基于BDS的邊坡監測智能預警系統的設計與實現

王迪,鄒浜, 文靜, 郭秦

(1. 西南科技大學 城市學院,四川 綿陽 621000;2. 千尋位置網絡有限公司,上海 200438)

0 引 言

在國家提倡構建“智慧城市”[1-2]的背景下,傳統的邊坡監測技術因其自動化程度低、警情上報慢和響應時間長等缺點已不能滿足人們的監測需求,快速、高效、智能化的邊坡監測新技術已成為相關科研領域的研究熱點．

北斗衛星導航系統(BDS)是我國自主研制并擁有完全自主知識產權的衛星導航系統,可在全球范圍內全天候、全天時為用戶提供高精度、高可靠性的導航、定位和授時服務[3]．BDS已經成為目前邊坡監測的重要技術支撐．本文主要介紹一種以BDS為支撐,互聯網為基礎,具有災情智能判別功能的邊坡監測智能預警系統．該系統符合“互聯網+北斗”新發展模式,具有一定的應用價值．

1 系統總體方案設計

1.1 邊坡監測智能預警系統的總體構成

基于BDS的邊坡監測智能預警系統,分為硬件和軟件兩部分,硬件部分包含全球衛星導航系統(GNSS)監測站、GNSS基準站、系統服務器和信息顯示大屏終端,軟件部分包含GNSS解算模塊、數據集成管理模塊、監測預警平臺,同時外接了其他系統平臺,總體構成如圖1所示.

圖1 邊坡監測智能預警系統總體構成

1.2 邊坡監測智能預警系統的網絡結構

邊坡監測智能預警系統的運轉流程如圖2所示.

圖2 邊坡監測智能預警系統的網絡結構圖

1)GNSS監測站和GNSS基準站接收機按照一定頻率實時接收BDS數據,傳感器采集土壓力、土質含水量等參數,將這些數據進行一定格式的封包,通過3G通訊模塊實時發送至應用服務器,利用GNSS解算模塊對數據實時解算;

2)解算完畢后將相關坐標信息和位移信息發送至數據庫服務器保存,同時通過自動判別模型對數據進行分析、建模和預測,匯制成圖形、數據或表格在監控工作站上顯示;

3)若某個監測站發生警情(如滑坡或塌方),監測預警平臺會將警情信息通過公網向其他信息平臺(如交通、旅游部門平臺、車聯網平臺)以及邊坡沿線的信息顯示大屏終端轉發警情信息;

4)當警情消除后,監測預警平臺則會通過公網向其他信息平臺和信息顯示大屏終端發送警情撤銷指令．

1.3 邊坡監測智能預警系統的主要功能

邊坡監測智能預警系統可對有隱患的邊坡進行無人值守的全天候高精度監測,一旦出現災情,災情信息將及時向外界發送,以便在最短時間內獲取信息,將可能產生的損失降至最低．系統主要功能如圖3所示.

圖3 邊坡監測智能預警系統主要功能

1)GNSS解算模塊可以添加和刪除監測站、基準站,修改它們的相關屬性;可以根據用戶需要選擇若干數量的監測站和基準站構成監測網,進行整網解算;在接收到監測網中各站點回傳的原始數據后解算出各監測站的精確坐標,傳輸至數據集成管理模塊;

2)數據集成管理模塊獲取到各監測站的實時精確坐標后,對當期坐標和往期坐標進行對比分析,得到準確的位移數據,通過各個自動分析模型得出監測體中橫斷面的位移信息、變化過程趨勢、沉降信息,將位移變化趨勢繪成用戶指定的直方圖和折線圖,通過歷史的位移變化率預測未來某時間段內監測體的整體位移趨勢;對傳感器的數據進行統計和分析,并形成規范的日志文件;

3)監測預警平臺通過分析監測體的位移數據判斷監測體安全狀態,位移值超過系統設定的閾值,同時傳感器的數據也發生異常,監測站攝像頭會自動打開并拍照,實時回傳照片,接收照片后,圖像自動識別算法開始啟動,通過對比圖像,判斷發生位移的原因,如果排除了接收機和監測墩故障后,確認發生了災情,則生成警情信息,經管理員授權后警情信息可向其他平臺和信息顯示大屏終端轉發;備份警情信息,形成日志文件; 地理信息系統(GIS)地圖上對監測站和基準站進行可視化展示;

4)車輛網平臺接收到警情信息后,實時推送到用戶的車載終端,如果用戶正在駕車開往該區域,則會進行語音提示;架設在監測體附近的信息顯示大屏終端接收到警情信息后,會按照一定的格式在屏幕上進行顯示,用于提示過往行人和車輛;其他系統平臺接收到警情信息后會將其發布到網上或通過收音頻道進行廣播．

2 系統關鍵技術

基于BDS的邊坡監測智能預警系統采用B/S開發架構[4]編程實現,管理員和用戶只需通過瀏覽器訪問特定域名并輸入賬號和密碼便可對系統進行訪問．該系統關鍵技術如下:

2.1 BDS高精度差分定位技術

為了達到毫米級的監測精度,需要從硬件和軟件兩個維度著手,首先是硬件,需要采用高精度的北斗定位接收機,本系統監測站和基準站的BDS接收機采用的靜態/快速接收機,靜態精度技術指標為:水平±2.5 mm+0.5 mm/km RMS,垂直±5 mm+0.5 mm/km RMS;接收機天線采用扼流圈天線,削弱多路徑效應影響;基準站和監測站的基線控制在10 km以內,監測精度可達毫米級．

其次還需要有合理的數據處理方法,監控中心的解算軟件會對BDS接收機接收到的原始數據進行粗加工、數據預處理、BDS基線向量解算和網平差處理等幾個階段[5-6],具體流程如圖4所示.

圖4 BDS數據處理基本流程

數據預處理主要包括: 1)運用卡爾曼濾波算法對原始數據進行平滑處理,消除定位數據中的隨機誤差[7-8]; 2)用多維粗差定位與定值算法剔除粗差[9]; 3)對原始觀測值加各種模型的改正; 4)將各類數據文件標準文件格式進行加工處理．

數據預處理后進行基線向量解算,基線向量解算的步驟如下:

1)基線解算自檢:基線解算控制參數設置;

2)讀入星歷數據:提取原始數據的星歷數據部分;

3)讀入觀測數據:讀取預處理后的觀測值數據,包括起始站和終點站的觀測數據、單點定位坐標、觀測時刻、C/A碼偽距、P碼偽距和載波相位;

4)三差解算:將雙差觀測值在歷元間進行相減,組合成三差觀測值,建立觀測方程,進行解算后得到三差解(對于短邊,三差解的精度往往不高,通常三差解的目的在于得到比較近似的基線邊,便于進行周跳修復);

5)周跳修復:先用載波相位求差法探測周跳,得到周跳發生的歷元,然后用多項式擬合法對該歷元前后的數據進行擬合,達到最終修復周跳的效果;

6)進行雙差浮點解算:若共觀測到n顆衛星的信號,則雙差觀測方程組將比三差觀測方程組增加n-1個未知數,雙差解得到更進一步的未知點坐標和以浮點數表示的整周模糊度;

7)整周模糊度分解:采用FARA[10]方法和LAMBDA[11]方法求解整周模糊度．

8)進行雙差固定解算:在整周模糊度得到正確的固定后,進行雙差固定解算．

基線向量解算完畢后,系統對整個監測網進行獨立基線網平差,平差后得到最終的坐標數據．

2.2 災情自動判別技術

為了使系統可以7(天)×24(小時)無人值守地全自動運行,需要解決災情的自動識別問題．系統對于災情的識別主要通過三個方面判斷,分別是: 1)位移值是否超過模型預設的閾值; 2)傳感器回傳的數據是否異常; 3)攝像頭回傳的圖像是否有異常．只有當位移值超過模型預設的閾值,傳感器回傳的數據和攝像頭回傳的圖像均產生異常時,才判定災情發生．災情自動判別主要涉及到以下關鍵技術:

2.2.1 點位穩定性分析

本系統運用改進平均間隙法[12-13]去判斷監測點是否發生位移．

改進平均間隙法將監測點的X坐標、Y坐標以及高程H分開判別,對監測網兩期的觀測值進行平差后,分別求出兩期監測網中各點的X坐標間隙、Y坐標間隙和高程H間隙,即:—dxi、dyi和dhi(i=1,2, …,n，n為監測點的個數)．dxi、dyi和dhi的計算如式(1)所示:

(1)

式中:Xji和Xki分別是點i在第j期和第k期的X坐標平差值;Yji和Yki分別是點i在第j期和第k期的Y坐標平差值;Hji和Hki分別是點i在第j期和第k期的高程H的平差值．

根據式(1)中計算的坐標間隙可以按式(2)計算X、Y坐標和高程H間隙的方差:

(2)

式中:t為監測網的網點個數;PdX、PdY和PdH分別為dX、dY和dH的權陣,通過協因數傳播律求得．

先對監測網兩期數據進行平面精度一致性檢驗,若檢驗通過,則說明兩期監測網的平面測量精度相同,便可以進一步求算兩期監測網的平面聯合單位權中誤差μhor,再根據文獻[14]求出兩期監測網X方向和Y方向的單位權中誤差μX和μY．

再對監測網兩期數據進行高程精度一致性檢驗,若檢驗通過,則說明兩期監測網的高程測量精度相同,求出高程單位權中誤差μver.現提出原假設H0:兩期監測網中的點均為穩定點．根據F檢驗的性質,構造F檢驗的統計量為

(3)

式中:統計量在一定的顯著性水平α下,再結合第一自由度t和第二自由度f,可以查詢F分布表得出其臨界值Fa,t,f然后分別比較FX、FY、FH與Fa,t,f的大小．

以X方向為例,若FX≤Fa,t,f則原假設H0成立,即兩期監測網中均無點位移動,穩定性分析完成．若FX>Fa,t,f,則拒絕原假設H0,說明兩期監測網中有點位發生移動．同理,也可以進行Y方向和H方向的穩定性分析．

2.2.2 圖像移動判別技術

本系統采用的圖像移動判別方法主要通過對比圖像目標體中心坐標與圖像監測點坐標之間的差值變化來實現[15]．

該方法由以下環節構成:

1)圖像目標體的選取以及圖像坐標系的建立．圖像目標體,即與當前圖像中除目標體以外的對象顏色反差劇烈且形狀較為規則的對象．邊坡監測多為野外監測,所在區域主色調多為綠、黃和白樹木、黃土和石塊,因此選取圖像目標體時,可選取鮮紅色或紫色規則物體,如果沒有,應在監測點布設時安插一塊鮮紅色或紫色的圓形鐵牌作為目標體．在建立圖像坐標系時,為方便坐標提取和測算選取圖像左上角為原點建立坐標系,以橫軸為X軸,向右為正方向;縱軸為Y軸,向下為正方向．

2)感興趣區域(ROI)[16-17]的提取．由于設定的圖像目標體的顏色為紫色和鮮紅色,應對圖像在色調、飽和度和強度(HSI)[18]空間中的色調子空間進行顏色提取,初步確定ROI．由于攝像頭采集到的圖像為RGB[19-20]格式,因此需要實現RGB空間到HSI空間的轉換．

3)圖像灰度化,通過像素遍歷法,確定感興趣區域的中心坐標．

4)邊坡狀態判定．在選取圖像目標體后,還應選取圖像中比較有代表性的邊坡特征點為圖像監測點,設參考點坐標為(X,Y),圖像監測點坐標為(x,y)，

(4)

式中：ΔX是兩者的橫坐標差；ΔY是兩者的縱坐標差；ΔS是兩者在圖像坐標系中的直線距離．只有當ΔX、ΔY和ΔS中的兩個或兩個以上超過系統所設置的閾值時,則判定邊坡的狀態發生了變化,否則認為邊坡狀態穩定．

3 應用案例

四川省綿陽市科技示范項目運用本系統對某景區的邊坡進行了自動監控．施工人員在景區內外的邊坡上布設若干個監測點,其中兩個監測點布設在省道邊坡面上,在邊坡東面距離邊坡1.5 km的地方安裝了顯示大屏,用以顯示預警信息．監測點和顯示大屏在軟件界面中的顯示如圖5所示．

圖5 監測點和顯示大屏在軟件界面中的顯示

該系統外接了顯示大屏,同時外接了景區管理平臺、市旅游局管理平臺、市交通局管理平臺和車聯網管理平臺,一旦監測點發生位移,系統則會向指定平臺和管理人員發送預警信息,預警值按照要求分為三級預警設置,預警發生后按照相關等級,自動發送相關指令到相對應的IP地址(管理平臺)上．預警模塊同時與短信以及E-mail模塊相連接,一旦發生危險預警,會自動根據設置,向相關郵箱發送預警E-mail和向相關人員(景區管理人員、市旅游局管理人員和市交通局管理人員等)手機發送預警短信．

同時該系統能自動生成預警記錄,一旦預警產生,相關負責人必須填寫預警情況說明書,未填寫則自動定期發送短信以及報警提醒,確保事故概率最小化．

在系統正式開始運行至今,平面監測精度≤5 mm,高程監測精度≤8 mm,預警成功率為100%,災情漏報率和誤報率均為0．該系統自動化和智能化程度高,對整個景區的安全保障起到了重要的作用．

4 結束語

綜上所述,可以得出以下結論:

1)本文提出的基于BDS的邊坡監測智能預警系統采用B/S開發架構編程實現,在軟件層面上集成了完備的數據處理方法, 集數據處理、數據存儲、數據分析、信息管理、災害預警和跨平臺信息發送等功能于一身,一體化、自動化和智能化程度高．

2)該系統在關鍵技術上采用了BDS高精度差分定位技術,使平面和高程監測精度均能達到毫米級,同時運用傳統的點位穩定性分析方法和圖像移動判別技術,在自動判別災情方面,具有良好的可靠性,使得災情的誤報率進一步降低．

3)該系統具有可擴展性,可外接其他系統平臺,與其他系統形成一個網絡整體,讓邊坡監測預警信息應用更加廣泛,經過一段時間的實踐證明,該系統運行期間,對監測區域的安全保障起到了重要的作用,有效減輕了管理者的工作負擔,有一定的推廣價值．