邊坡智能化監測預警系統設計方案

曾兆寧 李彥霄

（成都工業學院，四川 成都 611730）

0 引言

地質災害涉及復雜的地質條件、地理環境、地質運動等因素，具有氣候時空差異大、隱匿性強、分布廣泛、危害性強、破壞性大等特點。由于自然事件和人類社會活動的協同影響，尤其是近些年來經濟社會和城鎮的迅猛發展，具有高破壞性的地質災害頻繁發生，這對社會經濟高質量發展和人民生命財產安全產生巨大的沖擊和損害，并直接危害到人類賴以生存的自然環境。近年來，我國經濟快速發展，人口密度迅速提高，每一次地質災害的爆發總會給受災地區造成巨大的人員傷亡和財產損失。因此，建立一體化的監測、預警和風險評估系統，對易發生地質災害的地區進行持續的監測、預警和風險評估，具有較高的實際應用價值。

隨著技術的發展，傳統的地表位移監測儀器，如經緯儀、水準儀、光電測距儀、全站儀、GPS監測、攝影、紅外遙感和激光掃描[1]等，也逐漸得到了新的應用。目前，通信和物聯網技術是建立高效的地質災害遠程監測系統的關鍵。但現階段的邊坡監測手段大部分還是人為監測、觀察預測，小部分采用儀器監測。人為監測手段存在著很大的弊端，例如監測誤差大、監測數據少、監測范圍覆蓋面小等問題，故監測方式由傳統監測向智能化監測轉變迫在眉睫。以各類儀器為主的監測手段雖能很大程度上消除人為監測所帶來的弊端，并且能基本做到準確、及時，但也存在著應用范圍不廣、數據傳輸速度慢等不足。本文介紹基于5G物聯網技術的邊坡監測預警系統，該系統通過現場布置的GNSS設備和各種物聯網傳感器，監測地面三維位移、降雨、地面裂縫等重要指標，運用5G通信技術傳輸關鍵監測數據，并通過先進的數據可視化技術進行顯示。

1 邊坡監測預警技術現狀和發展趨勢

1.1 邊坡監測預警技術現狀

從應急管理部最新公布的全國滑坡日發生概率模擬圖來看，山體滑坡、邊坡失穩等自然災害在我國十分常見。邊坡監測預警最早開始于20世紀70年代的露天礦山，主要采用人工實地勘測，由公共部門根據降雨標準發出，該標準假定發生邊坡災害的可能性受降雨強度控制。因此，諸多地方都在實行基于降雨的預警，但也存在一個可能的缺點，降雨標準未考慮到當地地質、地形和人類活動的影響，無法得到較為精確的數據，具有較大的局限性。邊坡災害的發生是一個動態變化的過程，因此，有必要利用現代科學技術、信息技術和多學科協作來輔助研究，對數據進行分析從而判斷是否發出預警信號。

1.2 邊坡監測預警技術發展趨勢

進入21世紀，邊坡監測技術得到了快速發展，監測技術已由過去的人工皮尺監測過渡到儀器監測，并向自動化、高精度的遙測系統發展[2]。

隨著互聯網的不斷發展，監測的范圍更大，監測的內容由位移監測拓寬到應力應變、動力因素和地質環境監測。21世紀初，世界各國科研人員競相研發了以光纖監測為代表的邊坡變形監測儀器，邊坡監測技術又出現了日新月異的進步，朝著自動化、高精度化等方向發展[4]。隨著通信技術、北斗技術、遙感遙測技術、自動化技術和計算機技術的發展[5]，監測的效率和精度得到了很大的提升。目前，隨著人工智能的飛速發展，邊坡災害預警技術定會向智能化邁進。

2 傳統與智能化邊坡監測技術對比

2.1 傳統邊坡監測技術的局限性

傳統的邊坡監測技術最大的局限在于監測工作是由人工定期或不定期用傳統測量儀器進行實地測量。測量儀器質量大，測量工作單調繁冗，人工成本相對較高，且受天氣、現場條件[3]等諸多因素制約，人為因素影響誤差也較大。由于人工監測不能持續地對邊坡進行有效監測預警，因此時常發生預警滯后而導致的安全事故。傳統技術需要人工定期到現場進行數據采集，工作量大，檢測的準確性不夠，且無法在極端氣候條件下采集數據。在暴雨、地震等極端情況下，現場實測會嚴重威脅到監測人員的生命安全。此外，傳感元件，如電阻應變計式、電感式傳感器和鋼弦式傳感器等，普遍存在尺寸較大、抗干擾性及穩定性較差和易發生零點漂移等不足，以至于無法得到較為精確的數據。

目前我國在邊坡監測方面開始由過去的簡易工具、人工為主開始走向監測的自動化、精密化，常用的主要監測方式有人為監測、儀器監測等，但此類監測方法存在較多的不足之處：

（1）工作量繁重，依靠人工野外記錄數據，存在安全隱患；

（2）監測數據存在一定滯后，無法獲得實時數據；

（3）易受外界因素影響，如環境，氣候等；

（4）監測設備較為昂貴，容易損壞，設備供電不足，無法及時獲取數據；

（5）每個邊坡的坡度、形狀、土體類型等都是不同的，企圖用一個臨界值去預警該范圍內的所有滑坡具有偶然性。

2.2 智能化邊坡監測技術的優勢

基于互聯網及現代技術的發展，滿足工程動態化設計與信息化施工的要求，智能化監測預警系統將多個軟、硬件之間的信息傳輸與交互相結合，打造一個集數據采集、分析、傳輸為一體的平臺，避免了信息缺失、數據格式不兼容等問題。大數據技術、虛擬現實技術、人工智能的加入提高了數據的準確性，監測設備價格合理，監測采集裝置便攜易安裝。智能化邊坡監測技術具有以下優勢：

（1）及時性：24h無間斷實時監測，通過5G反饋并發送實時數據；

（2）精準性：預警模型的預警對象是一個較大的區域范圍，靠檢測儀器精準收集邊坡的各項數據，將數據傳到云平臺能準確判斷預警等級，且對災后分析有一定的幫助；

（3）安全性：利用設備云監測，保障監測人員人身安全，通過預警平臺實時發布預警信息，避免受災；

（4）穩定性：利用傳統電網以及太陽能供電，保證實時全自動供電。在惡劣天氣，災害易發生區域，依然能夠保持高效監測的工作狀況，保證了數據的穩定性。

傳統邊坡監測技術與智能化邊坡監測技術對比見圖1所示。

圖1 邊坡監測技術對比圖

3 智能化監測預警系統設計方案

智能化監測預警系統的監測端設備首先通過智能傳感器進行數據的采集，然后通過北斗報文通信技術或者4G/5G將數據發送到數據中心，實現數據的實時接入，隨后在數據中心對數據進行轉化、存儲、分析、可視化等處理，通過分析監測對象的變形值、變形速率、變形過程、形變特征等，獲取到邊坡運動規律，進一步對邊坡穩定性做出推斷，進而實現滑坡預警。

3.1 滑坡監測預警系統總體框架設計

3.1.1 系統構成

本邊坡智能監測預警系統設計部分主要包含：數據采集子系統、數據傳輸子系統、數據處理子系統、數據發布子系統[6]。系統總體設計構成如圖2所示。

圖2 系統構成

3.1.2 數據采集子系統

數據采集：采用測縫儀、GNSS、測斜儀、鋼筋計、錨索測力計、結合雨量計、降雨量監測器、位移傳感器采集相關數據，可以對邊坡裂縫開合度、邊坡水平位移和垂直位移以及降雨量、含水率、巖土沉降等進行綜合監測。

3.1.3 數據傳輸子系統

通過光纖傳輸將數據傳輸到中央控制系統；利用數據采集層采集到的數據，將監測數據通過5G、4G與北斗集成設備，實現4、5代通信技術與北斗的雙通道通信。當通信中斷時，可以使用北斗通信，保證數據穩定傳輸。

3.1.4 數據處理子系統

網絡層云平臺將接收到的數據傳輸給云服務中心和云數據庫，用于獲取開發App的后臺數據。系統對采集到的信息進行管理和分析，生成動態預警分析數據，并可視化顯示預警結果，數據超過預警閾值時，會自動發出預警提示信息。

3.1.5 數據發布子系統

邊坡穩定狀態監測數據可通過預警小程序、及時廣播、車載廣播、網頁、app、短信等方式發布。相關預警監測人員可通過智能手機登錄網絡或獲取相關數據，快速確定邊坡的穩定狀態，進一步增強預警的時效性。此預警系統的使用對保障人民生命財產安全具有重要意義，通過數據的不斷收集，建立一套有效的邊坡預警模型，進而訓練出一套高準確性的人工智能算法，從而提高預警系統的準確性。

3.2 監測預警系統硬件架構設計

硬件設備用于完成數據的采集，是確保監測預警系統穩定、準確運行的基礎。如圖5所示，系統的結構由采集、供電、傳輸等單元組成；采集單元則包括位移計、測斜計、雨量計、滲壓計等智能傳感器；供電單元由太陽能電池板、電壓轉換電路、外部供電線路、儲能電池組成，給整個設備供電；傳輸單元由串口電路和網絡通訊模塊組成，能有效地將終端與云服務器相連。

3.3 監測預警系統軟件架構設計

軟件平臺作為地質滑坡監測預警系統的數據中心，可以完成數據轉化、存儲、分析、可視化等，由服務端軟件、數據庫以及智能監測管理平臺三部分組成。管理員可以操作Web端軟件實現數據可視化以及對智能監測平臺進行管理，同時監測人員可以通過PC、Android、IOS端進行數據的分析與管理。大數據中心主要用于存儲實時采集的數據，包含對數據的接收、保存、分析，并通過通訊端口將數據發送至云端處理中心，經過處理后存儲入庫，若達到預警閾值則向用戶端發送預警信息從而實現數據的可視化。

3.4 監測預警系統評價模型建立

由于邊坡巖土體的不均質性和各向異性，建立具有代表性和針對性的邊坡預警評價模型將對監測預警系統的功能實現有著直接的關系，隨著計算機技術及以BIM為核心理念的三維數字化設計技術和三維協同理念的出現[7]，給邊坡工程設計效率和質量提供了新的驅動力。此預警系統建立了典型邊坡工程案例數據庫，根據不同邊坡的地質特征，建立三維模型，將邊坡數據賦予3D模型，將模型傳入大數據庫進行精細化分析，同時還提出了基于神經網絡的滑坡安全評價模型，以實現對滑坡監測數據進行實時更新，最后根據監測數據模型評估邊坡安全性的目的。

4 結束語

邊坡智能監測預警系統的搭建，將為邊坡災害防治提供技術支持，彌補傳統監測技術的不足，實現災害自動化預警，提升災害風險防控預警能力和災害防治水平，保證邊坡預警工作順利開展，保障偏遠山區人民生命財產安全。本文提出的這套結合北斗系統的邊坡監測預警系統，將大大提高邊坡災情管理、監測的效率，后續還可從以下方面進行深入探究：

（1）在現代物聯網技術的充分加持下，邊坡監測技術將向著更加智能化、系統化、自動化、多元化的方向發展，以實現智慧邊坡預警，實現對邊坡數據的精益化控制是未來的發展重心；

（2）隨著人工智能的發展，預警系統需要探究監測點布局模型，深入分析、挖掘數據的特異性，形成人工神經元算法，可以為山區基礎設施建設提供安全保障并為我國防災體系提供技術支持，具有廣闊的應用前景。