高速公路高边坡智慧化管理实践

徐 行

(绍兴市交通投资集团有限公司， 浙江 绍兴 312099)

0 引言

我国高速公路总里程15万km，随着交通强国建设纲要发布，全国在新建、旧改高速公路方面纷纷布局智慧高速的新基建建设和示范，试验5G、北斗、车路协同技术等新技术，构建了智慧高速的框架体系，但对高速公路的边坡(高边坡)智慧化管理甚少考虑. 而边坡的稳定性影响高速公路是否安全运营，因此，如何通过新型技术手段，改进和支撑现有以人工巡查为主的边坡稳定监测和养护管理方式是非常有必要的. 高速公路高边坡智慧化管理现存的主要问题包括：

1)信息化水平低，监测手段单一

全国各地高速公路信息化建设很少考虑边坡的信息化建设，基本以人工巡检为主，偶有建设边坡监测系统[1-4]，但仅基于相应的传感器，很难准确分析边坡的稳定性. 边坡管理还处于传统一坡一档的纸质管理，甚至有的边坡处于无基本资料情况，对日常管理带来很大不便.

2)缺乏稳定性分析模型，监测精度低

目前国内边坡监测系统很少考虑边坡自身的稳定性模型[5-7]，仅基于传感器数据，拟定相应的预警阈值，多方面因素未考虑融合，导致监测精度不高，系统的可用性低.

1 边坡智慧化管理解决方法与技术架构

为了实现边坡的在线自动化监测、智能预警和智慧化管理，通过建设高速公路边坡智能监测及预警系统，采用物联网、大数据、人工智能等技术实现边坡信息的数字化管理、实时监测状态的管理和智能风险预警分析[8-10]. 该系统由边坡信息管理子系统、边坡实时监测子系统、边坡风险评估及预警子系统3部分构成.

边坡信息管理子系统：利用BIM引擎和3DGIS引擎建立边坡的数字孪生模型，完成对边坡信息的管理，如边坡编号、坡高、坡长、坡率、平台宽度等，同时可对边坡的历史监测信息、历史灾害信息、致灾孕灾要素等信息进行统一管理. 系统设置监测点布设方案专家库，对于未设置监测点的边坡，通过对输入的边坡信息进行智能分析，输出边坡监测点的布设方案；对于已设置监测点的边坡，可评估监测点设置的合理性，并给出优化措施.

边坡状态实时监测子系统：该系统包括边坡表面变形监测模块、边坡内部形变监测模块、边坡应变应力监测模块、边坡周边环境监测模块. 结合使用全站仪、静力水准仪、雨量计、渗压计等多种传统监测手段和高清视频摄像头、无人机航拍等新型监测手段，采用多态融合的数据处理方法对各种结构化，半结构化和非结构化的监测数据进行处理分析，实现更精准详实的全时空边坡状态监测.

边坡风险评估及预警子系统：该系统针对不同类型的边坡建立不同的安全风险评估标准，使用基于神经网络的边坡稳定分析法对边坡的状态进行实时评估. 采用智能算法将评估结果与安全风险评估标准进行比对，给出边坡风险等级预警和处理方案.

边坡智慧化管理技术架构2+3模式，即安全保障体系和标准规范体系，1个感知体系平台、1个数据中台层、终端应用层3大层次，总体架构如图1所示：

图1 高速公路高边坡智慧化管理技术架构

1.1 基础设施层

基础设施层是支撑整个系统的硬件和常用软件，提供了计算环境、存储环境、网络环境、监测信息采集手段. 硬件分为通用硬件和专用硬件，通用硬件即服务器、存储设备、通信网关等；专用硬件是指监测设备，包括GPS、静力水准仪、边坡地滑仪、渗压计、无人机等. 常用的软件包括操作系统、数据库系统等.

1.2 数据中台层

数据中台层是整个系统服务运行的“容器”，为各种数据服务、功能服务以及应用服务提供基于容器的虚拟化环境，是整个系统的核心支撑. 数据中台由服务支撑层、数据资源层、服务组件层组成.

1.3 终端应用层

终端应用层主要提供边坡信息管理、边坡实时监测和边坡风险评估预警功能. 边坡信息管理主要是以BIM引擎和3DGIS引擎为依托，建立起边坡的数字孪生模型，对边坡各类信息和监测点布设方案等进行管理，同时辅助人工巡检管理. 边坡实时监测是通过表面监测、内部监测、应力应变监测等多种监测项目，结合高清摄像头、无人机、人工智能等新型监测手段实现对边坡全方位立体式的实时监测. 边坡风险评估及预警主要完成边坡状态预测、边坡风险评估分析、边坡风险预告警处理等功能. 根据不同的边坡类型，系统可智能地提供状态预测和风险评估，及时准确地发出预警和推送应对方案.

2 管理流程

将边坡的基础信息数据(坡长、坡高、坡率、平台宽度、坡角等)和地理信息数据等输入系统，利用BIM引擎和3DGIS引擎建立边坡数字孪生模型. 边坡的数字孪生模型是通过输入的数据映射出的1个数字实体，可通过边坡的数字实体对边坡进行管理. 设置监测点布设方案专家库，通过大量数据积累结合人工智能对边坡监测点的布设方案进行模拟推演. 对于没有设置监测点的边坡，监测点布设方案专家库可根据边坡信息数据的输入给出布设建议；对于已设置监测点的边坡，可评估现有布设方案，给出优化建议. 针对不同的边坡类型，设置不同的监测方案进行边坡监测. 监测系统实时监测边坡表面、内部、应力应变并获得数据，融合管理传统监测设备数据和高清摄像头、无人机拍摄的视频图像数据，建立边坡状态预测模型，通过预警分析系统确定边坡目前的安全级别，针对不同的安全级别发出预警，同时推送相应的应急处置预案. 具体流程如图2所示.

图2 高速公路高边坡智慧化管理流程

3 实践分析

3.1 4个实践边坡基本情况

S9苏台高速台向K112+170-K112+310边坡，长度为140 m，边坡最大高度48 m，属构造剥蚀丘陵地貌，覆盖层为第四系全新统残坡积粉质黏土，地层至上而下为粉质黏土、全风化凝灰质砂岩、强风化凝灰质砂岩、中风化凝灰质砂岩[11]. 鉴湖枢纽D匝道DK0+100-401边坡，长度为301 m，最大高度45.6 m，属构造剥蚀丘陵地貌，覆盖层为第四系残坡积碎石土，地层至上而下为碎石土、强风化凝灰质砂岩、中风化凝灰质砂岩. S24绍诸高速诸向K12+232-435边坡，长度203 m，边坡高度36.8 m，边坡倾向142°，属类土质边坡，属于风化剥蚀丘陵区，表部位残坡积含角砾粉质黏土，结构松散，厚度2～4 m，边坡主体为全、强风化花岗岩，风化强烈，呈砂土状，局部土夹石. S24绍诸延伸线绍向K75+642-860边坡，长度218 m，最大高度38 m，边坡岩体破碎，风化极其强烈，泥质砂岩易风化、软化崩解，泥质含量高，饱水后强度降低，施工过程中多次发生浅层滑崩.

3.2 高边坡智慧化管理手段

搭建自动化智能化的监测预警系统，完成后以直观的云平台边坡信息管理界面，通过新型监测技术和物联网技术实现边坡实时状态监测，并融合先进的数字孪生模型、GIS+BIM+LOT新型监测技术、物联网、多源数据、人工智能算法等技术手段，建立起一套科学化、信息化、数字化、智能化和智慧化的管理系统，为边坡安全风险评估提供依据. 同时，基于系统平台，后续可接入多个边坡组网监测.

图3 绍兴市高速公路高边坡监测与预警平台

系统实施后，可提高边坡监测频率，通过分级预警和响应机制，人工例行巡查数据上传，通过系统比对分析，及时发现问题，快速处理和治理，可大量节省养护成本.

以S24绍诸延伸线绍向K75+642-860边坡为例，复用沿线范围内的北斗地面基准站，以三角网形状布设表面位移监测GNSS天线6对，环境监测传感器2对，深部测斜仪5组，挡土墙应力测斜仪4组，表面位移数据每1 h采集一次上传一次，深部位移每1 min上传一次数据，挡土墙应力每1 min上传1次数据，具体布设如图4所示. 通过表面位移、深部位移、挡土墙应力、环境数据，基于神经网络融合分析边坡的稳定性，形成预警规则和机制，当边坡有可能失稳，则推送预警信息至相应的管理员，并就近派人员巡检，并将巡检现场情况通过APP端上传，并按对应的预警级别进行处置.

图4 设边布设与实时监测数据

在未使用智慧化管理系统前，因未及时发现问题，发生坍塌，影响高速正常运行的同时，塌方治理和恢复花费近500万元，直接或间接经济损失数千万元. 使用智慧化管理手段，可及时发现问题，及时整治，节省养护费用数百万元. 通过边坡监测与预警系统平台，将边坡基本资料和日常管理数字化，形成边坡数字化档案，通过实时监测数据和稳定性分析，生成预警规则和预警机制，发现异常实时推送预警信息，并形成边坡画像，依据画像进行巡检，并通过移动端APP上传检查数据，生成边坡动态监测和巡检历史数据库，为边坡稳定性预测精度提升奠定基础.

4 结束语

绍兴高速采用传感器、物联网、数字孪生、人工智能、5G等先进技术，建设了高速公路高边坡自动监测与预警平台，并选取4个典型的高边坡进行示范应用，此4个边坡类型基本代表了绍兴区域的高边坡类型.

通过布设表面位移、深部位移、地下水、温湿度、降雨量、应力等传感器，实时采集相应的数据，结合建立的各个边坡的三维模型和检测设备模型，融合实时采集数据，生成各个边坡的数字孪生模型，并采用神经网络进行边坡稳定性分析，根据边坡稳定性和安全风险等级，生成预警规则和预警信息，实时掌握边坡动态变化信息. 高速公路高边坡自动监测与预警平台投入使用后，可通过APP实时掌握边坡动态信息，当有异常时，及时分析异常引起的原因并采取处置措施，如台风引起强降雨导致K75+642-860边坡地下水位急剧上升，引起深部位移异常变动，巡检和应急管理根据实时变化启动管理预案，预防滑坡崩解，降低危害程度，实现动态监测、实时预警，应急处置联动，保障高速运营安全. 通过高速公路高边坡自动监测与预警平台，增强高速公路管理数字化，规避了巡检偷懒的问题，解决了因巡检频率而导致边坡动态信息不及时的问题. 通过高速公路高边坡自动监测与预警平台，不仅可实时监测边坡状态，同时还可形成边坡档案和画像，通过技术手段减少巡检人力成本，还可通过实时数据和历史数据，分析边坡实际情况，及时、分步养护，达到提高养护效率，降低养护成本的目标.