為冬奧“定制”智能物聯監測系統

2021年11月18日，河北崇禮。

在冬奧核心區云頂滑雪場的臨時看臺上，突然爆發出一陣歡呼。

此后兩天里，這群約40人的隊伍，時不時在零下十幾度的寒風中鼓掌、跳躍、歡呼，弄出巨大“響動”。

原來，這是“科技冬奧”專項課題之一——“嚴寒條件下臨時設施智能物聯監測及預警關鍵技術”課題組在測試建筑物安全。

與都靈、平昌和索契冬奧會相比，北京冬奧會賽場地形復雜、觀賽人數更多，臨時設施工程量和規模更大。場館周圍的看臺、廁所、轉播塔、臨時用房等多為臨時建筑，在嚴寒、強風條件下，確保臨時建筑安全自然是頭等大事。

“此前，我國在嚴寒條件下監測臨時設施傾斜、振動等狀態的專用傳感器，嚴寒條件和大客流影響下臨時設施結構安全、比賽中觀眾誘導的看臺振動和異常聚集、逃散及事件溯源推理方面仍存在一些亟待解決的問題。”北京建筑大學電氣與信息工程學院院長郭茂祖告訴《中國科學報》。

為解決上述問題，從去年年初開始，郭茂祖帶領團隊和中北大學、重慶大學、大連理工大學、沈陽建筑大學合作，開始為冬奧“定制”臨時建筑物安全保障系統。

該課題著眼于嚴寒條件下臨時設施智能監測、安全運維和預警，研制臨時設施狀態監測傳感器；研究基于數據融合的臨時設施荷載快速識別技術及結構危險源識別定位技術；研究人群異常活動引發的臨時設施故障風險預測技術；構建基于大數據的臨時設施智能物聯運維平臺。

“嚴寒條件直接影響常規傳感器的精度和待機時間。”郭茂祖說，“如不研制專用傳感器，就無法保證延慶和崇禮賽區比賽時的檢測精度，也無法支撐比賽期間的連續檢測。”

冬奧會等大客流情況下，觀眾集體動作、異常聚集、異常逃散等動作，會引起臨時設施荷載分布不均勻，容易形成局部超載。為此，該團隊研制出適用于冬奧嚴寒條件下的專用傳感器，并利用網格化技術，對臨時設施荷載進行結構損傷識別；基于深度學習和光流法，他們開發出突發事件識別系統，對人群異常聚集、混亂、與臨時設施的異常交互進行識別和定位，并以時空特征和外部特征相結合的深度神經網絡，對人群的活動軌跡進行預測。

此外，他們還開發出可視化智能物聯運維平臺，基于大數據、深度機器學習和深度置信神經網絡，對多目標耦合臨時設施運行趨勢預測分析。

去年11月18日至20日，應崇禮賽區建設方邀請，團隊在云頂滑雪場冬季兩項看臺關鍵位置，安裝了兩組4個專用傳感器，采集看臺狀態數據，同時用激光掃描設備對看臺、奧運村餐廳、越野項目兩層棚房、越野項目看臺等設施進行測繪建模，分析這些臨時設施的狀態數據。

“目前，相關成果已在崇禮賽區的云頂滑雪場、延慶賽區高山滑雪中心雪道和競速賽結束區取得了良好的效果。”該團隊成員之一、北京建筑大學電氣與信息工程學院教師田樂說，“測試效果得到了建設方的高度認可。”