高速公路边坡自动化监测及工程应用

史绪堂

(中国铁建昆仑路桥建设有限公司 四川成都 610200)

1 引言

随着中国经济的发展，包括公路在内的多种基础设施建设已经进入快速发展阶段。公路穿梭于各个城市和乡村之间，途径地质复杂地区，面临着多种地质环境异常变化的威胁，而公路边坡的失稳塌落往往给道路安全造成不可逆转的事故灾害[1]。边坡危险与否、预防措施及时与否，牵动着整个道路与工程建设安全的成与败，也对项目工程的安全性与可行性起着至关重要的作用，同时影响着工程的投资以及承建方的效益。通过对边坡进行施工期至运营期的运维养护监测，获取危险边坡多阶段的真实数据，不仅能为后期运维时期突发异常时数据分析提供依据，也为边坡的应急管理以及养护策略建言献策[2]。

2 实际工程应用

(1)技术路线

根据蒲江至都江堰第五标段高速公路边坡工程应用要求，需要在实际工程中选取适宜的监测内容、选择对应的监测仪器、设计合理的监测方案、得到真实的监测数据和反馈可靠的监测结果。根据前期工勘的实际调查情况，制定该项目所应用的技术路线见图1。

图1 技术路线

(2)工程准备

通过计算机技术支持，设计并开发高速公路边坡监测自动化预警系统，用户可以实现对蒲都高速边坡真实结构监测数据的查询，包括查询布点信息，各监测点位项目信息概况，以及各监测项数据累计变化值、变化速率以及变化趋势，这对边坡后期运维过程中的数据可靠性分析提供了有力支撑[3]。

前期勘测过程中，详细调查蒲都高速公路边坡的土体工勘地质条件及水文地貌情况。

对蒲江至都江堰第五标段高速公路边坡监测地布设方案，主要有深层水平位移、地表位移、地下水位和雨量监测项。

针对蒲都高速公路边坡工程建设过程中所获取的监测数据，首先，应对测点缺失部分进行预处理，异常部分进行异常分析以及处理，最后对预处理后的监测成果以及多监测项联动分析进行可靠性检验。

3 监测数据预处理

每次监测结束后，应及时对监测数据进行整理、计算，可获得以下数据:

变形监测点的深层水平位移量；

地表位移点的表面位移量；

深层水平位移测点水位变化值；

降雨量数据；

宏观巡视影像[4]。

3.1 监测数据去噪处理

边坡安全监测工作中，监测数据会受到雨雪、强风、地震等自然灾害对坡体本身的影响；监测周期内所发生的人为对土体的扰动，如施工钻孔、地下作业等影响；监测仪器受到自身信号抗干扰能力弱的影响、外界磁场影响以及遮蔽效果差等产生噪声的影响。基于上述情况，监测数据所绘制的时程曲线尽管能够较大程度上反映边坡实际变形情况，但曲线图中也往往伴随着呈锯齿状突变、阶跃式抬升或下降以及无规律地上下波动等变化情况。为此，利用去噪方式预先对采集成果进行处理，有效保留监测数据内部实际的变形信息。

其原理上是含有噪声的一维信号模型，可表示为:

其中，yi为含噪信号；fi为有用信号；zi为独立同分布的噪声信号，zi～iidN(0，1)，信号长度为n，噪声一般为高频次信号，在工程运用中fi一般为低频信号。

小波去噪在边坡应用过程中，大致可分成三个步骤:

(1)选择一个小波并根据实际情况确定分解的层数，对观测数据作小波多尺度分解。

式中，y为观测数据y1，y2，…，yn；f为有用信号f1，f2，…，fn；z为噪声信号z1，z2，…，zn；W0为小波系数。

(2)对小波系数W0作阈值量化处理，如选取较为广泛的阈值形式，则:

(3)对经阈值量化处理后的小波系数作逆变换W－10重构信号[5－6]:

即可得到受污染观测数据信号去噪后的数据信号。

本文以边坡固定测斜仪二级边坡左侧DL-1监测实测值为例，探讨小波去噪在边坡变形数据预处理中的应用。图2为某段位移实测值去噪前后对比曲线。

图2 实测值去噪前后曲线对比

经过去噪后数据表征为以一条较为平滑曲线代替了含噪声的锯齿状数据，一定程度上消除了突变、异常波动等情况，对结构物所反映的位移变化提供了更具可靠性的特征信息；同时，也为后续坡体的风险性评判提供更为准确的监测依据。

3.2 拉格朗日插值方法及应用

(1)拉格朗日插值方法

深层水平位移监测均广泛应用测斜仪，具有采集自动化、24 h不间断监测、精度高等优点。但在实际工程应用中，在完善施工过程存在的一些问题后会导致内部测斜传感器信号中断或丢失，造成数据不连续，一些关键性表征数据会产生遗漏，从而影响对数据在后期运维阶段的风险性判断[7]。

拉格朗日插值法，具有适用性广、可操作性强等优点，在工程中发挥着重要作用。以导轮式测斜仪测得的边坡深层水平位移测点监测数据作为插值对象进行数据插补，实际数据并非理想的连续曲线，而是因工程发生的不同状况造成数据缺失。因此在边坡监测发生数据中断时，拉格朗日插值法应用至关重要[8]。

(2)蒲都项目数据处理中的拉格朗日插值应用蒲都项目中，深层水平位移监测情况见表1。

表1 深层水平位移测点连续率统计

监测周期内，各测点由于现场供电问题影响，造成不同程度的数据缺失，总体连续率为70.09%。从数据缺失情况分析，其中断的首尾两端呈非线性特征变化。采用拉格朗日插值方法将缺失段前后的数据进行处理，插值公式为:

蒲都高速边坡项目深层水平位移测点数据于2019年12月初发生部分缺失，通过计算机软件统计其拉格朗日插值结果，见图3。插值曲线较为平稳地衔接了监测数据前后变化趋势。根据数据在采集过程中突发性地缺失以及前后两曲线不同的波动情况，选择合适的插值方法对数据进行处理，不仅能够得到监测项的完整数据表现情况，还可反映整个数据在缺失时段的变化趋势，在实际工程监测中有指导性意义[9]。

图3 拉格朗日插值实例

4 监测数据分析

对监测数据进行相应处理后，选择最近相邻两次监测点观测数据的差与最大误差(取两倍中误差)进行对比，如观测数据的差值在正常误差范围之内可认为测点在传感器监测周期内变化相对较小。但即使在最近相邻两次实测值之差不大，反映到曲线长期趋势上来看，通过作出测点一次线性回归方程后，若曲线呈明显上升或下降趋势时，同样视为该监测点位发生了实际位移，只是量级较小[10]。

利用监测数据绘制深层水平位移点位水平位移量时序图、水平位移量绝对值时序图并进行一阶线性回归分析，同时关联其余辅助监测项数据，如雨量监测，多维度评价边坡监测点受环境变化大小的真实性[11]。

(1)各监测点位监测周期内实测位移量。

(2)绘制各深层水平位移测点位移－时间曲线图，同时在时序图中关联其一次线性回归拟合方程。

(3)根据前期工程实施概况，对边坡深层水平位移测点变化进行可靠性分析。

4.1 降雨量监测

在监测周期内(2019.12.01－2020.03.24)，蒲都高速公路边坡所监测到的总降雨量为37.4 mm，日平均降雨量为0.32 mm，最大日降雨量为2.7 mm(出现在2020.3.22)。未出现明显降雨情况。

4.2 深层水平位移监测

(1)位移量分析(见表2)

表2 深层水平位移描述性统计

监测周期内数据完整度较好，标准差较小，除个别点位由于外界干扰影响外，数据平稳波动，真实可靠，能够真实反映结构物状态。

(2)时程曲线图及线性回归方程分析实例

采用深层水平位移测点曲线及其一元线性回归进一步分析变形监测点的长期变形趋势。

由图4～图5可知:深层水平位移测点变形缓慢，其回归曲线呈现上升趋势，在近四个月的时间，各测点中最大变形量约为0.8 mm。

图4 一级边坡右侧DL-1平面位移量绝对值—时间曲线

图5 二级边坡中部DL-2平面位移量绝对值—时间曲线

个别点出现小幅度趋势性上升，可能由于边坡靠近道路，其间发生的环境影响以及道路状态影响了边坡稳定性，也可能为土体内部蠕动造成的影响。

多数深层水平位移点位受监测设备精度影响，虽有波动，但变化基本保持平稳。

总之，在四个月的监测周期内，各深层水平位移测点中，最大位移量在允许范围内，边坡稳定性良好。需防范的是恶劣环境状况(如周边地震事件与强降雨天气)对边坡稳定性的潜在影响。

4.3 关联分析

蒲都高速公路边坡项目在监测期间，根据雨量计所采集的信息分析，降雨频发，多为小雨，小时降雨量在3 mm以内。根据雨量情况与深层水平位移数据进行关联分析，发现一致性并不明显，未发现有降雨引发的位移变化趋势(见图6～图7)[12]。

图6 雨量与一级边坡左侧DL-1位移量对比关联

图7 雨量与三级边坡DL-1位移量对比关联

深层水平位移在监测期内，变化趋势存在平稳、上升与下降多种情况。总体而言，各测点围绕基线上下波动，且基线变化缓慢，说明边坡内部土体在降雨时段未发现明显位移。

5 结论

本项目边坡智能实时监测平台利用复合传感及局域自组网与无线传输技术，避免了单一监测技术带来的监测不全面、系统性不足等问题，实现了边坡系统性、全面、长期的实时在线监测。

(1)蒲都高速在监测周期内，未发生强降雨等恶劣天气情况，未出现滑坡、土体坍塌等自然灾害。80%以上的深层水平位移传感器位移区间为0.16～2.46 mm，标准差在0.5以内，较为稳定。

(2)监测期内结构物外部降雨量较为密集，小时降雨量较小，在2.7 mm以内。选取深层水平位移与雨量关联分析，未出现因降雨引发的明显位移变化趋势。