物联网监测技术在G15W112边坡的应用

[摘 要]为提高边坡科学管养水平，2014年，浙江上三高速公路有限公司运用物联网技术对尚未具备稳定状态的G15W112边坡实施了自动化远程监测，并通过一个水文年的数据监测、分析，基本掌握了该边坡的地质特性，为持续跟踪边坡状态、科学治理、加强边坡管理积累了经验和做法。

[关键词]物联网;深部位移;G15W112边坡

中图分类号：TP212.9 文献标识码：A 文章编号：1009-914X（2016）22-0148-02

一、前言

2009年8月，上三高速公路G15W112边坡受台风持续强降雨影响，坡顶土层出现坍塌、滑落等现象。滑坡处治工程设计单位地质勘探报告显示该山体地质复杂、地下水发育。处治工程治理期间，由浙江大学地质勘测测量专家组对该滑坡进行监测跟踪，对坡体现状进行稳定性评价，监测分析结果显示，边坡还处于蠕变变形状态。工程完工后由继续进行了长期监测及稳定性评价，期间边坡一直处于暂时稳定状态。因尚未具备趋于稳定的条件，在持续强降雨作用下存在发生地质灾害的风险，因此科学应用物联网监测技术，持续加强实时监测、防汛预警等防范工作显得尤为重要。

二、边坡水文地质环境

g15w112边坡位于上三高速公路K237+840-980左侧，马岙岭隧道与排江大桥之间。为二元结构边坡，坡脚为曹娥江河谷，线路切斜坡前缘通过，形成左侧路堑边坡。中部发育一条浅沟，地表水丰富，主要为基岩裂隙水和松散岩类孔隙潜水。该边坡为类土质边坡，坡高53.4m。边坡地处亚热带季风气候区，全年平均降水量1405.6毫米。地层岩性从老到新分别为：（1）上侏罗统大爽组（J3d），为公路沿线主要基岩，岩性为紫红色、灰紫色晶屑凝灰岩、角砾凝灰岩，局部夹碎屑沉积岩;（2）第三系上新统嵊县组（N2s），岩性为玄武岩，分别于公路沿线丘陵上部，节理裂隙发育，岩体破碎;（3）第四系残坡积层，分布于丘陵斜坡，岩性为含粘性土碎石为主，厚度为1～3m，碎石以玄武岩为主。

三、物联网监测方案优势

物联网（传感网）技术的地质灾害远程自动化监测系统由现场布设的各类分布式传感器、数据采集发射设备、传感器数据通讯网络（GSM/GPRS/CDMA/ZIGGEE）和监控中心的数据处理软件构成，以实现对地质灾害的全面感知和可靠传输。物联网监测方案具有三项技术优势，具体如下：

1、具有全面感知、实时采集功能。通过各类智能传感器及ZigBee、工业现场总线等短距离无线/有线传输技术，实时感知公路边坡所处环境信息、监测对象自身状态信息;

2、具有可靠传递、高效管理功能。借助现有的移动通信网、互联网及专用网络，将感知到的相关信息实时、准确、安全地传递出去，存储于云计算平台内，实现感知数据的统一存储、查询和分析;

3、具有智能分析、科学决策功能。利用岩土力学分析软件及云计算、模糊识别等技术，对感知和传输的数据进行分析和处理，识别潜在的安全隐患，评估灾害发生可能性，解决突发事件发生后各部门之间如何互联互通，为科学决策提供依据，最终实现智能化的管理、服务及应用。

四、监测方案实施

（一）监测目的

针对G15W112边坡存在失稳风险，运用高速公路边坡自动化远程监测技术及监测设备，在边坡上安装各类监测设备。所有设备能自动监测边坡体内部位移变形、地下水位变化、场区降雨等情况和挡墙倾斜位移变化状态，并将数据定时、无线传送到公路管理部门。

（二）监测内容

基于监测手段有效性、监测数据实时性、监测结果可靠性和预警评估科学性的设计原则，安全监测的内容包括：

1、深部位移监测：采用深部岩土钻孔变形测量仪（基于MEMS阵列的深部位移监测系统），实时监测岩土层不同深度地层的水平位移量、水平位移方向和变形速率，对边坡当前变形状态、未来发展趋势进行识别和判定;

2、地下水位监测：同孔地下水位监测仪固定安装于深部位移监测设备端部，实时监测边坡内地下水水位动态，掌握地下水变化规律，分析地下水、地表水、库水、大气降水的关系，进行其与边坡变形的相关分析;

3、降雨量监测：采用ARN雨量计，实时监测边坡场区降水量，分析其与边坡变形的关系。

（三）监测点布设

根据G15W112边坡变形区的特点，在监测范围设置两条监测线――剖面I和剖面II，构成二横二纵监测网，见图1。

雨量监测点布置：共布设1个雨量监测点，编号为YL01。

地下水位监测点布置：共布设2个地下水位监测点，编号分别为SW1_1和SW1_2。

深部位移监测点布置：共设置4个深部位移监测孔，编号分别为SB1_1、SB1_2、SB2_1和SB2_2。其中，钻孔SB1_1内部布设14只MEMS传感器;钻孔SB1_2内部布设18只MEMS传感器;钻孔SB2_1内部布设12只MEMS传感器;钻孔SB2_2内部布设18只MEMS传感器、一只错动位移传感器。

（四）监测平台

本监测系统为SAAS云服务模式，平台采用综合考虑边坡静态、动态体征数据与力学演化机理的GMD诊断方法，科学、高效地完成病害边坡的监测、预警及风险评估。

五、边坡监测数据分析

（一）深部位移监测

1、数据检测：2015年2月1日至12月1日期间，对G15W112边坡四个钻孔的水平位移曲线记录见图2。

图中，横轴为测点在钻孔中的布设位置，纵轴为测点自2月1日起的水平位移量。图中6条曲线分别代表各测点在2月（春季）、3-4月（春雨）、5-6月（梅雨）、7月（夏季）、8-9月（台风季）、以及10-11月（秋季）的平均位移量。2月作为起始参照，设定为0。

2、数据分析与判断：

（1）时间维度上，剖面I岩土体处于蠕滑变形状态，累计位移随时间不断增加。钻孔SB1_1位于坡脚，降雨对其浅表层和深层岩土体蠕滑变形都有很大影响，变形速率随降雨量变化而变化。7-9月份持续强降雨影响下，钻孔SB1_1的变形速率在8-9月份达到最大值。钻孔SB1_2位于坡体中部，降雨仅影响其浅表层岩土体变形，对其深层岩土体蠕滑变形影响不明显。总体速率保持不变，处于匀速变形状态。剖面I岩土体变形破坏自下而上发展，坡体底部位移量大于坡体中部位移量，属于牵引式滑坡类型;钻孔SB1_1已处于整体变形阶段，主滑面已形成，位于深部变形区，在地下水位线以下;受地下水长期作用，主滑面不断向坡体中部扩展，导致累计位移不断增大。

（2）空间维度上，剖面I岩土体存在多个潜在变形区。钻孔SB1_1存在3个潜在变形区：孔口以下-2m位置处的浅表层变形区、孔口以下-6m位置处的中部变形区、孔口以下-16m位置处的深部变形区。钻孔SB1_2存在3个潜在变形区：孔口以下-5m位置处的浅表层变形区，孔口以下-10m位置处的中部变形区，孔口以下-18m位置处的深部变形区。钻孔SB1_2仍处于局部变形阶段，浅表层变形主要由于降雨入渗诱发，中部和深部变形区均在地下水位线以上，受地下水影响小，尚未形成主滑面。

（二）地下水位监测

1、数据检测：2015年2月1日至5月31日期间对地下水位进行检测，图3为剖面I地下水位分布图;图4为SW1_1和SW1_2监测点地下水位变化情况。

2、数据分析：

（1）该边坡地下水位的上升完全来源于地表降雨补给。枯水期时，SW1_1的地下水位在路面以下-5m处，SW1_2的地下水位在路面以上1.8m处。进入雨季后，SW1_1的地下水位通常上涨0.7m，SW1_2的地下水位通常上涨1.0m;

（2）SW1_1水位上升与降雨同步，SW1_2水位上升滞后于降雨发生时间。SW1_1监测点因处于坡脚处，对地表降雨更为敏感。当日降雨量超过10毫米后，该监测点水位将同步出现上涨现象。SW1_2监测点因处于坡体中部，其地下水位上涨通常在降雨发生后1至2天后出现。

（3）SW1_1水位最大上升位置为高出地面位置0.5m，SW1_2水位最大上升位置约在地面以上6m处。强降雨时，SW1_1水位最大上升位置基本与地面持平，超过地表的地下水能有效排除，说明坡脚位置排水性能良好。强降雨时，SW1_2水位上升分为两级：第一级为5m内，第二级为5m-6m。通常水位上升处于第一级范围内，但长时间持续降雨时会进入第二级，此时，坡体中部已处于最大极限饱和排泄状态。

（4） SW1_2水位超2m涨幅均出现于日降雨量超过30mm情况下。此时，坡体表面的入渗量已远大于坡体内部的排泄量，坡体内部出现地下水平急剧抬升，短时产生超孔隙水压力和浮托力，容易诱发边坡发生地质灾害。因此，将G15w112边坡降雨报警最小阈值定为日降雨量超过30mm。

（三） 降雨量监测

1、数据检测：2015年2月1日至12月1日，对边坡月、日降雨量进行统计，其月降雨量2月至11月分别95mm、97mm、100mm、106mm、231mm、375mm、281mm、137mm、49mm、242mm。日降雨量变化见图5。

2、数据分析：

（1）2015年2月1日至12月1日期间，边坡降雨总量为1713mm，与常年1300mm平均值相比，雨量增加30%。其中，7月、8月、9月、11月降雨量比常年同月相比，雨量增加近1倍;

（2）2015年2月1日至12月1日期间，边坡日降雨量超过30mm的强降雨量共出现18次，日降雨量超过60mm的强降雨共出现3次，最大日降雨量为115.8mm，出现在7月11日。

六、结论

综合基于物联网技术的现场监测数据及后期分析，对G15W112边坡做如下结论：

（1）该边坡为牵引式滑坡，存在多个变形区。坡脚位置的主滑面已形成，而剖面II坡体中部受地下水长期作用，促进了坡体中主滑面形成;

（2）该边坡整体处于匀速变形的蠕滑阶段，降雨是主导因素，变形速率为每月毫米量级。坡脚变形速率要快于坡体中部的变形速率;

（3）该边坡预警级别属于注意级别、中风险等级，滑动面尚未贯通，短期内发生滑坡可能性不大。但在强降雨持续作用下，滑动面逐渐扩展，风险将不断增大。

参考文献（References）：

[1] 张路欣.高速公路边坡远程监测预警系统的探讨[J].山西建筑，2016， 42（4）：138-139.

[2] 陈旺，张社荣，潘飞.基于物联网的边坡工程稳定性评价方法及系统开发， 2015，？41（12）：36-39

[3] Li， C.， Fernandez， T.M.， Link， J.A.， Use of MEMS Accelerometers/Inclinometers as a Geotechnical Monitoring Method for Ground Subsidence.Acta Geodyn.Geomater.，2014， 11， 4， 337C349.

[4] 刘晓宇，陈猛，侯岳峰，丁志林.基于MEMS阵列的组装式深部位移监测设备及系统. 发明专利（201310711825X）.

[5] 曹百岗.基于物联网的道路边坡稳定性预测[D]. 东南大学， 2012.

作者简介：

金峰（1967―）男，浙江绍兴人，现供职于浙江沪杭甬高速公路股份有限公司绍兴管理处，从事高速公路安全、养护管理工作。

王f（1981―）男，浙江绍兴人，现供职于浙江沪杭甬高速公路股份有限公司绍兴管理处，本科，工程师，从事高速公路养护管理工作。