GNSS+GIS远程滑坡实时监测系统方案设计

2018-06-04肖海平陈兰兰郭广礼刘小生何琦敏

测绘通报 2018年5期

肖海平，陈兰兰，郭广礼，刘小生，何琦敏

(1. 江西理工大学，江西赣州 341000； 2. 中国矿业大学，江苏徐州 221116)

随着矿山企业的不断开采，我国出现了大量的高陡露天边坡，受到多种要素的影响，给人民带来了巨大的生命财产安全隐患。逐步消除露天矿山边坡事故隐患，防止与杜绝矿区应急灾害事故，推动能源安全开采的新局势，开展远程滑坡实时监测预警系统的研究，可以为矿山的安全生产、边坡治理、滑坡地质灾害预警等提供技术支持和保障，不仅具有理论价值，而且在实际中具有广阔的应用前景。

传统的边坡监测技术主要以全站仪测量与摄影测量模式为主[1]，全球导航卫星系统定位(global navigation satellite system,GNSS)作为现代成熟的变形监测技术，已广泛应用于山体滑坡等变形监测中，并且作为防灾减灾的主要手段之一，显著提高了社会和经济效益[1]。随着近年来空间信息科学的发展，以全球导航卫星系统与GIS为代表的集成技术，为边坡安全监测系统的研究提供了有力的支撑[2]。文献[3]提出了一种基于ArcGIS Server平台，以SQL Server数据库为支撑，设计的一款实时滑坡网络监测系统，拓展了传统本地计算机的表格形式数据分析方式，但没有将卫星导航数据结合到一起，可靠性与精度还有待提升。郭承燕[4]等借助WEB-GIS技术，开发了南京市滑坡灾害预报信息共享平台，为城市提供了参考，但相应的灾害预测模型主要针对的区域为城市，模型适用性较差，有时造成不必要的恐慌和资源浪费问题。王威[5]等以滑坡监测为研究背景，设计了一套三维GIS滑坡预警系统与地质体模型，提高了滑坡灾害的预警快速性与响应性，但由于没有将外界环境、工程活动、物理参数及稳定性关联起来，使得实际应用中还存在局限性。

本文提出一套以GNSS数据采集技术为监测手段、利用远程数据传输技术和GIS平台的信息化远程监测预警系统，实现了GNSS定位、互联网无线通信传输、GIS可视化操作等多种功能。它不仅可以实行远程实时监测，并且监测信息能够长期一体化集中管理，以便用户随时、高响应地查询信息，而且还可以对变形体进行及时准确的预测，为降低灾害事故提供科学依据，指导工程施工。

1 系统结构设计

一般而言，基于导航卫星系统和GIS的集成方式可分为如下3种：基于数据的集成(data-focused integration)、基于空间位置的集成(position-focused integration)和基于技术的集成(technology-focused integration)[6]。

鉴于基于技术集成方式借助GIS的强大信息可视化与空间分析功能，并结合GNSS数据控制能力，在兼容的开发环境中形成浑然一体的诸多优势。本文对互联通信协议的解译技术和数据采集与信息处理理论方法进行研究，设计并研发了以GIS应用程序为基础的GNSS数据自动处理系统。

系统的集成结构由GNSS数据接收与处理装置、数据转发中心和GIS数据分析与研究平台3部分组成：首先通过接收的多卫星星历数据进行融合解算，然后接收装置通过GPRS、SMS网络传输上传至数据转发服务中心，最后中心依据TCP/IP、HTTP等通信协议发送至客户端，进行GIS的数据处理分析，其结构模型如图1所示。

图1 GNSS+GIS集成模型

2 系统功能设计

2.1 研发平台

系统开发工具:本系统拟采用基于微软Visual Studio 2012编译工具，编程语言为C#4.0，环境为.NET Framework 4.5，编程方式简单，具有较好的灵活性和兼容性。

GIS开发平台:采用的是基于ArcEngine 10.2的组件式二次开发技术，配合DirectX技术。借助GIS强大的开放式环境及可扩充性，能够充分发挥GIS强大的空间数据管理、分析及三维立体化等功能，考虑系统成果的进一步发展，方便系统维护扩展功能并与其他应用系统衔接整合，使得系统具有很强的灵活性和适应性，可为其他领域的应用开发提供条件。

2.2 系统架构

GNSS与GIS集成的远程滑坡实时监测预警系统主要由数据采集、数据处理分析和变形预报3大部分组成，通过数据融合交换的方式，结合现代互联网与空间数据库技术完成对滑坡灾害实时预测，主要流程如图2所示。

图2 远程滑坡实时监测预警系统架构

2.3 功能模块

2.3.1 数据采集与分析处理

数据作为本软件研发的基础，本系统拟通过采用GNSS技术对滑坡体地面模型的数据进行采集，以实现对边坡的连续监测。而GNSS接收设备本质上得到的数据为经纬度及高程等参数值，通过坐标参数变换可得到在WGS-84坐标系下的坐标值，因此需要建立大地坐标与滑坡点在直角坐标系下的对应关系。首先要对数据进行坐标转换，其次将转换数据存储于相应的数据库中，最后以GIS的类型数据——图形、图像、属性等形式来定位GNSS数据，从而完成GNSS与GIS的数据集成，实现系统对信息数据的一体化管理，可为GNSS和GIS的集成处理和应用示范提供基础平台。

另一方面，系统将比较不同GNSS观测模式下的数据质量，兼顾轨道误差、卫星钟差、多路径效应和地面观测数据精度对滑坡位置解算的影响，包括精密单点定位和差分定位模式下天顶对流层延迟ZTD计算精度。由于GNSS接收的数据中存在很多无效、冗余、低精度的数据，为了获得更加高精度的监测点数据，系统将对GNSS+GIS的背景场作相容性检验、对称性检验，通过建立相应的误差模型进行分析、删除，以保证基础数据的准确性。

2.3.2 滑坡灾情预报模型

在滑坡破坏时间预报方法中，常常遇到的是如何确定滑坡破坏时间的预报标准问题。由于滑坡变形规律的复杂性和多样性，寻求统一的预报标准几乎没有可能，在这一领域可望取得前进和突破，即能够确定一个统一的、定量的预报标准,并且可选择相应的预报参数。系统综合考虑滑坡变形中存在的随机性和波动性，将滑坡体的位移矢量角、位移变形速率、稳定可靠概率等作为预报参数，对滑坡变形的损坏程度进行判断。一般的滑坡破坏时间预报，可分为长期预报、中期预报、短期预报和临滑预报4个阶段。结合变形功率的量级，可将滑坡的稳定程度划分为稳定、基本稳定、次不稳定和不稳定4个状态[7]。

滑坡本质上是一种多因素影响极为复杂的非线性动力学系统，其动态演变过程纷乱繁杂，并且具有一定的时效性。以往主要采用的预测模型针对具体某一或某些滑坡现象，由于考虑的因素不尽相同，实际的预测过程中可扩展性较差，导致所体现的变形体变化状态精度受限。从目前的滑坡预报技术发展近况与实际预测应用完备性分析，组合预测模型是变形监测预测领域中应用最为广泛的方法之一[8]，不仅能够充分使用组合分析预报模型的先用信息，同时由于多模型融合，使得单一模型随机影响得以削弱。因此，本系统拟采用灰色预测模型、回归分析模型及神经网络模型作为组合模型的子模型，对滑坡体形变量进行定性与定量分析[9]，对形变体的演变现象进一步考虑，提升预测精度，其构建流程如图3所示。

图3 实时滑坡组合预测模型流程

组合预测模型权系数的确定：一般来说，组合模型由多种简单数学物理模型组合而成，并且组合的方式较多，可以简易划分为线性组合模型与非线性组合模型。本系统拟采用线性组合模型，即权系数组合预测模型，综合各子模型有效信息，挖掘内在联系，提升系统可靠性。

考虑到权系数对预测模型的影响程度较大，权系数的确定是关键内容，当前主要由权系数确定方法有：变权组合预测法和最优权组合预测法。为提高系统的响应实时性，本系统拟采用最优权组合法。具体的权系数方式是方差倒数形式，首先通过各独立子模型的预测误差，求解残差平方和，对其进行倒数运算，明确该子模型误差在总模型中的权值，使其组合预测模型残差平方和最小，其运算公式为

(1)

式中，ej为第j个子模型的残差平方项，即

(2)

2.3.3 三维可视化模型的构建

滑坡三维可视化是滑坡监测系统的基础组成部分，是用于解释和阐述地表、地下的多种地质现象的一种形式，是集合大量数据资料表征出的结果，不仅可以使用批量数据，检查其连续、完备性[10-12]，合理叙述了滑坡实体的空间关系，能够在一定程度上体现研究区域滑坡灾害发生的变化规律，并且可以在相应时间段内对滑坡的动态变化趋势进行有效的预警、预报分析，为用户进行变形决策分析提供有效的手段[13-14]。其构建过程为：从现有或外业基础资料中获取信息，建立数据库，再对数据库中的数据进行位置转换并实施下一步操作，然后进行映射，最后构建三维模型。其实质就是在基础地理信息数据和DEM的支持下，构建滑坡三维模型。

图4 边坡分析软件界面

3 结语

本文将GNSS和GIS集成技术对滑坡进行实时监测，并且利用三维可视化技术，直观、形象地反映其变化规律。GNSS技术可接收的卫星数量较为充足，在复杂山区和森林覆盖区域能发挥相应优势，同时为了提高预测的准确性，耦合了多种预测模型的特点，建立了滑坡灾害动态组合预测模型，并且提出方差倒数法确定其权重。最后，结合实测和预测数据，通过动态反演的方式，评价影响滑坡各种参数与初始值的一致性并进行修正，以实现预测的可靠性。

然而，在GNSS的互操作方面，由于当前厂商针对GNSS接收装置存在兼容和互操作问题[15]，且由于受到不同卫星系统的信号交叉干扰，使得厂商与用户单位的应用成本较高，不利于大范围推广。同时，鉴于本文未考虑复杂的偏远村庄、山丘区等通信能力贫瘠区域的特征，针对该部分区域需要重新规

划GNSS通信协议等问题。

参考文献：

[1] DING X，REN D，MONTGOMERY B，et al.Automatic Monitoring of Slope Deformations Using Geotechnical Instruments[J].Journal of Surveying Engineering，2000，126(2):57-68.

[2] 吴浩,黄创,张建华,等.GNSS/GIS集成的露天矿高边坡变形监测系统研究与应用[J].武汉大学学报(信息科学版),2015,40(5):706-710.

[3] 谢谟文,柴小庆,贾宁,等.滑坡实时监测网络地理信息系统研发及应用[J].岩石力学与工程学报,2011,30(10):2090-2102.

[4] 郭承燕,贾建华,马荣华,等.滑坡灾害预测预报信息共享平台[J].地球信息科学学报,2012,14(2):199-208.

[5] 王威,王水林,汤华,等.基于三维GIS的滑坡灾害监测预警系统及应用[J].岩土力学,2009,30(11):3379-3385.

[6] 黄万里,林广发,江辉仙.GPS与GIS的集成方法[J].测绘通报,2005(4):33-35.

[7] 廖小平.滑坡破坏时间预报新理论探讨[J]．地质灾害与环境保护，1994(3)：25-29．

[8] 许春青.滑坡预测预报模型比较分析[D]．哈尔滨：哈尔滨工程大学，2011．

[9] 肖海平,杨旺生,肖岚,等.基于组合预测模型的露天矿高陡边坡滑坡变形研究[J].金属矿山,2014(4):169-171.

[10] 谭冬生,洪政,袁小龙,等.基于Open GL的滑坡三维可视化计算及动态模拟研究[J].铁道工程学报,2013(8):57-61.

[11] 赵艳南,牛瑞卿,彭令,等.基于粗糙集和粒子群优化支持向量机的滑坡变形预测[J].中南大学学报(自然科学版),2015,46(6):2324-2332.

[12] 唐晓松,郑颖人,唐辉明,等.水库滑坡变形特征和预测预报的数值研究[J].岩土工程学报，2013，35(5):940-947.

[13] 缪海波,殷坤龙,柴波,等.基于非平稳时间序列分析的滑坡变形预测[J].地质科技情报，2009，28(4):107-111.