CN115116198B - 空天地一体化道路塌陷监测方法及系统 - Google Patents
空天地一体化道路塌陷监测方法及系统 Download PDFInfo
- Publication number
- CN115116198B CN115116198B CN202210680227.XA CN202210680227A CN115116198B CN 115116198 B CN115116198 B CN 115116198B CN 202210680227 A CN202210680227 A CN 202210680227A CN 115116198 B CN115116198 B CN 115116198B
- Authority
- CN
- China
- Prior art keywords
- road
- urban
- settlement
- monitoring
- mapping relation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
- G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
- G08B21/02—Alarms for ensuring the safety of persons
- G08B21/10—Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
- G01D21/00—Measuring or testing not otherwise provided for
- G01D21/02—Measuring two or more variables by means not covered by a single other subclass
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Abstract
本发明提出了空天地一体化道路塌陷监测方法及系统,包括:获取待检测区域的城市路网沉降数值、城市路网裂缝分布状态以及实时的道路曲率变化值,进行空天地一体化的多源数据采集;基于获取的数据建立施工与道路风险的评估预警模型,基于该模型进行数值模拟计算,划定风险点及风险区域,确定预警管控区域。本发明有机的融合了遥感星卫星监测城市大范围路网沉降变形、无人机航空摄影测量监测道路裂缝发展、测量机器人实时监测道路变形、分布式光纤实时监测道路内部应力变化,实现了多源数据融合监测分析。
Description
技术领域
本发明属于土木工程与测绘学技术领域,尤其涉及空天地一体化道路塌陷监测方法及系统。
背景技术
本部分的陈述仅仅是提供了与本发明相关的背景技术信息,不必然构成在先技术。
城市地铁工程进入大规模建设期,地铁施工过程中由于不良地质、施工方法不当等原因对地表产生较大的施工扰动,导致路面开裂、沉降及道路塌陷。
城市路面塌陷具有难预测性、突发性与破坏性大等特征,尤其是城市地下空间上覆路面塌陷事故,将会对地上地下城市交通造成巨大损失,甚至引发次生灾难性事故。
发明人在研究中发现,目前,道路塌陷事故不能及时预警的关键原因是缺少路面塌陷预警的实时监测手段,没有行之有效的全天候、高精度路面塌陷事故变形监测预警方法,不能对路面塌陷进行实时监控、超前预警。
发明内容
为克服上述现有技术的不足,本发明提供了空天地一体化道路塌陷监测方法,实现了多源数据融合监测分析,对路面塌陷进行实时监控、超前预警。
为实现上述目的,本发明的一个或多个实施例提供了如下技术方案:
第一方面,公开了空天地一体化道路塌陷监测方法,包括:
获取待检测区域的城市路网沉降数值、城市路网裂缝分布状态以及实时的道路曲率变化值,进行空天地一体化的多源数据采集;
基于获取的数据建立施工与道路风险的评估预警模型,基于该模型进行数值模拟计算,划定风险点及风险区域,确定预警管控区域。
作为进一步的技术方案,获取待检测区域的城市路网沉降数值的步骤为:
对待检测区域的多景卫星影像和DEM进行数据处理,得到城市道路沉降数据;
对获取的城市道路沉降数据进行空间维度分析,得到城市道路沉降值空间分布特征;
对获取的城市道路沉降数据进行时间维度分析,得到不同区域的道路沉降时间分布特征,即速率值。
作为进一步的技术方案,基于获取的城市道路沉降值空间分布特征,建立空间沉降分布与道路施工进度的映射关系,并依据沉降值空间分布映射关系对城市道路安全进行安全状态评估。
作为进一步的技术方案,基于获取的城市道路沉降值的时间分布特征,建立道路沉降值时间分布与道路施工进度的映射关系,并依据道路沉降值的时间分布特征映射关系对城市道路安全状态进行评估。
作为进一步的技术方案,还包括:
对获取的待检测区域的卫星监测结果进行道路梯度分析,利用相邻象元的沉降值计算道路路面梯度变化值,获取道路整体梯度变化分布特征;
建立道路梯度变化与道路施工进度的映射关系,并依据道路梯度变化的映射关系对城市道路安全状态进行评估。
作为进一步的技术方案,获取城市路网裂缝分布状态的步骤为:
获取城市道路路网的数字正射影像图;
利用影像识别技术提取单张影像道路裂缝信息,获得单张影像裂缝长度、宽度;
完成多张影像图边缘处的裂缝连接,获取城市整体路网道路裂缝长、宽、空间位置信息。
作为进一步的技术方案,对获取城市整体路网道路裂缝长、宽、空间位置信息进行多维度分析,计算路网裂缝发展的速率及分布特征,建立裂缝发展与地铁施工进度的映射关系,并依据道路裂缝信息的映射关系对道路安全状态进行评估。
作为进一步的技术方案,获取实时的道路曲率变化值的步骤为:
在道路沥青层内埋入光纤传感器,实时监测获取道路微应变信息;
利用获取的微应变数据构建观测点位应变与道路损坏的关系模型;
对获取的道路微应变进行三维数据分析,计算道路三维微应变变化值,获取道路三维微应变特征,建立道路三维微应变与地铁施工进度的映射关系,并依据道路三维微应变布映射关系对城市道路安全状态进行评估。
作为进一步的技术方案,确定预警管控区域之后,风险区段的风险等级判识;
灾害源处治过程中,根据灾害源类型,采取不同控制措施。
第二方面,公开了空天地一体化道路塌陷监测系统,包括:
多源数据采集模块,被配置为:获取待检测区域的城市路网沉降数值、城市路网裂缝分布状态以及实时的道路曲率变化值,进行空天地一体化的多源数据采集;
预警管控区域确定模块,被配置为:基于获取的数据建立施工与道路风险的评估预警模型,基于该模型进行数值模拟计算,划定风险点及风险区域,确定预警管控区域。
以上一个或多个技术方案存在以下有益效果:
本发明有机的融合了遥感星卫星监测城市大范围路网沉降变形、无人机航空摄影测量监测道路裂缝发展、测量机器人实时监测道路变形、分布式光纤实时监测道路内部应力变化、地质雷达获取地层变化、实现了多源数据融合监测分析。解决了目前道路塌陷没有行之有效的实时监测技术,缺少普适性的临灾判据,无法及时发现道路塌陷危险区域的技术问题。
本发明采用“空天地”联合监测方法,搭建了地下施工背景下城市道路大范围变形实时监测系统,监测精度较高,其中SBAS-InSAR卫星测量精度为毫米级,无人机裂缝监测精度为厘米级,自动测量机器人监测精度为亚毫米级,分布式光纤监测精度为微米级。
本发明实现了道路塌陷的监测的时间协同,在不同阶段使用不同技术手段,实现全过程连续观测,道路塌陷潜伏区域采用SBAS-InSAR技术进行周期性筛查,道路塌陷发育区域采用分布式光纤监测技术、无人机遥感技术实时监控塌陷发育期道路数据精确预测道路塌陷发生的可能性,道路塌陷不可避免的发生区域,采用自动测量机器人、无人机航测技术进行实时监控,准确预计塌陷影响范围,做到了监测方法与沉降过程相适应;实现了道路塌陷监测点线面结合、表里兼顾的空间协同测量,将自动测量机器人的点状测量、分布式光纤监测的线状测量结果、卫星遥感面状测量相结合,做到了以及分布式光纤监测道路内部变形与多种道路表面变形监测相结合;实现了道路塌陷监测的参数协同,不仅获取了道路沉降值、沉降速率、道路梯度变化值、道路裂缝信息等几何参数,同时获取了道路温度变化、挠度变化、内部微应变信息等物理参数,实现了道路塌陷的多参数联合监测;实现了道路塌陷的智能分析,基于道路塌陷机理,利用层次分析法建立沉降速率、沉降分布特征、道路形变梯度、裂缝分布、温度变化、挠度变化、微应变信息等多源监测数据预测道路塌陷的权重信息,能够高效准确的评估道路安全状态,实时道路塌陷风险的实时预警。同时结合经验判识方法与基于力学规律的理论限界监控,实现对城市地表道路安全等级的预警判识。
获取道路温度变化的手段是:光纤埋设时,在一个光纤埋设槽内同时布设两条光纤,其中一条光纤为温度光纤,一条光纤为应变光纤。温度光纤是监测道路温度变化,从而剔除温度变化对应变光纤监测的影响。
本发明划分了预警管控区,通过地铁施工风险判识与地面交通组织的联动,有效规避了地铁开挖施工风险源,保障了城市路网交通安全。在风险源危害较小时,通过合理的交通疏导对策予以控制,提高了路网抗灾韧性,缓解了因事故发生导致的交通堵塞难题。
本发明附加方面的优点将在下面的描述中部分给出,部分将从下面的描述中变得明显,或通过本发明的实践了解到。
附图说明
构成本发明的一部分的说明书附图用来提供对本发明的进一步理解,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。
图1是发明中空天地一体化道路坍塌监测预警技术流程;
图2是发明专利中空天地监测数据层次分析权重流程图;
图3是本发明中地下施工情景下脱空道路风险控制流程图;
图4是本发明中预警管控区示意图,其中,1为风险预计波及范围,2为预警管控区,3为安全通行区,4为车道分割线。
图5是本发明中InSar技术监测结果示意图;(a)地铁沿线600m缓冲区内的形变信息,(b)地铁中心线地表累积形变量,(c)地铁中心线地表形变梯度;
表1是道路影响范围划分。
表2是道路影响程度划分。
表1道路影响范围划分
表2道路影响程度划分
影响等级 | 划分依据 | 影响程度 | 管控措施 |
A级 | v>v<sub>a</sub>;β>β<sub>a</sub> | 无影响 | 不采取措施 |
B级 | v>v<sub>a</sub>;β<β<sub>a</sub> | 限制载重 | 限车型 |
C级 | v<v<sub>a</sub>;β<β<sub>a</sub> | 限制速度 | 限速、限车型 |
D级 | V≈0;Q≈0 | 禁止通行 | 车道封闭 |
具体实施方式
应该指出,以下详细说明都是示例性的,旨在对本发明提供进一步的说明。除非另有指明,本文使用的所有技术和科学术语具有与本发明所属技术领域的普通技术人员通常理解的相同含义。
需要注意的是,这里所使用的术语仅是为了描述具体实施方式,而非意图限制根据本发明的示例性实施方式。
在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互组合。
实施例一
参见附图1-图5所示,本实施例公开了空天地一体化道路塌陷监测方法,包括:
步骤一:根据采用SBAS-InSAR(Satellite-Based Augmentation System-Synthetic Aperture Radar Interferometry)技术对多景SAR卫星影像和30m分辨率的DEM(Digital Elevation Model)进行数据处理,通过数据裁剪、数据配准、数据去斜、差分干涉、滤波、去地形、地理编码等数据流程,计算得到了道路沉降值。
空间维度分析,利用peck公式对获取的道路沉降值进行数据拟合,计算得到道路任意点位的沉降值,建立道路沉降值分布模型,提取沉降值异常区域;时间维度分析,以空间维度数据为基础,利用arcgis软件计算任意点位的沉降速率,建立道路沉降速率分布模型,分析道路沉降速率异常区域;道路梯度分析,利用相邻象元的沉降值计算道路路面梯度变化值,获取道路整体梯度变化模型,提取道路梯度变化异常区域。最后,根据沉降值异常区域、沉降速率异常区域、道路梯度变化异常区域,结合现行的变形监测规范,确定道路塌陷潜在风险区域。
本实施方式中,步骤一中卫星监测的数据处理方法为:
步骤1-1:利用SAR卫星监测数据提取隧道走向方向和断面方向的沉降数值,提取道路最大沉降值和影响范围,则道路路面任意点位沉降值的计算公式为:
式中,s为地面任一点的沉降值,单位为mm;smax为地面沉降的最大值,位于沉降曲线的对称中心上(对应于隧洞轴线位置),单位为mm;x为从沉降曲线中心到所计算点的距离,单位为m;i为从沉降曲线对称中心到曲线拐点(反弯点)的距离,一般称为“沉降槽宽度”,单位为m;
由于卫星监测到的数据不够精准,影像分辨率最好的是3m*3m,也就是说3m*3m范围简化为一个点,这一步是通过数据拟合计算,得到以mm 为单位的任意点位的沉降数值。
步骤1-2:利用步骤1-1获取的道路任意点位的沉降值,以及SAR影像的拍摄时间,某一特定时间段的沉降速率计算公式为:
式中,s为任意一点的沉降值,单位为mm;t为SAR影像拍摄的时间,单位为天;j,k表示SAR影像顺序号。
式中:kz,z+1,为第z和第z+1像元间的地表形变梯度;xz为第z像元的地表形变值;xz+1为第z+1像元的地表形变值;s为第z和第z+1像元间的距离,算得的地铁中心线地表形变梯度。
步骤二:以无人机作为平台对城市路网道路进行航空摄影,获取城市道路路网的数字正射影像图,然后利用影像识别技术提取单张影像道路裂缝信息,获得单张影像裂缝长度、宽度,进一步使用形态学闭运算技术完成多张影像图边缘处的裂缝连接,获取城市整体路网道路裂缝长、宽、空间位置等信息。
以获取的城市道路裂缝信息为基础,利用裂缝扩展增量计算裂缝扩展寿命,同时根据道路裂缝的贯穿程度评估道路破坏状态。
本实施方式中,步骤二中无人机航测进行道路裂缝监测的处理方法为:
步骤2-1:获取道路影像。无人机航空摄影时,航摄影像质量受重叠度、摄影航高、像移补偿、像片旋转角和航向弯曲度等航摄参数控制,由于无人机及搭载镜头参数不同无法统一规定航摄参数,航摄参数的组合以地面分辨率(GSD)为0.01m为标准,最大航飞速度以像点位移小于等于半个象元为标准;
式中,H为无人机拍摄时的相对行高,单位(m);f为相机焦距,单位毫米(mm);GSD代表地面分辨率,单位米(m);a代表相机像素尺寸,单位毫米(mm),w为飞行速度,单位米/秒(m/s),t为曝光时间。
步骤2-2:采用闭运算算法对影像中裂缝进行提取。
(1)采用SURF算法采用盒式滤波模板近似替代不同尺度的高斯模板,生成尺度空间,并在尺度空间中快速计算每点的Hessian矩阵,通过非极大值抑制来确定最终特征点。二维图像矩阵中每个像素点的Hessian矩阵定义为:
公式中,Fxx表示图像在x方向的二维偏导数,Fxy=Fyx表示图像在x、y 方向的混合偏导数。进一步对每一个像素点的Hessian矩阵进行滤波处理,得到滤波后的Hessian矩阵为:
式中,Lyy(x,σ)表示二阶微分后的灰度图像。
(2)对处理得到的灰度图像,采用K-means将每幅图像中所生成的n 个多维特征向量归一化为统一的特征维度,生成3*3模板或5*5模板的k 个聚类中心。
(3)对每个聚类中心进行分别计算,核元素取0或1,遍历所有象元,将核的中心像元所对应二值图中的像元进行标记。重复该过程,直至遍历完整幅二值图像,连接标记一致的象元即为道路裂缝。
步骤2-3:分析裂缝扩展速率,同时计算裂缝处应力变化:假设某道路每天经受的车辆荷载压力及荷载次数为定值,则通过对帕里斯公式进行积分,利用裂缝扩展增量估算道路裂纹扩展寿命的计算公式为:
式中,a0为初始裂缝长度,ac为临界裂纹长度,A,n为材料的疲劳断裂参数,ΔKeff表示循环荷载中裂缝有效应力强度因子的变化值,c为裂缝扩展长度。
步骤2-4:依据裂缝贯穿程度,评估道路破坏程度:利用以获取的道路裂缝分布信息,计算裂缝长度与道路临界裂纹长度比值,用于评价道路路面破坏状态。
步骤三:结合施工现场勘探情况,在施工高风险路段区域采用分布式光纤监测方法,在沥青层内埋入光纤传感器,利用布里渊频移技术实时监测获取道路微应变信息,进一步利用获取的微应变数据构建观测点位应变与道路挠度变形的关系模型;然后,对获取的道路微应变进行三维数据分析,获取道路三维挠度变化特征,并依据道路设计规范挠度变形阈值进行安全评估;最后利用小波去噪方法,提升分布式光纤监测的定位精度。
本实施方式中步骤三中分布式光纤进行道路实时监测的方法为:
步骤3-1:选用抗拉强度较强的铠装光纤,同时为剔除温度对监测精度的影响,采用同时布设应变光纤与温度光纤的方法,沥青层埋设光纤时埋设深度一般为3-5cm。
步骤3-2:利用GPS测量光纤布设的关键点位,获取光纤布设路线的三维坐标,然后根绝光纤监测的微应变计算局部道路的曲率变化。
式中M(s)为弯矩,E为弹性模量,Iy为所考虑位置的转动惯量,w(s)表示局部曲率,εt为微段上表面应变,εb为微段下表面应变。
步骤3-3:剔除温度、交通流造成的数据误差后,光纤数据仍不可避免的受到例如不均衡荷载的影响。进一步,利用小波变化降低噪声的干扰,利用小波变换时域分析、频域分析的优点,实现分析处理非平稳的信号时放大局部化特征,提升时间域差分和空间域差分的定位性能。
步骤四:结合基于卫星监测的道路沉降值的空间特征、道路沉降速率、道路梯度变化,无人机航摄监测的道路裂缝发展信息,以及基于分布式光纤技术监测的道路微应变信息,采用层次分析法确定各监测数值的权重,建立准确率大于90%的道路塌陷预警模型,进一步,通过有限元法开展数值模拟计算,划定风险点及风险区域,确定预警管控区域。
本实施方式中步骤四中道路塌陷预警方法为:
步骤4-1:以层次分析法确定各观测值的权重信息,建立空天地多源监测数据的预警模型。
(1)建立道路塌陷前兆信息的层次模型,划分为目标层、指标层层,目标层为影像因素权重,指标层包括道路沉降值、道路沉降速率、梯度变化、裂缝发展信息、道路微应变等信息。
(2)设指标层有n个元素,X={x1,x2,…,xn}。aij指的是第i、j 因素之间的对比结果,其对比尺度为从1到9的自然数,在明确aij元素之后,便能够获得相应的判断矩阵,记为A,式中aij=1=1/aji。
(3)将判断矩阵A的各列作归一化处理:
(4)将判断矩阵A的各行元素求和:
(6)一致性检验,
AW=λmaxW
式中,CR为一致性比例,CI为一致性指标,λmax最大特征根,wi为各观测值的权重值。
步骤4-2:风险范围映射,根据监测数据,利用数值模拟实验构建的映射模型,计算确定地下空间风险对应地面的直接关联区域的几何范围,即以风险暴露点为圆心的影响直径,定义为变量R。根据地下风险关联区域在地面道路的投影位置,可以识别地下风险影响的地面车道数量(将双向道路视为两个相互独立的要素),如表1所示。
步骤4-3:风险程度映射,利用映射模型评估地下风险区的力学特性和可能造成的破坏程度,确定地下空间风险对应地面的直接关联区域的通行能力上限,即由速度、车型、流量定义的广义通行能力,定义为变量Q,Qa是最大通过速度v和最大车型重量β的集合。
根据变量Q和Qa的相互关系,可将地下风险造成的地面道路影响划分为四个等级:A级、B级、C级、D级,如表2所示。
步骤五:灾害源处治过程中,根据灾害源类型,采取不同控制措施。以地下空洞为例,当空洞埋深较浅(小于4米)时,从地表开展钻孔注浆治理,进行空洞回填注浆。钻孔时基于空洞或脱空位置合理确定注浆孔位及数量。当地下空洞埋深较大(大于4米)时,开展洞内注浆,或从洞内采用超前管棚、旋喷桩等技术手段开展不良地质超前处治,保证地铁隧道在预加地应力时安全开挖。
本实施方式中步骤五中道路塌陷预控方法为:
步骤5-1:①当预计波及范围较小(影响区边长小于3.75米),风险区域可控制在两车道分隔线4之间时,为了减小对空洞或脱空区的扰动,车辆行驶至管控区时需减速通过,速度宜降低至30m/h。由于车辆行驶具有跟驰特性,为了降低风险区荷载施加频率,前后车辆需控制行车间距,距离宜大于3.75米,避免前后车辆同时施加荷载作用于风险区。
②当预计波及范围涉及两条车道(影响区边长介于3.75米至7.5米),管控区内风险近期发生可能较小,但远期发生可能性较大时,在车速控制的基础上需进行车型管控。对于5吨以上的大型车辆,如10吨重的城市公交车,从旁边的安全通行区3通行。禁止在管控区内行驶,避开风险区。
③当预计波及范围较大(影响区边长大于7.5米),风险等级较高时,管控区需要封闭一条或者多条车道,禁止所有车辆通过。车辆从安全通行区3通行。
步骤5-2:灾害源处治过程中,根据灾害源类型,采取不同控制措施。以地下空洞为例,当空洞埋深较浅(小于4米)时,从地表开展钻孔注浆治理,进行空洞回填注浆。钻孔时基于空洞或脱空位置合理确定注浆孔位及数量。当地下空洞埋深较大(大于4米)时,从洞内采用超前管棚、旋喷桩等技术手段开展不良地质超前处治,保证地铁隧道在预加地应力时安全开挖。洞内注浆过程中在线监测注浆参数,包括注浆孔口注浆压力、流量,确保注浆压力不至过大,注浆量达到设计值,根据设计方案严格控制注浆扩散范围,确保注浆效果。
洞内注浆过程中在线监测注浆参数,包括注浆孔口注浆压力、流量,确保注浆压力不至过大,注浆量达到设计值,根据设计方案严格控制注浆扩散范围,确保注浆效果。
本公开实施例子中的“空天”指利用InSAR技术用于捕捉地表大范围沉降、无人机航测技术获取道路表观缺陷,如图4所示,已开展现场试验验证该技术的可靠性。“地”指分布式光纤、自动监测机器人(全站仪)技术,由于监测精度极高,可用于捕捉突发性较强灾害的先兆性特征。
InSAR技术围绕地球转动过程中,周期性扫描某地区。InSAR技术测量精度为毫米级,获得的数据可用于判断地铁施工区沿线路段的大范围变形情况,可以获取沉降速率,划定潜在高风险区。
从施工角度讲,实时监测系统主要指道路下方地铁施工过程中分布式光纤及自动测量机器人所采集的数据。分布式光纤采集的数据为应变,并且做到实时监测。应变在测量学的角度上讲就是极小的变形,由于分布式光纤分辨率比较高,可达0.01m。理解为1m直线上,存在100个测点。同时他的测量精度很高,达到1με,因此可用于判断路面塌陷灾害演化过程中的先兆性特性。举个例子,比如监测过程中突然应变速率发生较大改变,这就是道路失稳前兆。
自动测量机器人采集的数据为位移,监测精度为毫米级,在地面上铺设反光片后,可以自己循环来回扫描,自动化高,将采集的数据上传云端。输出后一方面用于与光纤采集的数据相互印证,另一方面判断施工过程中地表变形量,反馈到施工过程中,作相应调整。
区域探测技术是常规的,主要功能为探测风险源。在隧道施工-道路这一整体空间体系中,最主要的灾害源便是空洞、可发育成空洞的土质疏松区、水囊(里面有水的空洞),如图所示。不良地质,比如富水砂层,也是结合前期地质勘探资料得到。
上述均为影响隧道安全施工或道路正常运行的风险源,基于此结合 InSAR大范围监测数据,确定好潜在高风险区。
需要说明的是,本申请与一般的地下施工进行的风险预警不同,在隧道施工-道路这一整体空间体系中,最主要的灾害源便是广泛存在的脱空和空洞。比如,2021年我国福州通过路基空洞雷达探测技术,探测了市区58 条市管道路,预防道路塌陷事故。发现132处各类型道路地下病害,其中空洞24处、脱空38处、土体疏松70处。在地下工程施工扰动及繁重地面荷载下容易发生塌陷。针对施工期地下空间下穿城市路网典型工况,灾害的发生场景区别于常规的地下工程施工。具体解决的技术问题上,对于塌陷灾害的突发性、隐蔽性、诱因复杂性、并发性特征,考虑通过可靠的技术手段捕捉灾害先兆性特性,进而指导风险管控。本发明“空天地”多技术协同捕捉因地下工程施工导致的地面塌陷事故的先兆性特征。实现塌陷灾害的可靠预警,从而指导灾害的过程控制。
本公开上述技术方案开展现场试验,成功应用于某地铁建设中,具备可行性。“空天地”联合监测过程中监测数据的时效性高,基于监测数据的实时变化特征捕捉灾害征兆,保障了地铁施工和地面行车的安全性。此外,地铁施工过程中的变形监测效率得到提升。
实施例二
本实施例的目的是提供空天地一体化道路塌陷监测系统,包括:
多源数据采集模块,被配置为:获取待检测区域的城市路网沉降数值、城市路网裂缝分布状态以及实时的道路曲率变化值,进行空天地一体化的多源数据采集;
预警管控区域确定模块,被配置为:基于获取的数据建立施工与道路风险的评估预警模型,基于该模型进行数值模拟计算,划定风险点及风险区域,确定预警管控区域。
实施例三
本实施例的目的是提供一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,所述处理器执行所述程序时实现上述方法的步骤。
实施例四
本实施例的目的是提供一种计算机可读存储介质。
一种计算机可读存储介质,其上存储有计算机程序,该程序被处理器执行时执行上述方法的步骤。
上述虽然结合附图对本发明的具体实施方式进行了描述,但并非对本发明保护范围的限制,所属领域技术人员应该明白,在本发明的技术方案的基础上,本领域技术人员不需要付出创造性劳动即可做出的各种修改或变形仍在本发明的保护范围以内。
Claims (9)
1.空天地一体化道路塌陷监测方法,其特征是,包括:
获取待检测区域的城市路网沉降数值、城市路网裂缝分布状态以及实时的道路曲率变化值,进行空天地一体化的多源数据采集;
基于获取的数据建立施工与道路风险的评估预警模型,基于该模型进行数值模拟计算,划定风险点及风险区域,确定预警管控区域;
还包括:
对获取的待检测区域的卫星监测结果进行道路梯度分析,利用相邻象元的沉降值计算道路路面梯度变化值,获取道路整体梯度变化分布特征;
建立道路梯度变化与道路施工进度的映射关系,并依据道路梯度变化的映射关系对城市道路安全状态进行评估。
2.如权利要求1所述的空天地一体化道路塌陷监测方法,其特征是,获取待检测区域的城市路网沉降数值的步骤为:
对待检测区域的多景卫星影像和DEM进行数据处理,得到城市道路沉降数据;
对获取的城市道路沉降数据进行空间维度分析,得到城市道路沉降值空间分布特征;
对获取的城市道路沉降数据进行时间维度分析,得到不同区域的道路沉降时间分布特征,即速率值。
3.如权利要求1所述的空天地一体化道路塌陷监测方法,其特征是,基于获取的城市道路沉降值空间分布特征,建立空间沉降分布与道路施工进度的映射关系,并依据沉降值空间分布映射关系对城市道路安全进行安全状态评估。
4.如权利要求1所述的空天地一体化道路塌陷监测方法,其特征是,基于获取的城市道路沉降值的时间分布特征,建立道路沉降值时间分布与道路施工进度的映射关系,并依据道路沉降值的时间分布特征映射关系对城市道路安全状态进行评估。
5.如权利要求1所述的空天地一体化道路塌陷监测方法,其特征是,获取城市路网裂缝分布状态的步骤为:
获取城市道路路网的数字正射影像图;
利用影像识别技术提取单张影像道路裂缝信息,获得单张影像裂缝长度、宽度;
完成多张影像图边缘处的裂缝连接,获取城市整体路网道路裂缝长、宽、空间位置信息;
对获取城市整体路网道路裂缝长、宽、空间位置信息进行多维度分析,计算路网裂缝发展的速率及分布特征,建立裂缝发展与地铁施工进度的映射关系,并依据道路裂缝信息的映射关系对道路安全状态进行评估。
6.如权利要求1所述的空天地一体化道路塌陷监测方法,其特征是,获取实时的道路曲率变化值的步骤为:
在道路沥青层内埋入光纤传感器,实时监测获取道路微应变信息;
利用获取的微应变数据构建观测点位应变与道路损坏的关系模型;
对获取的道路微应变进行三维数据分析,计算道路三维微应变变化值,获取道路三维微应变特征,建立道路三维微应变与地铁施工进度的映射关系,并依据道路三维微应变布映射关系对城市道路安全状态进行评估;
确定预警管控区域之后,风险区段的风险等级判识;
灾害源处治过程中,根据灾害源类型,采取不同控制措施。
7.一种计算机装置,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,其特征是,所述处理器执行所述程序时实现上述权利要求1-6任一所述的方法的步骤。
8.一种计算机可读存储介质,其上存储有计算机程序,其特征是,该程序被处理器执行时执行上述权利要求1-6任一所述的方法的步骤。
9.空天地一体化道路塌陷监测系统,其特征是,包括:
多源数据采集模块,被配置为:获取待检测区域的城市路网沉降数值、城市路网裂缝分布状态以及实时的道路曲率变化值,进行空天地一体化的多源数据采集;
预警管控区域确定模块,被配置为:基于获取的数据建立施工与道路风险的评估预警模型,基于该模型进行数值模拟计算,划定风险点及风险区域,确定预警管控区域;
还包括:
对获取的待检测区域的卫星监测结果进行道路梯度分析,利用相邻象元的沉降值计算道路路面梯度变化值,获取道路整体梯度变化分布特征;
建立道路梯度变化与道路施工进度的映射关系,并依据道路梯度变化的映射关系对城市道路安全状态进行评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680227.XA CN115116198B (zh) | 2022-06-16 | 2022-06-16 | 空天地一体化道路塌陷监测方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210680227.XA CN115116198B (zh) | 2022-06-16 | 2022-06-16 | 空天地一体化道路塌陷监测方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115116198A CN115116198A (zh) | 2022-09-27 |
CN115116198B true CN115116198B (zh) | 2023-03-10 |
Family
ID=83327489
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210680227.XA Active CN115116198B (zh) | 2022-06-16 | 2022-06-16 | 空天地一体化道路塌陷监测方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115116198B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117213443B (zh) * | 2023-11-07 | 2024-03-19 | 江苏省地质调查研究院 | 一种天地深一体化地面沉降监测网建设与更新方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH701566A1 (de) * | 2010-02-08 | 2011-01-14 | Prof Dr Kalman Kovari | Verfahren zur Früherfassung von Baugrundsetzungen beim Tunnelbau. |
CN102271307A (zh) * | 2011-05-23 | 2011-12-07 | 武汉理工大学 | 桥梁施工期安全监测与应急救援信息采集传输方法 |
CN107665570A (zh) * | 2017-11-20 | 2018-02-06 | 水禾测绘信息技术有限公司 | 一种高速公路灾害监测预警系统 |
CN112330002A (zh) * | 2020-10-27 | 2021-02-05 | 合肥泽众城市智能科技有限公司 | 一种城市地面坍塌灾害综合监测预警方法及系统 |
CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
CN113569312A (zh) * | 2021-06-21 | 2021-10-29 | 山东大学 | 城市地下施工情景下脱空道路安全余量评估和预控方法 |
-
2022
- 2022-06-16 CN CN202210680227.XA patent/CN115116198B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CH701566A1 (de) * | 2010-02-08 | 2011-01-14 | Prof Dr Kalman Kovari | Verfahren zur Früherfassung von Baugrundsetzungen beim Tunnelbau. |
CN102271307A (zh) * | 2011-05-23 | 2011-12-07 | 武汉理工大学 | 桥梁施工期安全监测与应急救援信息采集传输方法 |
CN107665570A (zh) * | 2017-11-20 | 2018-02-06 | 水禾测绘信息技术有限公司 | 一种高速公路灾害监测预警系统 |
CN112330002A (zh) * | 2020-10-27 | 2021-02-05 | 合肥泽众城市智能科技有限公司 | 一种城市地面坍塌灾害综合监测预警方法及系统 |
CN113051519A (zh) * | 2021-06-01 | 2021-06-29 | 北方卓越(北京)勘测技术有限公司 | 一种基于地球物理的地面沉降预警监测系统 |
CN113569312A (zh) * | 2021-06-21 | 2021-10-29 | 山东大学 | 城市地下施工情景下脱空道路安全余量评估和预控方法 |
Also Published As
Publication number | Publication date |
---|---|
CN115116198A (zh) | 2022-09-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Elkhrachy | Accuracy assessment of low-cost unmanned aerial vehicle (UAV) photogrammetry | |
Kong et al. | Development and application of UAV-SfM photogrammetry for quantitative characterization of rock mass discontinuities | |
Holgado‐Barco et al. | Semiautomatic extraction of road horizontal alignment from a mobile LiDAR system | |
CN114353876A (zh) | 一种黄土公路边坡健康监测方法 | |
Habib et al. | Error budget of LiDAR systems and quality control of the derived data | |
Soliman et al. | Effects of vertical accuracy of digital elevation model (DEM) data on automatic lineaments extraction from shaded DEM | |
Puniach et al. | Application of UAV-based orthomosaics for determination of horizontal displacement caused by underground mining | |
CN104376595A (zh) | 一种基于机载LiDAR和GIS协同的三维道路生成方法 | |
Blistan et al. | Evaluation quality parameters of DEM generated with low-cost UAV photogrammetry and Structure-from-Motion (SfM) approach for topographic surveying of small areas. | |
Albarelli et al. | Identification of potential rockfall sources using UAV-derived point cloud | |
CN115116198B (zh) | 空天地一体化道路塌陷监测方法及系统 | |
Matsuoka et al. | Extraction of urban information for seismic hazard and risk assessment in Lima, Peru using satellite imagery | |
CN116665035A (zh) | 一种地质灾害隐患风险的精细化识别与核查方法 | |
Wang et al. | Rapid seismic risk assessment of bridges using UAV aerial photogrammetry | |
Qin et al. | Development and application of an intelligent robot for rock mass structure detection: A case study of Letuan tunnel in Shandong, China | |
Heinz et al. | On the applicability of a scan-based mobile mapping system for monitoring the planarity and subsidence of road surfaces–Pilot study on the A44n motorway in Germany | |
Peddinti et al. | Pavement monitoring using unmanned aerial vehicles: an overview | |
CN114663840B (zh) | 隧道环境的巡检设备监控方法及系统 | |
Mugnai et al. | Integration, harmonization, and processing of geomatic data for bridge health assessment: the Lastra a Signa case study | |
Javadnejad et al. | Unmanned aircraft systems-based photogrammetry for ground movement monitoring | |
Huang et al. | A photogrammetric system for tunnel underbreak and overbreak detection | |
Alkaabi et al. | Application of A Drone camera in detecting road surface cracks: A UAE testing case study | |
Sharma et al. | A method for extracting deformation features from terrestrial laser scanner 3d point clouds data in rgipt building | |
Dai et al. | Application of UAV photogrammetry on ecological restoration of abandoned open-pit mines, Northern Anhui province, China | |
Peddinti et al. | Efficient pavement monitoring for South Korea using unmanned aerial vehicles |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |