CN119990806B - 一种基于卫星影像的公路勘察智能设计方法及系统 - Google Patents

Abstract

本发明公开了一种基于卫星影像的公路勘察智能设计方法及系统，涉及遥感技术领域，通过对卫星影像数据Ir的几何校准和大气校正，修正了由大气、光照及卫星轨道因素带来的误差，形成了校正后的影响数据集Ip，有效消除了环境因素对数据精度的影响。结合不同的地质信息对异常速率S进行了修正，生成了修正异常速率Sadj，并与结构敏感度函数fstruct进行了结合，计算了不同区域的风险评估值R，并在此基础上通过统计分析得到了公路整体安全评分Rtotal。为公路的后期建设与维护提供了切实可行的参考依据，通过异常趋势分析、动态监测和地质修正手段，确保了公路建设过程中安全隐患的早期识别与预警。

Description

一种基于卫星影像的公路勘察智能设计方法及系统

技术领域

本发明涉及遥感技术领域，具体为一种基于卫星影像的公路勘察智能设计方法及系统。

背景技术

卫星影像广泛应用于土地资源、环境监测、城市规划等多个领域。在公路建设的过程中，地质勘察、路线选择和施工质量监控是确保工程安全与质量的关键任务之一。随着工程规模的不断扩大和技术的不断进步，基于卫星影像的遥感技术被逐渐引入到公路勘察设计的全过程中，发挥着越来越重要的作用。特别是在面对地质灾害、生态影响及施工环境等复杂因素时，基于遥感影像的技术手段可以为勘察设计提供精准的数据支持和决策依据。具体到公路建设后期，尤其是路基的稳定性和桥梁的承载力等方面，动态监测技术成为了重要的研究领域。

尽管现代公路建设领域已经开始引入遥感技术进行环境监测与地质勘察，但目前对于公路建设后的动态监测，尤其是针对地表沉降的长期跟踪依然存在不少局限性。现有的监测手段多依赖地面实地勘察和测量仪器，虽然可以精确获取沉降数据，但存在一定的时效性问题。通常，地面监测需要较为频繁的现场勘测，且对于大范围的监测难度较大，无法实时掌握沉降变化的趋势，尤其是对于复杂地形和难以到达的区域，监测难度较大。此外，传统的沉降监测方法对于早期沉降的发现不够敏感，容易错过一些微小的变形，造成施工后期的安全隐患。

这种传统监测方式在效率和精度上的不足，导致了公路建设项目在运营阶段，尤其是高风险地段的桥梁、隧道等设施面临较大压力。随着沉降的逐渐积累，可能引发不必要的安全问题，甚至在极端情况下导致结构损毁。因此，依靠地面监测的方式无法全面掌控地质变化，也不能及时响应沉降变化，这限制了公路建设过程中对结构安全的精准预判和实时调整。

发明内容

针对现有技术的不足，本发明提供了一种基于卫星影像的公路勘察智能设计方法及系统，解决了背景技术中提到的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种基于卫星影像的公路勘察智能设计方法，包括以下步骤：

S1、通过对采集的卫星影像数据Ir进行几何校准和大气校正，修正由大气、光照和卫星轨道因素带来的误差，组成校正后的影响数据集Ip；

S2、通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，并对提取的特征进行整合，形成地表异常特征集F；

S3、基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

S4、根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

S5、基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警，当触发风险预警时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施。

优选的，所述S1包括S11和S12；

S11、通过对采集的卫星影像数据Ir进行几何校准，进行修正卫星影像数据Ir中由卫星轨道误差、影像倾斜和地面起伏因素产生的空间误差，使得卫星影像数据Ir中的地理坐标能够与实际地面坐标一致，其中，几何校准具体通过地面控制点与卫星影像数据Ir中对应点的匹配进行几何校准，获取校准后的目标地理坐标(xt，yt)，通过整合目标地理坐标(xt，yt)，获取几何校准后的输出影像数据集Ig；

所述目标地理坐标(xt，yt)通过以下校准公式获取：

(xt，yt)＝Mgeo*(xr，yr)+b；

式中，(xr，yr)表示卫星影像数据Ir中的坐标位置，具体表示坐标位置的横轴值和竖轴值，Mgeo表示几何变换矩阵，b表示平移变量。

优选的，S12、通过对获取的输出影像数据集Ig进行大气校正，修正由大气、光照、尘埃和水蒸气因素影响卫星传感器接收到的光信号，并通过对输出影像数据集Ig中的每个目标地理坐标(xt，yt)进行修正，获取修正后的影响数据集Ip；

其中，对输出影像数据集Ig中目标地理坐标(xt，yt)进行修正的计算公式如下：

式中，Padj(xt，yt)表示修正后的修正目标地理坐标，Pgeo表示几何校正后的反射率，Tatm表示大气效应修正系数，表示大气对光线传播的影响程度。

5.优选的，所述S2包括S21和S22；

S21、通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，具体通过比较不同时间段的影响数据集Ip进行分析裂缝和高程变化的差异；

其中，高程变化提取通过影响数据集Ip中的修正目标地理坐标Padj(xt，yt)在不同时间段内的提升和沉降信息，来获取区域的高程变化值△H，并与预设的沉降隆起阈值Thigh进行对比，获取修正目标地理坐标Padj(xt，yt)的提取结果，并根据提取结果标记修正目标地理坐标Padj(xt，yt)，组成沉降地理坐标集Cjj和隆起地理坐标集Lqj；

所述高程变化值△H通过以下计算公式获取：

ΔH＝Padj(xt,yt,Hc)-Padj(xt,yt,Hr)；

式中，Padj(xt，yt，Hc)和Padj(xt，yt，Hr)分别表示固定周期前后在修正目标地理坐标Padj(xt，yt)的高程值；

当高程变化值△H＞沉降隆起阈值Thigh的1.5倍时，获取修正目标地理坐标Padj(xt，yt)提取结果为沉降结果，表示修正目标地理坐标Padj(xt，yt)为沉降地理坐标点，添加至沉降地理坐标集Cjj中；

当高程变化值△H＜沉降隆起阈值Thigh的0.5倍时，获取修正目标地理坐标Padj(xt，yt)提取结果为隆起结果，表示修正目标地理坐标Padj(xt，yt)为隆起地理坐标点，添加至隆起地理坐标集Lqj中；

其中，裂缝提取通过高差图提取裂缝信息，通过比较不同时间段的影响数据集Ip来获取图像梯度的梯度波动值△I，并与预设的梯度波动阈值Tcrack进行对比，获取修正目标地理坐标Padj(xt，yt)的提取结果，并根据提取结果标记修正目标地理坐标Padj(xt，yt)，组成裂缝地理坐标集Lfj；

所述梯度波动值△I通过以下计算公式获取：

式中，和分别表示修正目标地理坐标Padj(xt，yt)在xt横轴方向和yt竖轴方向的局部变化率，表示结合在xt横轴方向和yt竖轴方向的局部变化率，进行计算在修正目标地理坐标Padj(xt，yt)的梯度值；

当梯度波动值△I＞梯度波动阈值Tcrack时，获取修正目标地理坐标Padj(xt，yt)提取为裂缝结果，表示修正目标地理坐标Padj(xt，yt)为裂缝地理坐标点，添加至裂缝地理坐标集Lfj中。

优选的，S22、根据获取的沉降地理坐标集Cjj、隆起地理坐标集Lqj和裂缝地理坐标集Lfj对校正后的影响数据集Ip中存在相同修正目标地理坐标Padj(xt，yt)进行替换，通过对沉降地理坐标集Cjj、隆起地理坐标集Lqj、裂缝地理坐标集Lfj和影响数据集Ip进行整合，获取地表异常特征集F。

优选的，所述S3包括S31；

S31、基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

所述异常变化量速率S通过以下计算公式获取：

式中，△Cj表示沉降变化量，△Lq隆起变化量，△Lf裂缝变化量，△t表示时间间隔，β表示调节系数，SCj表示沉降变化速率，SLq表示隆起变化速率，SLf表示裂缝变化速率。

优选的，所述沉降变化量△Cj通过△Cj＝F(Cjj，t+1)-F(Cjj，t)计算公式获取，其中，t表示时间，F(Cjj，t+1)表示时间t+1地表异常特征集F中的沉降地理坐标集；

所述隆起变化量△Lq通过△Lq＝F(Lqj，t+1)-F(Lqj，t)计算公式获取，其中，F(Lqj，t+1)表示时间t+1地表异常特征集F中的隆起地理坐标集；

所述裂缝变化量△Lf通过△Lf＝F(Lfj，t+1)-F(Lfj，t)计算公式获取，其中，F(Lfj，t+1)表示时间t+1地表异常特征集F中的裂缝地理坐标集；

所述表示沉降变化速率SCj通过计算公式获取；

所述表示隆起变化速率SLq通过计算公式获取；

所述表示裂缝变化速率SLf通过计算公式获取。

优选的，所述S4包括S41；

S41、根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

所述修正异常速率Sadj通过以下计算公式获取：

式中，n表示地质因素的总数，λ(i)表示第i种地质因素的修正系数，G(i)表示第i种地质因素的影响程度。

优选的，所述S5包括S51；

S51、基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警；

所述风险评估值R通过以下计算公式获取：

式中，R(t)表示在时间t的风险评估值，γ表示缩放因子，exp表示指数函数，Sadj(t)表示在时间t的修正异常速率，f(m)表示在区域m公路设施对地面变化的敏感度，L表示区域m内的公路总长度，dm表示积分变量，具体表示对区域m的微小变化；

当风险评估值R＞1时触发风险预警，执行公路整体勘察机制，同步标记当前区域m为待维护区域，并发送通知至相关道路养护部门等待处理；

S52、当执行公路整体勘察机制时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施；

所述公路整体安全评分Rtotal通过计算公式获取，式中，Q表示评估区域的总数，R(t，m)表示区域m在时间t的风险评估值；

所述公路整体异常评估结果通过以下对比方式获取：

当公路整体安全评分Rtotal＜整体异常评估阈值Tsafe时，获取公路整体异常评估结果为正常结果；

当公路整体安全评分Rtotal≥整体异常评估阈值Tsafe时，获取公路整体异常评估结果为异常结果，触发执行措施，包括提示当前区域m异常，对当前公路进行重新规划和改道提示。

一种基于卫星影像的公路勘察智能设计系统，包括卫星数据校准模块、数据特征提取模块、数据分析模块、修正模块和评估决策模块；

所述卫星数据校准模块通过对采集的卫星影像数据Ir进行几何校准和大气校正，修正由大气、光照和卫星轨道因素带来的误差，组成校正后的影响数据集Ip；

所述数据特征提取模块通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，并对提取的特征进行整合，形成地表异常特征集F；

所述数据分析模块基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

所述修正模块根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

所述评估决策模块基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警，当触发风险预警时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施。

本发明提供了一种基于卫星影像的公路勘察智能设计方法及系统，具备以下有益效果：

(1)通过对卫星影像数据Ir的几何校准和大气校正，修正了由大气、光照及卫星轨道因素带来的误差，形成了校正后的影响数据集Ip，有效消除了环境因素对数据精度的影响。结合不同的地质信息对异常速率S进行了修正，生成了修正异常速率Sadj，并与结构敏感度函数fstruct进行了结合，计算了不同区域的风险评估值R，并在此基础上通过统计分析得到了公路整体安全评分Rtotal。为公路的后期建设与维护提供了切实可行的参考依据，帮助相关部门进行精准的决策，还通过异常趋势分析、动态监测和地质修正等手段，确保了公路建设过程中安全隐患的早期识别与预警。通过精确计算和分析，能够在公路建设的早期阶段预测沉降风险，为后续设计提供数据支持，避免了传统勘察方法中对隐性地质问题发现的滞后性，显著提高了设计效率和安全性。

(2)通过计算沉降变化量△Cj、隆起变化量△Lq和裂缝变化量△Lf，进而获取各类地表变动的变化速率。通过对这些速率的调节与整合，方法能够全面评估公路地质环境的变化趋势，及时发现潜在的安全隐患，不仅提高了公路沉降监测的精准度和实时性，还能够根据不同类型的地表变动做出科学的评估。相比传统勘察方法，方法能够实时捕捉到沉降、隆起和裂缝等复杂地质现象的演变过程，为公路设计和安全监控提供更加可靠、数据驱动的决策依据，进一步提升了公路建设的安全性和应急响应能力。

(3)通过计算得到不同区域的风险评估值R(t)，并通过设定的阈值判断是否触发风险预警，还结合了区域内公路设施的敏感度，从而使得风险评估更加全面、精细。获取了公路整体安全评分Rtotal，并通过与预设的安全阈值Tsafe进行对比，确保了公路整体异常评估结果的准确性。若整体安全评分超过阈值，系统会自动触发进一步的措施，包括对异常区域进行标记、重新规划公路路线等。这种多层次、多维度的评估体系不仅提升了公路的安全性，还增强了应急管理的灵活性和响应速度，为道路养护部门提供了有效的决策支持工具，极大地提升了公路维护的精确性和及时性。

附图说明

图1为本发明一种基于卫星影像的公路勘察智能设计方法步骤示意图；

图2为本发明一种基于卫星影像的公路勘察智能设计系统框图示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整的描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例，基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

实施例1

本发明提供一种基于卫星影像的公路勘察智能设计方法，请参阅图1，包括以下步骤：

S1、通过对采集的卫星影像数据Ir进行几何校准和大气校正，修正由大气、光照和卫星轨道因素带来的误差，组成校正后的影响数据集Ip；

S2、通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，并对提取的特征进行整合，形成地表异常特征集F；

S3、基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

S4、根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

S5、基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警，当触发风险预警时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施。

本实施例中，通过精确的卫星影像数据处理与多层次分析，实现了公路勘察与设计过程中的智能化提升。首先，通过对卫星影像数据Ir的几何校准和大气校正，修正了由大气、光照及卫星轨道因素带来的误差，形成了校正后的影响数据集Ip，有效消除了环境因素对数据精度的影响。接着，进行地表沉降特征的提取，包括裂缝和高程变化，通过对这些特征的整合，构建了地表异常特征集F，为进一步分析提供了可靠的数据基础，通过异常趋势分析和变化率计算，基于时间序列分析和不同时间点的地表沉降数据，计算了地表异常的变化量和速率，获取了异常速率S。此异常速率的计算结合了不同时间节点的数据变化，能够及时反映公路建设过程中的异常动态，为预测潜在风险提供了科学依据。为了进一步提高预测的精确度，结合不同的地质信息对异常速率S进行了修正，生成了修正异常速率Sadj，并与结构敏感度函数fstruct进行了结合，计算了不同区域的风险评估值R，并在此基础上通过统计分析得到了公路整体安全评分Rtotal。与预设的整体异常评估阈值Tsafe进行对比后，可以有效判断公路是否存在潜在风险，并及时触发预警。这一过程为公路的后期建设与维护提供了切实可行的参考依据，帮助相关部门进行精准的决策，还通过异常趋势分析、动态监测和地质修正等手段，确保了公路建设过程中安全隐患的早期识别与预警。通过精确计算和分析，能够在公路建设的早期阶段预测沉降风险，为后续设计提供数据支持，避免了传统勘察方法中对隐性地质问题发现的滞后性，显著提高了设计效率和安全性。

实施例2

本实施例是在实施例1中进行的解释说明，请参照图1，具体的：所述S1包括S11和S12；

S11、通过对采集的卫星影像数据Ir进行几何校准，进行修正卫星影像数据Ir中由卫星轨道误差、影像倾斜和地面起伏因素产生的空间误差，使得卫星影像数据Ir中的地理坐标能够与实际地面坐标一致，其中，几何校准具体通过地面控制点与卫星影像数据Ir中对应点的匹配进行几何校准，获取校准后的目标地理坐标(xt，yt)，通过整合目标地理坐标(xt，yt)，获取几何校准后的输出影像数据集Ig；

所述目标地理坐标(xt，yt)通过以下校准公式获取：

(xt，yt)＝Mgeo*(xr，yr)+b；

式中，(xr，yr)表示卫星影像数据Ir中的坐标位置，具体表示坐标位置的横轴值和竖轴值，Mgeo表示几何变换矩阵，具体表示卫星影像数据Ir到实际地面坐标的空间变换，包括使用仿射变换矩阵进行空间变换，b表示平移变量，具体表示坐标变换中的位移。

S12、通过对获取的输出影像数据集Ig进行大气校正，修正由大气、光照、尘埃和水蒸气因素影响卫星传感器接收到的光信号，并通过对输出影像数据集Ig中的每个目标地理坐标(xt，yt)进行修正，获取修正后的影响数据集Ip；

其中，对输出影像数据集Ig中目标地理坐标(xt，yt)进行修正的计算公式如下：

式中，Padj(xt，yt)表示修正后的修正目标地理坐标，Pgeo表示几何校正后的反射率，通常是通过传感器采集的光谱反射率进行计算，并经过几何变换处理获取，Tatm表示大气效应修正系数，表示大气对光线传播的影响程度，具体表示大气层中的不同成分会吸收或散射卫星传感器接收到的光信号，从而影响反射率的测量值，通过大气传输模型MODTRAN和大气传输模型6S能够计算出大气效应修正系数Tatm，进行补偿大气层对光线传播的影响。

6.所述S2包括S21和S22；

S21、通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，具体通过比较不同时间段的影响数据集Ip进行分析裂缝和高程变化的差异；

其中，高程变化提取通过影响数据集Ip中的修正目标地理坐标Padj(xt，yt)在不同时间段内的提升和沉降信息，来获取区域的高程变化值△H，并与预设的沉降隆起阈值Thigh进行对比，获取修正目标地理坐标Padj(xt，yt)的提取结果，并根据提取结果标记修正目标地理坐标Padj(xt，yt)，组成沉降地理坐标集Cjj和隆起地理坐标集Lqj；

所述高程变化值△H通过以下计算公式获取：

ΔH＝Padj(xt,yt,Hc)-Padj(xt,yt,Hr)；

式中，Padj(xt，yt，Hc)和Padj(xt，yt，Hr)分别表示固定周期前后在修正目标地理坐标Padj(xt，yt)的高程值；

当高程变化值△H＞沉降隆起阈值Thigh的1.5倍时，获取修正目标地理坐标Padj(xt，yt)提取结果为沉降结果，表示修正目标地理坐标Padj(xt，yt)为沉降地理坐标点，添加至沉降地理坐标集Cjj中；

当高程变化值△H＜沉降隆起阈值Thigh的0.5倍时，获取修正目标地理坐标Padj(xt，yt)提取结果为隆起结果，表示修正目标地理坐标Padj(xt，yt)为隆起地理坐标点，添加至隆起地理坐标集Lqj中；

其中，裂缝提取通过高差图提取裂缝信息，具体通过大气校正后沉降区域的形态和形变会更加突出，通过比较不同时间段的影响数据集Ip来获取图像梯度的梯度波动值△I，并与预设的梯度波动阈值Tcrack进行对比，获取修正目标地理坐标Padj(xt，yt)的提取结果，并根据提取结果标记修正目标地理坐标Padj(xt，yt)，组成裂缝地理坐标集Lfj；

所述梯度波动值△I通过以下计算公式获取：

式中，和分别表示修正目标地理坐标Padj(xt，yt)在xt横轴方向和yt竖轴方向的局部变化率，具体表示修正目标地理坐标Padj(xt，yt)对xt横轴方向的偏导数，反映了图像中像素值在水平方向上的变化速率，大多数情况下，图像的边缘或者显著的结构变化会导致的值变大，具体表示修正目标地理坐标Padj(xt，yt)对竖轴方向的偏导数，反映了图像中像素值在垂直方向上的变化速率，图像的边缘和重要的结构变化通常会导致变化较大，表示结合在xt横轴方向和yt竖轴方向的局部变化率，进行计算在修正目标地理坐标Padj(xt，yt)的梯度值，反映该点的整体变化程度；

当梯度波动值△I＞梯度波动阈值Tcrack时，获取修正目标地理坐标Padj(xt，yt)提取为裂缝结果，表示修正目标地理坐标Padj(xt，yt)为裂缝地理坐标点，添加至裂缝地理坐标集Lfj中。

本实施例中，通过对采集的卫星影像数据Ir进行几何校准，修正了由卫星轨道误差、影像倾斜及地面起伏等因素带来的空间误差，确保了影像数据中(xt，yt)坐标与实际地面坐标的一致性，为后续分析提供了精准的地理数据。此外，方法通过大气校正修正了由大气、光照及环境因素对卫星传感器光信号的影响，形成了修正后的影响数据集Ip，进一步提高了数据的可靠性与精确度，通过对修正后的影响数据集Ip进行地表沉降特征提取，方法能够精准识别沉降、隆起以及裂缝等异常现象，确保了不同类型的地质变动被及时发现。在高程变化分析中，通过对坐标在不同时间点的高程变化进行对比，精确判断沉降和隆起区域，分别形成了沉降地理坐标集Cjj和隆起地理坐标集Lqj，有效识别公路建设过程中的地表异常。而裂缝的提取则通过图像梯度的波动值进行判断，形成了裂缝地理坐标集Lfj，保证了地表变形细节的全面监控，为公路设计和安全评估提供了更加可靠的依据。特别是在地表沉降和裂缝等潜在风险区域的识别上，方法不仅提高了监测的及时性，还为设计方案的调整和安全预警提供了数据支持，避免了因地质变动引发的工程事故，有效提升了公路建设的安全性与可持续性。

实施例3

本实施例是在实施例2中进行的解释说明，请参照图1，具体的：S22、根据获取的沉降地理坐标集Cjj、隆起地理坐标集Lqj和裂缝地理坐标集Lfj对校正后的影响数据集Ip中存在相同修正目标地理坐标Padj(xt，yt)进行替换，通过对沉降地理坐标集Cjj、隆起地理坐标集Lqj、裂缝地理坐标集Lfj和影响数据集Ip进行整合，获取地表异常特征集F。

所述S3包括S31；

S31、基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

所述异常变化量速率S通过以下计算公式获取：

式中，△Cj表示沉降变化量，△Lq隆起变化量，△Lf裂缝变化量，△t表示时间间隔，β表示调节系数，SCj表示沉降变化速率，SLq表示隆起变化速率，SLf表示裂缝变化速率。

所述沉降变化量△Cj通过△Cj＝F(Cjj，t+1)-F(Cjj，t)计算公式获取，其中，t表示时间，F(Cjj，t+1)表示时间t+1地表异常特征集F中的沉降地理坐标集；

所述隆起变化量△Lq通过△Lq＝F(Lqj，t+1)-F(Lqj，t)计算公式获取，其中，F(Lqj，t+1)表示时间t+1地表异常特征集F中的隆起地理坐标集；

所述裂缝变化量△Lf通过△Lf＝F(Lfj，t+1)-F(Lfj，t)计算公式获取，其中，F(Lfj，t+1)表示时间t+1地表异常特征集F中的裂缝地理坐标集；

所述表示沉降变化速率SCj通过计算公式获取；

所述表示隆起变化速率SLq通过计算公式获取；

所述表示裂缝变化速率SLf通过计算公式获取。

本实施例中，通过精确的地表异常特征提取与变化率计算，提供了一个全面、系统的公路勘察和安全评估解决方案。通过对校正后的影响数据集Ip中的沉降、隆起和裂缝等地表异常特征进行提取，方法能够识别不同类型的地质变动，并通过修正目标地理坐标Padj(xt，yt)进行替换，整合为地表异常特征集F，为后续的异常趋势分析与变化率计算奠定了坚实基础，在异常变化量速率S的计算中，通过对不同时间点的地表沉降特征集F进行对比，方法能够动态监测沉降、隆起和裂缝的变化量，并分别计算沉降变化量△Cj、隆起变化量△Lq和裂缝变化量△Lf，进而获取各类地表变动的变化速。通过对这些速率的调节与整合，方法能够全面评估公路地质环境的变化趋势，及时发现潜在的安全隐患，不仅提高了公路沉降监测的精准度和实时性，还能够根据不同类型的地表变动做出科学的评估。相比传统勘察方法，方法能够实时捕捉到沉降、隆起和裂缝等复杂地质现象的演变过程，为公路设计和安全监控提供更加可靠、数据驱动的决策依据，进一步提升了公路建设的安全性和应急响应能力。

实施例4

本实施例是在实施例3中进行的解释说明，请参照图1，具体的：所述S4包括S41；

S41、根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

所述修正异常速率Sadj通过以下计算公式获取：

式中，n表示地质因素的总数，具体反映了我们所考虑的地质因素的多样性，例如，土壤类型、岩层类型和地下水，λ(i)表示第i种地质因素的修正系数，具体表示该地质因素对异常速率的影响程度，该修正系数用于量化每个地质因素对整体变化速率的贡献，G(i)表示第i种地质因素的影响程度，具体表示代表了第i个地质因素对地表异常变化的具体影响，例如，土壤类型可能对沉降的影响较大，因此其影响程度G1可能比较大；地下水流动可能对隆起有较大影响，因此G2对隆起的影响会有一定程度的量化。

所述S5包括S51；

S51、基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警；

所述风险评估值R通过以下计算公式获取：

式中，R(t)表示在时间t的风险评估值，γ表示缩放因子，exp表示指数函数，Sadj(t)表示在时间t的修正异常速率，f(m)表示在区域m公路设施对地面变化的敏感度，f(m)接近1，表示该位置的基础设施对地表变形非常敏感；而如果f(m)远小于1，则表示该位置基础设施不太敏感，L表示区域m内的公路总长度，dm表示积分变量，具体表示对区域m的微小变化；

当风险评估值R＞1时触发风险预警，执行公路整体勘察机制，同步标记当前区域m为待维护区域，并发送通知至相关道路养护部门等待处理；

S52、当执行公路整体勘察机制时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施；

所述公路整体安全评分Rtotal通过计算公式获取，式中，Q表示评估区域的总数，R(t，m)表示区域m在时间t的风险评估值；

所述公路整体异常评估结果通过以下对比方式获取：

当公路整体安全评分Rtotal＜整体异常评估阈值Tsafe时，获取公路整体异常评估结果为正常结果；

当公路整体安全评分Rtotal≥整体异常评估阈值Tsafe时，获取公路整体异常评估结果为异常结果，触发执行措施，包括提示当前区域m异常，对当前公路进行重新规划和改道提示；

其中，对当前公路进行重新规划包括基于当前的异常特征和风险评估，可能需要对公路进行重新规划，此过程包括重新确定最佳路线或对道路进行绕行设计，确保交通流畅并尽量避免风险区，例如，针对存在显著沉降或裂缝的区域，可以提出不同的公路设计方案，包括提高道路结构强度、增加支撑或改变路面材料等措施，以提升道路抗变形能力；

同时基于地质评估和沉降影响，可能需要对受影响区段的路基进行改建或加固，包括增强基础土层和加铺排水层，从而提高道路承载能力，降低未来沉降或变形的风险；

改道提示包括临时绕行路径规划：对当前道路进行临时改道指引，特别是在发生严重沉降、裂缝或其他地质变动的区域，根据影响范围计算出最安全的临时绕行路线，并在交通监控平台发布相关信息；交通疏导措施：根据不同程度的异常，采取不同的交通疏导措施，如限制重型车辆通行、局部封闭交通、设置警告标志等，减少异常区段对交通流的影响。

本实施例中，通过结合不同地质因素对异常速率S的修正与沉降影响评估，为公路安全评估提供了精确和全面的决策支持，通过对地质因素进行修正，获取修正异常速率Sadj，考虑了土壤类型、岩层类型和地下水等多样化的地质因素对地表变动的影响，量化了各类因素的修正系数λ(i)和影响程度G(i)，使得异常速率的计算更加精确，能够有效反映不同地质条件下的变化趋势，通过基于修正后的异常速率Sadj与结构敏感度函数f(m)的结合进行沉降影响评估，计算得到不同区域的风险评估值R(t)，并通过设定的阈值判断是否触发风险预警。该步骤不仅考虑了区域的地质特性，还结合了区域内公路设施的敏感度，从而使得风险评估更加全面、精细。当风险评估值超过预定阈值时，系统能够触发相应的公路整体勘察机制，并同步启动维护程序，确保了公路安全管理的及时性与有效性，通过统计分析不同区域的风险评估值，获取了公路整体安全评分Rtotal，并通过与预设的安全阈值Tsafe进行对比，确保了公路整体异常评估结果的准确性。若整体安全评分超过阈值，系统会自动触发进一步的措施，包括对异常区域进行标记、重新规划公路路线等。这种多层次、多维度的评估体系不仅提升了公路的安全性，还增强了应急管理的灵活性和响应速度，为道路养护部门提供了有效的决策支持工具，极大地提升了公路维护的精确性和及时性。

实施例5

一种基于卫星影像的公路勘察智能设计系统，请参照图2，具体的：包括卫星数据校准模块、数据特征提取模块、数据分析模块、修正模块和评估决策模块；

所述卫星数据校准模块通过对采集的卫星影像数据Ir进行几何校准和大气校正，修正由大气、光照和卫星轨道因素带来的误差，组成校正后的影响数据集Ip；

所述数据特征提取模块通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，并对提取的特征进行整合，形成地表异常特征集F；

所述数据分析模块基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

所述修正模块根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

所述评估决策模块基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警，当触发风险预警时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施。

本实施例中，

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变形，本发明的范围由所附权利要求及其等同物限定。

Claims (8)

1.一种基于卫星影像的公路勘察智能设计方法，其特征在于：包括以下步骤：

S1、通过对采集的卫星影像数据Ir进行几何校准和大气校正，修正由大气、光照和卫星轨道因素带来的误差，组成校正后的影响数据集Ip；

S2、通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，并对提取的特征进行整合，形成地表异常特征集F；

所述S2包括S21和S22；

S21、通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，具体通过比较不同时间段的影响数据集Ip进行分析裂缝和高程变化的差异；

其中，高程变化提取通过影响数据集Ip中的修正目标地理坐标Padj(xt，yt)在不同时间段内的提升和沉降信息，来获取区域的高程变化值△H，并与预设的沉降隆起阈值Thigh进行对比，获取修正目标地理坐标Padj(xt，yt)的提取结果，并根据提取结果标记修正目标地理坐标Padj(xt，yt)，组成沉降地理坐标集Cjj和隆起地理坐标集Lqj；

所述高程变化值△H通过以下计算公式获取：

ΔH＝Padj(xt,yt,Hc)-Padj(xt,yt,Hr)；

式中，Padj(xt，yt，Hc)和Padj(xt，yt，Hr)分别表示固定周期前后在修正目标地理坐标Padj(xt，yt)的高程值；

当高程变化值△H＞沉降隆起阈值Thigh的1.5倍时，获取修正目标地理坐标Padj(xt，yt)提取结果为沉降结果，表示修正目标地理坐标Padj(xt，yt)为沉降地理坐标点，添加至沉降地理坐标集Cjj中；

当高程变化值△H＜沉降隆起阈值Thigh的0.5倍时，获取修正目标地理坐标Padj(xt，yt)提取结果为隆起结果，表示修正目标地理坐标Padj(xt，yt)为隆起地理坐标点，添加至隆起地理坐标集Lqj中；

其中，裂缝提取通过高差图提取裂缝信息，通过比较不同时间段的影响数据集Ip来获取图像梯度的梯度波动值△I，并与预设的梯度波动阈值Tcrack进行对比，获取修正目标地理坐标Padj(xt，yt)的提取结果，并根据提取结果标记修正目标地理坐标Padj(xt，yt)，组成裂缝地理坐标集Lfj；

所述梯度波动值△I通过以下计算公式获取：

式中，和分别表示修正目标地理坐标Padj(xt，yt)在xt横轴方向和yt竖轴方向的局部变化率，表示结合在xt横轴方向和yt竖轴方向的局部变化率，进行计算在修正目标地理坐标Padj(xt，yt)的梯度值；

当梯度波动值△I＞梯度波动阈值Tcrack时，获取修正目标地理坐标Padj(xt，yt)提取为裂缝结果，表示修正目标地理坐标Padj(xt，yt)为裂缝地理坐标点，添加至裂缝地理坐标集Lfj中；

S3、基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

S4、根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

S5、基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警，当触发风险预警时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施。

2.根据权利要求1所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：所述S1包括S11和S12；

S11、通过对采集的卫星影像数据Ir进行几何校准，进行修正卫星影像数据Ir中由卫星轨道误差、影像倾斜和地面起伏因素产生的空间误差，使得卫星影像数据Ir中的地理坐标能够与实际地面坐标一致，其中，几何校准具体通过地面控制点与卫星影像数据Ir中对应点的匹配进行几何校准，获取校准后的目标地理坐标(xt，yt)，通过整合目标地理坐标(xt，yt)，获取几何校准后的输出影像数据集Ig；

所述目标地理坐标(xt，yt)通过以下校准公式获取：

(xt，yt)＝Mgeo*(xr，yr)+b；

式中，(xr，yr)表示卫星影像数据Ir中的坐标位置，具体表示坐标位置的横轴值和竖轴值，Mgeo表示几何变换矩阵，b表示平移变量。

3.根据权利要求2所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：S12、通过对获取的输出影像数据集Ig进行大气校正，修正由大气、光照、尘埃和水蒸气因素影响卫星传感器接收到的光信号，并通过对输出影像数据集Ig中的每个目标地理坐标(xt，yt)进行修正，获取修正后的影响数据集Ip。

4.根据权利要求1所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：S22、根据获取的沉降地理坐标集Cjj、隆起地理坐标集Lqj和裂缝地理坐标集Lfj对校正后的影响数据集Ip中存在相同修正目标地理坐标Padj(xt，yt)进行替换，通过对沉降地理坐标集Cjj、隆起地理坐标集Lqj、裂缝地理坐标集Lfj和影响数据集Ip进行整合，获取地表异常特征集F。

5.根据权利要求4所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：所述S3包括S31；

S31、基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

所述异常速率S通过以下计算公式获取：

式中，△Cj表示沉降变化量，△Lq隆起变化量，△Lf裂缝变化量，△t表示时间间隔，β表示调节系数，SCj表示沉降变化速率，SLq表示隆起变化速率，SLf表示裂缝变化速率。

6.根据权利要求1所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：所述S4包括S41；

S41、根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

所述修正异常速率Sadj通过以下计算公式获取：

式中，n表示地质因素的总数，λ(i)表示第i种地质因素的修正系数，G(i)表示第i种地质因素的影响程度。

7.根据权利要求1所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：所述S5包括S51；

S51、基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警；

所述风险评估值R通过以下计算公式获取：

式中，R(t)表示在时间t的风险评估值，γ表示缩放因子，exp表示指数函数，Sadj(t)表示在时间t的修正异常速率，f(m)表示在区域m公路设施对地面变化的敏感度，L表示区域m内的公路总长度，dm表示积分变量，具体表示对区域m的微小变化；

当风险评估值R＞1时触发风险预警，执行公路整体勘察机制，同步标记当前区域m为待维护区域，并发送通知至相关道路养护部门等待处理；

S52、当执行公路整体勘察机制时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施；

所述公路整体异常评估结果通过以下对比方式获取：

当公路整体安全评分Rtotal＜整体异常评估阈值Tsafe时，获取公路整体异常评估结果为正常结果；

当公路整体安全评分Rtotal≥整体异常评估阈值Tsafe时，获取公路整体异常评估结果为异常结果，触发执行措施，包括提示当前区域m异常，对当前公路进行重新规划和改道提示。

8.一种基于卫星影像的公路勘察智能设计系统，应用于权利要求1～7任一项所述的一种基于卫星影像的公路勘察智能设计方法，其特征在于：包括卫星数据校准模块、数据特征提取模块、数据分析模块、修正模块和评估决策模块；

所述卫星数据校准模块通过对采集的卫星影像数据Ir进行几何校准和大气校正，修正由大气、光照和卫星轨道因素带来的误差，组成校正后的影响数据集Ip；

所述数据特征提取模块通过对校正后的影响数据集Ip进行地表沉降特征的提取，包括裂缝和高程变化，并对提取的特征进行整合，形成地表异常特征集F；

所述数据分析模块基于形成的地表异常特征集F进行异常趋势分析和变化率计算，所述异常趋势分析包括进行时间序列分析，所述变化率计算基于不同时间点的地表沉降的特征集F进行计算地表异常的变化量和速率，获取异常速率S；

所述修正模块根据不同的地质信息对异常速率S进行修正，获取不同地质因素对异常速率S的影响，标记为修正异常速率Sadj；

所述评估决策模块基于获取的修正异常速率Sadj再与结构敏感度函数F进行沉降影响评估，计算不同区域的风险评估值R，并根据风险评估值R判断触发风险预警，当触发风险预警时，通过对不同区域的风险评估值R的统计分析，获取公路整体安全评分Rtotal，并与预设的整体异常评估阈值Tsafe进行对比，获取公路整体异常评估结果，并根据公路整体异常评估结果触发执行措施。