■ 陈斌 郭琦 杨锋 赵亮亮
多源地理信息数据在高速铁路运营管理中的应用研究
■ 陈斌 郭琦 杨锋 赵亮亮
通过机载LiDAR数据和遥感数据建立高速铁路沿线三维地形,同时结合地面激光扫描数据、无人机航测数据、野外调绘数据,对高速铁路重要设施设备进行精细三维建模,通过顾及语义信息实现模型在三维GIS平台中高效索引和集成,并与管理单位后台台账数据库进行一一对应,实现铁路路基、桥梁、隧道、道岔、接触网、防洪备料点等固定设施设备可视化管理和查询,并且在平台中集成铁路重点设施设备上的监控设备和监测数据,对高速铁路灾害进行预警预报,确保高速铁路安全运营。
机载LiDAR;三维GIS;铁路固定设施;预警预报;安全运营
到2015年底,我国高铁运营里程已经达到1.9万km,居世界第一,占世界高铁总里程的60%以上,预计到2020年高铁营业里程将达到3万km[1]、覆盖80%以上大城市。当今高速铁路的快速增长,为铁路安全运营提出了非常严峻的挑战,亟需寻求新的、更加有效的管理手段。以多源地理信息数据为基础,结合铁路管理单位后台设备台账数据,借助三维GIS平台的海量数据的管理和分析能力,能够逼真地展现铁路沿线地形地貌情况、设施设备的运营状况,同时通过集成铁路重点设施设备上的监控设备和监测数据,可对高速铁路灾害进行预警预报,确保高速铁路安全运营。
要实现多源地理信息数据在高速铁路运营管理中的应用,首要工作即获取高速铁路沿线的地理信息数据。在数据获取时需注意以下原则:第一,能够清晰直观反映高速铁路沿线的地形地貌及地质灾害情况;第二,需精确反映出高速铁路周边水系、交通道路等与高速铁路的相对位置关系;第三,能够体现铁路设施设备的形状、尺寸、纹理和位置,以便于三维建模。基于以上原则,数据获取流程如下:
(1)高速铁路沿线大比例尺地形地貌数据获取。实现高速铁路运营的高效管理,获取其沿线的大比例尺地形地貌数据非常必要,大比例尺数据主要作用为展现铁路沿线高精度地形地貌数据,能够直观反映铁路设施设备包括桥梁、隧道、路基、站房等的位置及尺寸,建议范围最小为铁路左右各500 m。目前,大比例尺地形地貌数据的获取方式很多,包括人工现场实测、有人驾驶航测、无人驾驶航测等。由于高速铁路线路较长,采用人工现场实测方式工作量非常大,且数据成果单一,建议采用有人驾驶航测和无人机航测相结合的方式进行。有人驾驶航测包括数码相机航测和机载LiDAR航测等方式,该方式为主要的采集方式,以获取高速铁路沿线大范围的带状地表数据;无人驾驶航测主要用以获取小范围的地表数据,如地质灾害点、小范围地形数据更新等[2]。主要的数据成果包括DEM、DOM、DSM 3种,其中DEM、DOM主要用于生成铁路沿线三维地形,DSM主要用于获取部分铁路设施设备数据的尺寸、形状等(见图1)。
图1 航测数据成果
(2)大范围小比例尺地形地貌数据获取。要展现高速铁路与沿线的河流、水系、交通设施的相对位置关系还需要获取沿线大范围小比例尺的地理信息数据。此区域地形一般采用免费的的SRTM数据,铁路沿线(建议左右各20 km范围)采用2 m分辨率的卫星遥感数据,外部区域采用免费的LandSAT数据[2]。大范围小比例尺数据见图2。
图2 大范围小比例尺数据
(3)设施设备、河流、水系、居民点等重要地物矢量及标注获取。设施设备标注数据包括桥梁、隧道、站房、变电所、里程标等,该数据可从铁路相关图纸中查询;河流、水系、居民点等矢量数据可从相关测绘管理单位购买,部分未能购买数据通过外业调绘的手段获取。
(4)设施设备尺寸、形状、纹理数据获取。高速铁路设施设备尺寸、形状、纹理数据主要用于后期的设施设备三维建模,其尺寸形状可以从铁路设计施工图、DOM、DSM等数据中获取,而纹理则需要人员现场拍摄。
2.1 模型建立
模型是设施设备管理的数据基础,模型按照其类型可以分为铁路设施设备模型、铁路沿线周边附属设施模型。铁路沿线模型若全部进行精细化建模,则工作量非常庞大,但若全部进行简要建模,一方面会影响三维场景的可视化效果,另一方面,也无法满足设施设备管理的需求。因此,模型建立工作采用以下方式开展:第一,铁路沿线周边附属设施可简略建模,能够表达其外观、展现与高速铁路的相对位置关系(需在真实位置上建模);第二,部分可复用的设施设备模型只需建立相应的模型库(模型底面中心位于坐标原点),如部分桥梁、隧道洞身、钢轨、扣件、道砟、信号机等;第三,部分重点设施设备模型需精细化建模(需基于真实位置建模),如站房、部分桥梁、变电所等。
2.2 数据建库
2.2.1 地形数据建库
多源地理信息数据包括多种分辨的地形地貌数据,将这些多分辨率数据融合展现,则需要进行地形数据的建库。该项工作包括高程数据建库和影像数据建库两个部分,而这两项工作基本一致,因此仅介绍影像数据建库的过程。
(1)借助相关投影算法,将多源地理信息影像投影变换到同一空间参考坐标系下。不同源的地理信息数据可能会具有不同坐标系,如地理坐标系、大地坐标系、城市独立坐标系等,若将这些数据直接拼接到一起,则相差甚远[3]。因此需将这些数据投影到同一坐标下,保证其空间相对位置的正确性。
(2)针对不同源数据分别建立影像金字塔。影像金字塔指在同一的空间参照下,根据用户需要以不同分辨率进行存储与显示,形成分辨率由粗到细、数据量由小到大的金字塔结构[4]。影像金字塔是一种基于四叉树空间索引的分层数据结构形式,适合于栅格数据和影像数据的多分辨率组织[5](见图3)。
图3 影像金字塔
(3)多源影像数据融合切片。为了提升地形数据的显示效果,避免影像接边处出现黑边,需要将多源影像数据进行融合处理。其流程包括:①根据多源影像范围(一般为最大外包范围)建立切片策略,包括格网(格网大小一般为256×256)分布及层数,建立每一层与影像分辨率的关系;②针对每一层数据,对格网内的数据进行填充,其填充的基本原则为取最大影像分辨率的像素(该像素为有效像素)进行填充。
(4)铁路沿线三维地形实时分级显示。每一层的影像和高程金字塔都有其分辨率,比如放大、缩小计算出进行该操作后所需的影像分辨率及在当前视图范围内会显示的地理坐标范围,然后根据这个分辨率和已经建好的影像金字塔分辨率匹配,搜索出最接近的影像金字塔层和地形金字塔层进行显示,并且根据操作后当前视图应该显示的范围,来求取在该层影像和高程金字塔上对应的切片,然后取出进行绘制(见图4)。
图4 多源地形数据展示
2.2.2 模型数据建库
模型数据建库即将模型放入到三维真实坐标位置上,并建立模型金字塔。如前所述,模型数据分为两种类型,一种为真实坐标模型,如站房、变电所、部分桥梁等;另一种为归零坐标模型,如道砟、钢轨、扣件以及部分桥梁等。其中真实坐标模型直接导入平台建库即可,而归零模型则需要通过模型坐标及姿态序列批量导入。三维场景不同于二维地图,在二维地图中,几厘米的误差并非显而易见,而在三维场景中,数据的误差被表现得淋漓尽致[6]。因此,为了保证模型的无缝拼接,必须要保证每一个模型的位置和姿态非常准确,从而不至于造成拼接的错位,这类模型主要包括路基、桥梁等。
(1)模型位置计算。在采用同一模型建模时,由于模型是唯一的,因此,模型之间的间距应该保持完全一致。模型位置的计算方法主要是根据模型间距,从线路上等间距的截取点位,根据插值的方式最终得到每一个点位的空间坐标[7]。
(2)模型姿态计算。模型姿态的计算依据相邻模型的位置数据[8],采用的坐标系统为地理坐标系,以正北方向为X轴,东方向为Y轴。因此,模型的姿态计算公式如下:
其中,
式中,(x1,y1,z1)、(x2,y2,z2)为相邻两点的大地坐标;pitch为俯仰角;yaw为旋偏角;roll为翻滚角;ΔZ为相邻点位的高程差;ΔX为相邻点位的X坐标差;ΔY为相邻点位的Y坐标差;ΔS为相邻两点的距离。
2.2.3 场景生成
结合建库的地形模型和设施设备模型生成初步的三维场景,但针对部分设施设备可能会出现地形与模型相对位置关系错误的情况,如隧道涵洞模型被地形覆盖等,因此需要进行模型与地形融合。在此采用的主要方法为通过模型断面对地形进行开挖,以隧道口地形开挖为例,其融合流程如下:
(1)获取隧道衬砌外表面断面和隧道口的铁路中线。(2)平移铁路中线到衬砌断面的每个节点上。
(3)求取平移后的中线与地形的交点。
(4)将此交点连接为多边形对地形进行开挖。
隧道与地形关系示意图及开挖区域计算见图5。
图5 隧道与地形关系示意图及开挖区域计算
完成模型与地形融合后,还需要添加各种标注才能完成三维场景的搭建,包括地名、水系、河流等矢量数据,这些数据主要展现高速铁路与周边重要地物的相对位置关系。场景集成见图6。
图6 场景集成
3.1 设施设备管理
设施设备管理的首要工作即对模型进行分类分层分组,并通过扩展字段建立与后台台账数据库的关联关系,如名称、ID等[9]。在用户点击模型时,通过获取该扩展字段值查询后台数据库,并推送到前台展现;同时,也可通过三维平台提供的空间查询接口,用户仅划定一个区域就可查询此区域的所有设施设备。管理的设备类型包括线路设备、桥隧设备、信号设备、牵引变电设备、接触网设备等。设施设备分类分层情况见表1,设施设备查询见图7,空间查询见图8。
3.2 作业管理
作业管理即将作业的任务计划、作业结果通过三维形式在平台中展现,其管理内容包括2种。
(1)维修计划管理。其管理内容包括计划类型(年计划、月计划、周计划、日计划、日写实等)及对各批次进行维修、保养查询。系统在三维场景中显示查询结果,并高亮查询区域,用户可根据需要查看当前维修里程段周边场景信息以及维修计划详细信息、线路技术图等[9](见图9)。
表1 设施设备分类分层
图7 设施设备查询
图8 空间查询
图9 维修计划查询
(2)轨道车作业管理。可通过单位和轨道车编号进行查询,查询结果包括轨道车的出发时间、到达时间、出发地点、到达地点、作业地点、作业项目等,与此同时系统动态定位跳转至当前轨道车运行区段里程中心位置,并闪烁轨道车运行里程区段进行标识(见图10)。
图10 轨道车作业管理
3.3 高速铁路安全监测和预警预报
在精细三维地理空间框架基础上,利用三维GIS技术,提供了一种比传统方法更加直观、高效、科学的安全监测和应急抢险手段,实现水位监测、边坡监测、桥梁变形等重点工程的自动量测、上报、汇总和预警功能。例如,将特殊工点的沉降、水位、位移、收敛等监测传感设备三维模型化或在三维场景中进行标注,实现可视化管理、监测点精确定位、实时监测数据查询与预警预报功能。当发生安全事故时,可利用平台的分析和数据管理功能,提供诸如查询、定位、物资分布等信息,为决策者提供最直观科学的依据[10]。变形监测管理见图11。
以海南东环高铁博鳌—万宁段为试点进行了示范应用。首先,借助机载LiDAR、无人机、卫星遥感等手段获取了铁路沿线高低分辨率的地形地貌数据;然后,借助地面激光扫描设备、外业调绘手段对铁路沿线的重要地名、地物进行了调查;最后,将上述数据进行建模(地形、设施设备)入库,并提供了一系列铁路运营管理工具和手段,并受到用户好评。通过上述方法使铁路信息以更直观真实的形式表达,以立体造型技术给用户展现地理空间现象,将三维模型和铁路应用系统相结合,提出一种准确、精细、完整的全数字化铁路地理信息系统架构,适合我国高速铁路的综合设施设备安全管理要求,可为铁路综合设施安全生产及铁路日常运行管理与监测提供决策支持。
图11 变形监测管理
[1] 王同军. 基于BIM的铁路工程管理平台建设与展望[J].铁路技术创新,2015(3):8-13.
[2] 张菁蕾. 多源空间数据的组织管理与应用[D]. 上海:同济大学,2007.
[3] 邓兴升,汤仲安,花向红,等. 椭球变换后的高斯投影正反算算法[J]. 大地测量与地球动力学,2010,30(2):49-52.
[4] 马瑞,董玲燕. 基于快速索引调度的金字塔影像构建及其可视化[J]. 人民长江, 2013,44(23):82-85.
[5] 李建勋,沈冰,姜仁贵,等. 面向影像金字塔的四叉树空间索引算法[J]. 计算机工程,2011,37(10):11-13.
[6] 张恒,朱军,徐柱,等. 面向高速铁路的三维模型数据库管理与建模服务[J]. 计算机应用研究,2015(9):2 708-2 711.
[7] 朱颖,闵世平,代强玲. 面向铁路行业三维场景快速构建一体化技术研究[J]. 铁道工程学报,2011(12):4-10.
[8] 石少华. 铁路线路三维可视化建模研究[D]. 兰州:兰州交通大学,2014.
[9] 江南. 沪宁城际铁路固定设备设施维修管理模式研究[J].交通企业管理,2010,25(8):60-62.
[10] 闵世平,赵亮亮. 三维GIS技术在铁路全生命周期中的应用探讨[J]. 铁道工程学报,2014,31(10):15-20.
陈 斌:海南高速铁路有限公司,工程师,海南 海口,570125
郭 琦:海南高速铁路有限公司,工程师,海南 海口,570125
杨 锋:中国中铁二院工程集团有限责任公司,教授级高级工程师,四川 成都,610031
赵亮亮:中国中铁二院工程集团有限责任公司,工程师,四川 成都,610031
责任编辑 卢敏
U298;TP391
A
1672-061X(2016)03-0052-06
中国中铁二院工程集团有限责任公司课题项目(14126211(14-15))。