乌盟铁路周界彩钢瓦特征分析与风险评估研究
Journal: Building Technology Research DOI: 10.12238/btr.v7i5.4521
Abstract
通过影像识别与彩钢板风致侵限安全评估技术对新建集大原铁路乌兰察布段外部环境中彩钢瓦风险源开展特征分析与风险评估研究。结果表明：(1)安全限界外500m范围内共检测风险源89处,0~100m区间内风险源占比40.4%,沿线路集中分布于DK1+400~DK1+600、DK3+100~DK3+700、DK4 +780~DK5+040区段；(2)风险源按面积集中分布于DK4+450~DK5+086区段,风险源的总面积与最大单体面积均呈随线距增大而急剧减小的趋势；(3)当采用列车停运风速进行场地区划时,安全限界外119m区域为彩钢瓦漂浮物的风险区,风险区内共识别41处风险源,较500m范围内风险源数量减少了53.9%；(4)当采用近一年极大风速与最大平均进行风险评估时,后者较前者的高风险建筑减少了28.6%,中风险建筑降低了100%。
Keywords
铁路；彩钢瓦；遥感识别；快速评估
Full Text
PDF - Viewed/Downloaded: 0 TimesReferences
[1] 陈燕楠.基于目标跟踪的铁路轨道异物侵限检测与预警研究[D].兰州交通大学,2022.
[2] 李建国,陈敬涛,张伟,等.基于改进型SSD算法的铁路货场异物侵限小目标检测研究[J].铁道通信信号,2024,60(07):57-62.
[3] 陈永,卢晨涛.基于轻量级网络的铁路感兴趣区域异物侵限检测[J].吉林大学学报(工学版),2022,52(10):2405-2418.
[4] 傅荟瑾.基于多传感技术融合的高速铁路周界入侵监测技术方案研究[J].铁道运输与经济,2022,44(09):122-129.
[5] 朱力强,许力之,赵文钰,等.铁路周界入侵目标多尺度特征感知算法[J].中国铁道科学,2024,45(01):215-226.
[6] 杨雪,李亚群,徐成伟.基于5G的高速铁路自然灾害与侵限监测系统研究与设计[J].铁路计算机应用,2023,32(06):57-61.
[7] 王辉,姜朱丰,吴雨杰,等.基于深度学习的铁路异物侵限快速检测方法[J].铁道科学与工程学报,2024,21(05):2086-2098.
[8] 徐鑫,潘杰,曹利安,等.基于深度学习的铁路异物侵限检测模型[J].铁路计算机应用,2023,32(10):7-12.
[9] 李清欣,徐贵红,周雯.基于联邦学习和深度注意力残差网络的异物侵限辅助判断[J].铁道建筑,2023,63(08):145-148.
[10] 李宏辉.全自动运行列车在高架线路运行时接触网异物侵限场景下的应对措施研究与实现[J].科技创新与应用,2023,13(10):47-51.
[2] 李建国,陈敬涛,张伟,等.基于改进型SSD算法的铁路货场异物侵限小目标检测研究[J].铁道通信信号,2024,60(07):57-62.
[3] 陈永,卢晨涛.基于轻量级网络的铁路感兴趣区域异物侵限检测[J].吉林大学学报(工学版),2022,52(10):2405-2418.
[4] 傅荟瑾.基于多传感技术融合的高速铁路周界入侵监测技术方案研究[J].铁道运输与经济,2022,44(09):122-129.
[5] 朱力强,许力之,赵文钰,等.铁路周界入侵目标多尺度特征感知算法[J].中国铁道科学,2024,45(01):215-226.
[6] 杨雪,李亚群,徐成伟.基于5G的高速铁路自然灾害与侵限监测系统研究与设计[J].铁路计算机应用,2023,32(06):57-61.
[7] 王辉,姜朱丰,吴雨杰,等.基于深度学习的铁路异物侵限快速检测方法[J].铁道科学与工程学报,2024,21(05):2086-2098.
[8] 徐鑫,潘杰,曹利安,等.基于深度学习的铁路异物侵限检测模型[J].铁路计算机应用,2023,32(10):7-12.
[9] 李清欣,徐贵红,周雯.基于联邦学习和深度注意力残差网络的异物侵限辅助判断[J].铁道建筑,2023,63(08):145-148.
[10] 李宏辉.全自动运行列车在高架线路运行时接触网异物侵限场景下的应对措施研究与实现[J].科技创新与应用,2023,13(10):47-51.
Copyright © 2024 亢国伟, 荆泰, 张国强, 郭子兴, 张国全
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License