从宏观、中观、微观等多个层面进行立体监测

2024年5月1日凌晨2时10分左右，广东梅大高速公路发生了路面塌陷事故，并造成了重大人员伤亡。此次高速公路路面塌陷事故引发了全民对道路安全风险问题的思考，给行业敲响了警钟，如何能通过道路边坡监测技术，早发现、早预防、早处理类似事件成为了相关行业近期广泛讨论的议题。

道路边坡的形成是公路建设过程中为了适应地形、保持路基稳定、确保行车安全而进行的一项重要工程措施。常见的边坡有路基边坡和山体护坡等类型，这些边坡受到地质灾害、地基沉降、自然降雨、重力碾压等多种因素的影响，导致路基下沉、边坡塌方等灾害事故，严重威胁着道路出行者的生命和财产安全。

政策背景

2024年4月3日，自然资源部关于印发《2024年全国地质灾害防治工作要点》的通知，《通知》指出要持续开展全国地质灾害高、中易发区重大隐患综合遥感识别。有条件的省份加强天空地综合遥感手段集成，提高隐患精细识别水平。加强对在册隐患和新识别隐患的套合，逐步从发现隐患向重要区域和重大隐患动态监测转变。

2024年5月1日，财政部、交通运输部发布《关于支持引导公路水路交通基础设施数字化转型升级的通知》（下述简称《通知》）。《通知》明确指出要对通道基础设施安全监测、运行管控和应急指挥调度体系进行数字化改造，在安全增效方面实现突发事件应急响应效率提升30%左右。

从上述两个《通知》文件不难看出，国家相关部门对地形、地质灾害及交通基础设施的监测高度重视。因此，为了保证公路的安全运营，对公路沿线进行道路边坡监测及道路塌方风险预警，有重要意义。

技术背景

近年来，各种极端灾害天气频发，各类地面塌陷、边坡失稳等各种因地表形变导致的灾害事故也层出不穷，研究这些灾害事故的触发机理并实现快速准确的风险预警与灾害告警，已经成为非常迫切的任务。这些灾害的诱发因素有很多，包括自然因素（气候变化、地下水位随季节的涨跌以及地质运动等）和人为因素（采矿、高层建筑、深基坑施工、地下水枯竭和植被破坏等）。

但是，无论这些是由哪种因素诱发，在原有稳定结构宏观失稳之前，其表面都会先发生微小位移。因此，为了更深入地研究地质灾害之触发机理，并在灾害发生前进行事先预警，需要对相关区域进行全覆盖、长时间、连续和高精度的形变监测。

根据形变监测过程中是否接触被测目标，形变测量技术可以分为接触式测量和非接触式测量两大类。

接触式测量主要包含水准仪测量、倾斜仪测量、GPS测量技术和无线传感器网络技术。接触式测量的最大优点是能获取高精度形变量，其年形变监测误差能控制在毫米级甚至亚毫米级。

但是，它只能对场景中某些离散点进行观测，进而导致存在空间盲区。况且，接触式测量需要在目标区域进行测量点布设，耗费大量人力物力，并且在一些危险目标区域很难实施布设或完全不能布设。因此，接触式测量难以满足进行全覆盖形变监测的需求。

同时，如果采用GPS测量技术，还可能会受到可视卫星数量的限制。所以，对于大面积区域及其周边大范围分布的地质灾害隐患监测，空间分布过于离散的传统接触式测量并不能满足监测需求。

传统的非接触式测量主要包含视频监控、近景摄影测量、激光扫描测量等技术。采用视频监控是一种常见手段，通过人工观察或机器视觉分析技术，对塌方或沉降风险进行发现和预警，优点是巡检成本低，缺点是可见光图像容易受不良光线和雨、雾等条件影响，如果采用人工巡检，则工作量大、无法实时监测和预警。

当采用近景摄影测量或激光扫描测量技术进行形变反演时，先获取场景的数字高程模型信息 (Digital Elevation Model,简称DEM），然后通过对比不同时刻生成的DEM数据来提取形变量。

但是，在实际应用过程中，如果天气恶劣，这两项技术的形变反演精度会受到较大的影响，且近景摄影测量技术无法在夜间进行形变监测。因此，近景摄影测量和激光扫描测量技术难以满足对地质灾害隐患区域进行长时间、连续形变监测的需求（长时间范围内，难以一直保持良好的天气条件）。

综上所述，无论是传统的接触式测量还是非接触式测量，都存在各自的优点与技术限制。无法同时实现对地质灾害隐患风险场景进行全覆盖、长时间和高精度的形变监测。需综合运用InSAR、北斗及新一代AI技术等手段，构建从风险靶区识别、风险等级评估以及立体式智能监测及动态告警，才能有效地解决现阶段公路地质灾害防治问题。

InSAR技术在公路形变监测领域的优势

公路边坡塌方及路面沉降等灾害分布范围广、涉及深度大、在发展过程中存在阶段性和不均匀性等特征。公路呈线性走向分布，监测距离长，一条线少则十几公里，多则几十公里；监测项目多，包括沿线地面、周围建(构)筑物、桥梁等特点。因此，采用常规的精密水准进行形变监测需要耗费大量的时间、人力、物力和财力，并且很难精确定沿线的形变影响范围。

同时，由于传统的精密水准观测和GPS定位观测存在测点分布稀疏、作业周期长、劳动强度大的问题，难以适时客观反映日益扩大的区域性地面沉降变化趋势。在公路发展建设节奏愈来愈快的今天，各地政府和公路的建设单位越来越需要准确、及时的地面沉降基础资料进行公路工程规划和治理保护，同时，也越来越需要现代高新技术提供更全面、及时、科学的监测手段。

合成孔径雷达干涉测量（InSAR，Interferometric Synthetic Aperture Radar）技术是基于雷达遥感的新型空间对地观测技术，它可以高精度地监测大面积微小地面形变，实现对地表形变毫米级的几何测量。它结合了合成孔径雷达（SAR）与干涉测量法的原理。

SAR通过在卫星或飞机平台上搭载雷达系统，向地面发射微波脉冲并接收回波，从而在不同时间段内生成同一地区的多幅高分辨率雷达影像。干涉测量则是利用两幅或多幅从略微不同位置获取的雷达图像之间的相位差，来精确测量地表的三维形变。这一过程类似于人眼利用视差感知深度，但InSAR利用的是电磁波而非可见光，因此能够穿透云层、烟雾，实现全天候监测。

InSAR工作流程主要包括数据采集、配准、干涉图生成、相位解缠、地表形变计算等步骤。其中，相位解缠是关键技术之一，其目的是将包含地表形变信息的包裹相位转换为真实相位，进而计算出地表的精确位移。这一过程非常复杂，涉及到精密的算法和大量的计算资源。

在全球范围内，InSAR技术已成功应用于多个边坡监测项目，如意大利瓦尔迪兹亚诺山体滑坡、中国三峡库区边坡稳定性监测等。这些案例显示，InSAR能够有效捕捉到边坡毫米级的缓慢形变，及时预警潜在的滑坡风险。通过长期连续监测，结合历史滑坡事件数据，科学家和工程师能够建立滑坡早期识别模型，为灾害防治提供科学依据。

与传统的 GPS、水准测量这些基于离散点的形变监测技术相比，InSAR 技术有其自身探测形变的优势，主要表现在：

（1）精度高。InSAR技术可监测到毫米级的地表形变。

（2）监测范围广。目前获取干涉数据的雷达主要以卫星或飞机作为搭载平台，它的特点是飞得高、视域广、监测范围大，一次就可监测地表上百、上千平方公里的范围，可高效快速建立地质灾害隐患“靶区”库。

（3）监测连续性。雷达按一定的时间间隔对地面同一目标进行周期或非周期的长期观测，数据更新快，数据量丰富，可监测地面目标在时间序列上的连续形变过程，形变历程曲线，反演、推演形变趋势。

（4）主动遥感，受天气影响小。卫星雷达，使用探测波段较长，可以穿云透雾，受天气影响较小，而且它可全天候、全天时地监测地表形变。

（5）监测实施方便容易。传统监测方法需要布设水准点，而雷达形变监测不受这些条件的限制，一般只需卫星重复获取地表影像就可以，给地表形变监测带来很大的便利。

（6）成本较低。不需要观测网的布设和维护费用，而数据的成本相对不高，所以，对于大面积的地表形变监测服务好，而成本相对较低。

（7）安全性高。InSAR 监测地表形变不需要直接接触地面目标，即使发生各种灾害也可对地表进行观测。

InSAR技术可以大范围、大面积、大规模地宏观监测全域道路，在短时间内迅速筛查出有形变、有沉陷现象、有塌陷风险的道路异常点位。

北斗卫星定位技术

北斗卫星导航系统是中国自主建设、独立运行的全球卫星导航系统，于2020年完成全球组网，标志着中国在全球卫星导航领域的重大突破。相较于GPS等其他导航系统，北斗系统提供了更精准的服务，特别是在亚太地区，其定位精度和信号稳定性优势明显。北斗系统在边坡监测中的应用，不仅是技术上的革新，也是国家安全和自主可控战略的体现，推动了我国在地理信息领域的技术创新和应用拓展。

北斗卫星导航系统（BDS）通过向地面接收器发送精确的时空信号，使接收器能够确定自身的三维位置、位移距离和时间信息。在边坡监测中，通过在边坡关键位置布设固定接收器，持续记录接收器的位置变化，以此来监测边坡的微小位移。这种监测方式对于预防边坡滑坡、泥石流等自然灾害具有重要意义，能为灾害预警和安全管理提供科学依据。系统主要采用技术路径如下：

（1）双差分定位技术：为了提高定位精度，通常采用双差分定位方法，即在监测点与基准站之间计算观测量的差分值，消除或减弱大气延迟、卫星钟差等系统性误差。

（2）实时动态定位（RTK）：在需要高精度实时定位的情况下，使用RTK技术可以实现厘米级甚至毫米级的定位精度，可以有效提升对边坡微小变形的监测的能力。

（3）短报文通信：北斗系统特有的短报文通信功能，使得监测数据不仅能实时传输，还能在没有地面通信网络覆盖的偏远地区实现数据回传，可以有效增强系统的实用性，并能够解决传统的高速公路偏远路段通信传输不便等问题。

对于北斗卫星导航系统在复杂地形中，树木、建筑物等障碍物可能遮挡卫星信号，影响定位精度问题，以及多路径干涉效应和大气电离层与对对流层延迟误差等问题，本系统可通过多系统融合，如将北斗与其他卫星导航系统（如GPS、GLONASS、Galileo）数据融合，增加可用卫星数量，提升定位精度和可靠性。优化布站策略，合理选择基准站位置，尽量避免遮挡，同时考虑地形对信号传播的影响，优化监测网络布局。

通过利用机器学习和深度学习技术处理数据，自动识别和剔除异常数据，提高数据处理的准确性和效率。采用增强型RTK技术，基于更高级的RTK算法和硬件设备，如使用相位差分技术，进一步提高定位精度。同时，通过环境校正模型建立针对特定地区的电离层和对流层延迟模型，进行实时或事后校正，减少大气因素的影响。

双光谱感知及AI大模型边坡识别监测技术

双光谱感知技术，采用可见光视频和红外热成像技术实现全天候的道路成像，其充分利用了可见光图像所见即所得、便于观察的优势，融合了热成像不依赖自然光线成像，在夜间无灯条件下，仍然能够获得较高图像清晰度的监测效果，能够通过监测路面或边坡异常变化、落石、渗水等风险，提前对道路塌陷、边坡塌方等进行事前预警、事中告警，是近年来在地质灾害预警与预防领域的一项重要创新应用技术。

主要涉及的核心技术包括：

（1）数据融合与特征增强：双光谱数据的融合是该技术的核心。首先，通过图像标定和配准技术确保可见光图像与红外热成像在空间坐标上的一致性，然后利用数据融合算法将两种图像的信息合并，形成一个包含更多细节和特征的复合图像。这种融合不仅增强了对边坡表面特征的识别，还能揭示地表不易察觉的温度变化，为AI模型提供更为丰富的输入信息。

（2）AI大模型图像理解。传统的AI小模型通常基于卷积神经网络（CNN）构建，通过多层神经元学习双光谱图像中的模式。传统的AI模型训练，需要大量标注数据，包括正常边坡状态、有潜在风险的边坡、以及发生过滑坡的实例图像。为了提高模型的泛化能力，采用迁移学习策略，即先在大规模图像数据集（如ImageNet）上预训练模型，再在特定的边坡监测数据集上微调。

此外，为减少过拟合，采用正则化、dropout等技术，并通过交叉验证优化超参数。但对于道路塌陷、边坡塌方等异常事件，实际发生的真实案例图像数据极为有限，因此采用传统的AI算法并不能很好的解决这个问题。

随着近年来AI大模型技术的发展，采用Transformer架构的多模态大模型成为新的研究热点。基于AI多模态大模型的边坡监测算法，采用基于自注意力机制的深度学习框架，可以充分利用互联网上20亿级别的图像数据和海量的文本数据，进行跨模态的学习和迭代训练，从过提炼文本中包含的知识增强图像的理解能力。

大模型通常拥有庞大的参数量，能够学习到更深层次的特征表示，从而更精确地识别边坡的细微变化和潜在风险，如下图为通过AI多模态大模型识别的边坡检测结果。通过识别结果可以看出，AI多模态大模型具备对道路塌方、边坡塌方等的理解能力，其对这类没有显著规则的“物体”及“目标”，也能较好的理解和判断，显示出了大模型的潜力。

道路路侧主动安全预警技术

道路路侧主动安全预警系统结合了高亮度LED显示屏、监控摄像机或微波车辆检测触发技术、语音发布以及IOT物联网通信等能力，旨在通过自主的道路车辆感知、速度监测，并自动关联其他预警提示信息，按照道路安全应急预案对道路出行者提供实时交通信息发布、道路安全警示、语音播报提醒，以提升道路安全与交通管理效率。

本方案中，一体机除满足自主车辆感知能力外，可以通过中心通信、LORA、5G等多种通信方式，自动接收前方1-5公里路段部署的边坡预警信息，并根据报警信息的级别启动对应的预案流程实现安全预警发布；可支持全天候不间断运行、实时守护道路行车安全，降低边坡塌方或常规交通事故、异常事件等可能造成的灾难风险。本系统所采用的主要技术包括：

（1）物联网(IoT)技术：通过使用各种传感器（如监控摄像机）、无线通信技术（如Wi-Fi、4G/5G、NB-IoT）和云平台，实现设备间的数据交换与远程控制。例如，监控摄像机捕捉的图像数据可通过IoT模块上传至云端，进行实时分析处理。

（2）智能车辆感知分析：运用毫米波雷达或计算机视觉技术等，对道路上行驶的车辆目标自动捕捉，并启动相应的预警或信息发布内容，根据配置的不同还可以支持自动识别交通拥堵、事故、行人穿越、违规停车等异常事件能力。

（3）LED显示屏控制技术：集成智能控制系统，能够根据云端下发的指令，实时更新显示内容，如交通指示、安全警示信息、路况提示等。

（4）语音播报系统：采用文本转语音(TTS)技术，将预警信息转换为语音，通过扬声器发布，增加信息传达的直接性和有效性，特别适用于视觉受限环境。

（5）边缘计算技术：根据具体项目需求，智能一体化安全预警系统可配备边缘计算终端，对一体机的监控视频流、毫米波数据等进行单一或融合的车辆目标检测、速度车辆、事故或事件检测等能力，还可以支持对异常事件的触式式报警录像能力，自动记录事件事故发生的前后5-300秒过程记录，为交警对重大事故事件的取证提供支撑。边缘计算设备可以有效减少数据传输延迟，提升系统反应速度和效率。

建议方案

基于对传统监测方案的分析，对InSAR等技术的探讨，我们建议一种基于空天地一体化的边坡监测及道路塌方风险预警方案，其将InSAR合成孔径雷达成像、北斗卫星定位、与双光谱成像、AI多模态大模型等技术充分结合，对道路边坡风险进行宏观排查、中观动态监测和微观实时告警；通过宏观排查和中观观测可及时对早期隐患进行排查，提前采取治理和加固措施防患未然；通过双光谱成像、AI多模态大模型实时监测预警技术，对即将发生或已经发生的塌方、滑坡等事故智能识别并报警，自动联动部署在上游路段的道路路侧主动安全预警一体机，提醒车辆提前采取规避措施，有效降低事故风险并遏制终端事故可能造成的损失级别。

空天地一体化的边坡监测及道路塌方风险预警方案的业务包括宏观、中观和微观三个监测层面；宏观监测，通过卫星搭载的InSAR系统，定期对目标边坡区域进行扫描，收集雷达回波数据。InSAR技术利用不同时间的雷达图像之间的干涉效应，精确测量地表微小形变，评估边坡稳定性。对收集的雷达数据进行预处理，包括相位解缠、地形校正等，然后采用时序InSAR技术分析边坡形变的时间序列，识别形变趋势。

中观层面，针对高风险边坡重点区域，架设无源的角反射器，通过卫星搭载的InSAR系统，定期对目标边坡区域及角反射器进行扫描，通过回波数据，精确测量地表微小形变；同时依托北斗卫星导航系统提供的高精度定位服务，对安装在边坡关键位置的BD物联感知设备进行精确定位，获取其三维坐标，用于地表位移的绝对量测和变化跟踪。对定位数据进行处理，计算地表点位移量，与InSAR数据相互校验，提高形变监测的准确性。

微观层面，则基于可见光与红外热成像双光谱图像和AI大模型识别算法，实时对重点隐患边坡、路段进行检测，全天候捕捉边坡表面及近地表状况。可见光相机捕捉细节特征，红外热成像相机监测夜间变化，并对地面裂缝、落石、积水等微观事件实时监测报警。

将InSAR形变数据、北斗定位数据、以及双光谱AI识别结果进行综合分析，建立边坡稳定性评估模型。根据综合分析结果，评估边坡的安全等级，预测可能的滑坡、崩塌等灾害风险；指导对高风险隐患区域进行早期治理，防患未然。

当系统判定边坡状态数据达到预警阈值时，通过路侧主动安全预警一体机，向过往车辆，以声光告警形式呈现预警信息，并通过无线网络向相关管理部门发送预警信息，同时在监控中心显示预警详情。可通过可见光与热成像图像对通过的交通流实时分析，为重大事故事件损失评估提供详细数据支撑。具体流程如下：

系统构成可分为前端设备、通信系统、中心平台，前端设备根据各自任务不同包括无源角反射器、北斗定位卫星及地面物联感知设备、路侧道路主动安全预警一体机、路侧端AI双光谱图像感知设备等。

通信系统包括用户端自备的光纤网络传输链路，或4/5G等无线通信链路、以及中心侧的安全网关等设备。实现卫星成像数据、北斗定位数据、道路安全预警信息、AI双光谱图像等多种数据流的实时或定期传输。

中心平台，主要由视频与物联网感知接入服务器、AI大模型算法服务器、数据库与WEB应用服务器、边坡监测智能应用工作站及可视化大屏幕等构成。

完成InSAR分析报告数据、北斗定位物联网感知数据、道路安全预警信息、AI双光谱视频流实时接入，将InSAR分析报告数据和北斗数据上传数据库为边坡监测应用服务软件提供基础数据；AI双光谱视频流或图片流推到AI大模型算法服务器，基于AI大模型视频理解技术实时进行边坡监测和异常报警，并通过道路安全预警一体机对上游车辆进行实时预警信息发布和告知提醒。前端设备部署位置和数量可依据边坡面积、角度等灵活进行设计，以对软土路基、水口、土质护坡等可根据需求增加设备数量。

方案价值

本方案可以在宏观、中观、微观等多个层面进行立体监测。通过宏观的排查，帅选出高风险靶区，有效降低了监测成本；通过中观的测量，结合高风险靶区边坡变形特点，为选择适当的工程措施及其组合，进行边坡灾害提前防治提供了可靠依据；通过微观的实时监测、预警和告警，可对即将发生或已经发生的塌方、滑坡等事故智能识别并报警，提醒车辆提前采取规避措施，为应急响应争取宝贵时间，降低事故风险并降低事故可能造成的损失级别。

相比于传统人工监测和单一技术手段，空天地一体化的边坡监测及道路塌方风险预警方案长期来看能显著降低因边坡灾害导致的修复成本，同时可有效减少传统监测方式的人力资源消耗，实现多种监测资源的高效配置和利用。

通过本方案，能够有力保障交通基础设施安全，确保道路网络，特别是高速公路和国省道干线的安全畅通，对于维持国家经济发展、保障民生需求至关重要。除此之外，高效、可靠的边坡监测与预警机制能显著增强公众对道路安全的信心，减少因不确定性和意外事件引起的恐慌，提升社会整体的安全感和幸福感。