韩夏溪，张绍阳，冯兴乐，张少博

（长安大学 信息工程学院，陕西 西安 710064）

0 引 言

我国幅员辽阔，山区较多，随着高速公路里程的快速增加，隧道的数量和长度在世界上都排在首位。据交通运输部发布的《2018年交通运输行业发展统计公报》数据显示，全国公路隧道共17 738处、1 723.61万米。由于隧道行车环境相对恶劣，存在洞内视线差、洞口明暗变化大、道路窄、能见度差等情况，极易引发交通事故，加上环境封闭，一旦出现事故，往往会造成重大财产损失与恶劣的社会影响。

隧道机电系统是实现隧道安全运营的重要保障。隧道机电系统包括隧道视频监控、通风、照明、消防、供配电、环境、应急通信、可变情报板、设备控制等部分。这些机电系统通过隧道通信系统，在隧道监控中心进行独立或集中控制，实现隧道的安全运营。典型的隧道机电设备控制系统如图1所示。

图1 典型的隧道机电设备控制系统

隧道机电设备控制系统弊端包括：系统的使用和管理较为繁琐，传感器的管理依赖各自的系统；布设新的传感器困难，增加及修改需要依赖原来的厂家；更重要的是，由于传感数据相对孤立，难以实现传感器融合与综合分析。

国内多位学者对隧道信息采集问题进行了研究。曾磊等首次提出智慧公路隧道的概念，但其构建的公路隧道养护管理平台中对隧道机电设备的状态感知仍旧依靠人工巡查；刘攀等同样采用了可兼容多协议的智能网关，但依旧存在部分老旧设施无法接入的问题，且并未解决源头数据可靠性以及多传感器并行故障识别的问题。另外，该文章使用自己租借的云平台，无法实现与原有业务系统的无缝衔接；任栓哲等主要对云平台进行信息融合，搭建了隧道综合监控联动管理平台；魏伟采用智能感知技术将故障精准定位。这些研究在一定程度上提高了隧道数据采集和管理的效率，但仍未在行业中进行深入应用，隧道机电系统设计仍按照JTG D70-2014公路隧道设计规范进行。

响应国家提出的“新基建”“数字交通”“智慧交通”战略，实现交通基础设施的数字化转型，本文提出一种隧道机电设备融合物联网系统，实现了前端传感数据的统一采集，并构建成汇聚所有传感数据的数据管理平台，为业务应用层的应用系统利用数据分析、预测提供便利。在此基础上，采用核主元分析法（KPCA）和贡献图相结合的方式，实现基于多传感器数据融合的故障类型判定方法，展示了传感数据融合采集和管理的优势。

1 隧道机电传感数据融合采集和管理技术方案

系统逻辑架构如图2所示。

图2 隧道机电监管系统逻辑架构

基于Agent技术的隧道机电监管系统架构分为3个部分：数据感知层、数据管理层和业务应用层。其中，数据感知层包括感知Agent和传感器，数据管理层主要为传感数据管理平台。

1.1 数据感知层

数据感知层主要包括数据融合采集功能和数据缓存功能。

数据融合采集功能针对不同的设备采取统一的方式接入。本文将隧道机电设备细分为视频监控设备、智能网络设备终端、非智能机电设备以及普通工作设备。前两种设备的监管技术已经成熟，对于后面两种设备，提出并设计了一种物联网感知Agent网关，可以兼容主流接口，其主要的技术指标见表1所列。

表1 网关主要技术指标

数据缓存功能将传感器数据暂存在SQLite数据库中。可远程设置数据采集频率，感知Agent可将传感器采集的数据暂存在数据库，利用SQLite轻量级、读写速度快和提供高效的C语言API等优点，有效防止了数据传输过程中冲突、丢失等现象的产生。

1.2 数据管理层

智能网关将采集的数据进行统一封装并上传至数据管理层。封装形式采用独立于编程语言的轻量级文本数据格式JS对象简谱（JavaScript Object Notation, JSON），JSON具有简洁和清晰的层次结构，易于机器解析和生成。数据管理层可实现数据管理、设备状态感知等功能，具体如下：

（1）REST API：基于REST技术设计统一的服务API接口，为上层应用提供统一和通用接口的服务，与平台其他服务实现无缝对接；

（2）设备管理：实现隧道机电系统传感器设备的注册、认证、删除和信息修改等，支持新设备的实时接入，可实现硬件融合；

（3）用户管理：实现用户的注册、认证、删除和信息修改等，可保证用户随时随地登录网站监控数据，同时还方便隧道机电设备维护人员登录查看故障设备历史数据或故障设备日志记录；

（4）事件管理：通过大数据平台以及文本型数据库的优劣分析，记录最优解决方案，通过有效的业务流程管理进行各类事件的处理。

1.3 业务应用层

业务应用层主要分为业务系统和数据综合应用，应用架构如图3所示。

图3 基于Agent技术的隧道机电数据融合采集及应用架构

业务系统可实现各类业务，例如视频监控、机电系统维护管理、人员工作考核等，这些系统的数据可从数据管理层的服务接口直接获取，从而保障数据的真实性、时效性。

数据的综合应用利用物联网大数据实现跨传感器、跨业务系统的综合分析，例如故障判断、应急处置、联动控制等。数据的综合应用对于实现系统的智能化、智慧化具有重要作用，符合未来的发展趋势。

2 基于多传感器融合的隧道机电设施故障分析

隧道机电系统中有大量传感器，隧道主路的运行条件不能及时控制是多种因素作用的结果，可能是某个传感器故障引起，因此判断传感器状态至关重要。本课题以某隧道不同测点采集的数据为样本，首先使用核主元分析法（KPCA），在高维特征空间中构造相应的平方预测误差（SPE）并计算其置信界限，最后通过求解贡献图定位故障传感器。

2.1 数据集选取

选取某隧道通风井口处及距通风井口300 m处2个测点的一氧化碳浓度传感器（CO仪）、烟雾透过率传感器（VI仪）、风向风速仪（W仪）作为研究对象，传感器序号及测点位置见表2所列。

表2 传感器序号及测点位置

选择隧道机电设备正常运行时6个测量变量的1 000组数据，随机选取70%数据样本为训练数据集，提取特征空间主元并计算SPE指数及其置信下限，构建KPCA模型。选取30%数据样本为测试数据集，人为引入故障并计算正确率。

测试数据实例见表3所列。

表3 隧道测点位置采集的测试数据

2.2 故障判定

经计算，当=3时，前3个特征值之和与总特征值之和的比值超过85%，即前3个主元反映了样本数据的大部分信息。故本文选取核主元分析的主成分数为3。进一步通过公式（2）、公式（3）和公式（4）计算SPE置信界限：

对测试数据进行计算可得，传感器故障检测指标SPE值的99%置信界限为2.067 3。即当系统的SPE<时，可以判定系统正常；当系统的SPE>时，可以判定系统故障。

2.3 故障定位

判定系统故障后，需要从多传感器信息中定位故障传感器。一般情况下，传感器故障的表现形式主要分为：云平台接收不到数据；云平台接收到的是间歇性数据；云平台接收的数据呈现漂移性，即传感器测量值与真实值的差值随时间的增加而发生变化；云平台接收的数据超出误差允许的范围。其中，对于接收不到数据的隧道机电设备，平台监测人员可通过手机向对应智能网关下达远程重启命令，以有效避免故障误判。本课题采用贡献图求解方法，第原始测量变量对监控量的贡献量计算公式为：

式中：l表示KPCA特征空间中的主元数；t代表第i主元；x代表第j原始测量变量，其中x要经过数据标准化处理。经计算后，得出贡献量最大的变量就是故障变量。

以距通风井口300 m处CO仪为例，在测试数据中分别加入偏差故障、漂移故障、完全故障和精度等级下降故障，验证核主元分析法对多传感器的故障诊断能力，并利用核主元分析的贡献图法进行故障定位。检测出故障后，根据式（5）采用贡献图法求出各变量的贡献量，画出变量贡献图，可以发现4号传感器故障，即距通风井口300 m处的CO仪出现故障。

3 结 语

论文针对高速公路隧道机电系统中各传感设备电气接口多样、数据格式不同、传输协议各异、控制系统封闭等造成的传感数据孤岛问题，提出一种隧道机电设备融合监控的物联网架构，并研究了基于多传感器数据融合的故障类型判定方法实例，展示了传感数据融合采集和管理的优势。该论文旨在帮助隧道机电系统管理单位的工作有的放矢，更好地安排维护任务，安排人力资源，提高维护工作效率，达到提质增效的目的；另一方面，隧道机电系统的状态感知对于保障行车安全可靠，打造畅通、数字、文明、和谐的高速公路也具有重要作用。