申请/专利权人：浙江中南建设集团有限公司

申请日：2024-04-17

公开（公告）日：2024-06-28

公开（公告）号：CN118071114B

主分类号：G06Q10/0631

分类号：G06Q10/0631;G06Q10/20;G06Q50/08;G06F18/2413;G06F18/2433;G06F18/232

优先权：

专利状态码：有效-授权

法律状态：2024.06.28#授权;2024.06.11#实质审查的生效;2024.05.24#公开

摘要：本发明公开了一种用于道路桥梁防撞护栏的状态监测系统及方法，具体防撞护栏监测领域，用于解决道路防撞护栏状态识别和资源分配问题，是通过统计分析和卡方检验识别与道路防撞护栏相关的特征，结合DBSCAN算法对选定的特征进行聚类分析，剔除不相关特征，降低了数据分析的复杂性，减少了干扰。这种方法识别出具有高密度的簇作为重点监控区域，有效地集中监控资源。综合考虑局部异常指数和整体相似度的评估进一步提高了异常检测的准确性和灵敏度，能够精准识别异常情况并评估风险等级。因此，这种综合技术方案不仅能够及时发现潜在问题，还能够辨别出是个别防撞护栏出现问题，还是周围环境整体存在异常，为进一步的维护和管理提供了更为准确的依据。

主权项：1.一种用于道路桥梁防撞护栏的状态监测方法，其特征在于：步骤S1：汇总历史道路事故通报数据，依据统计分析结合卡方检验得到相关特征，根据相关特征的对应数据构建新的历史数据子集，并聚类提取具有高密度的簇为重点监控区域，以确定需要监测的道路防撞护栏区域；步骤S2：基于需要监测的道路防撞护栏区域，分配监测资源收集监测数据，并通过无线方式传输至中央数据处理系统；步骤S3：统计接受到的监测数据，利用局部异常因子度量数据异常程度，并结合最近邻数据点相似度权重，分析护栏数据点异常性以及与周围环境的一致性，识别出具体的异常防撞护栏；步骤S4：根据识别出的防撞护栏的异常度量情况对应分配维护资源；步骤S1包括以下内容：步骤S1-1，收集并准备历史道路事故通报数据，包括事故发生地点的各种特征；步骤S1-2，将历史数据中的各种特征作为自变量，将道路防撞护栏的存在与否作为分类结果；步骤S1-3，对于每一个特征和分类结果组合，计算出实际观察到的样本数，构建一个列联表；步骤S1-4，根据总体样本量和各自变量水平的频率，计算出期望频数，即在零假设下每个单元格的预期值，期望频数的计算公式为：E=（行总数×列总数）总样本数；步骤S1-5，对于每一个特征，计算卡方值，用于衡量观察频数与期望频数之间的偏差程度；步骤S1-6，计算自由度，计算公式为：；其中，是行的数量，是列的数量；步骤S1-7，对历史数据中的每个特征，按照上述步骤计算其对应的卡方值；将每个特征的卡方值与对应的临界值进行比较，如果某个特征的卡方值大于临界值，则保留特征，反之，则删除与道路防撞护栏无关或不相关的特征数据；基于筛选后的特征，构建新的历史数据子集，其中仅包含与道路防撞护栏相关的特征数据；步骤S1-8，应用DBSCAN算法对历史数据子集进行聚类分析；针对历史数据子集，对其中的每个数据点，计算在给定邻域半径内包含的数据点数量，这些数据点构成了对应点的邻域；根据设定的最小样本数，将密度大于等于最小样本数的点标记为核心点：即，如果某个点的邻域内包含的数据点数量大于等于最小样本数，则将对应的点标记为核心点；从未被访问的核心点开始，以及它的密度可达的所有点，构建聚类簇，将这些点标记为同一簇，并递归地扩展簇；对于密度不足以被视为核心点，但落在核心点的邻域内的数据点，标记为边界点，边界点将被分配到与其密度可达的核心点所在的簇中；将簇中包含的核心点数量大于或等于密度阈值的簇识别为具有高密度；将具有高密度的簇标记为待分析区域，这些区域即为需要重点关注的监测的区域，需要考虑安排防撞护栏状态监测传感器进行监测；步骤S3包括以下内容：步骤一，收集同一个传感器单位时间内在不同时间点检测到的数据，构建数据集，对于数据集内的每个数据点，计算其局部可达密度，表示对应的点对于其邻域的密度情况；计算公式为：；其中，是距离最近的个邻近点集合，是到的可达距离，定义为，其中是点到点的距离，是点的个邻近点的核心距离；步骤二，对于每个数据点，计算其局部异常因子，表示该点相对于其邻域的异常程度，计算公式为：；步骤三，对于每个防撞护栏A，首先计算其LOF值；根据定义的额定距离范围，找到距离防撞护栏A在额定距离范围内的其他防撞护栏，将其标记为B；针对每个相邻的防撞护栏B，首先计算其与防撞护栏A之间的距离；将距离作为权重因子，用来调整LOF值的贡献度；计算相似度，将防撞护栏A和B的相似值乘以一个与距离成反比的权重因子，以减弱距离较远的防撞护栏对相似度的影响；具体的相似度计算公式如下所示：；根据防撞护栏A和所有邻域的防护护栏B之间的相似度，进行综合计算得到整体相似度：；其中： 表示防撞护栏和每个邻域的防撞护栏B之间的相似度； 表示防撞护栏的与邻域所有防撞护栏的整体相似度； 表示防撞护栏A和B之间的距离； 表示与防撞护栏A相邻的所有防撞护栏的集合； 表示相邻防撞护栏的数量；步骤S4包括以下内容：将同一防撞护栏在单位时间内获取的数据集中的排序最大的LOF值标记为局部异常指数；若局部异常指数大于异常阈值，且整体相似度大于相似阈值，表示异常不仅仅局限于该防撞护栏本身，且周围环境也整体异常，生成高风险信号；局部异常指数大于异常阈值，且整体相似度不大于相似阈值，表示该防撞护栏异常情况与周围环境差异较大，只是极个别的防撞护栏的监测存在问题，风险处于可控的程度范围内，生成中低风险信号；局部异常指数不大于异常阈值，且整体相似度小于相似阈值，表示该防撞护栏所处环境与周围环境存在较大差异，周围的防撞护栏可能存在潜在风险或异常情况，生成中高风险信号；局部异常指数和整体相似度均不大于对应的异常阈值和相似阈值，防撞护栏所处环境与周围环境相似，存在的异常情况可能性较低，生成低风险信号。

全文数据：

权利要求：

百度查询： 浙江中南建设集团有限公司 一种用于道路桥梁防撞护栏的状态监测系统及方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD