基于CIM的城市道路塌陷隐患评估及智慧防控关键技术与应用

本案例通过时空CIM底座，对城市道路塌陷隐患评估与防控的全域、多源、多模态、异构数据实施一体化管理，集成人工智能驱动的城市道路塌陷隐患评估模型、三维雷达探测识别模型、分级预警模型，开展隐患评估、三维雷达智能识别、分级预警分析。对隐患实施靶向探测，自主研发道路塌陷监测设备，进行动态监测，研究道路塌陷演化规律，研发道路塌陷智慧防控一体化平台，实现道路塌陷隐患智慧防控。总体技术架构如图1。

图1 总体技术架构

图2 点标识模型两层编码结构

1.2 研究建立了大尺度基于BIM的岩土工程信息模型，研发实现了地下一体化表达与集成分析技术，并建立了多引擎集成可视化环境，支撑道路塌陷地下三维模型一体化分析与应用。

针对面向超大城市大尺度区域连续地质模型构建问题，提出了一种基于边界表示法、光滑曲面造型及空间插值的精细化三维地质建模方法，建立了基于BIM的岩土工程信息模型，如图3，解决了大范围区域地质模型创建过程的大批量钻孔无法一次性创建生成、三维建模图形引擎距离超出设计限制等问题。进一步研发实现了基于BIM的岩土工程信息模型的虚拟钻孔提取（如图4）、地质剖面自动生成、桩基承载力分析计算、三维模型与监测点精确标定等技术，以及基于远程计算的管线断面与开挖分析技术，实现了基于多引擎的道路塌陷地上与地下一体化分析与可视化表达。

图3 古河道地质BIM模型

图4 基于多引擎的地上地下一体化表达

1.3 建立GIS、BIM、IoT、AI和应用赋能五个中台，形成了五中台+场景协同的道路塌陷隐患智慧防控一体化平台研发技术体系。

GIS中台由GIS数据管理系统与GIS数据应用系统组成。管理系统实现道路塌陷二三维空间地理信息入库、编目、服务发布与共享管理。应用系统整合点面与三维数据，实现道路塌陷数据二三维一体化、地上地下一体化、动静一体化、BIM数据分层分级可视化，开发实现了空间分析功能，并具备数据远程计算能力，提供了地表及地下详细分析在内的多项专业功能。

BIM中台构建了一个贯穿建筑项目全生命周期的数字化管理支撑平台。BIM数据管理系统实现基于BIM的岩土工程信息模型统一编目、轻量化、构件赋码与服务发布。BIM数据应用系统实现BIM数据服务分类加载、剖切、查询、共享应用等基本功能，实现监测点位标定与分析。

IOT中台高效接入与实时分发三维雷达探测、沉降量监测、空隙水压力监测、土压力监测、视频监测等数据，实现了道路塌陷多类型IOT设备的接入、编目、监控、查询与订阅功能，实现相关视频数据接入、监控、巡屏、申请及分发功能，支撑道路塌陷探测监测IOT数据集成与实时分析展示。

智能分析（AI）中台包括数据治理监控系统、AI融合分析系统及可视化系统，集成道路塌陷隐患评估分析模型、三维雷达探测智能识别模型、分级预警模型、InSAR沉降分析模型、视频识别视频数据AI算法等，实现模型分析结果的模拟与可视化沉浸展示。

应用赋能中台加强GIS、BIM、IOT、AI算法工具应用赋能，开发资源访问类、地图类、控件类等应用服务接口，道路塌陷探测监测数据订阅与分发工具，以及隐患评估分析模型、三维雷达探测智能识别模型、分级预警模型、InSAR沉降分析模型、视频识别视频数据AI算法接口等，支撑道路塌陷隐患智慧防控一体化平台平台建设与应用。

2.人工智能驱动的城市地面塌陷隐患评估

2.1 提出了城市道路地面塌陷多源异构隐患因子集

首次系统提出了城市道路塌陷包含自然和人为的多要素风险因子集，涵盖道路属性、地质条件、地下管线及周边环境四大类共十六项风险因子，如表1，上海市道路地面塌陷多源异构隐患因子可视化结果如图5，该因子集突破了传统研究中因子单一、维度局限的片面性。

表1 城市道路地面塌陷多源异构隐患因子集

图5 上海市道路地面塌陷多源异构隐患因子

2.2 融合物理-数据-知识的城市地面塌陷隐患智能评估与分级分类模型

提出了城市地面塌陷风险智能评估与分级分类模型框架。该框架创新性地引入极端梯度提升人工智能算法（XGBoost），系统挖掘地质条件、管线分布、交通荷载、气象要素等多源风险因子与地面塌陷隐患之间的复杂非线性关联与映射机制。在建模过程中，通过引入正则化约束、二阶导数优化及特征列子采样等先进技术，对传统梯度提升决策树进行了重要改进，有效增强了模型的泛化能力与预测精度，同时显著提升了训练效率与大规模数据的处理能力。在此基础上，采用詹克斯自然断点法，依据最小化类内方差与最大化类间差异的统计原则，将连续型风险指数科学划分为五个等级（极高、高、中等、低、极低），实现了风险水平的客观分级与有效可视化。该人工智能驱动的模型框架突破了传统方法在高维非线性关系识别和异构数据融合方面的局限，为城市道路塌陷的风险精准识别、分级防控和科学决策提供了可靠的技术支撑。上海市中心城区道路塌陷隐患图如图6，上海市中心城区道路塌陷隐患等级统计图如图7。

图6 上海市中心城区道路塌陷隐患图

图7 上海市中心城区道路塌陷隐患等级统计

3.探测监测预警一体化技术体系

提出了全平面、全深度、全覆盖的道路病害探测体系，优化了探测技术；提出基于深度学习的3D GPR数据智能识别框架与“模型量化评估+交互验证”方法；研发智能探测识别技术。自主研发多种地表位移、土压力与孔隙水压力的微型监测装置，如图8； 建立多参数融合的监测与分级预警机制，建立基于统计规律的群体预警模型，研发道路塌陷智慧防控一体化平台，如图8。

图8 城市地面塌陷风险感知智能监测设备

道路塌陷智慧防控一体化平台基于CIM平台五中台，以路网隐患等级图为底板，集成探测结果数据、IOT监测数据，并与道路基础信息、地下管网分布等多源数据融合，实现了隐患点、监测点的空间定位，病害特征（如空洞大小、埋深、土体密实度）及隐患等级的动态展示，实时感知道路土体状况并对其坍塌现象进行预警判断，如图9。系统根据监测数据对道路安全状况进行综合性评估，为测量人员提供数据的远程实时查询，同时在道路出现异常情况的第一时间发出预警，保障车辆的安全行驶，最终实现对道路塌陷的长期自动化监测。

图9 上海市地面塌陷智能防控一体化平台

4.上海道路塌陷隐患评估与智慧监控应用

基于上海道路塌陷隐患评估结果——道路塌陷风险分布图，从上海市中心区域道路网络中选取了140个具有代表性的路段，总长度达42.6公里。其中76个路段被划分为极高或高隐患等级，总长度达28.6公里。随后，基于深度学习的3D GPR数据智能识别技术框架，开发了智能识别工具，对这些代表性路段的塌陷隐患进行了探测。图10展示了检测路段与塌陷隐患的分布位置，并呈现了两种典型地下病害的雷达图像与钻孔图像。在140个检测路段中，共发现53个路段存在101处地下病害，包括空洞、路面下空腔及松散填充空隙。在76个被评定为“极高”或“高”易感性的检测路段中，共识别出86处地下病害，分布于43个路段。其中地下空洞占比达22%，脱空占比28%，疏松占比48%。与传统钻探法相比，探测效率提升4-6倍，单条道路探测周期从7-10天缩短至1-2天；定位精度从米级跃升至0.3米以内，实现了病害体空间位置的精准锁定。同时，依托研发的病害体自动识别算法，对探地雷达回波数据的处理速度提升了3倍，识别准确率达92%以上，有效避免了人工判读的主观性误差。

图10 检测路段位置及地下病害分布

图11 道路塌陷传感器分布与实时监测

针对探测结果，在具有空洞、路面下空腔及松散填充空隙的道路现场布设传感器，并按规定监测频率完成沉降量、孔隙水压力和土压力等数据的自动采集，通过LoRa无线方式将数据传输至服务终端，CIM底座的IOT中台实时接入边端服务器端的监测信息，并动态监测传感器的状态。131个道路塌陷位移传感器实时接入状况，如图11。