CN110427441A - 一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法 - Google Patents
一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法 Download PDFInfo
- Publication number
- CN110427441A CN110427441A CN201910488485.6A CN201910488485A CN110427441A CN 110427441 A CN110427441 A CN 110427441A CN 201910488485 A CN201910488485 A CN 201910488485A CN 110427441 A CN110427441 A CN 110427441A
- Authority
- CN
- China
- Prior art keywords
- external environment
- railway
- hidden danger
- railway external
- management
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000007726 management method Methods 0.000 title claims abstract description 48
- 238000005516 engineering process Methods 0.000 title claims abstract description 42
- 230000010354 integration Effects 0.000 title claims abstract description 8
- 238000001514 detection method Methods 0.000 claims abstract description 60
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000004927 fusion Effects 0.000 claims abstract description 11
- 238000012552 review Methods 0.000 claims abstract description 11
- 238000004458 analytical method Methods 0.000 claims abstract description 10
- 230000000737 periodic effect Effects 0.000 claims abstract description 7
- 238000004519 manufacturing process Methods 0.000 claims abstract description 4
- 238000012545 processing Methods 0.000 claims description 25
- 238000007689 inspection Methods 0.000 claims description 14
- 230000000007 visual effect Effects 0.000 claims description 13
- 238000000605 extraction Methods 0.000 claims description 12
- 238000009826 distribution Methods 0.000 claims description 10
- 238000004422 calculation algorithm Methods 0.000 claims description 9
- 239000000284 extract Substances 0.000 claims description 8
- 230000001681 protective effect Effects 0.000 claims description 8
- 238000012732 spatial analysis Methods 0.000 claims description 6
- 238000013135 deep learning Methods 0.000 claims description 4
- 238000010586 diagram Methods 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 238000004364 calculation method Methods 0.000 claims description 3
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 239000003086 colorant Substances 0.000 claims description 3
- 238000013500 data storage Methods 0.000 claims description 3
- 238000007619 statistical method Methods 0.000 claims description 3
- 239000013589 supplement Substances 0.000 claims description 3
- 238000012549 training Methods 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims description 3
- 230000015572 biosynthetic process Effects 0.000 claims description 2
- 238000012800 visualization Methods 0.000 claims description 2
- 238000012360 testing method Methods 0.000 abstract description 4
- 238000012937 correction Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 238000012423 maintenance Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 229910000831 Steel Inorganic materials 0.000 description 1
- 238000013506 data mapping Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000004141 dimensional analysis Methods 0.000 description 1
- 239000010959 steel Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
- G01C11/02—Picture taking arrangements specially adapted for photogrammetry or photographic surveying, e.g. controlling overlapping of pictures
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/25—Integrating or interfacing systems involving database management systems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/26—Visual data mining; Browsing structured data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/10—Terrestrial scenes
- G06V20/13—Satellite images
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Databases & Information Systems (AREA)
- Business, Economics & Management (AREA)
- General Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- Remote Sensing (AREA)
- General Business, Economics & Management (AREA)
- Economics (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Astronomy & Astrophysics (AREA)
- Entrepreneurship & Innovation (AREA)
- Radar, Positioning & Navigation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Processing Or Creating Images (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明公开了一种基于空天地一体化技术的铁路外部环境隐患检测与管理方法,包括:S1,基于地图服务的铁路外部环境检测平台基础数据制作;S2,基于空间信息技术的铁路外部环境安全隐患数据库建立;S3,两库融合;S4,平台部署;S5,基于空间信息技术的铁路外部环境安全隐患目标定期检测;S6,基于铁路外部环境检测平台的隐患目标OA闭环管理;S7,基于铁路外部环境检测平台的隐患目标分析管理。该方法以空间遥感技术检测为主,配合人工进行针对性的复核与问题处置,实现从数据获取到检测结果输出的高度自动化,提高了作业效率和信息化程度,实现了对检测结果的精细管理分析以及从隐患发现、现场复核、信息填报到隐患OA处理的闭环管理。
Description
技术领域
本发明属于铁路运营维护与管理领域,特别是涉及一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法。
背景技术
铁路外部环境安全管理是铁路运维养护的重要内容之一。随着我国普速铁路和高速铁路里程的不断增加,铁路过境周边区域不可避免出现急剧增加的人为活动,在过年几年里,因人为活动产生的铁路外部环境隐患点给铁路运营带来了极大的安全风险。仅2018年,因周边彩钢房掀落至线路上造成铁路行车延误的事件就多达约3000余起,导致铁路外部环境检测与管理的重要程度急剧上升。目前铁路外部环境检测多采用人工巡检、多部门独立作业模式,管理多采用文本和电子化方式,存在可视范围小、漏检严重、信息精度低、信息化程度低、管理不便等弊端。
在大范围地表目标普查领域,结合空间信息技术、计算机图像处理技术来开展监测作业应用广泛,但在铁路外部环境检测应用中尚未引入该技术。
从技术的可行性上看:(1)利用空间信息技术,包括航天遥感、航空遥感等对地观测数据获取技术(如卫星遥感、航空摄影、无人机摄影),定期获取的多尺度遥感数据,可以克服人工巡检可视范围小的缺点,能够在一定程度上克服漏检现象,同时该技术还可以一次性提取多类型风险要素,实现一图多用,克服多部门独立作业的缺点。(2)基于遥感图像的目标识别和变化检测技术引入当前较为先进的深度学习算法,能够基于可靠样本实现对铁路外部环境隐患类型进行自动识别;基于多时相遥感图像变化检测算法,能够自动检测新增或变化的外部环境隐患点,极大提高自动化程度。
但是,结合当前铁路外部环境作业的实际情况,单纯依靠空间信息技术方法进行铁路外部环境隐患检测与管理仍无法克服以下缺点:
(1)当前遥感影像分辨率受限,采用单一数据源难以获取全方位的铁路外部环境信息;
(2)基于遥感图像的目标识别和变化检测技术受样本可靠性、算法成熟度及影像本身识别度的限制,无法避免零漏检;
(3)现有作业模式,单纯基于空间信息技术进行铁路外部环境隐患检测与管理难以与现有作业模式相融合,需要有相应的平台来辅助;
(4)单纯依靠该方法仍无法避免外业巡检,如何分清二者界面,合理化作业流程,提高效率仍然函待解决。
发明内容
本发明的目的是提供一种铁路外部环境检测与管理方法,通过融合空间信息技术、遥感图像识别处理技术、GIS技术、形成一种新的铁路外部环境作业模式,克服现有作业模式的弊端,提高作业信息化水平和管理水平。
为此,本发明的技术方案如下:
1、一种基于空天地一体化技术的铁路外部环境隐患检测与管理方法,包括以下步骤:
S1,基于地图服务的铁路外部环境检测平台基础数据制作:
S1-1,铁路外部环境检测平台基础数据整理:收集对应检测管理的铁路区域范围内的安全保护区资料、线位资料、工点缺口里程表、桥墩信息表,收集现有外部环境安全隐患问题数据库和基础管理信息;
S1-2,铁路外部环境检测平台基础数据入库:将整理的基础数据分别对应录入检测平台后台的非空间数据库中,对安全保护区资料、线位资料、工点缺口里程表、桥墩信息表以及现有外部环境安全隐患问题数据通过里程正算得到基于位置的空间矢量图形,并存储到空间数据库中,供后期平台检测使用;
S2,基于空间信息技术的铁路外部环境安全隐患数据库建立:
S2-1,基于空间信息技术的影像数据获取与预处理:
首期平台底图数据采取基于航空或低空摄影测量技术获取,影像覆盖宽度不小于铁路两侧200m范围,通过数字摄影测量处理,得到分辨率优于0.1m/pix的真正射影像,通过几何纠正方法实现真正射影像与检测平台的公共地理信息服务平台底图影像数据的平面位置一致性;
S2-2,遥感影像铁路外部环境隐患目标识别解译:
针对铁路外部环境隐患类型中的面状目标,采用遥感图像处理算法自动训练样本和初步提取目标,基于人机交互的方式进行目视解译,进一步复核计算机提取结果并完善目标提取内容,形成基于遥感图像提取的铁路外部环境隐患空间分布图;
S2-3,基于遥感图像的铁路外部环境隐患属性提取:
首先,针对利用遥感图像提取的铁路外部环境隐患空间分布图,通过里程反算方法实现隐患目标位置坐标到里程定位坐标的换算;
其次,根据隐患目标的里程值和偏移量,结合路外部环境检测平台基础数据进行空间分析,自动提取隐患目标的面积、距离、大小、类别、所处行政位置、所属工务段与车间信息以及所属管理人员信息;
综合铁路外部环境隐患空间分布图和提取的隐患目标属性,形成基于空间信息技术的铁路外部环境安全隐患数据库;
S3,两库融合:
通过S1和S2两步处理,结合地图服务对进入到检测平台的既有外部环境安全隐患数据库DB1和基于空间信息技术的铁路外部环境安全隐患数据库DB2进行问题数量合并和问题属性绑定,作业如下:
以DB1为准,逐个分析DB2中的每条记录,通过空间位置叠加分析处理,(1)对于DB1和DB2均存在的记录的情形,保留DB1既有属性,缺失的属性由DB2复制到其中;(2)对于仅DB2存在的记录,将DB2的完整记录新增至DB1中;(3)对于仅DB1存在的记录,基于移动端现场核实补充并完善属性,经过融合处理后,形成基于空天地一体技术的铁路外部环境安全隐患基础数据库DB3;
S4,平台部署:
在所述DB3基础数据库的基础上,按照路局—站段—车间三级部署桌面端管理***,一线巡检人员部署移动端巡检填报***;
S5,基于空间信息技术的铁路外部环境安全隐患目标定期检测:
根据确定的检测周期,采用高低分辨率影像数据间隔搭配方式进行定期作业,基于两期数据经过地理参考配准、影像色彩均衡统一处理、利用基于灰度特征的图像变化检测方法,提取变化区域,并经过形状规则化处理,形成安全隐患目标检测变化矢量图;
将提取的变化矢量图推送到检测平台桌面端中,结合底图影像进行目视判译复核,对矢量图逐条与DB3进行融合更新:对新增目标实现记录添加;对既有变化目标实施记录的属性状态变更处理;对所有无法通过目视解译完善属性的问题记录,设置为待复核项,制定隐患核实与处理计划,并推送到移动端进行现场复核和问题处置;
S6,基于铁路外部环境检测平台的隐患目标OA闭环管理:
现场巡检人员所持移动端接收隐患核实与处理计划后,根据计划进行现场复核及属性信息补充;
针对待处置问题,现场巡检人员通过移动端填写处理过程的相关文字和照片,形成处理记录,每次处理均形成一条记录,并更新至DB3中;针对现场新发现隐患问题,现场巡检人员通过移动端新增记录及记录属性,填报处置记录,并更新至DB3中;
根据处理记录,设置问题隐患状态,并推送桌面端***平台进行OA扭转,形成销号、二次处理的闭环管理;
S7,基于铁路外部环境检测平台的隐患目标分析管理:
通过GIS空间分析管理,结合地图服务,对铁路外部环境隐患源进行信息化和可视化处理,达到铁路外部环境隐患源的定位、属性查询、多维度统计分析、处理报表输出、隐患问题库批量输出。
上述的步骤S1-1中,所述安全保护区资料为段落+宽度的表格形式或矢量图形式;所述线位资料为标准线型格式或矢量图形式;所述工点缺口里程表为工点类型+段落里程范围的表格形式;所述桥墩信息表为桥梁名称+桥墩号+里程的表格形式;所述外部环境安全隐患数据库为表格形式;所述基础管理信息包括站段、车间的划分信息,巡检人员、双段长以及车间和站段中涉及该项工作的管理人员信息。
上述的步骤S2-2中,所述遥感图像处理算法为基于灰度相关、特征相关、深度学习的方法;所述行政位置细化到村镇一级。
上述的步骤S3中,所述DB2的完整记录包括空间图形与属性。
本发明具有以下有益效果:
通过基于空天地一体化技术的铁路外部环境隐患检测与管理新方法的应用,较之传统的人工巡检作业模式,有以下有益效果:
(1)本发明建立了新的铁路外部环境检测作业模式,以空间遥感技术检测为主,代替人工巡查检测,配合人工进行针对性的复核与问题处置;
(2)本发明主要以计算机作业为主,人机交互为辅,实现从数据获取到检测结果输出的高度自动化,提高了作业效率和信息化程度。
(3)本发明融合了基于GIS空间分析管理和WebSevice地图服务技术,实现了对检测结果的精细管理分析。通过接入空间数据库和公共地理信息服务,对铁路外部环境隐患源的管理由单纯电子记录化过渡到融合地理空间数据的信息化,由表格化过渡到基于地图服务的可视化,实现对铁路外部环境隐患的多维度分析与应用。通过互联网打造铁路外部环境隐患源内外作业一体化平台,实现了从隐患发现、现场复核、信息填报到隐患OA处理的闭环管理。
附图说明
图1是本发明检测和管理方法的流程图。
具体实施方式
下观结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明的基于空天地一体化技术的铁路外部环境隐患检测与管理方法包括以下步骤:
S1,基于地图服务的铁路外部环境检测平台基础数据制作:
S1-1,铁路外部环境检测平台基础数据整理:
收集对应检测管理的铁路区域范围内的安全保护区资料、线位资料、工点缺口里程表和桥墩信息表,收集现有外部环境安全隐患问题数据库、基础管理信息等资料。
所述安全保护区资料为段落+宽度的表格形式或矢量图形式;线位资料为标准线型格式或矢量图形式;工点缺口里程表为工点类型+段落里程范围的表格形式;桥墩信息表为桥梁名称+桥墩号+里程的表格形式;外部环境安全隐患问题数据库为表格形式;基础管理信息包括站段、车间的划分信息,巡检人员、双段长、车间及站段涉及该项工作的管理人员信息等。
S1-2,铁路外部环境检测平台基础数据入库
将整理的基础数据分别对应录入平台后台的非空间数据库中,对安全保护区,线位,工点缺口里程表、桥墩信息表、现有外部环境安全隐患数据问题通过里程正算得到基于位置的空间矢量图形,并存储到空间数据库中,供后期平台检测使用。里程正算方法如下:
(LCn、PYn)--》(Xn、Yn)
其中(LCn、PYn)分别为第n个隐患目标在当前线路上的里程值和偏移值,偏移值的数值为距离线位的垂距值,偏移值的方向由隐患目标与向大里程方向的线位的空间关系决定,遵循“左正右负”原则;(Xn、Yn)为第n个隐患目标的几何中心位置,
S2,基于空间信息技术的铁路外部环境安全隐患数据库建立:
S2-1,基于空间信息技术的影像数据获取与预处理:
首期平台底图数据采取基于航空或低空摄影测量技术获取,影像覆盖宽度不小于铁路两侧200m范围,通过数字摄影测量处理,得到分辨率优于0.1m/pix的真正射影像(TDOM),通过几何纠正方法实现TDOM与检测平台的公共地理信息服务平台底图影像数据的平面位置一致性。
S2-2,遥感影像铁路外部环境隐患目标识别解译:
针对铁路外部环境隐患类型中的面状目标,采用遥感图像处理算法(如基于灰度相关、特征相关、深度学习等方法)自动训练样本和初步提取目标,基于人机交互的方式进行目视解译,进一步复核计算机提取结果并完善目标提取内容,形成基于遥感图像提取的铁路外部环境隐患空间分布图,空间分布图一般为矢量图格式。
S2-3,基于遥感图像的铁路外部环境隐患属性提取:
首先,针对利用遥感图像提取的铁路外部环境隐患空间分布图,通过里程反算方法实现隐患目标位置坐标,到里程定位坐标的换算,即:
(Xn、Yn)--》(LCn、PYn)
其中(Xn、Yn)、(LCn、PYn)的说明同步骤S1-2,(Xn、Yn)可从空间图形中直接提取。
其次,根据隐患目标的里程值和偏移量,结合路外部环境检测平台基础数据进行空间分析,自动提取隐患目标的几何类属性SX1(面积、距离、大小等)、人工解译类属性SX2(类别、具体名称、权属)、物权类属性SX3(所处行政位置(细化到村镇一级)、所属工务段与车间信息、是否安保区、所属管理人员等信息)。
其中,几何类属性子项命名代号为SX1-1、SX1-2、…、SX1-n,属性取值依据空间几何关系获取;人工解译类属性子项命名代号为SX2-1、SX2-2、…、SX2-n,属性取值依据人工核实和相关外部资料查阅获取;物权类属性子项命名代号为SX3-1、SX3-2、…、SX3-n,属性取值依据物权界限获取,如针对第P个隐患目标((LCp、PYp)的所属车间项属性值确定,比较LCp与任一车间在该线路的管辖里程范围值(管辖起始里程值LCBn、管辖终止里程值LCEn)的关系,当LCp∈(LCBn、LCEn)时,即可将对应车间名称赋为第P个隐患目标的所属车间属性子项值。
综合铁路外部环境隐患空间分布图和提取的隐患目标属性,形成基于空间信息技术的铁路外部环境安全隐患数据库。
S3,两库融合:
通过S1和S2两步处理,结合地图服务对进入到检测平台的既有外部环境安全隐患数据库(简称DB1)和基于空间信息技术的铁路外部环境安全隐患数据库(简称DB2)进行问题数量合并和问题属性绑定,作业如下:
以DB1为准,逐个分析DB2中的每条记录,通过空间位置叠加分析处理,(1)对于DB1和DB2均存在的记录的情形,保留DB1既有属性,缺失的属性由DB2直接复制到对应缺失项中;(2)对于仅DB2存在的记录,将DB2的完整记录(涵盖空间图形与属性)新增至DB1中;(3)对于仅DB1存在的记录,基于移动端现场核实补充并完善属性。经过融合处理后,形成基于空天地一体技术的铁路外部环境安全隐患基础数据库(简称DB3)。
S4,平台部署:
在DB3基础数据库的基础上,按照路局—站段—车间三级进行平台部署桌面端管理***,一线巡检人员部署移动端巡检填报***。
S5,基于空间信息技术的铁路外部环境安全隐患目标定期检测
根据确定的检测周期,采用高低分辨率影像数据间隔搭配方式进行定期作业,基于两期数据经过地理参考配准、影像色彩均衡统一处理、利用基于灰度特征的图像变化检测方法,提取变化区域,并经过形状规则化处理,形成安全隐患目标检测变化矢量图。
将提取的变化矢量图推送到检测平台桌面端中,结合底图影像进行目视判译复核,对矢量图逐条与DB3进行融合更新:对新增目标实现记录添加;对既有变化目标实施记录的属性状态变更处理;对所有无法通过目视解译完善属性的问题记录,设置为待复核项,制定隐患核实与处理计划,并推送到移动端进行现场复核和问题处置。
S6,基于铁路外部环境检测平台的隐患目标OA闭环管理
现场巡检人员所持移动端接收隐患核实与处理计划后,根据计划进行现场复核及属性信息补充。
针对待处置问题,现场巡检人员通过移动端填写处理过程的相关文字和照片,形成处理记录,每次处理均形成一条记录,并更新至DB3中;针对现场新发现隐患问题,现场巡检人员通过移动端新增记录及记录属性。填报处置记录,并更新至DB3中。
根据处理记录,设置问题隐患状态,并推送桌面端***平台进行OA扭转,形成销号、二次处理等闭环管理。
S7,基于铁路外部环境检测平台的隐患目标分析管理:
通过GIS空间分析管理,结合地图服务,对铁路外部环境隐患源进行信息化和可视化处理,达到铁路外部环境隐患源的定位、属性查询、多维度统计分析、处理报表输出和隐患问题库批量输出等。
Claims (5)
1.一种基于空天地一体化技术的铁路外部环境隐患检测与管理方法,包括以下步骤:
S1,基于地图服务的铁路外部环境检测平台基础数据制作:
S1-1,铁路外部环境检测平台基础数据整理:收集对应检测管理的铁路区域范围内的安全保护区资料、线位资料、工点缺口里程表和桥墩信息表,收集现有外部环境安全隐患问题数据库和基础管理信息;
S1-2,铁路外部环境检测平台基础数据入库:将整理的基础数据分别对应录入检测平台后台的非空间数据库中,对安全保护区资料、线位资料、工点缺口里程表、桥墩信息表以及现有外部环境安全隐患问题数据通过里程正算得到基于位置的空间矢量图形,并存储到空间数据库中,供后期平台检测使用。
S2,基于空间信息技术的铁路外部环境安全隐患数据库建立:
S2-1,基于空间信息技术的影像数据获取与预处理:
首期平台底图数据采取基于航空或低空摄影测量技术获取,影像覆盖宽度不小于铁路两侧200m范围,通过数字摄影测量处理,得到分辨率优于0.1m/pix的真正射影像,通过几何纠正方法实现真正射影像与检测平台的公共地理信息服务平台底图影像数据的平面位置一致性;
S2-2,遥感影像铁路外部环境隐患目标识别解译:
针对铁路外部环境隐患类型中的面状目标,采用遥感图像处理算法自动训练样本和初步提取目标,基于人机交互的方式进行目视解译,进一步复核计算机提取结果并完善目标提取内容,形成基于遥感图像提取的铁路外部环境隐患空间分布图;
S2-3,基于遥感图像的铁路外部环境隐患属性提取:
首先,针对利用遥感图像提取的铁路外部环境隐患空间分布图,通过里程反算方法实现隐患目标位置坐标到里程定位坐标的换算;
其次,根据隐患目标的里程值和偏移量,结合路外部环境检测平台基础数据进行空间分析,自动提取隐患目标的面积、距离、大小、类别、所处行政位置、所属工务段与车间信息以及所属管理人员信息;
综合铁路外部环境隐患空间分布图和提取的隐患目标属性,形成基于空间信息技术的铁路外部环境安全隐患数据库;
S3,两库融合:
通过S1和S2两步处理,结合地图服务对进入到检测平台的既有外部环境安全隐患数据库DB1和基于空间信息技术的铁路外部环境安全隐患数据库DB2进行问题数量合并和问题属性绑定,作业如下:
以DB1为准,逐个分析DB2中的每条记录,通过空间位置叠加分析处理,(1)对于DB1和DB2均存在的记录的情形,保留DB1既有属性,缺失的属性由DB2复制到其中;(2)对于仅DB2存在的记录,将DB2的完整记录新增至DB1中;(3)对于仅DB1存在的记录,基于移动端现场核实补充并完善属性,经过融合处理后,形成基于空天地一体技术的铁路外部环境安全隐患基础数据库DB3;
S4,平台部署:
在所述DB3基础数据库的基础上,按照路局—站段—车间三级部署桌面端管理***,一线巡检人员部署移动端巡检填报***;
S5,基于空间信息技术的铁路外部环境安全隐患目标定期检测:
根据确定的检测周期,采用高低分辨率影像数据间隔搭配方式进行定期作业,基于两期数据经过地理参考配准、影像色彩均衡统一处理、利用基于灰度特征的图像变化检测方法,提取变化区域,并经过形状规则化处理,形成安全隐患目标检测变化矢量图;
将提取的变化矢量图推送到检测平台桌面端中,结合底图影像进行目视判译复核,对矢量图逐条与DB3进行融合更新:对新增目标实现记录添加;对既有变化目标实施记录的属性状态变更处理;对所有无法通过目视解译完善属性的问题记录,设置为待复核项,制定隐患核实与处理计划,并推送到移动端进行现场复核和问题处置;
S6,基于铁路外部环境检测平台的隐患目标OA闭环管理:
现场巡检人员所持移动端接收隐患核实与处理计划后,根据计划进行现场复核及属性信息补充;
针对待处置问题,现场巡检人员通过移动端填写处理过程的相关文字和照片,形成处理记录,每次处理均形成一条记录,并更新至DB3中;针对现场新发现隐患问题,现场巡检人员通过移动端新增记录及记录属性,填报处置记录,并更新至DB3中;
根据处理记录,设置问题隐患状态,并推送桌面端***平台进行OA扭转,形成销号、二次处理的闭环管理;
S7,基于铁路外部环境检测平台的隐患目标分析管理:
通过GIS空间分析管理,结合地图服务,对铁路外部环境隐患源进行信息化和可视化处理,达到铁路外部环境隐患源的定位、属性查询、多维度统计分析、处理报表输出、隐患问题库批量输出。
2.根据权利要求1所述的铁路外部环境隐患检测与管理方法,其特征在于:步骤S1-1中,所述安全保护区资料为段落+宽度的表格形式或矢量图形式;所述线位资料为标准线型格式或矢量图形式;所述工点缺口里程表为工点类型+段落里程范围的表格形式;所述桥墩信息表为桥梁名称+桥墩号+里程的表格形式;所述外部环境安全隐患问题数据库为表格形式;所述基础管理信息包括站段、车间的划分信息,巡检人员、双段长以及车间和站段中涉及该项工作的管理人员信息。
3.根据权利要求1所述的铁路外部环境隐患检测与管理方法,其特征在于:步骤S2-2中,所述遥感图像处理算法为基于灰度相关、特征相关、深度学习的方法。
4.根据权利要求1所述的铁路外部环境隐患检测与管理方法,其特征在于:步骤S2-2中,所述行政位置细化到村镇一级。
5.根据权利要求1所述的铁路外部环境隐患检测与管理方法,其特征在于:步骤S3中,所述DB2的完整记录包括空间图形与属性。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910488485.6A CN110427441B (zh) | 2019-06-05 | 2019-06-05 | 一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910488485.6A CN110427441B (zh) | 2019-06-05 | 2019-06-05 | 一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110427441A true CN110427441A (zh) | 2019-11-08 |
CN110427441B CN110427441B (zh) | 2023-01-03 |
Family
ID=68408514
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910488485.6A Active CN110427441B (zh) | 2019-06-05 | 2019-06-05 | 一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110427441B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111342391A (zh) * | 2020-03-06 | 2020-06-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
CN111489086A (zh) * | 2020-04-13 | 2020-08-04 | 中国铁路设计集团有限公司 | 铁路外部环境风险源建档方法 |
CN111555178A (zh) * | 2020-04-24 | 2020-08-18 | 云南电网有限责任公司昆明供电局 | 一种输电线路天空地协同智能巡检方法及*** |
CN114821489A (zh) * | 2022-06-30 | 2022-07-29 | 中国铁路设计集团有限公司 | 基于实时定位的既有铁路线上作业安全管控方法及*** |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100272357A1 (en) * | 2006-07-28 | 2010-10-28 | University Of New Brunswick | Method of image segmentation |
CN103063202A (zh) * | 2012-12-30 | 2013-04-24 | 同济大学 | 基于遥感影像的蓝藻生物量时空变化监测与可视化方法 |
CN107203516A (zh) * | 2016-03-16 | 2017-09-26 | 镇江雅迅软件有限责任公司 | 一种通用gis接口 |
CN109146876A (zh) * | 2018-09-14 | 2019-01-04 | 四川省安全科学技术研究院 | 一种基于高分遥感影像的矿山环境变化检测方法 |
-
2019
- 2019-06-05 CN CN201910488485.6A patent/CN110427441B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100272357A1 (en) * | 2006-07-28 | 2010-10-28 | University Of New Brunswick | Method of image segmentation |
CN103063202A (zh) * | 2012-12-30 | 2013-04-24 | 同济大学 | 基于遥感影像的蓝藻生物量时空变化监测与可视化方法 |
CN107203516A (zh) * | 2016-03-16 | 2017-09-26 | 镇江雅迅软件有限责任公司 | 一种通用gis接口 |
CN109146876A (zh) * | 2018-09-14 | 2019-01-04 | 四川省安全科学技术研究院 | 一种基于高分遥感影像的矿山环境变化检测方法 |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111342391A (zh) * | 2020-03-06 | 2020-06-26 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
CN111342391B (zh) * | 2020-03-06 | 2021-05-14 | 云南电网有限责任公司电力科学研究院 | 一种输电线路绝缘子和线路故障巡视方法及巡视体系 |
CN111489086A (zh) * | 2020-04-13 | 2020-08-04 | 中国铁路设计集团有限公司 | 铁路外部环境风险源建档方法 |
CN111489086B (zh) * | 2020-04-13 | 2023-08-11 | 中国铁路设计集团有限公司 | 铁路外部环境风险源建档方法 |
CN111555178A (zh) * | 2020-04-24 | 2020-08-18 | 云南电网有限责任公司昆明供电局 | 一种输电线路天空地协同智能巡检方法及*** |
CN111555178B (zh) * | 2020-04-24 | 2021-05-14 | 云南电网有限责任公司昆明供电局 | 一种输电线路天空地协同智能巡检方法及*** |
CN114821489A (zh) * | 2022-06-30 | 2022-07-29 | 中国铁路设计集团有限公司 | 基于实时定位的既有铁路线上作业安全管控方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN110427441B (zh) | 2023-01-03 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110427441A (zh) | 一种基于空天地一体化技术的铁路外部环境隐患检测和管理方法 | |
Li et al. | Integrated use of spatial and semantic relationships for extracting road networks from floating car data | |
CN112800913B (zh) | 一种基于多源特征融合的路面损伤数据时空分析方法 | |
CN109117749A (zh) | 一种基于无人机巡检影像的异常目标监管方法及*** | |
Veljanovski et al. | Object-based image analysis of VHR satellite imagery for population estimation in informal settlement Kibera-Nairobi, Kenya | |
CN111949809A (zh) | 一种输电线路红外巡检数据智能处理方法 | |
CN111339905A (zh) | 基于深度学习及多视角的cim井盖状态视觉检测*** | |
CN106651004B (zh) | 一种基于降雨洪灾时空数据库的洪灾预测方法 | |
Wang et al. | Urban development analysis using built-up area maps based on multiple high-resolution satellite data | |
Esch et al. | Urban remote sensing–how can earth observation support the sustainable development of urban environments? | |
CN101964009A (zh) | 一种基于insar制作3d产品的***及方法 | |
CN107609242A (zh) | 一种基于智能手机和数字地形图的公路勘察选线方法 | |
Wu et al. | Automatic building rooftop extraction using a digital surface model derived from aerial stereo images | |
Tang et al. | Road network change detection based on floating car data | |
Hao et al. | Smart curb digital twin: Inventorying curb environments using computer vision and street imagery | |
Taubenböck et al. | Remote sensing—An effective data source for urban monitoring | |
Li et al. | The extraction of built-up areas in Chinese mainland cities based on the local optimal threshold method using NPP-VIIRS images | |
Zhao et al. | RGR-Net: Refined Graph Reasoning Network for multi-height hotspot defect detection in photovoltaic farms | |
Niu | Estimating housing vacancy rate in Qingdao city with NPP-VIIRS nighttime light and geographical national conditions monitoring data | |
CN114973017A (zh) | 融合遥感及gis技术的输变电设备高精度定位方法及*** | |
CN110804912B (zh) | 一种铁路线路及沿线区域形变信息的提取方法 | |
Dai et al. | [Retracted] Accurate Ranging Based on Transmission Line Channel Monitoring Image and Point Cloud Data Mapping | |
Wang | Design of public building space in smart city based on big data | |
Chen et al. | Application of data fusion in the production and updating of spatial data | |
Ruan et al. | Monitoring the Spatio-Temporal Trajectory of Urban Area Hotspots in Wuhan, China Using Time-Series Nighttime Light Images |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |