第五节新技术的示范试点
为解决隧道建设过程中关键数据的快速感知、安全风险的动态评价与反馈等关键问题，选取试点工程进行示范，通过积极应用激光、图像、红外、光纤或其他自主研发的新型自动化巡查感知技术与装备，动态快速感知掌子面围岩特征、变形和支护质量状态，提高施工过程中安全状态的感知效率与精度，有效降低施工安全风险，消除重大安全隐患，减少因工期延长、安全风险产生的经济损失，有效控制意外事故的影响。
示范工作将直接指导本项目公路隧道建设，还可推广应用至全国类似隧道工程的建设。
通过在代表性隧道区段进行新技术创新应用，达到以下预期成效：
1）动态感知隧道掌子面围岩特征，包括发育节理的倾角/间距迹长、夹层或断层宽度及倾角等参数：快速分析围岩稳定状态，及时反馈临空面失稳区域、关键风险源，有效指导施工过程中的隐患排查和风险管控工作；
2）自动化观测识别软弱围岩段掌子面围岩变形，提前预测软弱围岩段开挖面鼓出变形、溜塌风险：
3）沿隧道轴向、环向空间覆盖式的动态感知隧道初期支护轮廓状态与钢拱架间距，分析初期支护轮廓、变形状态及超欠挖情况，解决现有技术检测断面少、数据误差大等问题。
现代高新技术在隧道监控量测的应用分析监控量测是隧道工程施工中的重要工序，作为保障隧道施工安全，验证和调整施工方法和支护参数的重要手段，隧道监控量测具有以下几个特点：量测设备的可靠性和量测数据的准确性、量测信息发布的及时性和广泛性。
随着现代高新技术的发展，并应用与监控量测技术的开发研究和创新上，有效减少了测量人力资源的投入，节约成本，提高效率；同时具有数据精度高、可靠性强、数据处理及信息发布及时、自动化、网络化的优点，为隧道信息化施工提供有力保障。
0 综述
公路隧道施工监控量测是保障隧道施工安全的重要信息基础。
公路隧道施工监控量测分选测项与必测项，必测项洞内外观察、周边位移、拱顶下沉、地表下沉和拱脚下沉五项，通过监控这五项参数可掌握围岩动态和支护结构的工作状态，对量测数据经过分析处理后，可用来预测围岩变形趋势，来验证和修改设计支护参数，从而采取相应的施工措施，科学的组织和指导施工，保证隧道施工安全。
随着现代高新技术的发展，并应用与监控量测技术的开发研究和创新上，越来越多高效的数据采集和处理手段产生。
目前比较高新的监控量测技术主要是将传统的隧道变形监测系统和互联网技术、移动设备技术有机的结合起来，设计一套全自动监控测量设备及云监控平台，实现对隧道初期支护变形的自动连续监测。
自动监控量测设备实时采集数据，将数据通过物联网传输到监控中心进行分析、处理并自动预报预警。
相比通过测量人员定时到现场测量的方式，自动监控量测技术能连续监测隧道变形情况，避免了人为测量隧道变形数据时对监测数据的篡改，能够自动及时预报预警，具有连续性、真实性、
智能化等优势。
另外对于监控量测的处理方法有：○1通过无线网络传输回处理中心，数据处理软件自动进行处理生成围岩变形量测成果报表并通过网络发布；○2根据BIM技术拥有高效数据共享性、协同创新性、优化项目管理等优点建立BIM的隧道监控量测信息化模型，将该模型作为信息库导入施工过程中的监测信息系统，以便对数据资料进行定位存储，方便调用移交，实现了对围岩信息、衬砌裂缝等的立体展示效果，更直观指导现场动态设计、施工和管理工作。
对于围岩的分级和稳定性分析，目前主要的现代高新技术有：○1通过深度学习技术提取公路隧道掌子面图片中的围岩分级相关信息。
训练以掌子面图片和特征标签为数据集的深度卷积神经网络模型，识别围岩的节理、裂隙、破碎程度、粗糙程度、光滑程度、泥夹石和涌水等分布式特征；结合深度学习技术和岩体裂隙图像智能解译方法统计围岩节理组数和间距来描述结构面完整程度；再利用色彩模型确定岩石种类描述出岩石坚硬程度；最后将围岩分级各判别因子转换为BQ值进行分级，获得围岩分级最终结果。
○2根据岩体块度指标RBI的概念，向隧道轮廓线依次布设19条虚拟测线，以掌子面径向19个方位的RBI值综合评价了掌子面岩体结构的差异性。
考虑结构面分布特征，结合掌子面节理玫瑰花图获取岩体结构综合量化指标ZRBI，对掌子面进行了综合评价，得出了ZRBI与岩体结构类型对应关系。
综合考虑岩体坚硬程度、ZRBI、地下水条件、初始地应力状态等主要分级指标，利用层次分析法，提出了隧道围岩BT分级方法及评价标准。
1 高新数据采集和处理技术
对于数据采集有两种：一是通过无线自动化监测技术、二是通过全站仪或者水准仪。
无线自动化监测技术：每个监测断面使用一台或一对，安装在隧道边墙。
使用防爆无线双头可调角度激光测距硬件，采用相位法激光测距技术，连续监测拱顶沉降和周边收敛，量程30m，实时精度1mm，滤波精度0.1mm。
通过无线通信方式上传数据。
全站仪或者水准仪：在隧道量测现场，通过外业智能采集终端APP软件建立与全站仪的蓝牙连接，智能从仪器采集原始数据，测量完成后，成果数据将通过手机网络实时上传到数据服务器。
整个过程人工无法对数据做任何编辑。
无线自动化监测技术采集设备
对于数据处理有两种：一是通过无线自动监测预警云平台：接收公路-隧道-断面的监测数据，实时在线分析，内置核心预警算法、防误报算法，可生成日报、周报、预警报告。
遇到警报信息，第一时间推送至手机app。
该平台也可同时可接入传统
的人工监控量测数据。
二是根据施工图纸和地质资料进行初步建模，包括建立隧道土体模型、隧道结构模型、监控量测点模型，以此构成隧道结构的专用族库。
把Revit 中建立的各种族图导入项目中，将其按各自结构所在位置拼装成整体，并对模型进行观察核对。
根据所建模型在隧道里程上的位置对模型进行坐标修改，可通过设置基点来赋予其三维立体坐标、也可在立面图上建立族块的标高及其他参数，最终得到隧道真实的BIM模型。
利用全站仪、钢卷尺、3D激光扫描技术对掌子面进行精确定位，记录掌子面开挖的里程桩号，根据3D激光扫描的文件导入Revit中生成点云，并对监测点进行捕捉；利用全站仪对布测的拱顶沉降、洞周收敛观测点进行定位，记录每一个观测点的三维坐标。
将已经建好的地表沉降、洞周水平收敛、拱顶下沉观测点的族模型依照采集到各监测点的三维坐标导入到隧道BIM模型中，对监测点族文件添加标签，标签的信息主要有地表沉降点的观测日期、观测次数、断面桩号、测点编号、沉降累计值三维坐标、沉降速率等信息；洞周水平收敛点断面桩号、测线位置、累计值、围岩级别、备注等；拱顶下沉监测点的监测日期、监测次数、桩号、下沉累计值、围岩级别、备注等信息。
实现了病害信息在施工期间的动态采集及病害区域的三维可视化。
2围岩的分级和稳定性分析
新世纪以来，由于计算机技术的发展，许多国内外学者将数学理论与计算机技术相结合，在实现围岩分级智能化的研究上做了大量的工作。
国内外对于围岩分级系统的修改或者发展，对围岩级别的评价方法主要有以下几种：
（1）模糊综合评价的方法；
（2）模糊模式判别的方法；
（3）聚类的方法；
（4）神经网络的模式；
（5）物元模型；
（6）PLS方法；
（7）Exeel统计方面的运用；
（8）可拓模型；
（9）k色模型.
（2）通过深度学习技术提取公路隧道掌子面图片中的围岩分级相关信息。
训练以掌子面图片和特征标签为数据集的深度卷积神经网络模型，识别围岩的节理、裂隙、破碎程度、粗糙程度、光滑程度、泥夹石和涌水等分布式特征；结合深度学习技术和岩体裂隙图像智能解译方法统计围岩节理组数和间距来描述结构面完整程度；再利用色彩模型确定岩石种类描述出岩石坚硬程度；最后将围岩分级各判别因子转换为BQ值进行分级，获得围岩分级最终结果。
结果表明：深度学习模型适用于识别围岩不同形态特征，利用图像识别技术获取的围岩分级参数能够实现对公路隧道围岩等级的综合判定。
（3）为实现在隧道工程施工过程中快速准确地对隧道进行围岩分级，达到对隧道开挖过程中围岩分级的即时性，利用现场拍摄的掌子面图像，基于MATLAB软件的强大功能，通过对掌子面图像的识别分析，开发了基于照相测量的围岩分级系统。
该系统首先利用MATLAB软件对在隧道开挖过程中拍摄的掌子面图像进行图像的增强、比例转换、裁剪、二值化等一系列的预处理后，生成掌子面表面的立体
模型，并对结构面进行识别；其次利用窗口测线法，实现对掌子面结构的综合量化和掌子面岩体结构的空间分析，并建立掌子面岩体结构综合量化标准；然后，利用实测岩体点荷载强度指数1so）获取掌子面岩体的抗压强度，并结合地下水条件、初始地应力实现对掌子面岩体的分级。
最后，利用MATLAB软件开发出隧道围岩分级系统。
（1）光纤传感器技术
光纤传感器技术是基于信息通讯技术测控信息采集技术，该技术的核心元器件则是光导纤维，它是以石英玻璃细芯以及折射率各不相同的石英玻璃包层构成。
在隧道监控量测中，利用光纤传感器技术能够准确测量重要物理量，譬如隧道拱架的形变量、渗流、水压、应力应变等，并将所测得的物理量有效转化为监测量，最终向测控主机传送有关测控信息。
（2）三维激光扫描技术
将三维激光扫描技术应用于高速公路隧道施工中的监控量测，通过对隧道初支表面进行扫描，获得了连续的断面数据及指定断面处的拱顶沉降值和周边收敛值，并与传统测量方法的精度和可靠性进行对比。
结果表明：该文方法能够进行连续全断面检测，且监测效率高，测量数据可重复使用，具有一定的推广应用价值。