基于BIM＋GIS＋IoT的深基坑與高鐵協同預警系統研究

馮江宇

(中鐵二十四局集團有限公司路橋分公司 上海 200070)

1 緒言

深基坑開挖施工易造成周圍土體和既有構筑物的變形，尤其在鄰近高速鐵路開挖時，更要嚴格控制基坑本體及周邊軌道形變量。

為了保證涉鐵深基坑施工安全，需根據規范及相關要求進行鐵路與基坑監測預警。傳統監測由人工按時測量統計，匯總后再形成分析日報表，既不夠直觀，發生問題時也不能實現問題快速定位和分析，嚴重制約了監測效率[1]。因此，建立一個能夠實現多方實時精準數據采集，并能實時展示、自動預警處置的監測平臺具有重要意義。

目前，建筑信息模型(BIM)技術已廣泛應用于施工領域，憑借自身3D可視化和信息集成化功能優勢[2-3]，為全行業帶來信息化變革浪潮。而地理信息系統(GIS)和物聯網技術(IoT)也憑借其優勢在土建行業中日趨成熟，將虛擬現實和智能數據采集帶進施工管理數智化進程。本文以上海機場聯絡線1標項目為例，闡述BIM＋GIS＋IoT深基坑與高鐵協同預警處置系統研究與應用主要內容。

2 工程概況與重難點

上海軌道交通市域線機場聯絡線工程是國家發改委首批確定的全國市域鐵路示范線，全長68.6 km。

本工程為1標段，全長10.26 km，其中8.5 km與滬杭高鐵并行(見圖1)。范圍內一號風井兼盾構始發井深基坑長156 m、寬25 m，深為16.67～25.5 m。圍護結構為地連墻＋內支撐形式，共分5個工作坑，采用明挖順作法跳坑開挖?；舆吘鄿几哞F路基坡腳最近處僅10.6 m，無論是開挖深度、鄰營距離，還是作業規模，在涉鐵基坑中都極為罕見，尚無成功經驗可借鑒。2020年，本項目入選中國鐵建技術重難點項目。

由于基坑邊滬杭高鐵對軌道位移控制要求極嚴(軌道位移須控制在2 mm內)，周邊還存在大量既有建筑、管線，加之鐵路周邊嚴禁降承壓水，技術難度和安全風險極大。

3 鐵路與深基坑協同監測應用實施

3.1 安全影響因素及應對思路

對于深基坑，常見事故可分為圍護結構破壞和土體破壞兩種。圍護結構破壞方面，一是圍護結構本身材料缺陷、施工不達標造成支護不當；二是開挖方案不合理、降水不當以及坑外過度堆載等原因造成土壓力增加使得圍護結構破壞。另外基坑監測數據有誤或數據反饋不及時等因素也會導致結構破壞前應對措施不及時，無法挽救。土體破壞因素方面，管涌流土等滲透破壞、承壓水突涌能夠直接造成土體失穩。

對于基坑本體，不管是圍護結構破壞還是土體破壞，除了加強施工質量與流程管控外，及時、準確的基坑監測數據應用也是預防和規避風險的重要措施。

對于基坑邊高鐵線路，主要風險來自基坑開挖導致的軌道位移超限(大于2 mm)，從而帶來晃車、脫軌風險。軌道位移原因主要包括兩個方面，一是周邊土體變形、地下水位變化導致的軌道水平和豎向位移，二是基坑圍護結構破壞引起的地基土體破壞和鐵路路基結構破壞，從而導致列車事故。

傳統鐵軌變形風險控制采用人工“凌晨天窗點推小車”，費時費力且無法全天持續獲取數據，面對趟/3 min的密集高鐵行車，極有可能導致車毀人亡的后果。因此，通過智能化手段實現鐵路位移與基坑狀態全天候毫米級的實時協同預警處置，顯得尤為重要。

3.2 應用實施規劃

本項目共有12類852個基坑監測點和分布于全線8.5 km的1 200個高鐵位移觀測點。為實現“一屏觀全局”效果，實現問題快速定位、精準分析、高效響應，系統基于BIM三維可視化、信息集成化的性質[4-5]，通過IoT將其與自動監測設備建立實時數據聯系，并置于GIS引擎中形成實景3D電子沙盤，利用標注點的狀態變化(如綠笑臉、紅哭臉等)作為展示和預警前端，解決快速定位問題，同時開發“數據分析內核”[6-7]，破解多方數據協同分析難題，做到預警發送、定位展示、初步處置的實時響應，配合完成應急處置(見圖2)。

3.3 系統運轉流程

系統運轉流程如下(見圖3):

(1)通過物聯網監測設備實時采集數據，第一時間發現鐵路超限變形(基坑監測同步進行)，測點標識從“綠笑臉”變為“紅哭臉”。

(2)通過APP、微信通知管理人員，自動定位至預警點，同時推送實時數據與視頻監控。

(3)通過對各項數據進行智能分析，迅速查明問題原因。

(4)系統快速響應，控制現場物聯網設備(如伺服系統)作出反應，及時生成報告配合后續處置，將問題控制在萌芽狀態。

4 系統搭建

系統主要包括前端實景沙盤(見圖4)、后臺分析內核、預警處置模塊等。在充分理解施工重難點和各類監測數據內在聯系的基礎上，融合BIM＋GIS＋IoT技術搭建系統前端沙盤，完成硬件數據與監測系統的實時對接；再通過編程開發分析內核，實時協同數據分析；最后在微信、管理平臺中打通數據調閱與預警通道，實現涉鐵深基坑與高鐵協同監測需求。

4.1 建筑信息模型(BIM)的建立

建筑信息模型(BIM)用于建立基坑圍護結構、地層、管線等構件，通過模型構件的唯一性編碼與管理平臺打通數據，點擊相應構件即可調閱相關設計參數、物資收發、工序驗收等過程痕跡(見圖5)，協助了解基坑狀態。

建模前需收集項目的勘測報告、圖紙以及周邊管線參數等作為依據，并在完成后將各專業模型整合，用于輔助后續在GIS引擎中監測標注點定位(見圖6)。BIM模型將在監測系統中充當信息集成數據庫。

4.2 地理信息系統(GIS)的建立

地理信息系統(GIS)即帶有地理坐標(經緯度)和三維地形的虛擬沙盤，主要由無人機掃描地形導入GIS引擎制作，可還原實時現場和完工樣貌，具備測量分析、拆遷標注、紅線劃分等功能(見圖7)。

本工程選用精靈4 RTK無人機，引擎為慧城GIS＋BIM引擎，步驟如下:

(1)現場勘察，在標段頭、中、尾放樣作3個對齊標記，用于后續地形與BIM精確對位。

(2)在飛控中框選區域放飛無人機，收集無人機拍攝照片，導入電腦合成3D地形。

(3)地形模型導入GIS引擎，將大地衛星影像、BIM模型、3D地形模型對齊。

(4)將鐵路與基坑測點在地形圖上分類創建標注，并與監測數據庫建立聯系。

4.3 物聯網(IoT)的建立

建立物聯網的前提是先實現監測設備的自動化，再通過云技術將各設備數據串聯共享，方可實現互聯互通。本系統物聯網主要包括監測數據采集設備、視頻監控設備、措施響應設備。

大部分監測項已實現自動采集，如位移沉降可采用自動測量機器人(見圖8)、鋼支撐軸力可采用伺服系統，其余監測項如水位、砼支撐軸力等可增設無線裝置改造實現，僅測斜等個別項目需人工進行。此外，在措施響應方面，鋼支撐伺服加壓、地下水回灌、監控探頭定向對位等控制接口也均已成熟，具備物聯網條件。

4.4 分析內核的建立

分析內核涉及三個方面，分別為基坑預警、高鐵預警和協同預警。

4.4.1 基坑預警分級

基坑預警等級劃分采用規范限值法與失效概率分析法相結合。

(1)規范限值法(常規預警)。由于上海以軟土為主，基坑監測數據普遍遠超規范允許值，因此規范限值僅作為黃色預警(常規預警)判別，即將規范值乘以不大于1的系數后作為黃色預警觸發條件，響應規范要求，減少預警噪點。

(2)失效概率分析法(高等級預警)。調用上?；颖O測大數據中心歷史數據，通過統計學分析，推算同類型基坑各監測數據對應的基坑失效概率。選定可接受的失效概率反算預警值，用以劃分較高等級的橙色預警(中級預警)和紅色預警(嚴重預警)[8-9]。

4.4.2 高速鐵路預警分級

根據中國鐵路上海局2020年345號文變形監測預警值內容，無砟軌道高速鐵路軌道與路基的水平位移、豎向位移不應大于2 mm，因此按累計位移1.6 mm作為橙色預警，2.0 mm作為紅色預警，并結合1 d位移量、3 d位移量，以及每月線上軌道線形監測數據作參考，共同判定。

4.4.3 協同預警分級

(1)局部聯合分析法。根據GIS坐標將標注點、BIM構件建立空間聯系，對局部區域或關聯同一構件的測點聯合分析。采用“閾值加權法”，即先篩選出預警等級最高的監測項的預警值作為基礎值，其他相關測點若顯著超過合理范圍，則對該基礎預警值按照權重提升預警等級。如先將測斜和地表沉降建立函數關系，若測斜預警程度更高，則根據測斜實測值推算沉降理論值，當實際沉降明顯大于理論沉降時，則提升測斜預警值。此外還有高鐵沉降、土體沉降與潛水位、承壓水頭等也都可以建立相關函數[10]。除閾值加權法外，亦可通過FTA分析法進行聯合分析。

(2)空間聯合分析法。根據GIS坐標，在預警原因分析過程中，以最高等級預警點位置為圓心，向外抓取周邊監測點進行原因分析，列出相關性最大超限值。如鐵路沉降過大時，系統調取周邊土體、地墻、地下水測點并輸出報表[11-12]，并代入局部聯合分析法進一步分析。此外，還可在BIM中啟動監測構件周圍測點功能，如點擊某幅地連墻即可監測構件周圍10 m內的測點插值信息。

5 實施效果

系統于2019年開始研發，取得軟件著作權4項。至2021年9月，鄰近高鐵各基坑開挖與回筑全部完成，共計采集1 200個鐵路測點、852個基坑測點1.2億條數據，推送監測日報表520份，將多個現場問題解決在萌芽狀態。使用該系統的深基坑施工，鐵路側測斜僅為0.7‰H～1.0‰H(H為基坑深度)，在上海地區同類基坑中表現突出，坑外高鐵軌道位移沉降最大僅1.8 mm，未超2 mm，保障了高鐵安全。目前，本系統已在合肥市文忠路上跨合肥東站轉體橋等多個涉鐵深基坑項目運用。

6 結束語

本系統深度融合BIM＋GIS＋IoT技術，實現了深基坑與高鐵監測數據全天候實時采集、趨勢分析、預警處置等功能，是對人工監測的自動化替代，極大地提高數據的準確性和數據傳輸的時效性，不僅省去了人工的重復工作，也為鐵路與基坑安全提供了保障，是BIM技術、GIS技術與IoT技術融入土建行業施工管理的新探索。