数据驱动模式下特大城市公共基础设施安全的智慧管理与风险预警框架构建——以上海市为例

林宇航 叶 勤,2 林 怡,2

(1. 同济大学 测绘与地理信息学院, 上海 200092; 2. 同济大学 遥感与地理信息研究中心, 上海 200092)

0 引言

城市公共基础设施,是指城市中运输、通讯、能源、供水排污等城市公用事业基础设施,是城市运行的生命线[1]。伴随城镇化进程,公共基础设施等城市建筑日趋庞杂。同时,由于风险监测预警技术等不足而导致城市公共基础设施突发事件不断,如2021年7·20郑州特大暴雨,2003年韩国大邱市地铁1号线火灾等。而特大城市人口密集、建筑分布复杂,公共基础设施安全稍有疏忽将可能造成难以估量的损失。

大量公共基础设施安全事故具有预防准备不足、现场管理不力、现场应对处置不当等因素[2]。而传统的“经验驱动”安全管理体系,其缺乏精确预警手段为决策和调控提供前馈基础的弊端在这一过程中被放大,不再适用于特大城市建筑复杂度高速增长的现状[3],已无法满足社会对公共安全快速增长的需求[2],因此,要对特大城市公共基础设施安全风险预警进行变革,加强智慧化管理。

当前,针对大数据的计算机技术与人工技术的结合成为信息处理的主流[4],而伴随着传感器技术高度发展,获得环境监测数据的同时能够直接获取其空间分布并挖掘数据的行为逻辑,以此来寻找城市发展的逻辑和运行秩序。这使得特大城市公共基础设施安全管理和风险预警工作中数据的支撑作用越来越强;而数据获取和处理技术的发展使得数据驱动的模式成为可能。因此,在城市发展和技术进步日益加快的当下,特大城市公共基础设施安全风险预警和管理也需要面向数据驱动模式进行转型。

本文以上海市为例,针对四类典型的特大城市公共基础设施(密集型高层建筑、跨海跨江桥梁、地铁隧道、高速铁路公路),搭建多源监测网络和多功能应急服务平台,针对以多源监测数据为驱动的特大城市公共基础设施安全智慧管理和风险预警框架的构建展开初步研究。

1 国内外研究现状

1.1 国外案例经验

数据驱动的城市公共基础设施风险监测预警在发达国家更为成熟,在信息安全[6]和评价机制等方面也较为健全,维也纳理工大学的Giffinger教授构建了数据驱动的城市安全智慧管理指标[6];智慧社区论坛(intelligent community forum,ICF)评价体系包含5个维度18项指标[7]。该研究中就包含有公共基础设施风险预警框架的相关内容。

美国应用数据驱动的城市公共基础设施安全治理目前处于世界领先地位。纽约收集了百万余栋建筑相关数据(包括电气性能)估算火险概率,当年的火灾发生率即下降了24%[8];西雅图分析家庭耗电量等进行预测,提出的节能方案将耗电量降低25%[9]。日本大力推进数字城市交通等,建设由点到面的智慧特大城市[10]。欧盟一些国家、新加坡等也走在前列,虽发展不同,但都取得了较好成效,体现了数据驱动在此中的可行性及实用性。

国外在数据驱动的城市公共基础设施安全智慧管理和风险预警方面形成的诸多成果,是研究城市安全管理的重要参考。

1.2 国内转型现状

我国于2013年开始推行智慧城市建设,自然资源部于2015、2017、2019年相继出台《智慧城市时空大数据平台建设技术大纲》,目前在对数据进行有目的地抓取方面取得了一定成果。新冠疫情期间,大数据技术的应用实现了高度的信息公开和社会参与,使风险预警精准和动态化,显著提高了疫情应对的敏捷性和精准度[11]。此外大数据技术在规划和土地资源利用[12]、物流[13]、交通[14]、城管[15]等不同领域也有成功应用。

但对于城市公共基础设施安全风险预警面向数据驱动模式的转型、推广和运用的研究仍有很多不足。王忠[9]分析了相关痛点：做不到信息资源共享,缺少统一平台,各地各部各自为政、信息冗余。同时,社会参与度小,技术落后,特别是注重“事后应对”而不是“事前预防”,也未建立健全统一的评价机制和转化机制。

1.3 多源监测技术应用的启示

空间遥感和传感器技术的高度发展,使多平台、多时相、多光谱和多分辨率的多源监测数据大量涌现,因具备大范围、高精度、准实时的特性而被广泛运用在诸多领域,但也对数据处理能力提出了较高要求。

多源监测技术在一些公共基础设施风险监测预警方面有良好表现：日本明石海峡大桥集成风速计、加速度计和地震计等构成健康监测系统;新加坡利用光纤和压电传感器监测地下工程,但以上仅监测特定点位灾害信息。汶川地震后,通过遥感监测分析都汶公路路基、桥隧等损毁情况,得到次生山地灾害的时空特性,为提出完善防灾减灾和恢复方案提供支撑[16],这个过程中空间遥感监测技术的引入使得监测从点扩充到面。

与传统手段相比,多源监测实现了多渠道的互补合作,能有效扫除监测盲点,而大数据技术则能满足其带来海量数据对设备和管理提出的要求。因此现阶段基于多源监测研究数据驱动的特大城市公共基础设施安全风险预警框架构建在技术上可行。

2 研究选区概况

本文以上海市为例,针对密集型高层建筑、跨海跨江桥梁、地铁隧道、高速铁路公路展开安全智慧管理和风险预警研究。

上海市汛期明显并多伴有台风、暴雨、高温等灾害性天气。同时,全市主要地质灾害为地面沉降,是我国沉降较为严重的城市之一,也存在塌方、路面塌陷等隐患[17]。此类因素是选区公共基础设施面临的主要自然威胁,致灾因素作用于目标设施产生的结构损伤及周边环境异常,会直接反映在其整体或局部的静态和动力性能改变上[18]。因此,采集目标设施结构响应的数据并提取特征量,就可判断受损程度,实现不同级别的响应。这些可用于描述结构变化的监测参数即为广义上的变形：选区内重点包括沉降、位移、裂缝、振动,及内应力、渗压等监测量。

同时,上海拥有2万余幢高层建筑;轨道交通线路共计19条,日均客流量超过1 000万人次;共有35个客运站,长途班线1 611条,单日火车发送人次最高达57万余人次,具有管理、人群和公共基础设施建筑群的复杂性(这也是选区公共基础设施安全预警的挑战之一),是开展研究的优良范本。

3 框架建立探索分析

特大城市公共基础设施安全智慧管理和风险预警框架向数据驱动模式的转型可依靠多源监测网络获取风险参数,并集成数据通信、预处理和存储管理,如图1所示。

图1 多源遥感监测和通信网络

此外,还需构建安全智慧管理和应急多功能服务平台,如图2所示。该平台结合灾害成因理论建立安全模型进行预警和管理。该平台需实现动态化、自动化更新以满足实际需要,同时兼顾统计、发布、查询和宣发等多种功能,将不同社会应用主体联系在一起。

图2 智慧管理和预警服务平台框架

因此,基于多源监测的城市公共基础设施风险预警框架的构建工作,主要应从以下几个方面开展：

(1)架设多源监测网络。

(2)建立数据处理和服务平台。

(3)实现数据驱动的特大城市公共基础设施安全智慧管理和风险预警框架。

3.1 组建空天地一体的多源监测网络

搭建多源监测网络的目的是全时域覆盖,自动化,实时且精确地获取全方位、立体化的城市公共基础设施安全监测数据。

以上海市四类公共基础设施为例,组网先期,需根据不同目标设施的特性做组网规划。如在本选区,总体上对沉降监测的需求较大,需特别关注,其中,合成孔径雷达干涉(interferometric synthetic aperture radar,InSAR)具有地面沉降监测的极大优势。对于公路,通过遥感卫星或航测手段的对地观测覆盖即可发挥良好作用;对于地铁、隧道,星载传感器信号难以覆盖,则需架设自动静力水准、三维激光扫描仪等地面传感器;而就跨江跨海桥梁而言,需要同等地考虑风力、海潮等影响,由于处于开阔地带,可以通过全球导航卫星系统(global navigation satellite system,GNSS)监测结构关键点的位置变化,进而推演位移、振动、挠度等监测指标。同时,对于宏观上的异常如异物侵入、人群异常等,可通过遥感影像、监控摄像头等手段直观地监测。

组网过程首先整合已有的监测网络,建立双向数据通信网络与数据分析方法,针对不同致灾类型集成传感器,在目标区域进行空天地一体化地组网,实现网络化监测、数据通信与实时表达。并考虑直接集成便携式数据处理系统,实现远程控制和原始数据预处理、存储。并采用串口通信和无线通信等协同作业搭建通信渠道,实现实时远程传输。组网情况如表1所示。

表1 空天地一体的城市基础设施安全监测网络布设情况

3.2 设计智慧管理和预警服务平台

安全智慧管理和预警服务平台的搭建首先对已有的各类城市数据库进行整合,如地理信息库、三维模型库、遥感影像库等,平台数据库的详细设计如图3所示。

图3 平台数据库结构设计

监测数据(包括非实时数据)经预处理后,对不同目标参数需做不同处理：对于密集型高层建筑,建立风险安全指标模型;对于地铁隧道,做自动整体平差等解算时序图、变形曲线等;对于高速铁路公路,研究线型区域相干点时序分析,重点解决稳定参考点选取和干涉相位解缠等问题,实现动态监测;对于跨海跨江桥梁,研究基于非线性时间序列分析和扩展的自适应滤波等融合算法。

并根据国家及各类应用规范做数据属性设计和编码索引规范化。数据经处理后入库、编码、存储,提供不同服务,如图4所示。

图4 智慧管理和预警服务平台架构

在后台或平台界面,监测数据支持基于图标的直接呈现,也能以时序图的形式观察变化态势,而不同的安全状态/测站设计相应的颜色(表2)/符号表达。

表2 数据驱动的城市公共基础设施风险各级预警

在风险预警的逻辑实现上,需设置预警阈值,阈值一般源自各类《规范》及衍生推算指标。构造监测量的统计量,建立分布模型,实时进行超出阈值的概率计算,并采用模糊回归等将不同监测量纳入模型综合考虑各风险因素的共同影响,设计不同风险程度的估计,发布不同等级的预警,启动不同程度的响应行为,如表2所示。

3.3 实现多元主体协同的数据驱动安全智慧管理和风险预警框架

基于3.1中所搭建的多源监测网络和3.2中所建的多功能平台,向不同应用主体发布并要求可能的反馈,实现对城市公共基础设施风险评估和预警,为决策提供支撑。该框架由多源数据(包含直接监测数据和空间分布信息)驱动,集成了软硬件设施,辐射多元主体,实现了前馈的响应功能。同时,该框架由多元主体协同参与,将信息的集成与管理一体化,有效发挥了多元主体优势,提升了安全智慧管理和风险预警的有效性和精细化,促进“公共理性”和“重叠共识”。

研究框架的实现将有利于多元社会力量共同参与到城市公共设施管理中来,利于海量安全数据的高效利用和智慧管理,推演灾害发展规律,对防灾减灾、整合资源、提升城市治理水平具有积极意义。

4 结束语

本文对现阶段数据驱动的特大城市公共基础设施风险预警模式的国内外研究应用进行了比对,针对上海市四类大型公共基础设施提出了安全智慧管理和风险预警框架构建的新思路,通过集成多源监测网络和多功能服务平台,建立了智慧化、信息化、协同化、前馈化的风险管理和预警框架。

但在实际应用中,仍希望纳入更多的数据主体如气象、水文等测站,形成更广泛的监测,也包括针对不同目的的监测指标。同时,希望联结更多社会主体促进互联互通,这需要优化数据双向发布的覆盖面和畅通度及框架的其他性能,如基于用户体验的操作设计、个性发布等,也需要更多力量如设施管理单位的支持、应急各部门的加入(包括制定数字预案)和社会群体的反馈等。

大数据时代下,对公共基础设施及其环境的监测理论上可满足安全预警需求。但对比发达国家,我国仍存在较大落后,需在各方特别是管理上改进：①发挥顶层设计实现变革,明确责权划分,注重推广教育;②建立运维考评机制和标准;③建立跨领域专家库,提升在岗人员的(智慧化管理和应急)素质;④消除数据孤岛,共建开放统一的数据平台,发挥多元主体作用。

推动城市公共基础设施安全智慧管理和风险预警向数据驱动模式转型,用数据说话,用数据服务,才能解决传统的特大城市安全管理体系与当下城镇化进程产生割裂的难题,切实地提升安全风险管控能力。