基于光纖傳感的交通隧道內道路病害檢測方法

羅宗倫

（貴州橋梁建設集團有限責任公司,貴州 貴陽 558000）

0 引言

交通隧道在運營的過程中，由于地質環境緩變、環境溫濕度周期性變化、來往行駛車輛長期碾壓等因素，道路路面出現如坑洼、裂縫、凹陷等病害是難以避免的，如果不進行及時處理，會導致路面破損加劇，影響行車安全[1]。道路病害監測一般采用人工現場巡檢方法，該方法存在成本高、效率低等不足之處。隨著城市的建設和發展，交通公路的里程不斷增長，人工現場巡檢方法已經不能滿足當前道路病害檢測工作的要求，國內外研究者開始利用圖像處理技術進行道路病害數據的分析。當前基于圖像處理技術的道路病害檢測系統普遍面臨的瓶頸在于需要處理的數據量巨大、數據分析耗時較長。因此，道路病害檢測在大多數情況下仍然采用人工巡檢與圖像自動識別結合，甚至依賴人工現場巡檢的方式[2-5]。而對于隧道內的交通道路，由于隧道內光線昏暗，不同于常規場景，更增加了視頻圖像分析的難度。基于以上考慮，該文利用分布式光纖傳感技術在交通公路隧道內構建振動探測網絡，通過在隧道路面下方布設振動傳感光纜，對車輛碾壓路面產生的振動進行采集和分析，評估車輛行駛振動信號是否存在異常，并對異常位置進行定位，作為交通隧道內道路病害的輔助判斷檢測方法。

1 數據分析

1.1 數據采集

選取一段實驗路段，將單模光纖作為振動傳感光纜，敷設于路面沿線下方，埋設方向與道路走向平行，將傳感光纜接入光纖振動傳感系統。在實驗路段選擇一處位置，人為制造一個凹陷坑，用以模擬道路病害情形，同時在另一處位置設置一個風機，模擬交通隧道內的機械運行振動干擾。實驗車輛反復行駛碾壓測試路段，光纖傳感系統采集車輛碾壓路面產生的振動信號，獲得振動信號時間—空間矩陣，數據采集步驟如下：

（1）在整條光纖鏈路上，按照光纖距離將探測區域劃分為多個相等長度的小段，每個小段作為一個監測單元，將探測區域等間距劃分為多個探測單元，劃分間距為1 m。

（2）各個探測單元分別采集和存儲各自探測到的振動信號，采樣率400 Hz。

（3）在一段時間內，將光纖鏈路中空間連續的多個探測單元采集的振動信號進行拼接，即：矩陣每列為一個探測單元的采集數據，按照各個探測單元的空間順序，將每列數據進行拼接，得到這段時間內的全段振動信號矩陣，即得到光纖振動時間—空間數據圖像矩陣。這個圖像矩陣的橫軸表示距離，縱軸表示時間。

圖1為其中一組車行碾壓測試所得的光纖振動時間—空間數據矩陣三維圖像，數據時長為60 s。模擬道路病害情形的凹陷坑在約175 m的位置。可見車速基本為勻速行駛，在常規路面區域的信號振幅仍具有一定的波動性，鄰近信號之間的波動幅度處在一定的數值范圍之內。而當車輛碾壓經過凹陷坑時，產生的振動信號相較于其鄰近探測單元，信號振幅數值出現較大的跳變。同時，在600 m位置，開啟風機，從圖中可見明顯的模擬機械振動干擾信號。

圖1 模擬測試車行信號時間—空間數據

1.2 頻譜對比

分別截取100 m位置和200 m位置的常規路面上車行碾壓振動信號，以及175 m位置的車輛碾壓凹陷坑產生的振動信號，進行頻譜分析和對比。如圖2（a）所示，100 m位置和200 m位置的常規路面車行信號，具有相似的頻譜，其頻譜主要集中在小于35 Hz范圍，如圖2（b）所示，175 m位置的車輛碾壓凹陷坑產生振動信號，其頻譜主要集中在1～80 Hz范圍，如圖2（c）所示，與常規路面車行信號的頻譜分布存在較為明顯的區別。

圖2 常規路面和凹陷坑車行信號頻譜對比

1.3 形態區分

考慮到交通公路隧道內可能存在的其他振動干擾，如風機運轉產生的噪聲、隧道內機電設備運轉產生的振動等。為了對車輛行駛信號進行正確有效地提取，需要先對光纖振動時間—空間數據圖像矩陣中的前景圖塊進行判斷，找到符合車行振動信號形態特征的圖塊，然后根據這些圖塊涵蓋的范圍，提取各探測點采集的原始信號中的車行振動信號片段。如圖3所示，觀察光纖振動時間—空間數據圖像中存在的多種激勵振動信號，風機運轉產生的噪聲和隧道內機電設備運轉產生的振動等干擾振動具有激勵位置固定的特點，在光纖振動時間—空間數據圖像中的形態為一條方向垂直的豎線，而車行信號由于車輛在隧道內基本以均勻速度行駛，在光纖振動時間—空間數據圖像中的形態為一條具有斜率的直線，基于以上分析，車行信號判斷方法如下：

（1）統計光纖振動時間—空間數據圖像矩陣的中位值作為分割閾值，對圖像矩陣進行二值化處理，提取前景部分。

（2）對前景部分做霍夫變換，查找并提取圖像中的直線區域。

（3）對前景部分做連通域分割，得到多個獨立的圖塊。

（4）根據圖像中直線的斜率，排除方向為垂直或水平的線段，對于余下的斜率符合條件的直線段，其所涵蓋的圖塊，認為是符合車行信號特征的激勵圖塊。在圖3中，繪制的直線段為找到的符合車行信號特征的信號，繪制的虛線段為應當排除的干擾信號，可見準確地找到了模擬機械干擾的位置。

圖3 車行信號和干擾信號判斷結果

1.4 算法設計

根據以上分析，通過對時域信號振幅的跳變點以及信號頻譜主頻變化的綜合分析，可以對道路病害進行判斷。設計道路病害判斷方法如下：

（1）已經找出圖像中由斜線覆蓋的區域，認為是符合車行信號特征的激勵圖塊，分別對其涵蓋區域的振動信號進行提取。

（2）對于每一個符合車行信號特征的激勵圖塊，對于其中涵蓋的每一個探測單元，分別提取處于激勵信號圖塊中的原始振動數據片段。

（3）對提取的每一段車行振動數據做fft變換，得到對應的車行振動數據片段頻譜，同時查找這段車行振動數據的振幅絕對值的最大值，記為車行振動幅值。

（4）對于第三步中得到的一系列探測單元的多個頻譜，分別查找幅值最大值所對應的頻率，記為相應探測單元的主頻。

（5）對從同一激勵圖塊得到的主頻序列進行光滑樣條擬合，得到該激勵圖塊的主頻序列的包絡趨勢線。

（6）計算各個探測單元主頻與其對應位置包絡線數值的差值絕對值，再求得此差值絕對值序列的均值，再計算差值絕對值序列與其均值的比值，設置比值閾值為T1，查找是否存在比值超過閾值T1的探測單元。

（7）對于第三步中得到的一系列探測單元的多個車行振動幅值，也進行光滑樣條擬合，得到該激勵圖塊的車行振動幅值序列的包絡趨勢線。

（8）計算各個探測單元車行振動幅值與其對應位置包絡線數值的差值絕對值，再求得此差值絕對值序列的均值，再計算差值絕對值序列與其均值的比值，設置比值閾值為T2，查找是否存在比值超過閾值T2的探測單元。

（9）若存在主頻比值超過閾值T1，同時車行振動幅值比值超過閾值T2的探測單元，則其對應的異常分值自增1。

（10）當某探測單元的異常分值達到閾值T_score，則對應位置被認為存在道路病害的情況。

（11）對于判斷為存在道路病害的探測單元，系統發送對應位置的道路病害報警信息，同時將其位置信息推送給視頻聯動系統，進行圖像復核。

2 測試統計

該次實驗中，分別控制平均車速30 km/h、40 km/h、50 km/h、60 km/h，在實驗路段各自進行了50組車行碾壓凹陷坑測試，識別定位結果統計如表1所示。

表1 減速帶位置識別定位結果統計

由凹陷坑位置識別定位統計結果可知，在不同的平均車速下，算法對道路路面病害的識別率≥80%，定位偏差≤10 m。當平均車速為50 km/h，識別率可達92%。而其他無凹陷坑的位置，沒有出現誤識別情況。該文所提出的基于光纖振動傳感的道路病害輔助檢測方法，能夠有效識別和準確定位道路路面出現的坑洼凹陷等病害情況。

3 結束語

該文基于分布式光纖傳感系統構建隧道內的路面振動探測網絡，對車輛碾壓路面產生的振動進行采集和分析，評估車輛行駛振動信號是否存在異常，并對異常位置進行定位，作為對交通隧道內道路病害的輔助判斷檢測方法。通過分析比較平整路面的車行振動數據和病害位置的車行振動數據，針對病害位置振動信號出現的時域和頻域的異常突變進行算法設計，由模擬測試統計結果，該文提出的方法能夠準確檢測路面凹陷引起的異常振動，定位偏差≤10 m，能夠有效識別和準確定位道路病害情況，提供能夠針對具體位置的道路病害報警信息，作為圖像復核檢測的參考依據，極大地減少視頻圖像處理的計算量，有效提高交通隧道的道路運維管理水平。