基于GIS空间分析及深度学习的调车场安全识别系统

为实现调车场的智能化安全管理,首先基于调车作业的常见事故,分析了调车场系统中的人-机-环事故致因要素。利用GIS对调车场各空间组成要素进行建模,以获得调车场的电子地图与各组成要素的属性数据库。在此基础上,利用Arc GIS空间分析引擎对调车场对象的属性数据进行操纵分析,得出电路分路情况、道岔尖轨间隙特征、人员作业热点、货物空间分布等特征图层;并利用卷积神经网络(CNN)作为融合工具,以专家判定的危险区域为学习标签,大规模自动化提取各特征图层的特征,以达到自主学习专家知识的目的;最后,利用Ecd转化工具将训练的CNN识别引擎转化为栅格分类器,供GIS系统进行安全分类评估时调用,最终达到调车场自动安全分析的目的。经仿真数据验证,结果表明:在CNN的训练过程中,Dropout机制可有效控制过拟合现象,经训练的CNN在测试集的识别正确率为73. 81%; GIS系统能有效调用CNN,实现自动融合电子地图中的对象属性数据,完成调车场安全评估及展示。