400 km/h高速鐵路地質災害及基礎設施監測系統研究

袁 焦 王 珣 李高豐 劉 勇 伏 坤

(中鐵二院工程集團有限責任公司， 成都 610031)

近年來，在人工智能、大數據、云計算、物聯網、BIM等新技術的驅動下，數字化、信息化、智能化發展對鐵路的建造、運營及維護帶來了革命性的變化。中國國家鐵路集團有限公司(以下簡稱“國鐵集團”)2020年發布的《智能高速鐵路體系架構1.0》提出，智能高鐵由智能建造、智能裝備、智能運營三大板塊組成，智能檢測監測方向作為智能裝備板塊的重要組成部分，是提升高速鐵路運輸安全的關鍵環節，它包括了基礎設施檢測監測、自然災害監測等創新內容[1]。隨著我國鐵路逐步進入400 km/h時代，影響行車安全的地質災害及基礎設施監測成為了鐵路行業研究的熱點。

日本對鐵路災害的防范工作十分重視，防災安全監控系統是日本新干線Cosmos系統(列車運行綜合管理系統)的一個重要子系統，對地震、強風、暴雨、大雪等自然災害加強檢測監測，確保鐵路的安全運營。法國地中海線高速鐵路最高運行速度達350 km/h，其災害監測系統均按線建設并獨立運行，主要包括風、雨、雪、地震及立交橋下落物監測。德國高速鐵路采用新型防災報警系統MAS90，除監督線路裝備的運用狀況外，還可識別并及時報告環境對行車安全的影響及移動設備發生破損的情況。美國和英國自八十年代中后期就在多座橋梁上建立了結構健康監測系統，監測大橋在車輛與風荷載作用下的撓度、振動、應變等響應。

我國高速鐵路目前均設置了自然災害及異物侵限監測系統，為運營期鐵路行車提供安全保障，但尚未針對地質災害及基礎設施監測開展全面、統一的系統設計研究。本文借鑒高速鐵路自然災害及異物侵限監測系統設計與推廣應用的經驗，立足于400 km/h高速鐵路地質災害及基礎設施監測的實際需求，旨在構建適應于400 km/h高速鐵路地質災害及基礎設施監測的新體系，形成400 km/h高速鐵路地質災害和基礎設施監測系統的成套解決方案。

1 400 km/h高速鐵路監測需求

1.1 地質災害監測需求

我國地質災害復雜多樣，災害頻繁，其中鐵路常見的地質災害類型主要有滑坡、泥石流、崩塌落石三類。

滑坡是指斜坡上的土體或巖體，受河流沖刷、地下水活動、地震及人工切坡等因素的影響，致使部分或全部土體(或巖體)在重力作用下，沿著地面軟弱面(或軟弱帶)整體地或分散地順坡向下滑動的地質現象。滑坡會破壞線路，中斷行車，危害站場，砸壞站房，毀壞鐵路橋梁及其他設施，錯斷隧道，摧毀明硐，造成車翻人亡的行車事故。

泥石流是指在山區或其他溝谷深壑、地形險峻的地區，因暴雨、暴雪或其他自然災害引發的山體滑坡并攜帶大量泥沙以及石塊的特殊洪流。泥石流具有突然性、流速快、流量大、物質容量大、破壞力強等特點，對高速鐵路橋梁、路基等基礎設施帶來巨大威脅。

崩塌落石是山區常見的一種地質災害。在山體自然風化、降雨侵蝕及人為破壞植被等因素的作用下，山體易發生大小規模不一的落石，若發生在高速鐵路區域范圍內，將會嚴重威脅高速鐵路的行車安全[2]。

在外界因素(如降水、地震、人類工程活動等)的影響下，每年都有大量崩滑流災害單體或鏈式災害發生，給高速鐵路建造與運營安全帶來極大的威脅。因此，建立地質災害監測系統是預防地質災害破壞的必然措施和有效手段。

1.2 基礎設施監測需求

高速鐵路路基、橋梁、隧道、軌道等線下基礎設施是列車高速、安全、平穩、可靠運行的保障。開展400 km/h高速鐵路線下基礎設施監測是實現線下基礎設施狀態全面感知、安全風險預警、故障診斷預測、趨勢變化分析,推進實施精準維修和預防性狀態修,提高維修效率,降低維修成本的重要手段,是確保鐵路持續安全運營的重要技防保障[3]。

1.2.1 路基

400 km/h高速鐵路對路基整體強度及動態服役能力的要求高，由于列車車速高、行車密度大，路基承受的荷載強度大、效應大，影響路基的結構形態與穩定性。為及時掌握運營期路基及邊坡的穩定性和變形情況，需選擇典型過渡段、不良地質區段(采空區、軟土地帶、巖溶地帶、風化巖、滑坡等)路基、高大邊坡等進行監測，及時掌握路基及邊坡變形的發展趨勢和穩定狀態，提高維修養護效能，為線路的安全運營提供保障。

1.2.2 隧道

隧道穿越地質條件復雜地層(如新黃土、粉細砂層、軟巖、長大斷層破碎帶、巖溶、煤層、高地溫、高地應力、采空區等)時，存在發生隧道拱頂坍塌、圍巖大變形及底部結構鼓裂的風險。運營期，在400 km/h高速列車頻繁動荷載的作用下，特殊地段隧道拱墻結構、隧底結構受力加劇，加速了隧道的襯砌變形和基底結構劣化，威脅行車安全。隧道“檢養修”面臨著縱深長、空間狹小、有效天窗時間短的挑戰，為保障列車行駛安全，有必要對嚴重影響隧道結構穩定性的重點區段的圍巖深部位移和水壓力、襯砌混凝土應力應變、基底結構位移、隧內環境變量等進行長期監測。

1.2.3 橋梁

400 km/h高速鐵路橋梁的運營監測不僅要關注結構承載能力，還要關注列車走行的安全性和乘客乘坐的舒適性。對大跨度橋梁、高墩橋梁、復雜橋梁、特殊結構橋梁、地質條件較差的橋梁設置健康監測系統，實時監測墩頂位移，橋梁結構關鍵部位應力、振動、變形，外部環境等數據，通過參數監測達到對橋梁結構安全狀態、列車走行安全性、乘客舒適性及結構承載安全性的監控與評判。

1.2.4 軌道

400 km/h高速運行列車對軌道結構的平順性、穩定性和可靠性提出了近乎嚴苛的要求。軌道結構引導列車的運行，一旦出現病害將直接影響列車運行的安全性和舒適性。無砟軌道常見的病害包括上拱、梁端凸臺或底座開裂、扣件失效、砂漿層離縫、軌道結構開裂、線下基礎沉降等，因此，軌道監測內容主要包括結構變形、位移、受力等方面。

1.3 數據中心建設需求

針對400 km/h高速鐵路地質災害及線下基礎設施監測，建立路局級統一的數據中心系統，實現多源監測信息匯聚、存儲、綜合展示及大數據分析等，實現與路局既有自然災害與異物侵限監測系統之間的互聯互通，接收國家(地方)部門地質災害監測或氣象部門相關系統信息，發揮信息系統互聯優勢，實現對高速鐵路沿線地質災害及基礎設施的報警和處置。同時，實現系統設備集中管理，提高系統可靠性，減少誤報漏報，推進系統應用，滿足系統運用維護管理的規范化和標準化要求。

2 監測系統體系框架

2.1 架構設計

智能傳感、雷達測量、衛星遙感、無人機航測、智能視頻識別、無線組網、5G等新技術的不斷成熟為構建400 km/h高速鐵路地質災害及基礎設施監測系統提供了新的解決方案[4]。本文采用一種功能全面、擴展性強的系統總體架構，滿足“全方位、全天候、全要素、全尺度”的地質災害及基礎設施智能化監測需求。系統總體架構按功能定位可分為感知層、傳輸層、平臺層、應用層，如圖1所示。

圖1 系統總體架構圖

(1)感知層

由布設于地質災害子系統、線下基礎設施監測子系統的各種傳感器和采集設備組成，主要實現對數據的感知、采集和預處理。

(2)傳輸層

主要包括現場設備間傳輸網絡和數據上傳網絡，可采用光傳輸、LoRa、WiFi、5G、衛星通信等多種通信傳輸網絡。

(3)平臺層

主要功能是提供面向全數據類型的數據接入、數據存儲及計算能力，對監測領域數據資源進行集成整合，實現傳感數據/文檔資料/影像的數據管理、大數據存儲與分析、GIS與BIM數據融合、智能文本分析及圖像視頻分析，支撐地質災害及基礎設施智能化監測的業務應用。

(4)應用層

結合具體監測對象，開展不同功能的模塊設計，通過可視化模塊將數據分析結論轉化為專業生產知識，并快速準確地提供分析報表、趨勢圖、GIS+BIM等可視化方式進行全局展示，實現對高速鐵路地質災害及基礎設施監測物理量的實時監控、精確管理和綜合應用，及時發出災害預警或報警信息，為基礎設施管理養護科學決策提供支撐。

2.2 系統組成

400 km/h高速鐵路地質災害及基礎設施監測系統分為鐵路局中心系統與現場監測子系統兩級結構[5]，系統組成結構如圖2所示。中心系統包括服務器、存儲設備、網絡設備、監測終端和配套軟件。現場監測子系統由沿線區間的滑坡/巖堆/高陡邊坡監測子系統、落石/崩塌監測子系統、泥石流監測子系統、橋梁監測子系統、隧道監測子系統、路基監測子系統、軌道監測子系統等組成。

圖2 系統組成結構圖

現場監測數據通過無線或有線通信方式傳輸至鐵路沿線監測主機，再通過鐵路通信網絡傳輸至中心系統[6]。中心系統通過鐵路通信網絡實現與路內自然災害及異物侵限監測、綜合視頻監控、周界入侵監測等系統間的數據交互；通過專用通信通道實現與路外氣象、應急管理等部門的數據交互。

2.3 部署方案研究

2.3.1 數據中心部署方案

鐵路局中心系統由軟件平臺(操作系統、中間件、數據庫、接口軟件、殺毒軟件、應用軟件、虛擬化軟件)和硬件平臺(服務器、存儲設備、網絡設備、報警設備、監測終端)組成[7]。中心系統采用虛擬化技術、分布式存儲技術、云資源管理技術、信息安全技術等，搭建適應于400 km/h高速鐵路地質災害及基礎設施監測的云平臺基礎設施層，實現計算、存儲、網絡資源按需分配、統一管理和集中監測，提高資源利用率，便于業務快速部署和擴展。在此基礎上，構建集多源異構海量監測數據的高效存儲訪問、數據共享、數據分析服務、數據安全等功能于一體的云平臺存儲與分析層。結合具體的監測業務要求，提供實時數據監測、GIS+BIM模型遠程快速加載、視頻圖像在線瀏覽、報警信息發布與管理等功能，實現GIS+BIM與多源監測信息的融合展示。

中心系統設備設置在鐵路局中心機房，在調度臺、工務部、工務段、通信段、信息技術所等部門設置監測終端。

2.3.2 地質災害監測子系統部署方案

(1)滑坡/巖堆/邊坡監測子系統

采用InSAR、傾斜攝影、GNSS定位、土體深部位移計、滲壓計、雨量計等多元空間網絡化監測技術和設備對滑坡/巖堆/邊坡的深層土體位移、地表變形、外部環境及防治工程結構受力等參數進行監測[8]，對災害監測點進行自動數據采集、處理、監測及預警。滑坡/巖堆/邊坡監測方法及儀器如表1所示，典型滑坡監測工點設備布設如圖3所示。

表1 滑坡/巖堆/邊坡監測方法及儀器表

圖3 典型滑坡監測工點設備布設示意圖

(2)泥石流監測系統

通過雨量計、泥位計、振動傾角監測儀、視頻監控相結合的監測技術實現對泥石流溝的泥(水)位變化、泥石流振動信息、泥石流發生地影像變化信息等參數進行監測。典型泥石流監測工點設備布設如圖4所示。

圖4 典型泥石流監測工點設備布設示意圖

(3)崩塌落石監測系統

系統對災害形成演化過程中的變形、降雨量等物理參量開展實時監測，全面掌握不穩定坡體的發展趨勢。布設具有移動偵測、異物識別報警功能的激光雷達探測儀和高清球機，在各種天氣和氣候條件下，對鐵路隧道進口/出口線路界限上可能威脅到列車正常行駛的落石、邊坡溜塌等異物進行快速、準確判別，并對告警目標進行定位、跟蹤、放大，同時快速傳遞告警信息，輔助工務人員觀察、判斷，及時采取應急措施。子系統由雨量計、GNSS、振動傾角一體機、高清球機、激光雷達探測儀、地面處理主機等設備組成，如表2所示。典型泥石流監測工點設備布設如圖5所示。

表2 主要設備表

圖5 典型崩塌落石監測工點設備布設示意圖

2.3.3 基礎設施監測子系統部署方案

(1)橋梁監測子系統

現場設備以多類型傳感器組合的方式進行構建，以數據采集和傳輸子系統為基礎，以滿足橋梁安全評價需求為出發點，根據數據采集控制策略、數據處理理論和安全評價理論，實現傳感器數據的自動采集、存儲、處理和橋梁的安全評價。橋梁監測內容與設備如表3所示。

表3 橋梁主要監測內容及設備表

(2)隧道監測子系統

由快速智能感知系統、多源采集系統、高速傳輸系統和終端展示模塊組成，主要監測隧道的狀態量化指標，如隧道上部地表位移、襯砌混凝土應變、基底結構位移、隧道內環境變量、襯砌表觀和結構變化等，通過相應的傳感器獲取數據信息。隧道監測內容與設備如表4所示。

表4 隧道主要監測內容及設備表

(3)路基監測子系統

采用靜力水準儀、分層沉降計、水平位移計、水位計等設備全方位獲取高速鐵路路基沉降監測數據[8]。通過預警分析模塊做進一步分析，判斷數據是否超過設定閾值，發現異常及時報警。通過可視化組件，將監測結果以圖表的形式直觀地反饋給用戶。路基監測內容與設備如表5所示。

表5 路基主要監測內容及設備表

3 關鍵技術研究

3.1 無線傳輸數據壓縮技術

由于現場布線困難，地質災害監測常采用無線組網的通信方式。無線組網通信帶寬小，每次可發送字節有限，需對數據進行壓縮以提高可靠性和傳輸效率。根據地質災害及基礎設施監測數據的傳輸需求，采用邊緣端GZIP無損壓縮、數據中心接收端解壓縮的方式提高數據傳輸能力。

GZIP 壓縮文件有固定的存放格式，即在連續壓縮塊外邊加上一層 GZIP 文件相關的信息。GZIP壓縮文件可分為文件頭、數據塊和文件尾三個部分。

對于要壓縮的災害監測數據，先使用LZ77算法進行壓縮，再使用Huffman編碼的方法進行壓縮，數據壓縮流程如圖6所示。

圖6 數據壓縮流程圖

3.2 數據訪問加密技術

本系統使用層面具備廣大用戶群體，業務層面應采取權限訪問控制，數據層面又涉及高速鐵路GPS坐標等敏感信息，因此，需要一種加密驗證方法將各層面的安全需求抽象出來，作為訪問驗證公共庫統一應對，從而在用戶與后端通信過程中起到保護用戶隱私、保全敏感信息的作用。

首先，采用非對稱加密算法對網絡傳輸進行封裝。但因非對稱加密會帶來性能開銷，影響用戶的使用體驗，故在公共庫的設計上還應考慮部分非敏感信息的傳輸需要，提供多種低密級、無密級的訪問方法。訪問封裝流程如圖7所示。另外，由于系統需部署在云平臺上，該庫還實現了JWT驗證方式，通過數字簽名保證令牌的合法性。

圖7 訪問的封裝流程圖

其次，從事前控制的角度出發，設計實現了1套注冊機制，流程如圖8所示。通過用戶提供用戶信息、機器碼，系統驗證通過后才允許登錄及后續操作的方法，將用戶、操作終端、權限綁定在一起，大大提高了系統的安全性。此外，系統將記錄用戶、機器碼、操作時間、操作行為等信息，作為安全審計的跟蹤記錄。

圖8 事前控制用戶注冊流程圖

最后，為降低整個訪問驗證流程的復雜程度，系統接口應隱藏算法、查詢的具體調用方式，僅通過提供API的方式響應調用，并對該庫進行混淆加密，進一步提供安全等級。

3.3 監測大數據融合技術

如何對地質災害與基礎設施監測中產生的多尺度、多元化、多類型監測數據(含傳感數據、GIS/BIM模型、無人機傾斜攝影、遙感/航拍影像、地勘資料、視頻圖像等)[9]，開展集中數據存儲與融合處理是系統研究的重點[10]。

本文在關系型數據庫和分布式文件系統集群之外，研究并設計了基于Hadoop分布式架構的大數據存儲和分析平臺，結合Spark分布式計算引擎，為海量數據的存儲分析提供了一種穩定、高效的解決方案。Hadoop+Spark平臺架構設計如圖9所示。

圖9 Hadoop+Spark平臺總體架構圖

在Hadoop+Spark平臺的數據源層中，由各業務監測系統提供結構化數據、非結構化數據和半結構化數據類型的數據源。非結構化數據包括遙感衛星影像、文檔數據和視頻圖像數據等，半結構化數據如JSON數據等，結構化數據包括地質災害及基礎設施監測傳感器數據等。

通過平臺提供的Sqoop數據傳輸軟件將需要進行大數據存儲與分析的數據抽取到數據存儲層。數據存儲采用分布式文件系統HDFS、分布式數據庫Hbase及數據倉庫Hive相結合的方式。在Hadoop+Spark平臺的資源管理層中，通過Yarn進行資源管理，為集群資源利用率、資源統一管理和數據共享等帶來方便。在Hadoop+Spark平臺的數據計算層中，使用內存計算框架Spark實現快速分布式計算處理，為海量監測數據挖掘提供支撐。

4 結束語

本文結合400 km/h高速鐵路地質災害及基礎設施的特點和監測業務需求，集合物聯網、云計算、分布式存儲、大數據等技術的深入研究與應用，設計了監測系統總體架構，分析了系統組成，并結合不同地質災害和基礎設施監測類型開展了部署方案的研究，此外還重點研究了監測數據的高效壓縮傳輸、加密訪問、監測大數據融合等關鍵技術，為400 km/h高速鐵路地質災害及基礎設施監測系統的設計、研發與應用提供了借鑒與指導。今后，圍繞該系統持續深入研究與應用，不僅可有效提升高速鐵路地質災害及基礎設施監測的信息管理、隱患分析等技術能力，還對強化基礎設施維護精細化管理、提升巡檢巡查效率、保障高速鐵路運營安全等具有重要意義。