基于多傳感器的隧道火情融合識別預警系統設計研究

隨著廣西路網的逐漸完善，隧道數量在不斷增加，對于隧道火情監控的需求也在日益上升。文章通過分析隧道火情預警需求以及現有設備條件，從易于升級、智能化、一體化的角度，提出了一種基于多傳感器數據融合的隧道火情識別預警系統。該系統基于分段設計，對每段內傳感器數據通過加權融合、神經網絡融合以及D-S論證進行融合，產生告警信號，結合聯動預警系統提供后續應急處置功能，可完善加快火情處置的識別-預警-管控處理流程。

隧道火情；多傳感器融合；自適應加權融合；后向傳播神經網絡融合

U491.1+16A592033

基金項目：

2021年度交通運輸重點科技項目“基于雷視融合的特殊路段交通狀況感知、預警及應急管控關鍵技術研究與應用”（編號：2021-MS4-101）

作者簡介：

王" 波（1983—），高級工程師，主要從事高速公路投資建設與管理工作。

0" 引言

隨著廣西高速公路的迅猛發展，對智能化監管要求也在不斷提高。根據廣西綜合交通運輸發展“十四五”規劃總結指出，廣西公路通車總里程達到13.16×104 km，“十三五”時期新增1.36×104 km，其中高速公路里程6 803 km，新建成高速公路2 515 km。廣西高速公路部分路段需要經過山區，隧道比例較高，龍勝至湖南城步高速公路廣西段全長約60 km，共有隧道5座，最長隧道達4.2 km。由于隧道內對火災事故的處置較為困難，其造成的經濟損失比普通路面更為顯著。因此，火災預警以及損失管理已經是高速公路運營方日常運營和安全管理工作的重要組成部分。隧道火災往往伴隨著復雜的環境條件，這增加了單一傳感器系統的局限性，如何利用洞內感知設備及時、準確、全面地發現火情是火災損失管理的重要前提。

1" 隧道火情場景特點分析

廣西高速公路山區路段多，隧道長度普遍較長。以龍勝至城步高速公路為例，60 km內的五條隧道長度均在1 km以上，其中茶洞隧道長度最大，達到4.2 km。為了能夠監控隧道內部情況，需要在沿線布設一定數量的傳感器，以無死角地監控隧道內部環境數值。

同時，長距離這一特性使得密閉隧道內部環境相對復雜，單一傳感器可能無法處理這些復雜的環境條件，可能在面對實際火情時會出現誤判漏判等現象。

例如，僅使用煙霧傳感器可能無法檢測到一些無煙火災的情況，或者在有抽風的區域，煙塵聚集程度低，同時溫度和濕度變化可能改變煙霧的傳播方式，這些情況下，煙霧傳感器無法發揮最大作用，且煙霧傳感器也可能因為灰塵、蒸汽等非火警原因而觸發警報。同時，如遇到單個傳感器的故障，靈敏度下降等各類問題，也容易使得系統的漏報率上升，從而延緩了對火警的及時響應。

針對隧道復雜的環境，應配備多種傳感器，包括各種氣體、濕度、溫度等傳感器以及視頻監控，并且對各項數據進行統合，對潛在火情進行綜合研判，從而提高系統的可靠性。

2" 系統方案

根據隧道的特點以及隧道設備條件，本文提出了一種基于多傳感器融合火情識別預警系統的設計方案：對隧道內溫度、CO濃度、CO2濃度等環境參數進行監控融合，以視頻監控為輔助，配合告警處置系統聯動，形成完整高效閉環的火情識別預警處理流程。

系統框圖如圖1所示，分段多傳感器監控子系統負責對隧道進行實時監控，可以充分利用現有隧道中的監控平臺；數據融合系統是整個系統的核心，負責融合多傳感器數據進而對火情進行預報；聯動預警系統連接指揮中心，通過結合現有的視頻監控系統，提供應急處置的功能。

2.1" 分段多傳感器監控子系統

分段多傳感器監控子系統是整個系統的感知層，負責監控隧道的實時物理數據。

隧道是一個半封閉的長通道環境，環境相較于普通路段更為復雜，參考上文所述單傳感器應對火情感知的缺陷，為了對隧道環境有一個較全面的監控，需要在這個狹長的空間區域內布置多個環境數據采集點。

然而，在進行火情數據融合的時候，由于隧道各處的物理狀態有所不同，例如洞口與相隔100 m處的CO2濃度不盡相同，不能對隧道內這些采集點上傳感器的數據進行籠統的整體融合處理。同時，不同區域的傳感器布設方式有可能不同，例如不同轉彎半徑的拐角處的布設有所差異，不合理的融合處理會抹除某一區域物理狀態的獨特性，導致融合的數據與真實數據相差過遠，影響報警效率。

基于以上原因，為了充分考慮原型機的開發，系統采用分段子系統的設計將整個隧道進行拆分抽象建模，即將隧道視為多個長度相等的線段相連而成，每一段配備有數量一定（8個）的各式傳感器（溫度傳感器、CO濃度傳感器、CO2濃度傳感器）、分段多傳感器監控子系統以及相應的數據融合模塊。后續分段長度以及傳感器數量可以根據隧道具體情況進行修改。

2.2" 數據融合系統

數據融合是一種將來自不同源頭或類型的數據整合在一起的技術，涉及多個層次數據，包括原始傳感器數據、特征數據、高級層面的決策輸出［1］。數據融合的目的是提高信息的質量和可用性，幫助系統更好地理解和應對復雜的環境或問題。在火情識別預警系統中，數據融合模塊負責將一段區域內的物理狀態信息整合，提供報警信息；模塊中涉及的同質級別以及異質級別的傳感器進行數據融合。

2.2.1" 同段同質級別傳感器數據融合

在隧道同一區域內，為了消除環境或者傳感器因素所引起的誤報、漏報，布置了多個同種類傳感器；同時為了消除傳感器噪聲的影響，將相同種類傳感器的多次采集數據集合為一組。因此在同一區域內，同一種數據產生了冗余，需要在下一步不同種類傳感器數據融合之前，首先對相同種類的傳感器進行數據融合，為后續整合提供可靠準確的數據。

同質數據融合常見的方法有加權平均、卡爾曼濾波、專家系統等，在本系統中由于沒有明確的物理狀態變換方程，且對實時性要求高，因此采用加權平均法，這是一種簡單和直觀的數據級融合方法。圖2是自適應加權融合的流程圖。

為驗證該方法的可靠性，進行多組試驗，使用8個YDL_THXX型號的溫度傳感器，布設在不同區域，收集5次測量數據，結果如表1所示。

經過表1算法融合處理后的溫度融合值為26.26。由此可見，采取加權平均融合法可以消除由少部分異常數據引起的影響，為后續異質融合提供準確的數據。

2.2.2" 同段異質級別傳感器數據融合

經過融合處理后的溫度、CO、CO2濃度數據需要進一步融合成監管中心可用的報警信號，系統流程如圖3所示。

2.2.2.1" ANN神經網絡

系統中采用三種傳感器提供三種屬于不同維度的信息，針對多維度的數據融合，常見的方法有特征融合、神經網絡等。其中神經網絡具有較強的自學習能力和自適應能力［2］，其仿生特性使之能更有效地利用系統本身的信息，并能映射火情預警與環境狀態之間的非線性函數關系。

神經網絡輸入層節點個數為3，輸出層節點數為1，根據經驗公式以及實驗調參，可以計算得隱含層層數為1，層內節點個數為4；傳遞函數選擇Sigmoid函數。

由于獲取真實火災數據難度系數大，故采用［3］的火災數據作為訓練檢測樣本。檢測結果如表2所示。

如果按照火情概率gt;0.7的規則進行告警判定，則測試結果均與事實相符。

2.2.2.2" D-S證據理論

為了進一步提高精確度，需要采用推理的方法解決融合問題，D-S證據理論的最大特點是對不確定信息的描述采用“區間估計”，而不是“點估計”的方法，在區分不知道與不確定方面以及精確反映證據收集方面顯示出很大的靈活性。D-S理論論證流程如圖4所示［4］。

根據表2的ANN輸出數據以及D-S證據論證，將四列數據分別歸類為m1、m2、m3、m4，可以得到融合后的結果如表3所示。

由此可見，經過D-S證據論證之后，系統的不確定性下降，融合模塊的告警輸出有較高的準確率。

2.3" 聯動預警系統

在接收到來自融合模塊的告警信息后，聯動預警子系統將進行以下工作。

2.3.1" 隧道設備聯動預警

根據告警信號所在的具體隧道分段，系統將根據事先預設的應急處置預案，通過高亮顯示的方式提示監管人員。監管人員隨即調取事故所在區域附近的視頻監控，立即確認周圍情況，并對事故規模進行初步預估。

在識別事故之后，監管人員可以對隧道內部各種設備，如道路上游情報板、交通信號燈、應急設備、車道指示器、滅火設備等配套設備，進行操作。使得監管人員可以在第一時間內，對災害信息進行發布，提示車輛避讓，疏散群眾。

在救援隊伍抵達之前，監管人員將根據應急預案和火情初步預估，通過控制隧道內的設備對火情進行初步控制。這一系列迅速而有序的操作有助于最大限度地減緩火勢蔓延，為后續的救援行動提供關鍵的時間窗口。

2.3.2" 信息發布系統

在監管人員進行操作的同時，可以一鍵完成事件上報，上報內容涵蓋事故地點、時間、初步規模等基本信息，將事故現場以文字、視頻、圖片等形式進行展示，供專業人員制定救援處置方案；根據事先預定的應急預案以及路段管轄關系，迅速通過系統消息、電話等方式，聯系相應應急、消防、救護醫療、交警等多部門人員前往現場。

3" 應用效果

系統在龍勝至城步高速茶洞隧道進行試運行，間隔約50 m分別布置三個多傳感器監控子系統。后臺系統監控圖以及上位機運行結果如圖5～6所示。

由于無法在真實隧道中模擬火災只能使用試驗數據測試，由實地試驗結果并綜合理論試驗測試可見，該火情識別預警系統能夠對茶洞隧道的環境狀況進行直觀監控，對潛在火情進行準確判斷。

4" 結語

本文以提升高速公路隧道火情識別預警能力為目標，提出一種基于多傳感器融合的識別預警解決方案。該方案充分利用隧道現有的監控平臺進行升級改造，以分段的形式對隧道進行單元化建模，對同段內同種類傳感器數據，以及不同種類傳感器數據進行融合，實現了對隧道環境狀況的準確評估。同時，結合設備聯動以及信息發布完善了從火情發現預警到應急救援的處置流程，為充分提高隧道內突發事件的感知能力提供參考。

［1］張延龍，王俊勇.多傳感器數據融合技術概述［J］.艦船電子工程，2013，33（2）：41-44.

［2］黃漫國，樊尚春，鄭德智，等.多傳感器數據融合技術研究進展［J］.傳感器與微系統，2010，29（3）：5-8，12.

［3］殷秋雨.基于分布式光纖監測的隧道火災溫度分布特征研究［D］.武漢：湖北工業大學，2021.

［4］藍金輝，馬寶華，藍" 天，等.D-S證據理論數據融合方法在目標識別中的應用［J］.清華大學學報（自然科學版），2001（2）：53-55，59.

20240326