社保基金
作者：王文文 付博 张诗檬 赵云峰 韩征 李敏 刘钊
来源：《城市地质》2020年第03期
张冬玲照片
摘 要：为加强北京矿山地质环境的监测、评估和应急决策处置能力，本文基于小型无人机、一体化三维模型、人工智能、云计算、大数据和物联网等新一代信息技术，提出建设具有监测数据动态管理、决策分析、应急管理和共享展示功能的矿山地质环境监测预警信息系统。系统旨在以信息技术为手段，充分挖掘矿山地质环境监测的数据价值，并通过智慧化的应用，达到辅助分析、指导决策的目的。主要包括建设矿山地质环境监测数据库实现对数据的存储、展示、更新及共享交换，并借助云计算、大数据技术实现对数据的挖掘分析，进而服务决策分析;并考虑矿山地质环境的特点，应用无人机倾斜摄影测量技术辅助应急管理;并借助地上地下一体化建模技术实现一体化三维模型建设及多专题的三维展示分析。
关键词：矿山地质环境;小型无人机;大数据;三维建模
Abstract： In order to strengthen the monitoring， evaluation and emergency decision-making level of the geological environment of the mine in Beijing， this paper proposes the construction of mine geological environment monitoring and early warning information system with monitoring data management， decision analysis， emergency
management and shared display functions， based on key technologies such as UAV， integrated 3D modeling， artificial intelligence and cloud computing， big data， and the Internet of Things. The system aims to use information technology as a means to fully mine the data value of mine geological environment monitoring， and through intelligent application， to achieve the purpose of assisting analysis and guiding decision-making. It mainly includes the construction of a mine geological environment monitoring database to realize data storage， display， update， and sharing exchange， and the use of cloud computing and big data technology to realize data mining analysis and then service decision analysis; and taking into account the characteristics of the mine geological environment， applications UAV tilt photogrammetry technology assists emergency management; and the use of integrated ground and underground modeling technology to achieve integrated 3D model construction and multi-thematic 3D display analysis.
Keywords： Mine geological environment; UAV; Big data; 3D modeling
0 引言
北京山区的矿山开采已有数百年历史，由于早期矿山开采单位生态环境保护意识淡漠，造成了矿山环境的持续恶化，同时出现了一系列地质安全问题，具体表现在3个方面：地质灾害、资源毁损和环境污染（秦沛，2017）。为此，北京市相继出台了有关生态建设的规划和政策，强化了行政执法力度，启动了矿山地质环境监测和防治工作（甘柯等，2020;李岩等，2016;张涛等，2019），以达到缓解矿山地质环境问题，逐步恢复矿山环境的目的。
传统的矿山地质环境调查及监测数据多以纸质方式、光盘方式为介质，通常以Excel、Word等格式进行存储，成果仅限于报告编制和简单的数据分析，大量数据应用率较低或处于闲置状态，数据价值未得到充分利用与有效挖掘，预警预报难以实现。
因此，在当前的矿山地质环境监测过程中，亟需开展信息化建设，实现各类数据的融合、集成、存储和管理，并充分利用大数据技术，加强生态环境监测数据资源开发利用，为生态环境保护决策和管理提供数据支撑。
1 系统建设的总体思路
路由器怎么接 1.1 系统的总体设计
关于延长退休年龄>嗟怎么读 北京矿山地质环境监测预警信息系统将基于现有的矿山地质环境监测网络及监测数据库，形成具有监测数据管理能力、决策分析能力、应急管理能力和共享展示能力的专业监测预警信息系统，并将作為八大监测预警系统之一，为未来首都地质资源环境承载力监测预警平台提供矿山地质环境的专业监测数据和预警分析功能，全面保障北京市的矿山地质安全，促进矿山地质环境保护及矿山生态系统恢复重建协调发展（图1）。
1.2 系统的建设目标
系统基于矿山地质环境监测系统的前期建设成果及信息化的工作要求，依赖新一代的信息技术，建设成为衔接数据采集、存储、挖掘分析、共享展示及智能化应用于一体的综合业务系统。其服务对象包括数据处室、机关领导、应急中心及地勘院院属单位，作为矿山地质环境监测的工作平台，将重点实现以下功能：实现对海量监测数据的存储、管理、展示及共享;实现对数据的挖掘分析，以信息成果支撑决策;实现对矿山地质灾害应急的信息化管理;实现对矿山地质成果的三维模型展示。
1.3 系统的实施步骤
系统近期将重点实现监测数据管理类的功能，包括矿山地质环境监测点数据展示、成果图件展示、监测数据更新维护和数据交换共享四大模块。重点实现以直观的图形展示全市矿山地质环境监测网点分布情况，以及实现监测数据的导入、录入、管理、查询和统计分析，并实现矿山地质环境监测数据库与首都地质环境监测预警平台中心数据库的数据共享交换。
系统未来将逐渐实现决策分析、应急管理和共享展示等三大块内容。其中决策分析是通过构建可视化的大数据挖掘分析应用中心，并对矿山地质环境建立多维度的分析评价模型，从而根据模型结果提供分析评价服务，达到辅助决策的目的;应急管理将实现对应急信息管理和应急事件服务等功能，并实现应用小型无人机进行快速三维建模和灾情评估的应急服务;共享展示将实现矿区地上地下一体化三维模型建设、展示与应用。
2 系统建设中的关键技术
2.1 小型无人机倾斜摄影技术
无人机（unmanned aerial vehicle， UAV）是一种机上无人驾驶的航空器，其具有动
力装置和导航模块，在一定范围内靠无线电遥控设备或计算机预编程序自主控制飞行（Adam et al.，2012）。小型无人机遥感则是将无人机作为飞行平台，其上搭载航摄镜头，对地面进行航拍以获取高分辨率影像的技术。其具有体积小、成本低、机动灵活、成像分辨率高、快速响应等特点（李德仁等，2014），在恶劣环境、危险性高的矿山区域开展工作有其独特优势。小型无人机倾斜摄影测量技术是在小型无人机上搭载多个不同角度的镜头，最为典型的就是五镜头倾斜摄影平台，中间相机光轴垂直于水平面，4个方向上分别分布一个光轴与水平面成45°角的相机。便可以同时获得同一位置多个不同角度的高分辨率的影像，以及丰富的地面纹理信息。利用多角度的高分影像，通过数据预处理、自动空三计算、三维模型构建和纹理映射等流程，可快速建立三维实景模型。
针对矿山地质环境的特点，建立适用于现场应急调查的技术路线，包括航线规划、现场无人机航拍、相片实时回传、像片预处理和现场快速实景三维模型建立等技术流程。通过在应急事件前后的多个时段对研究区进行无人机航拍，并对实时传输后的影像进行快速三维实景建模，对比分析多个时段的三维影像，可对已发的显著地质灾害进行判读，以辅助现场快速决策。
2.2 矿区地上地下一体化三维建模技术
随着地质勘查的开发利用向大规模、大深度、综合化、网络化、立体化发展，迫切需要利用多种空间模型的整合，以实现对区域性地形的地上、地下一体化可视化分析。通过对地上模型和地下模型进行集成，建立矿区一体化三维模型，由此实现地上地下模型的无缝一体化集成，实现地上、地下的无缝漫游和深度应用（李敏等，2018;戴华，2013）。由于地上模型和地下模型的相接面理论上为地形模型，因此以地上模型的地形为参照，与地下模型的最顶层面进行相交裁剪，将地上和地下模型根据地形和钻孔坐标等数据进行空间配准，重点解决地上建筑信息模型、倾斜摄影测量数据和地下地质模型、管线模型会存在相交、重叠、缝隙、穿插等问题。
2.3 人工智能分析技术
北京市经过多年的矿山开采积累了大量的矿物实体样本与图片资料，这些丰富的成果将为矿山识别、开采和保护工作提供丰富的知识储备，包括应用人工智能（AI）技术辅助矿物识别，推进矿业领域的技术革新。对矿物的识别学习目的是建立一个预测准确率较高的预测模型，其主要工作是通过机器学习技术对已有的矿物建立丰富的样本库。机器学习是一个源于数据模型的训练过程，最终给出一个面向某种性能度量的决策，训练过程将针
对矿物样本库运用深度卷积网络方法，建立相应的自动识别与分类模型，通过添加相同模式图像进行再训练深度学习，以提升模型识别能力，实现矿物类别及特征识别。
2.4 通用的新一代信息化技术
发布评论