建筑變形監測信息自動化采集與集成化管理系統關鍵技術研究

李重陽 楊永興 陳緒軍 鄒漢林 史曉飛

(建設綜合勘察研究設計院有限公司， 北京 100007)

0 引言

建筑物變形監測作為建筑工程安全施工的保證，對建筑物安全、運營維護起著重要作用。建設工程變形監測具有周期性、監測時間長、監測點多，監測數據量大等特點[1]，對變形監測信息的自動化采集與數據管理分析就顯得十分重要[2]。一些建設工程在安全監測過程中仍存在變形監測信息化管理不完善、安全運營過程中變形監測方法陳舊單一、監測數據準確性與實時性難以保證等實際問題。隨著信息化、數字化監測設備的逐漸普及以及各種變形監測技術的不斷更新，構建一個能夠實現對城市建筑物的變形信息進行自動化采集與管理的信息系統成了今后這一領域發展的必然趨勢[2]。本文研究目的為提高建筑變形監測管理水平和為工程安全提供可靠性保障，對變形監測中的關鍵技術進行研究，研發自動化采集與集成化管理服務平臺，實現多源監測數據的實時處理、綜合分析、成果輸出及科學的實時預警，提高自動化監測質量及效率。

1 技術框架研究

1.1 關鍵技術內容

1.1.1監測信息自動化采集關鍵技術研究

依人工數據采集及自動化數據采集場景差異，分為測量機器人自動化監測采集技術、多源傳感器數據自動化采集技術和人工智能手簿采集技術。

1.1.2 構建信息化管理服務平臺與應用技術研究

平臺開發，分為兩部分，一部分負責與硬件交互，完善數據采集功能；另一部分負責數據采集后的環節，包括項目管理、數據處理、數據分析、安全預警、報表、流程、權限等諸多功能模塊。

1.2 總體技術框架

以法律法規、政策文件和技術規范為工作依據，主要分為三個層面，一是變形信息采集層，二是監測數據管理層，三是集成化服務層。可以應用的監測對象包括了建筑物、構筑物、地下管廊、地鐵等市政實施以及古塔、歷史建筑等文化遺產。主要為政府機關、房地產部門、工程建設總包單位、施工單位、第三方監測單位、文物管理單位和文物修繕施工單位等提供監測服務。總體技術框架如圖1所示。

圖1 總體技術框架

2 監測信息自動化采集技術

常規變形監測受到多種因素的影響，一般無法做到實時上傳數據，監測周期無法反映某個時間段的完整變化，發生危險時不能得到及時的反應等，這些往往會錯過危害發生的第一時間，造成的后果更為嚴重[5]。本文自動化采集技術就可以彌補這方面的缺陷，按采集方式不同可分為三類：測量機器人智能監測自動化采集技術、智能觀測手簿和APP自動化采集技術、智能采集終端自動化采集技術。

2.1 測量機器人智能監測自動化采集技術

在變形監測項目中，全站儀因其操作簡便、獲取數據多樣、測量精度高而被廣泛采用。比如，在基坑變形監測中，通常采用一臺或多臺全站儀實現對基坑內多個位移監測點的監測；在隧道變形監測中，由于隧道細長的特性，采用兩臺全站儀邊角網平差的方法對軌道各個監測點進行監測。

傳統的人工觀測，僅使用了全站儀的測量特性。實際運用中，需要人工設站，然后逐一測量監測點。所采集的數據，存在全站儀中，需要事后內業處理測量數據。數據有問題，現場無法發現，需要不斷返工復測。如何發揮測量機器人馬達控制優勢，行業內提出了多種解決方案。歸結起來兩套方案，一個是在全站儀本身系統上開發機載軟件，另外一個是開發一個外部監測終端來控制全站儀旋轉測量。

本文研發了智能監測邊緣網關QimMoS，解決了測量機器人遠程控制、自動化數據采集及數據預處理等技術難題，研制出了數據采集手簿及自動化數據采集終端，兼容大部分測量機器人，并著重于對測量機器人的控制及測量方法的兼容，涵蓋極坐標、多測回測角、單點小角法、視準線法等常用測量方法。同時，測量結果通過API形式調用平差方法，解算生成結果及平差報告。此外，擁有12～14V 40W的可變電源輸出，保證不同型號測量機器人的用電安全，實現監測間隙測量機器人處于不帶電狀態。

2.2 智能觀測手簿和采集APP自動化采集技術

在野外測量工作當中，傳統的方法是將觀測數據記錄在紙質的測量手簿上，傳統的紙質記錄不利于高效率進行內業計算機平差，而使用電子手簿無疑是實現內外業一體化的重要方法[6]。本文智能觀測手簿和APP自動化采集適用于人工、半自動化數據采集場景，分為人工數據智能觀測手簿QimHand硬件和智能數據采集APP。

本文一站式手持數據采集終端技術可以很好地解決人工監測的弊端。該技術需要監測現場通過4G/5G網絡的方式與服務器進行控制信息和觀測數據的信息交換，根據現場終端的功能特征，分為兩種實現方式。一種實現方式是現場使用透明的數據傳輸鏈路，將測量機器人以及其他傳感器的串口數據虛擬到服務器串口上，對于服務器軟件來說，監測現場的測量機器人就好像直連在服務器串口上一樣。另一種實現方式是監測現場的終端通過內置嵌入式程序，人工干預，半自動化將測量機器人和其他串口設備的傳感器數據采集，并進行數據處理的過程，最后將數據實時傳輸到服務器端。本文采用第二種實現方式的硬件終端，研發了人工數據智能觀測手簿QimHand硬件、智能數據采集APP，目的就是打破對長數據鏈路的依賴，提高系統整體的可靠性。同時，一站式數據采集，兼容所有安全監測現場設備，極大地提高現場作業效率。

2.3 智能采集終端自動化采集技術

智能采集終端定位為自動化傳感器數據采集設備，采用智能物聯網設計，兼容485/232、振弦傳感器數據采集，采集到的數據通過TCP、MQTT等多協議上傳至服務器，同時支持服務器下發控制指令，配置采集頻率，如表1所示。

表1 智能采集終端技術指標

隨著物聯網技術的發展，建筑變形監測項目越來越多地使用上了監測傳感器，但是傳感器類型較多，傳感器采集終端面臨著不同的傳感器廠家協議不互通、傳感器結果數據計算方法不同、各廠家采集終端無法兼容等問題。本文智能采集終端設計之初，拋棄了采集終端通過運算生成結果數據的設計思路，精簡采集終端功能，只負責原始數據采集，這樣化繁為簡，一方面支持幾乎所有廠家傳感器的數據采集，另一方面，節約硬件成本。原始數據采集回來后，為讓不同廠家的原始數據能轉化為結果數據。在平臺上，特地設置了針對不同類型傳感器的解析指令配置。這樣，一款兼容所有傳感器的數據采集終端便應運而生。同時，工業級三防及接口設計，讓該設備穩定運行于野外工作環境。

本文研制智能采集終端(圖2)基于物聯網、5G等通信技術，兼容485/232、振弦傳感器數據，通過TCP、MQTT等多協議上傳至服務器。可適應于水位計、測斜儀、錨索計等傳感器的數據自動采集和實時上傳。

圖2 智能采集終端

3 構建集成化管理服務平臺

3.1 平臺主要構成

自動化采集與集成化服務平臺主要構成如圖3所示。

3.2 監測數據智能分析功能

3.2.1基準點穩定性分析

在部分工程應用場景中，基準點不可避免地受到變形區影響而發生位移。這將直接導致監測結果發生錯誤。若基準點的位移融合在監測點自身正常變化之中，則難以發現和剔除。通常需要定期做基準點復核來判斷基準點的穩定性。如何及時發現基準點變動，提高基準點復核效率，從而提高監測結果整體質量，一直以來，都是業內難點。在該問題上，本文采用以下幾個分析手段，為基準點穩定性分析提供參考依據。

圖3 服務平臺構成圖

(1)提取平差結果改正數，配合全站儀測角與測距精度計算的控制點測量誤差，間接反映基準點穩定性。

(2)基準點多邊形相似性。即便測站變動，未發生變化的基準點，在多期測量結果中，必定呈現相似性。根據當期全站儀測量水平角、垂直角及斜距，假定一個測站坐標，反算各基準點坐標。組成的多邊形與上期同方法多邊形對比，直觀反映基準點穩定性。

(3)基準點之間距離固定不變。未發生變化的基準點，在多期測量中，基準點之間的距離是固定不變的。同上，假定一個測站坐標，根據測量原始數據，反算基準點之間的距離。考慮全站儀本次測量精度，多期對比，來發現當期基準點變動情況。

3.2.2多源數據融合分析評估工程安全

建設工程變形監測測項繁多，單一數據分析往往無法提供足夠信息。本系統引入多元數據融合分析技術，歸集不同測項關聯信息，統一表達分析。本系統多源數據融合，主要兩個維度。一個是多類型傳感器，這里涵蓋全站儀、水準儀、測斜儀、水位計、錨索計等諸多常見傳感器；另一個維度是自動化與人工數據融合。其中，不同傳感器(包括全站儀、水準儀)應用于不同測項。比如全站儀同時采集沉降與位移數據，沉降與位移點的關聯問題。斷面(剖面)分析中，一個斷面涵蓋多個測項不同傳感器采集的數據。周邊建筑物沉降對基坑的影響分析也往往涵蓋多個測項數據的融合分析。要想獲得有效信息，單一數據分析已經無法滿足需求。本平臺通過配置不同測點之間的關聯關系，來達到數據分析時的信息歸集，極大地提高數據分析效率，為數據決策提供有力保障。自動化與人工數據融合。隨著建設工程智能化程度的不斷提升，智能傳感設備應用越來越多，自動化數據采集占比也越來越大。然而，傳統人工監測數據仍然占據主體。現代建設工程數據采集中，往往人工為主，自動化為輔。自動化數據因無人工參與，數據量大，數據質量也參差不齊。自動化與人工數據如何統一匯算是行業內一大難題。行業內常見的監測平臺，往往強行拆分人工與自動化數據，避開這一問題。該方法實際上治標不治本，數據利用率低，數據分析及成果總結仍舊以人工數據為準，最終導致自動化數據淪為無效數據。而本平臺，這一問題上采用以下三個措施，有效實現自動化人工數據的無縫對接。

(1)自動化數據濾波，解決自動化數據參差不齊問題。

(2)配置自動化數據提取周期。自動化數據量大，通過配置數據提取周期，在一個周期范圍內的數據，經過濾波后取均值的方法統一自動化人工數據周期問題。

(3)自動化設備與人工配置測點綁定。該措施直接將自動化上傳數據歸算到人工配置測點上，上傳后的數據與人工數據應用同樣的數據處理與分析邏輯，真正達到自動化與人工數據融合。

3.2.3變形趨勢預測與智能預警

傳統建設工程項目實施過程中，結構物變形呈現出趨勢性。如能提前預測并及時預警，則能有效減少事故發生概率。建筑變形監測數據處理系統軟件的主要功能是處理建筑變形監測數據，并進行預報分析，為監測對象的安全評估提供參考性建議[4]。

線性回歸，在原有數據基礎上，通過線性擬合，預測下一周期數據。卡爾曼濾波，對數據進行平滑處理，同時預測下一周期數據。神經網絡，通過對已有數據進行機器學習，預測出后續數據趨勢。實驗表明，在數據量樣本較少的情況下，線性回歸預測效果優于卡爾曼濾波及神經網絡。而在數據樣本較大的情況下，神經網絡預測效果最優。

本系統基于神經網絡算法建立工程結構變形預測模型。采用規范學習、理論研究、編程設計、實際工程試驗相結合的方法，以提煉出一套基于神經網絡的建設工程結構變形預測模型為目的。根據研究目的，系統學習相關測量規范及神經網絡算法，查閱相關資料，深入研究建設工程結構物變形影響因素極其特性，在此基礎上，結合計算機編程技術，綜合提煉，形成基于神經網絡的建設工程結構變形預測模型，編程實現，并實際工程實驗測試。

3.3 監測業務全流程信息化管理功能

針對建設工程變形管理水平相對滯后、信息化應用程度較低、智能決策支持能力較弱的現狀，本文在傳統建設工程基礎上，融合智能傳感及物聯技術、大數據、分布式存儲、人工智能數據預測等新一代信息技術，實現了建設工程智慧管理功能。

3.3.1多角色混合管理

針對不同角色開放頁面按鈕級別的權限控制。管理員通過簡單配置，即可滿足多角色項目管理需求，使得建設工程各參與方都可以實時掌握現場變形情況，在我院承接的項目中為業主提供更多的增值服務，項真正實現建設工程信息管理的“千人千面”。

3.3.2數據溯源

本系統強調數據全生命周期管理，采用簡化的類似區塊鏈技術。數據采集時間、地點、儀器、誰采集、誰檢核、誰上傳、誰處理、誰審批、誰入庫均詳細記錄。數據分布式存儲，原始數據、結果數據、日、周、月、總結報告、審批信息分開存儲，同時賦予數據之間的關聯關系，形成數據閉環。分布式存儲，解除不同數據之間的耦合關系，一個功能模塊出現問題，不影響其他功能模塊，極大地提高整個系統穩定性。平臺數據展示時，直接根據數據之間的關聯關系，抽取數據相關信息，集中展示分析。

3.3.3數據歸集與穿透

本系統依托建設規范，融合大數據技術，抽取工程、測項、測點等層級關鍵變量，集中展示，輔助項目評價及決策。同時，開放多維度數據穿透，關聯一條數據的一生及相關測點、測項、工程的多維數據。系統具備強大的文檔數據歸檔功能，與項目相關的方案、電子圖紙、原始數據、平差報告、結果數據、日、周、月、總結報告等按照規則和流程自動歸檔。

3.3.4設備管理自動化

以往設備管理在辦公平臺中，只對設備借、還進行簡單管理，并不能和監測業務相關聯，忽略了儀器設備精度、標定系數、檢定有效期等屬性。本系統針對這些問題，研發了設備管理自動化功能，可以在監測項目中按照規范限定選擇符合精度指標的儀器設備，只能使用在檢定有效期內的儀器設備。還可自動帶入儀器精度或標定系統進行數據自動處理，大大提高了數據處理的自動化和準確性。

4 工程實踐

本文通過基坑監測、地下管廊監測、地下工程監測和文物建筑監測等工程實踐監測，引入測量機器人自動化數據在線采集技術、物聯網連接平臺互聯互通技術、多源數據融合分析以及監測數據集成管理服務，達到了對建筑結構的安全性及建筑場地的穩定性作出評估的目標，顯著提高了工作效率，如表2所示。

表2 傳統人工監測與本文系統自動化監測工效比

5 結束語

本文針對建筑工程變形自動化采集和集成化管理的需求，利用多源傳感器及智能采集終端實現了建筑變形監測數據自動采集、傳輸。研發了基于物聯網和移動互聯網的建筑變形監測信息自動化采集與集成化管理服務平臺，實現了監測數據智能處理分析及管理，提高了工作效率。本系統應用至今，尚存在不足，一是本系統目前基于儀器設備獲取的數據并結合現場巡檢和工況輔助，來判斷建設工程變形以及變形產生的原因，相對片面；二是目前監測設備價格昂貴，出于成本控制考慮采用自動化監測方法的項目占比不到10%。下一步，在建設工程變形和變形原因分析上，納入巖土、水文等數據，增強數據融合能力，從點到面再到體，進一步深化數據分析。