[发明专利]基于神经网络的城市地下综合管廊风险管控系统及方法

说明书

本发明涉及一种基于神经网络的城市地下综合管廊风险管控系统，包括基于AI基础的人工智能服务器平台、远程操控终端、现场检测节点终端、现场移动装置、物联网通讯服务网络，AI基础的人工智能服务器平台通过物联网通讯服务网络分别与远程操控终端、现场检测节点终端、现场移动装置建立数据连接。具体包括确定检测点，系统组网，系统预设，管廊维护运行及系统拓展优化等五个步骤。本发明一方面可有效满足对管廊系统自身及周边环境进行全面监控，数据获取全面且精度高；另一方面系统运行自动化程度、智能化程度高，极大的提高了风险事件判断效率及精度，并可为风险事件的日常管理、应急处理及日后信息追溯提供精确的信息指导及服务。

技术领域

本发明涉及一种管廊定位管理系统及方法，特别是涉及地下综合管廊现场多源综合现场定位系统及方法。

背景技术

城市综合管廊系统的运行中，为了提高对运行风险事件的综合监管能力，提高管廊运行安全性，当前在监管工作采用了大量的基于人工职能类风险监控系统平台，如王建波采用德尔菲法和主成分分析（PCA）建立管廊PPP项目风险评价指标体系，并运用C-OWA算子来进行指标赋权，建立基于集对分析的风险评价模型，利用灰色关联度确定差异度系数，通过联系度的取值评判项目风险等级及发展趋势，为综合管廊PPP项目风险评价的理论与实践提供参考，虽然可以一定程度满足使用的需要，但在实际工作中发现，当前所使用的管廊风险监控评测系统，一方面均不同程度存在系统构建结构复杂，操作及维护难度大，且仅能满足对特定类型的风险事件进行评测管理作业，使用灵活性和便捷性均相对较差；且风险评测系统对风险评测运算的效率及运算精度均相对较差，且在运算过程中缺乏必要的自主学习能力，从而造成无法对突发或个别偶发状态数据对应的风险情况进行有效的评测；另一方面当前的管廊风险维护系统在运行中，往往对管廊系统内部及外部周边地址环境缺乏有效的定位及监控，从而造成当前管廊风险评测系统监控全面性差，存在较多的安全漏洞，同时工作人员也无法对管廊系统风险发生点位置进行精确定位，也易造成工作人员及设备在管廊内部发生迷路或路径辨识困难情况发生，从而严重影响了风险事件处理的效率及质量。

因此针对这一现状，迫切需要开发一种全新的城市管廊风险评估管理系统，以满足管廊系统实际运行维护管理作业的需要。

发明内容

针对现有技术上存在的不足，本发明提供基于神经网络的城市地下综合管廊风险管控系统及方法，以克服传统设备在运行中的缺陷，提高设备运行的稳定性、安全性和可靠性。为了实现上述目的，本发明是通过如下的技术方案来实现：

一种基于神经网络的城市地下综合管廊风险管控系统，包括基于AI基础的人工智能服务器平台、远程操控终端、现场检测节点终端、现场移动装置、物联网通讯服务网络，其中所述AI基础的人工智能服务器平台通过物联网通讯服务网络分别与远程操控终端、现场检测节点终端、现场移动装置建立数据连接，所述远程操控终端为1—3个，各远程操控终端间通过物联网通讯服务网络相互连接，且各远程操控终端分别通过物联网通讯服务网络与现场检测节点终端、现场移动装置建立数据连接，其中所述现场检测节点终端及现场移动装置均若干各，各现场检测节点终端、现场移动装置间相互并联，其中所述现场检测节点终端沿管廊轴线均布在管廊系统的内表面及管廊对应的地质结构的地表，所述现场移动装置分别与管廊巡检设备连接，且所述现场移动装置与各现场检测节点终端间通过物联网通讯服务网络建立数据连接。

进一步的，所述的基于AI基础的人工智能服务器平台内构建采用C/S结构和B/S结构的嵌套架构BP神经网络系统，及与BP神经网络系统协同运行的基于LSTM的智能预测系统为基础的和深度学习神经网络系统，同时所述基于AI基础的人工智能服务器平台内另设基于SOA体系为基础的主程序系统，及基于BIM和GIS为基础的三维信息展示子系统、图像识别处理系统平台子系统、基于AR/VR基础的虚拟现实展示平台子系统及高清视频信号传输子系统，且所述基于BIM和GIS为基础的三维信息展示子系统、图像识别处理系统平台子系统、基于AR/VR基础的虚拟现实展示平台子系统及高清视频信号传输子系统均与基于SOA体系为基础的主程序系统建立数据链接，所述基于AI基础的人工智能服务器平台另通过通讯网络与外部第三方服务平台建立数据连接。