智慧勘察在城市基础设施建设中的应用与发展

张志鹏

（中建材（浙江）勘测设计有限公司）

1 引言

工程勘察技术是城市基础设施建设中的重要技术手段，是全面、详细摸清工程地质状况与水文条件的关键性技术，其技术应用成果贯穿到城市基础设施建设的全过程，用于科学统筹基础设施空间布局、设计方案制定与工程施工过程。因此，工程勘察技术对勘察数据的精准度、对数据传输的效率、对数据共享与统计分析的正确性有着较高的要求。

2 传统工程勘察技术存在问题分析

2.1 外业数据可靠性问题

工程地质勘察是通过地质调绘、钻探、取样、物探、原位测试、室内试验等项目对工程所在地的地质条件进行详细勘探，全面掌握地质构造、地层时代、岩石条件、水利条件等基本地质数据。勘察人员在实际开展外业勘察时，需要根据自身经验知识对钻探取样得到的岩土体样本进行岩土层识别，辨识出岩土层的名称，现场量测出岩土层的层深与厚度，将现场勘察结果填写在勘察成果编录表中[2]。整个地质勘察与现场辨识过程对勘察人员的专业素养与经验水平要求较高，直接关系到外业数据的可靠性，导致外业勘察数据的精度受到勘察人员的主观意愿与勘察行为影响。同时，在有限的成本约束下，传统工程勘察过程中未能做到对勘察成果进行过程化、阶段性节点审查，全流程管控勘察成果的质量，导致工程地质勘察成果的质量缺乏有效约束。

2.2 外业数据标准化问题

工程地质勘察的外业数据以纸质记录为主，辅助以现场的视频或照片，内业处理人员需手动将外业勘察成果录入到软件系统中进行数字化管理。但是传统工程地质勘察内业处理的数字化水平不够、数字化标准错乱，不少行业领域的地质勘察技术标准规范远远滞后[3]。加上不同的勘察成果使用单位关注的勘察数据重点不同，围绕内业处理的外业数据数字化标准与智能化数据交互接口存在明显差距，导致大量的数据存在孤岛效应，数据转换与使用难度较大。

2.3 宏观数据统计分析问题

工程地质勘察结果是后续工程设计、施工的重要依据，需要为工程设计与施工提供精准、全面的地质勘察数据，包括区域内的地质构造、地下水分布、矿产资源富集情况、土层形成年代等等。例如，城市市政道路建设规划设计需要工程地质勘察结果支撑市政道路的线路规划以及走向等。但是传统工程地质勘察成果的共享机制不完善，数据分析与挖掘应用不够智能，无法从大量的成果数据中提炼出设计单位、施工单位等重点关注的数据，并为工程设计与施工方案制定提供快捷且简便的决策服务支持。

3 城市基础设施建设中的智能勘察技术及其应用

3.1 相关智能技术

3.1.1 时空信息采集技术

时空信息可视化技术是对目标地物的三维空间信息在时间维度上的动态演变过程进行可视化的技术，其信息的表达维度包括经度、维度、高程、时间四维。工程地质勘察四维数据的获取应包含动态化过程，例如，可在地质勘察现场布设视频监控系统，对勘察过程以及勘察数据的采集过程进行全流程记录；可利用LiDAR技术对工程地面沉降情况进行动态监测，动态反演地表沉降的过程；可利用全景影像采集技术对地质信息进行多维度采集，减少数据采集过程中的人工干预，保证多维度地质信息采集的精度[4]。

3.1.2 GIS技术

GIS 技术利用矢量与栅格等数据结构类型对空间数据进行管理，具有强大的空间统计与空间分析功能。近年来，云存储与云计算技术在GIS 领域的渗透为工程勘察数据的存储与管理、统计与分析提供了强大的技术支持，依托强大的云存储技术，工程外业勘察采集的数据可以实时存储到中央服务器数据库中，有效解决传统工程勘察外业转内业的繁琐录入问题，以免外业数据大量录入过程中存在重复录入、错误录入[5]。同时，内业人员可对实时存储的工程勘察数据进行内业处理与分析应用，利用GIS技术对局部区域进行空间插值与三维地质建模等，提高工程勘察数据的利用效率，同时科学指导工程勘察外业工作。

3.1.3 大数据智能感知技术

传统工程勘察技术对勘察结果的统计与分析应用不够，例如在勘察技术采集得到的地质序列应用上，多利用地质统计学理论与方法分析并形成对工程所在区域地质状况的宏观认知，地质状况的表达精细度不足，对不稳定地质状况的科学判定不足。大数据智能感知技术利用智能物探技术对工程所在区域的地质状况进行全范围、高精度采集，形成高精度的三维地质数据模型，准确、完整的表达目标区域的复杂地质现象、边界条件、地质体情况以及地质构造空间分布状况等。同时，利用智能地质预测分析技术对区域地质状况进行科学分析，依托数据挖掘方法以及地质统计学理论，精准分析与预判出区域内的潜在不稳定地质状况，为工程设计与施工提供科学依据。

3.1.4 BIM技术

BIM技术是工程勘察结果数字化建模的重要技术，通过将工程勘察数据及时录入到软件系统中，依托BIM 技术对工程勘察数据进行三维可视化建模，为后续城市基础设施建设中的目标建筑体三维建模提供基础数据，真正实现建筑、结构、基础与三维岩土地质的相互作用计算和精细化的水、岩、结构耦合模拟。

3.1.5 一体化数据库技术

传统工程勘察在结果数据存储与管理方面存在明显的信息孤岛现象，勘察数据、监测数据、检测数据等各自存储在不同的系统中，元数据不同、数据结构不同、数据格式不同，难以共享与联合应用。一体化数据库技术以“共享”为核心，在行业数据标准规范化的基础上，利用一体化数据库技术对多种来源渠道的数据进行存储、管理与整合，实现在共享平台上的数据快速交互与共享，在统一的数据标准与规范下推动工程勘察数据信息化应用更为深入[6]。

3.1.6 人工智能与视觉识别技术

传统工程勘察对作业人员的专业技能与实践经验有着较高的要求，在复杂的工程勘察环节下，作业人员需要结合自身经验对岩石岩性进行准确判别。但是仅仅依靠人眼识别，现场勘察环节受到诸多干扰因素影响，实际用于识别岩性的岩石与标准岩石薄片存在表达差异，导致依赖人眼识别岩石岩性的方式精度不高、效率较低，无法快速对现场的岩片岩性进行精准鉴别[7]。人工智能与视觉识别技术从海量的岩石图像中提取岩石岩性判别的规律性特征，并依此快速地判别出目标岩土的岩性，减少复杂工程勘察环境对岩土岩性识别结果的影响。

3.2 智能勘察技术在城市基础设施建设中的应用

3.2.1 前期准备工作

工程勘察是城市基础设施建设的首要环节，在面向城市基础设施建设开展数字化工程勘察之前，需认真做好勘察前准备工作。作业人员需提前广泛收集目标区域的地形地貌资料与地质资料，如小比例尺的地形图、地质图等，作为工程勘察的基础性数据；需对目标区域的地下水位进行选点测量，配合地质钻孔工作做好地下水位测量，并做好时间间隔处理工作，确保城市基础设施建设的工程勘察工作有序推进。

3.2.2 勘察数据采集与管理

城市基础设施建设的工程勘察数据采集与管理包括三个部分。①勘察数据采集，勘察作业人员利用时空数据采集技术与电子感应器对目标区域的地质状况进行感应与数据采集，电子感应器提供了诸多的地质状况感应模式，作业人员应结合城市基础设施建设目标区域的实际情况合理设置感应参数与感应范围，并将电子感应器应用于目标区域工程自动化勘察。②勘察数据传输，工程勘察数据在云环境下快速传输，实现从外业到内业中央处理器的高效、实时存储，良好的信号传输机制实现了工程勘察数据传输的无丢失、无缺损，为工程勘察数据内外业高效交互、数据快速录入与应用分析提供了技术支持。③勘察数据存储，在多位勘察人员同时作业的模式下，利用统一的数据标准规范对工程勘察数据进行统筹管理，利用大数据智能感知技术与一体化数据库技术对工程所在区域的地质状况进行全范围、高精度采集、组织、管理，可以有效打破传统勘察数据的信息孤岛现象，实现勘察数据信息化成果的长期保存，助力工程勘察数据的后续工程设计与施工应用[8]。信息管理系统能够科学合理地解决实际应用过程中存在的一系列问题，通过基于对数据库的科学应用，构建应用型数据库表结构，实现地层信息高效传达的数据管理模型的建立。

3.2.3 数字化模型构建

数字化模型构建是在勘察数据采集与管理的基础上，依托GIS技术、BIM技术对工程勘察数据进行数字化三维建模，实现对工程勘察数据的三维可视化直观表达。在数据方面需要对城市基础设施建设项目目标区域的地质勘察资料、施工基础资料、物理力学指标等进行统筹，在数据管理方面需对初始采集的数据、处理过程中产生的数据以及结果数据进行分类、分层管理，根据数字化模型构建的需要适时调用相应的数据。

4 结语

工程勘察是城市基础设施建设的首要环节，进行工程勘察的信息化、智能化技术研究势在必行。复杂的工程施工环境，使得工程勘察的岩土芯样性状判别更为困难，智能化信息化是极大的挑战性、高难度课题。而岩土性状的准确判断，与场地地层的判断乃至后续地基处理、基坑支护、城市基础设施工程设计等工程质量安全息息相关。因此，大力开展工程勘察的智能化、信息化技术研究，能为城市基础设施建设的工程勘察提供高效准确的技术支撑。