一种基于三维结构的地铁站实时监控方法及应急处理预演方法转让专利

申请号 : CN201910853086.5

文献号 : CN110610309B

文献日 :

基本信息:

PDF:

法律信息:

相似专利:

发明人 : 姜涛邢成烨金懿骅

申请人 : 江苏航天大为科技股份有限公司

摘要 :

本发明涉及一种基于三维结构的地铁站实时监控方法及应急处理预演方法,通过搭建三维的结构模型,使得控制中心能够获取各类设备、乘客、异常物品的信息,并进行三维显示,更加直观的发现各类异常的存在,而且,对于各类的异常,检测设备可以根据实际的异常状态进行预警跟踪,而后由控制中心汇总各类预警进行综合判断得到应急处理方案,提高了预警的效率,并能够实时掌握给了异常信息的变化;在应急处理时,将方案进行分阶段预演,实现了对方案的有效验证,保证了应急方案的准确性以及可靠性。

权利要求 :

1.一种基于三维结构的地铁站实时监控方法,其特征在于,所述方法包括:

步骤1:在控制中心构建地铁三维结构模型;具体包括:

获取地铁站的建筑结构信息以及各类设备的信息;其中,所述各类设备是指需要检测的设备;

基于上述建筑结构信息以及各类设备的信息构建地铁站三维结构模型;

在上述结构模型中搭建设备、乘客、物品跟踪模型、预警模型以及环境模型;

步骤2:控制中心根据检测的目标下发配置文件至各类检测设备,以便各类检测设备加载对应的配置文件实现地铁站内的各类设备、乘客、物品的检测得到不同类型的检测信息,所述不同类型的检测信息包括设备信息、乘客信息、物品信息;检测设备根据当前的客流密度确定各类检测信息的预警权重,然后根据预警权重确定是否产生预警;检测设备根据产生预警的设备、乘客、和/或物品的预警级别确定跟踪策略;

其中,根据预警权重确定是否产生预警包括:

当检测目标为设备时,根据当前客流密度确定预警权重,根据检测得到的设备的温度以及声音确定是否异常;即根据设备的温度和声音确定设备的权重W设备,其中,T为设备处于正常状态下的最高温度,Tnow为设备

处于当前状态下的温度;S为设备处于正常状态下的最大声音,Snow为设备处于当前状态下的声音;a、b为常数,其中,客流密度越大,a、b的取值越大;

当检测目标为乘客时,根据当前客流密度确定预警权重,根据乘客的行为确定是否异常;包括:当乘客逗留时间1.2t标>t>0.8t标时,确定该乘客周围的人数N>4时的时间Δt>c*t,如果是,该乘客为异常乘客;其中,c为常数,客流密度越大,c的取值越大;当t≥1.2t标时,该乘客为异常乘客;t标为列车间隔周期和站台停车时长的和;其中,Δt为非连续的时间段;

当检测目标为物品时,首先判断物品是否存在引燃和/或易爆的风险,如果没有,则确定物品的停放时间t>t标,如果是,则属于异常物品;如果物品有引燃和/或易爆的风险,则确定物品的停放期间是否有两次的列车进站并出站,如果有,则属于异常物品;

步骤3:控制中心接收到检测信息及预警信息后,基于所述三维结构模型,加载对应的设备、人、物的状态,根据上述状态的不同进行标记,以实现三维显示;同时结合跟踪模型根据检测设备实时或周期上传的检测信息进行跟踪;具体包括:对于不同类型的检测目标使用不同的颜色进行标记,同时利用不同的颜色对检测目标的状态进行标记;其中,针对设备的检测信息周期上传;针对乘客的检测信息实时上传,针对物品的检测信息每隔一个站台停车时长上传一次;

步骤4:所述控制中心在接收到各类预警信息后,根据预警模型生成综合预警信息进行预警,所述综合预警信息包括综合预警级别Y;其中,Y=j*∑Y设备+k*∑Y乘客+L*∑Y物品,其中,∑Y设备为接收到的各检测设备检测到的设备的预警级别的总和,j为常数,其取值与各预警设备之间的距离有关,预警设备的位置越集中,j的值越大;∑Y乘客为接收到的各检测设备检测到的异常乘客对应的预警级别的总和,k为常数,其取值与客流密度相同,客流密度越大,k的值越大;∑Y物品为检测设备检测到的异常物品对应的预警级别的总和,L为常数,其取值与客流密度以及是否有危险风险有关;

其中,所述跟踪包括根据检测信息进行实景跟踪。

2.如权利要求1所述的方法,其特征在于,当检测目标为乘客时,控制中心与运营商基站进行交互,获取乘客的移动终端的位置信息,并进行实时更新;同时利用布设在地铁站的监控系统进行实时检测、跟踪获得检测信息;当监控中心获取上述位置信息以及检测信息后,首先确定基于检测信息利用三维结构模型计算乘客的位置信息,并与从基站获取的位置信息进行比对,如果一致,则在三维结构模型上显示乘客信息,如果不一致,则在三维结构模型上以异常标记显示乘客和其移动终端的位置信息;同时通知地铁工作人员上述两个位置信息,并在特定的时间间隔后,在地铁站内广播移动终端遗失信息。

3.基于权利要求1所述的基于三维结构的地铁站实时监控方法的应急处理预演方法,其特征在于,在地铁站内铺设路径引导装置以及警示显示装置;

所述应急处理预演方法包括:基于所述实时监控方法获取各类检测信息,以及所述三维结构模型进行三维模拟和/或实景显示,显示信息包括检测设备上报的预警级别的标识;

根据预警级别以及综合预警级别从对应的数据库中匹配至少一个应急处理方案;其中,所述应急处理方案是多个应急阶段的组合;其中,不同应急阶段的处理方案存储在不同的数据库中,且不同的数据库与应急阶段对应的标识具有绑定关系;

根据所述应急处理方案基于三维结构模型中进行三维显示预演,以验证应急处理方案的可行性;在预演过程中,根据应急处理方案进行分阶段预演,只有当前应急阶段通过时,才会进行下一阶段的预演,如果当前阶段未通过,则根据当前阶段对应的标识识别出其对应的数据库,然后从中获取对应的替代方案,进行预演,直至预演效果得到最佳要求,由此获得最佳的应急处理方案进行下发;

其中,所述应急处理方案包括:设备工作状态调整以及维护策略、人员疏导策略、以及物品隔离策略;其中,所述设备工作状态调整以及维护策略包括对地铁站内的通风系统、温湿度调节系统的工作状态进行调整,以及对异常设备的维护策略;所述人员疏导策略包括路径引导装置的显示规则,以及警示显示装置的内容设置;

所述进行预演包括:根据工作人员的数量模拟疏导点,然后基于三维显示信息,模拟人员引导过程,同时还包括安防系统的管理,所述安防系统包括:视频系统、门禁系统、综合保安系统、应急系统;

所述进行预演还包括根据应急策略确定是否需要实景预演。

说明书 :

一种基于三维结构的地铁站实时监控方法及应急处理预演

方法

技术领域

[0001] 本发明涉及一种基于三维结构的地铁站实时监控方法及应急处理预演方法。

背景技术

[0002] 作为城市功能中最活跃的因素,轨道交通已成为城市可持续发展的关键性问题。随着信息时代的高速发展,城市轨道交通现已进入网络时代。然而地铁作为城市建设的产物,不仅是社会公共资源,更是社会公共安全危险与风险的高发区域。它具有全局性、连带性、局限性、群体性的特点,也有可能是恐怖分子实施恐怖袭击的首选和重要目标,因此在地铁站处进行有效的监控以及应急处理是非常有必要的。
[0003] 然而,在现有的监控系统中,主要还是依靠视频监控系统,有工作人员进行人眼识别,虽然已经存在一些人体行为的异常检测及预警方式,但是地铁站内的各类异常也可能是由其他原因导致的;由此可见,现有的检测和预警方式无法让控制中心直观的获取各类信息,同时各类应急方案也无法进行预演,无法验证应急方案的准确性。

发明内容

[0004] 为解决现有技术中存在的问题,本发明提供了基于三维结构的地铁站实时监控方法及应急处理预演方法。
[0005] 其中,所述一种基于三维结构的地铁站实时监控方法,所述方法包括:
[0006] 步骤1:在控制中心构建地铁三维结构模型;具体包括:
[0007] 获取地铁站的建筑结构信息以及各类设备的信息;
[0008] 基于上述建筑结构信息以及各类设备的信息构建地铁站三维结构模型;
[0009] 在上述结构模型中搭建设备、乘客、物品跟踪模型、预警模型以及环境模型;
[0010] 步骤2:控制中心根据检测的目标下发配置文件至各类检测设备,以便各类检测设备加载对应的配置文件实现地铁站内的各类设备、乘客、物品的检测得到不同类型的检测信息,所述不同类型的检测信息包括设备信息、乘客信息、物品信息;检测设备根据当前的客流密度确定各类检测信息的预警权重,然后根据预警权重确定是否产生预警;检测设备根据产生预警的设备、乘客、和/或物品的预警级别确定临时跟踪策略;
[0011] 其中,根据预警权重确定是否产生预警包括:
[0012] 当检测目标为设备时,根据当前客流密度确定预警权重,根据检测得到的设备的温度以及声音确定是否异常;即根据设备的温度和声音确定设备的权重W设备,根据W设备和预警权重的关系确定是否产生预警;其中,
[0013] 其中,T为设备处于正常状态下的最高温度,Tnow为设备处于当前状态下的温度;S为设备处于正常状态下的最大声音,Snow为设备处于当前状态下的声音;a、b为常数,根据客流密度越大,a、b的取值越大;
[0014] 当检测目标为乘客时,根据当前客流密度确定预警权重,根据乘客的行为确定是否异常;包括:当乘客逗留时间1.2t标>t>0.8t标时,确定该乘客周围的人数N>4时的时间Δt>c*t,如果是,该乘客为异常乘客;其中,c为常数,客流密度越大,c的取值越大;当t≥1.2t标时,该乘客为异常乘客;t标为列车间隔周期和站台停车时长的和;其中,Δt为非连续的时间段;当确定为异常乘客时进行预警;
[0015] 当检测目标为物品时,首先判断物品是否存在引燃和/或易爆的风险,如果没有,则确定物品的停放时间t>t标,如果是,则属于异常物品;如果物品有引燃和/或易爆的风险,则确定物品的停放期间是否有两次的列车进站并出站,如果有,则属于异常物品;当确定为异常物品时进行预警;
[0016] 步骤3:控制中心接收到检测信息及预警信息后,基于所述三维结构模型,加载对应的设备、人、物的状态,根据上述状态的不同进行标记,以实现三维显示;同时结合跟踪模型根据检测设备实时或周期上传的检测信息进行跟踪;具体包括:
[0017] 对于不同类型的检测目标使用不同的颜色进行标记,同时利用不同的颜色对检测目标的状态进行标记,不同的颜色表示不同的状态;其中,针对设备的检测信息周期上传;针对乘客的检测信息实时上传,针对物品的检测信息每隔一个站台停车时长上传一次;
[0018] 步骤4:所述控制中心在接收到各类预警信息后,根据预警模型生成综合预警信息进行预警,所述综合预警信息包括综合预警级别Y;其中,
[0019] Y=j*∑Y设备+k*∑Y乘客+L*∑Y物品,其中,∑Y设备为接收到的各检测设备检测到的设备的预警级别的总和,j为常数,其取值与各预警设备之间的距离有关,预警设备的位置越集中,j的值越大;∑Y乘客为接收到的各检测设备检测到的异常乘客对应的预警级别的总和,k为常数,其取值与客流密度相同,客流密度越大,k的值越大;∑Y物品为检测设备检测到的异常物品对应的预警级别的总和,L为常数,其取值与客流密度以及是否有危险风险有关;
[0020] 其中,所述跟踪可以包括根据检测信息进行实景跟踪。
[0021] 其中,当检测目标为乘客时,控制中心与运营商基站进行交互,获取乘客的移动终端的位置信息,并进行实时更新;同时利用布设在地铁站的监控系统进行实时检测、跟踪获得检测信息;当监控中心获取上述位置信息以及检测信息后,首先确定基于检测信息利用三维结构模型计算乘客的位置信息,并与从基站获取的位置信息进行比对,如果一致,则在三维结构模型上显示乘客信息,如果不一致,则在三维结构模型上以异常标记显示乘客和其移动终端的位置信息;同时通知地铁工作人员上述两个位置信息,并在特定的时间间隔后,在地铁站内广播移动终端遗失信息。
[0022] 基于上述监控方法的应急处理预演方法,在地铁站内铺设路径引导装置以及警示显示装置;
[0023] 所述应急处理预演方法包括:基于所述实时监控方法获取各类检测信息,以及所述三维结构模型进行三维模拟和/或实景显示,所述显示信息包括检测设备上报的预警级别的标识;
[0024] 根据预警级别以及综合预警级别从对应的数据库中匹配至少一个应急处理方案;其中,所述应急处理方案是多个应急阶段的组合;其中,不同应急阶段的处理方案存储在不同的数据库中,且不同的数据库与应急阶段对应的标识具有绑定关系;
[0025] 根据所述应急处理方案基于三维结构模型进行三维显示预演,以验证应急处理方案的可行性;在预演过程中,根据应急处理方案进行分阶段预演,只有当前应急阶段通过时,才会进行下一阶段的预演,如果当前阶段未通过,则根据当前阶段对应的标识识别出其对应的数据库,然后从中获取对应的替代方案,进行预演,直至预演效果得到最佳要求,由此获得最佳的应急处理方案进行下发;
[0026] 其中,所述应急处理方案包括:设备工作状态调整以及维护策略、人员疏导策略、以及物品隔离策略;其中,所述设备工作状态调整以及维护策略包括对地铁站内的通风系统、温湿度调节系统的工作状态进行调整,以及对异常设备的维护策略;所述人员疏导策略包括路径引导装置的显示规则,以及警示显示装置的内容设置;
[0027] 所述进行预演包括:根据工作人员的数量模拟疏导点,然后基于三维显示信息,模拟人员引导过程,同时还包括安防系统的管理,所述安防系统包括:视频系统、门禁系统、综合保安系统、应急系统;
[0028] 所述进行预演还包括根据应急策略确定是否需要实景预演。
[0029] 本发明的有益效果是,本发明提供的基于三维结构的地铁站实时监控方法及应急处理预演方法,通过搭建三维的结构模型,使得控制中心能够获取各类设备、乘客、异常物品的信息,并进行三维显示,更加直观的发现各类异常的存在,而且,对于各类的异常,检测设备可以根据实际的异常状态进行预警跟踪,而后由控制中心汇总各类预警进行综合判断得到应急处理方案,提高了预警的效率,并能够实时掌握给了异常信息的变化;在应急处理时,将方案进行分阶段预演,实现了对方案的有效验证,保证了应急方案的准确性以及可靠性。

附图说明

[0030] 下面结合附图和实施例对本发明进一步说明。
[0031] 图1是本发明的优选实施例的方法流程图。

具体实施方式

[0032] 现在结合附图对本发明作进一步详细的说明。这些附图均为简化的示意图,仅以示意方式说明本发明的基本结构,因此其仅显示与本发明有关的构成。
[0033] 为解决现有技术中存在的问题,本发明提供了基于三维结构的地铁站实时监控方法及应急处理预演方法。
[0034] 其中,所述一种基于三维结构的地铁站实时监控方法,如图1所示,
[0035] 所述方法包括:
[0036] 步骤1:在控制中心构建地铁三维结构模型;具体包括:
[0037] 获取地铁站的建筑结构信息以及各类设备的信息;
[0038] 基于上述建筑结构信息以及各类设备的信息构建地铁站三维结构模型;
[0039] 在上述结构模型中搭建设备、乘客、物品跟踪模型、预警模型以及环境模型;
[0040] 在搭建三维结构模型时,充分考虑地铁站的三维建筑结构、安装的各类设备的信息、以及所处的环境(如温湿度、空气质量等)信息,并搭建对应的子模型,以便根据实际的需要调用对应的模型,其中,在对应的显示界面上,当针对不同的模型,均设置有一键参数修改,以便进行及时的参数调整;同时还建立了乘客、物品、设备的跟踪模型,由此可以实现乘客、物品以及设备的状态跟踪,同时可以根据需要进行实景显示跟踪。由此提高便于控制中心对各类异常有更加直观认识,提高后续预警以及应急方案选择的准确性。
[0041] 步骤2:控制中心根据检测的目标下发配置文件至各类检测设备,以便各类检测设备加载对应的配置文件实现地铁站内的各类设备、乘客、物品的检测得到不同类型的检测信息,所述不同类型的检测信息包括设备信息、乘客信息、物品信息;检测设备根据当前的客流密度确定各类检测信息的预警权重,然后根据预警权重确定是否产生预警;检测设备根据产生预警的设备、乘客、和/或物品的预警级别确定临时跟踪策略;
[0042] 其中,根据预警权重确定是否产生预警包括:
[0043] 当检测目标为设备时,根据当前客流密度确定预警权重,根据检测得到的设备的温度以及声音确定是否异常;即根据设备的温度和声音确定设备的权重W设备,根据W设备和预警权重的关系确定是否产生预警;其中,
[0044] 其中,T为设备处于正常状态下的最高温度,Tnow为设备处于当前状态下的温度;S为设备处于正常状态下的最大声音,Snow为设备处于当前状态下的声音;a、b为常数,根据客流密度越大,a、b的取值越大;优选的,设备的异常还与运行时长有关,当运行时长小于特定值时,其温度和或声音大到最大值,且累计时长超过预定时长,则设备处于异常状态;
[0045] 当检测目标为乘客时,根据当前客流密度确定预警权重,根据乘客的行为确定是否异常;包括:当乘客逗留时间1.2t标>t>0.8t标时,确定该乘客周围的人数N>4时的时间Δt>c*t,如果是,该乘客为异常乘客;其中,c为常数,客流密度越大,c的取值越大;当t≥1.2t标时,该乘客为异常乘客;t标为列车间隔时长和站台停车时长的和;其中,Δt为非连续的时间段,其为实际t内,满足N>4的时间累积值;当确定为异常乘客时进行预警;
[0046] 当检测目标为物品时,首先判断物品是否存在引燃和/或易爆的风险,如果没有,则确定物品的停放时间t>t标,如果是,则属于异常物品;如果物品有引燃和/或易爆的风险,则确定物品的停放期间是否有两次的列车进站并出站,如果有,则属于异常物品;当确定为异常物品时进行预警;
[0047] 由于客流密度的不同,使得各类异常的影响也不同,当客流密度较小时,即使出现的异常稍微验证点,但是整体可能影响不大,反之亦然;因此,在设置预警权重时,充分考虑客流密度,根据客流密度进行设置,优选的,可以根据实际的客流密度分为多个范围等级(如3个),如较低等级、正常等级、较高等级等,然后根据不同的等级设置不同参数的取值,以便根据确定各类预警的级别,通过上述信息量化可以提高计算速度,提高异常发现的效率。
[0048] 步骤3:控制中心接收到检测信息及预警信息后,基于所述三维结构模型,加载对应的设备、人、物的状态,根据上述状态的不同进行标记,以实现三维显示;同时结合跟踪模型根据检测设备实时或周期上传的检测信息进行跟踪;具体包括:
[0049] 对于不同类型的检测目标使用不同的颜色进行标记,同时利用不同的颜色对检测目标的状态进行标记,不同的颜色表示不同的状态;其中,针对设备的检测信息周期上传;针对乘客的检测信息实时上传,针对物品的检测信息每隔一个站台停车时长上传一次;
[0050] 对于不同的目标,以及不同的目标状态均设置不同的显示方式,由此提高更直观的发现异常范围及比例,优选的,在控制中心处,可以根据外部指令,选择性的输出对应的信息,如仅显示设备的异常信息等,或是仅显示某一类型的异常信息等,由此便于控制中心对异常信息的统计分析。
[0051] 步骤4:所述控制中心在接收到各类预警信息后,根据预警模型生成综合预警信息进行预警,所述综合预警信息包括综合预警级别Y;其中,
[0052] Y=j*∑Y设备+k*∑Y乘客+L*∑Y物品,其中,∑Y设备为接收到的各检测设备检测到的设备的预警级别的总和,j为常数,其取值与各预警设备之间的距离有关,预警设备的位置越集中,j的值越大;∑Y乘客为接收到的各检测设备检测到的异常乘客对应的预警级别的总和,k为常数,其取值与客流密度相同,客流密度越大,k的值越大;∑Y物品为检测设备检测到的异常物品对应的预警级别的总和,L为常数,其取值与客流密度以及是否有危险风险有关;综合预警级别通过各类预警信息的总和的加权获取,由此更能直观准确的确定预警级别。
[0053] 其中,所述跟踪可以包括根据检测信息进行实景跟踪。
[0054] 其中,当检测目标为乘客时,控制中心与运营商基站进行交互,获取乘客的移动终端的位置信息,并进行实时更新;同时利用布设在地铁站的监控系统进行实时检测、跟踪获得检测信息;当监控中心获取上述位置信息以及检测信息后,首先确定基于检测信息利用三维结构模型计算乘客的位置信息,并与从基站获取的位置信息进行比对,如果一致,则在三维结构模型上显示乘客信息,如果不一致,则在三维结构模型上以异常标记显示乘客和其移动终端的位置信息;同时通知地铁工作人员上述两个位置信息,并在特定的时间间隔后,在地铁站内广播移动终端遗失信息。
[0055] 由于乘客在出行时,通常会随身携带手机,而地铁站处于运营商基站的覆盖范围内,而基站根据与其通信的终端能够准确的实现定位,通过上述方式不仅能够防止终端的丢失,还能够有效、及时的发现异常人员(如小偷等)。
[0056] 基于上述监控方法的应急处理预演方法,在地铁站内铺设路径引导装置以及警示显示装置;
[0057] 所述应急处理预演方法包括:基于所述实时监控方法获取各类检测信息,以及所述三维结构模型进行三维模拟和/或实景显示,所述显示信息包括检测设备上报的预警级别的标识;通过标记的显示,便于控制中心及时发现各类预警,进行应对。
[0058] 根据预警级别以及综合预警级别从对应的数据库中匹配至少一个应急处理方案;其中,所述应急处理方案是多个应急阶段的组合;其中,不同应急阶段的处理方案存储在不同的数据库中,且不同的数据库与应急阶段对应的标识具有绑定关系;每个数据库存储有不同阶段的应急方案,同时根据综合预警级别每个数据库均设置对应的不同的应急方案,由此便于对应急方案的选择,提高查找效率。
[0059] 根据所述应急处理方案基于三维结构模型进行三维显示预演,以验证应急处理方案的可行性;在预演过程中,根据应急处理方案进行分阶段预演,只有当前应急阶段通过时,才会进行下一阶段的预演,如果当前阶段未通过,则根据当前阶段对应的标识识别出其对应的数据库,然后从中获取对应的替代方案,进行预演,直至预演效果得到最佳要求,由此获得最佳的应急处理方案进行下发;
[0060] 其中,所述应急处理方案包括:设备工作状态调整以及维护策略、人员疏导策略、以及物品隔离策略;其中,所述设备工作状态调整以及维护策略包括对地铁站内的通风系统、温湿度调节系统的工作状态进行调整,以及对异常设备的维护策略;所述人员疏导策略包括路径引导装置的显示规则,以及警示显示装置的内容设置;
[0061] 所述进行预演包括:根据工作人员的数量模拟疏导点,然后基于三维显示信息,模拟人员引导过程,同时还包括安防系统的管理,所述安防系统包括:视频系统、门禁系统、综合保安系统、应急系统;
[0062] 所述进行预演还包括根据应急策略确定是否需要实景预演。
[0063] 优选的,控制中心处的显示设备为多屏显示设备,其可以根据需要基于不同的格式显示同一场景下的不同内容,支持全景总览以及局部放大预览,显示不同的异常信息等,控制中心可以根据需要设置显示屏幕的个数,由此满足个性化需求。
[0064] 本发明的有益效果是,本发明提供的基于三维结构的地铁站实时监控方法及应急处理预演方法,通过搭建三维的结构模型,使得控制中心能够获取各类设备、乘客、异常物品的信息,并进行三维显示,更加直观的发现各类异常的存在,而且,对于各类的异常,检测设备可以根据实际的异常状态进行预警跟踪,而后由控制中心汇总各类预警进行综合判断得到应急处理方案,提高了预警的效率,并能够实时掌握给了异常信息的变化;在应急处理时,将方案进行分阶段预演,实现了对方案的有效验证,保证了应急方案的准确性以及可靠性。
[0065] 以上述依据本发明的理想实施例为启示,通过上述的说明内容,相关工作人员完全可以在不偏离本项发明技术思想的范围内,进行多样的变更以及修改。本项发明的技术性范围并不局限于说明书上的内容,必须要根据权利要求范围来确定其技术性范围。