基于车辆大数据的隧道路段安全监控方法与流程

本发明涉及数据处理，具体涉及一种基于车辆大数据的隧道路段安全监控方法。

背景技术：

1、在山地地区，高速公路的隧道十分常见，并且作为一种重要的交通基础设施，其建设和管理对于交通安全重要。但是由于隧道相比于其他交通基础设施来说更加特殊，由于较长的隧道其内部封闭，空气流动性较差，在发生火灾时往往会造成非常严重的后果。所以为了保证隧道内部的交通安全，需要对隧道内部的进行安全监测，以及时发现和排除潜在的火灾安全隐患。

2、现有技术通常采用烟雾传感器来监测隧道的烟雾浓度，并根据烟雾浓度判断是否存在火灾安全隐患。但是有些地区由于气候等外界环境因素影响，导致对应高速公路的隧道路段内部的浮尘较多，当车辆经过时会使得浮尘扬起，而扬尘会影响烟雾传感器检测烟雾浓度的准确性，使得后续根据烟雾传感器检测到的烟雾浓度监测火灾安全隐患的准确性降低。

技术实现思路

1、为了解决扬尘的存在导致根据烟雾传感器检测到的烟雾浓度监测火灾安全隐患的准确性降低的技术问题，本发明的目的在于提供一种基于车辆大数据的隧道路段安全监控方法，所采用的技术方案具体如下：

2、本发明提出了基于车辆大数据的隧道路段安全监控方法，所述方法包括：

3、获取预设时间段内高速公路隧道中监测点的烟尘浓度，以及每个车辆经过监测点对应的时刻；

4、根据每个车辆经过监测点对应的时刻后烟尘浓度数据变化情况，得到每个车辆对应的异常数据段；根据各个异常数据段对应时间长度的分布情况，得到每个异常数据段的扬尘影响特征值；

5、根据异常数据段中数据点的二维坐标位置将所有数据点划分为上升数据点和下降数据点；在每个车辆的异常数据段中，根据各个下降数据点的二维坐标位置以及对应车辆的扬尘影响特征值，得到每个下降数据点的真实扬尘影响程度；根据各个上升数据点的二维坐标位置、数据波动情况、对应车辆和前车的扬尘影响特征值，得到每个异常数据段中上升数据点的真实扬尘影响程度；

6、根据每个异常数据段中所有数据点的真实扬尘影响程度，得到真实烟雾浓度数据；根据真实烟雾浓度数据进行火灾监测。

7、进一步地，所述异常数据段的获取方法包括：

8、获取预设时间段内监测点的烟尘浓度变化曲线，在所述烟尘浓度变化曲线中将每个车辆经过监测点后对应斜率大于预设斜率阈值的第一个数据点，作为每个车辆对应异常数据段的起点；将所述起点后的第一个极值点对应的数据点作为每个车辆对应异常数据段的峰值点；将所述起点后第二个极值点对应的数据点作为每个车辆对应异常数据段的终点；根据所述起点和所述终点，得到每个车辆对应的异常数据段。

9、进一步地，所述下降数据点的真实扬尘影响程度的获取方法包括：

10、将每个异常数据段中每个下降数据点与对应终点之间的时刻差异，作为每个下降数据点的下降时刻差异值；将每个异常数据段中峰值点与对应终点之间的时刻差异，作为波峰下降时间长度；将所述下降时刻差异值与所述波峰下降时间长度的比值，作为每个下降数据点的下降时间影响程度；

11、获取正常烟尘浓度，将每个下降数据点的烟尘浓度与所述正常烟尘浓度之间的差异，作为每个下降数据点的下降数据值影响程度；

12、根据每个下降数据点对应的下降数据值影响程度以及对应的下降时间影响程度，得到每个下降数据点的下降参考影响程度，所述下降参考影响程度与所述下降数据值影响程度呈正相关，所述下降参考影响程度与所述下降时间影响程度呈正相关；将每个数据点的下降参考影响程度与对应异常数据段的扬尘影响特征值的乘积，作为每个下降数据点的真实扬尘影响程度。

13、进一步地，所述上升数据点的真实扬尘影响程度的获取方法包括：

14、将每个异常数据段中每个上升数据点与对应起点之间的时刻差异，作为每个下降数据点的上升时刻差异值；将每个异常数据段中的峰值点与对应起点之间的时刻差异，作为波峰上升时间长度；将所述上升时刻差异值与所述波峰上升时间长度的比值，作为每个上升数据点的上升时间影响程度；

15、获取正常烟尘浓度，将每个上升数据点的烟尘浓度与所述正常烟尘浓度之间的差异，作为每个上升数据点的上升数据值影响程度；

16、根据每个上升数据点对应的上升数据值影响程度以及对应的上升时间影响程度，得到每个上升数据点的上升参考影响程度，所述上升参考影响程度与所述上升数据值影响程度呈正相关，所述上升参考影响程度与所述上升时间影响程度呈正相关；将每个数据点的上升参考影响程度与对应异常数据段的扬尘影响特征值的乘积，作为每个上升数据点的第一扬尘影响程度；

17、根据每个异常数据段中所有上升数据点的数据波动情况，得到每个上升数据点的数据波动影响程度；根据每个车辆对应异常数据段中每个上升数据点的上升参考影响程度、数据波动影响程度和前车的扬尘影响特征值，得到每个上升数据点的第二扬尘影响程度，所述第二扬尘影响程度与所述上升参考影响程度呈负相关，所述第二扬尘影响程度与所述数据波动影响程度呈正相关，所述第二扬尘影响程度与前车的扬尘影响特征值呈正相关；

18、根据所述第一扬尘影响程度和所述第二扬尘影响程度，得到每个上升数据点的真实扬尘影响程度；所述第一扬尘影响程度和所述第二扬尘影响程度均与所述真实扬尘影响程度呈正相关关系。

19、进一步地，所述数据波动影响程度的获取方法包括：

20、对每个异常数据段中所有上升数据点通过最小二乘法进行拟合，得到每个异常数据段的上升理论曲线，根据所述上升理论曲线得到每个上升数据点的理论数据值；将每个上升数据点的烟尘浓度与理论数据值之间的差值，作为每个上升数据点的残差；根据每个异常数据段中所有上升数据点的残差平方的累加和与所述波峰上升时间长度，得到每个异常数据段的平均波动程度，所述残差平方的累加和与所述平均波动程度呈正相关，所述波峰上升时间长度与所述平均波动程度呈负相关；

21、根据每个异常数据段中每个上升数据点的残差绝对值与所述平均波动程度，得到每个异常数据段中每个上升数据点的数据波动影响程度，所述数据波动影响程度与所述残差绝对值呈正相关，所述数据波动影响程度与所述平均波动程度呈负相关。

22、进一步地，所述真实烟雾浓度数据的获取方法包括：

23、将所有异常数据段中所有数据点的真实扬尘影响程度进行归一化，得到每个数据点的真实扬尘影响程度归一化值，将真实扬尘影响程度归一化值大于等于预设影响阈值的数据点，作为失真数据点；将监测点对应的所有烟尘浓度数据中的失真数据点外的其他所有烟尘浓度数据，作为真实烟雾浓度数据。

24、进一步地，所述扬尘影响特征值的获取方法包括：

25、统计所有异常数据段的时间长度，将每个异常数据段的时间长度与所有异常数据段的时间长度均值的差异，作为每个异常数据段的时间长度偏差，将所述时间长度偏差进行负相关映射，得到每个异常数据段的扬尘影响特征值。

26、进一步地，所述根据异常数据段中的数据点的二维坐标位置将所有数据点划分为上升数据点和下降数据点包括：

27、将每个异常数据段对应起点到峰值点之间的数据点作为上升数据点，将每个异常数据段对应峰值点到终点之间的数据点作为下降数据点。

28、进一步地，所述正常烟尘浓度的获取方法包括：

29、将所有异常数据段之外其他所有数据点的烟尘浓度的均值，作为正常烟尘浓度。

30、进一步地，所述根据所述第一扬尘影响程度和所述第二扬尘影响程度，得到每个上升数据点的真实扬尘影响程度的方法包括：

31、将所述第一扬尘影响程度和第二扬尘影响程度的和值，作为每个上升数据点的真实扬尘影响程度。

32、本发明具有如下有益效果：

33、考虑到在没有火灾影响的情况下，车辆经过监测点后扬尘从扬起至监测到的烟尘浓度停止下降对应的时间段长度通常是相近的；而在存在火灾的情况下，烟雾浓度会随着火情的增大而逐渐上升，而在烟雾浓度上升的过程中，由于扬尘通常并不是匀速下落的，导致车辆经过监测点后的扬尘从扬起到监测到的烟尘浓度停止下降对应的时间段长度通常会变短，因此本发明根据该特点，通过每个车辆对应异常数据段对应时间长度的分布情况，得到每个车辆对应异常数据段的扬尘影响特征值，即对应异常数据段整体受到扬尘影响程度，进一步在扬尘影响特征值的基础上进行分析，使得后续得到的真实烟雾浓度数据更加准确；进一步地，考虑到隧道中两个相邻的车辆距离较近，使得前车产生的扬尘还未完全落下后车便又产生扬尘的情况，导致后车对应的异常数据段中上升数据点存在一定的数据波动，即上升数据点会受到前尘产生扬尘的影响，因此本发明分别计算下降数据点的扬尘影响程度和上升数据点的真实扬尘影响程度，使得后续根据每个数据点的真实影响程度所得到的真实烟雾浓度数据更加准确，进一步使得根据真实烟雾浓度数据进行火灾监测的准确度更高。综上所述，本发明实施例通过得到的真实烟雾浓度数监测火灾安全隐患的准确性更高。