汪琴 羅小華

收稿日期：2023-07-10

基金項目：湖北省教育廳科學技術研究項目（B2021413）；國家科技部創(chuàng)新方法工作專項（2020IM020800）

DOI：10.19850/j.cnki.2096-4706.2024.04.031

摘? 要：城市軌道交通線網(wǎng)全線站臺門數(shù)量多，按站點離散分布，安裝施工任務重，管理難度大。文章研究了城市軌道交通線網(wǎng)站臺門施工智能管控技術，包括采用圖像識別技術對施工安全進行智能管控，采用虛擬安裝技術對施工全過程進行質量和進度管控，提出改進蟻群算法對傳統(tǒng)站臺門門體結構安裝工藝流程進行重新規(guī)劃，有效提升施工效率與質量，減少安裝損耗，為智慧城軌的發(fā)展提供解決方案。

關鍵詞：城市軌道交通；站臺門；圖像識別；虛擬安裝；安裝規(guī)劃

中圖分類號：TP39? 文獻標識碼：A? 文章編號：2096-4706（2024）04-0147-06

Research on Intelligent Management and Control Technology for Platform Door Construction of Urban Rail Transit Network

WANG Qin1， LUO Xiaohua2

（1.Wuhan City College， Wuhan? 430083， China; 2.China Railway Siyuan Survey and Design Group Co.， Ltd.， Wuhan? 430063， China）

Abstract： The entire line of urban rail transit network has alarge number of platform doors， is distributed discretely by stations， has heavy installation and construction tasks， and is difficult to manage. This paper studies the intelligent management and control technology for the construction of platform doors in urban rail transit network， including the use of image recognition technology for intelligent management and control of construction safety， and the use of virtual installation technology for quality and progress management and control throughout the construction process. It proposes an improved Ant Colony Optimization algorithm to re-plan the installation process of traditional platform door structures.It effectively improves construction efficiency and quality， reduces installation losses， and provides solutions for the development of smart urban rail.

Keywords： urban rail transit; platform door; image recognition; virtual installation; installation planning

0? 引? 言

站臺門起著隔絕軌行區(qū)與站臺公共區(qū)熱量交換以及保護乘客候車安全的作用，在城市軌道交通車站中大量運用。國家“十四五規(guī)劃”中提出城市軌道交通新增運營里程3 000千米，站臺門將迎來更為廣闊的市場。站臺門通常以每個滑動門為一個單元進行劃分，每個單元結構包括承重結構、玻璃、門檻、頂箱、驅動機構、底座等，按B型車6輛編組進行計算，一個站至少有48個門單元，按全線20個站進行計算，則全線有960個站臺門門單元，數(shù)量眾多、安裝施工任務繁重，且各種單元施工過程中相互交叉進行，需要合理安排施工順序；同時，站臺門為軌旁施工，對施工安全性要求高。

目前，國內外對于站臺門的施工管理主要靠人工進行調配、對于現(xiàn)場的控制主要采用監(jiān)理以及施工單位的人工管控方式，對于進度的控制、物料的安排等難以做到全線施工全局最優(yōu)，并且施工現(xiàn)場的人力物力施工管理成本高。2020年，國家13部門聯(lián)合提出要加大智能建造在工程中的應用[1，2]，因此，本文擬搭建城市軌道交通線網(wǎng)站臺門智慧施工管理系統(tǒng)，建立施工現(xiàn)場的BIM模型，通過現(xiàn)場采集數(shù)據(jù)驅動模型實時反映施工動態(tài)及進度，并從全線施工的角度進行安裝方案的決策與優(yōu)化，進而達到對施工全過程實時管控的目的。

1? 站臺門智慧施工管理架構設計

城市軌道交通線網(wǎng)站臺門智慧施工管理結構如圖1所示，分為感知層、通信層、數(shù)據(jù)資源層、應用層、平臺層以及用戶層。

1）感知層：負責對現(xiàn)場作業(yè)人員、工程進度進行感知，包括人臉識別及考核、防護服與安全帽的穿戴、作業(yè)行為的識別、作業(yè)進度的感知等。

2）通信層：主要對現(xiàn)場采集的數(shù)據(jù)進行實時傳輸。

3）數(shù)據(jù)資源層：建立標準化的數(shù)據(jù)結構，感知層的數(shù)據(jù)經(jīng)通信層傳輸?shù)酱藢樱凑諛藴蔬M行自動分類保存。

4）應用層：為用戶提供各種應用服務，包括實名制管理、進度監(jiān)控、安全帽定位、行為盯控、項目管理、用電監(jiān)測、材料監(jiān)控以及VR安全教育等。

5）用戶層：包括PC端以及移動端兩種類型，其中PC端主要為管理人員及遠程指揮人員使用，移動端主要為現(xiàn)場工作人員使用。

根據(jù)站臺門施工特點，建立城市軌道交通線網(wǎng)站臺門智慧施工架構的功能拓撲圖[3]組成如圖2所示。

圖1? 站臺門智慧施工管理系統(tǒng)結構圖

2? 基于圖像識別的站臺門施工安全管理技術

采用視頻圖像目標的檢測方法[4，5]，實現(xiàn)對站臺門施工人員不安全行為的識別，其原理是：通過對實時視頻每秒截取一幀最清晰的圖片，傳輸?shù)揭曈X算法中，首先對圖片進行前景檢測，識別缺陷區(qū)域，在此過程中加入陰影抑制、噪點抑制、畫面增強等圖像級優(yōu)化；然后通過圖形分割、SVM分類器、神經(jīng)網(wǎng)絡、卷積神經(jīng)網(wǎng)絡等方法對前景進行特征檢測，識別出缺陷目標；然后對目標物進行標記，常用的方法有CMT、meanshift、TLD、卡爾曼濾波等，在標記過程中不斷更新背景模型，將目標物和背景進行分離，提高檢測效果。

對于一些檢測類的算法如缺陷檢測，通過前景檢測技術，進行背景分離后即可進入事件檢測階段，自動檢測圖片中缺陷信息，并完成提醒、統(tǒng)計和標記功能。

視覺算法工作流程框架分為前景檢測、目標檢測、目標分割等幾個部分，如圖3所示。

圖3? 視覺算法工作流程框架圖

1）前景檢測：當圖片的某個區(qū)域變化比較頻繁時，這塊區(qū)域稱為前景團塊，就會被識別并分離出來。

2）目標檢測：在圖像序列中，部分前景團塊的狀態(tài)是穩(wěn)定的，認定這些前景團塊為缺陷目標，并提取出來。

3）目標分割技術：分析出識別目標對應的部分，并從背景圖像里分割出來。

視覺算法系統(tǒng)架構：主要由高清數(shù)字監(jiān)控攝像機、流媒體服務器、視覺算法服務器、Web管理平臺服務器等子系統(tǒng)等組成[6]。系統(tǒng)最大化的利用前端視覺設備，在此基礎上搭建流媒體和算法調度層，以及Web管理后臺，使簡單操作成為重中之重，減少復雜的配置設置，簡化設置和操作。

站臺門施工人員主要的安全識別對象有安全帽、高空作業(yè)工作服、工作鞋、腳手架、圍欄等。如圖4所示，該模塊能識別到站臺門施工人員的安全帽，若施工人員未按要求佩戴安全帽，系統(tǒng)會報警，并顯示該人員信息。模塊識別精度能達到90%以上，能夠有效保障站臺門施工安全。

圖4? 站臺門施工安全帽識別圖片

3? 基于虛擬安裝的站臺門施工過程管控技術

3.1? 站臺門虛擬安裝模塊的架構

用參數(shù)化建模方法，快速建立站臺門三維BIM模型[7，8]，通過渲染程序模擬站臺門BIM模型在真實環(huán)境條件下的外觀狀態(tài)，通過BIM模型拆解程序仿真自動扶梯和電梯的設備零部件安裝工序，展示設備的施工過程及完工狀態(tài)，進而實現(xiàn)地鐵車站站臺門BIM仿真模擬環(huán)境中的虛擬安裝[9]，如圖5所示。

圖5? 站臺門虛擬安裝技術路線

構建沉浸式的虛擬安裝模塊，實現(xiàn)虛擬安裝過程的參與，通過施工現(xiàn)場施工監(jiān)測，虛實模型交互，保持站臺門的施工處于健康可控狀態(tài)。采用多層結構體系作為系統(tǒng)的構架形式，從結構分層劃分主要包括人機交互層、仿真數(shù)字模型層、仿真運行支撐層、數(shù)據(jù)庫系統(tǒng)，如圖6所示。

圖6? 站臺門虛擬安裝模塊結構示意圖

1）人機交互層主要包括二維態(tài)勢GUI、三維視景GUI、系統(tǒng)管理GUI、控制接口等部分，主要為系統(tǒng)使用人員、系統(tǒng)管理人員、系統(tǒng)評估人員、其他交互設備及系統(tǒng)等用戶提供可視化的交互使用界面。

2）仿真數(shù)字模型層主要是負責建立具體仿真應用中各仿真對象模型，主要有仿真對象數(shù)學模型、環(huán)境及其他公用模型、RTI接口封裝和擴展等，本層作為仿真對象的直接實現(xiàn)，是仿真應用功能的主要內容，同時在本層實現(xiàn)的底層接口封裝可提高應用的擴展性，以至形成底層透明的中間層應用框架。

3）仿真運行支撐層包括支持分布式仿真運行的中間件、引擎、API等，主要有運行時支撐環(huán)境、圖形引擎、系統(tǒng)服務、系統(tǒng)API等部分，它提供了仿真系統(tǒng)運行所需的分布式互連服務、圖形渲染、數(shù)據(jù)服務、系統(tǒng)功能調用等底層功能。

4）數(shù)據(jù)庫系統(tǒng)負責仿真模型數(shù)據(jù)、環(huán)境數(shù)據(jù)、配置參數(shù)、用戶數(shù)據(jù)等的存放管理，進一步發(fā)展出數(shù)據(jù)分析和挖掘功能后，還可以提供仿真數(shù)據(jù)評估、仿真流程優(yōu)化、環(huán)境影響分析、實測數(shù)據(jù)對比等多方面分析功能，從而實現(xiàn)對抗仿真的數(shù)據(jù)化、自動化、科學化。

3.2? 站臺門虛擬安裝模塊的開發(fā)應用

基于BIM的站臺門虛擬安裝模塊采用如圖7所示的技術框圖進行開發(fā)，由虛擬仿真內容制作工具、工業(yè)仿真平臺等系統(tǒng)組成研發(fā)創(chuàng)作環(huán)境，用于研發(fā)、創(chuàng)作虛擬仿真系統(tǒng)中的數(shù)字化內容。虛擬仿真開發(fā)工具及引擎環(huán)境利用虛擬仿真的數(shù)字化內容，結合基礎語言平臺研發(fā)環(huán)境進行系統(tǒng)開發(fā)。

站臺門虛擬安裝模塊實施于標準以太網(wǎng)（局域網(wǎng)），組成設備包括終端（分為桌面終端、VR互動終端、AR/MR互動終端）、集控管理端及動作捕捉設備，有關組網(wǎng)必備的布線、交換以及對多人展示配置的投影或大屏設備等（圖8）。最終建立站臺門BIM虛擬安裝模型如圖9所示。

圖7? 站臺門虛擬安裝模塊開發(fā)技術框架圖

圖8? VR/AR系統(tǒng)及聯(lián)網(wǎng)協(xié)同

圖9? 站臺門虛擬安裝模型

4? 基于改進蟻群算法的站臺門安裝規(guī)劃技術

站臺門每個門單元安裝包括門框、玻璃、門機、立柱等各種部件，以6輛編組B型車為例，全線20個站則有960個門單元，零部件眾多，且每種零部件安裝所需的時間、工裝以及人員均不同，根據(jù)相關統(tǒng)計，在產(chǎn)品的整個生產(chǎn)周期中，安裝過程大約耗費35%左右的人力、占用40%左右的工作時間，消耗30%左右的總生產(chǎn)成本。本文基于蟻群算法提出了一種站臺門安裝規(guī)劃方法。

4.1? 零部件的安裝關系分析

根據(jù)站臺門的BIM模型建立各個零部件之間的安裝聯(lián)接關系圖，圖10為站臺門某個零部件的安裝聯(lián)接關系圖，圖中圓圈代表零件，零部件之間的聯(lián)接關系用Ci表示。采用如圖11所示基礎件識別算法，識別基礎件的安裝聯(lián)接特性和各項物理特征。

圖10? 安裝聯(lián)接關系圖

圖11? 基礎件識別算法流程圖

4.2? 零部件安裝影響矩陣建立

建立零部件之間的安裝影響矩陣。影響安裝的主要因素包括：安裝操作便利的程度、安裝過程的重定向性以及安裝工具的適用性。

安裝操作便利程度主要通過零部件的質量和尺寸進行衡量，如果質量過大或者過小、尺寸過大或者過小，都不利于安裝的進行，需要先進行安裝。通過對站臺門零部件的質量和尺寸分別進行排序，從大到小進行打分，作為安裝的影響系數(shù)fij （m）。

安裝操作的重定向性，指的是兩個零部件在安裝過程中是否需要重新調整安裝方向，如果需要重新調整，則fij （t）為1，否則為0。

安裝工具的適用性，指的是在安裝過程中是否需要更換安裝工具，如果需要更換，則影響系數(shù)fij （d）為1，否則為0。

兩零件安裝的影響系數(shù)為：

fij （p） = w1 ·? fij （m） + w2 ·? fij （t） + w3 ·? fij （d）? ? ? （1）

式中：w1 + w2 + w3 = 1。

4.3? 站臺門安裝規(guī)劃方法改進

采用改進的蟻群算法對站臺門的安裝進行重新規(guī)劃[10]。以基礎件作為蟻群算法的起點，基礎件通過前述的流程獲得。根據(jù)安裝連接矩陣，確定下一個零件的選擇，在確定零件時，需要根據(jù)前述的安裝操作便利系數(shù)、安裝方向以及安裝工具影響系數(shù)共同決定：

（2）

式中：； 表示t時刻螞蟻k由上一安裝零件pi到下一零件pj的轉移概率； 表示t時刻路徑（i，j）上的信息素濃

度；fj （m）、fj （l）分別表示的是零件pj質量、最大尺寸對安裝操作便利性，即零件級安裝代價；fj （m）、fj （l）以及fij （d）、fij （t）分別表示的是零件pj相對于零件pi的重定向性、工具的適用性，即路徑（i，j）上的序列級安裝代價；參數(shù)α、β分別是信息素濃度、期望啟發(fā)信息的因子、均為非負數(shù)。

1）局部信息素更新。采用信息素更新策略，更新螞蟻已經(jīng)搜索過路徑的信息素，減少該路徑的吸引力，保證計算結果的多樣性，避免過早的收斂。

（3）

式中：ρ表示信息素局部揮發(fā)系數(shù)，ρ的取值范圍為（0，1）；τ表示初始信息素的大小。

2）讓所有螞蟻都經(jīng)歷一次搜索，然后制定全局信息素更新策略，更新所有信息素。

（4）

式中：；；γ表示信息素全局揮發(fā)系數(shù)，取值范圍為（0，1）； 表示路徑（i，j）上累計增加的信息素總量； 表示在t和（t + n）時間內，螞蟻k在路徑（i，j）上留下的信息素；Q表示信息素調節(jié)參數(shù)，一般取Q=1.0；f表示螞蟻k完成一次搜索耗費的安裝代價。

3）計算當前方案的代價，當達到最大循環(huán)次數(shù)或者安裝方案代價基本穩(wěn)定時，輸出最優(yōu)安裝序列。

站臺門整體結構如圖12所示，主要的安裝部件有：安裝支架、門檻、底座、立柱、門機梁組件、結構組件、滑動門、應急門、固定門、端門、蓋板組件等。

各部件安裝所用工具如表1所示。

按一側站臺門24個門單元進行計算，算法設定α = 1.0，β = 0.8，γ = 0.5，ρ = 0.05，τ0 = 0.2，Q = 1.0，m = 18，循環(huán)次數(shù)200次。經(jīng)過200次迭代后，站臺門安裝序列為：2→6→4→5→7→8→9→3→1→10→11，安裝耗時約為12 h。

傳統(tǒng)站臺門安裝順序為：3→1→4→2→6→5→7

→8→9→10→11，安裝耗時約為28 h。

5? 結? 論

本文研究提出了城市軌道交通線網(wǎng)站臺門智慧施工管理技術，可實現(xiàn)施工作業(yè)人員安全行為的識別、站臺門BIM模型基礎上的虛實結合的施工過程管理。在保證施工安全和質量的基礎上，提出了基于人工智能算法的站臺門安裝規(guī)劃技術，對安裝工藝流程進行優(yōu)化，實踐證明，運用該項技術后，可顯著提高安裝效率，降低安裝成本。

參考文獻：

[1] 羅情平，任玲，王義華.城市軌道交通智慧工地信息化集成管理系統(tǒng)研究與應用 [J].都市快軌交通，2022，35（6）：45-50.

[2] 譚紹玉，丁偉.信息化技術在城市軌道交通工程建設安全管理中的應用 [J].中國安全生產(chǎn)科學技術，2021，17（S2）：117-123.

[3] 田闖，潘洪義，王瑞忠，等.城市軌道交通工程監(jiān)測預警管理體系探討與實踐 [J].建筑技術開發(fā)，2022，49（16）：158-160.

[4] 潘惠蘋，任艷，徐春.基于核典型相關分析和支持向量機的圖像識別技術 [J].南京理工大學學報，2022，46（3）：284-290.

[5] 林湧濤，崔寧，趙志俊，等.基于深度學習的圖像目標定位識別研究 [J].現(xiàn)代信息科技，2023，7（2）：83-86.

[6] 吳真真，唐超，楊曉飛.基于深度學習的視頻識別及動態(tài)監(jiān)測技術應用——以軌道交通建設工程為例 [J].測繪通報，2022（9）：23-28.

[7] 呂慶，崔維久，于德湖，等.BIM融合信息技術在智慧工地中的應用研究 [J].施工技術：中英文，2021，50（20）：5-11.

[8] 王山，何承錦，胡炫宇，等.BIM技術在長株潭城際軌道交通西環(huán)線工程總承包項目中的應用 [J].施工技術：中英文，2022，51（8）：79-82+110.

[9] 許時穎.城市軌道交通工程WBS和BIM模型分解及編碼的研究與應用 [J].施工技術：中英文，2022，51（5）：15-18.

[10] 劉香香，孫鳳.基于蟻群算法的裝配式建筑施工工序多目標優(yōu)化模型 [J].土木工程與管理學報，2021，38（3）：113-118.

作者簡介：汪琴（1985—），女，漢族，湖北武漢人，講師，博士，研究方向：信息化、智能施工。