公路邊坡安全智能預警技術淺析

前言：本站為你精心整理了公路邊坡安全智能預警技術淺析范文，希望能為你的創作提供參考價值，我們的客服老師可以幫助你提供個性化的參考范文，歡迎咨詢。

【摘要】山區公路邊坡具有線長、點多、環境多變、地質災害頻發且不易防治等特點，隨特殊氣候頻發加劇，公路邊坡地質災害的監測及預報預警成為了工程界研究的重點和熱點。本文基于無人機傾斜攝影技術及北斗高精度GNSS監測、監測云平臺搭建技術，提出了一套以無人機傾斜攝影結合北斗高精度變形監測技術的方法，將監測點邊坡水平面方向位移值與沉降方向位移值分開處理的方式，以變形位移曲線切線角作為山區邊坡預警指標。得到以變形位移曲線切線角為70°作為邊坡失穩發生的臨界值，同時獲取了當邊坡狀態在初期、勻速、加速等變形時，邊坡位移曲線切線角的范圍，對山區公路邊坡實現動態監控、雙重預防預警，提升了動態監測水平和對重點邊坡的風險防范能力。

【關鍵詞】北斗系統；傾斜攝影；山區公路；邊坡；風險預警

0引言

我國地質災害發生頻繁，災害面廣、類型多、規模大、危害深[1]，在山區，公路邊坡點多、線長、沿線環境多變，邊坡災害頻發且不易防治。因此，山區公路邊坡地質災害的監測及預報預警成為了工程界分析和研究的重點。目前常用的公路邊坡地質災害監測方法主要以全站儀、攝影測量、傳感器、InSAR和GNSS為主。GNSS在線監測技術在全天候和自動化方面實現了更高層次的水準，突破了以往人工監測短板的不足[2-3]。已經投入運營的GNSS有美國的GPS、俄羅斯的GLONASS、歐洲的GALILEO以及我國自主研發的北斗衛星導航系統（BDS）。BDS相對于GPS而言，在我國有著更好的衛星信號覆蓋，對于復雜壞境下的變形監測更有優勢。受益于BDS的混合星座模式，高軌衛星更多，因此在低緯度地區的扛遮擋能力更強。近年來越來越多學者開始將北斗應用于邊坡災害預警領域。過靜等[4]利用“北斗一號”衛星系統在四川雅安地區進行滑坡自動化遠程監測示范研究，并建成了滑坡綜合監測系統。黃觀武等[5]將位移計、測量機器人、北斗實時監測進行組合應用，研制開發了北斗實時滑坡監測系統。張云龍等[6]針對北斗雙天線高精度變形監測關鍵技術進行了研究，構建了超短基線和短基線北斗/GPS單差高精度定位模型。劉立等[7]將北斗和InSAR融合，建立了一套基于地表形變的地質災害監測技術。蔣超等[8]利用北斗通信和導航技術，開發了基于北斗的地質災害實時監測系統，并將該系統應用于北川白巖地區。楊凱等[9]對北斗系統的定位精度、時間可用性和空間可用性進行了研究，完成了滑坡監測點實地監測實驗，以及監測點坐標時間序列噪聲特性分析同時，三維地質建模重要性日益顯現，其中以無人機傾斜攝影技術為代表性，克服了精度不足、信息不全的問題。本研究基于北斗及無人機傾斜攝影結合的方法，提高了對于邊坡變形監測的效率、對重點邊坡的防范，實現動態聯動自動化。

1邊坡隱患識別

本文利用無人機傾斜攝影技術對邊坡隱患進行識別并進行影響區劃分，進而對重點邊坡災害進行防控。無人機傾斜攝影技術以構建三維模型為目標，使用傳感器進行多角度航攝，覆蓋范圍內的地物、地貌及位置信息等影像資料，進而構建邊坡三維模型。主要分為數據抓取、數據處理、影像匹配、組建模型等環節。其崩塌隱患識別處置體系具體包括：（1）野外數據采集，獲得影像數據、POS數據、地面控制點，進而進行區域網聯合平差解算，構建3DTIN，生成三維模型，以實現邊坡危巖段接觸式測量，該三維模型信息精度更高，更精細化，可靠性更強。（2）通過生成的三維模型對邊坡體關鍵地質信息提取及結構面產狀統計分析，推出結構面基本物理參數、邊坡區優質結構面展布特征、基于赤平投影法并考慮結合面組合特征各類型危巖體失穩模式，最終分析優勢結構面空間展布特征及組合關系，判斷危險邊坡失穩模式，實現非接觸式崩塌隱患早期識別。（3）通過對危險邊坡穩定性進行評價，對危險邊坡失穩運動進行軌跡數值模擬，推出不同邊坡失穩后，危巖體崩落運動軌跡及影響區劃分結果，安全高效實現崩塌災害影響區劃分，為防災、減災及監測預警提供可靠依據。

2邊坡風險預警

北斗云監測系統利用北斗高精度GNSS監測儀實施對邊坡位移變形量的持續監測，監測數據通過傳輸模塊實時回傳至監測云平臺，在監測數據處理后生成監測報告。邊坡風險預警系統主要包括邊坡數據采集、數據傳輸、數據分析和結果輸出四部分，能夠實現從數據采集到數據分析再到監測結果呈現的全程自動化[10]。

2.1北斗導航系統

北斗導航系統是全球四大衛星導航系統之一，其與俄羅斯GLONASS、歐洲Galileo和美國GPS的不同之處在于，它不僅同時采用了IG-SO、GEO、MEO三種衛星星座，而且是由中國自主研發而成。隨著對它的挖掘與運用，北斗導航系統廣泛應用于交通運輸領域、軍事領域等。北斗通信站主要由基礎資源層、北斗地基增強系統、北斗位置服務中心組成。其中，基礎資源層主要為使用者提供接入網絡的不同方式，同時將原始數據傳輸給北斗位置服務中心；北斗地基增強系統主要對基站采集數據進行有效處理并傳送至北斗位置服務中心；北斗位置服務中心主要對北斗地基增強系統傳輸的信息進行高精度解讀與分析處理，以實現使用者的需求。該通信站同時可以與其他領域特征進行融合與信息交互，實現其他領域對其的特殊要求。

2.2北斗監測設備

北斗監測設備主要包括了以下幾個部分：監測儀、主機箱、GNSS定位天線、太陽能電池板。其中，GNSS定位天線，用以接收北斗定位信號。北斗監測設備主要是利用無線設備將定位板塊得到的數據通過天線及數據板塊傳輸至監測云平臺。雖然國內外諸多學者都對北斗的監測方案和監測數據與災變相關性進行了研究，但是并沒有統一的標準和規范。基于此，本文提出通過模糊分析劃分山區公路邊坡地質災害易發區，以灰色系統分析模型為基礎，對北斗監測系統進行優化布置，減少冗余監測點，建立北斗監測方案。其監測布點布設思路如圖1所示：

2.3監測云平臺

北斗GNSS監測儀將各監測點的位移信息(曲線、數據等形式)輸送至數據匯總站，繼而利用無線網絡傳輸至監測云平臺儲存及供管理人員實時查詢、參考。同時，根據預設的預警模型對GNSS數據進行處理與分析，對超過設定閾值的形變值發出警報，提醒相關人員進行排查與整改。

2.4北斗系統監測數據應用

為收集邊坡監測數據并判斷邊坡的狀態的穩定性及變形趨勢，北斗衛星監測系統需要對采集到的邊坡三維數據進行有效的處理，然后進行邊坡變形的預測。當前對邊坡系統監測數據進行處理的方法主要有卡爾曼濾波法、灰色系統分析法、回歸分析法等。灰色系統分析法具備計算方法簡單、所需監測數據量較小、變形趨勢分析實用性高等特點。因此，本文采用灰色系統分析法處理并進行變形趨勢分析。數據處理時，將水平面方向位移值與沉降方向位移值分別進行數據處理。其中，邊坡水平方向的兩個位移用l與m方向的位移矢量表示，豎直位移用z方向的位移矢量表示。l、m、z表示方向如圖2所示。將邊坡在水平方向的位移矢量和用表示，豎直方向的位移用表示，則：同時，將水平方向位移和豎直方向位移分別累加，作為水平方向和豎直方向的累積位移量S，并建立起灰色預測模型。原始監測數列表達式：對上式進行累加可得：即對的GM(1，1)模型建立一階微分方程為：其中，a是邊坡位移發展系數，主要用以預測邊坡位移發展態勢；是灰色作用量，主要用以反映數據變化關系。通過最小二乘回歸原理計算方程，可以計算得出模型中的參數向量為：再對上式進行累減，可獲得模型的還原數據：推導出：建立的灰色預測模型用以對原始數據進行計算分析來預測邊坡的變形趨勢。對邊坡監測數據進行處理，得到邊坡變形隨時間變化的累積位移曲線，并直觀地從曲線切線角的變化確定邊坡變形速率[11]。通過觀察，邊坡的變形速率可分為加速變形階段、勻速變形階段、減速變形、再加速變形階段直至失穩。其中，加速變形階段是指累積位移曲線的切線角持續增大的階段；勻速變形階段是指累積位移曲線的切線角穩定的階段；減速變形階段是指累積位移曲線的切線角持續減小的階段。一般來說，當切線角角度達到90°時，邊坡失穩破壞，但在外部因素的作用下，將70°左右的切線角角度當作評判邊坡是否失穩的臨界值。邊坡累積位移曲線的切線角如圖3所示。根據位移曲線推出的切線角求解方法為：式中：ΔSi為某單位時間段內累計位移的變化量；ΔSi+1為下一個單位時間段累計位移的變化量。當αi＜45°時，邊坡為初期變形階段，此階段需要使用者加強對影響邊坡穩定性因素的分析，同時加強對邊坡的巡邏與和監測。當αi≈45°時，邊坡為勻速變形階段，此階段需要使用者進行預警監測，通過現實情況與數據相結合的模式，得到數值模型以獲取其失穩的預測時間。當αi＞45°時，邊坡為加速變形階段，此階段需要使用者進行失穩預警，通過建立的數值模型將監測數據的最后部分資料作為基點，預測邊坡后續趨勢及邊坡整體失穩破壞的時間。

3結論

提出了一套以無人機傾斜攝影結合北斗高精度變形監測技術的方法，通過以無人機傾斜攝影對邊坡隱患進行識別并進行影響區劃分，進而對重點邊坡重點防控，結合北斗系統對邊坡進行實時監測預警，提高了對于邊坡變形監測的效率、對重點邊坡的防范，實現了動態聯動自動化。提出通過模糊分析劃分山區公路邊坡地質災害易發區，以灰色系統分析模型為基礎，對北斗監測系統進行優化布置，減少了冗余監測點，提高經濟性，節約資源。提出將監測點邊坡水平面方向位移值與沉降方向位移值分開處理的方式。將邊坡變形位移曲線切線角作為表征邊坡狀態的指標。以變形位移曲線切線角70°作為邊坡失穩發生的臨界值。變形位移曲線切線角αi＜45°時，邊坡處于初期變形階段，此階段需要使用者進行對邊坡進行不間斷監測；當αi≈45°時，此階段需要使用者進行預警監測，通過現實情況與數據相結合的模式，得到數值模型以獲取其失穩的預測時間；當αi＞45°時，邊坡處于加速變形階段，此階段需要使用者進行失穩預警，通過建立的數值模型將監測數據的最后部分資料作為基點，預測邊坡后續趨勢及邊坡整體失穩破壞的時間。

作者:趙殿鵬 繆燕兵  袁舟 焦德軍 單位:浙江省交通工程管理中心 重慶交大交通安全科技研究院有限公司杭州分公司