本發(fā)明屬于橋梁監(jiān)測，具體涉及一種基于北斗高精度定位的橋梁集群安全監(jiān)測與預(yù)警方法及系統(tǒng)。

背景技術(shù)：

1、橋梁作為交通基礎(chǔ)設(shè)施的重要組成部分，其安全性對于保障人民的生命財產(chǎn)安全、促進經(jīng)濟發(fā)展具有至關(guān)重要的作用。隨著橋梁建設(shè)的不斷增多，以及橋梁使用壽命的延長，橋梁的安全監(jiān)測與預(yù)警成為一個日益重要的問題?，F(xiàn)有的橋梁安全監(jiān)測方法主要存在以下問題：

2、1)效率低下，成本高：現(xiàn)有的橋梁安全監(jiān)測方法主要依賴于人工巡檢和定期檢測，這不僅效率低下，而且成本高；

3、2)功能性差：現(xiàn)有的橋梁安全監(jiān)測方法無法實現(xiàn)對橋梁集群的實時監(jiān)測與預(yù)警，缺乏實時監(jiān)測與預(yù)警能力，難以及時發(fā)現(xiàn)和處理潛在的安全隱患；

4、3)定位精度低：現(xiàn)有的橋梁安全監(jiān)測方法在定位數(shù)據(jù)采集和分析方面的精度不高，難以準確判斷橋梁的準確位置；

5、4)缺乏智能化：現(xiàn)有的橋梁安全監(jiān)測方法缺乏智能化，無法根據(jù)實時數(shù)據(jù)自動提供橋梁安全優(yōu)化策略，實用性低。

技術(shù)實現(xiàn)思路

1、為了解決現(xiàn)有技術(shù)存在的效率低下、成本高、功能性差、定位精度低以及缺乏智能化的問題，本發(fā)明目的在于提供一種基于北斗高精度定位的橋梁集群安全監(jiān)測與預(yù)警方法及系統(tǒng)。

2、本發(fā)明所采用的技術(shù)方案為：

3、一種基于北斗高精度定位的橋梁集群安全監(jiān)測與預(yù)警方法，包括如下步驟：

4、基于云數(shù)據(jù)中心，使用人工智能算法，構(gòu)建橋梁集群異常分析模型、橋梁安全檢測模型以及橋梁安全優(yōu)化模型；

5、基于橋梁數(shù)據(jù)采集裝置，采集對應(yīng)的橋梁的實時定位數(shù)據(jù)和實時傳感器數(shù)據(jù)，并上傳至云數(shù)據(jù)中心；

6、基于云數(shù)據(jù)中心，根據(jù)對應(yīng)的實時定位數(shù)據(jù)，將若干橋梁的實時傳感器數(shù)據(jù)進行矩陣轉(zhuǎn)換，得到橋梁集群的實時傳感器數(shù)據(jù)矩陣；

7、基于云數(shù)據(jù)中心，根據(jù)實時傳感器數(shù)據(jù)矩陣，使用橋梁集群異常分析模型，進行橋梁集群異常分析，得到實時橋梁集群異常分析結(jié)果；

8、基于云數(shù)據(jù)中心，若實時橋梁集群異常分析結(jié)果中存在實時橋梁異常目標，則根據(jù)對應(yīng)的實時定位數(shù)據(jù)，生成實時橋梁集群安全預(yù)警信號；

9、基于云數(shù)據(jù)中心，根據(jù)實時橋梁異常目標的實時定位數(shù)據(jù)，采集對應(yīng)的實時異常橋梁衛(wèi)星遙感圖像；

10、基于云數(shù)據(jù)中心，根據(jù)實時異常橋梁衛(wèi)星遙感圖像，使用橋梁安全檢測模型，進行橋梁安全檢測，得到實時橋梁安全檢測結(jié)果；

11、基于云數(shù)據(jù)中心，若實時橋梁安全檢測結(jié)果為存在橋梁安全風(fēng)險，則根據(jù)對應(yīng)的異常實時定位數(shù)據(jù)，生成實時異常橋梁安全預(yù)警信號；

12、基于云數(shù)據(jù)中心，根據(jù)存在橋梁安全風(fēng)險的實時橋梁安全檢測結(jié)果，使用橋梁安全優(yōu)化模型，進行橋梁安全優(yōu)化，得到實時橋梁安全優(yōu)化策略；

13、基于云數(shù)據(jù)中心，將實時橋梁安全優(yōu)化策略發(fā)送至實時橋梁安全檢測結(jié)果為存在橋梁安全風(fēng)險對應(yīng)的橋梁數(shù)據(jù)采集裝置。

14、進一步地，基于云數(shù)據(jù)中心，使用人工智能算法，構(gòu)建橋梁集群異常分析模型、橋梁安全檢測模型以及橋梁安全優(yōu)化模型，包括如下步驟：

15、基于云數(shù)據(jù)中心，采集若干橋梁的歷史定位數(shù)據(jù)和歷史傳感器數(shù)據(jù)，并進行預(yù)處理，得到若干預(yù)處理后歷史傳感器數(shù)據(jù)及預(yù)處理后歷史定位數(shù)據(jù)；

16、根據(jù)對應(yīng)的預(yù)處理后歷史定位數(shù)據(jù)，將若干預(yù)處理后歷史傳感器數(shù)據(jù)進行矩陣轉(zhuǎn)換，得到橋梁集群的歷史傳感器數(shù)據(jù)矩陣；

17、對歷史傳感器數(shù)據(jù)矩陣進行數(shù)據(jù)降維，得到主成分集合和降維后歷史傳感器數(shù)據(jù)矩陣；

18、根據(jù)降維后歷史傳感器數(shù)據(jù)矩陣，使用深度學(xué)習(xí)算法，構(gòu)建橋梁集群異常分析模型，并生成若干歷史橋梁集群異常分析結(jié)果；

19、根據(jù)對應(yīng)的預(yù)處理后歷史定位數(shù)據(jù)，采集若干橋梁的歷史異常橋梁衛(wèi)星遙感圖像，并進行樣本擴充和預(yù)處理，得到擴充后圖像樣本集；

20、根據(jù)擴充后圖像樣本集，使用圖像識別算法，構(gòu)建橋梁安全檢測模型，并生成若干歷史橋梁安全檢測結(jié)果；

21、根據(jù)若干歷史橋梁安全檢測結(jié)果，使用強化學(xué)習(xí)算法，構(gòu)建橋梁安全優(yōu)化模型，并將生成的若干歷史橋梁安全優(yōu)化經(jīng)驗存儲至經(jīng)驗回放池中。

22、進一步地，使用pca方法，對歷史傳感器數(shù)據(jù)矩陣進行數(shù)據(jù)降維，得到主成分集合和降維后歷史傳感器數(shù)據(jù)矩陣。

23、進一步地，橋梁集群異常分析模型基于cnn-bilstm算法構(gòu)建，且橋梁集群異常分析模型包括基于cnn算法構(gòu)建的矩陣特征提取模塊和基于bilstm算法構(gòu)建的橋梁集群異常分析模塊；

24、橋梁安全檢測模型基于gscnn-shufflenet算法構(gòu)建，且橋梁集群異常分析模型包括基于gscnn算法構(gòu)建的圖像分割模塊和基于shufflenet算法構(gòu)建的橋梁安全檢測模塊；

25、橋梁安全優(yōu)化模型基于dqn算法構(gòu)建，且橋梁安全優(yōu)化模型包括深度q網(wǎng)絡(luò)、智能體以及經(jīng)驗回放池。

26、進一步地，基于云數(shù)據(jù)中心，根據(jù)對應(yīng)的實時定位數(shù)據(jù)，將若干橋梁的實時傳感器數(shù)據(jù)進行矩陣轉(zhuǎn)換，得到橋梁集群的實時傳感器數(shù)據(jù)矩陣，包括如下步驟：

27、基于云數(shù)據(jù)中心，以橋梁位置為聚類目標，使用fcm算法，對若干橋梁的實時定位數(shù)據(jù)進行聚類處理，得到若干實時定位數(shù)據(jù)聚類集群；

28、提取同一實時定位數(shù)據(jù)聚類集群中每一實時定位數(shù)據(jù)對應(yīng)的實時傳感器數(shù)據(jù)，得到同一監(jiān)測區(qū)域的實時傳感器數(shù)據(jù)聚類集群；

29、將同一監(jiān)測區(qū)域的實時傳感器數(shù)據(jù)聚類集群進行矩陣轉(zhuǎn)換，得到同一監(jiān)測區(qū)域的橋梁集群的實時傳感器數(shù)據(jù)矩陣。

30、進一步地，基于云數(shù)據(jù)中心，根據(jù)實時傳感器數(shù)據(jù)矩陣，使用橋梁集群異常分析模型，進行橋梁集群異常分析，得到實時橋梁集群異常分析結(jié)果，包括如下步驟：

31、基于云數(shù)據(jù)中心，根據(jù)主成分集合，對實時傳感器數(shù)據(jù)矩陣進行數(shù)據(jù)降維，得到降維后實時傳感器數(shù)據(jù)矩陣；

32、根據(jù)實時傳感器數(shù)據(jù)矩陣，使用橋梁集群異常分析模型的矩陣特征提取模塊，進行矩陣特征提取，得到實時矩陣特征；

33、根據(jù)實時矩陣特征，使用橋梁集群異常分析模型的橋梁集群異常分析模塊，進行橋梁集群異常分析，得到實時橋梁集群異常分析結(jié)果。

34、進一步地，基于云數(shù)據(jù)中心，根據(jù)實時異常橋梁衛(wèi)星遙感圖像，使用橋梁安全檢測模型，進行橋梁安全檢測，得到實時橋梁安全檢測結(jié)果，包括如下步驟：

35、基于云數(shù)據(jù)中心，對實時異常橋梁衛(wèi)星遙感圖像進行預(yù)處理，得到預(yù)處理后實時異常橋梁衛(wèi)星遙感圖像；

36、根據(jù)預(yù)處理后實時異常橋梁衛(wèi)星遙感圖像，使用橋梁安全檢測模型的圖像分割模塊，進行圖像分割，得到實時橋梁分割圖像；

37、根據(jù)實時橋梁分割圖像，使用橋梁安全檢測模型的橋梁安全檢測模塊，橋梁安全檢測，得到實時橋梁安全檢測結(jié)果。

38、進一步地，基于云數(shù)據(jù)中心，根據(jù)存在橋梁安全風(fēng)險的實時橋梁安全檢測結(jié)果，使用橋梁安全優(yōu)化模型，進行橋梁安全優(yōu)化，得到實時橋梁安全優(yōu)化策略，包括如下步驟：

39、基于云數(shù)據(jù)中心，根據(jù)存在橋梁安全風(fēng)險的實時橋梁安全檢測結(jié)果，在經(jīng)驗回放池中檢索對應(yīng)的歷史橋梁安全優(yōu)化經(jīng)驗，得到若干匹配歷史橋梁安全優(yōu)化經(jīng)驗；

40、根據(jù)若干匹配歷史橋梁安全優(yōu)化經(jīng)驗，更新橋梁安全優(yōu)化模型的動作空間，得到更新的動作空間；

41、根據(jù)存在橋梁安全風(fēng)險的實時橋梁安全檢測結(jié)果，更新橋梁安全優(yōu)化模型的狀態(tài)空間，得到更新的狀態(tài)空間；

42、將更新的狀態(tài)空間作為深度q網(wǎng)絡(luò)的輸入量，使用智能體，生成更新后的動作空間中每一可能動作的q值；

43、使用獎勵函數(shù)，獲取更新后的動作空間中每一可能動作的獎勵值，并根據(jù)獎勵值，更新可能動作的q值，得到每一可能動作的更新的q值；

44、重復(fù)上述q值更新步驟，直到達到預(yù)定的迭代次數(shù)，并使用貪婪策略，選擇每次迭代中具有最高的更新的q值的可能動作作為執(zhí)行動作；

45、將若干執(zhí)行動作進行整合，得到實時橋梁安全優(yōu)化策略。

46、進一步地，還包括基于可信機構(gòu)，對橋梁數(shù)據(jù)采集裝置進行密鑰生成和身份注冊，得到對應(yīng)的公私密鑰對和簽名信息，將公私密鑰對中的私鑰和簽名信息返回至對應(yīng)的橋梁數(shù)據(jù)采集裝置，并將公私密鑰對中的公鑰公布至云數(shù)據(jù)中心；

47、私鑰用于對橋梁數(shù)據(jù)采集裝置采集的實時定位數(shù)據(jù)和實時傳感器數(shù)據(jù)進行加密，得到加密后實時數(shù)據(jù)；

48、簽名信息用于對加密后實時數(shù)據(jù)進行簽名，得到實時簽名數(shù)據(jù)。

49、一種基于北斗高精度定位的橋梁集群安全監(jiān)測與預(yù)警系統(tǒng)，用于實現(xiàn)橋梁集群安全監(jiān)測與預(yù)警方法，系統(tǒng)包括云數(shù)據(jù)中心、可信機構(gòu)以及若干橋梁數(shù)據(jù)采集裝置；

50、云數(shù)據(jù)中心分別與可信機構(gòu)和若干橋梁數(shù)據(jù)采集裝置通信連接，且云數(shù)據(jù)中心包括依次連接的模型構(gòu)建單元、簽名認證與解密單元、矩陣轉(zhuǎn)換單元、橋梁集群異常分析單元、第一安全預(yù)警單元、圖像采集單元、橋梁安全檢測單元、第二安全預(yù)警單元、橋梁安全優(yōu)化以及數(shù)據(jù)發(fā)送單元；

51、可信機構(gòu)分別與若干橋梁數(shù)據(jù)采集裝置通信連接；

52、橋梁數(shù)據(jù)采集裝置包括主控模塊、數(shù)據(jù)加密與簽名模塊、北斗高精度定位模塊、傳感器模組以及數(shù)據(jù)上傳模塊，主控模塊分別與數(shù)據(jù)加密與簽名模塊、北斗高精度定位模塊、傳感器模組以及數(shù)據(jù)上傳模塊電性連接，數(shù)據(jù)上傳模塊分別與云數(shù)據(jù)中心和可信機構(gòu)通信連接。

53、本發(fā)明的有益效果為：

54、本發(fā)明提供的一種基于北斗高精度定位的橋梁集群安全監(jiān)測與預(yù)警方法及系統(tǒng)，集成北斗高精度定位技術(shù)，利用北斗衛(wèi)星導(dǎo)航系統(tǒng)的高精度定位能力，實現(xiàn)對橋梁集群的實時定位和監(jiān)控，提高定位數(shù)據(jù)采集的精確度，為后續(xù)的安全分析和預(yù)警提供準確的基礎(chǔ)數(shù)據(jù)；構(gòu)建橋梁集群異常分析模型、橋梁安全檢測模型以及橋梁安全優(yōu)化模型，實現(xiàn)對橋梁安全狀況的智能分析和預(yù)測，提高了功能性，自動識別潛在的安全風(fēng)險，并提供定制化的橋梁安全優(yōu)化策略，提高了智能化程度和實用性；通過實時采集橋梁數(shù)據(jù)，實現(xiàn)對橋梁集群的實時監(jiān)測與預(yù)警，及時發(fā)現(xiàn)和處理潛在的安全隱患，提高實時性和預(yù)警能力；通過云數(shù)據(jù)中心實現(xiàn)數(shù)據(jù)的集中管理和分析，提高可擴展性和靈活性，支持大規(guī)模橋梁集群的監(jiān)測和分析，降低人工干預(yù)，提高效率。

55、本發(fā)明的其他有益效果將在具體實施方式中進一步進行說明。