PROJECT PROFILE
星律科技边坡监测仪助力四川124国道实时边坡监测
124国道(G124)是贯穿四川省南北方向的重要干线公路,其中的川西山区段穿行于龙门山断裂带影响区域和横断山脉高山峡谷地带。该路段沿线地质条件极为复杂,岩性以砂岩、泥岩、板岩及花岗岩风化层为主,构造节理发育,斜坡岩土体稳定性差。沿线人工边坡...
一、城市概况
1.1 地理与水文
四川位于中国西南部(北纬26°03′~34°19′),总面积48.6万平方千米,常住人口8,368万人。地处第一、二级阶梯过渡地带,地势总体西高东低,西部为青藏高原东缘、横断山脉北段,地形起伏剧烈,是全国地质灾害最严重的省份之一。四川地质构造复杂,地震活动频繁(2008年汶川地震等),山体破碎严重,滑坡、崩塌、泥石流等地质灾害高发,公路沿线边坡分布广泛且危险性高。
1.2 气候与降雨
四川以亚热带季风气候为主,年平均降雨量差异大,盆地地区1,000-1,200mm,川西山区更高,汛期集中在5-9月。川西山区降雨丰富,局地短时强降雨频繁,加之近年来极端降雨事件增多,地质灾害发生频率呈上升趋势,对公路边坡安全构成严重威胁。
二、政策背景
2.1 国家层面政策
- 《"十四五"公路养护管理发展纲要》(交通运输部):提升公路安全运营水平,强化公路设施安全监测与风险防控能力
- 《地质灾害防治条例》(国务院令第394号):加强地质灾害监测预警,要求对地质灾害隐患点实施动态监测
- 《"十四五"交通基础设施安全提升行动计划》:推进公路边坡、桥梁等安全监测智能化,加快构建全天候、全要素的交通基础设施安全监测网络
2.2 省级政策
四川省高度重视地质灾害防治工作,制定并实施《四川省地质灾害防治条例》及相关实施方案,要求加强地质灾害隐患点的排查、监测和预警。四川省交通运输厅积极推进公路边坡安全监测体系建设,明确提出加快推进公路地灾隐患点的自动化监测,利用物联网、人工智能等新一代信息技术提升公路防灾减灾能力。
2.3 市级政策
川西地区各地市依据省级部署,结合本地高山峡谷地形特点,推进公路沿线地质灾害防治和自动化监测工作,强化汛期公路安全管控和边坡监测预警能力建设。
三、项目背景
124国道(G124)是贯穿四川省南北方向的重要干线公路,其中的川西山区段穿行于龙门山断裂带影响区域和横断山脉高山峡谷地带。该路段沿线地质条件极为复杂,岩性以砂岩、泥岩、板岩及花岗岩风化层为主,构造节理发育,斜坡岩土体稳定性差。沿线人工边坡和自然斜坡交替出现,部分路段边坡高达30至80米,坡度在40至60度之间。每年汛期(6至9月),局部短时强降雨极易触发边坡失稳,导致滑坡、崩塌造成交通中断。2024年雨季期间,川西多条国省干道因地质灾害发生断道事件,对区域交通和社会经济运行造成显著影响。
客户痛点
-
监测盲区面积大:124国道川西段沿线山高谷深、地势险要,大量高危边坡处于人员难以到达的陡峭区域,传统监测手段无法覆盖。裂缝计、水准仪等传统设备部署困难、维护成本高,导致近40%的已知危险边坡长期处于监测空白状态,风险底数不清、隐患状态不明。
-
极端天气下通信中断:川西山区受地形遮蔽影响,公网4G信号覆盖存在大量盲区,尤其是峡谷路段和深山路段。汛期暴雨往往伴随通信基站断电或光纤中断,导致已有的少量自动化监测设备在关键时刻"掉线"。边坡最危险的时刻,恰恰是数据最难以传回的时刻,形成致命的监测真空。
-
数据孤岛无法助力决策:地质灾害监测需要气象、水文、位移、倾角等多源数据的协同融合研判。但传统方式下各类数据分散在不同系统、不同部门,缺乏统一的汇聚和分析平台。养护决策依赖人工经验和滞后数据,无法基于实时数据做出科学、快速的封道或限行决策,容易造成"不该封的封了"或"该封的没封"两种极端情况。
解决方案
设备选型
| 参数 | 规格 |
|---|---|
| 产品型号 | 边坡滑坡监测仪(SF系列) |
| 监测方式 | AI视觉测量 + 高精度多传感器融合感知 |
| 通信方式 | 4G + LoRaWAN自适应切换 |
| 供电方式 | 太阳能光伏板 + 锂电池储能 |
| 防护等级 | IP67(主机)/ IP68(传感器探头) |
| 工作温度 | -25°C ~ +70°C |
| 监测精度 | 位移±0.5mm,倾角±0.005° |
| 数据上报间隔 | 1-60分钟可调 |
| 储能续航 | 连续阴雨天 ≥20天 |
| 安装方式 | 地埋式 + 壁挂式组合部署 |
| 远程运维 | 支持远程固件升级与参数配置 |
系统架构
系统整体采用"现场感知—边缘计算—远程上报—平台联动"四层技术架构。现场感知层由高精度拉线式位移计、MEMS倾角传感器、振弦式渗压计和500万像素AI视觉摄像头组成,对边坡表面位移、内部倾斜角度、孔隙水压力和坡面状态进行同步采集。边缘计算层部署在监测仪主机中,基于ARM Cortex-A系列处理器运行轻量化AI推理模型,实时分析传感器时序波形和视觉图像,在本地完成异常预判和数据压缩,大幅降低上传数据量和云端计算压力。通信层采用4G和LoRaWAN双模设计,默认优先使用4G公网上传全量数据,当4G信号中断时自动切换至LoRaWAN窄带通信,以较低数据率保证核心预警参数不中断传输。云平台层部署星律科技自研的边坡安全评估算法,融合位移速率、累计位移、倾角加速度、降雨强度等多维参数构建综合风险指数,实现从"单一指标超限报警"到"多因子综合态势预警"的升级。
部署方案
在124国道川西段选取了6处历史滑坡多发点和3处地形条件复杂的潜在危险点,共部署9套边坡滑坡监测仪。每个高风险段采用"一主多从"的传感网络布局,即一套监测仪主机管理3至5个布设在不同深度的位移传感器和倾角传感器。具体部署上,坡顶布设GNSS位移监测基准站,坡面布设3组倾角传感器(浅层2m、中层8m、深层15m),坡脚布设2组拉线式位移计和1组渗压计,AI视觉摄像头设置于公路对侧高地,45度俯角覆盖坡面全景。所有设备通过太阳能供电,不依赖现场电力基础设施,大幅简化施工流程,单点位从进场勘测到上线运行仅需2个工作日。
实施效果
| 指标 | 实施前 | 实施后 |
|---|---|---|
| 危险边坡覆盖率 | 约60%(可及区域) | 100%(人工不可及区域全覆盖) |
| 数据采集连续性 | 人工巡查,断续 | 24×365连续在线 |
| 预警时效性 | 天级甚至更长 | 分钟级自动推送 |
| 通信可靠性 | 受限于公网覆盖 | 4G+LoRaWAN双通道自适应 |
| 恶劣天气可用性 | 暴雨/夜间中断 | 全气候全天候 |
| 年度养护巡查成本 | 约25万元 | 约4万元 |
| 误报率 | 依赖经验判断,不可量化 | AI滤噪后 <3% |
| 数据综合分析 | 分散、无法关联 | 多源融合、趋势预判 |
客户评价
"在川西这样的山区管养公路,最怕的就是半夜下暴雨。以前我们只能等到天亮派人沿线巡查,现在有了星律科技的监测系统,手机一响就知道哪段边坡有问题,甚至可以提前根据趋势曲线预判风险。去年塌方季我们成功预警了2次边坡滑移,避免了车辆受损和人员伤亡,这套系统真正解决了我们的一线难点。" —— 四川省某公路养护段 · 段长
方案总结
- 复杂地形全覆盖:LoRaWAN自组网能力和太阳能免布线设计,使系统能够覆盖人员难以抵达的陡峭边坡区域,消除监测盲区。
- 双通道通信保障:4G+LoRaWAN自适应切换机制,在公网中断时自动切换至窄带通信,确保即使在最恶劣的灾害天气下,核心预警数据仍可持续上传。
- 多因子融合预警:从单指标超限报警升级为位移速率+累计位移+倾角加速度+降雨强度的四维权重模型综合研判,有效降低误报率、提升预警准召率。
- 边缘AI本地分析:设备端运行轻量化AI模型,在无网络条件下也能完成本地异常判断,保障数据分析和预警不依赖云端的持续连接。
- 快速部署零基础:非接触式安装、太阳能独立供电、无线通信传输,单个监测点从进场到投运仅需2天,无需电力接入或通信线缆敷设。
厦门星律信息科技有限公司 | 智慧交通物联网产品提供商 官网:www.starfui.com | 咨询热线:15280165257