高速公路建设“1+6+1”质量管理新模式探索实践

为有效应对高速公路建设工程质量管理当中的普遍性问题,提升工程品质,广东仁新高速公路和武深高速公路联络线项目紧扣行业高质量发展方向和管理实际,在质量管理方面进行探索与创新实践,形成“1+6+1”这一系统性的质量管理新模式,质量管理思路、管理举措、管理手段、管理深度均建立在“1+6+1”管理模式架构内,形成了长效管控机制,在工程实践中取得了良好的管理效果,具有可复制可推广的应用价值。文章对高速公路“1+6+1”质量管理新模式的形成和应用实践进行介绍,以期为高速公路建设项目管理提供借鉴。

基于无人机视频的公路桥梁边坡异常检测

对无人机巡查相应的软硬件系统进行开发,实现了对公路桥梁边坡中常见的边坡坡面冲刷,桥梁地基冲刷以及桥下空间违规停放车辆、违章建筑、堆积物等异常隐患的高精度自动化检测。首先搭建了高精度无人机控制系统、地面工作站和数据管理中心,用于自动化采集桥梁边坡影像;然后构建桥梁边坡常见异常隐患数据集,并基于深度学习的目标检测技术实现了桥梁边坡常见异常隐患自动检测系统;最后将自动检测系统应用于测试集,可达到0.8492的平均精确率。实验和真实场景测试证明,与传统人工巡检方式相比,该系统具有高效性、全面性和安全性,可为公路中桥梁边坡的巡检节省大量的人力物力。

基于边缘计算的高速公路养护巡查无人机自适应避障技术

针对粤北山区高速公路环境复杂,无人机高速公路养护巡检时,自动化程度低的问题,以多旋翼无人机为研究对象,提出一种基于边缘计算的方式,实现复杂环境下高速公路养护无人机自主巡查。首先,通过对无人机边缘计算平台的研究,构建树木、建筑物等常见障碍物数据集,将深度学习YOLOV5目标检测算法应用到障碍物识别中。其次,利用RTK/INS技术和双目视觉技术进行无人机和障碍物定位。最后,依据障碍物信息(距离、方位等),制定无人机避障策略,实现高速公路养护无人机自主巡检。通过实验和真实场景测试,证明该系统能够有效实现避障。与传统人工巡检方式相比,该技术极大地减少了无人机操作难度,扩大了无人机的应用,提高了作业安全性,为高速公路养护巡检节省了大量的人力、物力。

火灾工况下公路隧道通风智能控制模型研究

为研究公路隧道火灾工况下的智能通风控制方法,以某隧道右线为研究对象,进行如下研究:1)探索RBF神经网络模型的适用性、网络组成与训练过程,并结合工程实例通过经验公式得到火灾规模与临界风速的关系;2)计算获取51组随机工况下不同火灾发生规模、火灾发生位置、隧道交通量下的风机开启台数数据;3)利用径向基RBF(Radial Basis Function)神经网络算法进行模型训练,共设置30组训练数据与21组检验数据进行预测精度验证。工程实例预测结果表明:1)RBF神经网络算法训练组与检验组的相对误差分别为4.6%与8.7%,预测精度在预设阈值范围内;2)构建的火灾工况下,公路隧道风机智能控制模型有助于提升公路隧道营运期安全水平。

公路交通设施能源供给现状与需求分析探讨

如何确定与未来公路交通设施需求相适应的“安全可靠、绿色高效和可持续发展”的综合交通能源供给网,是当前公路建设者和运营管理者急需解决的行业关键问题。从能源需求规模、能源供给呈多元化、安全高效智慧化能源供给需求等方面,分析了高速公路沿线重要用能设施类型以及能耗。研究了低压、中压以及风光互补等不同方式的公路交通设施供配电技术现状,分析了目前公路交通设施供配电系统存在的问题,分析了面向未来的公路交通设施能源需求态势。结果表明:通过采用智慧节能多元化供电技术,构建高速公路清洁能源,开发利用能源互联网,可以减少能源损耗,实现能源清洁化,为研究构建安全高效、智慧互联的公路交通设施新型多元化能源供给与管控技术提供参考。

双侧壁导坑法工法优化与变形控制研究

以广东省某公路隧道在超浅埋软土地层中施工下穿高速公路为背景,为解决传统双侧壁导坑法施工时隧道与地表超限沉降、交通管制困难、施工安全与营运安全风险高等难题,在传统双侧壁导坑法基础上提出改进工序、缩短步距、掌子面加固的工法优化方案,采用数值模拟、监控量测等手段,对工法优化方案进行变形控制研究。研究结果表明,对比传统工法,优化工法能够减少近一半临时支护安拆量,缩短工序时间,降低造价;能够大大缩短步距,加快施工进度,提高隧道开挖支护作业与地表交通的安全性。掌子面补强能够显著减小地表和隧道的沉降变形,提高掌子面的稳定性。优化工法能够使地表沉降和围岩支护的变形受控,保证隧道施工与上方高速公路的营运安全。