边坡智能化监测预警系统设计方案

曾兆宁 李彦霄

（成都工业学院，四川 成都 611730）

0 引言

地质灾害涉及复杂的地质条件、地理环境、地质运动等因素，具有气候时空差异大、隐匿性强、分布广泛、危害性强、破坏性大等特点。由于自然事件和人类社会活动的协同影响，尤其是近些年来经济社会和城镇的迅猛发展，具有高破坏性的地质灾害频繁发生，这对社会经济高质量发展和人民生命财产安全产生巨大的冲击和损害，并直接危害到人类赖以生存的自然环境。近年来，我国经济快速发展，人口密度迅速提高，每一次地质灾害的爆发总会给受灾地区造成巨大的人员伤亡和财产损失。因此，建立一体化的监测、预警和风险评估系统，对易发生地质灾害的地区进行持续的监测、预警和风险评估，具有较高的实际应用价值。

随着技术的发展，传统的地表位移监测仪器，如经纬仪、水准仪、光电测距仪、全站仪、GPS监测、摄影、红外遥感和激光扫描[1]等，也逐渐得到了新的应用。目前，通信和物联网技术是建立高效的地质灾害远程监测系统的关键。但现阶段的边坡监测手段大部分还是人为监测、观察预测，小部分采用仪器监测。人为监测手段存在着很大的弊端，例如监测误差大、监测数据少、监测范围覆盖面小等问题，故监测方式由传统监测向智能化监测转变迫在眉睫。以各类仪器为主的监测手段虽能很大程度上消除人为监测所带来的弊端，并且能基本做到准确、及时，但也存在着应用范围不广、数据传输速度慢等不足。本文介绍基于5G物联网技术的边坡监测预警系统，该系统通过现场布置的GNSS设备和各种物联网传感器，监测地面三维位移、降雨、地面裂缝等重要指标，运用5G通信技术传输关键监测数据，并通过先进的数据可视化技术进行显示。

1 边坡监测预警技术现状和发展趋势

1.1 边坡监测预警技术现状

从应急管理部最新公布的全国滑坡日发生概率模拟图来看，山体滑坡、边坡失稳等自然灾害在我国十分常见。边坡监测预警最早开始于20世纪70年代的露天矿山，主要采用人工实地勘测，由公共部门根据降雨标准发出，该标准假定发生边坡灾害的可能性受降雨强度控制。因此，诸多地方都在实行基于降雨的预警，但也存在一个可能的缺点，降雨标准未考虑到当地地质、地形和人类活动的影响，无法得到较为精确的数据，具有较大的局限性。边坡灾害的发生是一个动态变化的过程，因此，有必要利用现代科学技术、信息技术和多学科协作来辅助研究，对数据进行分析从而判断是否发出预警信号。

1.2 边坡监测预警技术发展趋势

进入21世纪，边坡监测技术得到了快速发展，监测技术已由过去的人工皮尺监测过渡到仪器监测，并向自动化、高精度的遥测系统发展[2]。

随着互联网的不断发展，监测的范围更大，监测的内容由位移监测拓宽到应力应变、动力因素和地质环境监测。21世纪初，世界各国科研人员竞相研发了以光纤监测为代表的边坡变形监测仪器，边坡监测技术又出现了日新月异的进步，朝着自动化、高精度化等方向发展[4]。随着通信技术、北斗技术、遥感遥测技术、自动化技术和计算机技术的发展[5]，监测的效率和精度得到了很大的提升。目前，随着人工智能的飞速发展，边坡灾害预警技术定会向智能化迈进。

2 传统与智能化边坡监测技术对比

2.1 传统边坡监测技术的局限性

传统的边坡监测技术最大的局限在于监测工作是由人工定期或不定期用传统测量仪器进行实地测量。测量仪器质量大，测量工作单调繁冗，人工成本相对较高，且受天气、现场条件[3]等诸多因素制约，人为因素影响误差也较大。由于人工监测不能持续地对边坡进行有效监测预警，因此时常发生预警滞后而导致的安全事故。传统技术需要人工定期到现场进行数据采集，工作量大，检测的准确性不够，且无法在极端气候条件下采集数据。在暴雨、地震等极端情况下，现场实测会严重威胁到监测人员的生命安全。此外，传感元件，如电阻应变计式、电感式传感器和钢弦式传感器等，普遍存在尺寸较大、抗干扰性及稳定性较差和易发生零点漂移等不足，以至于无法得到较为精确的数据。

目前我国在边坡监测方面开始由过去的简易工具、人工为主开始走向监测的自动化、精密化，常用的主要监测方式有人为监测、仪器监测等，但此类监测方法存在较多的不足之处：

（1）工作量繁重，依靠人工野外记录数据，存在安全隐患；

（2）监测数据存在一定滞后，无法获得实时数据；

（3）易受外界因素影响，如环境，气候等；

（4）监测设备较为昂贵，容易损坏，设备供电不足，无法及时获取数据；

（5）每个边坡的坡度、形状、土体类型等都是不同的，企图用一个临界值去预警该范围内的所有滑坡具有偶然性。

2.2 智能化边坡监测技术的优势

基于互联网及现代技术的发展，满足工程动态化设计与信息化施工的要求，智能化监测预警系统将多个软、硬件之间的信息传输与交互相结合，打造一个集数据采集、分析、传输为一体的平台，避免了信息缺失、数据格式不兼容等问题。大数据技术、虚拟现实技术、人工智能的加入提高了数据的准确性，监测设备价格合理，监测采集装置便携易安装。智能化边坡监测技术具有以下优势：

（1）及时性：24h无间断实时监测，通过5G反馈并发送实时数据；

（2）精准性：预警模型的预警对象是一个较大的区域范围，靠检测仪器精准收集边坡的各项数据，将数据传到云平台能准确判断预警等级，且对灾后分析有一定的帮助；

（3）安全性：利用设备云监测，保障监测人员人身安全，通过预警平台实时发布预警信息，避免受灾；

（4）稳定性：利用传统电网以及太阳能供电，保证实时全自动供电。在恶劣天气，灾害易发生区域，依然能够保持高效监测的工作状况，保证了数据的稳定性。

传统边坡监测技术与智能化边坡监测技术对比见图1所示。

图1 边坡监测技术对比图

3 智能化监测预警系统设计方案

智能化监测预警系统的监测端设备首先通过智能传感器进行数据的采集，然后通过北斗报文通信技术或者4G/5G将数据发送到数据中心，实现数据的实时接入，随后在数据中心对数据进行转化、存储、分析、可视化等处理，通过分析监测对象的变形值、变形速率、变形过程、形变特征等，获取到边坡运动规律，进一步对边坡稳定性做出推断，进而实现滑坡预警。

3.1 滑坡监测预警系统总体框架设计

3.1.1 系统构成

本边坡智能监测预警系统设计部分主要包含：数据采集子系统、数据传输子系统、数据处理子系统、数据发布子系统[6]。系统总体设计构成如图2所示。

图2 系统构成

3.1.2 数据采集子系统

数据采集：采用测缝仪、GNSS、测斜仪、钢筋计、锚索测力计、结合雨量计、降雨量监测器、位移传感器采集相关数据，可以对边坡裂缝开合度、边坡水平位移和垂直位移以及降雨量、含水率、岩土沉降等进行综合监测。

3.1.3 数据传输子系统

通过光纤传输将数据传输到中央控制系统；利用数据采集层采集到的数据，将监测数据通过5G、4G与北斗集成设备，实现4、5代通信技术与北斗的双通道通信。当通信中断时，可以使用北斗通信，保证数据稳定传输。

3.1.4 数据处理子系统

网络层云平台将接收到的数据传输给云服务中心和云数据库，用于获取开发App的后台数据。系统对采集到的信息进行管理和分析，生成动态预警分析数据，并可视化显示预警结果，数据超过预警阈值时，会自动发出预警提示信息。

3.1.5 数据发布子系统

边坡稳定状态监测数据可通过预警小程序、及时广播、车载广播、网页、app、短信等方式发布。相关预警监测人员可通过智能手机登录网络或获取相关数据，快速确定边坡的稳定状态，进一步增强预警的时效性。此预警系统的使用对保障人民生命财产安全具有重要意义，通过数据的不断收集，建立一套有效的边坡预警模型，进而训练出一套高准确性的人工智能算法，从而提高预警系统的准确性。

3.2 监测预警系统硬件架构设计

硬件设备用于完成数据的采集，是确保监测预警系统稳定、准确运行的基础。如图5所示，系统的结构由采集、供电、传输等单元组成；采集单元则包括位移计、测斜计、雨量计、渗压计等智能传感器；供电单元由太阳能电池板、电压转换电路、外部供电线路、储能电池组成，给整个设备供电；传输单元由串口电路和网络通讯模块组成，能有效地将终端与云服务器相连。

3.3 监测预警系统软件架构设计

软件平台作为地质滑坡监测预警系统的数据中心，可以完成数据转化、存储、分析、可视化等，由服务端软件、数据库以及智能监测管理平台三部分组成。管理员可以操作Web端软件实现数据可视化以及对智能监测平台进行管理，同时监测人员可以通过PC、Android、IOS端进行数据的分析与管理。大数据中心主要用于存储实时采集的数据，包含对数据的接收、保存、分析，并通过通讯端口将数据发送至云端处理中心，经过处理后存储入库，若达到预警阈值则向用户端发送预警信息从而实现数据的可视化。

3.4 监测预警系统评价模型建立

由于边坡岩土体的不均质性和各向异性，建立具有代表性和针对性的边坡预警评价模型将对监测预警系统的功能实现有着直接的关系，随着计算机技术及以BIM为核心理念的三维数字化设计技术和三维协同理念的出现[7]，给边坡工程设计效率和质量提供了新的驱动力。此预警系统建立了典型边坡工程案例数据库，根据不同边坡的地质特征，建立三维模型，将边坡数据赋予3D模型，将模型传入大数据库进行精细化分析，同时还提出了基于神经网络的滑坡安全评价模型，以实现对滑坡监测数据进行实时更新，最后根据监测数据模型评估边坡安全性的目的。

4 结束语

边坡智能监测预警系统的搭建，将为边坡灾害防治提供技术支持，弥补传统监测技术的不足，实现灾害自动化预警，提升灾害风险防控预警能力和灾害防治水平，保证边坡预警工作顺利开展，保障偏远山区人民生命财产安全。本文提出的这套结合北斗系统的边坡监测预警系统，将大大提高边坡灾情管理、监测的效率，后续还可从以下方面进行深入探究：

（1）在现代物联网技术的充分加持下，边坡监测技术将向着更加智能化、系统化、自动化、多元化的方向发展，以实现智慧边坡预警，实现对边坡数据的精益化控制是未来的发展重心；

（2）随着人工智能的发展，预警系统需要探究监测点布局模型，深入分析、挖掘数据的特异性，形成人工神经元算法，可以为山区基础设施建设提供安全保障并为我国防灾体系提供技术支持，具有广阔的应用前景。