CN113137983B - 一种自学习的井盖姿态监测方法及监测系统 - Google Patents

Abstract

本发明提供了一种自学习的井盖姿态监测方法及监测系统，其中，所述井盖姿态监测方法包括：实时采集井盖本体的姿态数据；将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常；当所述姿态数据正常时，将所述姿态数据更新到所述姿态数据库中；当所述姿态数据异常时，向服务器上报井盖异常的报警信息。本发明的井盖姿态监测方法能够自主的分辨井盖本体的数据是否异常，并且还能够自主更新姿态数据库，从而动态的调整监测的灵敏度，智能程度更高。

Description

一种自学习的井盖姿态监测方法及监测系统

技术领域

本发明涉及井盖监控技术领域，尤其涉及一种自学习的井盖姿态监测方法及监测系统。

背景技术

随着城市建设步伐的不断加快，城市道路改建、新建、扩建、大修的工程数量及规模不断扩大，伴随每条道路工程相应的地下管网工程以及地面检查井的不断增多，各种不同类型的井盖也相应的增多，各种雨污水井、收水井再加上区管街道上的雨污管道检查井以及主次干道上的通信、电力、供水、热力、煤气等部门的各种检查井，检查井数量不断的增加，数量已经非常庞大。

大量在外井盖由于缺乏有效的实时监控管理手段，给不法分子提供了可乘之机，移动、偷盗井盖等违法行为时有发生，同时，破损、损坏、丢失的井盖也因无法及时获知而得不到及时修复，这样不仅影响了相关设备的正常工作，造成巨大的直接或间接经济损失，而且丢失井盖的井口也会对道路上的车辆、行人造成极大的危害，对社会安定、安全造成了极大负面影响，以至于很多地区出现伤人以及损车事件，给人们的出行安全造成很大威胁。井盖问题现已成为了社会关注的焦点，井盖智能监测变得极为重要。

传统井盖监测方法过于简单，无法动态的调整监测的灵敏度，在需要高监测灵敏度的情况下，车辆、行人经过井盖时，可能触发监测装置误报警；相反的，在需要低监测灵敏度的情况下，对于井盖拖动这样的动作，则可能出现没有监测到异动，漏报警问题。

因此，现有技术还有待于改进和发展。

发明内容

本发明的主要目的在于解决现有的井盖姿态监测方法不够智能，无法适用不同的监测场景，且监测灵敏度无法动态调节的技术问题。

本发明第一方面提供了一种自学习的井盖姿态监测方法，所述井盖姿态监测方法包括：

实时采集井盖本体的姿态数据；

将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常；

当所述姿态数据正常时，将所述姿态数据更新到所述姿态数据库中；

当所述姿态数据异常时，向服务器上报井盖异常的报警信息。

在本发明第一方面一种可选的实施方式中，所述实时采集井盖本体的姿态数据之前包括：

采集车辆或人日常经过井盖本体时井盖本体的正常姿态数据；

将姿态传感器的量程均分成不同的区间，统计所述正常姿态数据发生在每个区间的频次值，发生时间和持续时间，生成姿态数据库。

在本发明第一方面一种可选的实施方式中，所述将姿态传感器的量程均分成不同的区间包括：

将所述姿态传感器的X方向加速度量程、Y方向加速度量程和Z方向加速度量程均等分成10个区间；

将所述姿态传感器的X方向角速度量程、Y方向角速度量程和Z方向角速度量程均等分成10个区间；

将所述姿态传感器的倾角量程等分成10个区间。

在本发明第一方面一种可选的实施方式中，当所述X方向加速度、所述Y方向加速度、所述Z方向加速度、所述X方向角速度、所述Y方向角速度、所述Z方向角速度或所述倾角的值落在其中1个区间时，所述区间的频次值增加固定值ΔV，其余的各个区间的频次值则减少ΔV/(10-1)。

在本发明第一方面一种可选的实施方式中，所述将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常包括：

计算所述姿态数据与姿态数据库中的正常姿态数据的频次相似度，发生时间相似度和持续时间相似度；

加权计算所述频次相似度、所述发生时间相似度和所述持续时间相似度得到总相似度；

判断100％-总相似度是否大于预设的阈值；

若100％-总相似度大于预设的阈值，则判断所述姿态数据异常。

在本发明第一方面一种可选的实施方式中，所述实时采集井盖本体的姿态数据之后，所述将所述姿态数据与姿态数据库中的正常姿态数据进行对比之前包括：

对所述姿态数据进行数据降噪和数据融合。

在本发明第一方面一种可选的实施方式中，所述对所述姿态数据进行数据降噪和数据融合包括：

先对所述姿态数据进行数据降噪，再通过四元数的方法对降噪后的所述姿态数据进行数据融合以获得姿态信息。

本发明第二方面提供了一种井盖姿态监测系统，所述井盖姿态监测系统包括井盖和服务器，所述井盖与所述服务器通过基站通讯连接，所述井盖包括井盖本体以及设置在所述井盖本体上的姿态传感器、存储器、处理器和通讯模块，所述姿态传感器、所述存储器和所述通讯模块均与所述处理器相连，所述姿态传感器用于采集所述井盖本体的姿态数据，所述存储器用于存储所述姿态数据以及存储上述任一项所述的井盖姿态监测方法的指令，所述处理器调用所述存储器中的所述指令并执行。

在本发明第二方面一种可选的实施方式中，所述井盖还包括设置在所述井盖本体上的GNSS传感器，所述GNSS传感器与所述处理器相连。

在本发明第二方面一种可选的实施方式中，所述井盖还包括设置在所述井盖本体上的温度传感器，所述温度传感器与所述处理器相连。

有益效果：本发明提供了一种自学习的井盖姿态监测方法及监测系统，其中，所述井盖姿态监测方法包括：实时采集井盖本体的姿态数据；将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常；当所述姿态数据正常时，将所述姿态数据更新到所述姿态数据库中；当所述姿态数据异常时，向服务器上报井盖异常的报警信息。本发明的井盖姿态监测方法能够自主的分辨井盖本体的数据是否异常，并且还能够自主更新姿态数据库，从而动态的调整监测的灵敏度，智能程度更高。

附图说明

图1为本发明一种自学习的井盖姿态监测方法的一个实施例示意图；

图2为本发明一种井盖姿态监测系统的一个实施例示意图。

具体实施方式

本发明实施例提供了一种自学习的井盖姿态监测方法及监测系统。

本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”、“第三”、“第四”等(如果存在)是用于区别类似的对象，而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换，以便这里描述的实施例能够以除了在这里图示或描述的内容以外的顺序实施。此外，术语“包括”或“具有”及其任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。

现有井盖监测方法中，主要存在以下缺陷：监测过于灵敏或者是监测不灵敏。传统监测方法过于简单，当提高监测灵敏度时，车辆、行人经过井盖时，可能触发监测装置误报警；相反的，如果降低监测灵敏度，那么，对于井盖拖动这样的动作，则可能出现没有监测到异动，漏报警问题。

难以适应复杂的井盖类型、安装位置：实际使用中，需要监测的井盖类型众多，材质多种，安装位置也不同。往往不同类型的井盖和不同的安装位置，需要设置不同的监测灵敏度。例如，铸铁井盖通常安装在马路上，需要有较大的承重力，车辆经过时，会发生较大程度的震动，需要较低监测灵敏度；另外的，复合材料井盖则主要安装在非机动车道，发生震动的可能性较低，而且此类型井盖通常是拖拽打开，需要较高的监测灵敏度。

需要监测的井盖数量庞大，如果靠人工配置监测灵敏度，这将对操作人员专业性有要求，并且工作量也大。监测设备需要具备自学习、自适应能力，根据每次报警的情况和人工纠错的结果自行控制报警条件、报警灵敏度，减少误报警和漏报警问题。现有的监测技术缺乏这样的特性，亟待改进。

为了解决上述技术问题，请参阅图1，本发明第一方面提供了一种自学习的井盖姿态监测方法，所述井盖姿态监测方法包括：

S100、实时采集井盖本体的姿态数据；

在本实施例中，姿态数据是通过传感器来采集的，传感器包括但不限于GNSS传感器、姿态传感器和温度传感器；

S200、将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常；

在本实施例中，车辆和人经过井盖，会引起井盖振动，传感器就能够获得井盖本体的姿态数据，之后通过历史数据对比，就可以判断出姿态数据是否是正常的数据，判断过程中主要对比的是姿态数据过去发生的频次、发生的时间和持续的时间，如果属于频次值比较高的区间，则表示过去发生次数比较多，可以被认为是“正常状态，判断过程中还会综合判断姿态数据的发生时间和持续时间，以提高判断的准确度；

S300、当所述姿态数据正常时，将所述姿态数据更新到所述姿态数据库中；在本实施例中，当判断姿态数据为正常数据时，正常的姿态数据会保存到姿态数据库中，这样再发生相同的事件时，就能够更快速的识别出来，调高判断的效率；

S400、当所述姿态数据异常时，向服务器上报井盖异常的报警信息。在本实施例中，当姿态数据明显和历史数据不相符时，会向服务器发出告警信息，提示井盖发生异常。

具体来说，本发明是一种基于多向量自学习井盖姿态监测方法，可以实现在井盖状态监测仪上，能对井盖状态进行监测，采集井盖的姿态、加速度、地理坐标、温度数据，经过处理器换算，在通过多向量自学习姿态算法处理得到井盖状态信息，利用窄带蜂窝物联网技术，将信息输送至远程监测平台，实现边沿计算、井盖智能告警。

在本发明第一方面一种可选的实施方式中，所述实时采集井盖本体的姿态数据之前包括：

采集车辆或人日常经过井盖本体时井盖本体的正常姿态数据；

将姿态传感器的量程均分成不同的区间，统计所述正常姿态数据发生在每个区间的频次值，发生时间和持续时间，生成姿态数据库。

在本实施例中，本发明的井盖姿态监测方法在使用之前，会收集大量日常井盖本体的姿态数据用于后续井盖姿态识别判断，并且统计这些姿态数据发生的频次，发生的时间和每次发生所持续的时间，本发明通过多个条件来判断姿态数据的正异常，判断更加的精准。

在本发明第一方面一种可选的实施方式中，所述将姿态传感器的量程均分成不同的区间包括：

将所述姿态传感器的X方向加速度量程、Y方向加速度量程和Z方向加速度量程均等分成10个区间；

将所述姿态传感器的X方向角速度量程、Y方向角速度量程和Z方向角速度量程均等分成10个区间；

将所述姿态传感器的倾角量程等分成10个区间。

在本实施例中，本发明一种示例性的量程划分方法，具体可以参见下表所示，

以X方向加速度量程为例，就是对传感器所能测得的X方向加速度量程进行区间划分，划分为10个区间，初始时，每个区间对应有一个频次值，默认值为1，最大值为2，最小值为0。车辆和人经过井盖，引起井盖振动，反复地，X方向加速度值会落在多个区间，并且落在区间频次也不同，频次值会发生一些调整，频次值比较高的区间，表示发生次数比较多，事件再次发生在这样的区间时，被认为是“正常状态”；频次值低的区间，表示发生次数比较少，事件再次发生在这样的区间时，被认为是“异常状态”。

在本发明第一方面一种可选的实施方式中，当所述X方向加速度、所述Y方向加速度、所述Z方向加速度、所述X方向角速度、所述Y方向角速度、所述Z方向角速度或所述倾角的值落在其中1个区间时，所述区间的频次值增加固定值ΔV，其余的各个区间的频次值则减少ΔV/(10-1)。

在本发明第一方面一种可选的实施方式中，所述将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常包括：

计算所述姿态数据与姿态数据库中的正常姿态数据的频次相似度，发生时间相似度和持续时间相似度；

加权计算所述频次相似度、所述发生时间相似度和所述持续时间相似度得到总相似度；

判断100％-总相似度是否大于预设的阈值；

若100％-总相似度大于预设的阈值，则判断所述姿态数据异常。

在本实施例中，当姿态数据库中的多类事件同时发生时，需要计算相似度，综合确定是否井盖发生异常动作；

频次值相似度其中，FAn为X方向加速度所在区间对应的频次值，FBn为Y方向加速度所在区间对应的频次值，FCn为Z方向加速度所在区间对应的频次值，FDn为X方向角速度所在区间对应的频次值，FEn为Y方向角速度所在区间对应的频次值，FFn为Z方向角速度所在区间对应的频次值，FGn为倾角所在区间对应的频次值，n指本次发生事件区间，n∈[1，10]。

发生时间相似度计算：

事件本次发生时间与上次发生时间相同，相似度最高，为最大值1；与上次发生时间滞后12小时或提前12小时，相似度最低，为最小值0。

事件发生时间差值为Δt_F

Δt_F＝|GXn_本次-GXn_上次|

其中，X表示本次发生事件类型，X∈{A，B，C，D，E，F，G}；n指事件发生区间，n∈[1，10]。

发生时间相似度其中，Δt_F为当前测得的所述姿态数据与上次测得的所述姿态数据的发生时间差，Δt_F∈[0，24]；

持续时间相似度计算：

事件本次持续时间与上次持续时间相同，相似度最高，为最大值1；与上次持续时间偏大500％或者偏小500％，相似度最低，为最小值0。

事件持续时间差值为Δt_H

Δt_H＝|HXn_本次-HXn_上次|

其中，X表示本次发生事件类型，X∈{A，B，C，D，E，F，G}；n指事件发生区间，n∈[1，10]。

持续时间相似度其中，Δt_H为当前测得的所述姿态数据与上次测得的所述姿态数据的持续时间差，HXn_上次为上次测得的所述姿态数据的持续时间。

总相似度：

S＝F_S×0.7+G_S×0.05+H_S×0.25

整个系统中，通过姿态传感器采集的加速度、角速度计算的相似度更为可信，权重应更高，这里权重取值0.7；通过持续时间计算的相似度可信度次之，权重取值0.25；而通过发生时间计算的相似度，由于事件发生的时间偶然性较大，可信度很低，权重取值0.05。

总相似度，表示的是本次发生事情与“过去”发生事件的相似度，相似度越低，那么本次事件越有可能是“异常事件”，就越是需要上报“异动告警”。

设置一个需要报警阈值P，则：

100％-S>P，井盖异常，需要上报井盖异告警

100％-S≤P，井盖正常，不需要上报告警。

在本发明第一方面一种可选的实施方式中，所述实时采集井盖本体的姿态数据之后，所述将所述姿态数据与姿态数据库中的正常姿态数据进行对比之前包括：

对所述姿态数据进行数据降噪和数据融合。

在本发明第一方面一种可选的实施方式中，所述对所述姿态数据进行数据降噪和数据融合包括：

先对所述姿态数据进行数据降噪，再通过四元数的方法对降噪后的所述姿态数据进行数据融合以获得姿态信息。

在本实施例中，利用四元数进行数据融合、姿态解算，四元数对比其他姿态算法，优势明显：求解四元数微分方程要解四个微分方程。虽然要比解欧拉微分方程多一个方程，但其优越性在于计算量小、精度高、可避免奇异性，该方法是目前研究的重点之一；方向余弦法在对载体姿态动力学求解时会产生歪斜、刻度和漂移误差等，然而，在进行姿态求解时估计出这些误差是很重要的。与方向余弦法相比，四元数法的优点在于不仅歪斜误差等于零，而且刻度误差的推导很简单，能得出便于进一步分析的解析表达式，而方向余弦法只有在特殊的情况下才能分析和监测到刻度误差，且不能得出通用的结论；通过从不同角度对欧拉角法、方向余弦法和四元数法进行对比。结果表明四元数法具有最佳的性能。

参见图2，本发明第二方面提供了一种井盖姿态监测系统，所述井盖姿态监测系统包括井盖和服务器10，所述井盖与所述服务器通过基站20通讯连接，所述井盖包括井盖本体以及设置在所述井盖本体上的姿态传感器30、存储器40、处理器50和通讯模块60，所述姿态传感器30、所述存储器40和所述通讯模块60均与所述处理器50相连，所述姿态传感器30用于采集所述井盖本体的姿态数据，所述存储器40用于存储所述姿态数据以及存储上述任一项所述的井盖姿态监测方法的指令，所述处理器50调用所述存储器40中的所述指令并执行。

具体来说，本发明井盖姿态监测系统运行时，首先是传感器采集数据，之后处理器进行数据降噪和数据融合，再之后处理器通过本发明的多向量自学习姿态算法，自主学习分辨井盖震动、抖动情况，动态计算并调整相关参数，实现井盖异动的精准识别和智能告警，判断结束之后，井盖会与服务器进行联网，往服务器推送井盖姿态、加速度、地理坐标、温度、姿态库等数据，将井盖状态真实反映到远程服务器，姿态库还能呈现井盖历史状态特征，可供数据分析使用，本发明井盖的参数是通过处理服务器下发的命令，修改设备运行参数，包括姿态库纠正、姿态库更新、告警阈值修改等功能。

参见图2，在本发明第二方面一种可选的实施方式中，所述井盖还包括设置在所述井盖本体上的GNSS传感器70，所述GNSS传感器70与所述处理器50相连。GNSS传感器用于获取井盖本体的经纬度信息。

参见图2，在本发明第二方面一种可选的实施方式中，所述井盖还包括设置在所述井盖本体上的温度传感器80，所述温度传感器80与所述处理器50相连。温度传感器用户获取井盖的温度，便于检测井盖内是否温度变化情况。

综上所述，本发明提供了一种自学习的井盖姿态监测方法及监测系统，其中，所述井盖姿态监测方法包括：实时采集井盖本体的姿态数据；将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常；当所述姿态数据正常时，将所述姿态数据更新到所述姿态数据库中；当所述姿态数据异常时，向服务器上报井盖异常的报警信息。本发明的井盖姿态监测方法能够自主的分辨井盖本体的数据是否异常，并且还能够自主更新姿态数据库，从而动态的调整监测的灵敏度，智能程度更高。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。

Claims (6)

1.一种自学习的井盖姿态监测方法，其特征在于，所述井盖姿态监测方法包括：

实时采集井盖本体的姿态数据；

将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常；

当所述姿态数据正常时，将所述姿态数据更新到所述姿态数据库中；

当所述姿态数据异常时，向服务器上报井盖异常的报警信息;

所述实时采集井盖本体的姿态数据之前包括：

采集车辆或人日常经过井盖本体时井盖本体的正常姿态数据；

将姿态传感器的量程均分成不同的区间，统计所述正常姿态数据发生在每个区间的频次值，发生时间和持续时间，生成姿态数据库;

所述将姿态传感器的量程均分成不同的区间包括：

将所述姿态传感器的X方向加速度量程、Y方向加速度量程和Z方向加速度量程都等分成10个区间；

将所述姿态传感器的X方向角速度量程、Y方向角速度量程和Z方向角速度量程都等分成10个区间；

将所述姿态传感器的倾角量程等分成10个区间;

当X方向加速度、Y方向加速度、Z方向加速度、X方向角速度、Y方向角速度、Z方向角速度或倾角的值落在各自对应的10个区间中的1个具体区间时，所述具体区间的频次值增加固定值ΔV，其余的各个区间的频次值则减少ΔV/(10-1);

所述将所述姿态数据与姿态数据库中的正常姿态数据进行对比，根据所述姿态数据发生的频次、发生时间和持续时间判断所述姿态数据是否正常包括：

计算所述姿态数据与姿态数据库中的正常姿态数据的频次相似度，发生时间相似度和持续时间相似度；

加权计算所述频次相似度、所述发生时间相似度和所述持续时间相似度得到总相似度；

判断100%-总相似度是否大于预设的阈值；

若100%-总相似度大于预设的阈值，则判断所述姿态数据异常；

所述频次相似度，其中，FAn为X方向加速度所在区间对应的频次值，FBn为Y方向加速度所在区间对应的频次值，FCn为Z方向加速度所在区间对应的频次值，FDn为X方向角速度所在区间对应的频次值，FEn为Y方向角速度所在区间对应的频次值，FFn为Z方向角速度所在区间对应的频次值，FGn为倾角所在区间对应的频次值， n指本次发生事件区间，n∈[1，10]；

所述发生时间相似度，其中，Δt_F为当前测得的所述姿态数据与上次测得的所述姿态数据的发生时间差，Δt_F∈[0，24]；

所述持续时间相似度，其中，Δt_H为当前测得的所述姿态数据与上次测得的所述姿态数据的持续时间差，/>为上次测得的所述姿态数据的持续时间；

所述总相似度的计算公式为：，所述总相似度表示的是本次发生事件与过去发生事件的相似度。

2.根据权利要求1所述的井盖姿态监测方法，其特征在于，所述实时采集井盖本体的姿态数据之后，所述将所述姿态数据与姿态数据库中的正常姿态数据进行对比之前包括：

对所述姿态数据进行数据降噪和数据融合。

3.根据权利要求2所述的井盖姿态监测方法，其特征在于，所述对所述姿态数据进行数据降噪和数据融合包括：

先对所述姿态数据进行数据降噪，再通过四元数的方法对降噪后的所述姿态数据进行数据融合以获得姿态信息。

4.一种井盖姿态监测系统，其特征在于，所述井盖姿态监测系统包括井盖和服务器，所述井盖与所述服务器通过基站通讯连接，所述井盖包括井盖本体以及设置在所述井盖本体上的姿态传感器、存储器、处理器和通讯模块，所述姿态传感器、所述存储器和所述通讯模块均与所述处理器相连，所述姿态传感器用于采集所述井盖本体的姿态数据，所述存储器用于存储所述姿态数据以及存储如权利要求1-3中任一项所述的井盖姿态监测方法的指令，所述处理器调用所述存储器中的所述指令并执行。

5.根据权利要求4所述的井盖姿态监测系统，其特征在于，所述井盖还包括设置在所述井盖本体上的GNSS传感器，所述GNSS传感器与所述处理器相连。

6.根据权利要求4所述的井盖姿态监测系统，其特征在于，所述井盖还包括设置在所述井盖本体上的温度传感器，所述温度传感器与所述处理器相连。