能化管理水平,成為當前亟待解決的問題。基于此,該文針對高速公路隧道機電智慧管控系統進行設計,通過對數據層、控制層、交互層進行智慧集成,實現對隧道運行狀態的實時監控、預測分析和遠程控制,從而提升高速公路隧道的安全水平。通過該文的研究,以期能夠推動我國高速公路隧道機電系統的技術進步,為我國高速公路事業的持續發展貢獻力量。
1 工程概況
該項目位于廣東省梅州市五華縣和豐順縣,路線長40.149 km,主線橋梁共29座,總長8 566.8 m,設隧道3座,總長7 255 m,其中鴻圖特長隧道長6 336.5 m,橋隧比例為39.41%。全線采用雙向四車道高速公路技術標準,設計速度100 km/h,路基寬度26 m。
為實現高速公路隧道機電的有效管控,該項目決定設計一種智慧管控系統,將其應用于工程中3處隧道的隧道供電系統、照明系統、通風系統、消防系統。
2 高速公路隧道機電智慧管控系統架構設計
高速公路隧道機電智慧管控系統的架構設計主要包括數據層、控制層和交互層,這三個層次緊密相連,共同構成了一個高效、智能的高速公路隧道機電管控系統。高速公路隧道機電智慧管控系統架構如圖1所示。
數據層:數據層主要負責收集和存儲隧道機電系統運行過程中的各類數據,包括供配電系統數據、照明系統數據、通風系統數據、消防系統數據等,確保數據的實時性、完整性和準確性。
控制層:控制層負責對隧道機電系統進行實時監控和控制。根據數據層收集到的數據,控制層通過人工智能算ec9ca2f8a25c6f36b0712a4b51fe6e394ba458111f4df6fed53498fcfdd44fde法分析隧道機電系統的運行狀態,并根據預設的控制策略對機電系統進行優化控制。
交互層:交互層主要負責為人機界面和系統間的信息交換提供支持。人機界面通過交互層與控制層進行數據交互,實現對隧道機電系統的監控和操作[2]。同時,交互層還負責與外部系統(如交通管理系統、應急管理系統等)的數據交換,實現信息共享和協同工作。
3 軟件設計
3.1 數據層
3.1.1 數據采集
為了提高高速公路隧道機電智慧管控系統的數據采集能力,采用一系列技術手段和設備,確保供配電系統、照明系統、通風系統和消防系統數據的實時性、準確性和完整性。
在供配電系統數據采集中,將Siemens S7-300遠程測控終端(RTU)安裝于隧道兩端的主變電站和分變電站內,實時監測供配電系統的運行狀態。在供電線路的關鍵節點,如斷路器、接觸器等位置安裝PLC模塊,以減少布線工作。將Transition Networks ETX光纖分布式數據接口(FDDU),布設在與隧道供電系統相鄰的控制室內,實現長距離、高帶寬的數據傳輸。
在照明系統數據采集中,選擇支持DALI(數字照明接口)協議的Philips Hue控制器,并在隧道內均勻布設Bosch Sensortec BME280光強傳感器,以監測照度變化。采用低功耗、高通信距離的WSN節點,將其安裝在照明設備附近,用于監測燈具的故障信息和工作狀態,并上傳至控制室進行后續分析。
在通風系統數據采集中,使用Honeywell DHT11數字溫濕度傳感器、Vaisala anemometers超聲波風速風向儀和Sharp GP2Y1010AU0F空氣質量傳感器,監測通風系統狀態。其中,溫濕度傳感器布設于隧道內的不同高度,如0.5~1.5 m、2~4 m,以監測空氣狀態變化。風速風向儀安裝在隧道口和出口,以及通風管道關鍵位置。空氣質量傳感器布設于隧道內的交叉口和人口密集區。同時,配合以太網/IP技術進行數據通信,確保高速和穩定傳輸。
在消防系統數據采集中,在隧道內均勻布設Honeywell FM2000煙霧探測器、Fire-X火焰探測器和Omega RTDs溫度探測器等消防專用傳感器進行監測。通過串口通信技術,將數據傳輸至消防控制中心。
采用主成分分析(PCA)算法,計算不同數據所占權重,進而評估不同數據源的采集順序和優先級。主成分得分的計算公式如下:
Y=Xstd·ρT (1)
式中,Y表示主成分得分矩陣,即每個樣本在每個主成分上的得分;Xstd表示標準化后的數據集,即每個樣本在每個特征上的標準分數;ρT表示由主成分特征向量組成的矩陣。如果某個主成分在數據源上的得分較高,那么此數據源在采集時的優先級就較高。
3.1.2 數據預處理
數據預處理是高速公路隧道機電智慧管控中的關鍵步驟,它直接影響到后續數據分析的準確性。在實際的高速公路隧道機電數據中,往往會包含由于設備故障、環境干擾等因素產生的噪聲[3]。為了減少這些噪聲對數據分析的影響,采用中位數濾波算法,平滑數據曲線,使得數據更加穩定。對于一系列數據D={d1,d1,...,dn},中位數濾波算法的計算公式如下:
Md=(\sort(D))n 2 (2)
式中,\sort(D)表示對D排序后的序列;n表示數據點的數量。通過計算數據的標準差和置信區間,識別出與正常數據偏差較大的異常值。標準差是衡量數據離散程度的一個統計量,計算公式為:
(3)
式中,σ是標準差;N是數據點的數量;xi是每個數據點;μ是數據的均值。置信區間通常用于估計總體均值的分布范圍,假設數據呈正態分布,置信區間計算公式為:
(4)
式中,CI是置信區間;Z(a/2)是正態分布的分位數。一旦異常值被識別,采取替換、刪除等措施進行處理,以避免對后續分析造成不良影響。
為了不同量綱的數據能夠在相同的尺度下進行比較,通過Z-score歸一化來進行數據標準化。通過計算每個特征的均值和標準差,并應用Z-score公式,可以得到歸一化后的數據Zi,計算公式為:
Zi=xi?μ σ (5)
在高速公路隧道機電數據中,包含車輛類型、事故類型等分類屬性。獨熱編碼(One-Hot Encoding)能夠將這些分類數據轉換為機器學習中可處理的數值形式。通過為每個分類創建一個二進制向量,其中只有一個位為1,其余位為0,可以更為快速、準確地識別和處理數據,從而有效地提高數據的質量,為智慧管控系統的精確分析和決策提供強有力的支持。
3.2 控制層
3.2.1 構建數據挖掘引擎
在高速公路隧道機電智慧管控系統中,通過對大量數據進行挖掘和分析,發現其中的規律、趨勢和關聯性,可以為隧道運營管理提供實時、準確的數據分析結果[4]。
在高速公路隧道機電智慧管控中,通過遞歸特征消除方法(Recursive Feature Elimination, RFE),評估特征的重要性,并選擇出最有價值的特征。RFE算法流程如下:
(1)訓練模型。
(2)選擇一個特征子集,將其用于模型訓練。
(3)評估模型性能,并根據性能指標(如分類準確率)對特征進行排序。
(4)選擇排名最高的特征,將其從特征子集中移除,并重新訓練模型。
(5)重復步驟(3)~(4),直到達到預設的特征數量或性能不再提升。
在時序分析中使用滑動窗口法,從隧道機電設備的歷史運行數據中提取特征,從而為故障預測和能耗優化提供有力支持。設Xt為時間t的特征向量,W為滑動窗口的大小,則滑動窗口內的特征向量可以表示為:
Xt:t+W?1=[Xt,Xt+1,...,Xt+W?1] (6)
式中,Xt表示隧道機電設備的歷史運行數據,如電流、電壓、溫度等。之后,選擇K-means算法來進行聚類分析。K-means算法目標函數的計算公式如下:
(7)
式中,J是目標函數,表示簇內距離之和;Si是第i個簇;x是數據點;μi是第i個簇的均值。
通過k-fold 交叉驗證、網格搜索等技術來優化模型參數,提高模型的性能。在模型性能評估中,使用F1分數(F1 Score)作為評估指標。F1 Score公式如下:
F1=2×p×r p+r (8)
式中,p表示真陽性率;r表示真陽性召回率。如果模型性能不佳,則返回特征工程和模型訓練環節進行迭代優化。通過以上步驟,可以構建出一個能夠為隧道運營管理提供實時、準確數據分析結果的數據挖掘引擎。
3.2.2 PID控制
PID控制,即比例—積分—微分控制,是通過對控制對象的控制量進行比例、積分、微分處理,使控制對象能夠快速且準確地跟蹤期望的控制目標。在高速公路隧道機電智慧管控中,PID控制主要用于實現隧道照明、通風、消防等子系統的自動控制,提高隧道運行效率和安全性。
根據數據挖掘引擎,使用Ziegler-Nichols方法,通過分析系統的階躍響應數據,確定PID控制器的參數。在設計過程中,需要仔細調節比例系數(P)、積分系數(I)和微分系數(D),以保證系統的響應特性達到最佳。PID控制器的表達式如下:
u(t)=Kpe(t)+Ki∫e(t)dt+Kdde(t) dt (9)
式中,u(t)是當前的控制輸出;e(t)是當前的控制偏差,即設定值與實際值之間的差;Kp是比例增益;Ki是積分增益;Kd是微分增益;dt是時間間隔,表示在連續時間系統中,控制器在兩個連續采樣時刻之間的時間差;de(t)是偏差變化率,即偏差的導數,表示偏差隨時間的變化速率。在實際運行過程中,系統的負載變化、干擾等因素,都容易影響到控制效果。通過不斷調整PID控制器參數,能夠使系統更快地達到穩定狀態,減小超調和振蕩,實現對隧道照明、通風、消防等子系統的自動控制,提高隧道運行效率和安全性。同時,借助于MATLAB/Simulink等仿真工具,對PID控制器進行有效驗證和優化,確保其在實際應用中的性能表現。
3.3 交互層
人機界面通過交互層與控制層進行數據交互。在這一過程中,交互層負責將人機界面的指令和請求轉化為控制層能夠理解的格式,并傳遞給控制層。同時,交互層也將控制層的響應和數據返回給人機界面,以供用戶查看和進一步操作。為了在不同的系統之間傳遞數據,采用標準化數據格式,將復雜的數據結構轉換為可以傳輸的格式(序列化),包括JSON、XML、Protocol Buffers等,以及在接收端將傳輸格式轉換回原始數據格式(反序列化)。
交互層的設計應考慮易用性和可訪問性,以滿足不同用戶的需求。為了達到這一目標,采用圖形化界面,通過直觀的圖表、按鈕和指示燈等形式,展示系統狀態數據。此外,使用Win32 API來枚舉和驅動設備,支持鼠標、鍵盤和觸摸屏等多種輸入設備,以適應不同的操作習慣。
在與外部系統(如交通管理系統、應急管理系統等)的數據交換過程中,交互層還需實現數據加密和身份驗證機制,以確保數據傳輸的安全性。為此,采用SSL/TLS等加密協議,對數據進行加密傳輸。同時,為了保護用戶隱私和系統安全,采用雙因素認證(2FA)方法,確保只有經過認證的合法用戶才能訪問高速公路隧道機電智慧管控系統的數據。
在實現數據交換的同時,交互層還需考慮系統的擴展性和兼容性。為此,支持HTTP、TCP/IP等多種通信協議,以確保在不同網絡環境和設備之間實現高效、可靠的數據交換。通過精心設計的交互層,將復雜的高速公路隧道機電數據轉化為用戶友好、易于理解和分析的信息。
4 測試試驗
4.1 試驗準備
試驗準備階段主要包括硬件選型、軟件環境搭建以及工具配置三項核心內容。在硬件選型方面,選擇Intel Core i9-12900K處理器作為試驗服務器的核心,內存頻率DDR5-6000MT/s,主頻3.8 GHz,以提供強大的數據處理和計算能力。考慮系統擴展性,配備高速的NVMe SSD存儲解決方案和充足的RAM內存,以實現高速的數據讀寫和流暢的多任務處理。為了能夠模擬真實的高速公路隧道機電系統運行環境,部署Vmware 15 Pro虛擬化平臺。通過該平臺,創建多個虛擬機實例,分別安裝Windows 10專業版和Linux Ubuntu 20.04 LTS版本操作系統。通過多操作系統環境配置,進行專項性能測試。在軟件和工具的配置上,首先安裝和配置MySQL數據庫服務器,以存儲和管理大量的隧道機電數據。集成Git版本控制系統、Postman API測試工具,以及Matplotlib和Pandas等數據分析庫,從而為測試試驗提供全方位的技術支持。
(下轉第37頁)
(上接第17頁)
4.2 試驗結果
基于試驗準備,通過設置不同的高速公路隧道機電數據量,測試該系統的性能和穩定性,將數據節點設定為10 GB、20 GB、30 GB、40 GB、50 GB。測試結果如表1所示。
根據試驗數據分析,該系統在所進行的五個測試序列中展現出了相對穩定的數據處理性能,其處理速率普遍維持在1.29~1.53 GB/s區間,表現出較高的處理效率。隨著高速公路隧道機電數據的增加,系統的數據處理精確性出現輕微下滑,但最低精確度仍高達97.7%,這充分驗證了該系統在數據處理速度與精確度方面的優秀性能,能夠滿足高速公路隧道機電智慧管控中的大規模數據處理需求。
5 結束語
綜上所述,高速公路隧道機電的智慧管控,是未來隧道管理的重要發展方向。該文針對高速公路隧道機電系統運行管理的實際需求,綜合運用各項算法和技術手段,設計了一套高速公路隧道機電智慧管控系統。在未來的工作中,希望相關技術人員能夠繼續深入研究,進一步完善和優化隧道機電智慧管控系統,提高其運行效率和管理水平,從而為我國的高速公路事業作出更大的貢獻。
參考文獻
[1]張喻.數字孿生技術在隧道管控平臺中的應用淺析[J].中國交通信息化,2023(6):97-99.
[2]梁云龍,趙云濤.高速公路隧道機電智慧管控系統的應用與研究[J].交通世界,2023(7):181-183.
[3]曹飛.高速公路隧道機電設施檢測技術應用研究[J].中國高新科技,2022(15):106-108.
[4]梁建勇.隧道智能管控平臺的設計與實現[J].西部交通科技,2022(6):118-120.
收稿日期:2024-08-05
作者簡介:許妙深(1986—),男,本科,工程師,從事高速公路行業監理、咨詢工作。