薛宇騰 黃新文 趙 非

(中鐵工程設計咨詢集團有限公司,北京 100055)

在全球數字化融合不斷深入、人口紅利逐漸衰退、建設工程復雜度日益提升的時代背景下,鐵路工程地質勘察智能化已經成為發(fā)展趨勢,也是設計咨詢服務類企業(yè)實現數字化轉型的關鍵。 鐵路工程地質勘察智能化是基于BIM、GIS、大數據等信息化技術手段,以高效、準確解決工程地質勘察問題為目標的全新作業(yè)體系。 傳統(tǒng)鐵路勘察作業(yè)方式在面對復雜地質條件時,存在效率低、工作成本高等缺點。 新技術的發(fā)展使得智能化技術研究與應用成果的不斷豐富,為鐵路項目提供全生命周期、全要素感知、全過程控制的數字化信息資源與智能化應用工具。 以下從地質遙感、勘察數據采集與處理、地質建模與應用3 個方面,總結鐵路工程地質勘察智能化技術研究現狀,并對發(fā)展趨勢進行分析。

1 地質遙感解譯智能化技術研究現狀

地質遙感解譯技術能夠宏觀、全面、動態(tài)地獲取鐵路勘察區(qū)內的地質信息,是鐵路地質勘察的重要手段。21 世紀以來,為了提高解譯的準確性、高效性以及自動化程度,眾多學者開展地質遙感解譯智能化技術的應用研究。

1.1 高分遙感數據地質解譯

高分辨率遙感數據具有地物紋理信息豐富、成像光譜波段多、重訪時間短等特點,能夠更好地反映出地質對象的形狀、紋理等特征,基于面向地質對象的解譯方法具有較高的識別精度,其流程見圖1。

圖1 面向地質對象的解譯流程

張群利用GeoEye-1 和WorldView-2 高分遙感影像作為數據源,分別采用基于像元和面向對象的影像解譯方法進行分析[1];SALONI JAIN 等結合圖像和地形數據的光譜、紋理和幾何特性,應用合適的規(guī)則集和基于目標的圖像分析OBIA 術來識別滑坡帶,該方法克服了傳統(tǒng)基于像素分類方法的弊端,可快速評估極端降雨事件引起的滑坡[2];彭令利用資源三號衛(wèi)星和高分一號衛(wèi)星高分辨率遙感影像,以“5·12”特大地震后汶川震區(qū)的影像為數據源,對滑坡的空間分布及其特征分區(qū)進行判釋[3]。

總體來看,以多種高分遙感影像作為基礎數據,構建地質解譯對象的光譜、紋理、幾何等特征信息,開展地質災害特征分析和解譯是主要方向。 應用該技術,能有效提升地質對象及特征的識別率,部分區(qū)域的滑坡識別準確率達81%

1.2 機載LiDAR 數據地質解譯

機載航空攝影測量或機載LiDAR 技術能夠有效過濾植被等影響,獲取高精度的數字高程模型(DEM)。 其高精度的特點推動了不良地質判釋向定量化發(fā)展[4],如圖2(a)所示,通過高精度DEM 即可定性解譯出黃土陷穴,同時利用精度高的特點可對黃土陷穴的深度、寬度等形態(tài)參數進行解譯,見圖2(b)。

圖2 某項目黃土陷穴解譯

由于機載LiDAR 數據具有分辨率高、時效性好的優(yōu)勢,吸引國內外眾多學者開展相關應用研究。 賈虎軍等基于無人機載LiDAR 和傾斜攝影技術,獲取不良地質區(qū)域的高精度的地形地貌勘測數據,基于山體陰影、坡度、等值線等精細微地形地貌參數,開展滑坡等地質災害定量分析, 判定災害邊界[5-6]; P. V.GORSEVSKI 等使用源自LiDAR 的DEM 模型衍生物的山體陰影圖,結合人工神經網絡(ANN)方法和反向傳播方法檢測淺層滑坡[7];B. PRADHAN 等采用小波變換技術融合高分辨率LiDAR 數據與QuickBird 衛(wèi)星圖像(2.6m 空間分辨率),對滑坡位置與其他土地利用/覆蓋區(qū)進行區(qū)分[8]。

目前, LiDAR 數據的點云平均密度可達40個/km2,平面中誤差、高程中誤差均為厘米級。 基于LiDAR 數據的遙感解譯,能夠極大提升地質對象形態(tài)特征的解譯精度。

1.3 InSAR 數據地質解譯

InSAR 技術具有全天候、全天時、高分辨率的特點,在特定條件下,能夠周期性獲取較大范圍內地表垂向形變信息,以及觀測形變速率變化,故在大范圍滑坡隱患排查與穩(wěn)定性分析中應用廣泛[9]。 某滑坡時序InSAR 形變監(jiān)測結果見圖3。

部分學者將InSAR 技術應用于不良地質調查與監(jiān)測的研究。 ACHACHE J 等針對某滑坡,進行DInSAR 位移監(jiān)測與現場位移調查的結果對比,認為InSAR 技術適用于滑坡等不良地質的監(jiān)測[10];COLESANTI 等證明PS-InSAR 技術能夠有效減少植被覆蓋的影響,并且形變監(jiān)測精度能達到毫米級[11]。D.Di MARTIRE 提出一種綜合檢測系統(tǒng),可以通過衛(wèi)星合成孔徑雷達(SAR)數據進行原位和持續(xù)散射(PS)數據對比[12]。 T. KONISHI 利用高分辨率衛(wèi)星圖像進行滑坡快速響應,基于COSMO-SkyMed 災前和災后圖像進行快速影響評估[13]。

國內InSAR 技術應用較晚,但近年來發(fā)展較快。朱武等克服InSAR 技術中的時間去相關性的限制,通過將CR-InSAR 技術與GPS 結合進行滑坡變形監(jiān)測,獲取了更高精度的毫米級監(jiān)測成果[14]。 戴可人等通過哨兵一號遙感數據源,利用時間序列InSAR 技術對雅礱江流的高山峽谷區(qū)域進行滑坡災害判釋與監(jiān)測,并對探測結果進行了驗證[15]。

綜上所述,應用InSAR 技術可長期、大范圍監(jiān)測區(qū)域內地質對象的形變,其擴展衍生出的多種技術手段,可在一定程度上消除大氣、植被等的影像,在部分區(qū)域的監(jiān)測精度可達到毫米級,能有效提升地質災害預測的準確性和分析效率。

1.4 智能識別技術地質解譯

隨著計算機軟硬件技術的不斷發(fā)展以及遙感大數據的出現,基于機器學習和深度學習的方法開展遙感影像智能解譯和提取分析的研究愈發(fā)廣泛。 黃發(fā)明等利用基于聚類分析和SVM(Support Vector Machines)的滑坡易發(fā)性評價模型對三峽庫區(qū)萬州區(qū)滑坡易發(fā)性進行評價,與單獨SVM 方法相比,獲得了更高的準確率[16];張倩熒等采用YOLO、Faster RCNN 和SSD 進行滑坡檢測實驗,結果表明,Faster RCNN 適用于實驗數據小的數據集,CNN 方法在大規(guī)模運動檢測方面具有很高潛力[17];GHORBANZADEH O 等開發(fā)一種基于無人機遙感圖像的CNN 方法來檢測邊坡失效,并研究用于數據增強的線性變換方法來人工增加訓練數據[18]。SAMEEN MI 等使用光譜(RGB 波段)和地形信息(高度、坡度、坡向、曲率),設計一種基于殘差網絡的滑坡檢測方法[19]。

上述研究利用不同的機器學習模型,對不良地質進行早期易發(fā)性分析和檢測,形成一系列方法,取得與實際情況相吻合的定性結論,表明人工智能技術在地質遙感解譯方面具備較好的應用前景。

2 地質勘察數據采集與管理智能化技術研究現狀

鐵路地質勘察對信息化、數字化技術的應用研究越來越廣泛,多家勘察企業(yè)已通過移動終端和物聯網設備開展外業(yè)調繪、鉆探、原位測試與試驗等數據的智能化采集,并通過勘察數據集成系統(tǒng)對各類結構化與非結構化數據進行組織管理與統(tǒng)計分析。

2.1 地質調繪數據采集軟件

鐵路工程地質調繪的智能化技術可實現內外業(yè)一體化的數據采集與存儲,強調便捷的數據采集和成果集成。 目前國內已研發(fā)了集定位、高清遙感數據、相機、采集工具為一體軟件系統(tǒng)平臺,可應用于手機等移動終端設備,基于互聯網技術與信息化標準,回傳采集的數據進行集中的存儲,其界面見圖4。 該技術改善了傳統(tǒng)作業(yè)方式,精簡了工作設備與數據采集過程,實現了不同人員、分組地質調繪數據的集中存儲與共享。

圖4 地質調繪數據采集系統(tǒng)界面

2.2 地質勘探設備

目前,我國學者已取得眾多關于智能采集設備的研究成果。 岳中琦等已在數字化鉆機研制方面取得了大量研究成果,認為同一鉆機和鉆頭對同一塊巖石塊體的鉆進速度是個常速,相關技術成功應用于邊坡錨桿施工、樁基礎抽芯等工程實踐;研發(fā)的“數字化鉆機”可以快速、定量地測量到巖石塊體的單軸抗壓強度、地下分布,以及巖石塊體之間界面斷面的產狀、延伸、凸凹起伏平整度、厚度和充填物質的物理力學性質,幫助分析巖石抵抗鉆進破壞的強度,結合鉆取的巖芯,在特定場地中也可以據此劃分地層[20-21]。

在工程勘探鉆孔的原位測試技術方面,有學者研究地下掩體綜合信息采集技術,將SYSTEM Ⅵ綜合測井儀、鉆孔全孔壁光學成像、鉆孔彈變模測試、原位鉆孔剪切測試等多種地下巖體信息采集技術集成為一個綜合智能設備,融合物聯網技術,實現了內外業(yè)數據同步,勘測數據的實時處理。 該技術的主旨在于提升工程測井的技術水平,充分挖掘每個鉆孔和探洞所揭示的地質信息,從而達到節(jié)約工程投資的目的。

綜上所述,將傳統(tǒng)勘察設備與各種傳感器相結合,融合物聯網技術,以更好地掌握和分析鉆進過程與鉆機性能,幫助尋求改善鉆進效率的方法,尤其是為地質界面的判斷與土性分析提供了一種可靠的途徑[22],地質智能勘探設備的原理見圖5。

圖5 地質智能勘探設備原理示意

2.3 勘察數據管理

地質勘察數據具有總量大、格式種類多等特點,因此中出現了數據分散、應用不便、長期存儲難等問題,諸多學者圍繞勘察數據管理開展研究。 張恩銘等利用三維地理信息系統(tǒng)與歷史建筑信息模型,進行數據的三維可視化展示以及數字化管理,實現了歷史建筑勘察數據的智能化管理[23];何旭濤等研制了海底電纜工程多源數據管理及可視化系統(tǒng),有效提高了海底電纜路由環(huán)境測量、定期檢測數據的管理水平,為設計、施工、運維提供服務[24]。

綜上,面對勘察階段的海量多源數據,各行業(yè)提出了各自的數據標準與解決方案。 但是為了便于數據在行業(yè)內甚至行業(yè)間順暢流動,勘察成果如何信息化,哪些數據需要納入管理內容,仍需要建立相關的行業(yè)及國家數據標準。

在鐵路行業(yè),當前各企業(yè)基于自身勘察數據管理需要,建立了信息化與數據存儲標準,由于缺少相關的行業(yè)標準,各方數據流動不暢,勘察數據多處于封閉的狀態(tài),不具備提供數據級服務的能力;另一方面,由于缺少相應的元數據標準,使得數據組織與管理水平受限,鐵路地質勘察數據基礎建設仍處于起步階段。 在鐵路企業(yè)內,常出現不同業(yè)務階段的勘察數據管理系統(tǒng)林立的情況,但是不同系統(tǒng)間的信息相對獨立,數據接口尚不完善[25]。

3 地質建模與應用研究現狀

隨著機計算機圖形技術的發(fā)展,地質建模與應用的研究愈發(fā)普遍。 地質模型與主流商業(yè)化軟件多存在接口或轉換問題,一定程度上影響了地質建模技術的應用。

3.1 地質建模技術

地質建模技術將勘察過程中采集、收集的多源異構數據進行最大化的利用,從宏觀和微觀上構建三維模型。 市場化程度較高的三維地質建模軟件主要集中在礦山地質和石油地質方向,為應對這一現狀,鐵路行業(yè)內已開展針對長大線狀工程特點的地質建模技術研究。 黃新文等提出縱斷面橫向擬合拉伸法和基于多源勘察數據的地層面三維擬合法,通過鉆孔剖面連線向兩側橫向擬合拉伸生成三維地質體,避免了大量切割網格的過程,容錯率高、速度快,適用于勘探點為線性布置的區(qū)域建模;三維擬合法通過疊加地形面、勘探點地層高程等信息,利用算法模擬鉆孔連線的過程,構建地層面進而創(chuàng)建三維地層體,適用于勘探點為網狀布置的工程區(qū)建模[26]。 上述地質建模技術已在多個項目中開展了應用,黃土高原區(qū)某鐵路地質建模示意見圖6。 技術具備推廣應用價值,對于勘察數據的集成和后續(xù)應用具有重大意義。 另一方面,由于底層三維繪圖技術仍依賴國外產品,基礎軟件平臺有待進一步國產化與本土化。

3.2 數據應用

三維地質模型作為數據集,通過幾何與非幾何數據,最大程度反映了鐵路沿線區(qū)域真實的地質條件,可應用于鐵路工程建設的各個階段。 三維地質模型數據的應用已處于起步階段,利用地質模型,基于數據交換標準和接口,可從中提取任意點的地層深度、水位高程等數據,進而可以快速生成柱狀圖、剖面等可視化的地質信息(見圖7)。 鐵路工程設計專業(yè)可以根據不同的需要,利用地質數據或者可視化圖表信息開展設計;對于復雜的設計需求,則需要更完善的標準和接口設計。但是,當需要將地質模型導入普遍應用的商業(yè)軟件中進行分析計算時,則會出現格式不兼容、無法共享的問題。

圖7 三維地質模型數據應用案例

4 結語

(1)基于多源數據的地質遙感智能解譯方法研究,綜合利用不同遙感技術的優(yōu)勢,研究應用多平臺、多時向、多波段的遙感數據,研究應用機器學習模型開展地質對象定量化判釋方法,研究模型的適用性。

(2)針對傳統(tǒng)鐵路勘察作業(yè)方式存在的問題,研究多種手段的協調組合作業(yè)的新體系,融合空天、地面、地下三個方面工程地質數據采集手段與信息,開展綜合的數據采集與處理分析方法,實現全業(yè)務階段的數據貫通與集成管理。

(3)針對勘察數據管理困難、存儲分散、碎片化嚴重等問題,建立工程地質勘察信息化技術規(guī)程、數據存儲及交付標準,編制工程地質勘察數據字典;研究勘察全業(yè)務階段多源異構數據的組織管理技術,使數據相互補充、完善、驗證,便于數據集成與共享和協同應用。

(4)針對我國底層三維繪圖技術和軟件不足,缺乏行業(yè)知識庫與數據庫和系統(tǒng)化的解決方案等問題,研究具備自主知識產權的地質模型三維繪圖基礎平臺和建模技術;構建行業(yè)數據標準,研究地質模型與主流計算分析軟件的導入接口。