大數據分析及盾構施工風險防控研究

導語：大數據分析及盾構施工風險防控研究一文來源于網友上傳，不代表本站觀點，若需要原創文章可咨詢客服老師，歡迎參考。

[摘要]詳細介紹了基于大數據分析技術的盾構風險防控方法，針對大數據分析方案設計、架構及原理、功能設計等進行了系統闡述，并結合具體項目開展了應用研究，表明了利用大數據分析技術可以輔助施工單位建立立體綜合的盾構施工風險防控體系，有效降低盾構施工生產過程中的風險發生概率，具有顯著的社會效益和經濟效益。

[關鍵詞]盾構;大數據分析;風險防控

隨著我國基礎建設的深入發展，盾構法施工面臨的特殊地質情況越來越多，隧道開挖向大直徑、長距離、大埋深的方向發展，地下工程地質環境的特殊性、復雜多變性、不可預測性以及施工過程中災害事故的突發性使得對環境影響的控制難度加大，特別是國家一批超大、超深埋、水下高風險隧道及小間距、大坡度等特殊地質條件的隧道掘進工程陸續規劃和開工建設，這對盾構連續、高效、智能、文明、安全施工提出了巨大挑戰。傳統盾構施工風險管理模式和方法，已經遠遠不能滿足目前施工建設的需要。但是，由于隧道建設的特殊性和復雜性，物聯網技術不夠成熟，人機交互能力弱，數據的采集與上傳困難，尤其是高頻次、大數據的自動化采集與分析滿足不了要求[1]。當前，信息化發展已經達到新階段，人工智能、大數據、互聯網+等技術的快速發展為盾構TBM風險防控提供了可靠載體，利用大數據技術開展盾構TBM施工風險防控已經成為一種可靠高效的手段。

1盾構主要施工風險及案例

由于盾構/TBM本身結構復雜、設備工作環境惡劣以及人為失誤等因素，導致盾構/TBM施工過程中經常出現異常情況，輕則影響工程進度，重則造成重大事故。盾構主要施工風險可歸納為地質風險、設備風險和人為風險，據相關數據統計，其所占比例分別約為40％、30％和30％[2]。典型案例如下。案例一：天津地鐵2號線建國道～天津站區間，右線盾構因螺旋輸送機被水泥土固結塊卡死無法運轉，在開啟觀察孔進行處理時，發生突沙涌水事件。由于該地段的地質異常復雜，突泥及涌水量較大，導致地面塌陷，且左線掘進快于右線35環，左線線路高于右線，致使左右線隧道均發生局部管片變形破損開裂，最終被封堵回填并重新改線施工，2臺盾構被埋于地下，造成極其惡劣的社會影響。后經事故調查發現，裝備掘進參數控制不當是造成此次事故的主要原因。類似原因還造成2007年11月南京地鐵2號線施工事故。案例二：2017年2月12日，廈門地鐵2號線過海段海東區間右線泥水盾構因突然遭遇未事先堪明的微風化安山巖基巖凸起，造成盾構刀盤刀具嚴重磨損停機達6個多月。因處海底，壓力高，遂決定采用帶壓進倉的輔助工法進行換刀作業，但在減壓艙減壓過程中操作不當發生起火，導致3人燒傷，后經搶救無效死亡，造成重大損失及惡劣社會影響。案例三：成都地鐵1號線南延線華陽站～廣都北站右線區間盾構施工過程中，項目部對1～56環管片姿態進行復測，發現17～56環均出現不同程度的超限，其中56環垂直偏差達到+2010mm、水平偏差+52mm，但盾構測量導向系統56環處顯示的盾構垂直偏差為盾首-29mm、盾尾-25mm，水平偏差盾首+41mm、盾尾+35mm，成型隧道實測偏差與盾構測量導向系統顯示偏差嚴重不符。經過調查，確認是操作人員誤操作，導致盾構VMT系統中輸入了錯誤的盾構推進計劃線數據文件，致使盾構按照錯誤的計劃線推進，導致盾構隧道軸線偏差。加之項目部未按照測量規定的頻次（每20環人工復測一次）進行人工復核，致使偏差不斷擴大而未能及時被發現，造成直接經濟損失273萬余元[3]。

2大數據分析平臺設計

2.1數據采集與傳輸

實現有效的數據遠程、實時提取和傳輸是整個信息系統的基礎。盾構TBM裝備大數據特點有：①數據龐雜、類型多樣；②生產廠家多，PLC品牌及型號多樣化，數據格式不統一；③項目分散、環境惡劣、數據采集困難。主要數據包括盾構施工參數數據、盾構姿態（測量）數據、監測數據以及地質數據等，可分為結構化數據和非結構化數據兩部分。結構化數據主要來源于設備傳感器自動采集，格式統一，易于存儲；非結構化數據是盾構隧道最原始的數據信息，貫穿于盾構隧道整個全生命周期，包括:勘察階段的勘察成果報告、設計階段的設計圖紙、施工階段和運營養護階段的手工記錄和照片等，其是盾構隧道數據的重要組成部分，但是其結構化差且數據量較大，不適合直接存儲[4]。因此在數據采集、傳輸的過程中，應當根據實際情況采用不同的方法和方式，人工或者自動，數字輸入或者圖形化的輸入，才能滿足信息采集的全面的要求。圖1所示為數據提取傳輸流程圖。

2.2大數據分析架構及流程設計

通過配置專業高性能服務器，基于Hadoop集群生態架構的大數據技術，綜合采用Kafka消息服務器+Redis內存數據庫服務器+Spark計算框架集群服務器建立ZooKeeper分布式協作服務,實時處理多元異構數據并解決大數據分布一致性問題，保證系統的高效有序運行。大數據分析架構組成如圖2所示，包括數據源層、數據獲取層、數據導入層、數據加工層、數據核心存儲層、數據分析處理層、數據服務存儲層和數據接口層。

2.3大數據平臺風險防控功能設計

通過對系統功能的開發和完善，建立一套針對盾構群項目實施作業進行集群化、可視化、智能化管理的遠程監控系統。該系統圍繞掘進項目實施和設備技術狀態進行遠程監控及信息化管理，提供地下項目掘進設備及項目實施遠程實時管理業務，改變現在由項目實施現場人員到項目經理到分管領導單線路管理項目的管理機制，變成公司領導層和項目經理及公司總部各職能部門同時了解、監督項目實施現場狀況的交叉管理機制，從而實現項目實施進度、安全、質量、成本“協同保障”跟進。如圖3所示為基于大數據分析的風險防控功能結構圖。

3項目應用

3.1掘進參數實時監控

數據監控功能主要目的是實現對盾構施工關鍵數據進行遠程監控，因為根據掘進裝備類型的不同，監控的內容也不盡相同，因此，在此界面下對土壓平衡盾構、泥水平衡盾構和TBM有所區別，根據項目類型自動進入對應的界面。通過數據監控模塊可實現對多廠家、多類型的盾構TBM的施工狀態進行遠程在線實時監測，提高施工信息化程度和管理水平，有效保證施工的安全。可滿足管理人員和專家隨時隨地可通過計算機或手機查看盾構TBM的工作狀態、掘進參數和運行記錄，對施工進行指導，減少誤操作，提高施工效率。通過對關鍵掘進參數實時監控和預警，發現異常并及時處理，大大減少施工風險。

3.2地面沉降及管片姿態風險防控

盾構法施工不可避免地會帶來地面沉降，嚴重的地面沉降具有極大的危害性。同時，管片姿態是盾構法施工質量的直接體現，由于掘進控制、地質原因、注漿控制、管片質量、拼裝質量等原因，地面沉降和管片姿態總是會或多或少的與設計出現一些偏差，利用大數據分析技術可以自動計算和分析上傳到平臺的項目各地面沉降監測點沉降量、沉降速率和管片水平軌跡位移和管片垂直軌跡位移，并生成曲線，方便技術人員查看分析，如出現較大偏差可以實時提醒項目責任人員進行處理和補救。如發生指標超限可以實時提醒項目責任人員進行及時處理和補救，避免更大事故的發生。圖4、圖5分別為福州某在建項目的地面沉降和管片姿態風險防控。

3.3盾構施工參數預警

盾構施工參數是保證盾構施工順利進行的根本因素，如注漿系統、土倉壓力等重要參數直接關系到管片姿態和地面沉降。因此，保證對盾構施工參數預警是盾構施工風險防控的重要一環。利用大數據分析技術可以自動計算盾構施工參數閾值也可人為主動設定和修正參數閾值，當盾構施工參數超過設置閾值時，會發出報警并推送消息至項目技術人員，做到施工風險早發現、早提醒、早預防，從而達到降低施工風險、保證施工安全的效果。

3.4盾構姿態預警

盾構施工過程中受所穿越的地層特性和物理指標、隧道設計軸線及盾構施工參數影響姿態會出現偏差，尤其在軟硬不均、基巖凸起、巖洞、孤石等特殊工況下，盾構姿態的控制更加困難。利用大數據分析技術可以自動設置項目盾構姿態報警閾值也可人為主動設定和修正參數閾值，當盾構實時姿態參數超過設置閾值時，會發出報警并推送消息至項目技術人員提醒項目及時采取調整掘進參數、加強測量等措施進行糾偏，保證隧道施工質量。

3.5設備故障監測預警

由于盾構配置的設備數量多，結構復雜，導致其故障發生率較高，且盾構的故障具有復雜性、多樣性和耦合性的特點，一旦發生故障有可能導致盾構停機，從而導致施工效率降低、工期風險增加施工成本加大。因此，如何在現場有限的條件下快速有效的定位故障部位及原因并進行排除，是盾構施工的一個主要難題。利用大數據分析技術可以實時監測盾構設備傳感器數據，實時給出相應故障位置及故障時間，從而做到第一時間發現、第一時間解決故障，以達到提高設備完好率和使用率、減少故障停機時間的風險防控目的。

3.6關聯參數預警

盾構施工過程中由于地質變化或裝備故障等原因會引起參數變化，但是有時并不能通過一個參數反映出來，比如某項目發生刀盤刀具嚴重損毀，后經分析歷史數據，發現刀盤扭矩持續增大而推進速度顯著降低，呈現出明顯的反異差，如圖所示。但是由于現場未能事前發現問題，導致事故演變到最后造成較大損失。而利用大數據分析技術可以很好地解決類似問題，通過設置關聯參數上下限閾值，當平臺監測到關聯數據持續超過所設閾值5min，就會及時反饋預警信息到項目技術管理人員，提醒用戶進行結泥餅、刀具損壞等相關性檢查，從而防控更嚴重風險的發生。利用大數據分析技術實時檢測到佛莞城際鐵路項目某時間段推進速度過小，已與總推力及刀盤扭矩嚴重不匹配，及時發出預警提醒項目參數有異常，應檢查是否發生刀盤結泥餅或者刀盤刀具損壞等情況。

4結語

利用大數據分析技術，可以實現對施工現場的生產要素進行識別、定位、跟蹤、監控，建立起集監控、分析、故障預警、參數預警于一體的多維度、綜合立體風險防控體系，可以及時發現危險因素并發出預警或報警，從而顯著降低施工風險。另外，利用大數據分析應用技術，將行業內各地域各地層裝備施工的數據收集起來，通過交互分析，可以有力地推進盾構及掘進技術行業數據資源整合和開放共享，有利于充分發揮數據的基礎資源作用和創新引擎作用，為盾構/TBM安全、快速、高效、文明施工提供強大助力。

[參考文獻]

[1]洪開榮．TBM施工風險與應對措施[J]．科技導報，2018，36(10）：93-100．

[2]陳饋，馮歡歡．TBM施工風險與應對措施[J]．隧道建設，2013，（33）：91-97．

[3]張恒睿．地鐵超限盾構隧道暗挖改造設計[J]．鐵道勘察，2015，（2）：59-62．

[4]鄭路．數字化盾構隧道數據組織及管理研究[D].上海：同濟大學，2008.

作者：高會中 李治國 曾垂剛 李鳳遠 韓偉鋒 馮歡歡