基于物聯(lián)網(wǎng)技術(shù)的滑坡監(jiān)測(cè)預(yù)警研究*

張 譯，王 霄，何 博

（貴州大學(xué)電氣工程學(xué)院，貴陽 550025）

1 引 言

在我國(guó)頻發(fā)的地質(zhì)災(zāi)害當(dāng)中，滑坡災(zāi)害的發(fā)生占68.5%[1]，而降雨因素是導(dǎo)致和誘發(fā)滑坡發(fā)生的主要原因[2-4]。隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展[5-6]，多源異構(gòu)傳感器[7]在滑坡監(jiān)測(cè)中的應(yīng)用越來越多，逐步替代過去傳統(tǒng)的人工監(jiān)測(cè)手段，開始發(fā)揮重要的監(jiān)測(cè)和預(yù)警作用。有效建立多源異構(gòu)傳感器綜合監(jiān)測(cè)系統(tǒng)、提取滑坡的多場(chǎng)特征信息、進(jìn)行多場(chǎng)信息融合處理和決策分析是當(dāng)前進(jìn)行滑坡預(yù)測(cè)的主要方法。對(duì)滑坡監(jiān)測(cè)區(qū)域進(jìn)行全面監(jiān)測(cè)，所用到的監(jiān)測(cè)傳感器包括傾角傳感器、雨量計(jì)、土壤溫濕度傳感器、環(huán)境溫濕度傳感器、風(fēng)速傳感器等，對(duì)研究區(qū)進(jìn)行環(huán)境信息采集。同時(shí)采用物聯(lián)網(wǎng)技術(shù)，可將采集到的環(huán)境數(shù)據(jù)實(shí)現(xiàn)遠(yuǎn)程傳輸、存儲(chǔ)及可視化顯示[8]。

2 滑坡監(jiān)測(cè)預(yù)警系統(tǒng)框架

本系統(tǒng)數(shù)據(jù)傳輸采用非常適用于野外監(jiān)測(cè)的通信協(xié)議MQTT（Message Queuing Telemetry Transport,消息隊(duì)列遙測(cè)傳輸）。系統(tǒng)框架如圖1所示。由主控制器將傳感器采集到的數(shù)據(jù)進(jìn)行JSON封裝與發(fā)布。選用阿里云服務(wù)器承擔(dān)數(shù)據(jù)中轉(zhuǎn)，負(fù)責(zé)下位機(jī)的網(wǎng)絡(luò)交互，發(fā)布應(yīng)用消息，同時(shí)向訂閱的Node-RED平臺(tái)轉(zhuǎn)發(fā)應(yīng)用程序消息。對(duì)接收到的消息數(shù)據(jù)進(jìn)行解包，按不同傳感器數(shù)據(jù)類型進(jìn)行調(diào)度分類。選用數(shù)據(jù)驅(qū)動(dòng)調(diào)度方式，其預(yù)警模型采用模糊神經(jīng)網(wǎng)絡(luò)，對(duì)各傳感器狀態(tài)量數(shù)據(jù)進(jìn)行融合，融合結(jié)果對(duì)應(yīng)到相應(yīng)的評(píng)價(jià)集。預(yù)警發(fā)布采用Node-RED平臺(tái)和微信小程序兩種終端模式，以適用于不同的應(yīng)用群體。

圖1 滑坡監(jiān)測(cè)預(yù)警系統(tǒng)框架

MQTT協(xié)議基于發(fā)布與訂閱模式下物聯(lián)網(wǎng)通信協(xié)議。該協(xié)議經(jīng)過長(zhǎng)期的發(fā)展，其生態(tài)體系相對(duì)成熟，應(yīng)用廣泛，可在低帶寬、不可靠網(wǎng)絡(luò)下提供監(jiān)測(cè)設(shè)備遠(yuǎn)程數(shù)據(jù)傳輸，非常適合應(yīng)用在野外監(jiān)測(cè)。

MQTT通信架構(gòu)如圖2所示。按實(shí)際應(yīng)用情況，主要分三個(gè)部分：傳感器檢測(cè)端、物聯(lián)網(wǎng)服務(wù)器代理、數(shù)據(jù)處理終端。傳感器檢測(cè)研究區(qū)域的溫濕度、降雨量、風(fēng)速等環(huán)境信息并封裝發(fā)布，然后由代理服務(wù)器轉(zhuǎn)發(fā)至訂閱的設(shè)備端。

圖2 MQTT通信架構(gòu)

3 數(shù)據(jù)驅(qū)動(dòng)預(yù)警模型

數(shù)據(jù)驅(qū)動(dòng)主要以數(shù)據(jù)庫中的數(shù)據(jù)為主導(dǎo)，在滑坡監(jiān)測(cè)中基于大量傳感器采集的原始數(shù)據(jù)進(jìn)行處理與分析，實(shí)現(xiàn)數(shù)據(jù)預(yù)警與評(píng)價(jià)。針對(duì)滑坡監(jiān)測(cè)信息的復(fù)雜性與不確定性，需要綜合利用傳感器采集的海量數(shù)據(jù)，搭建數(shù)學(xué)模型，建立基于多源數(shù)據(jù)驅(qū)動(dòng)的滑坡監(jiān)測(cè)預(yù)警、決策功能系統(tǒng)。

3.1 模糊綜合評(píng)價(jià)整體流程

在滑坡監(jiān)測(cè)研究中，滑坡等級(jí)狀態(tài)存在模糊性與不絕對(duì)性，其中滑坡預(yù)警等級(jí)受多種因素相互影響，很難進(jìn)行定量描述，因此需要借助模糊數(shù)學(xué)理論方法應(yīng)用于滑坡監(jiān)測(cè)。利用模糊綜合評(píng)價(jià)法對(duì)采集到的數(shù)據(jù)進(jìn)行融合，得出滑坡預(yù)警等級(jí)的評(píng)價(jià)結(jié)果。模糊綜合評(píng)價(jià)算法流程如圖3所示。

圖3 模糊綜合評(píng)價(jià)法流程圖

3.2 等級(jí)評(píng)價(jià)因素選取

模型選用環(huán)境溫度、環(huán)境濕度、土壤濕度、降雨量、位移量作為評(píng)價(jià)滑坡預(yù)警等級(jí)的因素，建立滑坡監(jiān)測(cè)預(yù)警等級(jí)評(píng)價(jià)因素集：

式中，u1為環(huán)境溫度；u2為環(huán)境濕度；u3為土壤濕度；u4為降雨量；u5為位移量。

3.3 構(gòu)建評(píng)語集

按照國(guó)土資源部中國(guó)地質(zhì)調(diào)查局和中國(guó)氣象局國(guó)家氣象中心聯(lián)合開展的滑坡災(zāi)害氣象預(yù)警規(guī)定，將滑坡監(jiān)測(cè)預(yù)警等級(jí)劃分為五個(gè)等級(jí)，建立評(píng)語集：

去年以來，西江廣東段沒有發(fā)生重特大水上交通安全事故，水上安全事故下降八成；成功救助遇險(xiǎn)人員152人，搜救成功率99.25%，船舶違章行為明顯減少；西江岸線整治取得突破性進(jìn)展，僅在肇慶段就清理取締非法碼頭、臨時(shí)裝卸點(diǎn)119個(gè)，打掉一大批非法采砂點(diǎn)；經(jīng)過沿線六市政府積極協(xié)作，西江沿岸投入建設(shè)了7個(gè)應(yīng)急設(shè)備庫、13個(gè)溢油應(yīng)急物資儲(chǔ)備點(diǎn)、4個(gè)防污應(yīng)急服務(wù)點(diǎn)、3個(gè)拖輪值守點(diǎn)，水上應(yīng)急能力和水污染防治能力進(jìn)一步加強(qiáng)……

式中，v1表示安全級(jí)，v2表示注意級(jí)，v3表示警示級(jí)，v4表示警戒級(jí)，v5表示警報(bào)級(jí)。各預(yù)警因素對(duì)應(yīng)的等級(jí)評(píng)價(jià)指標(biāo)如表1所示。

表1 各監(jiān)測(cè)因素預(yù)警等級(jí)評(píng)價(jià)指標(biāo)

3.4 確認(rèn)各因素隸屬度函數(shù)

確認(rèn)因素集與評(píng)價(jià)集之后，構(gòu)建因素集U到評(píng)語集V的模糊映射，即為隸屬程度。設(shè)置取值區(qū)間為(0,1)，以隸屬度取值情況表示模糊程度的高低。

為更好地將指派方法與隸屬度函數(shù)進(jìn)行擬合，設(shè)計(jì)將表1滑坡預(yù)警等級(jí)評(píng)價(jià)指標(biāo)限值進(jìn)行相應(yīng)的縮放。其中，環(huán)境濕度、土壤濕度、降雨強(qiáng)度、位移切線角適用于梯形分布與三角分布相結(jié)合的方法擬合；環(huán)境溫度適用于梯形分布擬合。隸屬度函數(shù)圖線如圖4所示。

圖4 隸屬度函數(shù)圖線

至此，通過上述步驟，可建立單個(gè)滑坡影響因素的綜合模糊關(guān)系矩陣：

式中，rij∈[0,1],m=5,n=3。

3.5 構(gòu)建環(huán)境因素權(quán)重集

確定各環(huán)境因素權(quán)重是滑坡預(yù)警等級(jí)評(píng)價(jià)的重要環(huán)節(jié)，各因素的權(quán)重確認(rèn)影響著預(yù)警等級(jí)評(píng)價(jià)結(jié)果。本設(shè)計(jì)采用層次分析法建立相應(yīng)權(quán)重集。具體步驟如下：

步驟1：分析問題，建議層次結(jié)構(gòu)模型。建立層次結(jié)構(gòu)模型分為：目標(biāo)層、準(zhǔn)則層、方案層。其中目標(biāo)層需要對(duì)滑坡監(jiān)測(cè)預(yù)警等級(jí)實(shí)時(shí)評(píng)價(jià)；準(zhǔn)則層對(duì)應(yīng)的環(huán)境因素有環(huán)境溫度、環(huán)境濕度、土壤濕度、降雨強(qiáng)度及位移切線角等；方案層位于最底層，做出的評(píng)價(jià)結(jié)果分為五類：安全級(jí)、注意級(jí)、警示級(jí)、警戒級(jí)和警報(bào)級(jí)。最終形成的層次結(jié)構(gòu)如圖5。

步驟2：構(gòu)造判斷矩陣。在層次分析法使用一種矩陣法構(gòu)造判斷矩陣B，將同一層次中的各因素進(jìn)行兩兩相互比較，即把滑坡監(jiān)測(cè)預(yù)警等級(jí)因素集U中任意兩個(gè)元素的等級(jí)進(jìn)行比較。比較關(guān)系采用7分度標(biāo)記法表示兩個(gè)因素其中一個(gè)比另一個(gè)強(qiáng)烈。構(gòu)造出的判斷矩陣如表2所示。

表2 環(huán)境因素判斷矩陣（7分度標(biāo)記法）

3.6 綜合評(píng)價(jià)模型構(gòu)建

在進(jìn)行融合運(yùn)算時(shí)，采用不同的模糊算子將會(huì)直接影響最終的評(píng)價(jià)結(jié)果。此處使用加權(quán)平均算子運(yùn)算。該算子能夠充分利用模糊關(guān)系矩陣，綜合能力強(qiáng)。運(yùn)算最后得到滑坡監(jiān)測(cè)預(yù)警評(píng)價(jià)集如下式：

式中，cj的重要程度由ξi與ri決定，融合后的評(píng)價(jià)結(jié)果受每個(gè)環(huán)境因素的影響，影響程度由ξ′i體現(xiàn)。

對(duì)滑坡監(jiān)測(cè)預(yù)警綜合評(píng)價(jià)集進(jìn)行歸一化處理，處理后C′的值按隸屬度最大原則，對(duì)應(yīng)評(píng)價(jià)集vi，作為最后的預(yù)警等級(jí)結(jié)果輸出：

4 預(yù)警平臺(tái)測(cè)試

物聯(lián)網(wǎng)平臺(tái)設(shè)計(jì)采用Node-RED，引入MySQL、Navicat實(shí)現(xiàn)數(shù)據(jù)存儲(chǔ)。同時(shí)借助天地網(wǎng)開發(fā)平臺(tái)提供的API接口實(shí)現(xiàn)監(jiān)測(cè)區(qū)域的地形、地貌顯示。Node-RED作為一種全新的編程工具，以智能方式將硬件設(shè)備、API和在線服務(wù)連接在一起。

在CMD中輸入Node-RED便可以啟動(dòng)Node-RED后臺(tái)程序。以任意瀏覽器打開http://127.0.0.1:1880便可訪問Node-RED的前臺(tái)界面，進(jìn)行編程，如圖6所示。

圖6 啟動(dòng)和登錄Node-RED后臺(tái)程序

在Node-RED平臺(tái)中引入MySQL模塊。數(shù)據(jù)在上傳過程中，下位機(jī)上傳的數(shù)據(jù)為封裝好的字符串格式，需要進(jìn)行一次數(shù)據(jù)轉(zhuǎn)碼才能使用SQL語句存入本地?cái)?shù)據(jù)庫。數(shù)據(jù)在顯示同時(shí)不會(huì)影響數(shù)據(jù)的存入，該平臺(tái)基于信息流，可實(shí)現(xiàn)多信息并行處理。Node-RED數(shù)據(jù)實(shí)時(shí)存入MySQL數(shù)據(jù)庫，工作界面如圖7所示。

圖7 MySQL數(shù)據(jù)庫顯示數(shù)據(jù)

硬件設(shè)備采集監(jiān)測(cè)區(qū)域的信息通過MQTT協(xié)議發(fā)布消息，由服務(wù)器轉(zhuǎn)發(fā)給訂閱的Node-RED平臺(tái)和微信小程序。PC上位機(jī)展示如圖8所示。

圖8 PC上位機(jī)展示

微信小程序能夠便捷接收預(yù)警信息，即便在野外也具有良好的信號(hào)，可利用微信小程序技術(shù)結(jié)合滑坡監(jiān)測(cè)，建立移動(dòng)終端推送預(yù)警信息，有效地保證人民的財(cái)產(chǎn)及生命安全。微信小程序終端實(shí)際界面如圖9所示。

圖9 微信小程序預(yù)警

5 應(yīng)用效果分析

案例1：2019年4月4日硬件部署于貴州省銅仁市玉屏侗族自治縣河邊的屏山公園。傳感器監(jiān)測(cè)改進(jìn)切線角為87.12°、溫度24.3℃、濕度67%、土壤濕度73.2%，降雨量62 mm/h?；掳l(fā)生時(shí)間為2019年5月3日16:17，自動(dòng)發(fā)布警告級(jí)預(yù)警時(shí)間為2019年5月3日14:12，提前預(yù)警時(shí)間為125分鐘。經(jīng)過實(shí)地勘察，證實(shí)表面巖體出現(xiàn)垮塌現(xiàn)象。按屏山公園日常人流量統(tǒng)計(jì)，威脅人數(shù)近2000人。聯(lián)系相關(guān)部門已及時(shí)處理，并立警示牌提醒人群?；碌貓D顯示如圖10所示。

案例2：2020年2月5日硬件部署于貴州省銅仁市玉屏侗族自治縣甘龍村至木弄村。傳感器監(jiān)測(cè)改進(jìn)切線角為83.12°、溫度12.3℃、濕度71.2%、土壤濕度82.2%，降雨量62 mm/h?；掳l(fā)生于2020年3月18日9:25，自動(dòng)發(fā)布警戒級(jí)預(yù)警時(shí)間為2020年3月18日凌晨3:12，提前預(yù)警時(shí)間為6小時(shí)13分鐘。木弄村共有8個(gè)村民小組，254戶，共計(jì)998人，其中受滑坡威脅至少8人。聯(lián)系相關(guān)部門及時(shí)處理，并樹立警示牌?；掳l(fā)生現(xiàn)場(chǎng)如圖11所示。

通過多年大量的應(yīng)用實(shí)踐，本系統(tǒng)已收集到類似上述案例的第一手監(jiān)測(cè)資料，基于所設(shè)計(jì)預(yù)警模型已成功預(yù)警多次滑坡事故，但也有一些由于時(shí)間太短導(dǎo)致未能提前預(yù)警。預(yù)警的時(shí)效性非常重要，故此設(shè)計(jì)選取臨災(zāi)階段作為研究區(qū)域，部署硬件于滑坡監(jiān)測(cè)區(qū)域?qū)崟r(shí)監(jiān)測(cè)。

6 結(jié)束語

基于物聯(lián)網(wǎng)的滑坡監(jiān)測(cè)預(yù)警系統(tǒng)可有效解決野外災(zāi)害監(jiān)測(cè)和預(yù)警的需求，該項(xiàng)技術(shù)運(yùn)用物聯(lián)網(wǎng)和云計(jì)算技術(shù)，使得用戶通過簡(jiǎn)單的信息接收終端即可獲取相關(guān)信息，用以指導(dǎo)災(zāi)害防御。系統(tǒng)有效地實(shí)現(xiàn)了對(duì)整個(gè)滑坡地區(qū)的監(jiān)控與智能遠(yuǎn)程管理，改變了傳統(tǒng)滑坡監(jiān)測(cè)管理模式，提高了監(jiān)測(cè)管理效率和應(yīng)對(duì)災(zāi)害能力?；卤O(jiān)測(cè)預(yù)警是我國(guó)最重要的地質(zhì)災(zāi)害服務(wù)技術(shù)，這一技術(shù)進(jìn)一步的應(yīng)用推廣還需加強(qiáng)不同地區(qū)、不同氣候?yàn)?zāi)害指標(biāo)的研究，形成更有針對(duì)性的預(yù)報(bào)預(yù)警模型。傳感器及通訊網(wǎng)絡(luò)技術(shù)發(fā)展迅速，物聯(lián)網(wǎng)在滑坡監(jiān)測(cè)中也將有更廣泛的應(yīng)用。