基于传感器信息融合的隧道工程BIM 分析系统构建及应用

黄伟军，饶立恒，毛雄伟，周潇潇，黄黎明，王钰莹，沈 江

（1.深圳市交通公用设施建设中心，广东 深圳 518000；2.天津大学 管理与经济学部，天津 300072）

建筑信息模型（BIM）技术在诸如隧道工程等具有隐蔽性工程特征的建设过程中是不可或缺的，其冲击力与20 世纪的互联网应用于市场经济的作用有异曲同工之妙［1］。在工程过程中，无论工程数据表达、还是信息资源共享，BIM 以其数据的直观性、共享性与可分析性等鲜明的特点，从静态数据的观点上均可以发挥得淋漓尽致［2］。但由于隧道工程的特殊性，如地质条件变化、周边环境影响等［3］，BIM 技术在隧道工程中的应用上还有一定困难。以BIM 模型的信息流为中枢，形成工程数据分析中心，需要借助传感器技术完成现场数据采集感知进行处理，才能形成总体工程数据分析系统［4］。

现有的隧道结构BIM 建模方法一般是通过提取隧道轴线，然后建立参数化模型单元并沿轴线拼接或者开发隧道辅助设计系统，根据参数化断面设计构建一体化隧道结构模型［5］。然而在一些结构特殊部位，或面临参数改变等特殊情况时，现有的BIM 建模方法还无法满足，因此本文主要基于传感器技术，建立多通道异构信息的融合机制，构建集成BIM 分析系统，解决隧道工程设计阶段的动态数据处理（如设计参数变更等）问题，为BIM 技术在工程领域的信息化发展提供系统思路和依据。以某城市陆地隧道工程项目为例，该项目路线全长约5.5 km，包括陆域段隧道和海域段工程，本文将主要运用BIM 大数据分析系统对隧道主线陆域段支护设计参数进行仿真，并提出相应的解决方案。陆域段隧道长度2 460 m，线路基坑深度在3.0～21.5 m 之间变化，基坑沿线部分地层均分布有软弱土（如新近填土、淤泥、淤泥质土等）。基坑所在地层赋存薄厚不均的淤泥层、砂层，且长区段临近沿江高速桩基础，基坑安全等级需求高，因此，采用整体刚度较大，止水效果好的地下连续墙，地下连续墙厚度为1.0 m。

陆地隧道工程采用“地下连续墙+内支撑型式”的支护结构，由于存在大跨基坑结构，为了提高强度，在断面中部增设加强立柱。根据基坑深度不同，分别设置了2～5 道支撑，第2～4 道支撑采取钢支撑，水平间距分别为9.0 m 或3.0 m，第1 道支撑为混凝土支撑，尺寸为1.0 m×1.0 m（高×宽）。对部分基坑增设了3.0 m 间距的钢支撑结构。地下连续墙穿透砂层等强透水层，地面设截水沟，围护结构顶部设挡水坎；基坑内设降水井，随挖随降，基坑内降水深度宜控制在开挖面以下1 m。

如图1 所示的隧道结构，其主要难点有：1）基坑长宽比大（4∶1），施工难度高，常被视为长条带状形基坑，给公路隧道明挖基坑工程的施工带来了困难与风险；2）复杂的地层地质状况，施工区属于严重砂土液化区，地面承载力在100 kPa 以下；围筑海堤存在着一定的人为影响因素，施工需要针对性的强基措施；3）紧邻有沿江高速，在工程设计时应充分考虑沿江高速的影响，在工程建设过程也应保证降低对沿江高速正常运营的影响，由此产生了各种限制因素。

图1 陆地隧道工程道路横断面图

因此，为了针对性解决项目隧道主线陆域段支护设计参数的更变和设计问题，并结合研究城市市政交通建设领域中隧道工程的BIM 应用，本文提出了一种基于信息融合的测试传感器布设方法及其传感器融合的总体系统构架。结合传感器的数据收集和处理技术，以BIM 技术为主体，为隧道工程项目设计方案中设计参数相关问题提供解决方法，有效优化项目设计方案，实现数据分析可视化，提高工程信息化建设水平。

1 系统构建与建模分析

1.1 总体系统构架

基于传感器融合的BIM 大数据分析系统的总体系统构架包括后台逻辑结构和前台可视化界面两部分，如图2 所示。

图2 总体系统构架图

后台采用信息系统的逻辑分层构造，分别为感知、数据、网络和应用等4 层结构。感知层处于架构底层，主要由传感器构成，实时采集隧道施工现场和周边环境的各项监测数据，是大数据分析系统应用和发展的基础，数据层主要负责对感知层收集的数据进行分析和处理，进行云储存和虚拟化后统一汇入分布式数据库，网络层可分为有线传输和无线传输，负责数据的分布式处理，应用层则是整个系统的应用领域，与前台界面对接，依据不同的应用场景输出可视化的数据分析结果。

前台可视化界面分为数据界面和图形界面，整体系统将大量抽象的数据用图表、图形、动画视频、文本等可视化形式呈现，经过数据可视化处理，可以让业主和设计师等相关技术人员简洁明了地理解问题所在。可视化的过程不仅是数据视觉效果传递，而且是数据内涵和寓意的“知识表示”。该系统可将隧道工程的各类信息与传感器传输数据进行可视化处理，将传感动态信息与BIM 静态信息融合，并将数据分析结果可视化，通过大数据融合分析系统的界面系统实时显示项目信息，清晰有效地传达与沟通信息，直观了解数据的内部联系，提高沟通效率。

1.2 传感器布设技术

在观察和采集现场各类不同用途的传感器，通过布设技术可以将BIM 大数据分析所需的数据进行测量、采集并按照一定的数据规律通过数学建模转换成可用信息。适用于BIM 大数据分析系统的传感器种类很多，根据信号的类别进行选择。通常，这类传感器可以作为系统中的直接感应被测对象的元件，由敏感元件和转换元件组成［6］。由于现场情况十分复杂，其安装位置非常重要，传感器阵列的布设技术是解决问题的关键。考虑到数据建模的需要，在施工现场的测试区域采用了多传感器信息融合的阵列模式，以实现对施工场地与外部环境的实时监测、数据自动传输。

故障覆盖率与传感器辨识率是衡量传感器及其阵列布设的重要指标，据此可以确定传感器类型、布设结构、间距和数量等。在布设开始前，需要搭建一个测试系统，以检查整个阵列的可靠性是否满足系统指标要求，并据此进行传感器阵列的布局改善、变化间距、增减数量等布设优化工作。采用布设设计方法为基于经验的布局法与有效独立算法（EFI）的融合。

1.3 系统仿真算法

1.3.1 传感器静态误差补偿

在隧道现场使用的传感器，由于环境、状况和温湿度变化等原因时，可能出现零漂、迟滞以及非线性误差等传感器静态误差［7］。特别是因隧道构造和施工影响产生的零漂可能性最大，同时，电压源和电压波动等也会导致电压漂移等情况出现。

对于无法预测的静态误差进行补偿是现场测试的要求，采用非线性误差补偿方法，如图3 所示。布里渊分布式光纤传感器受到某一数据信号x 的干扰，输出数据信号y。再通过接口电路模块的数据转换，成为信号Y，此输出是符合计算机系统结构的数据，采集控制器将其转换为输出信号Yc，接口电路的选择通常是依据信号Y来确定的，一般采用ADC 或FDC 等。

图3 传感器静态补偿的非线性误差修正

在对传感器标定时，需要测定在若干温度环境的数据来定义x～y 特性曲线，并进行基于非线性算法的数据转换，如采用二元插值法确定其修正值。采集控制器会同时接收信号Y 及表示环境温度的信号θ，计算出综合阈值X，按照修正公式计算出Yc=KX，式中的K 为权重值，通过传感器标定给出。

1.3.2 MIDAS GTS 模型

根据城市隧道的物理特征，在BIM 信息模型基础上，利用专用的地基和隧道的结构分析系统对隧道结构进行模拟和分析，判断设计结构的限定数值和方案合理性。采用有限元法对分析对本研究的陆地隧道结构进行岩土结构模拟、固结分析与动力学分析等。在使用MIDAS GTS（Geotechnical and Tunnel Analysis System）软件建立基坑模型时，通常会采用梁单元和桩单元模拟围护桩体［8］。在计算过程中，根据刚度等效性原则，考虑到隧道主线陆域段的结构特点，将一些桩单元（如联排钻孔灌注桩等）视为地下连续墙，以简化网格步长定义，达到减少计算机时的目的。根据MIDAS GTS 仿真要求，考虑了需要隧道基坑底土体的纵向位移（如现场基坑有隆起等状况）、基坑侧壁土体的水平位移及其动力特征，来设定相应的计算边条及其需用在软件加以限定的数值。在地基和隧道的结构建模时，将描述地基单元的现场结构数据，如单元结构数据、梁单元和桩单元设计图纸数据及其土层动力学数据引入MIDAS GTS 中，以完成最终建模工作［9］。

1.3.3 多传感器信息融合算法

多传感器的信息融合算法是通过数据关联、比对与组合等数据处理方式采集被测环境或物体的数位信息、特征识别以及整体态势的实时分析系统，特别是用于解决异构的传感器及其传感器阵列的信息匹配问题［10］。其核心在于确定与评估异构的各类不同输入传感器的数据准确性和抗噪分析，建立异构的传感器及其传感器阵列的数据关联性，优化多通道数据的融合机制。例如，多传感器信息融合的一致性算法是现场采用的较为经典的一种。设在传感器阵列中，第i 个传感器的测量值为xi（i=1，2，…，n），用σi表示传感器第i 个的测量精度，则其测量模型为［10］

设dij（j=1，2，…，n）为算法的置信距离，则dij、dji可表示两传感器i 与j 间的数据支持度

依照以往同类现场的测试数据与传感器定标结果，给出参数值εij，则可以确定传感器i 与j 之间的数据支持关系rij

由此，传感器矩阵的支持度向量

支持度向量R 用于计算异构的传感器及其阵列相互传输的状态函数。采用邓军等人研究的改进算法［12］，可以得到异构的传感器及其阵列的最终数据融合值。式中，αi表示第i 个数据的权重值

1.3.4 干扰信号处理方法

传感器获取的信号中常常夹杂着噪声及各种干扰信号，为了准确地获取表征被检测对象特征的定量信息，必须对传感器检测到的信号进行处理［13］。改善干扰信号处理的信噪比与分辨率可以采用滤波、降噪和补偿等措施来完成。

1.3.5 融合数据处理方法

在实际隧道测量中，传感器是采用确定测量角度的分格点测法，得到的数据点是离散分布的，为了对隧道整体断面进行整体分析和态势观察，需求获得空间的连续数据图形，故需要对测量数据进行插值。采用的插值方法是内插法，它是采用测试数据在计算区域测量出的有限函数值，按精确度的不同要求，插值出特定函数图形。在计算区域内的所需点上给出特定函数值作为测试数据的近似值。根据工程精度的一般要求采用多项式插值法，其中包括最临近法、线性法以及三次曲线法等。通过大数据处理与计算机仿真的结果分析，对比最邻近法、线性法与三次曲线法等3 种插值法的结果，如图4 所示，其中三次曲线法效果最佳。因此，采用三次曲线插值法进行数据处理，得到隧道断面上所有测量点的监测结果，便于数据处理和分析。

图4 采用三种插值法的隧道断面结果对比

2 应用案例分析

2.1 传感器类型、选用和布局设计方案

为实现支护参数的提取和监控，需要选用适用的传感器类型，并完成传感器的安装及合理布局。本陆域段隧道支护设计参数仿真主要采用嵌入式传感器，包括轴力传感器和位移传感器，分别用于隧道深基坑钢支撑轴向应力监测和隧道围岩相对位移监测。主要使用MIDAS/GTS 对所获取的数据进行分析，建立隧道支护设计参数仿真模型。在隧道深基坑开挖过程中，采用轴力传感器进行钢支撑轴向应力监测，通过现场监测和数值模拟，得到隧道深基坑在不同开挖阶段的钢支撑轴向应力分布，及时发现设计不合理处，并进行设计变更。如在对钢支撑的应力分布进行检测时，采用了“XHX-2××××”系列的表面应变计，在所测量的区域内，垂直轴线断面的布设，每个断面内，钢支撑的表面应变计按10 测点计。在对支护接触应力检测时，采用布里渊分布式光纤传感等，垂直轴线断面的布设，每个断面内接触应力按35～48 测点计。现场结构图如图5 所示。

图5 传感器布设现场结构图

在隧道顶部沉降检测时，采用激光传感器，由于隧道结构的影响其沉降数据不能通过直接的仪器仪表测量得出，需采用几何计算法进行。具体方法为：在隧道顶部（垂直线A 点）安装一个被测用平板，在隧道腰部（水平线B 点）安装激光传感器，通过B 点传感器的激光束获得A、B 两点间的距离；再通过隧道全站仪获得水平线与垂直线交点C 与端点A 的距离。若隧道的拱顶出现沉降，到达E 点时，则激光束可检测出变化点的距离，即可通过简单的几何计算就可求得隧道顶部的沉降数据，并通过辅助线变化可求得收敛值［14］。其几何计算方法如图6 所示。

图6 基于几何计算法的隧道顶部沉降激光传感器检测

布局设计方案的实施步骤：

1）传感器及其阵列立面、平面布局图及其详细说明，包括测点描述、传感器类型、测点坐标和传感器数量等；2）根据施工图安装传感器、连接与调试；3）通过采集控制器获取监测数据，输入计算模型中，经计算处理得到地基和隧道的梁单元和桩单元相关应力数据，这些数据以两维和三维的应力分布状况图表示；4）这些分析的数据可与设计的结构力学数值比对，通过误差分析，可以确定原设计的一些问题所在，从而对原设计图纸进行修改。

2.2 结果分析与讨论

通过现场传感器数据采集、实际数据与模型计算的数据融合分析，可以模拟出地基和隧道的梁单元和桩单元，在各个工程阶段的结构应力状况的动态分布。仿真数据结果显示，由于地基和隧道深度的推进，土体压力越发加大。例如，在架设各层钢支撑时，每道支撑的应力会从初始值线性增长达到设定的界定值。

（1）在基坑开挖深度到达6.7 m 时，对St（1，6）钢支撑的受力状况进行仿真分析，由图7 可以看出，St（1，6）钢支撑轴向应力分布在592.36～745.59 kN 之间，受力分布较为均匀，中部轴向应力最大。

图7 6.7 m 深度的钢支撑St（1，6）轴向应力分布

（2）在基坑开挖深度到达10.7 m 时，基坑增加了钢支撑St（2，6）结构，由图8 可以看出，当前钢支撑St（1，6）较之前的受力情况有所下降，而钢支撑St（2，6）所受应力呈现线性增加，受力最大的部分应力值达到1 067.34 kN。

图8 10.7 m 深度的St（1，6）/St（2，6）轴向应力分布

（3）在基坑开挖深度到达14.7 m 时，在钢支撑St（1，6）/St（2，6）的支护上加设了钢支撑St（3，6），钢支撑St（1，6）的受力分布状态基本稳定。随后，当开挖全部完成后，对钢支撑St（3，6）的应力分布状况仿真分析，钢支撑St（1，6）/St（2，6）/St（3，6）应力分布状况均达到了预警值，如图9 所示。

图9 结束时钢支撑St（1，6）/St（2，6）/St（3，6）轴向应力分布

由此可见，地基和隧道围护钢支撑的设计轴向应力极值为1 850 kN 左右，而计算应力数据达到1 452.13 kN，为设计极值的78.49%，已接近预警值，原设计方案中的初期支护参数偏小。据此提出优化方案：1）对未开挖部分，重新进行设计变更，优化现有设计结构，加强初期支护刚度；2）对已开挖部分，需要及时增设钢支撑，并适当提高预应力水平，改善钢支撑的整体应力分布状况受力条件，以达到抗基坑失稳的目的。

通过仿真数据结果，可以随着传感器监测发现原设计方案中的参数问题，并针对未开挖和已开挖部分进行方案修改和变更，适用于设计阶段设计方案参数不合理变更、施工过程受力状态不合理进行设计参数变更等多种情况，对设计方案的参数设计在设计和施工阶段都进行了有效的监控和管理。

3 结论

主要分析了在陆地隧道工程的BIM 系统及其数据分析过程中，应用信息融合方法解决传感器布设问题。以隧道主线的陆域段支护设计参数仿真为案例，通过多传感器的数据信息和MIDAS GTS 软件数值模拟，结合项目设计信息，随着监测进行发现原设计方案中的参数问题，并针对未开挖和已开挖部分进行方案修改。该系统融合运用传感器和BIM 技术，有效解决了项目中设计参数设计不合理导致设计变更、施工过程中隧道参数出现偏差导致设计变更、隧道受力状态变化反馈不及时，设计经验积累不足以及设计阶段对隧道运营风险的识别和评估不全面等的问题，避免了后期的设计变更和工程变更，保证了工程施工和运营阶段的安全。将基于信息融合的传感器技术与陆地隧道工程的BIM 大数据相结合，扩展了BIM 大数据的应用范围，从动态工程数据上发现隧道设计阶段的相关问题，有利于工程全过程的信息技术的作用，提升了项目的科学决策水平，同时，为BIM 在隧道工程领域全生命周期的实施与推广提供了实证。