遥感监测在智慧地铁中的应用 .pdf

智慧乘客服务

调、平战结合与平灾结合并重的原则，统筹以地铁为

1遥感技术与卷积神经网络

代表的地下交通基础设施，统筹以综合管廊为代表的

第一次世界大战以来，得益于超级大国的激烈竞各类地下市政设施，统筹以人防工程为代表的各类地

争及空间技术发展，遥感技术进入高速发展期。下安全设施，统筹以地下综合体为代表的各类地下公

1972年，美国发射“地球资源技术卫星”后，各国开共服务设施，构建多维、安全、高效、便捷、可持续

［12］

始效仿跟进。我国遥感技术后来居上，并于2013年发发展的立体式宜居城市”。由此，城市轨道交通保

射高分辨率对地观测系统的“高分一号”卫星。此后，护区变化监测工作成为重中之重。

我国遥感技术逐渐达到国际领先水平，基本形成应用因此，以北京地铁为例，结合其实际需求，研究

广泛的陆地卫星格局。在遥感技术应用中，如何快速、利用卷积神经网络、语义分割2种方法，对北京地铁运

有效地处理遥感数据并提取所需信息成为技术难点，营有限公司下属16条线路（非全北京市，即1号线、

2号线、5号线、6号线、7号线、8号线、9号线、

而卷积神经网络（ConvolutionalNeuralNetworks，CNN）

10号线、13号线、15号线、房山线、昌平线、亦庄

的发展为解决该问题提供了有效方法。

1943年，McCulloch和Pitts提出神经元网络，神经线、S1线、八通线、首都机场线）的城市轨道交通保

网络概念出现；2006年，卷积神经网络进入快速发展护区内违规施工行为进行监测，并将信息上报至相关

期；2012年起，深度学习研究进展迅速，并提出一系部门，保障地铁运行安全，从而有效解决传统监测人

列模型，卷积神经网络的应用领域逐渐广阔。随着数字工消耗大、低效率以及现有算法工程化中的薄弱环节。

图像分析技术的发展、遥感影像精度的提高，图像分割2.2数据来源

和数字图像处理逐渐被应用于变化监测。近年来，深度研究数据主要包括以下2个部分：

学习在建筑物识别、土地利用制图等领域广泛应用。（1）源自2021年第3季度（2021年7—9月）、

卷积神经网络是一类包含卷积计算，并且含有深层第4季度（2021年10—12月）北京市地铁运营有限公司下

次结构的深度前馈神经网络，是深度学习的代表算法之属16条地铁线路的“北京二号”卫星高分辨率遥感影像。

一［11］。卷积神经网络可自动提取目标特征，并发现样影像多光谱波段分辨率为0.8m，数据处理级别为L4A，数

本的集中特征规律，有效解决手动提取特征效率低下、据位深为8bit，文件格式为Tiff，坐标系为CGCS2000，采

分类准确率低等不足。卷积神经网络广泛应用于目标识用高斯克吕格投影；采用其标准4波段进行真彩色合成得

别、图像分类等领域，但在轨道交通保护区监测的实际到遥感影像彩色合成图进行本文的建筑信息识别。

运用中，仍存在提取建筑物精度低、速度慢等问题，建（2）北京市地铁运营有限公司及其下属分公司提供的

筑信息识别效率不能满足工作需求。因此，研究通过遥《北京地铁安全保护