基于情境感知的赛博-物理-社会系统在文化遗产保护中的创新应用研究

研究人员针对文化遗产维护中人工监测效率低、风险预警滞后等问题，开发了情境感知的CPSS（Cyber-Physical-Social System）框架。该系统整合无人机遥感、YoloV7损伤检测和动态脆弱性指数（CHVIc），实现了庞贝古城等遗址的实时风险预测，将维护响应速度提升40%，为文化遗产的智能化保护提供了范式。

　　

文化遗产是人类文明的瑰宝，但露天遗址长期面临自然侵蚀、人为破坏等多重威胁。传统维护依赖人工巡检，效率低下且难以及时发现隐蔽损伤。以意大利庞贝古城为例，每年因雨水渗透导致的壁画剥落损失高达数百万欧元，而现有监测系统无法动态评估天气变化对脆弱结构的累积影响。

中国某高校研究团队在《Intelligent Systems with Applications》发表研究，构建了首个面向文化遗产的CPSS框架。该系统通过无人机集群采集高分辨率影像（每月单次飞行可覆盖66公顷），采用改进的YoloV7算法识别屋顶破损、管道裂缝等6类损伤；结合气象数据和游客流量构建动态脆弱性模型CHVI_c=E+S-R（暴露度+敏感性-韧性），成功预测庞贝遗址在暴雨前的风险热点，使维护响应时间从14天缩短至48小时。

关键技术包括：1）多旋翼无人机网格化巡查技术（飞行高度80米，分辨率2cm/像素）；2）基于Context Space Theory的情境融合算法，整合Open-Meteo气象API和游客密度数据；3）改进的YoloV7目标检测模型（mAP@0.5达92.3%）；4）动态权重脆弱性指数计算体系，包含12个环境敏感因子如降水强度x_p与破损管道数量x_dc的交互函数con(x_p)=0.2ρ+0.5x_dc。

研究结果方面：

1. 感知层效能：在庞贝"牧神之家"遗址，系统检测到3处屋顶裂缝（尺寸<5cm），较人工检查效率提升8倍；
2. 动态风险评估：CHVI_d指数成功预警2023年9月暴雨事件，预测Labirinto遗址的渗水风险值从0.349跃升至0.525（阈值0.45）；
3. 多案例验证：在罗马斗兽场区域，卫星影像与地面传感器的数据融合使植被侵蚀监测准确率达89%。

该研究首次实现了文化遗产风险的"预测性维护"，其创新性体现在：1）提出CPSS三维架构（物理层-遗址本体、社会层-游客/管理者、网络层-智能算法）；2）开发可解释的脆弱性计算模型，各参数权重w^s=0.4,w^d=0.6经德尔菲法标定；3）建立跨学科协作范式，考古学家与AI工程师联合标注了15,000张损伤样本。未来可扩展至石窟寺、木质古建等更多遗产类型，为"数字孪生+文化遗产"提供关键技术支撑。