Page 30 - 2024年第55卷第7期

撞风险，构建了行驶接近时间和机械最大拥挤度两个风险指标，定义模糊规则及每个指标对施工机械
潜在碰撞风险预警等级的模糊隶属度函数，进而计算每个施工机械对这两个风险指标的模糊隶属度；
然后，利用证据融合方法将不同指标预警结果进行融合，确定最终的预警等级（ Ⅰ级预警、Ⅱ级预警、
Ⅲ级预警、不预警）；最后，对需要预警的施工机械在目标跟踪结果上进行可视化提醒，通过不同的
半透明着色框来区分不同等级的预警结果，为施工管理人员有效管控和预防坝面施工机械潜在碰撞风
险提供一种直观的监控手段。

图 １ 研究框架

３ 坝面大场景视频监控施工机械潜在碰撞风险预警方法

３．１ 基于 Ｔｒａｊｅｃｔｒｏｎ ＋＋ 迁移学习的坝面大场景视频监控施工机械轨迹预测 Ｔｒａｊｅｃｔｒｏｎ ＋＋ 是一个模块
化的、图结 构 的 循 环 模 型， 能 够 预 测 多 个 不 同 智 能 体 的 行 驶 轨 迹， 其 网 络 结 构 图 如 图 ２所 示。
Ｔｒａｊｅｃｔｒｏｎ ＋＋ 由编码器和解码器组成，首先将坝面施工场景视为一个时空图，每个图节点表示对应的施
工机械，边表示施工机械间的影响，然后对节点的当前状态、历史记录以及节点受相邻节点的影响进
行编码 ［３２］ ，其中，节点的状态主要包括二维的位置、速度和加速度。使用长短时记忆网络（ＬＳＴＭ）对
节点当前和历史状态进行编码 ［３２］ 。针对边的编码，由于坝面施工机械与城市道路车辆的轮廓体积和影
响范围存在显著差异，先设定不同的施工机械注意力范围来捕捉相邻节点，然后对具有相同语义类别
的边，使用特征求和来进行聚合，进而输入至 ＬＳＴＭ网络编码，再对不同类型的边使用注意力模块获
得表示所有相邻节点影响的编码向量 ［３２］ 。最后，将节点历史和边影响编码连接成一个完整的节点表示

２
— ７ ８ —