基于MEMS传感器的公路设施风险监测方法及系统技术方案

本发明专利技术提供了基于MEMS传感器的公路设施风险监测方法及系统，属于风险监测领域。上述方法包括：获得多个环境数据；基于所述环境数据，通过数据增强模型，得到可靠数据；使用可靠数据，对基础设施安全风险进行检测。不同的编码会导致之后风险检测达不到统一标准，所以通过数据增强神经网络，对数据进行类别判断，并输入编码器进行重新编码。利用MQTT判断编码后的值，将神经网络与编码器结合的方式，能通过大量数据快速方便的判断出数据由哪种协议组成；进而更加准确的得到训练信息类别和编码后的信息。的信息。的信息。

【技术实现步骤摘要】
基于MEMS传感器的公路设施风险监测方法及系统


[0001]本专利技术涉及风险监测
，具体而言，涉及一种基于MEMS传感器的公路设施风险监测方法及系统。

技术介绍

[0002]面向公路基础设施的多维运行状态数据采集问题：桥梁、隧道、边坡等基础设施除自身结构因素外，偶然载荷（如撞击、地震等）、超荷运转、地质因素、环境因素、自然老化等都可能对基础设施的安全运行带来风险。因此亟需建立多种维度的状态数据采集体系。
[0003]以传感器、物联网、移动互联网、大数据、云计算、人工智能等为代表的新一代信息技术的发展，为实现高效的交通基础设施安全监测提供了新的方法与手段。特别是“基于半导体工艺技术生产的微型机械系统”（简称MEMS）传感器，对压力、姿态、温度、湿度、各类气体等的数据采集，达到了“体积小（一般长宽均在5cm以内）、功耗低（1毫瓦以内）、全数字化输出、适应各类通信协议、长寿命”的要求，比传统传感器的量测应用有了根本性的改变，为达到当前交通部对公路基础设施全方位、全要素的安全风险监控要求，提供了最基础的实时监测手段。
[0004]随着物联网应用的不断拓展，物联网的网络结构日益复杂、ZIGBEE、LORA、NB
‑
IOT、BLE、WIFI
‑
HALOW等多种无线物联网通信技术迅猛发展、不同无线通信技术具备不同的特点、多种无线通信协议在交通行业应用组合使用的情况也越来越普遍。因此需要解决异构物联网环境下数据可靠传输的问题。

技术实现思路

[0005]本专利技术的目的在于提供了基于MEMS传感器的公路设施风险监测方法及系统，用以解决现有技术中存在的上述问题。
[0006]第一方面，本专利技术实施例提供了一种基于MEMS传感器的公路设施风险监测方法，包括：获得多个环境数据；所述环境数据为MEMS传感器器件对桥梁、隧道、边坡等重要基础设施进行采集的数据；基于所述环境数据，通过数据增强模型，得到可靠数据；使用可靠数据，对基础设施安全风险进行检测；所述数据增强模型包括长度判别结构、数据增强神经网络和编码器。
[0007]可选的，所述基于所述环境数据，通过数据增强模型，得到可靠数据，包括：将多个环境数据，使用对应的多个协议，进行传输，得到多个传输信息；将所述多个传输信息，输入数据增强神经网络，得到多个传输信息类别；将传输信息，依据传输信息类别，输入编码器，得到同类编码信息；将所述传输信息，使用MQTT协议，控制数据输入，得到可靠数据。
[0008]可选的，数据增强神经网络模型的训练方法，包括：
获得训练集；训练集包括多个训练传输信息和多个标注数据；所述标注数据包括标注传输信息和标注判别值；将所述训练传输信息，输入数据增强神经网络，得到训练同类编码信息；将所述训练同类编码信息和标注同类编码信息，使用二元交叉熵函数，得到同类编码损失值；获得数据增强神经网络模型当前的训练迭代次数以及预先设定的所述数据增强神经网络模型训练的最大迭代次数；当所述同类编码损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的数据增强神经网络模型。
[0009]可选的，所述将所述训练传输信息，输入数据增强神经网络，得到训练同类编码信息，包括：基于所述训练传输信息，通过数据增强神经网络，得到训练传输信息类别；将训练传输信息，依据训练传输信息类别，输入编码器，得到训练同类编码信息。
[0010]可选的，所述基于所述训练传输信息，通过数据增强神经网络，得到训练传输信息类别，包括：获得传输报头向量；所述传输报头向量为所述训练传输信息中表示传输内容情况的向量；将所述传输报头向量，输入长度判别结构，将训练传输信息分成不同长度的类别，得到多个传输集合；所述传输集合包括多个相同长度的传输报头向量；将所述多个传输集合，对应输入不同的多个神经网络，进行判别，得到多个训练传输信息类别。
[0011]可选的，所述将所述多个传输集合，对应输入不同的多个神经网络，进行判别，得到多个训练传输信息类别，包括：将所述传输集合，输入神经网络，进行判别，得到训练传输向量；获得训练传输信息类别；所述训练传输信息类别为所述训练传输向量中向量值将大于其他向量值的训练传输信息类别；通过多次多个传输集合，对应输入不同的多个神经网络，得到多个训练传输向量，从而得到训练传输信息类别。
[0012]可选的，所述将训练传输信息，依据训练传输信息类别，输入编码器，得到训练同类编码信息，包括：依据传输信息类别，将所述训练传输信息，进行分类，得到多个待编码集合；所述待编码集合包括传输信息类别相同的训练传输信息；通过将所述多个待编码集合，输入对应多个编码器，得到训练同类编码信息；所述训练同类编码信息为多个重新编号后的训练传输信息。
[0013]第二方面，本专利技术实施例提供了一种基于MEMS传感器的公路设施安全风险监测系统，包括：获取模块：获得多个环境数据；所述环境数据为MEMS传感器器件对桥梁、隧道、边坡等重要基础设施进行采集的数据；数据增强模块：基于所述环境数据，通过数据增强模型，得到可靠数据；
检测模块：使用可靠数据，对基础设施安全风险进行检测；所述数据增强模型包括长度判别结构、数据增强神经网络和编码器。
[0014]可选的，所述基于所述环境数据，通过数据增强模型，得到可靠数据，包括：将多个环境数据，使用对应的多个协议，进行传输，得到多个传输信息；将所述多个传输信息，输入数据增强神经网络，得到多个传输信息类别；将传输信息，依据传输信息类别，输入编码器，得到同类编码信息；将所述传输信息，使用MQTT协议，控制数据输入，得到可靠数据。
[0015]可选的，数据增强神经网络模型的训练系统，包括：获得训练集；训练集包括多个训练传输信息和多个标注数据；所述标注数据包括标注传输信息和标注判别值；将所述训练传输信息，输入数据增强神经网络，得到训练同类编码信息；将所述训练同类编码信息和标注同类编码信息，使用二元交叉熵函数，得到同类编码损失值；获得数据增强神经网络模型当前的训练迭代次数以及预先设定的所述数据增强神经网络模型训练的最大迭代次数；当所述同类编码损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的数据增强神经网络模型。
[0016]相较于现有技术，本专利技术实施例达到了以下有益效果：本专利技术实施例还提供了一种基于MEMS传感器的公路设施风险监测方法和系统，所述方法包括：获得多个环境数据。所述环境数据为MEMS传感器器件对桥梁、隧道、边坡等重要基础设施进行采集的数据。基于所述环境数据，通过数据增强模型，得到可靠数据。使用可靠数据，对基础设施安全风险进行检测。所述数据增强模型包括长度判别结构、数据增强神经网络和编码器。
[0017]采用综合网关+传输中间件的异构物联网环境数据传输体系技术方案提出了面向多维异构数据深度分析的公路基础设施安全风险监测建模。由于采集的数据不同，在硬件的限制下，会采用不同的网络进行从而会采用不同的协议进行传输，但是不同的编码会导致之本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于MEMS传感器的公路设施风险监测方法，其特征在于，包括：获得多个环境数据；所述环境数据为MEMS传感器器件对桥梁、隧道、边坡等重要基础设施进行采集的数据；基于所述环境数据，通过数据增强模型，得到可靠数据；使用可靠数据，对基础设施安全风险进行检测；所述数据增强模型包括长度判别结构、数据增强神经网络和编码器。2.根据权利要求1所述的一种基于MEMS传感器的公路设施风险监测方法，其特征在于，所述基于所述环境数据，通过数据增强模型，得到可靠数据，包括：将多个环境数据，使用对应的多个协议，进行传输，得到多个传输信息；将所述多个传输信息，输入数据增强神经网络，得到多个传输信息类别；将传输信息，依据传输信息类别，输入编码器，得到同类编码信息；将所述传输信息，使用MQTT协议，控制数据输入，得到可靠数据。3.根据权利要求1所述的一种基于MEMS传感器的公路设施风险监测方法，其特征在于，数据增强神经网络模型的训练方法，包括：获得训练集；训练集包括多个训练传输信息和多个标注数据；所述标注数据为标注同类编码信息；将所述训练传输信息，输入数据增强神经网络，得到训练同类编码信息；将所述训练同类编码信息和标注同类编码信息，使用二元交叉熵函数，得到同类编码损失值；获得数据增强神经网络模型当前的训练迭代次数以及预先设定的所述数据增强神经网络模型训练的最大迭代次数；当所述同类编码损失值小于或等于阈值或训练迭代次数达到所述最大迭代次数时停止训练，得到训练好的数据增强神经网络模型。4.根据权利要求3所述的一种基于MEMS传感器的公路设施风险监测方法，其特征在于，所述将所述训练传输信息，输入数据增强神经网络，得到训练同类编码信息，包括：基于所述训练传输信息，通过数据增强神经网络，得到训练传输信息类别；将训练传输信息，依据训练传输信息类别，输入编码器，得到训练同类编码信息。5.根据权利要求4所述的一种基于MEMS传感器的公路设施风险监测方法，其特征在于，所述基于所述训练传输信息，通过数据增强神经网络，得到训练传输信息类别，包括：获得传输报头向量；所述传输报头向量为所述训练传输信息中表示传输内容情况的向量；将所述传输报头向量，输入长度判别结构，将训练传输信息分成不同长度的类别，得到多个传输集合；所述传输集合包括多个相同长度的传输报头向量；将所述多个传输集合，对应输入不同的多个神经网络，进行判别，得到多个训练传输信息类别。6.根据权利要求5所述的一种基于MEMS传感器的公路设施风险监测方法，其特征在于，...

【专利技术属性】
技术研发人员：龚绍杰，周章谦，邹璐，李向阳，朱友杰，
申请(专利权)人：四川九通智路科技有限公司，
类型：发明
国别省市：