李重阳 杨永兴 陈绪军 邹汉林 史晓飞
(建设综合勘察研究设计院有限公司， 北京 100007)
建筑物变形监测作为建筑工程安全施工的保证，对建筑物安全、运营维护起着重要作用。建设工程变形监测具有周期性、监测时间长、监测点多，监测数据量大等特点[1]，对变形监测信息的自动化采集与数据管理分析就显得十分重要[2]。一些建设工程在安全监测过程中仍存在变形监测信息化管理不完善、安全运营过程中变形监测方法陈旧单一、监测数据准确性与实时性难以保证等实际问题。随着信息化、数字化监测设备的逐渐普及以及各种变形监测技术的不断更新，构建一个能够实现对城市建筑物的变形信息进行自动化采集与管理的信息系统成了今后这一领域发展的必然趋势[2]。本文研究目的为提高建筑变形监测管理水平和为工程安全提供可靠性保障，对变形监测中的关键技术进行研究，研发自动化采集与集成化管理服务平台，实现多源监测数据的实时处理、综合分析、成果输出及科学的实时预警，提高自动化监测质量及效率。
1.1 关键技术内容
1.1.1监测信息自动化采集关键技术研究
依人工数据采集及自动化数据采集场景差异，分为测量机器人自动化监测采集技术、多源传感器数据自动化采集技术和人工智能手簿采集技术。
1.1.2 构建信息化管理服务平台与应用技术研究
平台开发，分为两部分，一部分负责与硬件交互，完善数据采集功能；
另一部分负责数据采集后的环节，包括项目管理、数据处理、数据分析、安全预警、报表、流程、权限等诸多功能模块。
1.2 总体技术框架
以法律法规、政策文件和技术规范为工作依据，主要分为三个层面，一是变形信息采集层，二是监测数据管理层，三是集成化服务层。可以应用的监测对象包括了建筑物、构筑物、地下管廊、地铁等市政实施以及古塔、历史建筑等文化遗产。主要为政府机关、房地产部门、工程建设总包单位、施工单位、第三方监测单位、文物管理单位和文物修缮施工单位等提供监测服务。总体技术框架如图1所示。
图1 总体技术框架
常规变形监测受到多种因素的影响，一般无法做到实时上传数据，监测周期无法反映某个时间段的完整变化，发生危险时不能得到及时的反应等，这些往往会错过危害发生的第一时间，造成的后果更为严重[5]。本文自动化采集技术就可以弥补这方面的缺陷，按采集方式不同可分为三类：测量机器人智能监测自动化采集技术、智能观测手簿和APP自动化采集技术、智能采集终端自动化采集技术。
2.1 测量机器人智能监测自动化采集技术
在变形监测项目中，全站仪因其操作简便、获取数据多样、测量精度高而被广泛采用。比如，在基坑变形监测中，通常采用一台或多台全站仪实现对基坑内多个位移监测点的监测；
在隧道变形监测中，由于隧道细长的特性，采用两台全站仪边角网平差的方法对轨道各个监测点进行监测。
传统的人工观测，仅使用了全站仪的测量特性。实际运用中，需要人工设站，然后逐一测量监测点。所采集的数据，存在全站仪中，需要事后内业处理测量数据。数据有问题，现场无法发现，需要不断返工复测。如何发挥测量机器人马达控制优势，行业内提出了多种解决方案。归结起来两套方案，一个是在全站仪本身系统上开发机载软件，另外一个是开发一个外部监测终端来控制全站仪旋转测量。
本文研发了智能监测边缘网关QimMoS，解决了测量机器人远程控制、自动化数据采集及数据预处理等技术难题，研制出了数据采集手簿及自动化数据采集终端，兼容大部分测量机器人，并着重于对测量机器人的控制及测量方法的兼容，涵盖极坐标、多测回测角、单点小角法、视准线法等常用测量方法。同时，测量结果通过API形式调用平差方法，解算生成结果及平差报告。此外，拥有12～14V 40W的可变电源输出，保证不同型号测量机器人的用电安全，实现监测间隙测量机器人处于不带电状态。
2.2 智能观测手簿和采集APP自动化采集技术
在野外测量工作当中，传统的方法是将观测数据记录在纸质的测量手簿上，传统的纸质记录不利于高效率进行内业计算机平差，而使用电子手簿无疑是实现内外业一体化的重要方法[6]。本文智能观测手簿和APP自动化采集适用于人工、半自动化数据采集场景，分为人工数据智能观测手簿QimHand硬件和智能数据采集APP。
本文一站式手持数据采集终端技术可以很好地解决人工监测的弊端。该技术需要监测现场通过4G/5G网络的方式与服务器进行控制信息和观测数据的信息交换，根据现场终端的功能特征，分为两种实现方式。一种实现方式是现场使用透明的数据传输链路，将测量机器人以及其他传感器的串口数据虚拟到服务器串口上，对于服务器软件来说，监测现场的测量机器人就好像直连在服务器串口上一样。另一种实现方式是监测现场的终端通过内置嵌入式程序，人工干预，半自动化将测量机器人和其他串口设备的传感器数据采集，并进行数据处理的过程，最后将数据实时传输到服务器端。本文采用第二种实现方式的硬件终端，研发了人工数据智能观测手簿QimHand硬件、智能数据采集APP，目的就是打破对长数据链路的依赖，提高系统整体的可靠性。同时，一站式数据采集，兼容所有安全监测现场设备，极大地提高现场作业效率。
2.3 智能采集终端自动化采集技术
智能采集终端定位为自动化传感器数据采集设备，采用智能物联网设计，兼容485/232、振弦传感器数据采集，采集到的数据通过TCP、MQTT等多协议上传至服务器，同时支持服务器下发控制指令，配置采集频率，如表1所示。
表1 智能采集终端技术指标
随着物联网技术的发展，建筑变形监测项目越来越多地使用上了监测传感器，但是传感器类型较多，传感器采集终端面临着不同的传感器厂家协议不互通、传感器结果数据计算方法不同、各厂家采集终端无法兼容等问题。本文智能采集终端设计之初，抛弃了采集终端通过运算生成结果数据的设计思路，精简采集终端功能，只负责原始数据采集，这样化繁为简，一方面支持几乎所有厂家传感器的数据采集，另一方面，节约硬件成本。原始数据采集回来后，为让不同厂家的原始数据能转化为结果数据。在平台上，特地设置了针对不同类型传感器的解析指令配置。这样，一款兼容所有传感器的数据采集终端便应运而生。同时，工业级三防及接口设计，让该设备稳定运行于野外工作环境。
本文研制智能采集终端(图2)基于物联网、5G等通信技术，兼容485/232、振弦传感器数据，通过TCP、MQTT等多协议上传至服务器。可适应于水位计、测斜仪、锚索计等传感器的数据自动采集和实时上传。
图2 智能采集终端
3.1 平台主要构成
自动化采集与集成化服务平台主要构成如图3所示。
3.2 监测数据智能分析功能
3.2.1基准点稳定性分析
在部分工程应用场景中，基准点不可避免地受到变形区影响而发生位移。这将直接导致监测结果发生错误。若基准点的位移融合在监测点自身正常变化之中，则难以发现和剔除。通常需要定期做基准点复核来判断基准点的稳定性。如何及时发现基准点变动，提高基准点复核效率，从而提高监测结果整体质量，一直以来，都是业内难点。在该问题上，本文采用以下几个分析手段，为基准点稳定性分析提供参考依据。
图3 服务平台构成图
(1)提取平差结果改正数，配合全站仪测角与测距精度计算的控制点测量误差，间接反映基准点稳定性。
(2)基准点多边形相似性。即便测站变动，未发生变化的基准点，在多期测量结果中，必定呈现相似性。根据当期全站仪测量水平角、垂直角及斜距，假定一个测站坐标，反算各基准点坐标。组成的多边形与上期同方法多边形对比，直观反映基准点稳定性。
(3)基准点之间距离固定不变。未发生变化的基准点，在多期测量中，基准点之间的距离是固定不变的。同上，假定一个测站坐标，根据测量原始数据，反算基准点之间的距离。考虑全站仪本次测量精度，多期对比，来发现当期基准点变动情况。
3.2.2多源数据融合分析评估工程安全
建设工程变形监测测项繁多，单一数据分析往往无法提供足够信息。本系统引入多元数据融合分析技术，归集不同测项关联信息，统一表达分析。本系统多源数据融合，主要两个维度。一个是多类型传感器，这里涵盖全站仪、水准仪、测斜仪、水位计、锚索计等诸多常见传感器；
另一个维度是自动化与人工数据融合。其中，不同传感器(包括全站仪、水准仪)应用于不同测项。比如全站仪同时采集沉降与位移数据，沉降与位移点的关联问题。断面(剖面)分析中，一个断面涵盖多个测项不同传感器采集的数据。周边建筑物沉降对基坑的影响分析也往往涵盖多个测项数据的融合分析。要想获得有效信息，单一数据分析已经无法满足需求。本平台通过配置不同测点之间的关联关系，来达到数据分析时的信息归集，极大地提高数据分析效率，为数据决策提供有力保障。自动化与人工数据融合。随着建设工程智能化程度的不断提升，智能传感设备应用越来越多，自动化数据采集占比也越来越大。然而，传统人工监测数据仍然占据主体。现代建设工程数据采集中，往往人工为主，自动化为辅。自动化数据因无人工参与，数据量大，数据质量也参差不齐。自动化与人工数据如何统一汇算是行业内一大难题。行业内常见的监测平台，往往强行拆分人工与自动化数据，避开这一问题。该方法实际上治标不治本，数据利用率低，数据分析及成果总结仍旧以人工数据为准，最终导致自动化数据沦为无效数据。而本平台，这一问题上采用以下三个措施，有效实现自动化人工数据的无缝对接。
(1)自动化数据滤波，解决自动化数据参差不齐问题。
(2)配置自动化数据提取周期。自动化数据量大，通过配置数据提取周期，在一个周期范围内的数据，经过滤波后取均值的方法统一自动化人工数据周期问题。
(3)自动化设备与人工配置测点绑定。该措施直接将自动化上传数据归算到人工配置测点上，上传后的数据与人工数据应用同样的数据处理与分析逻辑，真正达到自动化与人工数据融合。
3.2.3变形趋势预测与智能预警
传统建设工程项目实施过程中，结构物变形呈现出趋势性。如能提前预测并及时预警，则能有效减少事故发生概率。建筑变形监测数据处理系统软件的主要功能是处理建筑变形监测数据，并进行预报分析，为监测对象的安全评估提供参考性建议[4]。
线性回归，在原有数据基础上，通过线性拟合，预测下一周期数据。卡尔曼滤波，对数据进行平滑处理，同时预测下一周期数据。神经网络，通过对已有数据进行机器学习，预测出后续数据趋势。实验表明，在数据量样本较少的情况下，线性回归预测效果优于卡尔曼滤波及神经网络。而在数据样本较大的情况下，神经网络预测效果最优。
本系统基于神经网络算法建立工程结构变形预测模型。采用规范学习、理论研究、编程设计、实际工程试验相结合的方法，以提炼出一套基于神经网络的建设工程结构变形预测模型为目的。根据研究目的，系统学习相关测量规范及神经网络算法，查阅相关资料，深入研究建设工程结构物变形影响因素极其特性，在此基础上，结合计算机编程技术，综合提炼，形成基于神经网络的建设工程结构变形预测模型，编程实现，并实际工程实验测试。
3.3 监测业务全流程信息化管理功能
针对建设工程变形管理水平相对滞后、信息化应用程度较低、智能决策支持能力较弱的现状，本文在传统建设工程基础上，融合智能传感及物联技术、大数据、分布式存储、人工智能数据预测等新一代信息技术，实现了建设工程智慧管理功能。
3.3.1多角色混合管理
针对不同角色开放页面按钮级别的权限控制。管理员通过简单配置，即可满足多角色项目管理需求，使得建设工程各参与方都可以实时掌握现场变形情况，在我院承接的项目中为业主提供更多的增值服务，项真正实现建设工程信息管理的“千人千面”。
3.3.2数据溯源
本系统强调数据全生命周期管理，采用简化的类似区块链技术。数据采集时间、地点、仪器、谁采集、谁检核、谁上传、谁处理、谁审批、谁入库均详细记录。数据分布式存储，原始数据、结果数据、日、周、月、总结报告、审批信息分开存储，同时赋予数据之间的关联关系，形成数据闭环。分布式存储，解除不同数据之间的耦合关系，一个功能模块出现问题，不影响其他功能模块，极大地提高整个系统稳定性。平台数据展示时，直接根据数据之间的关联关系，抽取数据相关信息，集中展示分析。
3.3.3数据归集与穿透
本系统依托建设规范，融合大数据技术，抽取工程、测项、测点等层级关键变量，集中展示，辅助项目评价及决策。同时，开放多维度数据穿透，关联一条数据的一生及相关测点、测项、工程的多维数据。系统具备强大的文档数据归档功能，与项目相关的方案、电子图纸、原始数据、平差报告、结果数据、日、周、月、总结报告等按照规则和流程自动归档。
3.3.4设备管理自动化
以往设备管理在办公平台中，只对设备借、还进行简单管理，并不能和监测业务相关联，忽略了仪器设备精度、标定系数、检定有效期等属性。本系统针对这些问题，研发了设备管理自动化功能，可以在监测项目中按照规范限定选择符合精度指标的仪器设备，只能使用在检定有效期内的仪器设备。还可自动带入仪器精度或标定系统进行数据自动处理，大大提高了数据处理的自动化和准确性。
本文通过基坑监测、地下管廊监测、地下工程监测和文物建筑监测等工程实践监测，引入测量机器人自动化数据在线采集技术、物联网连接平台互联互通技术、多源数据融合分析以及监测数据集成管理服务，达到了对建筑结构的安全性及建筑场地的稳定性作出评估的目标，显著提高了工作效率，如表2所示。
表2 传统人工监测与本文系统自动化监测工效比
本文针对建筑工程变形自动化采集和集成化管理的需求，利用多源传感器及智能采集终端实现了建筑变形监测数据自动采集、传输。研发了基于物联网和移动互联网的建筑变形监测信息自动化采集与集成化管理服务平台，实现了监测数据智能处理分析及管理，提高了工作效率。本系统应用至今，尚存在不足，一是本系统目前基于仪器设备获取的数据并结合现场巡检和工况辅助，来判断建设工程变形以及变形产生的原因，相对片面；
二是目前监测设备价格昂贵，出于成本控制考虑采用自动化监测方法的项目占比不到10%。下一步，在建设工程变形和变形原因分析上，纳入岩土、水文等数据，增强数据融合能力，从点到面再到体，进一步深化数据分析。