本技术涉及公路安全监测领域，更具体地说，涉及公路路基安全监测系统和风险识别方法。
背景技术：
1、自20世纪80年代中叶以来，我国高速公路建设经历了快速的发展阶段。截止于2022年底，高速公路通车里程已达17.7万公里，极大地推动了国家经济社会的快速发展。尤其近年在交通强国及智慧交通国家发展战略的驱动下，推动人工智能、大数据、云计算等新一代信息技术与交通运输行业融合创新，实现公路交通数字化转型和高质量发展。
2、尽管取得了较为显著成就，但随着我国高速公路网络及数智化的快速发展，也出现了一些问题和挑战。从高速公路交通安全设施监测体系角度看，存在的具体问题主要包括：
3、(1)由于公路有线路长、工程体量大和线性工程特性，沿线地理环境、地质环境、气象水文等条件复杂多变，外加边坡风险评估体系尚不完善，边坡风险评价无法精准量化、风险区划较为粗略，有限资源条件下很难做到全方位精准管控；
4、(2)在人财物资源投入受限的条件下，当前高速公路路基边坡仍多以人工巡检、人工监测为主，采用的点式传感器只能测量有限的离散点，且部分受环境影响较大，无法实现全空间范围的连续检测，造成漏检、误判概率大；
5、(3)虽然近年来高速公路路基边坡安全风险防控受到运营管理单位及业界的重视程度不断增强，但考虑到绝大部分重点边坡以点式传感器为主的监测体系，外加边坡监测系统建设成本较大，自动化监测点数量布设有限，边坡安全无法做到完全把控。
6、2024年广东梅大高速茶阳路段高速公路发生边坡塌方事故，引发全社会对公路运营安全的深刻反思，也对进一步健全完善高速公路安全管理和风险防范工作发出了警示。
7、为应对上述挑战，进一步健全高速公路运营和路基安全防控体系建设，有效降低高速公路事故发生概率，及时发现潜在风险，提高巡检养护智能管控水平，亟需解决目前公路路基安全监测中存在的疏漏、实时性差和不精确等问题。
技术实现思路
1、有鉴于此，本技术实施例致力于提供一种公路路基安全监测系统和风险识别方法，以解决目前公路路基安全监测中存在的疏漏、实时性差和不精确等问题。
2、第一方面，本说明书提供一种公路路基安全监测系统，包括：分别与后端服务器相连接的分布式光纤传感子系统和视频图像捕获设备子系统；
3、分布式光纤传感子系统包括根据风险等级布设在公路路基的分布式瑞利散射光纤和/或分布式布里渊散射光纤，用于采集与公路路基相关的动态信息，动态信息表征公路路基的环境和状态变化；
4、视频图像捕获设备子系统包括多个ai视频图像捕获设备；
5、后端服务器在接收到动态信息后，将动态信息输入到预设计算模型中，得到预设计算模型输出的变形指标参数，并根据变形指标参数确定ai视频图像捕获设备的响应等级，以及基于响应等级配置ai视频图像捕获设备的运行参数。
6、根据第一方面，在一种可能的实施方式中，预设计算模型的构建方式包括：
7、对动态信息进行预处理，以获得统计特征；
8、对统计特征进行融合和归一化处理，以获得归一化复合特征向量；
9、基于聚类算法，对归一化复合特征向量进行分析，以形成簇；
10、对簇进行计算，以获得变形指标参数。
11、根据第一方面，在一种可能的实施方式中，根据风险等级布设在公路路基的分布式瑞利散射光纤和/或分布式布里渊散射光纤，包括：
12、对于一级风险路段，在公路护栏结构表面敷设分布式瑞利散射光纤；
13、对于二级风险路段，在公路护栏结构表面敷设分布式布里渊散射光纤；
14、对于三级风险路段，在公路护栏结构表面敷设分布式布里渊散射光纤，并在路基侧路肩敷设分布式瑞利散射光纤。
15、根据第一方面，在一种可能的实施方式中，ai视频图像捕获设备包括ai摄像头、无人机和激光雷达。
16、根据第一方面，在一种可能的实施方式中，动态信息包括光强度、温度和应变。
17、根据第一方面，在一种可能的实施方式中，聚类算法包括基于密度的聚类算法。
18、根据第一方面，在一种可能的实施方式中，变形指标参数包括：区段长度、区段最大位移、区段平均应变速率、区段平均位移速率、区段最大光强度衰减和区段平均光强度衰减速率。
19、第二方面，本说明书提供一种应用任意一种上述系统的风险识别方法，包括：
20、根据动态信息的特征，分别确定区段最大位移阈值、区段平均位移速率阈值、区段最大光强度衰减阈值和区段平均光强度衰减速率阈值；
21、分别比较区段最大位移、区段平均位移速率、区段最大光强度衰减和区段平均光强度衰减速率与对应阈值的大小，以确定待监测路段是否发生较大变形；
22、根据动态信息的特征，为区段长度设定区段长度阈值；
23、分别计算区段最大位移的归一化超限比例、区段平均位移速率的归一化超限比例、区段最大光强度衰减的归一化超限比例、区段平均光强度衰减速率的归一化超限比例和区段长度的归一化超限比例，归一化超限比例表征变形指标参数的实际值减去变形指标参数的阈值的差值，与变形指标参数的阈值的比值；
24、根据动态信息的特征，分别确定区段最大位移权重、区段平均位移速率权重、区段最大光强度衰减权重、区段平均光强度衰减速率权重和区段长度权重；
25、根据区段最大位移、区段平均位移速率、区段最大光强度衰减、区段平均光强度衰减速率和区段长度的归一化超限比例和权重，计算综合变形指数；
26、基于综合变形指数，触发基于ai摄像功能的不同级别的响应。
27、根据第二方面，在一种可能的实施方式中，ai视频图像捕获设备为ai摄像头，基于综合变形指数，触发基于ai摄像功能的不同级别的响应，包括：
28、如果dth＜dk≤dth+δd，则触发第一级响应，启动ai图像捕捉设备的云台控制功能，立即调整摄像头角度对该区段进行复核监控，并进行初步的异常诱因分析，并发出告警；
29、如果dth+δd＜dk，则触发第二级响应，在第一级响应的基础上，即刻引导开展人工现场调查复核工作。
30、其中，dk为综合变形指数，dth为综合变形指数的警戒值，δd为预设增量。
31、第三方面，本说明书提供一种电子设备，包括：至少一个处理器；以及与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够执行上述方法中的各步骤。
32、第四方面，本说明书提供一种计算机可读存储介质，计算机可读存储介质包括存储的程序，其中，程序执行上述方法中的各步骤。
33、与现有技术相比较，本发明的有益效果在于：
34、区别于现有技术，本发明提供的公路路基安全监测系统，包括：分别与后端服务器相连接的分布式光纤传感子系统和视频图像捕获设备子系统；分布式光纤传感子系统包括根据风险等级布设在公路路基的分布式瑞利散射光纤和/或分布式布里渊散射光纤，用于采集与公路路基相关的动态信息，动态信息表征公路路基的环境和状态变化；视频图像捕获设备子系统包括多个ai视频图像捕获设备；后端服务器在接收到动态信息后，将动态信息输入到预设计算模型中，得到预设计算模型输出的变形指标参数，并根据变形指标参数确定ai视频图像捕获设备的响应等级，以及基于响应等级配置ai视频图像捕获设备的运行参数。本发明通过分布式光纤、ai视频图像捕获设备和后端服务器之间的协同配合，实现了对公路的实时、精准和全面的监测。
1.一种公路路基安全监测系统，其特征在于，包括：分别与后端服务器相连接的分布式光纤传感子系统和视频图像捕获设备子系统；
2.根据权利要求1所述的系统，其特征在于，所述预设计算模型的构建方式包括：
3.根据权利要求1所述的系统，其特征在于，所述根据风险等级布设在公路路基的分布式瑞利散射光纤和/或分布式布里渊散射光纤，包括：
4.根据权利要求1所述的系统，其特征在于，所述ai视频图像捕获设备包括ai摄像头、无人机和激光雷达。
5.根据权利要求1所述的系统，其特征在于，所述动态信息包括光强度、温度和应变。
6.根据权利要求2所述的系统，其特征在于，所述聚类算法包括基于密度的聚类算法。
7.根据权利要求1所述的系统，其特征在于，所述变形指标参数包括：区段长度、区段最大位移、区段平均应变速率、区段平均位移速率、区段最大光强度衰减和区段平均光强度衰减速率。
8.一种应用权利要求1-7中任一项所述的系统的风险识别方法，其特征在于，包括：
9.一种电子设备，其特征在于，包括：至少一个处理器；以及与所述至少一个处理器通信连接的存储器；其中，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权利要求8所述的方法中的各步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括存储的程序，其中，所述程序执行权利要求8所述的方法中的各步骤。
