基于物聯網技術的地鐵施工安全風險預警

（福建船政交通職業學院 土木工程學院，福建 福州 350007）

0 引 言

地鐵施工安全風險特征明顯，除了工程本體的風險外，還可能誘發諸多的社會風險。2008年杭州地鐵一號線工地發生塌方事故[1-2]，導致21人死亡，24人受傷，直接經濟損失4 961萬元。一般地，工程風險達到臨界狀態之前，監測數據的某些特征指標即有明顯反應，工程也會出現某些特征現象，可以通過監測這些數據預報警情[3]，所以在地鐵施工過程中，監測數據的采集及處理對地鐵施工安全風險預警尤為重。物聯網技術的出現為解決這個難題提供了支撐。

物聯網是指通過信息傳感設備，按約定的協議，將任何物體與網絡相連接，物體通過信息傳播媒介進行信息交換和通信，以實現智能化識別、定位、跟蹤、監管等功能，實現物物相連[4-7]。近年來，物聯網技術已經在土木工程施工風險監測中得到了一些應用[8-9]。

隨著信息時代的不斷發展，地鐵施工安全風險預警將成為物聯網應用的重要發展方法，為此，本文提出基于物聯網技術的地鐵施工安全風險預警技術，實現地下工程施工安全的自動監測、實時預警。

1 基于物聯網技術的地鐵施工安全預警體系設計思路

1.1 感知層

利用物聯網技術，將視頻監控、智能測斜管、光電式雙位移計、壓力傳感器、超聲波水位計、空隙水壓力計、應力計、軸力計、超聲波測距儀等信息采集設備按監測設計要求安裝于施工現場監測點，用于收集施工現場的各類信息。

1.2 數據傳輸層

位于工地前端的信息采集設備通過互聯網、有線通信和無線通信等，將底層采集到的信息與上層服務器進行連接和交換。

1.3 數據處理層

從底層感知層采集到的原始數據不僅數量大，而且含有大量重復且對用戶無用的，所以需要數據處理層對原始數據進行濾波降噪、整合處理，并能生產原始數據匯總、分析的報表、圖表等，可以供用戶查詢、使用[4]。

1.4 數據應用層

要實現對工程施工安全的預警功能，需要對采集到數據做特殊處理。例如對于地鐵施工地表沉降問題，可以用人工神經網絡、卡爾曼濾波、ARIMI等模型，構建地表沉降預測模型，使用戶提早掌握沉降的未來走勢，并根據設置的閾值實現預警功能。

1.5 服務層

利用終端設備，為用戶提供可視化操作平臺，實現預警信息的實時響應。

基于物聯網技術的地鐵施工安全預警架構如圖1所示。

圖1 基于物聯網技術的地鐵施工安全預警架構

2 基于物聯網技術的施工安全預警功能模塊

2.1 地鐵工程本體施工安全風險預警

地鐵工程本體施工安全預警指標主要包括支護樁（墻）頂部水平（豎向）位移、支撐軸力、錨桿拉力、地表沉降、地下水位、管片結構豎向位移、管片結構凈空收斂、初期支護結構拱頂沉降和初期支護結構凈空收斂等。通過位移、應力等傳感器來獲取監測數據，并將數據傳輸給系統中心處理，得出即時變化值及變化速率和預測的變化值及變化速率，根據事先設置好的閾值，進行及時預警。

2.2 地鐵工程施工設備監測預警

通過對地鐵工程施工大型設備安裝傳感器，實時采集數據，可以實時監測施工現場的大型設備運行情況，需事先設置好閾值，進行及時預警。

2.3 地鐵工程施工環境監測預警

地鐵施工多處于地下，施工環境相對比較密閉，易發生爆炸、中毒等事故。在此通過實時采集施工現場的可燃和有毒有害氣體濃度、粉塵、溫濕度等數值，進行閾值判斷，實現及時預警。

3 實例分析

由于篇幅有限，本文選取了福州市軌道交通4號線池邊站基坑開挖的安全風險預警做分析。

3.1 工程概況

福州市軌道交通4號線池邊站位于福州市晉安區塔頭路道路下方，呈東西走向，站中心位于塔頭路與縱二路十字交叉口十字路口中部，塔頭路規劃寬45 m，車站西側已實現規劃，東側道路未施工，縱二路路規劃寬30 m，現狀道路寬30 m。車站周邊現狀以學校、高層辦公樓和高層住宅為主。車站周邊規劃用地性質以商業、居住用地、教育用地、綠地為主。

池邊站為單柱2跨（局部雙柱3跨）2層站地下建筑。車站起點里程DK31+871.358，終點里程為DK32+061.358，設計總長度為190 m，標準寬為19.70 m，深16.70～19.00 m。車站共設5個出入口，2個風亭，車站兩端區間采用盾構法施工，車站小里程端為區間提供盾構吊入條件，大里程端為區間提供盾構吊出條件。

3.2 地鐵基坑開挖階段監測點布設

池邊站基坑開挖階段監測點布設情況見表1所列，每個監測項目點布設相應傳感器。

表1 池邊站基坑開挖階段監測點布設情況

3.3 監測項目控制值和預警標準

根據城市軌道交通工程監測技術規范[10]，監測項目的控制值見表2所列。

監測預警等級判定應根據施工過程中工程監測數據與監測項目控制值（包括變形量、變化速率“雙控”值）對比確定，按嚴重程度由小到大分為黃色、橙色和紅色三級，見表3所列[11]。

表3 三級警戒狀態判定表

3.4 數據處理

本文選取了該工程2019年9月10日的監測數據，并根據“雙控”閾值要求，分別對不同監測項目的根據監測項目的變化速率和累計值進行分析統計，得出本次監測項目變化速率最大測點和累計變化量最大測點，見表4所列。

表4 監測點累計及變化速率最大點位統計表

3.5 預警分析

根據三級警戒狀態判定表及可視化平臺顯示，本期池邊站各項監測數據變化較為穩定，各監測點位均在預警控制值范圍之內，無新增預警點。

3.6 結論

（1）地鐵施工是一個涉及沿線地質情況、周邊構（建）筑物、地下管線等綜合性、復雜性的施工過程。本文提出利用物聯網技術，自動采集監測數據，實時動態監測走勢，實現地鐵施工過程的安全預警，確保了施工過程的安全性，減少施工安全事故所帶來的損失。

（2）利用物聯網技術，減少了人工參與的工作量，保證數據正確性的同時提高了工作效率。

（3）為確保監測點數據的正常、正確傳輸，在實際工作中應該做好對檢測項目各監測點傳感設備的保護工作；同時，應加強日常安全巡視工作，發現周邊環境有異常情況，及時反饋信息。

4 結 語

針對傳統監測手段存在的問題，本文提出基于物聯網技術的地鐵施工安全風險預警。利用物聯網技術，自動采集地鐵施工過程中的各類信息，進行智能處理，實現地鐵工程本體施工、大型設備運行情況、施工環境的自動監測和實時預警，提升地鐵施工過程的安全事故防范能力。隨著物聯網軟硬件技術的不斷發展，物聯網技術在地鐵施工安全監測領域的應用將更加廣泛。