軌道交通隧道結構快速檢測評估關鍵技術及其裝備研發探討

朱愛璽

摘 要 地鐵作為一種現代化的交通工具，以其安全、高速及低污染等優勢，已經成為城市公共交通重要的組成部分。就我國而言，目前地鐵已經在北京、上海、廣州、南京、深圳和成都等大中城市建成并在運營之中。然而，人們在享受軌道交通便利的同時，對于軌道交通的安全及維護問題也日益突出，尤其是伴隨著大規模軌道交通線路的建成及投入運行。然而由于我國隧道建設起步較晚，目前尚沒有真正將隧道病害檢測治理理論運用到實際的隧道檢測養護工作中，缺乏科學規范的道病害檢測、分析、治理及評價系統。本研究將對國內外軌道交通隧道結構檢測方法進行綜述，并提出相應的快速檢測方案與思路。

關鍵詞 地鐵；公共交通；安全及維護

1 國內外研究現狀

隧道病害直接影響隧道內行車的安全，對隧道病害進行研究一直國內外相關學者的研究熱點同時也是難點。部分發達國家已經從定性有定量的角度對隧道病害的治理制定了相關規范與標準，例如美國針對公路與鐵路隧道的檢測文檔，而我國目前大多數研究都局限于某一病害或工程條件，缺乏研究的系統性導致在這方面研究相對落后[1]。根據文獻[2]，目前國內正實行的城市軌道交通的軌道維修可分為日常巡檢、臨時補修、經常維修和綜合維修等4個檢修層次，其中對于隧道結構方面的檢測內容主要包括3類病害類型：結構滲漏水、結構開裂損傷和結構變形，其中后兩種類型關系密切[3]。以下分別對這3種類型病害的檢測技術方面進行綜述：

1.1 結構開裂損傷

隧道結構損傷主要表現形式為管片裂縫、管片缺角掉塊、環與環之間或塊與塊之間產生較大錯臺等，其中管片裂縫較為常見，且被認為是最嚴重的病害之一因此對其的檢測與分析對結構安全非常重要，目前對其的檢測分為人工測量和自動測量兩種。人工測量主要是依靠人眼來發現裂縫位置，然后借助相關測量儀器例如裂縫測寬儀來完成裂縫的檢測工作。顯然這種方法對于小范圍的測量比較現實，而對于上百公里長的隧道測量幾乎無法完成。鑒于傳統的人工測量方法存在效率低及工作量大等缺點，基于計算機視覺的自動檢測技術正在逐步取代之，且成為這方面未來檢測技術的發展方向，例如一些發達國家已經有了成熟的公路路面自動化檢測系統，例如加拿大的ARAN 9000綜合道路檢測車。然而目前，國內外對于隧道裂縫的檢測研究相對較少，尤其專門針對軌道交通隧道中的管片裂縫的自動檢測研究更是少之又少。

2003年Asakura和Kojima[4]對日本的隧道檢測與養護方法進行介紹，文中提到一種用于采集隧道襯砌圖像的采集車，該車配有激光儀和多個線陣CCD相機進行圖像采集，采集車示意圖如圖1所示。

2007年Yu[5]等人研發了一種可用于隧道混凝土裂縫進行自動化檢測的移動機器人裝置，如圖2所示。該裝置采用線掃描相機采集圖像，可以在0.3mm分辨率下進行速度為5km/h的檢測。在檢測算法方面，采用邊緣檢測與Dijkstra最優路徑相結合的方法進行裂縫識別。但由于檢測環境比較復雜，所用的檢測算法仍需要人工參與排除一些明顯的誤檢點，以保證Dijkstra算法能夠找到正確的裂縫區域。

2009年劉曉瑞和謝雄耀[6]提出了一種基于圖像處理的隧道表面裂縫快速檢測方法，該方法應用SFC結合法對裂縫圖像進行增強并進行平滑，然后用閾值法對處理后的圖像進行分割。實驗結果表明能有效將裂縫與背景區域進行分割，但并沒有交代檢測算法的檢測精度。

2010年王泰典等人[7]提出了一種將閾值法和數學形態學結合裂縫分割算法，并通過Hough變換對其裂縫特征進行定量描述。對其特征描述的目的是為建立裂縫特征與隧道襯砌變形力學機制的關系，進而為隧道的維護管理與安全檢測作業提供指導。

2012年劉學增和葉康[8]對隧道襯砌裂縫的遠距離測量技術進行了研究，并提出了相應的裂縫檢測與寬度測量算法。算法首先對選定區域進行濾波預處理并應用迭代法對裂縫進行分割，然后應用Zernike矩對裂縫的邊緣進行亞像素級分割，最后通過計算上下邊緣的距離對裂縫寬度進行測定?，F場測試結果表明，算法對大部分隧道襯砌裂縫圖像的分析效果均良好。

2012年王平讓等人[9]提出了一種基于圖像局部網格特征的隧道襯砌裂縫自動識別方法。方法首先應用8x8的十字形局部算子計算綜合對比度指數，然后根據對比度指數確定裂縫的種子點，最后對種子點進行連接來檢測裂縫。實驗結果表明，相比Otsu法所提出方法在識別率上有明顯優勢。

2012年王睿[10]提出一種基于線陣CCD相機的車載自動檢測方案，并對基于邊緣檢測的算法進行分析研究。但作者僅給出了一個系統開發思路并沒有在對其進行實際實驗及測試。

2013年王華夏等人[11]結合我國高速鐵路快速發展的現實情況，提出了基于CCD圖像采集的隧道自動化檢測方案。該系統由線陣CCD相機、鏡頭、圖像采集卡明系統、定位系統、檢測車等主要硬件設備組成。但目前該系統僅在實驗室中進行了初步測試，考慮真實環境的復雜性，真正投入實際應用還有待進一步研究。

2013年貢力和余濤[12]根據隧道襯砌表面裂縫圖像的稀疏性特征，提出基于壓縮感知的隧道表面裂縫圖像壓縮與重構處理方法，為未來隧道襯砌面裂縫識別系統提供基礎和良好的應用前景。

1.2 結構滲漏水

由于管片為工廠預制，其本身的防水質量都很好，滲漏水部位主要發生在環縫、縱縫、注漿孔及旁通道位置。目前國內傳統的滲漏水檢測方法是安排專業的檢測人員進行定期檢測，但隨著地鐵線路的加長，傳統方法的低效率強度高已不能適應發展需要，因此采用高效的自動檢測枝術已經成為趨勢。相關自動檢測技術現狀如下：

2012年黃永杰等人[13]提出基本數字圖像處理的盾構隧道滲漏水的自動檢測技術，其檢測流程如圖5所示。所提出的檢測算法涉及閾值法、形態學處理、邊緣檢測及形狀計算。對現場采集和圖像測試結果表明該自動檢測系統能夠準確采集、識別和分析盾構隧道的管片滲漏，且其精度較高。

2012年劉學增等人[14]將數字圖像處理技術應用到隧道襯砌滲漏水病害檢測中，并開發了隧道滲漏水病害檢測軟件。其檢測所用圖像處理算法有：灰度變換、閾值分割、形態學修正及區域面積計算等。工程試驗結果表明，系統識別的最大相對誤差為0.99%，滿足襯砌滲漏水檢測的精度要求。

綜上所述，目前對于隧道結構的檢測技術正在向高效率、非接觸和自動化的方向發展，其方向主要集中在結構開裂損傷和結構變形兩個方面，而對結構滲漏水的自動檢測研究相對較少。然而盡管隧道結構變形與開裂損傷監測非常重要，但從目前公開發表的文獻來看，對自動檢測方法的研究還停留實驗室階段，尚沒有成熟的自動檢測設備推向市場，尤其是能對隧道結構進行綜合檢測的集成設備。

2 未來研究方向與思路分析

如上所述，隧道結構的檢測技術正在向高效、非接觸有自動化方向的發展，尤其研發能集結構開裂損傷、結構變形和結構滲漏水于一身的綜合檢測設備更是具有廣闊的市場前景。以下就對研究這樣一種綜合性檢測設備所面臨的關鍵技術進行分析。

2.1 數據采集車的研發

從目前有數據采集的可行方案來看，以車載式的綜合性數據采集方案最為符合各種檢測內容的需求，采集到激光掃描數據可以用于變形分析。從理論上講研發這樣的車并不是復雜的工作，但實際研發中必須要考慮采集車運行的穩定性問題以保證所采集到數據的準確性，尤其是當采集車配備的線掃描圖像傳感器，其適當光源設備和采集車行駛速度勻速性都是需要解決的問題。

2.2 結構開裂的快速檢測技術

由于隧道開裂所形成的裂縫的圖像特征比較明顯，即為一條中間暗兩邊亮的無規則細長曲線。因此開發基于圖像處理分析裂縫自動檢測系統是一個很好的解決方案。然而對于該技術的研發目前有兩個問題需要解決：

（1）高效裂縫自動檢測算法設計。由于地鐵隧道情況復雜，研發適用于復雜背景下的高效魯棒的裂縫檢測算法是一個重大的挑戰。因為就目前而言，大多數公開發表的學術論文都是以公路、橋梁和公路隧道的裂縫檢測為主，其背景相比于復雜的地鐵隧道要簡單許多，但可以為地鐵隧道裂縫算法的設計提供借鑒。

（2）高質量地鐵隧道圖像的采集。高質量隧道圖像的采集是進行裂縫檢測的一個必要條件，同時也會大大減小裂縫檢測算法的開發難度。對于采集相機的選取可選擇面陣和線陣相機，當選用面陣相機時，采集車的速度會受到很大的限制，但其優點是對車速的均勻性要求不高；而當采用線掃描相機時，雖然采集速度可以有效提高，但對于車速的均勻性要求很高，否則會出現圖像失真。此外，由于隧道里光照條件較差，采集時所用的光源也要進行精心設計，尤其是采用線掃描相機進行采集時。

2.3 結構滲漏水快速檢測技術

結構性滲漏水由于視覺上比較明顯，絕大多數還是采用人工巡視方法進行檢測，自動化的檢測手段研究較少。從目前來看自動檢測手段也是以圖像處理方法為首選，這主要是因為其視覺特征比較明顯，基于圖像處理方法非常適合該方面的檢測。

參考文獻

[1] 鄒金杰，胡建華，楊其新. 淺談隧道病害檢測治理技術的研究思路[J].鐵道標準設計，2007，（11）：93-95.

[2] 劉揚.城市軌道交通軌道檢測的探討[J].城市軌道交通研究，2010，（02）：29-32，38.

[3] 王如路.上海軌道交通隧道結構安全性分析[J].地下工程與隧道，2011，（04）：37-43，61.

[4] Asakura T，Kojima Y.Tunnel maintenance in Japan[J].Tunnelling and Underground Space Technology，2003，（18）：161-169.

[5] Yu S，Jang J，Han C.Auto inspection system using a mobile robot for detecting concrete cracks in a tunnel [J].Automation in Construction，2007，（16）：255-261.

[6] 劉曉瑞，謝雄耀.基于圖像處理的隧道表面裂縫快速檢測技術研究[J].地下空間與工程學報，2009，5（s2）：1624-1628.

[7] 王泰典，林信宏，李佳翰，等.營運中隧道襯砌裂縫影像判釋暨特征化與數字化技術[J].隧道建設，2010，（1）：100-108.

[8] 劉學增，葉康.隧道襯砌裂縫的遠距離圖像測量技術[J].同濟大學學報（自然科學版），2012，40（06）：829-836.

[9] 王平讓，黃宏偉，薛亞東.基于圖像局部網格特征的隧道襯砌裂縫自動識別[J].巖石力學與工程學報，2012，31（05）：991-999.

[10] 王睿.隧道襯砌裂縫車載檢測圖像分析研究[D].成都：西南交通大學，2012.

[11] 王華夏，漆泰岳，王睿.高速鐵路隧道襯砌裂縫自動化檢測硬件系統研究[J].鐵道標準設計，2013，（10）：97-102.

[12] 貢力，余濤.壓縮感知在隧道病害識別中的應用研究[J].城市道橋與防洪，2013，（10）：111-114，122，8.

[13] 黃永杰，柳獻，袁勇，等.盾構隧道滲漏水的自動檢測技術[J].上海交通大學學報，2012，（01）：73-78.

[14] 劉學增，桑運龍，蘇云帆.基于數字圖像處理的隧道滲漏水病害檢測技術[J].巖石力學與工程學報，2012，（S2）：3779-3786.