400 km/h高速铁路地质灾害及基础设施监测系统研究

袁 焦 王 珣 李高丰 刘 勇 伏 坤

(中铁二院工程集团有限责任公司， 成都 610031)

近年来，在人工智能、大数据、云计算、物联网、BIM等新技术的驱动下，数字化、信息化、智能化发展对铁路的建造、运营及维护带来了革命性的变化。中国国家铁路集团有限公司(以下简称“国铁集团”)2020年发布的《智能高速铁路体系架构1.0》提出，智能高铁由智能建造、智能装备、智能运营三大板块组成，智能检测监测方向作为智能装备板块的重要组成部分，是提升高速铁路运输安全的关键环节，它包括了基础设施检测监测、自然灾害监测等创新内容[1]。随着我国铁路逐步进入400 km/h时代，影响行车安全的地质灾害及基础设施监测成为了铁路行业研究的热点。

日本对铁路灾害的防范工作十分重视，防灾安全监控系统是日本新干线Cosmos系统(列车运行综合管理系统)的一个重要子系统，对地震、强风、暴雨、大雪等自然灾害加强检测监测，确保铁路的安全运营。法国地中海线高速铁路最高运行速度达350 km/h，其灾害监测系统均按线建设并独立运行，主要包括风、雨、雪、地震及立交桥下落物监测。德国高速铁路采用新型防灾报警系统MAS90，除监督线路装备的运用状况外，还可识别并及时报告环境对行车安全的影响及移动设备发生破损的情况。美国和英国自八十年代中后期就在多座桥梁上建立了结构健康监测系统，监测大桥在车辆与风荷载作用下的挠度、振动、应变等响应。

我国高速铁路目前均设置了自然灾害及异物侵限监测系统，为运营期铁路行车提供安全保障，但尚未针对地质灾害及基础设施监测开展全面、统一的系统设计研究。本文借鉴高速铁路自然灾害及异物侵限监测系统设计与推广应用的经验，立足于400 km/h高速铁路地质灾害及基础设施监测的实际需求，旨在构建适应于400 km/h高速铁路地质灾害及基础设施监测的新体系，形成400 km/h高速铁路地质灾害和基础设施监测系统的成套解决方案。

1 400 km/h高速铁路监测需求

1.1 地质灾害监测需求

我国地质灾害复杂多样，灾害频繁，其中铁路常见的地质灾害类型主要有滑坡、泥石流、崩塌落石三类。

滑坡是指斜坡上的土体或岩体，受河流冲刷、地下水活动、地震及人工切坡等因素的影响，致使部分或全部土体(或岩体)在重力作用下，沿着地面软弱面(或软弱带)整体地或分散地顺坡向下滑动的地质现象。滑坡会破坏线路，中断行车，危害站场，砸坏站房，毁坏铁路桥梁及其他设施，错断隧道，摧毁明硐，造成车翻人亡的行车事故。

泥石流是指在山区或其他沟谷深壑、地形险峻的地区，因暴雨、暴雪或其他自然灾害引发的山体滑坡并携带大量泥沙以及石块的特殊洪流。泥石流具有突然性、流速快、流量大、物质容量大、破坏力强等特点，对高速铁路桥梁、路基等基础设施带来巨大威胁。

崩塌落石是山区常见的一种地质灾害。在山体自然风化、降雨侵蚀及人为破坏植被等因素的作用下，山体易发生大小规模不一的落石，若发生在高速铁路区域范围内，将会严重威胁高速铁路的行车安全[2]。

在外界因素(如降水、地震、人类工程活动等)的影响下，每年都有大量崩滑流灾害单体或链式灾害发生，给高速铁路建造与运营安全带来极大的威胁。因此，建立地质灾害监测系统是预防地质灾害破坏的必然措施和有效手段。

1.2 基础设施监测需求

高速铁路路基、桥梁、隧道、轨道等线下基础设施是列车高速、安全、平稳、可靠运行的保障。开展400 km/h高速铁路线下基础设施监测是实现线下基础设施状态全面感知、安全风险预警、故障诊断预测、趋势变化分析,推进实施精准维修和预防性状态修,提高维修效率,降低维修成本的重要手段,是确保铁路持续安全运营的重要技防保障[3]。

1.2.1 路基

400 km/h高速铁路对路基整体强度及动态服役能力的要求高，由于列车车速高、行车密度大，路基承受的荷载强度大、效应大，影响路基的结构形态与稳定性。为及时掌握运营期路基及边坡的稳定性和变形情况，需选择典型过渡段、不良地质区段(采空区、软土地带、岩溶地带、风化岩、滑坡等)路基、高大边坡等进行监测，及时掌握路基及边坡变形的发展趋势和稳定状态，提高维修养护效能，为线路的安全运营提供保障。

1.2.2 隧道

隧道穿越地质条件复杂地层(如新黄土、粉细砂层、软岩、长大断层破碎带、岩溶、煤层、高地温、高地应力、采空区等)时，存在发生隧道拱顶坍塌、围岩大变形及底部结构鼓裂的风险。运营期，在400 km/h高速列车频繁动荷载的作用下，特殊地段隧道拱墙结构、隧底结构受力加剧，加速了隧道的衬砌变形和基底结构劣化，威胁行车安全。隧道“检养修”面临着纵深长、空间狭小、有效天窗时间短的挑战，为保障列车行驶安全，有必要对严重影响隧道结构稳定性的重点区段的围岩深部位移和水压力、衬砌混凝土应力应变、基底结构位移、隧内环境变量等进行长期监测。

1.2.3 桥梁

400 km/h高速铁路桥梁的运营监测不仅要关注结构承载能力，还要关注列车走行的安全性和乘客乘坐的舒适性。对大跨度桥梁、高墩桥梁、复杂桥梁、特殊结构桥梁、地质条件较差的桥梁设置健康监测系统，实时监测墩顶位移，桥梁结构关键部位应力、振动、变形，外部环境等数据，通过参数监测达到对桥梁结构安全状态、列车走行安全性、乘客舒适性及结构承载安全性的监控与评判。

1.2.4 轨道

400 km/h高速运行列车对轨道结构的平顺性、稳定性和可靠性提出了近乎严苛的要求。轨道结构引导列车的运行，一旦出现病害将直接影响列车运行的安全性和舒适性。无砟轨道常见的病害包括上拱、梁端凸台或底座开裂、扣件失效、砂浆层离缝、轨道结构开裂、线下基础沉降等，因此，轨道监测内容主要包括结构变形、位移、受力等方面。

1.3 数据中心建设需求

针对400 km/h高速铁路地质灾害及线下基础设施监测，建立路局级统一的数据中心系统，实现多源监测信息汇聚、存储、综合展示及大数据分析等，实现与路局既有自然灾害与异物侵限监测系统之间的互联互通，接收国家(地方)部门地质灾害监测或气象部门相关系统信息，发挥信息系统互联优势，实现对高速铁路沿线地质灾害及基础设施的报警和处置。同时，实现系统设备集中管理，提高系统可靠性，减少误报漏报，推进系统应用，满足系统运用维护管理的规范化和标准化要求。

2 监测系统体系框架

2.1 架构设计

智能传感、雷达测量、卫星遥感、无人机航测、智能视频识别、无线组网、5G等新技术的不断成熟为构建400 km/h高速铁路地质灾害及基础设施监测系统提供了新的解决方案[4]。本文采用一种功能全面、扩展性强的系统总体架构，满足“全方位、全天候、全要素、全尺度”的地质灾害及基础设施智能化监测需求。系统总体架构按功能定位可分为感知层、传输层、平台层、应用层，如图1所示。

图1 系统总体架构图

(1)感知层

由布设于地质灾害子系统、线下基础设施监测子系统的各种传感器和采集设备组成，主要实现对数据的感知、采集和预处理。

(2)传输层

主要包括现场设备间传输网络和数据上传网络，可采用光传输、LoRa、WiFi、5G、卫星通信等多种通信传输网络。

(3)平台层

主要功能是提供面向全数据类型的数据接入、数据存储及计算能力，对监测领域数据资源进行集成整合，实现传感数据/文档资料/影像的数据管理、大数据存储与分析、GIS与BIM数据融合、智能文本分析及图像视频分析，支撑地质灾害及基础设施智能化监测的业务应用。

(4)应用层

结合具体监测对象，开展不同功能的模块设计，通过可视化模块将数据分析结论转化为专业生产知识，并快速准确地提供分析报表、趋势图、GIS+BIM等可视化方式进行全局展示，实现对高速铁路地质灾害及基础设施监测物理量的实时监控、精确管理和综合应用，及时发出灾害预警或报警信息，为基础设施管理养护科学决策提供支撑。

2.2 系统组成

400 km/h高速铁路地质灾害及基础设施监测系统分为铁路局中心系统与现场监测子系统两级结构[5]，系统组成结构如图2所示。中心系统包括服务器、存储设备、网络设备、监测终端和配套软件。现场监测子系统由沿线区间的滑坡/岩堆/高陡边坡监测子系统、落石/崩塌监测子系统、泥石流监测子系统、桥梁监测子系统、隧道监测子系统、路基监测子系统、轨道监测子系统等组成。

图2 系统组成结构图

现场监测数据通过无线或有线通信方式传输至铁路沿线监测主机，再通过铁路通信网络传输至中心系统[6]。中心系统通过铁路通信网络实现与路内自然灾害及异物侵限监测、综合视频监控、周界入侵监测等系统间的数据交互；通过专用通信通道实现与路外气象、应急管理等部门的数据交互。

2.3 部署方案研究

2.3.1 数据中心部署方案

铁路局中心系统由软件平台(操作系统、中间件、数据库、接口软件、杀毒软件、应用软件、虚拟化软件)和硬件平台(服务器、存储设备、网络设备、报警设备、监测终端)组成[7]。中心系统采用虚拟化技术、分布式存储技术、云资源管理技术、信息安全技术等，搭建适应于400 km/h高速铁路地质灾害及基础设施监测的云平台基础设施层，实现计算、存储、网络资源按需分配、统一管理和集中监测，提高资源利用率，便于业务快速部署和扩展。在此基础上，构建集多源异构海量监测数据的高效存储访问、数据共享、数据分析服务、数据安全等功能于一体的云平台存储与分析层。结合具体的监测业务要求，提供实时数据监测、GIS+BIM模型远程快速加载、视频图像在线浏览、报警信息发布与管理等功能，实现GIS+BIM与多源监测信息的融合展示。

中心系统设备设置在铁路局中心机房，在调度台、工务部、工务段、通信段、信息技术所等部门设置监测终端。

2.3.2 地质灾害监测子系统部署方案

(1)滑坡/岩堆/边坡监测子系统

采用InSAR、倾斜摄影、GNSS定位、土体深部位移计、渗压计、雨量计等多元空间网络化监测技术和设备对滑坡/岩堆/边坡的深层土体位移、地表变形、外部环境及防治工程结构受力等参数进行监测[8]，对灾害监测点进行自动数据采集、处理、监测及预警。滑坡/岩堆/边坡监测方法及仪器如表1所示，典型滑坡监测工点设备布设如图3所示。

表1 滑坡/岩堆/边坡监测方法及仪器表

图3 典型滑坡监测工点设备布设示意图

(2)泥石流监测系统

通过雨量计、泥位计、振动倾角监测仪、视频监控相结合的监测技术实现对泥石流沟的泥(水)位变化、泥石流振动信息、泥石流发生地影像变化信息等参数进行监测。典型泥石流监测工点设备布设如图4所示。

图4 典型泥石流监测工点设备布设示意图

(3)崩塌落石监测系统

系统对灾害形成演化过程中的变形、降雨量等物理参量开展实时监测，全面掌握不稳定坡体的发展趋势。布设具有移动侦测、异物识别报警功能的激光雷达探测仪和高清球机，在各种天气和气候条件下，对铁路隧道进口/出口线路界限上可能威胁到列车正常行驶的落石、边坡溜塌等异物进行快速、准确判别，并对告警目标进行定位、跟踪、放大，同时快速传递告警信息，辅助工务人员观察、判断，及时采取应急措施。子系统由雨量计、GNSS、振动倾角一体机、高清球机、激光雷达探测仪、地面处理主机等设备组成，如表2所示。典型泥石流监测工点设备布设如图5所示。

表2 主要设备表

图5 典型崩塌落石监测工点设备布设示意图

2.3.3 基础设施监测子系统部署方案

(1)桥梁监测子系统

现场设备以多类型传感器组合的方式进行构建，以数据采集和传输子系统为基础，以满足桥梁安全评价需求为出发点，根据数据采集控制策略、数据处理理论和安全评价理论，实现传感器数据的自动采集、存储、处理和桥梁的安全评价。桥梁监测内容与设备如表3所示。

表3 桥梁主要监测内容及设备表

(2)隧道监测子系统

由快速智能感知系统、多源采集系统、高速传输系统和终端展示模块组成，主要监测隧道的状态量化指标，如隧道上部地表位移、衬砌混凝土应变、基底结构位移、隧道内环境变量、衬砌表观和结构变化等，通过相应的传感器获取数据信息。隧道监测内容与设备如表4所示。

表4 隧道主要监测内容及设备表

(3)路基监测子系统

采用静力水准仪、分层沉降计、水平位移计、水位计等设备全方位获取高速铁路路基沉降监测数据[8]。通过预警分析模块做进一步分析，判断数据是否超过设定阈值，发现异常及时报警。通过可视化组件，将监测结果以图表的形式直观地反馈给用户。路基监测内容与设备如表5所示。

表5 路基主要监测内容及设备表

3 关键技术研究

3.1 无线传输数据压缩技术

由于现场布线困难，地质灾害监测常采用无线组网的通信方式。无线组网通信带宽小，每次可发送字节有限，需对数据进行压缩以提高可靠性和传输效率。根据地质灾害及基础设施监测数据的传输需求，采用边缘端GZIP无损压缩、数据中心接收端解压缩的方式提高数据传输能力。

GZIP 压缩文件有固定的存放格式，即在连续压缩块外边加上一层 GZIP 文件相关的信息。GZIP压缩文件可分为文件头、数据块和文件尾三个部分。

对于要压缩的灾害监测数据，先使用LZ77算法进行压缩，再使用Huffman编码的方法进行压缩，数据压缩流程如图6所示。

图6 数据压缩流程图

3.2 数据访问加密技术

本系统使用层面具备广大用户群体，业务层面应采取权限访问控制，数据层面又涉及高速铁路GPS坐标等敏感信息，因此，需要一种加密验证方法将各层面的安全需求抽象出来，作为访问验证公共库统一应对，从而在用户与后端通信过程中起到保护用户隐私、保全敏感信息的作用。

首先，采用非对称加密算法对网络传输进行封装。但因非对称加密会带来性能开销，影响用户的使用体验，故在公共库的设计上还应考虑部分非敏感信息的传输需要，提供多种低密级、无密级的访问方法。访问封装流程如图7所示。另外，由于系统需部署在云平台上，该库还实现了JWT验证方式，通过数字签名保证令牌的合法性。

图7 访问的封装流程图

其次，从事前控制的角度出发，设计实现了1套注册机制，流程如图8所示。通过用户提供用户信息、机器码，系统验证通过后才允许登录及后续操作的方法，将用户、操作终端、权限绑定在一起，大大提高了系统的安全性。此外，系统将记录用户、机器码、操作时间、操作行为等信息，作为安全审计的跟踪记录。

图8 事前控制用户注册流程图

最后，为降低整个访问验证流程的复杂程度，系统接口应隐藏算法、查询的具体调用方式，仅通过提供API的方式响应调用，并对该库进行混淆加密，进一步提供安全等级。

3.3 监测大数据融合技术

如何对地质灾害与基础设施监测中产生的多尺度、多元化、多类型监测数据(含传感数据、GIS/BIM模型、无人机倾斜摄影、遥感/航拍影像、地勘资料、视频图像等)[9]，开展集中数据存储与融合处理是系统研究的重点[10]。

本文在关系型数据库和分布式文件系统集群之外，研究并设计了基于Hadoop分布式架构的大数据存储和分析平台，结合Spark分布式计算引擎，为海量数据的存储分析提供了一种稳定、高效的解决方案。Hadoop+Spark平台架构设计如图9所示。

图9 Hadoop+Spark平台总体架构图

在Hadoop+Spark平台的数据源层中，由各业务监测系统提供结构化数据、非结构化数据和半结构化数据类型的数据源。非结构化数据包括遥感卫星影像、文档数据和视频图像数据等，半结构化数据如JSON数据等，结构化数据包括地质灾害及基础设施监测传感器数据等。

通过平台提供的Sqoop数据传输软件将需要进行大数据存储与分析的数据抽取到数据存储层。数据存储采用分布式文件系统HDFS、分布式数据库Hbase及数据仓库Hive相结合的方式。在Hadoop+Spark平台的资源管理层中，通过Yarn进行资源管理，为集群资源利用率、资源统一管理和数据共享等带来方便。在Hadoop+Spark平台的数据计算层中，使用内存计算框架Spark实现快速分布式计算处理，为海量监测数据挖掘提供支撑。

4 结束语

本文结合400 km/h高速铁路地质灾害及基础设施的特点和监测业务需求，集合物联网、云计算、分布式存储、大数据等技术的深入研究与应用，设计了监测系统总体架构，分析了系统组成，并结合不同地质灾害和基础设施监测类型开展了部署方案的研究，此外还重点研究了监测数据的高效压缩传输、加密访问、监测大数据融合等关键技术，为400 km/h高速铁路地质灾害及基础设施监测系统的设计、研发与应用提供了借鉴与指导。今后，围绕该系统持续深入研究与应用，不仅可有效提升高速铁路地质灾害及基础设施监测的信息管理、隐患分析等技术能力，还对强化基础设施维护精细化管理、提升巡检巡查效率、保障高速铁路运营安全等具有重要意义。