电力地下管廊结构安全监测平台及应急指挥系统初步设想

目前城市既有电力隧道结构安全状况复杂、原有结构设计标准低、年代久远、城市管网改造内容多、隧道周边地质环境变化大、导致结构安全状况脆弱、监管体量庞大等一系列问题，结构安全实时监测评判系统的及时程度与可靠程度有待加强、应急指挥系统的智能分析、辅助决策水平需进一步提高的愿望成为迫切而又可以实现且意义重大的事情。

近年来，随着电力地下管廊结构安全排查数据的积累，信息化技术突飞猛进，通过建立基于GIS+BIM技术的电力地下管廊结构安全监测平台，整合电力地下管廊监测数据，积累相关资料，通过监测数据的分析处理及其结构安全计算，验证电力地下管廊变形的假说，预测其使用寿命，为研究灾害预报的理论和方法服务，检验工程设计的理论是否正确，设计是否合理，为以后修改设计，制定设计规范提供依据。在此基础之上，将大数据和人工智能技术应用到北京市电力地下管廊应急动态监测技术支撑系统，加强系统的实时感知、智能监测、信息评判、主动控制，有效提高对突发事件现场感知和快速反应能力。

主要方向如下：

1、城市电力地下管廊大数据库的建立

（1）建立获取、存储、传输电力地下管廊大数据的通用标准。

（2）收集电力地下管廊结构从正常状态到损伤状态的全寿命动态演变数据，记录演变过程中构件状态信息。

（3）平台共享长期监测数据和典型案例。

2、不同荷载作用下应力分布测定方法及设备布设模式研究

研究适用于电力地下管廊的不同荷载的应力分布测定；探讨不同工况下城市电力地下管廊结构的监测设备的布设模式。

3、基于大数据的可靠性评估与大数据驱动下的寿命预测

（1）利用大数据探索电力地下管廊寿命衰退的演化机制，从大数据中自动构建寿命预测指标集，表征损伤演化趋势。

（2）充分挖掘大数据中隐藏的损伤状态信息，建立基于自主学习的自适应门限设定机制。

（3）考虑工况变化对监测指标的影响，建立多因素预测模型实现变工况下的寿命预测。

（4）研究构件不同损伤对电力地下管廊寿命退化的规律，建立损伤识别与寿命预测有机结合的混合模型。

4、基于深度学习的损伤识别，促进城市电力地下管廊养护管理的全面智能化。

（1）剖析损伤信息提取的优化机理，建立基于数据重构理论的无监督学习网络评价准则，完成单层损伤信息的提取。

（2）建立具有深层结构的深度学习网络，以原始传感器数据为输入，逐层抽象地完成损伤特征自适应提取过程，并自动识别电力地下管廊健康状况。

（3）研究城市电力地下管廊多源异构大数据知识推理，建立多源协同特征变换，形成融合多物理信息源的深度学习模型。

（4）研究电力地下管廊结构损伤控制技术，出现损伤时，采取紧急控制措施避免事故发生，实现结构的远程监控。

5、城市电力地下管廊结构安全监测与大数据运行平台三维信息化显示

开发基于大数据、GIS+BIM的三维模型养护系统软件平台；通过三维虚拟技术对整个结构进行直观、可视化管理。

（1）基于GIS+BIM的监测硬件系统精确设计，传感器位置模型化显示。

（2）以不同的颜色在地图和BIM模型上显示具体病害，直观、清楚地掌握结构的地理位置、使用性能、病害等情况。

（3）三维信息化预警管理，与结构养护信息结合，便于管理人员对结构进行维护。

6、基于AI+5G技术的城市电力地下管廊应急指挥系统的建立

（1）城市电力地下管廊安全隐患点监测信息的获取。

（2）城市电力地下管廊安全突发事件预测预警技术手段、主动控制装备的研发；

（3）应急指挥技术支撑系统的建立，使得智能分析、辅助决策水平需要进一步提高。