一种多年冻土地区高速公路冻土范围形变识别方法及系统与流程

本发明涉及地形测绘，具体为一种多年冻土地区高速公路冻土范围形变识别方法及系统。

背景技术：

1、冻土是指零摄氏度以下，并含有冰的各种岩石和土壤。一般可分为短时冻土(数小时/数日以至半月)/季节冻土(半月至数月)以及多年冻土(又称永久冻土，指的是持续二年或二年以上的冻结不融的土层)。冻土具有流变性，其长期强度远低于瞬时强度特征。正由于这些特征，在冻土区修筑工程构筑物就必须面临两大危险：冻胀和融沉。

2、随着温度升高以及由于冰雪融化带来的地下水位的上升，也使冻土逐渐产生变形，而这种变形会导致路基产生不均匀变形，影响道路的平整度。

3、进一步的，由于冻土随着温度的降低，体积会发生膨胀，因此建在冻土之上的路基和钢轨会因冻土膨胀而被顶起，而到了夏季冻土发生融化、体积缩小，路基又会随之沉降。这种反复的冻结、融化就会使路基产生不均匀变形，导致路基出现波浪起伏、高低不平的现象，严重影响车辆行驶的平稳性和安全性。

4、总的来说，冻土的变形，会导致路基和边坡的稳定性下降，从而产生涎流冰和边坡滑塌等问题，影响道路的正常使用和行车安全。

5、在申请公布号为cn109325311a的中国发明专利中，公开一种多年冻土地区大尺度路基的变形评价方法，首先对需要评价的路段进行表面变形高程数据采集，建立网格化的数据集；然后根据不同的路基变形特征，从数据集中拆分出表示四种不同变形特征的子数据集；最后根据四种不同公路变形特征，建立表面变形评价指标体系，通过计算不同变形特征值，得到分项变形指数，最终得到描述公路变形特征的全表面变形指数。

6、在以上申请中，解决了现有多年冻土区公路病害评价方法不能厘清公路表面变形的构成，无法准确识别冻土区公路病害的成因，无法准确评价冻土区公路变形特征状况的不足，能够对变化多端、错综复杂的多年冻土区公路变形开展准确的变形分量占比及变形程度评价，实现了多年冻土区大尺度路基科学量化评价。

7、但是在以上申请中，还存在一定的不足，例如，由于冻土层的变形是反复的，仅仅是识别冻土变形并进行评价，还不足以对冻土层的治理起到指导作用，这是由于，它虽然能够发现冻土当前存在的变形，但是对潜在的冻土变形缺少预知，不利于提前对位于冻土区域内的高速公路做出防护。

8、为此，本发明提供了一种多年冻土地区高速公路冻土范围形变识别方法及系统。

技术实现思路

1、(一)解决的技术问题

2、针对现有技术的不足，本发明提供了一种多年冻土地区高速公路冻土范围形变识别方法及系统，通过将检测区域区分为风险区域及非风险区域，在风险区域内选择若干个测绘点，由无人机对风险区域进行测绘，并建立测绘数据集合；建立风险区域内冻土层的变形系数，若其当前未超过变形阈值，使用训练后的状态预测模型对变形系数进行预测，获取预测值；对形变周期后的冻土层形变进行预测，筛选出异常参数作为异常特征；匹配对应的治理方案，并使用训练后的仿真模型对其进行仿真分析，依据分析结果筛选出最佳治理方案作为参考方案，从而解决了背景技术中提出的问题。

3、(二)技术方案

4、为实现以上目的，本发明通过以下技术方案予以实现：一种多年冻土地区高速公路冻土范围形变识别方法，包括如下步骤：将确定的检测区域分割为若干个子区域，并在分别对其进行检测后，将若干组检测值汇总建立环境数据集合，由环境数据集合建立子区域内的环境系数vo(t，ss)，若依据环境系数vo(t，ss)筛选出的异常区域多于预期，则向外部发出异常预警；其中，环境系数vo(t，ss)生成方式如下：将地表温度dt、土层含水量ts及地下水位ds做线性归一化处理，将相应的数据值映射至区间[0，1]内，再依照如下公式：

5、

6、其中，参数意义为：n为大于1的正整数，i＝1，2…n，i为各个子区域的编号；权重系数：0≤f1≤1，0≤f2≤1，0≤f3≤1，且f3+f2+f1＝1，所述为地表温度的标准值，为土层含水量的标准值，为地下水位的标准值；

7、接收到预异常预警后，使用训练后的分类器将检测区域区分为风险区域及非风险区域，并在规划出巡检路径后，在风险区域内选择若干个测绘点，由无人机对风险区域进行测绘，并建立测绘数据集合；由测绘数据集合建立风险区域内冻土层的变形系数de(b，b)，若其当前未超过变形阈值，则发出预测指令，使用多重线性回归模型进行模型训练，以使用训练后的状态预测模型对变形系数de(b，b)进行预测，获取预测值；

8、若获取的变形系数de(b，b)的预测值产生异常，则建立建模数据集合并训练生成训练后的冻土形变预测模型，以其对形变周期后的冻土层形变进行预测，建立预测参数集合，从预测参数集合中筛选出异常参数作为异常特征；

9、依据异常特征与预先设置的冻土层的治理方案库内治理方案的对应性，匹配出对应的治理方案，并使用训练后的仿真模型对其进行仿真分析，依据分析结果筛选出最佳治理方案作为参考方案。

10、进一步的，在确定高速公路的覆盖区域后设置检测距离，将与高速公路距离在检测距离内的区域均划定为检测区域，在通过测绘及勘探数据建立检测区域的电子地图后，沿着高速公路的延伸方向，将检测区域等面积的分割为若干个子区域；在各个子区域内设置检测点，以固定的检测周期对各个子区域内环境条件进行检测，并由检测结果建立环境数据集合。

11、进一步的，环境数据集合的建立方法如下：在每个检测周期内于检测点处对地表温度、土层含水量及地下水位的高度进行检测，将上述数据在每个检测周期内的最大值作为检测值输出，以分别获取地表温度dt、土层含水量ts及地下水位ds，沿着时间轴将以上检测值获取若干组之后，汇总并建立环境数据集合；

12、由环境数据集合建立子区域内的环境系数vo(t，ss)，若获取的环境系数vo(t，ss)超过条件阈值，将对应的子区域确定为异常区域；若被标记为异常区域的子区域占所有子区域的比例超过预期，则向外部发出异常预警。

13、进一步的，接收到预异常预警后，对若干个子区域进行聚类分析，并依据分析结果在电子地图上，将若干个子区域区分为连结成片的风险区域及非风险区域；在获取若干个风险区域的位置信息后，由训练后的路径规划模型结合其位置信息，规划出覆盖若干个所述风险区域的巡检路径，使无人机沿着巡检路径对若干个风险区域进行巡检；

14、对各个风险区域进行遥感成像及雷达测绘，并获取相应的测绘数据，其具体如下：在风险区域内选择若干个测绘点，在各个测绘点处通过雷达探测风险区域内冻土层当前的深度和厚度，以两者的比值作为深厚比db；通过数字近景摄影对风险区域内进行成像及测量，并将其与历史数据相对比，计算获取冻土层的变形量，获取土层变形量tb；将各个测绘点的深厚比db及土层变形量tb汇总后，建立测绘数据集合。

15、进一步的，由测绘数据集合内的数据建立风险区域内冻土层的变形系数de(b，b)，具体方式如下；将深厚比db及土层变形量tb做线性归一化处理，将相应的数据值映射至区间[0，1]内，再依照如下公式：

16、

17、其中，为深厚比的历史均值，为土层变形量的历史均值，权重系数：0≤β≤1，0≤α≤1，1且α+β＝1，i＝1，2，…n，n为大于1的正整数，i为各个测绘点的编号；

18、若获取的变形系数de(b，b)超过变形阈值时，发出处理指令，反之则发出预测指令；以测绘数据集合及环境数据集合内的数据作为历史数据，接收到预测指令后，结合历史数据集合内的历史数据，通过spss使用多重线性回归模型进行模型训练，使用训练后的状态预测模型，对变形系数de(b，b)进行预测并获取预测值。

19、进一步的，若获取的变形系数de(b，b)的预测值较前值高，且高过的比例超过预设比例，则生成验证指令，至少采取冻土层的状态数据，冻土层所在的环境条件数据，将以上数据汇总后形成建模数据集合；

20、使用bp神经网络，在调整相应的网络架构后建立预测模型，从建模数据集合中抽取部分数据作为测试集和训练集，对预测模型进行训练和测试，并将训练后的预测模型作为冻土形变预测模型输出。

21、进一步的，预先设置形变周期，以冻土形变预测模型对形变周期后的冻土层形变进行预测，获取冻土层形变的各个参数的预测结果，将若干个预测结果汇总，建立预测参数集合；

22、以参数的历史均值作为标准值，并在预先设置比例阈值后，从预测参数集合中筛选出预测值大于标准值且超过的比例大于比例阈值的部分，将该部分参数作为异常特征，并以其超过标准值的程度作为异常程度。

23、进一步的，在公开渠道通过线性检索配合线下的收集，汇总针对于冻土层的维护治理方案，建立冻土层的治理方案库，通过预测获取的冻土层异常特征，依据治理方案与之的对应性，从治理方案库中匹配出对应的一个或多个治理方案，汇总后建立治理方案集合；

24、从建模数据集合中抽取部分数据提取特征并进行特征选择，以其作为测试集和训练集，通过机器学习算法建立模型，并对模型进行建立和训练，将测试后的模型作为仿真模型输出。

25、进一步的，使用训练后的仿真模型对治理方案集合中内的一个或者多个治理方案进行仿真分析，并获取相应的分析结果，若治理方案集合中内的治理方案只有一个，则将该治理方案作为参考方案；若治理方案多于一个，依据分析结果，获取在执行治理方案后风险区域内冻土层的变形系数de(b，b)，依据变形系数de(b，b)值大小，从若干个治理方案中筛选效果最佳治理方案作为参考方案。

26、一种多年冻土地区高速公路冻土范围形变识别系统，包括：

27、预警单元、将检测区域分割为若干个子区域，在分别对其进行检测后建立环境数据集合及环境系数，以其对子区域进行筛选，若筛选出的异常区域多于预期，发出异常预警；

28、测绘单元、将检测区域区分为风险区域及非风险区域，在风险区域内选择若干个测绘点，由无人机对风险区域进行测绘，并建立测绘数据集合；

29、第一预测单元、建立风险区域内冻土层的变形系数，若其当前未超过变形阈值，使用训练后的状态预测模型对变形系数进行预测，获取预测值；

30、第二预测单元、若变形系数的预测值产生异常，建立建模数据集合并训练生成冻土形变预测模型，对形变周期后的冻土层形变进行预测，筛选出异常参数作为异常特征；

31、方案匹配单元、依据异常特征与治理方案的对应性，匹配对应的治理方案，并使用训练后的仿真模型对其进行仿真分析，依据分析结果筛选出最佳治理方案作为参考方案。

32、(三)有益效果

33、本发明提供了一种多年冻土地区高速公路冻土范围形变识别方法及系统，具备以下有益效果：

34、1、通过不同测绘手段的配合建立测绘数据集合，将其用于对风险区域内的冻土层的状态进行确认，于是在需要时，能够依据测绘数据的异常程度，有序的对各个风险区域进行处理，优先处理较为紧迫的，以高效率的减少安全隐患。

35、2、在对冻土层的变形进行初步识别后，对冻土层的变化程度形成评估和判断，若是该变化程度已经超过预期，则说明需要及时的进行处理，识别过程初步完成；若是暂未超过预期，则使用训练后的状态预测模型对变形系数de(b，b)进行预测，依据预测值判断是否需要对冻土层进行提前治理，从而规避风险的产生。

36、3、使用bp网络建立冻土形变预测模型输出，以该模型对冻土层的变化趋势及变化过程进行预测，若是冻土层产生异常，则在异常数据中获取到异常特征；通过对冻土层的变化进行预测，获取各个冻土层各个参数的变化，实现对冻土层识别的基础上进行预测，从而，便于在当前存在潜在的风险时，能够提前得知。

37、4、在完成对冻土层形变的识别和预测之后，可以依据预测结果从预先准备好相应的治理方案中进行选择，从而在实际变形产生或者即将产生时，能够及时的进行处理，减少或避免冻土层大范围形变给高速公路的使用带来的安全隐患。