基于多源数据融合的山区高速路堑高边坡稳定性评估方法与流程

本发明涉及边坡稳定性评估，具体为基于多源数据融合的山区高速路堑高边坡稳定性评估方法。

背景技术：

1、随着山区高速公路建设向复杂地形地貌区域延伸，路堑高边坡的稳定性评估已成为保障生命线通道安全运营的核心技术环节。传统边坡监测手段存在数据维度单一、预警滞后等局限，而集成地表变形、深部位移、地球物理探测及气象观测等多源异构数据的融合评估方法，能够从不同物理维度刻画边坡演化状态，已成为该领域的重要发展趋势，并在山区高速公路动态风险防控中展现出显著的工程应用价值。

2、现有技术中，公开号为cn120196909a的专利申请公开了一种基于多源数据融合的高路堑边坡稳定性评估方法，通过获取地形、地质、遥感、传感器及地球物理五类数据；基于地球物理数据反演提取剪切波速突变与电阻率低谷异常特征，结合地质剖面生成地下结构风险图层；将标准化数据输入由多项式回归模型与力学模型耦合构建的融合模型，输出安全系数与滑动概率并加权平均得到综合不稳定性评分；最后通过双阈值分级与空间叠加识别潜在滑动危险区域并在三维gis平台可视化。该方案的基本原理是通过地球物理反演增强隐伏结构识别能力，并以力学与机器学习的耦合输出实现稳定性量化评估。

3、上述方案虽在一定程度上提升了隐伏结构识别能力，但仍存在与山区高速路堑场景适配性不足的局限性。方案未将山区高速公路特有的交通荷载作为独立的一等数据模态纳入融合框架，致使模型无法刻画“外部交通动载—宏观变形演化—内部损伤累积”的耦合物理机制，在重载交通密集路段易产生系统性评估偏差；同时，该方案采用力学安全系数与机器学习滑动概率的加权平均作为综合评分输出，属于浅层数据融合架构，未构建外部扰动、宏观演化与内部损伤三个物理维度的指数化表达体系，导致评估结果仅能提供稳定性等级，而无法在输出结论的同时判别导致失稳的主导因素，难以为后续差异化处置提供决策依据。

4、在所述背景技术部分公开的上述信息仅用于加强对本公开的背景的理解，因此它可以包括不构成对本领域普通技术人员已知的现有技术的信息。

技术实现思路

1、本发明的目的在于提供一种基于多源数据融合的山区高速路堑高边坡稳定性评估方法，以解决上述背景技术中提出的问题。

2、为实现上述目的，本发明提供如下技术方案：

3、基于多源数据融合的山区高速路堑高边坡稳定性评估方法，具体步骤包括：

4、s1、采集目标山区高速路堑高边坡区域内的边坡属性数据、逐车过车记录、地表三维位移数据、深部倾角数据、地下水位数据、降雨量数据、视电阻率空间分布数据及剪切波速空间分布数据；

5、s2、根据逐车过车记录确定外部扰动类特征向量，对地表三维位移数据、深部倾角数据、地下水位数据和降雨量数据计算特征值，得到宏观演化类特征向量，根据视电阻率空间分布数据和剪切波速空间分布数据，计算各采样点相对于局部邻域的偏差值并插值到统一空间网格，形成异常结构空间矩阵；

6、s3、基于外部扰动类特征向量、宏观演化类特征向量和异常结构空间矩阵，分别计算山区高速路堑高边坡的扰动灵敏度指数、演化偏移度指数和结构损伤度指数，并将三个指数与对应的边坡属性数据按照统一空间网格进行对齐拼接，形成各网格的融合特征矩阵；

7、s4、将各网格的融合特征矩阵输入训练完成的边坡稳定性评估模型，输出稳定性评分，将各稳定性评分按山区高速路堑高边坡的空间位置进行空间排布，获得稳定性评分空间分布图；

8、s5、从稳定性评分空间分布图中筛选低稳定网格并得到潜在滑动危险网格集合，聚类为连片危险区块，分别判定各网格的失稳主导因素，在连片危险区块内统计各类失稳主导因素网格占比，确定连片危险区块的失稳主导因素。

9、进一步地，根据逐车过车记录确定外部扰动类特征向量，具体步骤为：

10、按统一评估时间窗从逐车过车记录中提取每辆车的轴重与车速，筛选轴重超过预设载重阈值的重载车辆，统计筛选出的车辆数量，得到重载车辆通行次数；

11、统一评估时间窗是指将连续监测时段按固定时长划分的标准时间区间；

12、对统一评估时间窗内的重载车辆计算轴重的算术平均值，得到平均轴重，同时计算重载车辆车速的算术平均值，得到平均车速；

13、将重载车辆通行次数、平均轴重与平均车速按固定顺序组合为一维向量，得到外部扰动类特征向量。

14、进一步地，对地表三维位移数据、深部倾角数据、地下水位数据和降雨量数据计算特征值，得到宏观演化类特征向量，具体步骤为：

15、从地表三维位移数据、深部倾角数据、地下水位数据和降雨量数据中分别按统一评估时间窗提取对应的时序信息，获取地表三维位移时序、深部倾角时序、地下水位时序和降雨量时序；

16、分别计算地表三维位移时序、深部倾角时序、地下水位时序和降雨量时序中的特征值，包括均值、最大值和标准差；

17、将四类数据各自对应的均值、最大值、标准差，按照地表三维位移、深部倾角、地下水位、降雨量的先后顺序依次串联拼接为一维数组，该一维数组即为宏观演化类特征向量。

18、进一步地，根据视电阻率空间分布数据和剪切波速空间分布数据，计算各采样点相对于局部邻域的偏差值并插值到统一空间网格，形成异常结构空间矩阵，具体步骤为：

19、根据视电阻率空间分布数据，统计以各采样点为中心、按预设半径划定的邻域集合内所有采样点电阻率值的算术平均值，将各采样点的电阻率值减去该算术平均值，得到各采样点的电阻率偏差值；

20、根据剪切波速空间分布数据，统计以各采样点为中心、按预设半径划定的邻域集合内所有采样点剪切波速值的算术平均值，将各采样点的剪切波速值减去该算术平均值，得到各采样点的剪切波速偏差值；

21、建立覆盖目标山区高速路堑高边坡的统一空间网格，采用反距离加权插值法将各采样点的电阻率偏差值与剪切波速偏差值插值到统一空间网格的各网格上，形成异常结构空间矩阵。

22、进一步地，基于外部扰动类特征向量、宏观演化类特征向量和异常结构空间矩阵，分别计算山区高速路堑高边坡的扰动灵敏度指数、演化偏移度指数和结构损伤度指数，具体步骤为：

23、获取目标山区高速路堑高边坡中外部扰动类特征向量、宏观演化类特征向量和异常结构空间矩阵对应的历史数据最大值；

24、基于历史数据最大值，对外部扰动类特征向量、宏观演化类特征向量和异常结构空间矩阵进行归一化处理，得到外部扰动分量组、宏观演化分量组和内部损伤分量组；

25、将外部扰动分量组、宏观演化分量组和内部损伤分量组的组内特征数据分别加权求和，对应得到扰动灵敏度指数、演化偏移度指数和结构损伤度指数。

26、进一步地，将扰动灵敏度指数、演化偏移度指数、结构损伤度指数与对应的边坡属性数据按照统一空间网格进行对齐拼接，形成各网格的融合特征矩阵，具体步骤为：

27、从异常结构空间矩阵中提取统一空间网格的所有网格位置，得到网格集合；

28、将扰动灵敏度指数、演化偏移度指数和结构损伤度指数分别赋予至网格集合中的每个网格上；

29、对于每个网格，提取该网格对应边坡属性数据中的坡度、坡高和独热编码的岩土类型；

30、将每个网格的扰动灵敏度指数、演化偏移度指数、结构损伤度指数、坡度、坡高和独热编码的岩土类型按顺序拼接，形成融合特征矩阵。

31、进一步地，确定连片危险区块的失稳主导因素，具体步骤为：

32、提取稳定性评分空间分布图中评分高于预设阈值的网格，组成低稳定网格集合；

33、将低稳定网格集合与异常结构空间矩阵内满足预设偏差阈值的电阻率、剪切波速异常网格进行空间交集分析，得到潜在滑动危险网格集合；

34、对潜在滑动危险网格集合中空间位置相互邻接的潜在滑动危险网格聚类形成连片危险区块；

35、针对潜在滑动危险网格集合，对比集合内各网格归一化后的外部扰动分量组、宏观演化分量组、内部损伤分量组数值，将数值最大的分量维度作为网格对应的失稳主导因素；

36、统计各个连片危险区块内各类失稳主导因素网格占比，选取占比最高的维度作为连片危险区块的失稳主导因素。

37、与现有技术相比，本发明的有益效果是：

38、本发明通过采集目标山区高速路堑高边坡区域内的逐车过车记录并组合得到外部扰动类特征向量，实现了将山区高速公路特有的交通荷载作为独立的外部扰动特征纳入多源数据融合框架，使得交通动载对边坡稳定性的影响得以量化表征并参与整体评估流程，从而弥补了现有评估方法中未考虑交通荷载导致对山区高速路堑场景适配性不足的根本缺陷，显著提升了评估结果与真实工况的吻合度。

39、同时，本发明基于外部扰动类特征向量、宏观演化类特征向量和异常结构空间矩阵分别计算扰动灵敏度指数、演化偏移度指数和结构损伤度指数，并将三个指数与边坡属性数据按照统一空间网格对齐拼接形成融合特征矩阵，构建了涵盖外部扰动、宏观演化与内部损伤三个物理维度的指数体系，使得多源异构数据在空间上实现统一对齐与结构化整合，为后续边坡稳定性评估模型提供了物理意义明确、维度边界清晰的输入特征，有效增强了模型对复杂耦合关系的解析能力，进一步提高了稳定性评分的准确性与可解释性。

40、此外，本发明将融合特征矩阵输入训练完成的边坡稳定性评估模型，输出稳定性评分并进行空间排布获得稳定性评分空间分布图；通过从稳定性评分空间分布图中筛选低稳定网格，并得到潜在滑动危险网格集合，聚类得到连片危险区块，进而分别判定各网格的失稳主导因素，并基于连片危险区块内各类主导因素网格占比确定区块级失稳主导因素，不仅实现了潜在滑动危险区域的精准空间定位，还能够从网格和连片区块两个尺度判别失稳的主导物理维度，使得评估结果兼具精准性、空间定位能力与成因解释能力，为差异化处置提供了直接决策依据。