本说明书涉及交通监测，尤其涉及一种数字孪生的隧道监测方法、设备及介质。
背景技术：
1、随着经济的发展和人民生活水平的日益提高，车辆的数量也不断增多，同时公路建设也越来越完善。其中，隧道是一种在地下或山体中挖掘的通道也是山区、跨海\河公路建设的重要方式，是高速公路和城市道路交通的重要咽喉。随着车辆的普及隧道内不仅车流量大，而且隧道为半封闭环境，所以其较普通路段交通事故多，并且极易导致二次事故，所以对于隧道内交通情况的监测成为了降低事故发生率的一项重要手段。
2、当前对于隧道内车流情况以及基础设施情况的监测一般基于人工检测也就是人工定期巡检的方式，或者根据隧道结构内安装的传感器与摄像头进行监测。然而人工巡检的方式监测频率较低，一是容易出现漏检情况，二是对于突发性交通事件难以及时进行响应预警，容易导致交通风险的进一步发展。而基于传感器与摄像头进行监测的方式，一般是确定发生事件，并在事件发生后进行应急处理，即难以及时监测预估可能出现的交通事件，导致隧道内交通事件的发生率难以降低。
技术实现思路
1、为了解决上述技术问题，本说明书一个或多个实施例提供了一种基于数字孪生的隧道监测方法、装置、设备及介质。
2、本说明书一个或多个实施例采用下述技术方案：
3、本说明书一个或多个实施例提供一种基于数字孪生的隧道监测方法，方法包括：
4、根据待检测隧道的亮度变化进行区域划分获得第一区域、第二区域与第三区域，以获取所述第一区域、所述第二区域与所述第三区域的三维点云数据；
5、基于所述三维点云数据确定建立所述待检测隧道的静态组件与动态组件，以基于所述静态组件构建第一层三维模型并基于所述动态组件构建第二层三维模型；
6、基于所述三维点云数据的点云位置对齐所述第一层三维模型与所述第二层三维模型，获得待检测隧道的动态三维模型；
7、获取所述待检测隧道内各监测设备的位置信息，以基于所述位置信息将所述监测设备的监测参数与所述三维模型进行嵌套关联，获得所述待检测隧道的数字孪生模型；
8、基于所述待检测隧道的历史监测数据与历史交通事件的关联关系，确定所述待检测隧道的交通影响数据，基于所述数字孪生模型对所述交通影响数据进行跟踪监测；
9、若确定所述交通影响数据超出预设标准交通参数范围，则基于所述数字孪生模型对所述交通影响数据所在区域对应的一个或多个交通事件预测推演，以确定各区域的交通风险。
10、可选地，在本说明书一个或多个实施例中，根据待检测隧道的亮度变化进行区域划分获得第一区域、第二区域与第三区域，具体包括：
11、获取待检测隧道的日出时刻与日落时刻，以基于所述日出时刻与所述日落时刻确定待检测隧道的低照度时间范围与高照度时间范围；
12、若当前处于高照度时间范围，则基于预设图像采集设备获取隧道入口图像与隧道出口图像；
13、对所述隧道入口图像与所述隧道出口图像进行灰度处理，获得隧道入口灰度图像与隧道出口灰度图像，以确定所述隧道入口灰度图像与所述隧道出口灰度图像中各像素点的亮度值；
14、确定所述隧道入口灰度图像与所述隧道出口灰度图像中相邻像素点的亮度值的差值，基于所述差值确定所述隧道入口灰度图像与所述隧道出口灰度图像中的突变像素点；
15、根据所述突变像素点的位置确定所述隧道入口灰度图像与所述隧道出口灰度图像的区域分界线，以根据所述区域分界线分别确定所述隧道入口灰度图像的高亮度区域与低亮度区域，以及所述隧道出口灰度图像的高亮度区域与低亮度区域的高亮度区域与低亮度区域；
16、将所述低亮度区域与待检测隧道的隧道内区域进行合并作为第一区域，将所述隧道入口灰度图像的高亮度区域作为第二区域并将所述隧道出口灰度图像的高亮度区域作为第三区域；
17、若当前处于低照度时间范围，则将待检测隧道的隧道内区域与待检测隧道的隧道外区域作为第一区域。
18、可选地，在本说明书一个或多个实施例中，获取所述第一区域、所述第二区域与所述第三区域的三维点云数据，具体包括：
19、根据所述待检测隧道的预置点云采集设备，获取所述第一区域、所述第二区域与所述第三区域的初始三维点云数据；
20、基于所述待检测隧道的历史点云数据训练点云补全模型，获得符合要求的点云补全模型；
21、将所述初始三维点云数据输入所述符合要求的点云补全模型，以对所述初始三维点云数据进行补全，获得所述第一区域、所述第二区域与所述第三区域的三维点云数据。
22、可选地，在本说明书一个或多个实施例中，基于所述三维点云数据确定建立所述待检测隧道的静态组件与动态组件，以基于所述静态组件构建第一层三维模型并基于所述动态组件构建第二层三维模型，具体包括：
23、基于所述待检测隧道的建筑数据确定所述待检测隧道的固定静态组件；
24、基于相邻时间内的三维点云数据的位置坐标，提取所述三维点云数据内的运动三维点云数据，以基于所述运动三维点云数据建立所述待检测隧道的动态组件；
25、基于所述运动三维点云数据外的剩余三维点云数据与所述固定静态组件的匹配关系，确定所述三维点云数据所对应的新增静态组件；
26、根据所述固定静态组件与所述新增静态组件所对应的三维点云数据，确定所述固定静态组件与所述新增静态组件的几何特征，以基于所述几何特征构建第一层三维模型；其中，所述几何特征包括：点的位置、法向量、曲率；
27、根据所述动态组件的三维点云数据所对应的位置坐标构建第二层三维模型。
28、可选地，在本说明书一个或多个实施例中，获取所述待检测隧道内各监测设备的位置信息，以基于所述位置信息将所述监测设备的监测参数与所述三维模型进行嵌套关联，获得所述待检测隧道的数字孪生模型，具体包括：
29、获取所述待检测隧道内各监测设备的位置信息，并确定所述位置信息所对应的第一坐标系；
30、基于所述第一坐标系与所述三维模型所对应的第二坐标系的差异数据，建立所述第一坐标系与所述第二坐标系的转换关系，并基于所述转换关系将所述位置信息转换到所述第二坐标系获得当前位置信息；其中，所述转换关系至少包括以下任意一项或多项：平移关系、旋转关系、缩放关系；
31、将当前位置信息映射到所述三维模型的对应位置，并将所述监测设备的监测参数与对应的当前位置信息进行嵌套关联，建立监测设备与三维模型之间的数据连接，获得所述待检测隧道的数字孪生模型。
32、可选地，在本说明书一个或多个实施例中，基于所述待检测隧道的历史监测数据与历史交通事件的关联关系，确定所述待检测隧道的交通影响数据，基于所述数字孪生模型对所述交通影响数据进行跟踪监测，具体包括：
33、确定各历史交通事件所对应的历史监测数据，以根据各所述历史交通事件所对应的事件类型对各所述历史监测数据进行分组，获得各事件类型所对应的历史监测数据集合；
34、基于所述历史监测数据集合内各历史监测数据所对应的事件风险等级，对所述历史监测数据集合进行二次分组，获得各所述事件风险等级所对应的历史监测数据子集合；
35、基于主客观赋权方式确定各所述历史监测数据子集合内各历史监测数据的第一关联度值；
36、根据各所述历史监测数据子集内监测数据的重叠度，确定各历史监测数据的第二关联度值，并确定各所述历史监测数据所对应的隧道区域，以基于所述隧道区域确定各所述历史监测数据的加权系数；其中，所述第一区域的加权系数大于所述第二区域的加权系数大于第三区域的加权系数；
37、根据所述第一关联度值与所述第二关联度值以及所述加权系数的乘积，确定各所述历史监测数据所对应的关联度，以基于所述关联度筛选获得待检测隧道的交通影响数据；
38、对所述交通影响数据进行标记，以使所述数字孪生模型基于所述标记对所述交通影响数据进行跟踪监测。
39、可选地，在本说明书一个或多个实施例中，基于主客观赋权方式确定各所述历史监测数据子集合内各历史监测数据的第一权重值，具体包括：
40、基于预设接口接收各专家终端对各所述历史监测数据的主观权重排序序列；
41、基于预设比例标度确定各主观权重排序序列内相邻历史监测数据的标度值，以基于所述标度值确定所述历史监测数据子集合内各历史监测数据所对应的主观判断矩阵；
42、获取所述历史监测数据子集合内各历史监测数据的信息熵，以根据所述信息熵确定各所述历史监测数据所对应的客观权重；
43、基于所述主观判断矩阵与所述客观权重的线性加权，确定所述历史监测数据子集合内各历史监测数据的第一权重值。
44、可选地，在本说明书一个或多个实施例中，若确定所述交通影响数据超出预设标准交通参数范围，则基于所述数字孪生模型对所述交通影响数据所在区域对应的一个或多个交通事件预测推演，以确定各区域的交通风险，具体包括：
45、若确定所述交通影响数据超出预设标准交通参数范围，则获取所述交通影响数据的变化信息以及所述交通影响数据所对应的隧道区域，以使所述数字孪生模型根据所述变化信息对所述交通影响数据进行仿真模拟，获得所述交通影响数据所在区域的预演结果；其中，所述预演结果包括一个或多个交通事件的发生概率；
46、根据各所述交通事件所对应的发生概率确定所述交通事件所对应的事件风险等级；
47、根据各区域内的交通事件数量以及各交通事件的事件风险等级，确定各所述区域的交通风险。
48、本说明书一个或多个实施例提供一种基于数字孪生的隧道监测设备，设备包括：
49、至少一个处理器；以及，
50、与所述至少一个处理器通信连接的存储器；其中，
51、所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：执行上述任一所述的方法。
52、本说明书一个或多个实施例提供的一种非易失性计算机存储介质，存储有计算机可执行指令，所述计算机可执行指令设置为：能够执行上述任一所述的方法。
53、本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：
54、基于亮度变化将隧道划分为不同的亮度区域，可以更方便地对监测数据进行收集分析和比较。有助于在不同应用场景下统计不同区域的事故发生率、交通流量等数据，为制定针对性的交通安全措施提供数据依据。基于静态组件与动态组件构建两层三维模型能够提供更全面的隧道信息，有助于进行更详细的分析和监测，同时分开构建两层三维模型可以根据需要单独更新或修改静态或动态组件的模型，而不会相互影响，能够更及时的监测反映隧道的变化可以使模型更具灵活性。数字孪生模型与监测参数的关联使得可以在三维可视化环境中展示监测数据，有助于基于数字孪生模型对交通影响数据进行跟踪预测推演交通事件，从而实现提前了解交通流量、速度、拥堵等交通事件情况的发展趋势，确定各个区域的交通风险，进而使得交通调度单元能够有时间制定针对性的规划和调整交通策略。
1.一种基于数字孪生的隧道监测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于数字孪生的隧道监测方法，其特征在于，所述根据待检测隧道的亮度变化进行区域划分获得第一区域、第二区域与第三区域，具体包括：
3.根据权利要求1所述的一种基于数字孪生的隧道监测方法，其特征在于，获取所述第一区域、所述第二区域与所述第三区域的三维点云数据，具体包括：
4.根据权利要求1所述的一种基于数字孪生的隧道监测方法，其特征在于，基于所述三维点云数据确定建立所述待检测隧道的静态组件与动态组件，以基于所述静态组件构建第一层三维模型并基于所述动态组件构建第二层三维模型，具体包括：
5.根据权利要求1所述的一种基于数字孪生的隧道监测方法，其特征在于，获取所述待检测隧道内各监测设备的位置信息，以基于所述位置信息将所述监测设备的监测参数与所述三维模型进行嵌套关联，获得所述待检测隧道的数字孪生模型，具体包括：
6.根据权利要求1所述的一种基于数字孪生的隧道监测方法，其特征在于，基于所述待检测隧道的历史监测数据与历史交通事件的关联关系，确定所述待检测隧道的交通影响数据，基于所述数字孪生模型对所述交通影响数据进行跟踪监测，具体包括：
7.根据权利要求6所述的一种基于数字孪生的隧道监测方法，其特征在于，所述基于主客观赋权方式确定各所述历史监测数据子集合内各历史监测数据的第一权重值，具体包括：
8.根据权利要求1所述的一种基于数字孪生的隧道监测方法，其特征在于，若确定所述交通影响数据超出预设标准交通参数范围，则基于所述数字孪生模型对所述交通影响数据所在区域对应的一个或多个交通事件预测推演，以确定各区域的交通风险，具体包括：
9.一种基于数字孪生的隧道监测设备，设备包括：
10.一种非易失性存储介质，存储有计算机可执行指令，所述计算机可执行指令能够：执行上述权利要求1-8任一所述的方法。
