艱險(xiǎn)山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)云平臺(tái)的探討與實(shí)現(xiàn)

袁 焦 王 珣 伏 坤 劉 勇 鄒文露

(中鐵二院工程集團(tuán)有限責(zé)任公司， 成都 610031)

2020年，全國(guó)鐵路營(yíng)業(yè)里程已達(dá)14萬km，中西部路網(wǎng)規(guī)模達(dá)到了9萬km。以成昆、成蘭、川藏鐵路為代表的艱險(xiǎn)山區(qū)鐵路沿線地質(zhì)災(zāi)害具有分散性、破壞力強(qiáng)、高位隱蔽及人工巡查困難等特點(diǎn)，對(duì)鐵路工程建設(shè)及運(yùn)營(yíng)安全提出了嚴(yán)峻的挑戰(zhàn)。在此背景下，基于電子信息技術(shù)研發(fā)的地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警系統(tǒng)正逐漸應(yīng)用于多個(gè)鐵路工程，實(shí)現(xiàn)了對(duì)不良地質(zhì)體的地面、坡體內(nèi)部及周邊環(huán)境的多種物理量(雨量、水位、位移、應(yīng)力、振動(dòng)加速度、氣象等)的自動(dòng)化監(jiān)測(cè)，并結(jié)合專業(yè)預(yù)警模型進(jìn)行綜合應(yīng)用[1]，為鐵路建設(shè)與運(yùn)營(yíng)安全提供了基本保障，在山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)與防治方面取得了初步成效。

隨著物聯(lián)網(wǎng)、遙感技術(shù)、大數(shù)據(jù)、人工智能等新技術(shù)的快速發(fā)展[2]，智能傳感、高分衛(wèi)星遙感、無人機(jī)航測(cè)、智能視頻識(shí)別等多種空-天-地監(jiān)測(cè)新技術(shù)的不斷成熟并投入應(yīng)用[3]，傳統(tǒng)的地質(zhì)災(zāi)害監(jiān)測(cè)數(shù)據(jù)中心在平臺(tái)設(shè)計(jì)規(guī)模、功能與性能上無法有效滿足“全方位、全天候、全要素、全尺度”的業(yè)務(wù)需求，因此迫切需要借助云計(jì)算、大數(shù)據(jù)[4]等技術(shù)手段搭建一個(gè)艱險(xiǎn)山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)云平臺(tái)，從而為山區(qū)鐵路地質(zhì)災(zāi)害風(fēng)險(xiǎn)的早期識(shí)別、綜合監(jiān)測(cè)、預(yù)報(bào)預(yù)警和應(yīng)急搶險(xiǎn)救援服務(wù)等提供重要的技術(shù)支撐，進(jìn)一步提升鐵路防災(zāi)減災(zāi)領(lǐng)域的信息化水平。

1 地質(zhì)災(zāi)害監(jiān)測(cè)中心平臺(tái)業(yè)務(wù)需求

監(jiān)測(cè)中心平臺(tái)作為鐵路地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警系統(tǒng)的核心，是保障業(yè)務(wù)系統(tǒng)快速部署、穩(wěn)定運(yùn)行、監(jiān)測(cè)信息綜合應(yīng)用的基礎(chǔ)平臺(tái)，結(jié)合艱險(xiǎn)山區(qū)鐵路對(duì)地質(zhì)災(zāi)害監(jiān)測(cè)平臺(tái)服務(wù)、應(yīng)急保障的高標(biāo)準(zhǔn)建設(shè)要求，提出如下業(yè)務(wù)需求[5]：

(1)結(jié)合不同災(zāi)害對(duì)象監(jiān)測(cè)的特點(diǎn)和技術(shù)要求，制定功能全面、技術(shù)先進(jìn)、可擴(kuò)展強(qiáng)的云平臺(tái)架構(gòu)方案，建設(shè)統(tǒng)一的IT資源管理平臺(tái)，業(yè)務(wù)系統(tǒng)集中部署，可滿足未來監(jiān)測(cè)業(yè)務(wù)不斷擴(kuò)展的需要。

(2)應(yīng)具有多類型監(jiān)測(cè)技術(shù)的接入能力，建立多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)分布式集群存儲(chǔ)平臺(tái)，解決空-天-地多元監(jiān)測(cè)技術(shù)綜合應(yīng)用中存在數(shù)據(jù)資源分散和信息共享度低等問題，支持對(duì)機(jī)器學(xué)習(xí)、大數(shù)據(jù)分析等新技術(shù)應(yīng)用，改善現(xiàn)有平臺(tái)中數(shù)據(jù)質(zhì)量和利用率偏低、分析評(píng)估能力不足等問題，為災(zāi)害預(yù)警預(yù)報(bào)模型研究與應(yīng)用提供相應(yīng)支撐。

(3)具有豐富的數(shù)據(jù)共享接口和應(yīng)用服務(wù)，提供用戶高并行訪問能力，監(jiān)測(cè)信息、三維GIS與BIM模型融合展示的應(yīng)用需求。

2 監(jiān)測(cè)云平臺(tái)架構(gòu)設(shè)計(jì)

2.1 云平臺(tái)總體架構(gòu)設(shè)計(jì)

國(guó)鐵集團(tuán)規(guī)劃智能高速鐵路技術(shù)框架中明確提出智能建造、智能裝備、智能運(yùn)營(yíng)等三大板塊的技術(shù)構(gòu)成，其中智能裝備的檢測(cè)監(jiān)測(cè)板塊包括了自然災(zāi)害監(jiān)測(cè)與預(yù)警，因此本文充分依托智能高速鐵路技術(shù)體系架構(gòu)，開展地質(zhì)災(zāi)害監(jiān)測(cè)云平臺(tái)總體架構(gòu)設(shè)計(jì)，如圖1所示。

圖1 監(jiān)測(cè)云平臺(tái)總體架構(gòu)圖

在鐵路沿線區(qū)間設(shè)置的大量監(jiān)測(cè)設(shè)備在施工和運(yùn)營(yíng)期分別利用運(yùn)營(yíng)商網(wǎng)絡(luò)和鐵路專網(wǎng)將數(shù)據(jù)傳輸至路局級(jí)地質(zhì)災(zāi)害監(jiān)測(cè)云平臺(tái)進(jìn)行存儲(chǔ)與處理，實(shí)時(shí)發(fā)布預(yù)警與報(bào)警信息。與此同時(shí)，云平臺(tái)利用數(shù)據(jù)接口服務(wù)與國(guó)鐵集團(tuán)建設(shè)數(shù)據(jù)服務(wù)集成平臺(tái)進(jìn)行數(shù)據(jù)交互，將數(shù)據(jù)傳輸至國(guó)鐵集團(tuán)大數(shù)據(jù)平臺(tái)進(jìn)行集中存儲(chǔ)，此外還可利用數(shù)據(jù)接口服務(wù)與周界入侵檢測(cè)、自然災(zāi)害(風(fēng)、雨、雪、地震)監(jiān)測(cè)、環(huán)境智能監(jiān)測(cè)等系統(tǒng)通過控制專網(wǎng)接入，完成數(shù)據(jù)交互。

2.2 云平臺(tái)技術(shù)架構(gòu)設(shè)計(jì)

根據(jù)艱險(xiǎn)山區(qū)鐵路地質(zhì)災(zāi)害類型多、監(jiān)測(cè)技術(shù)手段豐富、數(shù)據(jù)規(guī)模大、業(yè)務(wù)應(yīng)用范圍廣等特點(diǎn)，本文采用分層思想設(shè)計(jì)了功能全面、可擴(kuò)展性強(qiáng)的監(jiān)測(cè)云平臺(tái)總體架構(gòu)，包括虛擬化基礎(chǔ)設(shè)施服務(wù)層(IaaS)、平臺(tái)及數(shù)據(jù)服務(wù)層(PaaS & DaaS)、軟件及應(yīng)用服務(wù)層(SaaS)，云平臺(tái)技術(shù)架構(gòu)設(shè)計(jì)如圖2所示。

圖2 監(jiān)測(cè)云平臺(tái)技術(shù)架構(gòu)圖

在IaaS層，制定虛擬化基礎(chǔ)設(shè)施平臺(tái)部署方案，整合物理機(jī)計(jì)算、存儲(chǔ)和網(wǎng)絡(luò)資源，實(shí)現(xiàn)資源動(dòng)態(tài)分配、集中利用、自動(dòng)管理與靈活擴(kuò)展，為平臺(tái)及數(shù)據(jù)服務(wù)和軟件及應(yīng)用服務(wù)提供基礎(chǔ)保障。

在PaaS & DaaS層，實(shí)現(xiàn)地質(zhì)災(zāi)害監(jiān)測(cè)傳感器數(shù)據(jù)、工程信息等結(jié)構(gòu)化數(shù)據(jù)，腳本/XML/JSON/日志等半結(jié)構(gòu)化數(shù)據(jù)，衛(wèi)星影像/勘察設(shè)計(jì)資料/視頻/GIS模型等非結(jié)構(gòu)化數(shù)據(jù)的統(tǒng)一接入、集中存儲(chǔ)與高效管理，構(gòu)建地質(zhì)災(zāi)害多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)分布式存儲(chǔ)平臺(tái)。

在SaaS層中，圍繞中間件技術(shù)開發(fā)數(shù)據(jù)接入與訪問接口，滿足用戶終端高并發(fā)訪問、負(fù)載均衡等功能，實(shí)現(xiàn)數(shù)據(jù)應(yīng)用定制化服務(wù)；搭建基于Hadoop和Spark框架提供數(shù)據(jù)清洗、關(guān)聯(lián)分析、樣本訓(xùn)練、聚類等算法服務(wù),為開展地質(zhì)災(zāi)害預(yù)警模型研究、數(shù)據(jù)可視化提供平臺(tái)支撐。

2.3 功能架構(gòu)設(shè)計(jì)

監(jiān)測(cè)云平臺(tái)承載著信息匯聚、存儲(chǔ)、訪問、大數(shù)據(jù)分析及災(zāi)害評(píng)估、可視化終端應(yīng)用服務(wù)等重要任務(wù)，本文依據(jù)山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)業(yè)務(wù)要求和相關(guān)規(guī)范標(biāo)準(zhǔn)，開展了監(jiān)測(cè)云平臺(tái)功能設(shè)計(jì)，主要功能架構(gòu)如圖3所示。

圖3 監(jiān)測(cè)云平臺(tái)功能架構(gòu)圖

3 監(jiān)測(cè)云平臺(tái)研發(fā)

3.1 虛擬化基礎(chǔ)設(shè)施集群平臺(tái)搭建

采用基于VMware平臺(tái)[6]的共享存儲(chǔ)與實(shí)時(shí)遷移、資源動(dòng)態(tài)分配、不間斷監(jiān)控與故障切換等技術(shù)搭建虛擬化基礎(chǔ)設(shè)施集群平臺(tái)，將服務(wù)器、網(wǎng)絡(luò)、存儲(chǔ)等硬件資源整合與動(dòng)態(tài)調(diào)配，提高了資源利用率(服務(wù)器的資源利用率提高50%以上)，提升了系統(tǒng)的靈活性和服務(wù)性能，拓?fù)浣Y(jié)構(gòu)如圖4所示。隨著集群平臺(tái)的不斷應(yīng)用，可動(dòng)態(tài)地增加虛擬化集群的規(guī)模，降低了建設(shè)成本，搭建更健康的IT體系架構(gòu)。

圖4 虛擬化基礎(chǔ)設(shè)施集群平臺(tái)拓?fù)浣Y(jié)構(gòu)圖

虛擬化基礎(chǔ)設(shè)施集群平臺(tái)硬件設(shè)備包含服務(wù)器主機(jī)、備份服務(wù)器、視頻云存儲(chǔ)集群主機(jī)、云平臺(tái)管理主機(jī)、視頻分析工作站、存儲(chǔ)設(shè)備、網(wǎng)絡(luò)設(shè)備等，軟件系統(tǒng)由虛擬化平臺(tái)軟件、數(shù)據(jù)庫系統(tǒng)、業(yè)務(wù)應(yīng)用軟件等組成。云平臺(tái)提供外網(wǎng)訪問接口，桌面終端與移動(dòng)終端在施工期間均通過運(yùn)營(yíng)商網(wǎng)絡(luò)與云平臺(tái)實(shí)現(xiàn)數(shù)據(jù)交互，運(yùn)營(yíng)期間桌面終端與移動(dòng)終端通過路局專網(wǎng)無線接入平臺(tái)。

3.2 多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)存儲(chǔ)平臺(tái)研發(fā)

3.2.1 高可用分布式數(shù)據(jù)庫集群

采用開源負(fù)載均衡和中間件技術(shù)將MySQL組織為高可用、高性能的分布式數(shù)據(jù)庫集群平臺(tái)，解決傳統(tǒng)單點(diǎn)數(shù)據(jù)庫并發(fā)訪問壓力大、存儲(chǔ)容量小、單機(jī)性能弱的限制，適應(yīng)于TB級(jí)結(jié)構(gòu)化監(jiān)測(cè)數(shù)據(jù)存儲(chǔ)與高并發(fā)、高速訪問的要求，集群平臺(tái)架構(gòu)如圖5所示。

圖5 高可用分布式數(shù)據(jù)庫集群平臺(tái)架構(gòu)圖

在上述架構(gòu)設(shè)計(jì)中，獨(dú)立的數(shù)據(jù)庫和中間件服務(wù)器無法滿足高性能要求，需借助各集群層級(jí)間相互協(xié)同運(yùn)轉(zhuǎn)來實(shí)現(xiàn)。應(yīng)用邏輯層將用戶請(qǐng)求的讀寫業(yè)務(wù)分離，建立Redis內(nèi)存數(shù)據(jù)庫集群緩存與同步熱點(diǎn)數(shù)據(jù)，滿足快速讀取響應(yīng)要求，寫入請(qǐng)求轉(zhuǎn)發(fā)至訪問分發(fā)調(diào)度層。訪問分發(fā)調(diào)度層通過KeepAlived實(shí)現(xiàn)將虛擬IP映射到HaProxy負(fù)載均衡服務(wù)器的Master節(jié)點(diǎn)和Backup節(jié)點(diǎn)(作為熱備)，實(shí)時(shí)檢測(cè)中間件集群節(jié)點(diǎn)的反饋狀態(tài)，使業(yè)務(wù)請(qǐng)求平均分配至集群的各個(gè)節(jié)點(diǎn)。中間件集群層通過MyCAT中間件技術(shù)實(shí)現(xiàn)業(yè)務(wù)請(qǐng)求讀寫分離、服務(wù)器并行執(zhí)行等任務(wù)。分布式數(shù)據(jù)庫集群層按照先垂直再水平的拆分原則實(shí)現(xiàn)分庫、分區(qū)設(shè)計(jì)。首先根據(jù)不同業(yè)務(wù)進(jìn)行垂直切分，分為靜態(tài)數(shù)據(jù)(工程、設(shè)備、GIS瓦片模型屬性等信息)和動(dòng)態(tài)數(shù)據(jù)(監(jiān)測(cè)值、狀態(tài)、評(píng)估結(jié)果等)存放至不同的數(shù)據(jù)庫中，應(yīng)用通過路由規(guī)則訪問特定的數(shù)據(jù)庫。然后將動(dòng)態(tài)數(shù)據(jù)庫進(jìn)行水平拆分，通過庫內(nèi)分區(qū)、分表和水平分庫的方式將設(shè)備類型按照序號(hào)規(guī)則編碼，實(shí)現(xiàn)將每片數(shù)據(jù)會(huì)分散到不同的MySQL表或庫進(jìn)行分布式存儲(chǔ)。

動(dòng)態(tài)數(shù)據(jù)根據(jù)設(shè)備采樣頻率又分為低頻數(shù)據(jù)與高頻數(shù)據(jù)，低頻數(shù)據(jù)庫集群中單個(gè)數(shù)據(jù)庫節(jié)點(diǎn)計(jì)劃存儲(chǔ)20類設(shè)備，每類設(shè)備500臺(tái)，5年存儲(chǔ)的監(jiān)測(cè)總數(shù)據(jù)量達(dá)35億條。本文以半年為單位設(shè)計(jì)10個(gè)表分區(qū)，每個(gè)分區(qū)表數(shù)據(jù)量為439.2萬條，從而提高了數(shù)據(jù)庫讀寫的執(zhí)行效率。當(dāng)單表設(shè)備數(shù)量超過500臺(tái)或設(shè)備種類超過20類時(shí)，通過增加數(shù)據(jù)庫節(jié)點(diǎn)進(jìn)行分庫處理，實(shí)現(xiàn)數(shù)據(jù)庫集群的水平擴(kuò)展。高頻數(shù)據(jù)庫集群中單個(gè)數(shù)據(jù)庫節(jié)點(diǎn)計(jì)劃存儲(chǔ)5臺(tái)設(shè)備，單日數(shù)據(jù)總量可達(dá) 4 000萬條，除了進(jìn)行庫內(nèi)分區(qū)分表處理外，也進(jìn)行分庫處理。平臺(tái)統(tǒng)一采用數(shù)據(jù)庫集群中間件進(jìn)行分庫管理，通過配置表控制設(shè)備的數(shù)據(jù)存入節(jié)點(diǎn)。地質(zhì)災(zāi)害監(jiān)測(cè)中動(dòng)態(tài)數(shù)據(jù)庫分庫分區(qū)設(shè)計(jì)方案如圖6所示。

圖6 動(dòng)態(tài)數(shù)據(jù)庫集群分庫分區(qū)方案圖

3.2.2 基于FastDFS的瓦片數(shù)據(jù)集群

地質(zhì)災(zāi)害監(jiān)測(cè)中三維模型/傾斜攝影/點(diǎn)云等瓦片數(shù)據(jù)具有單個(gè)文件小(<1 MB)、總計(jì)數(shù)量多(千萬級(jí))、網(wǎng)絡(luò)發(fā)布困難等特點(diǎn)，結(jié)合艱險(xiǎn)山區(qū)鐵路對(duì)三維展示與應(yīng)急搶險(xiǎn)數(shù)據(jù)共享的需求，采用以FastDFS分布式文件系統(tǒng)為后臺(tái)管理，利用負(fù)載均衡、高可用技術(shù)等搭建瓦片數(shù)據(jù)集群存儲(chǔ)平臺(tái)。在此基礎(chǔ)上開發(fā)了基于http協(xié)議瓦片數(shù)據(jù)上傳、下載、刪除、同步斷點(diǎn)續(xù)傳等接口服務(wù)，實(shí)現(xiàn)了瓦片數(shù)據(jù)的高效存儲(chǔ)與訪問，解決了TB級(jí)瓦片數(shù)據(jù)發(fā)布及數(shù)據(jù)共享難題。瓦片文檔數(shù)據(jù)上傳邏輯流程如圖7所示。

圖7 瓦片文檔數(shù)據(jù)上傳邏輯流程圖

3.2.3 基于Hadoop和Spark大數(shù)據(jù)分析與計(jì)算平臺(tái)

隨著空-天-地多源監(jiān)測(cè)技術(shù)的廣泛應(yīng)用于艱險(xiǎn)山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警系統(tǒng)中，遙感衛(wèi)星影像、文檔資料、視頻等非結(jié)構(gòu)化數(shù)據(jù)在監(jiān)測(cè)數(shù)據(jù)中占比急劇增加，而關(guān)系數(shù)據(jù)庫無法滿足對(duì)非結(jié)構(gòu)化數(shù)據(jù)存儲(chǔ)和大數(shù)據(jù)融合分析等應(yīng)用需求，因此采用Hadoop分布式系統(tǒng)架構(gòu)和Spark計(jì)算引擎來構(gòu)建了大數(shù)據(jù)存儲(chǔ)及分析平臺(tái)，為PB級(jí)非結(jié)構(gòu)化數(shù)據(jù)進(jìn)行分布式存儲(chǔ)與高效數(shù)據(jù)挖掘提供服務(wù)。

在虛擬化基礎(chǔ)設(shè)施平臺(tái)中生成20臺(tái)虛擬服務(wù)器組成的大數(shù)據(jù)存儲(chǔ)與分析平臺(tái)，部署方案如圖8所示。其中1臺(tái)Ambari-Server服務(wù)器用于監(jiān)控大數(shù)據(jù)平臺(tái)的運(yùn)行狀態(tài)，19臺(tái)虛擬服務(wù)器用于搭建Hadoop平臺(tái)，包括4臺(tái)主節(jié)點(diǎn)以及15臺(tái)從節(jié)點(diǎn)。在4臺(tái)主節(jié)點(diǎn)上作為分布式文件系統(tǒng)HDFS的NameNode、分布式數(shù)據(jù)庫Hbase的Master和數(shù)據(jù)倉庫Hive的Metastore。15臺(tái)從節(jié)點(diǎn)中，安裝Yarn的ResrouceManager、TimelineService和Registry DNS進(jìn)行資源管理，選擇12臺(tái)從節(jié)點(diǎn)作為Spark集群的從節(jié)點(diǎn)、數(shù)據(jù)節(jié)點(diǎn)DataNode和Zookeeper節(jié)點(diǎn)用來保存和處理非結(jié)構(gòu)化數(shù)據(jù)和應(yīng)用程序協(xié)調(diào)。

圖8 大數(shù)據(jù)存儲(chǔ)及分析平臺(tái)部署方案圖

3.3 服務(wù)集群與可視化應(yīng)用平臺(tái)研發(fā)

3.3.1 數(shù)據(jù)共享接口

受艱險(xiǎn)山區(qū)地勢(shì)高差大、公網(wǎng)覆蓋范圍限制等不利因素影響，地質(zhì)災(zāi)害監(jiān)測(cè)數(shù)據(jù)傳輸常采用專用有線網(wǎng)絡(luò)(現(xiàn)場(chǎng)總線、工業(yè)以太網(wǎng))、無線通信網(wǎng)絡(luò)(LoRa、ZigBee、WiFi、GPRS/4G等)[7]、北斗衛(wèi)星通信等一種或多種混合傳輸方式，因此造成中心平臺(tái)數(shù)據(jù)接口類型復(fù)雜多樣，通信協(xié)議不統(tǒng)一，數(shù)據(jù)完整性難以有效校驗(yàn)，本平臺(tái)設(shè)計(jì)了規(guī)范化數(shù)據(jù)格式和報(bào)文協(xié)議，并采用基于HTTP、SuperSocket、WebService技術(shù)開發(fā)了數(shù)據(jù)共享平臺(tái)，提供多應(yīng)用場(chǎng)景下內(nèi)部與外部系統(tǒng)數(shù)據(jù)交互通道。

3.3.2 數(shù)據(jù)應(yīng)用服務(wù)

針對(duì)監(jiān)測(cè)終端訪問方式數(shù)據(jù)網(wǎng)絡(luò)傳輸性能低、網(wǎng)絡(luò)流量耗損大等難點(diǎn)，采用分布式緩存、負(fù)載均衡調(diào)度、WCF數(shù)據(jù)通信等技術(shù)開發(fā)了高可用的應(yīng)用服務(wù)集群平臺(tái)，實(shí)現(xiàn)數(shù)據(jù)壓縮傳輸、熱點(diǎn)數(shù)據(jù)緩存、雙機(jī)熱備、故障自動(dòng)轉(zhuǎn)移、負(fù)載均衡等功能，滿足用戶對(duì)監(jiān)測(cè)數(shù)據(jù)、文檔、瓦片模型高訪問的需求。

此外，在大數(shù)據(jù)存儲(chǔ)與分析平臺(tái)中通過Sqoop工具實(shí)現(xiàn)了分布式MySQL數(shù)據(jù)庫集群與HDFS文件系統(tǒng)、Hive數(shù)據(jù)倉庫進(jìn)行數(shù)據(jù)互通，利用Spark框架豐富的算法為數(shù)據(jù)融合、異常數(shù)據(jù)清洗、聚類分析、預(yù)警模型研究、數(shù)據(jù)可視化等業(yè)務(wù)提供服務(wù)。

3.3.3 多場(chǎng)景終端應(yīng)用服務(wù)

利用云平臺(tái)靈活的擴(kuò)展能力將已建業(yè)務(wù)應(yīng)用優(yōu)化整合，新增功能定制化設(shè)計(jì)，實(shí)現(xiàn)了監(jiān)測(cè)數(shù)據(jù)實(shí)時(shí)更新、三維模型與GIS信息深度融合、視頻集中遠(yuǎn)程存取、智能圖像識(shí)別服務(wù)、移動(dòng)終端預(yù)警/報(bào)警消息主動(dòng)推送等應(yīng)用服務(wù)，此外基于開源可視化組件開發(fā)多樣化圖表展示后臺(tái)數(shù)據(jù)處理接口，為前端數(shù)據(jù)可視化提供服務(wù)，逐步提升桌面應(yīng)用與移動(dòng)應(yīng)用用戶體驗(yàn)，實(shí)現(xiàn)地質(zhì)災(zāi)害監(jiān)測(cè)預(yù)警精細(xì)化、智能化管理。

4 工程應(yīng)用

成昆鐵路K 310山體崩塌災(zāi)害采用了傳感器(雨量計(jì)、裂縫計(jì))監(jiān)測(cè)、北斗變形監(jiān)測(cè)、無人機(jī)傾斜攝影測(cè)量、視頻監(jiān)控、地基雷達(dá)變形監(jiān)測(cè)等多種技術(shù)手段，構(gòu)建了多維度立體的監(jiān)測(cè)體系。應(yīng)用地質(zhì)災(zāi)害監(jiān)測(cè)云平臺(tái)將工程信息、三維GIS、監(jiān)測(cè)數(shù)據(jù)、視頻等集中存儲(chǔ)與管理，實(shí)現(xiàn)了多源監(jiān)測(cè)信息通過時(shí)間、空間維度進(jìn)行深度融合和智能化應(yīng)用。在搶險(xiǎn)救援期間，通過云平臺(tái)及時(shí)遠(yuǎn)程發(fā)布三維傾斜攝影實(shí)景模型，為制定救援方案和坡體整治方案提供輔助；在施工整治期，通過該平臺(tái)具有雨量感知自動(dòng)變頻、報(bào)警視頻聯(lián)動(dòng)、突發(fā)變形主動(dòng)報(bào)警、分級(jí)預(yù)警判定等功能，實(shí)現(xiàn)災(zāi)前預(yù)警與災(zāi)后報(bào)警信息快速推送，經(jīng)現(xiàn)場(chǎng)測(cè)試驗(yàn)證，報(bào)警延遲小于2 s，有效保障了施工人員作業(yè)安全；臨時(shí)開通期，平臺(tái)接入北斗變形監(jiān)測(cè)與雷達(dá)定點(diǎn)高精度變形監(jiān)測(cè)，提供7×24 h不間斷監(jiān)測(cè)與評(píng)估服務(wù)，保障了鐵路運(yùn)營(yíng)安全。此外與相關(guān)單位共同制定應(yīng)急響應(yīng)機(jī)制及管理流程，形成了“管理-監(jiān)測(cè)-評(píng)估-決策”于一體的地質(zhì)災(zāi)害監(jiān)控技術(shù)體系和示范系統(tǒng)。

5 結(jié)論

本文結(jié)合山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)的特點(diǎn)和業(yè)務(wù)需求，通過對(duì)云計(jì)算、分布式存儲(chǔ)、大數(shù)據(jù)等技術(shù)深入研究與應(yīng)用，得出以下結(jié)論：

(1)設(shè)計(jì)了集虛擬化基礎(chǔ)設(shè)施服務(wù)、平臺(tái)及數(shù)據(jù)服務(wù)、軟件及應(yīng)用服務(wù)于一體的監(jiān)測(cè)云平臺(tái)總體架構(gòu)。

(2)重點(diǎn)研究了多源異構(gòu)監(jiān)測(cè)數(shù)據(jù)高效存儲(chǔ)與訪問、分布式數(shù)據(jù)庫集群與應(yīng)用服務(wù)集群、多維信息融合展示技術(shù)，實(shí)現(xiàn)了艱險(xiǎn)山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)云平臺(tái)的搭建。

(3)平臺(tái)具有功能全面、擴(kuò)展性強(qiáng)、資源利用率高、維護(hù)便捷等特點(diǎn)，通過在成蘭、成昆鐵路等地質(zhì)災(zāi)害監(jiān)測(cè)系統(tǒng)中成功應(yīng)用，驗(yàn)證其具備支撐大規(guī)模地質(zhì)災(zāi)害及基礎(chǔ)設(shè)施監(jiān)測(cè)預(yù)警系統(tǒng)部署能力。

未來將圍繞該平臺(tái)持續(xù)進(jìn)行深入研發(fā)與應(yīng)用，可有效提升艱險(xiǎn)山區(qū)鐵路地質(zhì)災(zāi)害監(jiān)測(cè)信息管理、災(zāi)害隱患分析等技術(shù)能力[8]，推動(dòng)更專業(yè)、更系統(tǒng)地進(jìn)行地質(zhì)災(zāi)害監(jiān)測(cè)評(píng)價(jià)體系和行業(yè)標(biāo)準(zhǔn)研究。