机器学习在地铁隧道智慧管控的应用
点击图片观看报告实录
在城市轨道交通运营里程稳步攀升的背景下，提高复杂不确定环境下地铁隧道施工和运营过程中的风险管理水平是当前的迫切任务。伴随着监测与传感网络技术的发展，类型复杂且形式异构的海量数据不断积累，使得丰富的数据与贫乏的知识之间矛盾日见突出。因此，如何持续学习并充分挖掘监测大数据背后隐藏的工程价值，从而有效地解决地铁隧道风险管理面临的机理、感知、控制三大瓶颈正成为智能建造领域的热点问题。本报告将围绕机器学习在地铁隧道施工及运营阶段的智慧管控展开，提出基于证据理论和支持向量机的多源感知、基于深度神经网络和多目标优化的智能决策、以及基于深度学习的计算机视觉方法，有助于提高对大规模复杂现场监测数据的处理和认知水平，进而为支持地铁隧道施工与运营过程中智能化、自主化、最优化的风险监测、预知及防控提供技术保障，为促进智慧化地下工程建设和管理模式发展提供实践指导。
潘越，be365体育平台土木工程系助理教授，主要从事智能建造与运维、工程信息化、数据挖掘等方向的研究。2016年于同济大学获本科学位，2017年于美国卡耐基梅隆大学获硕士学位，2021年于新加坡南洋理工大学获博士学位。目前受上海市2022年度启明星计划扬帆专项资助主持课题“基于多源时序大数据融合的盾构智能掘进动态管控研究”，并参与完成多个新加坡教育部智能建造相关科研项目。以第一作者或通讯作者在《Computer‐Aided Civil and Infrastructure Engineering》，《Automation in Construction》等高水平SCI期刊发表论文20篇。
