集大原铁路大同段彩钢瓦漂浮物风险评估研究
Journal: Engineering Technology Development DOI: 10.12238/etd.v5i5.9123
Abstract
采用铁路周界彩钢板风致侵限天空地一体化监测评估系统对新建集大原铁路大同段外部环境中的彩钢瓦漂浮物风险源进行遥感识别与快速评估。结果表明：(1)采用HTC算法框架识别风险源205处,集中分布于DK110+000~DK120+300区间外300~500m区域,该区域内风险源数量占比51.7%,面积占比64.3%；(2)历史极值风速时彩钢瓦极限漂移距离为105m,即安全限界外105m范围为彩钢瓦漂浮物风险区；(3)风险区内共识别风险源27处,较500m区域减少了178处,评估量降低了86.8%；(4)采用近3s平均风速最大值评估时,高中风险源的数量分别为3、9；采用近五年2min平均风速最大值评估时,仅1处高风险源。识别与评估结果对大同段铁路沿线彩钢瓦整治工作具有较高的指导意义。
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,郭鹏跃,徐成伟,等.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(6):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] Chen K,Pang J,Wang J,etal.Hybrid Task Cascade for Instance Segmentation[J].CoRR,2019,abs/1901.07518.
[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,郭鹏跃,徐成伟,等.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(6):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] Chen K,Pang J,Wang J,etal.Hybrid Task Cascade for Instance Segmentation[J].CoRR,2019,abs/1901.07518.
Copyright © 2024 王亚洲, 韩生栋, 周涛, 何延灼, 宋臻
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License
