余婧峰1，劉 瑩1，余銀普

(1.成都城電電力工程設(shè)計有限公司，四川 成都 610041；2.四川省測繪地理信息局測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，四川 成都 610041)

?

電力通道隱患房屋數(shù)字化統(tǒng)計方法研究

余婧峰1，劉 瑩1，余銀普2

(1.成都城電電力工程設(shè)計有限公司，四川 成都 610041；2.四川省測繪地理信息局測繪產(chǎn)品質(zhì)量監(jiān)督檢驗站，四川 成都 610041)

對傳統(tǒng)電力通道隱患房屋調(diào)查的全人力作業(yè)模式進(jìn)行了改良，形成了一套依托GIS空間分析技術(shù)與遙感影像解譯技術(shù)的數(shù)字化通道隱患房屋統(tǒng)計分析方法，實現(xiàn)了多元隱患房屋統(tǒng)計表單的快速輸出以及分級化通道隱患房屋專題圖的制作，從而達(dá)到降低野外人力投入、提升調(diào)查工作效率的研究總體目標(biāo)。

隱患房屋統(tǒng)計調(diào)查；GIS空間分析；遙感影像解譯

1 數(shù)字化電力通道隱患房屋調(diào)查方式的重要性

對于電力線路工程而言，工程建設(shè)期間所涉及的沿線隱患房屋拆遷、青苗賠償、經(jīng)濟(jì)類土地占用等因建設(shè)造成的工程衍生費用，是電力設(shè)計方、建設(shè)方不可忽視的經(jīng)濟(jì)評估方向。在傳統(tǒng)的電力勘察手段中，對于房屋拆遷量統(tǒng)計及房屋屬性信息調(diào)查工作，均采用人力實地踏勘、現(xiàn)場紙質(zhì)記錄的方式。這種全人力的調(diào)查方式在工程的終勘及施工圖階段是必要的，但在設(shè)計的可行性研究和初步設(shè)計階段，通道的路徑走向還處于多方案比選、變更優(yōu)化的狀態(tài)，若仍采用上述傳統(tǒng)方式進(jìn)行隱患房屋調(diào)查，勢必會造成重復(fù)人力資源的投入，導(dǎo)致無謂工時的浪費。因此，引入新型的勘測技術(shù)，優(yōu)化傳統(tǒng)電力通道房屋信息調(diào)查的固有作業(yè)模式，具有重要的實際意義。

充分利用現(xiàn)有公開衛(wèi)星影像平臺，旨在以高分衛(wèi)片資源為依托，結(jié)合數(shù)字化新型勘測技術(shù)——地理信息系統(tǒng)技術(shù)(geographic information system，GIS)和遙感(remote sensing，RS)影像解譯技術(shù)，探討一種高效、快速的房屋拆遷量調(diào)查自動化室內(nèi)作業(yè)模式，提高房屋信息調(diào)查的效率，減少工程前中期隱患房屋調(diào)查的人力投入，達(dá)到勘測任務(wù)“創(chuàng)新創(chuàng)效”的最終目標(biāo)。

2 研究區(qū)域及元數(shù)據(jù)概況

依托工程為國家電網(wǎng)2016年第一批次設(shè)計競賽輸變電項目——湖北孱陵—石西Ⅱ回220 kV線路工程。工程地理位置介于北緯29°57′～30°30′，東經(jīng)115°05′～115°40′，沿線地形地貌以平原及丘陵地形為主，沿線河流水系豐富，房屋分布密集、形態(tài)規(guī)律。

表1 地物要素訓(xùn)練樣本特征描述

3 自動化地物信息快速提取——遙感監(jiān)督分類影像解譯

為能有效獲取高分影像的地物要素屬性信息，研究選用了遙感影像解譯技術(shù)中的監(jiān)督分類算法作為解譯核心手段，用于自動化提取通道工程沿線基礎(chǔ)地物要素的屬性專題圖層。

3.1 監(jiān)督分類算法原理概述

監(jiān)督分類(supervised classification)又稱訓(xùn)練場地法，原理是通過選擇特征參數(shù)建立判別函數(shù)，依照已知訓(xùn)練區(qū)提供的樣本(AOI)，求出特征參數(shù)作為決策規(guī)則，實現(xiàn)對各待分類影像的圖像解譯，是模式識別的一種方法。在常用的監(jiān)督分類判別函數(shù)中，以最大似然算法(Bayes)最為常用[1～2]，其核心算子公式如式(1)。

D=ln(ac)-[0.51ln(|Covc|)]-[0.5(x-Mc)T(Covc)-1(x-Mc)]

(1)

式中：D為加權(quán)距離(可能性)；c為某一特征類型；x為像素的測量矢量；Mc為類型c的樣本平均矢量；ac為任一像素屬于類型c的百分概率；Covc為類型c的樣本中的象素的協(xié)方；(|Covc|)為Covc差矩陣的行列式。

圖1 監(jiān)督分類最大似然算法流程圖

式(1)表明，最大似然算法充分利用訓(xùn)練樣本數(shù)據(jù)在光譜空間的高斯正態(tài)分布，依托影像光譜中集群分布的統(tǒng)計特性開展解譯。因前期訓(xùn)練區(qū)樣本庫建立期間的人工干預(yù)介入，此類算法屬于分類精度較高的一種宏觀地物要素快速解譯方式，被廣泛應(yīng)用于中、大型范圍工程項目中。最大似然解譯流程詳見圖1。

3.2 基于監(jiān)督分類的地物屬性快速提取

為實現(xiàn)監(jiān)督分類方式下的遙感地物屬性快速提取，針對不同種類的地物要素，在全圖范圍內(nèi)選取出相應(yīng)的典型性光譜特征斑塊，俗稱訓(xùn)練區(qū)(AOI)，從而建立解譯影像的地物要素樣本庫。本次研究依據(jù)國土資源部2001年頒布的《一類土地分類》(國土資發(fā)[2001]255號)[3]，結(jié)合自身影像情況，擬定了如下6類一級地物解譯種類，各類地物要素樣本特征描述詳見表1。

依照表1典型地物要素分類樣本，逐類別地在全圖范圍內(nèi)對房屋、農(nóng)田、裸地、水體、道路、植被6類地物要素開展隨機(jī)化采樣，每類地物要素的樣本AOI采樣量不少于10個。隨后，對采樣數(shù)據(jù)進(jìn)行直方圖均衡化處理(histogram equalization)，以均衡化后形成的平均光譜樣本，作為一類地物的最終判別標(biāo)準(zhǔn)。最終，自動獲取了工程區(qū)域衛(wèi)星影像的一類地物要素分類專題圖層，詳見圖2。采用分類精度評價模板(accuracy assessment)，在分類結(jié)果中隨機(jī)產(chǎn)生40個檢校點，人工判讀相應(yīng)的地物屬性，并與分類結(jié)果對比，評價專題圖層地物要素分類精度[4]。經(jīng)驗證，研究范圍影像的監(jiān)督分類正確率為76%，Kappa系數(shù)為0.72，符合中、大尺度的遙感影像解譯精度，可作為后續(xù)研究的基礎(chǔ)底層數(shù)據(jù)。

4 基于GIS技術(shù)的自動化隱患房屋屬性獲取

4.1 隱患房屋分級標(biāo)準(zhǔn)制定

擬從通道房屋安全距離、房屋子類型2個方面，對一級地物要素中的房屋屬性進(jìn)行二次定級劃分。

圖2 一級地物要素分類專題圖

房屋安全距離：按照國家頒布的GB 50548-2010《220 kV架空輸電線路勘測規(guī)范》[5]，所提隱患房屋調(diào)查范圍應(yīng)分為如下2個等級區(qū)域：

1) 以通道中心線為軸，左右各15 m形成緩沖區(qū)，凡是與該區(qū)域形成包含、相交、接壤三類幾何位置關(guān)系的房屋，為占用通道左右邊線范圍，阻礙了路徑走向及總體方案，屬于一類隱患房屋;

2) 以通道中心線為軸，左右距離在15～30 m間形成緩沖區(qū)域，凡是與該區(qū)域形成包含、相交、接壤三類幾何位置關(guān)系的房屋，為受通道風(fēng)偏位移、范圍線等因素干擾區(qū)域，存在安全隱患因素，需經(jīng)后期現(xiàn)場踏勘界定，屬于二類隱患房屋。

表2 地物要素訓(xùn)練樣本庫二次分級編碼

房屋子類型：按照農(nóng)村-城郊-城區(qū)的地理走向，本次研究將房屋隸屬的子類型劃分為農(nóng)村平房、城郊多層房屋、城郊工廠類房屋、城市獨立型建筑(社會公共型建筑，如學(xué)校)、城市集群式建筑(住宅小區(qū))[6]5個子類。

按照上述通道房屋安全距離、房屋子類型兩種分級思路，對前期獲取的所有一級房屋要素進(jìn)行二次分級編碼制定，編碼規(guī)則詳見表2。

4.2 基于GIS技術(shù)的自動化房屋屬性信息錄入

在完成了相應(yīng)的房屋隱患等級和房屋子類型編碼規(guī)則制定后，充分運用GIS技術(shù)中的空間分析運算(spatial analyst)，從一級地物要素專題圖層中自動化的提取出符合相應(yīng)判別條件的房屋類圖斑，為其添加二級屬性信息[7]。

第1階段：房屋隱患等級屬性錄入。創(chuàng)建Short Integer型字段“DIST”，用于存儲隱患等級信息。以通道為中心，進(jìn)行15 m、30 m兩次Buffer緩沖區(qū)分析，獲得相應(yīng)距離的緩沖區(qū)范圍。以30 m隱患區(qū)域房屋距離屬性錄入為例，引入Selection by Location(依托空間距離選擇)算法及判別條件語句“Query：CLASS=1”，僅讓一級地物要素圖層中的房屋類圖斑與30米buffer圖層進(jìn)行空間相交(Intersect)運算，篩選出所有落在30 m隱患范圍內(nèi)的房屋類圖斑，并用Field Calculators編輯器完成命令“DIST=30”，使30 m范圍內(nèi)的隱患房屋圖斑批量性地獲得對應(yīng)的距離屬性值。同理，進(jìn)行15 m區(qū)域房屋隱患等級的屬性錄入。需要注意的是，此時被選中的圖斑中，存在DIST屬性已經(jīng)被錄入距離30的圖斑，應(yīng)將此類圖斑的DIST屬性覆蓋，更新為“DIST=15”，從而形成“中心線至15 m”、“15 m～30 m”兩類毗鄰的隱患范圍，具體情況詳見圖3。由圖面可知，圖上所示深藍(lán)色區(qū)域為“二級房屋隱患區(qū)”，而洋紅色區(qū)域則為“一級房屋隱患區(qū)”。

表3 隱患房屋信息統(tǒng)計表單

圖3 房屋隱患等級專題圖

第2階段：為房屋子類型屬性錄入。創(chuàng)建Short Integer型字段“SUB_CLASS”，用于房屋子類型屬性存儲。由于一種房屋的子戶型具有多種可能性，完全依托軟件運算容易造成錯判和誤判。因此，研究的房屋子類型屬性錄入，采用GIS自動定位配套人工目視判讀的半自動化模式。以30 m隱患區(qū)域房屋子類型錄入為例，采用Select by Attribute(依照屬性值選取)算法及判別條件語句“Query：DIST=30”，將所有隸屬于二級隱患區(qū)域的房屋圖斑選中，依照4.1節(jié)制定的房屋子類型編碼規(guī)則，在“SUB_CLASS”屬性字段中逐一為隱患房屋圖斑賦予二級房屋子類型的屬性編碼值，錄入具體情況詳見圖4。

至此，一級地物要素專題圖層的所有房屋圖斑均已擁有了相應(yīng)的房屋隱患等級、房屋子類型屬性信息，可以篩選出滿足條件的房屋隱患圖斑，作為開展后續(xù)房屋自動化統(tǒng)計研究的基礎(chǔ)。

圖4 房屋隸屬子類型專題圖

4.3 隱患房屋基本地理屬性自動化獲取

對于勘測專業(yè)“房屋一戶一表信息統(tǒng)計卡”而言，除隱患房屋的產(chǎn)權(quán)行政區(qū)界隸屬、戶主使用情況需通過外業(yè)人員現(xiàn)場獲取外，房屋幾何信息(占地面積、房屋周長)、房屋形態(tài)結(jié)構(gòu)點(俗稱房角點)地理坐標(biāo)位置、房屋結(jié)構(gòu)平面示意圖等基本房屋屬性，均可通過GIS空間分析算法批量化、自動化的獲取。本次研究，著重探討房角點坐標(biāo)信息的獲取思路。

在傳統(tǒng)的電力通道隱患房屋調(diào)查工作中，房角點的坐標(biāo)情況采用RTK-GPS外業(yè)實測模式，人力及工時的投入量較大。通過影像解譯手段實現(xiàn)了柵格化影像數(shù)據(jù)向矢量化專題圖斑的形式轉(zhuǎn)換，從而依托矢量化的數(shù)據(jù)介質(zhì)，實現(xiàn)批量性的自動化GIS空間分析運算，這是傳統(tǒng)人力工程測量手段所無法達(dá)到的。

采用3D Analyst分析功能中的“Feature Vertex to Point”算法，分析矢量化隱患房屋圖斑的節(jié)點位置，將其自動轉(zhuǎn)化為point格式的矢量點文件，形成房屋角點的專題圖層。該點圖層與前階段隱患房屋圖層的房屋編碼ID字段完全匹配，但不具有點坐標(biāo)信息，需要進(jìn)一步通過GIS空間運算的“Add XY Coordinate”算子，批量化賦予點要素坐標(biāo)屬性。最終，可導(dǎo)出帶有房屋ID號的房角點坐標(biāo)表單，并以房屋唯一編碼ID號為同名鏈接字段，將房屋基礎(chǔ)信息表單(含周長、占地面積、房角點坐標(biāo))與隱患房屋等級專題信息表單(含隸屬隱患等級、房屋子類型)進(jìn)行關(guān)聯(lián)，合并為一張完整的隱患房屋信息統(tǒng)計表單，詳情見表3。

5 多元通道隱患房屋信息統(tǒng)計分析及專題圖制作

本次數(shù)字化隱患房屋統(tǒng)計分析研究的另一大重點，是能夠通過GIS的空間決策分析手段，按照工程所需的不同統(tǒng)計側(cè)重點，分區(qū)域、分類別地快速輸出符合篩選條件的隱患房屋屬性表單。這種多元化的隱患房屋統(tǒng)計方式不僅大大提高了房屋信息的統(tǒng)計效率，還使得統(tǒng)計方式更為多元化、統(tǒng)計結(jié)果更具有針對性，從不同的角度挖掘統(tǒng)計信息的深層含義[8～9]，為工程后期的造價分析提供詳實有力的數(shù)據(jù)支撐。

5.1 多元隱患房屋信息統(tǒng)計分析模式制定

按照工程具體需求，研究擬訂了如下3種通道隱患房屋表單的統(tǒng)計主題：

1)Query語句：NOT(DIST=0)——表示統(tǒng)計所有隱患類房屋總信息并輸出相應(yīng)表單，示意圖見圖5。

圖5 隱患房屋信息總專題圖

2)Query語句：“DIST=15”O(jiān)R“DIST=30”——表示按照房屋的隱患等級輸出15 m、30 m隱患范圍的通道隱患房屋信息統(tǒng)計表單，示意圖詳見圖6。

3)Query語句：NOT(SUB_CLASS=0)——表示以房屋隸屬的子戶型情況為分級條件，輸出落入15 m、30 m隱患范圍的各類房屋種類統(tǒng)計表單，示意圖詳見圖7。

圖6 房屋隱患等級專題圖

圖7 隱患房屋戶型專題圖

圖8 分級化通道隱患房屋專題圖

5.2 分級化通道隱患房屋專題圖制作

依托GIS技術(shù)與RS影像解譯技術(shù)的集成應(yīng)用形式，制作了主題鮮明、標(biāo)注清晰、色彩直觀的分級化通道隱患房屋專題圖，將抽象的各類表單統(tǒng)計結(jié)果以具象的形式予以表現(xiàn)，成為數(shù)字化勘測成果移交的重要組成部分。

采用Categories中的分層設(shè)色法，對DIST字段15、30和0 三個類別賦予3種不同的顏色。隨后，按照分級化多主題標(biāo)注形式(Define Classes Of Feature Differently)，對于隸屬于15 m、30 m的隱患范圍房屋圖斑類別，標(biāo)注SUB_CLASS字段屬性值(房屋隸屬子類型)；而對于DIST為0的圖斑類型，有如下2種情況：1) 該圖斑雖然屬于房屋類型，但不處于房屋隱患范圍內(nèi)；2) 該圖斑不屬于房屋類型。因此，將此類圖斑另行標(biāo)注，顯示字段CLASS(一級地物原始類別)的屬性信息。最終，分級化隱患房屋專題圖的制圖目標(biāo)為，在查看圖面上所有地物圖斑的一級原始類別基礎(chǔ)上，能夠依據(jù)相應(yīng)的顏色和屬性標(biāo)注信息，判別出隸屬于隱患范圍的房屋隱患等級范圍和房屋子戶型情況，實現(xiàn)多主題的使用功能，專題圖局部示意圖詳見圖8。

6 總 結(jié)

電力通道隱患房屋數(shù)字化統(tǒng)計方法研究旨在利用新型的數(shù)字化勘測技術(shù)，依托公開數(shù)據(jù)平臺的高分辨率衛(wèi)星影像，合理、高效地優(yōu)化傳統(tǒng)通道隱患房屋調(diào)查工作中的全人力外業(yè)調(diào)查模式，有效地提高了隱患房屋調(diào)查工作的整體效率，降低了作業(yè)過程中人工投入的總體比例。此外，通過GIS空間分析技術(shù)，實現(xiàn)了多元隱患房屋統(tǒng)計表單的快速輸出以及分級化通道隱患房屋專題圖的制作，為后續(xù)的施工造價控制提供了詳實的基礎(chǔ)數(shù)據(jù)資料和直觀的圖面表示。

綜上所述，貫徹了國家電網(wǎng)公司“兩型三新”的設(shè)計中心思想，將通道勘測手段由傳統(tǒng)型人力工程測量模式向數(shù)字化、精細(xì)化、自動化的新型勘測作業(yè)體系進(jìn)行轉(zhuǎn)變，在勘測設(shè)計工作的“創(chuàng)新提效”方面取得了較好的成效，可在后續(xù)的日常生產(chǎn)工作中進(jìn)一步加以延續(xù)應(yīng)用。

[1] 張桂芳,單建新.基于高分辨率影像的房屋自動識別方法[J].測繪與空間地理,2014,04(2):157-192.

[2] 楊鑫,張錦明. 淺談遙感圖像監(jiān)督分類與非監(jiān)督分類[J].四川地質(zhì)學(xué)報,2013,11(1):52-57.

[3] GB/T 1014-2001，土地分類 (國土資發(fā)[2001]255號)[S].北京：中國標(biāo)準(zhǔn)出版社,2001.

[4] 曾招城,李利偉，王正海，等.基于監(jiān)督分類的震后高分辨率影像倒塌房屋快速識別[J].遙感信息,2011,5(5):76-80.

[5] GB 50548-2010，220 kV架空輸電通道勘測規(guī)范[S].

[6] 郭利川.基于遙感影像和地形圖的水體提取及其半自動化變化檢測[J].國土技術(shù),2014,40(3):262-264.

[7] 黃昕,郭詩韻.高分辨率遙感影像的形態(tài)學(xué)房屋指數(shù)模型[J].武漢大學(xué)學(xué)報,2015,30(5):609-613.

[8] 湯國安,宋佳.ArcGIS地理信息系統(tǒng)空間分析[M].北京：中國高等教育出版社,2008.

[9] 趙英時.遙感應(yīng)用分析原理與方法[M].北京：科學(xué)出版社,2009.

The traditional methods of risky buildings survey along transmission line area by human resource are improved, and the new digital statistical methods based on GIS spatial analysis technique and remote sensing image interpretation technology is developed. With the help of the new digital statistical method, the multi-theme statistical data and the map of risky building can be rapidly produced. The purpose for reducing human resource and improving survey efficiency is finally achieved.

risky buildings survey; GIS spatial analysis; remote sensing image interpretation technology

TU7 <文獻(xiàn)標(biāo)志碼：a class="emphasis_bold"> 文獻(xiàn)標(biāo)志碼：A 文章編號：1003-6954(2016)06-0085-06文獻(xiàn)標(biāo)志碼：a

1003-6954(2016)06-0085-06

A 文章編號：1003-6954(2016)06-0085-06

2016-06-29)

余婧峰(1988)，碩士研究生、工程師，主要從事電力GIS、遙感與GIS集成應(yīng)用方向的相關(guān)研究，目前從事三維航測電力通道優(yōu)化設(shè)計工作。