基于物联网技术的滑坡监测预警研究*

张 译，王 霄，何 博

（贵州大学电气工程学院，贵阳 550025）

1 引 言

在我国频发的地质灾害当中，滑坡灾害的发生占68.5%[1]，而降雨因素是导致和诱发滑坡发生的主要原因[2-4]。随着物联网技术的快速发展[5-6]，多源异构传感器[7]在滑坡监测中的应用越来越多，逐步替代过去传统的人工监测手段，开始发挥重要的监测和预警作用。有效建立多源异构传感器综合监测系统、提取滑坡的多场特征信息、进行多场信息融合处理和决策分析是当前进行滑坡预测的主要方法。对滑坡监测区域进行全面监测，所用到的监测传感器包括倾角传感器、雨量计、土壤温湿度传感器、环境温湿度传感器、风速传感器等，对研究区进行环境信息采集。同时采用物联网技术，可将采集到的环境数据实现远程传输、存储及可视化显示[8]。

2 滑坡监测预警系统框架

本系统数据传输采用非常适用于野外监测的通信协议MQTT（Message Queuing Telemetry Transport,消息队列遥测传输）。系统框架如图1所示。由主控制器将传感器采集到的数据进行JSON封装与发布。选用阿里云服务器承担数据中转，负责下位机的网络交互，发布应用消息，同时向订阅的Node-RED平台转发应用程序消息。对接收到的消息数据进行解包，按不同传感器数据类型进行调度分类。选用数据驱动调度方式，其预警模型采用模糊神经网络，对各传感器状态量数据进行融合，融合结果对应到相应的评价集。预警发布采用Node-RED平台和微信小程序两种终端模式，以适用于不同的应用群体。

图1 滑坡监测预警系统框架

MQTT协议基于发布与订阅模式下物联网通信协议。该协议经过长期的发展，其生态体系相对成熟，应用广泛，可在低带宽、不可靠网络下提供监测设备远程数据传输，非常适合应用在野外监测。

MQTT通信架构如图2所示。按实际应用情况，主要分三个部分：传感器检测端、物联网服务器代理、数据处理终端。传感器检测研究区域的温湿度、降雨量、风速等环境信息并封装发布，然后由代理服务器转发至订阅的设备端。

图2 MQTT通信架构

3 数据驱动预警模型

数据驱动主要以数据库中的数据为主导，在滑坡监测中基于大量传感器采集的原始数据进行处理与分析，实现数据预警与评价。针对滑坡监测信息的复杂性与不确定性，需要综合利用传感器采集的海量数据，搭建数学模型，建立基于多源数据驱动的滑坡监测预警、决策功能系统。

3.1 模糊综合评价整体流程

在滑坡监测研究中，滑坡等级状态存在模糊性与不绝对性，其中滑坡预警等级受多种因素相互影响，很难进行定量描述，因此需要借助模糊数学理论方法应用于滑坡监测。利用模糊综合评价法对采集到的数据进行融合，得出滑坡预警等级的评价结果。模糊综合评价算法流程如图3所示。

图3 模糊综合评价法流程图

3.2 等级评价因素选取

模型选用环境温度、环境湿度、土壤湿度、降雨量、位移量作为评价滑坡预警等级的因素，建立滑坡监测预警等级评价因素集：

式中，u1为环境温度；u2为环境湿度；u3为土壤湿度；u4为降雨量；u5为位移量。

3.3 构建评语集

按照国土资源部中国地质调查局和中国气象局国家气象中心联合开展的滑坡灾害气象预警规定，将滑坡监测预警等级划分为五个等级，建立评语集：

去年以来，西江广东段没有发生重特大水上交通安全事故，水上安全事故下降八成；成功救助遇险人员152人，搜救成功率99.25%，船舶违章行为明显减少；西江岸线整治取得突破性进展，仅在肇庆段就清理取缔非法码头、临时装卸点119个，打掉一大批非法采砂点；经过沿线六市政府积极协作，西江沿岸投入建设了7个应急设备库、13个溢油应急物资储备点、4个防污应急服务点、3个拖轮值守点，水上应急能力和水污染防治能力进一步加强……

式中，v1表示安全级，v2表示注意级，v3表示警示级，v4表示警戒级，v5表示警报级。各预警因素对应的等级评价指标如表1所示。

表1 各监测因素预警等级评价指标

3.4 确认各因素隶属度函数

确认因素集与评价集之后，构建因素集U到评语集V的模糊映射，即为隶属程度。设置取值区间为(0,1)，以隶属度取值情况表示模糊程度的高低。

为更好地将指派方法与隶属度函数进行拟合，设计将表1滑坡预警等级评价指标限值进行相应的缩放。其中，环境湿度、土壤湿度、降雨强度、位移切线角适用于梯形分布与三角分布相结合的方法拟合；环境温度适用于梯形分布拟合。隶属度函数图线如图4所示。

图4 隶属度函数图线

至此，通过上述步骤，可建立单个滑坡影响因素的综合模糊关系矩阵：

式中，rij∈[0,1],m=5,n=3。

3.5 构建环境因素权重集

确定各环境因素权重是滑坡预警等级评价的重要环节，各因素的权重确认影响着预警等级评价结果。本设计采用层次分析法建立相应权重集。具体步骤如下：

步骤1：分析问题，建议层次结构模型。建立层次结构模型分为：目标层、准则层、方案层。其中目标层需要对滑坡监测预警等级实时评价；准则层对应的环境因素有环境温度、环境湿度、土壤湿度、降雨强度及位移切线角等；方案层位于最底层，做出的评价结果分为五类：安全级、注意级、警示级、警戒级和警报级。最终形成的层次结构如图5。

步骤2：构造判断矩阵。在层次分析法使用一种矩阵法构造判断矩阵B，将同一层次中的各因素进行两两相互比较，即把滑坡监测预警等级因素集U中任意两个元素的等级进行比较。比较关系采用7分度标记法表示两个因素其中一个比另一个强烈。构造出的判断矩阵如表2所示。

表2 环境因素判断矩阵（7分度标记法）

3.6 综合评价模型构建

在进行融合运算时，采用不同的模糊算子将会直接影响最终的评价结果。此处使用加权平均算子运算。该算子能够充分利用模糊关系矩阵，综合能力强。运算最后得到滑坡监测预警评价集如下式：

式中，cj的重要程度由ξi与ri决定，融合后的评价结果受每个环境因素的影响，影响程度由ξ′i体现。

对滑坡监测预警综合评价集进行归一化处理，处理后C′的值按隶属度最大原则，对应评价集vi，作为最后的预警等级结果输出：

4 预警平台测试

物联网平台设计采用Node-RED，引入MySQL、Navicat实现数据存储。同时借助天地网开发平台提供的API接口实现监测区域的地形、地貌显示。Node-RED作为一种全新的编程工具，以智能方式将硬件设备、API和在线服务连接在一起。

在CMD中输入Node-RED便可以启动Node-RED后台程序。以任意浏览器打开http://127.0.0.1:1880便可访问Node-RED的前台界面，进行编程，如图6所示。

图6 启动和登录Node-RED后台程序

在Node-RED平台中引入MySQL模块。数据在上传过程中，下位机上传的数据为封装好的字符串格式，需要进行一次数据转码才能使用SQL语句存入本地数据库。数据在显示同时不会影响数据的存入，该平台基于信息流，可实现多信息并行处理。Node-RED数据实时存入MySQL数据库，工作界面如图7所示。

图7 MySQL数据库显示数据

硬件设备采集监测区域的信息通过MQTT协议发布消息，由服务器转发给订阅的Node-RED平台和微信小程序。PC上位机展示如图8所示。

图8 PC上位机展示

微信小程序能够便捷接收预警信息，即便在野外也具有良好的信号，可利用微信小程序技术结合滑坡监测，建立移动终端推送预警信息，有效地保证人民的财产及生命安全。微信小程序终端实际界面如图9所示。

图9 微信小程序预警

5 应用效果分析

案例1：2019年4月4日硬件部署于贵州省铜仁市玉屏侗族自治县河边的屏山公园。传感器监测改进切线角为87.12°、温度24.3℃、湿度67%、土壤湿度73.2%，降雨量62 mm/h。滑坡发生时间为2019年5月3日16:17，自动发布警告级预警时间为2019年5月3日14:12，提前预警时间为125分钟。经过实地勘察，证实表面岩体出现垮塌现象。按屏山公园日常人流量统计，威胁人数近2000人。联系相关部门已及时处理，并立警示牌提醒人群。滑坡地图显示如图10所示。

案例2：2020年2月5日硬件部署于贵州省铜仁市玉屏侗族自治县甘龙村至木弄村。传感器监测改进切线角为83.12°、温度12.3℃、湿度71.2%、土壤湿度82.2%，降雨量62 mm/h。滑坡发生于2020年3月18日9:25，自动发布警戒级预警时间为2020年3月18日凌晨3:12，提前预警时间为6小时13分钟。木弄村共有8个村民小组，254户，共计998人，其中受滑坡威胁至少8人。联系相关部门及时处理，并树立警示牌。滑坡发生现场如图11所示。

通过多年大量的应用实践，本系统已收集到类似上述案例的第一手监测资料，基于所设计预警模型已成功预警多次滑坡事故，但也有一些由于时间太短导致未能提前预警。预警的时效性非常重要，故此设计选取临灾阶段作为研究区域，部署硬件于滑坡监测区域实时监测。

6 结束语

基于物联网的滑坡监测预警系统可有效解决野外灾害监测和预警的需求，该项技术运用物联网和云计算技术，使得用户通过简单的信息接收终端即可获取相关信息，用以指导灾害防御。系统有效地实现了对整个滑坡地区的监控与智能远程管理，改变了传统滑坡监测管理模式，提高了监测管理效率和应对灾害能力。滑坡监测预警是我国最重要的地质灾害服务技术，这一技术进一步的应用推广还需加强不同地区、不同气候灾害指标的研究，形成更有针对性的预报预警模型。传感器及通讯网络技术发展迅速，物联网在滑坡监测中也将有更广泛的应用。