人工智能技术在城市公路隧道中的应用.doc

人工智能技术在城市公路隧道中的应用人工智能技术在城市发展规划中的应用人工智能技术(ArtiifeialIntelligenee)简称Al,顾名思义,它就是模拟和扩展人的智能的一种科学技术,与计算机技术的发展有着密切关系是计算机科学研究中的一个分支。在人工智能技术中,计算机就是实现这项技术的物质手段和载体人工智能的各项应用都是通过计算机软件来实现的。现在为了延伸人类的各种智能来满足社会发展需要人工智能的各项研究越来越多,人工智能技术的应用也越来越广泛。在城市发展规划中人工智能技术的应用重要表现在决策支持系统方面。一方面在决策上,计算机的决策支持系统借助于知识、数据以及模型通过人机交互进行的方式对城市发展规划进行半结构或者非结构化的决策,对城市发展规划决策者起到辅助作用;另一方面在管理方面二央策支持系统作为数字城市中重要的数据分析工具可以完毕大量的复杂工作提高城市发展规划管理水平。一、背景在经济高速发展背景下，城乡化的普及，越来越多的人进入城市，给城市空间导致巨大的压力。为了减少压力，不可避免的加大对高空建筑以及地下空间的研究使用开发。特别是为了提高城市内的交通环境和质量，建立了许多城市隧道。据最新数据表白，我国已经运营的隧道达成座，通车里程达成，是世界上公路隧道最多的国家。随着我国经济的快速发展和城市化进程的速度加快，越来越多的人涌入城市里面，给城市的交通带来极大的挑战。考虑到城市交通的特殊性以及“自然和谐相处”的理念。近年来城市公路隧道的建设速度越来越快。随着人工智能技术的快速发展，神经网络被广泛应用于控制和对数据进行预现。特别是神经网络自适应控制，由于较好地结合了神经网络和自适应控制的优点，对于隧道监控系统的专家预案管理，自动根据隧道实时监控数据和历史数据库来完毕对隧道的智能化控制。智能化监控系统还应当对监控系统的故障和稳定性给出快速对的的反映以保障隧道安全和高效运营。隧道内大量监控设备的引入通过各种环境监控探头来实时采集隧道内的环境信息，隧道监控人员根据这些监控数据来制定隧道控制策略以保障隧道内的环境适合人类生存。可以说大量监控设备的引入为隧道的安全有效运营提供了极大的保障。1.目前高速公路隧道监控系统的局限性由于传统隧道监控系统设计的设计和现代化技术应用的不完全，使得现行隧道监控系统还存在着许多局限性，重要表现在以下几个方面：目前大多数隧道监控系统的系统结构较为落后，以集散式控制方式为主，效率较为低下，并且平常管理较为复杂，可靠性也不强。由于隧道监控系统是一个非常复杂的由大量硬件和软件构成的复杂系统。这么多硬件和软件组成在一起使得隧道监控系统变成一个不稳定系统。而不同于集散式控制的隧道监控系统的总线控制方式具有较大优势。一方面总线控制方式控制较为集中，维护成本低，系统调度简朴和决策准确。故进来总线控制方式越来越多的被应用于隧道监控中。隧道智能交通控制系统的智能化限度需要进一步提高，特别是随着近年来人工智能的发展，智能控制的研究和应用更加成熟和广泛的今天，隧道智能控制可以进一步研究。隧道现行的控制大多是通过隧道监控人员观测决策后手动控制。隧道监控系统包含许多软件和硬件设备，各个设备的故障检测手段较为简朴，而为了隧道的长期安全高效运营，隧道的故障检测需进一步提高和高效。2.本文研究的目的和意义当前的隧道监控系统在隧道的各个设备的故障检测方面涉及较少，隧道智能监控系统不是仅仅能实现隧道智能控制，隧道智能监控系统对隧道内的环境信息采集和可控设备控制还远远达不到使隧道安全、高效、经济以及环保运营的效果。一个完整的隧道智能监控系统涉及，对隧道内的环境信息釆集、对隧道内的可控设备控制、对隧道内的火灾和环境等报警信息进行及时报警、对隧道内的软硬件设备进行及时、高效的故障检测机制。而故障检测机制是隧道监控系统长期、安全、高效运营的保障。二、神经网络与故障树分析法的基本理论神经网络的基本原理大量的简朴神经元组成一个相对复杂的神经网络，每个神经元有数个输入以及唯一的输出。神经网络中的各个神经元之间由可以变化的权值连接。其数学模型如图所示：输入向量与输出向量具有如下关系：可以把由大量神经元构成的人工神经网络看做一个有向图，各个神经元连接相应一个实数，即连接权系数，或称为权重。权值的集合可以作为一个长期的记忆并且是动态变化的，在对神经网络进行训练的时候各个神经元之间的连接权值是在训练过程中不断改变的。其改变的最终目的就是使神经网络整体误差达成最小或者允许范围。连接权值分为正负两种情况。当它为正的时候表达该神经元处在兴奋状态。当它为负的时候表达该神经元处在克制状态。神经网络的训练重要体现在连接权值的改变。而连接权值也描述着神经网络的特性。某些时候神经元具有某个实数值称为神经元的状态。神经网络中的每个神经元都对下层网络神经元有一个输出，输出值根据两个神经元之间的连接权值和输出神经元的状态。这种依赖性通过输出激励函数解决。三、基于故障树的隧道故障检测的研究1、隧道控制系统的硬件介绍及故障信息隧道的修建极大的缓解了城市交通的压力，但是修好的隧道并不是建好就可以一直运营的，隧道在运营过程中会产生许多隧道自身的问题，例如隧道内光线比较差，能见度很低，特别是在较长的隧道中，随着车辆的大量进入和隧道的长时间运营会产生大量的CO和其他有害气体使隧道不在适合人类生存，故在隧道中需要安装大量的传感器来检测隧道内的环境信息，安装可控设备来改善隧道内的环境。一个典型的隧道要安装的设备一般分为信息采集设备和可控设备。信息采集设备分为：车检器、温度湿度传感器、光强传感器、风速风向传感器、火灾报警器。可控设备分为：风机、车道灯、白炽灯钠灯等等。其中车检器是负责采集隧道车辆数量和车速，一个隧道也许安装数个车检器。车检器故障一般分为：断电、通信故障、数据错误。温度湿度传感器是负责采集隧道内的温度和湿度信息，一般一个隧道内安装至少2个该传感器，它的故障信息一般分为：断电、通信故障、检测数据错误。光强传感器是负责采集隧道内的光强度以便与外光强对比，它的故障信息一般分为：断电、通信故障、检测数据错误。风速风向传感器负责釆集隧道内的风速和风向信息，它的故障信息一般涉及：断电、通信故障、数据采集错误。火灾报警器是负责检测隧道内的火灾安全情况，它的故障一般涉及：断电、通信故障、误报率过高等等故障信息。风机重要是减少隧道内CO浓度和提高能见度，并能在火灾发生的时候排放隧道内的浓烟，它的故障一般分为：断电、通信故障、产风量下降等等。照明重要为隧道内提供照明信息，它的故障信息一般涉及：断电、通信故障。车道灯为隧道内的交通信号，故障一般涉及：断电、通信故障。隧道内的这些传感器和可控设备是通过PLC和触摸屏进行控制并通过工业总线连接至组态王，所有的隧道环境信息和可控设备信息汇总到组态王。在信息釆集和传输过程中故障的发生是不可避免的，但是通过故障树建立一个形象明了的故障信息表有助于我们对隧道内故障信息的检测、故障因素的判断和故障的修复。2、基于故障树的隧道故障树建立根据隧道内的硬件信息建立隧道异常的故障树，其过程大约如下所示：第一步以隧道智能监控系统异常为顶事件，由于隧道监控系统异常由车检器异常、CO/VI检测异常、火灾感应器异常、FX/FS检测异常、风机异常、照明异常和车道灯异常一共为7个直接因素。故有从顶事件隧道智能监控系统异常通过或门引出7个中间事件如图所示。第二步车检器异常由车检器无数据和车检器数据异常两个直接因素。该两个事件通过或门连接为中间事件。数据异常可以通过下节的神经网络判断是否异常。而中间事件车检器无数据由电源故障、线路故障以及通信异常为三个直接因素，从顶事件车检器无数据通过或门引出3个基本领件如图所示。第三步CO/VI异常由CO/VI无数据和CO/VI数据异常两个直接因素。该两个事件通过或门连接为中间事件。数据异常可以通过下节的神经网络判断是否异常。而中间事件CO/VI无数据由电源故障、线路故障以及通信异常为三个直接因素，从顶事件CO/VI无数据通过或门引出3个基本领件如图所示。第四步火灾感应器异常由火灾感应器无数据和火灾感应器误报率高两个直接因素。该两个事件通过或门连接为中间事件。数据误报率高可以通过下节的神经网络判断是否异常。而中间事件火灾感应器无数据由电源故障、线路故障以及通信异常为三个直接因素，从顶事件火灾感应器无数据通过或门引出3个基本领件如图所示。第五步FS/FX感应器异常由FS/FX感应器无数据和FS/FX数据异常两个直接因素。该两个事件通过或门连接为中间事件。数据异常可以通过下节的神经网络判断是否异常。而中间事件FS/FX无数据由电源故障、线路故障以及通信异常为三个直接因素，从顶事件FS/FX无数据通过或门引出3个基本领件如图所示。第六步风机、照明异常由两个可控设备不可控和可控但效果达不到预期两个直接因素。该两个事件通过或门连接为中间事件。中间事件不可控又有电源故障、线路故障以及通信异常构成。故通过或门从不可控引出三个基本领件。而风机和照明效果达不到预期可以通过下节神经网络来判断是否异常如图所示。第七步车道灯异常由电源故障、线路故障以及通信故障三个基本领件构成，中间事件车道灯异常可以通过或门引出三个基本领件如图所示。第八步将所有的异常分支连接成完整的隧道智能监控系统的故障树。如图所示：3、隧道智能监控系统故障树的分析根据随着智能监控系统故障树运用下行法进行分析，得到最小割集（MCS）为：车检器电源故障、车检器线路故障、车检器组态王通信故障、车检器数据异常、CO/VI感应器电源故障、CO/VI感应器线路故障、CO/VI感应器组态王通信故障、CO/VI数据异常、火灾感应器电源故障、火灾感应器线路故障、火灾感应器组态王通信故障、火灾误报率高、FS/FX感应器电源故障、FS/FX感应器线路故障、FS/FX感应器组态王通信故障、FS/FX感应器数据异常、风机电源故障、风机线路故障、风机组态王通信故障、风机达不到预期效果、照明电源故障、照明线路故障、照明组态王通信故障、照明达不到预期效果、车道灯电源故障、车道灯线路故障丨、车道灯组态王通信故障。分析这些最小割集不难发现，其中设备组态王通信故障为比较重要的事件，在分析中应当着重考虑，它们是车检器组态王通信故障、CO/VI组态王通信故障、FS/FX组态王通信故障、火灾感应器组态王通信故障、风机组态王通信故障、照明组态王通信故障、车道灯组态王通信故障。