高速公路隧道施工事故三维智能识别与预控技术

于亚军,贾紫涵,罗丽娇， 甄会超， 喇海霞

(1.石家庄市交建高速公路建设管理有限公司 西阜分公司，河北 石家庄 050043；2.石家庄铁道大学 经济管理学院，河北 石家庄 050043)

位于地质水文复杂山区的高速公路隧道工程，埋深和长度大，所处地质水文环境较为复杂，穿越多种地带，出现岩溶、涌水(泥)、瓦斯等安全事故发生概率高。为解决高速公路隧道建设环境复杂多变、安全管理难度大的复杂系统管理问题，国外许多专家学者探讨采用数值模拟、仿真模拟、概率估算等方法识别隧道施工风险影响程度及概率[1-2]；周建国等[3]将贝叶斯网络、模糊理论运用到地铁运营隧道施工管理中，进行风险因素的概率预测、重要度分析以及系统风险评估；徐胜利[4]结合实际隧道工程，分析了隧道施工期生态环境的破坏对其安全的影响,并系统分析了周边环境对隧道施工建设的影响因素，提出了施工安全防护措施；张建平等[5]综述了BIM技术在工程施工及运维管理方面的应用现状与前景；段晓晨等[6-7]提出了三维虚拟动态管理技术在工程管理中的应用，并进行了实例验证，取得了较好效果。综上所述，国内外专家针对隧道施工安全从不同方面进行了相应研究，但未见将三维智能控制技术运用到隧道识别、预控及施工全过程的相关文献。本文将复杂系统三维智能识别与预控技术应用到高速公路隧道施工安全管理中，以求实现对高速公路隧道施工动态三维智能优化控制。

1 高速公路隧道施工安全三维动态智能优化控制模型

高速公路隧道施工安全三维动态智能优化控制模型主要包括2部分内容，如图1所示。

图1 高速公路隧道施工安全三维动态智能优化控制模型

(1)构建隧道施工智能识别静态管理系统。首先，在隧道施工前，收集以往隧道工程施工安全数据并进行整理，构建基础数据库；其次，运用神经网络对风险类型、频数进行预测；最后，运用“海恩法则”管理思想，构建事故苗头、征兆数据库，确定安全管理目标，建立问题原因对策数据库及预警响应体系。

(2)构建隧道施工动态优化管理系统。在隧道施工过程中，确定控制周期，按统计周期完成统计报表。运用PDCA循环方法进行优化管理和控制，实时收集施工工期相关数据，并与目标比较，若有偏差，及时调整，并结合BIM技术辅助管理，实现隧道施工安全动态控制与三维智能优化管理。

2 实例分析

大道梁隧道工程处于灵寿县的太行山脉，是整个西阜公路项目施工重点控制工程。隧道所处地质有Ⅱ级、Ⅲ级、Ⅳ级、Ⅴ级4种，其中Ⅱ、Ⅲ围岩占总线长的一半以上。隧道建设地区位于地层构造带，当在可溶地段与断层破碎带施工时，易发生涌突水(泥)等事故。隧道洞身长、通风性差，针对以上工程安全管理特点，建立以下三维非线性智能安全控制模型。

2.1 建立大道梁隧道施工安全风险识别模型

2.1.1 构建公路隧道安全基础数据库

对我国高速公路隧道施工发生的安全事故案例筛选出40个类似已完隧道工程案例，构建公路隧道安全基础数据库，如表1所示。

表1 类似公路隧道施工事故案例

通过表1可以看出，收集案例中塌方最多，占总事故的57.6%；涌突水(泥)事故占15.1%；瓦斯占7.4%;岩爆占6.5%，以上4种事故类型占事故总类型数的86.6%。所以，塌方、涌突水(泥)、瓦斯、岩爆4类事故类型是隧道施工过程中易发生的安全事故，应重点控制。

2.1.2 运用BPNN预测不同安全事故风险频数

安全事故风险发生频数受各种随机性、突发性因素的影响，具有典型的非线性特点，BP神经网络具有良好的适应性，可选用BP神经网络对相应事故的频数进行预测。

(1)选取工程特征因素，并对其进行量化表示。根据收集的工程信息及专家经验，选取了7项对开挖施工塌方有重要影响的因素，量化后见表2。

表2 山区隧道工程施工塌方影响因素类目量化表

在收集的类似已完案例中运用粒子群优化算化PSO(Particle Swarm Optimization)进行聚类分析，最终选出29个与大道梁隧道相似度较高的案例，对29个案例进行进一步详细数据整理，构建样本案例数据库，包括各类事故发生频数及工程特征等详细信息，并对相应工程特征进行量化，如表3所示，将前27个数据作为训练样本，最后2个样本作为测试样本。

表3 基础数据表

(2)建立3层神经网络预测模型[8]。将选取的7个工程特征因素作为预测模型输入单元，分别用I1～I7表示；模型输出为塌方发生频数，用O1表示；节点传输函数为Sigmoid函数。隐层单元为2×节点数+1=2×7+1=15个，初始值为(-1，1)范围的随机数。采用Matlab软件建立预测模型，图2为网络收敛过程。

图2 BP网络收敛过程

用样本28和29对收敛后的网络进行检测，将样本28和29运行20次，将20次的预测值求均值，如表4所示实际值与预测值之间的误差较小(≤5%)，满足工程实际需求。

表4 结果分析

(3)对大道梁隧道在爆破开挖过程可能发生的塌方安全事故进行预测。结合大道梁隧道实际情况及施工组织设计，对工程特征进行量化，用Matlab运行20次求均值后得到的结果为3.91，取4，即预测大道梁隧道在爆破开挖过程可能发生塌方的频数为4次。利用上述步骤分别对初级支护及二次衬砌等施工工序发生的安全事故进行预测，初级支护发生塌方频数为5，涌突水(泥) 频数为3；二次衬砌塌方与涌突水(泥)频数均为1。

2.1.3 运用“海恩法则”判断事故发生的征兆和苗头

分析识别隧道施工爆破开挖、初级支护及二次衬砌可能发生的安全事故及其背后的征兆和苗头，提前采取预防措施[9]，事故征兆和苗头如表5所示，因篇幅所限，表5仅展示初级支户的征兆和苗头。

表5 大道梁隧道可能发生的安全及突发事件分析表

2.1.4 构建大道梁隧道安全管理问题原因对策库及预警体系

分析类似已完工程施工过程中出现的安全事故，对其按标准进行规范化整理并进行编码[10]。结合以往案例建立问题原因对策数据库及预警响应体系，在隧道施工过程中可根据发生的事故及时采取相应措施。将预警响应体系分为三级，当事故苗头在200以内时为一级预警，项目部采取相应措施；当事故苗头累积达200～303或事故征兆达2以内时，为二级预警，由项目公司安全总监组织会同项目部采取响应行动；当事故苗头达303以上或事故征兆达3及以上时，为三级预警，需上报公司总经理，由其与安全总监组织、项目部共同采取响应行动。

2.2 隧道施工安全目标动态控制系统实施

2.2.1 确定控制周期

根据“海恩法则”可得，每起事故的背后都有事故苗头和征兆的累积。结合大道梁隧道工程特征及安全管理特点，将安全管理控制周期确定为一周。

2.2.2 安全动态优化控制

以2017年11月12日～18日和2017年11月19日～25日2个周期为例，对大道梁隧道Ⅴ级围岩开挖动态管理过程进行实例分析，构建周期统计报表。

(1)2017年11月12日～18日的数据统计表，如表6所示。

表6 2017年11月12日～18日隧道施工安全统计分析表

(2)PDCA动态循环优化控制。对工程进行动态循环优化管理，在本周期内执行上一循环提出的改进措施，并观察执行效果。

2017年11月19日～25日数据统计分析见表7。

表7 2017年11月19日～25日隧道施工安全统计分析表

隧道施工安全影响因素繁多且不断变动，因此难以预料全部因素及其变化。当施工中出现新的问题，且问题原因对策库中没有相应措施时，需要制定新的响应对策，并及时更新原因与对策库，直至实现工程安全管理目标。

2.3 西阜大道梁隧道施工安全管理三维模型实施

主要运用Revit和Navisworks软件构建大道梁隧道安全三维动态信息管理模型，利用模型的可视化和三维动态漫游功能，管理者可近距离观测施工过程中隧道各个部位变化情况，特别是重难点部位的安全风险，发现施工过程中的安全苗头、征兆，及时采取相应措施，实现动态循环优化，从而保证大道梁隧道顺利安全完成施工。

(1)按照大道梁隧道设计图纸，利用Revit软件构建隧道 BIM 三维静态模型。模型主要包含隧道施工初次支护、锚杆、衬砌等重要施工环节，图3、图4为部分施工环节展示图。

图3 锚杆和钢筋网初级支护三维模型展示图

图4 衬砌三维模型展示图

(2)将构建完成的Revit模型导进Navisworks软件，构建大道梁隧道施工动态管理模型。将已建好的三维模型与相应工程信息(如工程施工名称、施工类型、施工起始时间等)导入Navisworks 软件，设置好重要观测部位，可实现大道梁隧道施工3D 安全动态监控，图5为施工拱顶涌水征兆展示图。

图5 施工拱顶涌水征兆监控

3 结束语

基于长、大高速公路大道梁隧道所处工程地质复杂、安全管理难度大的特点，对高速公路隧道工程施工安全三维非线性智能识别和控制方法进行研究。在查阅大量文献的基础上，结合工程实例进行了安全风险的识别、预测及控制。通过模型实施得出以下结论：

(1)整理分析收集的类似已完工程安全风险历史数据，确定隧道施工易发生的主要安全事故类型，利用BP神经网络预测隧道施工安全事故发生的频数。结合“海恩法则”，确定拟建工程可能发生安全风险的部位、类型等，以此构建的隧道施工安全风险识别模型对施工风险有较好的识别与预测作用。

(2)由“海恩法则”可知，每起安全事故发生的背后都有其征兆和苗头，且影响风险因素繁多。利用PDCA循环及统计分析等方法对隧道施工过程进行动态优化控制，实时跟踪施工，收集和分析数据，可尽早发现风险背后的征兆和苗头，并采取预防措施，能有效避免和减少安全事故的发生。

(3)利用所建立的隧道安全BIM三维辅助管理模型的漫游及可视化，对施工过程进行实时监测，可帮助管理人员及时发现施工中存在的问题并采取响应行动，从而确保工程安全目标的实现。