CN119004392B - 基于数据分析的管廊综合监控预警方法及系统 - Google Patents

Abstract

本发明公开了基于数据分析的管廊综合监控预警方法及系统，涉及管廊监控技术领域，融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。预警系统能够结合监测点的异常监测结果，智能调控巡检机器人的巡检速度以及巡检路线，并结合监测点与巡检机器人的监测信息对管廊段进行异常分析，有效保障综合管廊运行的稳定性和安全性。

Description

基于数据分析的管廊综合监控预警方法及系统

技术领域

本发明涉及管廊监控技术领域，具体涉及基于数据分析的管廊综合监控预警方法及系统。

背景技术

管廊综合监控系统是用于管理和监控地下综合管廊的综合性系统，地下综合管廊是一种集约化的城市基础设施，将各种市政管线如电力、电信、燃气、给水、排水、热力等集中敷设在一个地下空间中，通过这种集成方式，管廊可以提高城市空间利用效率，减少管线事故风险，便于维护和管理。

现有预警系统通常是在综合管廊的预设节点处设置监测点（监测点通过设置传感设备实时监测管廊的多项数据），并配合综合管廊内部的巡检机器人来实现对管廊的整体监测，通常来说监测点仅能监测管廊节点处是否存在异常，对于节点之间的管廊段主要依赖巡检机器人进行异常监测，但由于巡检机器人的设置数量有限，且现有预警系统采取预设的巡检速度控制巡检机器人移动检测，存在以下缺陷：

1、由于监测点主要分布在预设的节点处，节点之间的区域成为监测盲区，监测点通常只能监测管廊节点处的参数，而无法实时监测节点之间的管廊段，因此，如果在这些区域发生问题，可能会导致故障或事故无法被及时检测和预警（例如，当管廊段已经存在严重异常时，节点处的传感设备可能仅监测到轻微异常）；

2、由于巡检机器人数量有限，且受制于固定的巡检速度，巡检的频率可能无法满足实际需求，在巡检机器人到达之前，管廊段内的异常可能已经扩展或加剧，巡检机器人无法根据实时情况动态调整巡检路线和频率，可能会导致资源浪费，例如在无异常的低风险区域花费大量时间，而高风险区域却无法及时巡检。

发明内容

本发明的目的是提供基于数据分析的管廊综合监控预警方法及系统，能够结合监测点的异常监测结果，智能调控巡检机器人的巡检速度以及巡检路线，并结合监测点与巡检机器人的监测信息对管廊段进行异常分析，有效保障综合管廊运行的稳定性和安全性，以解决背景技术中不足。

为了实现上述目的，本发明提供如下技术方案：基于数据分析的管廊综合监控预警方法，所述预警方法包括以下步骤：

预警系统通过管廊管理平台获取管廊的监测点信息，为每个监测点编号，并依据监测点将管廊划分为若干管廊段；

定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，在监测时间段内，获取多个时间点的电压值、信号强度、水压值、气压值以及温度值，计算电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差，将电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差代入融合模型中计算得到异常因子，融合模型表达式为：，式中，为异常因子，为环境影响因子，取值0.162，表示环境参数对综合管廊安全性的影响幅度，为变量，为各个变量的回归系数，且回归系数大于0，依据异常因子对监测点进行异常分析；

结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检；

将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，当分析监测点存在异常或管廊段存在异常时，预警系统向管廊管理平台发送预警信号。

在一个优选的实施方式中，监测点通过电压传感器监测电力管线电压值，通过光功率计监测通信管线信号强度，通过压力传感器监测给水管道水压值，通过气压传感器监测燃气管道气压值，通过温度传感器监测供热管道温度值。

在一个优选的实施方式中，依据异常因子对监测点进行异常分析，包括以下步骤：

将获取的异常因子与预设的异常阈值进行对比，异常阈值用于分析监测点处是否存在异常，若异常因子小于等于异常阈值，分析监测点处不存在异常，若异常因子大于异常阈值，分析监测点存在异常。

在一个优选的实施方式中，结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，包括以下步骤：

获取每个监测点相对于综合管廊的权重，将相邻两个监测点的异常因子加权计算获取对应管廊段的巡检标度，函数表达式为：

，式中，为巡检标度，为管廊段一端监测点的异常因子，为管廊段另一端监测点的异常因子，为管廊段一端监测点的权重，为管廊段另一端监测点的权重。

在一个优选的实施方式中，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，包括以下步骤：

将获取的巡检标度与预设的巡检阈值进行对比，巡检阈值用于预测管廊段是否存在异常，若巡检标度小于等于巡检阈值，预测管廊段不存在异常，若巡检标度大于巡检阈值，预测管廊段存在异常；

当预测所有管廊段均不存在异常时，生成的控制策略为：不对巡检机器人进行控制，巡检机器人以预设的巡检路径和巡检速度进行巡检；

当预测至少一个管廊段存在异常时，生成的控制策略为：将存在异常的所有管廊段依据巡检标度由大到小进行排序，生成巡检列表，依据巡检列表正序生成管廊段的巡检顺序，将巡检顺序发送至综合管廊中的所有巡检机器人，巡检机器人依据巡检顺序对预测存在异常的管廊段进行优先巡检；

对巡检列表中的管廊段，依据巡检标度来调节巡检机器人的巡检速度，表达式为：，式中，为调节后的巡检速度，为调节前的巡检速度，为巡检标度。

在一个优选的实施方式中，将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，包括以下步骤：

巡检机器人对管廊段的巡检数据包括图像异常占比指数以及有害气体浓度指数；

将巡检数据与巡检标度综合计算获取异常系数，表达式为：

，式中，为异常系数，为巡检标度，为巡检数据，、分别为巡检标度、巡检数据的调节系数，且、均大于0，为第类异常图像网格比值，为第类有害气体浓度，为有害气体的检测数量，为异常图像的获取数量；

将异常系数与预设的系数阈值进行对比，系数阈值用于判断管廊段是否存在异常，若异常系数小于等于系数阈值，判断管廊段不存在异常，若异常系数大于系数阈值，判断管廊段存在异常；

将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。

在一个优选的实施方式中，获取每个监测点相对于综合管廊的权重，包括以下步骤：

获取监测点历史的故障率以及故障影响数量，将故障率以及故障影响数量的取值范围映射到[0,1]之间，获取故障率归一化值以及故障影响数量归一化值，将故障率归一化值以及故障影响数量归一化值求和获取比例值，将所有监测点的比例值求和获取总比例值，通过比例值比上总比例值获取监测点的权重。

在一个优选的实施方式中，为每个监测点编号，并依据监测点将管廊划分为若干管廊段，包括以下步骤：

通过管廊管理平台，获取当前部署的监测点总数，记为n，对所有监测点进行编号，并将编号信息与监测点的位置信息进行关联存储，将每个监测点依次编号为：{c₁、c₂、c₃、...、c_n}；

根据监测点的位置，将每两个相邻监测点之间的管廊区域划分为一个管廊段，对所有管廊段进行编号，并将编号信息与对应的监测点信息进行关联存储，按照管廊段的顺序，依次将各个管廊段编号为：{d₁、d₂、d₃、...、d_n-1}，管廊段编号与监测点的编号一一对应；

将监测点编号和管廊段编号的信息进行整合，形成管廊监测点与管廊段的映射表，将整合后的映射表存储在预警系统的数据库中。

基于数据分析的管廊综合监控预警系统，包括编号标记模块、异常监测模块、智能控制模块、异常分析模块；

编号标记模块：通过管廊管理平台获取管廊的监测点信息，监测点信息包括监测点数量以及监测点位置，并为每个监测点编号，分别标记为：{c₁、c₂、c₃、...、c_n}，n表示监测点的数量，并依据监测点将管廊划分为若干管廊段，分别标记为：{d₁、d₂、d₃、...、d_n-1}，监测点信息以及管廊段信息发送至异常监测模块；

异常监测模块：定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，巡检标度发送至智能控制模块以及异常分析模块；

智能控制模块：基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检；

异常分析模块：将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。

在上述技术方案中，本发明提供的技术效果和优点：

本发明通过融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。预警系统能够结合监测点的异常监测结果，智能调控巡检机器人的巡检速度以及巡检路线，并结合监测点与巡检机器人的监测信息对管廊段进行异常分析，有效保障综合管廊运行的稳定性和安全性。

附图说明

为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明中记载的一些实施例，对于本领域普通技术人员来讲，还可以根据这些附图获得其他的附图。

图1为本发明的方法流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1：请参阅图1所示，本实施例所述基于数据分析的管廊综合监控预警方法，所述预警方法包括以下步骤：

预警系统通过管廊管理平台获取管廊的监测点信息，监测点信息包括监测点数量以及监测点位置，并为每个监测点编号，分别标记为：{c₁、c₂、c₃、...、c_n}，n表示监测点的数量，并依据监测点将管廊划分为若干管廊段，分别标记为：{d₁、d₂、d₃、...、d_n-1}，定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检，将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台，当分析监测点存在异常或管廊段存在异常时，预警系统向管廊管理平台发送预警信号。

本申请通过融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。预警系统能够结合监测点的异常监测结果，智能调控巡检机器人的巡检速度以及巡检路线，并结合监测点与巡检机器人的监测信息对管廊段进行异常分析，有效保障综合管廊运行的稳定性和安全性。

实施例2：预警系统通过管廊管理平台获取管廊的监测点信息，监测点信息包括监测点数量以及监测点位置，包括以下步骤：

预警系统首先需要通过认证和授权访问管廊管理平台的接口或数据库，向管理平台发送请求，以获取与监测点相关的最新信息，从管廊管理平台中获取当前配置的监测点数量。

提取每个监测点的位置信息，包括其在管廊中的具体位置坐标（如X、Y、Z坐标）、层次位置（如地上或地下），以及相对管廊段的距离。这些信息有助于绘制监测点分布图，便于后续分析和决策。

对获取的监测点信息进行校验，确保数据的完整性和准确性。例如，检查监测点位置是否与系统中的既有配置一致，或是否存在重复或缺失的监测点，验证数据的时间戳，确保预警系统使用的是最新的监测点信息，避免使用过时数据导致误判。

将获取的监测点数量及位置信息存储在预警系统的数据库中，作为后续预警分析的基础数据，设置定期的数据更新机制，确保监测点信息在管廊发生调整（如新增、删除监测点）时能够及时更新至预警系统。

为每个监测点编号，分别标记为：{c₁、c₂、c₃、...、c_n}，n表示监测点的数量，并依据监测点将管廊划分为若干管廊段，分别标记为：{d₁、d₂、d₃、...、d_n-1}，包括以下步骤：

通过管廊管理平台，获取当前部署的监测点总数，记为n，对所有监测点进行编号，并将编号信息与监测点的位置信息进行关联存储，制定监测点的编号规则，将每个监测点依次编号为：{c₁、c₂、c₃、...、c_n}，编号可以按照监测点在管廊中的物理顺序（如从起点到终点）来进行。

根据监测点的位置，将每两个相邻监测点之间的管廊区域划分为一个管廊段。具体来说，监测点c₁和c₂之间的管廊段为d₁，监测点c₂和c₃之间的管廊段为d₂，以此类推，直到最后一个管廊段d_n-1，其位于监测点c_n-1和c_n之间。

对所有管廊段进行编号，并将编号信息与对应的监测点信息进行关联存储，按照管廊段的顺序，依次将各个管廊段编号为：{d₁、d₂、d₃、...、d_n-1}，管廊段编号与监测点的编号一一对应，以便直观地理解每个管廊段的范围。

将监测点编号和管廊段编号的信息进行整合，形成一张完整的管廊监测点与管廊段的映射表，将整合后的映射表存储在预警系统的数据库中，以供后续的监测和分析使用。

定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，包括以下步骤：

综合管廊中，通常包括电力管线、通信管线、给水管道、燃气管道、供热管道等；

因此，本申请中，监测点通过电压传感器监测电力管线电压值，通过光功率计监测通信管线信号强度，通过压力传感器监测给水管道水压值，通过气压传感器监测燃气管道气压值，通过温度传感器监测供热管道温度值；

在监测时间段内，获取多个时间点的电压值、信号强度、水压值、气压值以及温度值，计算电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差；

电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差通过通用标准差计算公式计算获取，通用标准差计算公式表达式为：，式中，为参数标准差，为时间点数量，为第个时间点的参数值，为参数平均值，参数标准差越大，表明在检测时间段内，参数的波动越大，越可能存在异常；

具体的，计算电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差的方法与通用标准差计算公式相同，本申请不再一一介绍。

将电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差代入融合模型中计算得到异常因子，融合模型表达式为：，式中，为异常因子，为环境影响因子，取值0.162，表示环境参数（例如环境温度、环境湿度等）对综合管廊安全性的影响幅度，为变量（电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差），为各个变量的回归系数，且回归系数大于0；

本发明使用时异常因子的逻辑因素组成：以变量对综合管廊安全性的影响为例，一是指标，即导致综合管廊安全性下降的因素（本发明指变量对综合管廊安全性的影响）；二是这些指标的权重，即每一种主要影响数据产生时所占的比重；三是运算方程式，即通过什么样的数学运算过程得出结果，将具有各自权重的指标通过运算方程式的运算所得出的异常因子。

对样本中获取的主要影响数据进行数据转化和处理，转化成电脑软件识别的数据语言；其次，将这些评估因素运用SPSS软件进行Logistic回归分析，筛选出与结果具有重要相关性的因素及其权重；再次，将评估因素和权重带入Logistic回归方程进行运算，从而得出结果，具体为：

首先，确保主要影响数据的完整性，处理缺失值和异常值，将数据转化成SPSS软件能够识别的格式，通常是将数据存储为csv、xlsx等格式，然后导入到SPSS，打开SPSS软件，导入已处理的数据文件，根据需要对变量进行转换，例如，对于连续变量，进行标准化或归一化，选择“分析”菜单，然后选择“回归”下的“二元logistic”选项，在对话框中，将因变量（结果）和自变量（主要影响数据）添加到相应的框中，SPSS将根据所选的变量拟合Logistic回归模型，在输出结果中，将看到模型的因子、标准误、p值等信息，查看输出结果中的因子和p值，以判断哪些变量与结果具有显著相关性，通常，p值小于0.05被认为是显著的，在模型拟合的同时，使用变量选择方法，如逐步回归，帮助筛选最相关的因素，根据Logistic回归模型的系数，系数的大小反映了每个因素对结果的影响程度，系数的正负号表示了影响的方向，得到显著性的因素和它们的系数后，得到Logistic回归方程，该方程用于计算每个样本的概率，进而预测结果。

依据异常因子对监测点进行异常分析，包括以下步骤：

获取监测点的异常因子后，异常因子越大，表明监测点处的异常越严重，将获取的异常因子与预设的异常阈值进行对比，异常阈值用于分析监测点处是否存在异常，若异常因子小于等于异常阈值，分析监测点处不存在异常，若异常因子大于异常阈值，分析监测点存在异常。

结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，包括以下步骤：

获取每个监测点相对于综合管廊的权重，将相邻两个监测点的异常因子加权计算获取对应管廊段的巡检标度，函数表达式为：

，式中，为巡检标度，为管廊段一端监测点的异常因子，为管廊段另一端监测点的异常因子，为管廊段一端监测点的权重，为管廊段另一端监测点的权重。

获取每个监测点相对于综合管廊的权重，包括以下步骤：

获取监测点历史的故障率以及故障影响数量，将故障率以及故障影响数量的取值范围映射到[0,1]之间，获取故障率归一化值以及故障影响数量归一化值，将故障率归一化值以及故障影响数量归一化值求和获取比例值，将所有监测点的比例值求和获取总比例值，通过比例值比上总比例值获取监测点的权重，监测点的权重越大，表明监测点相对于综合管廊的重要性越大。

故障率等于监测点的历史故障次数比上监测时长获取，监测点的故障率越大，越需要关注该监测点，故障影响数量为监测点发生故障时，导致综合管廊中其他监测点故障的数量，监测点故障影响数量越大，表明该监测点对综合管廊的影响越大，越需要关注该监测点。

基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检，包括以下步骤：

管廊段的巡检标度越大，表明该管廊段存在异常的可能性越大（当管廊段两端的监测点均出现异常时，该管廊段越可能出现异常）；

将获取的巡检标度与预设的巡检阈值进行对比，巡检阈值用于预测管廊段是否存在异常，若巡检标度小于等于巡检阈值，预测管廊段不存在异常，若巡检标度大于巡检阈值，预测管廊段存在异常；

当预测所有管廊段均不存在异常时，生成的控制策略为：不对巡检机器人进行控制，巡检机器人以预设的巡检路径和巡检速度进行巡检；

当预测至少一个管廊段存在异常时，生成的控制策略为：将存在异常的所有管廊段依据巡检标度由大到小进行排序，生成巡检列表，依据巡检列表正序生成管廊段的巡检顺序，将巡检顺序发送至综合管廊中的所有巡检机器人，巡检机器人依据巡检顺序对预测存在异常的管廊段进行优先巡检，并且，对巡检列表中的管廊段，巡检标度越大，预测管廊段存在异常的可能性越大，因此，管廊段的巡检标度越大，巡检机器人越需要放慢对该管廊段的巡检速度，依据巡检标度来调节巡检机器人的巡检速度，表达式为：，式中，为调节后的巡检速度，为调节前的巡检速度，为巡检标度；

巡检机器人对巡检列表中的所有管廊段依据调节后的巡检速度进行巡检，并且对预测不存在异常的管廊段不进行巡检，即对预测不存在异常的管廊段采取最小巡检速度通过。

假设综合管廊总共配备了一台巡检机器人，则一台巡检机器人对巡检列表中所有的管廊段按照正序以及调节后的巡检速度进行巡检；如果综合管廊总共配备了两台巡检机器人，当第一台巡检机器人对巡检列表中排序第一的管廊段巡检时，另一台巡检机器人则对巡检列表中排序第二的管廊段巡检，若综合管廊配备两台以上的巡检机器人时，则依据上述方法进行巡检。

将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，包括以下步骤：

巡检机器人对管廊段的巡检数据包括图像异常占比指数以及有害气体浓度指数；

将巡检数据与巡检标度综合计算获取异常系数，表达式为：

，式中，为异常系数，为巡检标度，为巡检数据，、分别为巡检标度、巡检数据的调节系数，且、均大于0，为第类异常图像网格比值，为第类有害气体浓度，为有害气体的检测数量，为异常图像的获取数量；

异常系数越大，表明管廊段越可能存在异常，将异常系数与预设的系数阈值进行对比，系数阈值用于判断管廊段是否存在异常，若异常系数小于等于系数阈值，判断管廊段不存在异常，若异常系数大于系数阈值，判断管廊段存在异常；

将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。

图像异常占比指数的获取逻辑为：图像异常种类包括明火异常、破损异常以及渗水异常等，将异常图像划分为若干1×1网格，通过现有图像识别技术识别异常图像中的异常占取网格数量，将异常占取网格数量比上异常图像总网格数量得到异常图像网格比值，由于巡检机器人在巡检管廊段过程中，可能会拍摄多张异常图像，因此，将多张异常图像的异常图像网格比值求和获取图像异常占比指数，图像异常占比指数越大，表明管廊段中的异常越严重。

有害气体浓度指数的获取逻辑为：巡检机器人通过自身配备的有害气体监测仪检测管廊段中的有害气体浓度，管廊中的有害气体包括但不限于一氧化碳、硫化氢、甲烷、二氧化碳、氨气等，巡检机器人获取多类有害气体浓度后，将多类有害气体浓度求和获取有害气体浓度指数，有害气体浓度指数越大，表明管廊段中的异常越严重。

实施例3：本实施例所述基于数据分析的管廊综合监控预警系统，包括编号标记模块、异常监测模块、智能控制模块、异常分析模块；

编号标记模块：通过管廊管理平台获取管廊的监测点信息，监测点信息包括监测点数量以及监测点位置，并为每个监测点编号，分别标记为：{c₁、c₂、c₃、...、c_n}，n表示监测点的数量，并依据监测点将管廊划分为若干管廊段，分别标记为：{d₁、d₂、d₃、...、d_n-1}，监测点信息以及管廊段信息发送至异常监测模块；

异常监测模块：定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，巡检标度发送至智能控制模块以及异常分析模块；

智能控制模块：基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检；

异常分析模块：将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。

上述公式均是去量纲取其数值计算，公式是由采集大量数据进行软件模拟得到最近真实情况的一个公式，公式中的预设参数由本领域的技术人员根据实际情况进行设置。

应理解，本文中术语“和/或”，仅仅是一种描述关联对象的关联关系，表示可以存在三种关系，例如，A和/或B，可以表示：单独存在A，同时存在A和B，单独存在B这三种情况，其中A,B可以是单数或者复数。另外，本文中字符“/”，一般表示前后关联对象是一种“或”的关系，但也可能表示的是一种“和/或”的关系，具体可参考前后文进行理解。

应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。

本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的系统、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以所述权利要求的保护范围为准。

Claims (8)

1.基于数据分析的管廊综合监控预警方法，其特征在于：所述预警方法包括以下步骤：

预警系统通过管廊管理平台获取管廊的监测点信息，为每个监测点编号，并依据监测点将管廊划分为若干管廊段；

定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，在监测时间段内，获取多个时间点的电压值、信号强度、水压值、气压值以及温度值，计算电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差，将电压值标准差、信号强度标准差、水压值标准差、气压值标准差以及温度值标准差代入融合模型中计算得到异常因子，融合模型表达式为：，式中，为异常因子，为环境影响因子，取值0.162，表示环境参数对综合管廊安全性的影响幅度，为变量，为各个变量的回归系数，且回归系数大于0，依据异常因子对监测点进行异常分析；

结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检；

将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，当分析监测点存在异常或管廊段存在异常时，预警系统向管廊管理平台发送预警信号；

结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，包括以下步骤：

获取每个监测点相对于综合管廊的权重，将相邻两个监测点的异常因子加权计算获取对应管廊段的巡检标度，函数表达式为：

，式中，为巡检标度，为管廊段一端监测点的异常因子，为管廊段另一端监测点的异常因子，为管廊段一端监测点的权重，为管廊段另一端监测点的权重。

2.根据权利要求1所述的基于数据分析的管廊综合监控预警方法，其特征在于：所述监测点通过电压传感器监测电力管线电压值，通过光功率计监测通信管线信号强度，通过压力传感器监测给水管道水压值，通过气压传感器监测燃气管道气压值，通过温度传感器监测供热管道温度值。

3.根据权利要求2所述的基于数据分析的管廊综合监控预警方法，其特征在于：将获取的异常因子与预设的异常阈值进行对比，异常阈值用于分析监测点处是否存在异常，若异常因子小于等于异常阈值，分析监测点处不存在异常，若异常因子大于异常阈值，分析监测点存在异常。

4.根据权利要求3所述的基于数据分析的管廊综合监控预警方法，其特征在于：基于管廊段的巡检标度为巡检机器人生成相应的控制策略，包括以下步骤：

将获取的巡检标度与预设的巡检阈值进行对比，巡检阈值用于预测管廊段是否存在异常，若巡检标度小于等于巡检阈值，预测管廊段不存在异常，若巡检标度大于巡检阈值，预测管廊段存在异常；

当预测所有管廊段均不存在异常时，生成的控制策略为：不对巡检机器人进行控制，巡检机器人以预设的巡检路径和巡检速度进行巡检；

当预测至少一个管廊段存在异常时，生成的控制策略为：将存在异常的所有管廊段依据巡检标度由大到小进行排序，生成巡检列表，依据巡检列表正序生成管廊段的巡检顺序，将巡检顺序发送至综合管廊中的所有巡检机器人，巡检机器人依据巡检顺序对预测存在异常的管廊段进行优先巡检；

对巡检列表中的管廊段，依据巡检标度来调节巡检机器人的巡检速度，表达式为：，式中，为调节后的巡检速度，为调节前的巡检速度，为巡检标度。

5.根据权利要求4所述的基于数据分析的管廊综合监控预警方法，其特征在于：将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，包括以下步骤：

巡检机器人对管廊段的巡检数据包括图像异常占比指数以及有害气体浓度指数；

将巡检数据与巡检标度综合计算获取异常系数，表达式为：

，式中，为异常系数，为巡检标度，为巡检数据，、分别为巡检标度、巡检数据的调节系数，且、均大于0，为第类异常图像网格比值，为第类有害气体浓度，为有害气体的检测数量，为异常图像的获取数量；

将异常系数与预设的系数阈值进行对比，系数阈值用于判断管廊段是否存在异常，若异常系数小于等于系数阈值，判断管廊段不存在异常，若异常系数大于系数阈值，判断管廊段存在异常；

将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。

6.根据权利要求5所述的基于数据分析的管廊综合监控预警方法，其特征在于：获取每个监测点相对于综合管廊的权重，包括以下步骤：

获取监测点历史的故障率以及故障影响数量，将故障率以及故障影响数量的取值范围映射到[0,1]之间，获取故障率归一化值以及故障影响数量归一化值，将故障率归一化值以及故障影响数量归一化值求和获取比例值，将所有监测点的比例值求和获取总比例值，通过比例值比上总比例值获取监测点的权重。

7.根据权利要求6所述的基于数据分析的管廊综合监控预警方法，其特征在于：为每个监测点编号，并依据监测点将管廊划分为若干管廊段，包括以下步骤：

通过管廊管理平台，获取当前部署的监测点总数，记为n，对所有监测点进行编号，并将编号信息与监测点的位置信息进行关联存储，将每个监测点依次编号为：{c₁、c₂、c₃、...、c_n}；

根据监测点的位置，将每两个相邻监测点之间的管廊区域划分为一个管廊段，对所有管廊段进行编号，并将编号信息与对应的监测点信息进行关联存储，按照管廊段的顺序，依次将各个管廊段编号为：{d₁、d₂、d₃、...、d_n-1}，管廊段编号与监测点的编号一一对应；

将监测点编号和管廊段编号的信息进行整合，形成管廊监测点与管廊段的映射表，将整合后的映射表存储在预警系统的数据库中。

8.基于数据分析的管廊综合监控预警系统，用于实现权利要求1-7任一项所述的预警方法，其特征在于：包括编号标记模块、异常监测模块、智能控制模块、异常分析模块；

编号标记模块：通过管廊管理平台获取管廊的监测点信息，监测点信息包括监测点数量以及监测点位置，并为每个监测点编号，分别标记为：{c₁、c₂、c₃、...、c_n}，n表示监测点的数量，并依据监测点将管廊划分为若干管廊段，分别标记为：{d₁、d₂、d₃、...、d_n-1}，监测点信息以及管廊段信息发送至异常监测模块；

异常监测模块：定时通过监测点处设置的传感设备获取多项数据后，通过融合模型分析多项数据并为每个监测点输出异常因子，先依据异常因子对监测点进行异常分析，再结合相邻两个监测点的异常因子为每个管廊段生成巡检标度，巡检标度发送至智能控制模块以及异常分析模块；

智能控制模块：基于管廊段的巡检标度为巡检机器人生成相应的控制策略，并依据控制策略控制巡检机器人对管廊段进行巡检；

异常分析模块：将巡检机器人对管廊段的巡检数据与巡检标度综合分析，分析管廊段的异常状况，将监测点的异常分析结果与管廊段的异常状况发送至管廊管理平台。