摘要：針對我國堤防工程隱患眾多、險情頻發等特點，結合堤防工程建設特點和防洪減災戰略需求，研究基于GIS+BIM+IoT數字孿生的堤防工程安全管理平臺設計與實現，將基于GIS、BIM、IoT融合的數字孿生與堤防工程安全管理進行結合，研究數字孿生數據及模型集成與可視化表達方法，建立堤防險情識別深度學習模型，設計基于GIS+BIM+IoT數字孿生的堤防工程安全管理平臺。選取長江干堤典型堤段進行應用示范，實踐證明，相對于以往堤防工程數據庫管理或二維平面管理模式中存在的信息缺失、精度不夠、反饋滯后、表達單一等問題，基于數字孿生的堤防工程安全管理平臺可在空間地理數據、BIM模型數據、物聯網數據融合與交互的基礎上，實現外部環境下的仿真、決策、優化、調整和可視，其險情識別效果優于較傳統模型。平臺的研究與設計可對堤防工程安全管理進行實時監測、診斷、分析、決策和預測，實現智能運行、精準管控和安全運維。

　　關鍵詞：GIS+BIM+IoT、數字孿生、堤防工程、險情識別、深度學習

　　引言我國堤防工程線路長、險情復雜、潰堤致災影響重大、險情演化與致潰機理復雜多變，其安全影響因素眾多，既有內因和外因，又有自然因素和人為因素。堤防工程風險識別和安全預警的研究，將對堤防工程的穩定與安全顯得極為重要。BIM(建筑信息模型)是項目從設計、施工到運行、管理乃至拆除、全生命周期內的信息模型，同時也是一個大的數據庫，包含項目所有的物理和功能信息，實現各學科相互協調、協同作業[1]。

　　GIS(地理信息系統)是對空間地理信息進行采集、存儲、轉換、分析、描述、管理等操作的技術系統，因其強大的數據管理、空間定位、空間分析、多元表達能力被廣泛應用于城市規劃、環境監測等領域[2]。IoT(物聯網)通過傳感器、RFID(射頻識別技術)等各種裝置與技術，實時采集實體或過程的各類信息，建立人物、物物的泛在連接，實現實體和過程的智能識別、感知、和管理的技術[3]。

　　數字科技論文范例： 基于數字孿生技術的考古系統的設計和實現

　　數字孿生(DigitalTwin，DT)，亦被稱作數字鏡像，指充分利用現實數據和實體模型、集成多學科、多專業知識在數字空間內完成“孿生鏡像”、反映現實物理世界運行過程的數字映射系統。相比以往數據庫管理或二維平面管理模式中存在信息缺失、精度不夠、反饋滯后、表達單一等問題，數字孿生充分利用實時數據、歷史數據、孿生數據以及實體模型，集成多維模擬過程，在數字空間內針對物理空間場景中的人、機、物、工況、環境等要素進行全生命周期的描述與建模，構建融合交互、高效協同的數字孿生體，最終實現物理空間資源配置和運行的按需響應、快速迭代和動態優化[45]。

　　本文借助GIS、BIM、IoT、人工智能等新興技術，利用數字孿生技術在信息空間中對堤防工程、外部工況、環境等實體進行忠實復刻，構建相應的堤防工程安全管理數字孿生平臺。通過數字孿生體與物理實體在位置、幾何、行為、規則等方面精確的映射關系，并結合實時數據、歷史數據、孿生數據和基于深度學習的險情識別模型，以堤防工程管涌險情為例，針對險情識別和安全預警進行實時、交互的參數模擬、模型計算、仿真推演、預測預警、優化決策，為堤防工程安全管理的仿真、評估、優化、預報和決策提供有力的數據和模型支撐。

　　1GIS+BIM+IoT數字孿生融合與集成

　　1.1GIS+BIM+IoT數據融合與集成

　　BIM是動態管理建筑物本身全生命周期信息的技術，具有完整的內部信息，但缺少定位、軌跡等空間位置信息，無法進行大范圍的建筑群空間信息管理;GIS是處理空間信息、進行相關空間地理分析的技術，但僅停留在獲取建筑物的空間位置信息，無法進一步獲取建筑物內部屬性信息。

　　將微觀領域的BIM信息與宏觀領域的GIS信息進行融合與交換，使GIS從室外走進室內、從地面走進地下、從宏觀走進微觀，可在多個領域得到深層次的應用。同時，IoT數據本身無法與建筑物實體的空間位置信息和幾何信息產生關聯，需利用GIS建立宏觀的地理環境信息，利用BIM建立微觀的建筑模型信息，進行三者有機融合，構建數字孿生全要素信息。

　　與GIS、BIM、IoT單獨應用相比，三者的集成與融合在建模質量、仿真精度、決策效率、渲染表達等方面都有著明顯的優勢[67]。平臺針對大規模空間地理數據、BIM模型數據以及物聯網數據，研究GIS數據和BIM數據之間幾何差異和語義信息差異，分析了二者數據結構(IFC、cityGML等)之間的差異，通過幾何數據、坐標系統、屬性信息等的轉換實現BIM模型與3DGIS模型的轉換融合，最終實現GIS、BIM、IoT的集成與融合。

　　利用自主研發的三維GIS平臺，支持AUTODESK、ENTLEY、CATIA等BIM主流數據的無損接入，超百萬級部件的BIM模型實時加載，通過實例化技術、LOD(多細節層次)技術、輕量化處理技術以及三維緩存技術等，對BIM性能進行優化，解決BIM精細化模型在大場景展示時資源浪費、加載卡頓等問題;同時利用WebGL技術，通過對計算機底層GPU的調用實現三維場景的可視化渲染，建立BIM模型與3DGIS服務集成方法，結合Web及移動端技術，實現跨平臺、跨終端的三維場景分析及管理服務。

　　1.2數字孿生機制

　　堤防工程安全管理數字孿生集成先進的物聯感知、大數據、云計算、無線通信和自動控制技術，通過在信息空間內對物理實體從位置、幾何、行為、規則等方面進行多維度描述與建模，建立物理空間與信息空間的動態鏈接和實時交互，實現基于數據流動的狀態感知、實時分析、科學決策、精準執行的閉環過程。

　　堤防工程安全管理數字孿生平臺基于物聯網采集的水雨工情、地質等信息，結合汛期水文預報與防洪調度等專業模型，在三維地理空間內與實體BIM模型建立空間交互融合關系，對各類工況、環境、參數條件下堤防安全進行模擬仿真，生成相應險情識別方案及安全預警成果，并及時進行會商發布提供決策支持。基于孿生系統的全面感知、信息交互、深度分析和科學決策，可提升整個工程的組織和決策能力，實現整體資源優化配置、各功能模塊統一調度，提高孿生平臺協作效率。

　　1.3數字孿生可視化表達

　　空間地理數據、BIM模型數據和物聯網感知數據是堤防工程安全管理數字孿生的數字底板，是物理空間堤防各類信息在信息空間中的孿生重建。如何在信息空間中對堤防險情復雜的環境、工況和演進進行全方位、多視角、深層次的可視化表達是數字孿生研究的關鍵內容。平臺針對海量時空數據、BIM模型、物聯網監測數據，研究了多種可視化表達方法。其中包括：

　　(1)三維復雜模型自動簡化，提高三維場景的存儲優化和加載效率;(2)全空間三維信息可視化，保證模型在不同場景下無縫銜接;(3)場景自適應可視化，滿足不同用戶視角場景下模型加載效率;(4)物理環境仿真可視化，實現信息空間真實環境高逼真渲染。基于自主研發的三維GIS平臺進行數字孿生可視化表達，無縫集成海量時空數據、BIM模型數據和物聯網數據，建立宏觀、中觀、微觀一體化管理、大規模三維場景集成調度、全空間多尺度表達方法，實現信息空間數字孿生重建。

　　2堤防風險識別深度學習模型建立

　　堤防工程各類險情和潰決一般均由管涌、崩岸或滑坡、接觸沖刷及漫溢等引起，如998年長江大洪水導致的較大險情中，管涌占;013年黑龍江大洪水期間干堤險情中管涌占2.4%。這些險情的發生、發展以及導致的潰堤與河勢、堤防結構型態、土層結構及其物理力學特性、水力條件等密切相關，其致潰機理各不相同，且復雜多變，是一個多元非線性的復雜問題，本文以常見的管涌險情為例，建立深度學習模型進行堤防風險識別研究。

　　2.1深度學習模型介紹

　　深度信念神經網絡(DBN)作為一種新型的深度學習方法，可模擬人腦的學習過程，通過低層結構向高層結構擴展，并對低層特征進行分析和學習以獲得更強的高層特征或屬性，具有較強的抽象和表達能力，在高質量本質特征提取、分類和回歸領域具有更好的精度和效率。

　　DBN由若干個RBM(受限玻爾茲曼機)組成元件串聯而成，由低到高逐層訓練。針對上一個RBM進行充分訓練，得出上一個RBM的隱層，并作為下一個RBM的顯層，即上一個RBM的輸出作為下一個RBM的輸入，直至最后一層。深度信念網絡的訓練過程可以分為預訓練和微調兩個步驟，先通過單獨預訓練每一層BM網絡獲取模型初始化參數最優值，再通過BP神經網絡等傳統方法對參數進行微調，其核心過程主要包括：(1)網絡權值預訓練。(2)利用權值微調[9]。當前，DBN模型鮮有應用于堤防險情識別之上，本文將采用DBN方法對其進行研究。

　　2.2堤防風險識別深度學習模型建立

　　堤防工程險情之一的管涌通常發生于背水坡腳附近或者較遠的坑塘附近，多呈現冒水冒砂現象，隨著水位上漲及時間變化，亦會出現大量的涌水翻砂，嚴重時會導致堤壩地基土壤破壞、孔道擴大，造成潰決、垮壩等嚴重后果。管涌現象的產生與地層組成成分、結構、水力梯度、發生距離、深度、粘土層內摩擦角、覆蓋層厚度、粘滯系數、土的飽和度、浸泡時間等因素有關，是一個多元且復雜的問題。

　　本文通過特征選擇方法和實際工程經驗，最終選取水位高度差、弱透水層覆蓋層厚度、有效凝聚力、有效內摩擦角、土體壓縮系數、弱透水覆蓋層滲透系數、土體孔隙比、允許比降共個特征作為影響堤防管涌發生的主要因子構建DBN模型，同時構建BP神經網絡、VM模型，實現險情識別模型的對比驗證。

　　3GIS+BIM+IoT數字孿生的堤防工程安全管理平臺總體設計實現

　　GIS+BIM+IoT數字孿生的堤防工程安全管理平臺基于IS、BIM、IoT結合的數字孿生技術，解決了當前堤防工程數據庫管理或二維平面管理模式中存在的信息缺失、精度不夠、反饋滯后、表達單一等問題，對物理實體在位置、幾何、行為、規則等方面進行全要素重建，實現外部環境下的仿真、決策、優化、調整、可視等應用[11]。平臺主要包括物理層、數據層、業務邏輯層、數字孿生體、用戶交互層五個層級。

　　(1)物理層。物理層是整個數字孿生體系的基礎支撐，包含各類感知設備和實體模型，負責信息高效采集與安全傳輸。感知設備包括水位、流量、降雨、流速、滲流滲壓、應力應變、水文氣象、地下水、物探傳感器、RFID、攝像頭等各類終端;物理實體包括研究堤防工程安全管理管理體系所涉及的堤防、河流、湖泊、地形、水庫、水文站、雨量站、水位站、泵站、閘門、險工段、地質體等實體對象;二者共同支撐在信息空間中各類實體、環境、信息等全要素、全生命周期的描述和建模。(2)數據層。數據層主要實現數據交換、融合、存儲、處理、共享等功能，同時集成大數據、云計算、虛擬化等技術，為整個孿生平臺提供基礎數據支撐。包括物理世界相關實體的GIS、BIM、IoT等鏡像模型數據、實時數據、歷史數據和孿生數據，具備大吞吐量和高可用性等處理性能。

　　(3)業務邏輯層。業務邏輯層借助GIS、BIM、IoT數據融合與集成、人工智能、仿真模擬、決策控制、數字孿生可視化，通過孿生體與物理實體在位置、幾何、行為、規則等方面精確的映射關系，構建信息空間中各類實體、環境、參數的模擬仿真和決策支持模型，實現堤防工程在不同工況、環境下的險情識別、安全評估和預報預警。(4)數字孿生體。數字孿生體與物理實體對象一一對應，包括在各類工況下與堤防工程安全管理平臺互為鏡像的三維一張圖、KPI綜合展示、綜合查詢、險情識別、安全預警，實現虛實之間的信息實時互動、孿生體更新、安全仿真決策。(5)用戶交互層。用戶交互層以eb門戶終端、移動端、VR/ARMR端等多端形式提供業務管理和交互界面。

　　GIS+BIM+IoT數字孿生的堤防工程安全管理平臺基于自主研發的三維GIS平臺框架，集成空間地理數據(影像、地形、矢量、專題數據、三維實景模型等)、BIM模型數據、物聯網監測數據，采用先進、主流的前后端分離的開發模式進行總體構建。前端選用Angular平臺框架進行用戶交互展現、后臺選用avaWEB體系架構進行業務邏輯開發、數據庫則采用PostgreSQL、MongDB實現空間數據、BIM數據和屬性數據的存儲與管理，以此構建堤防工程安全管理數字孿生平臺，并基于HTTP協議的RESTWeb服務架構實現各類專業模型的數據交換和模型集成。

　　總體實現方式確保整個數字孿生平臺具備擴展性、兼容性和先進性。由于堤防工程堤線長、分布廣，且多為不同歷史時期的產物，所在區域自然地理條件、社會經濟狀況等存在明顯差異，其險情種類繁多、致災機理復雜，故堤防工程安全管理是一個復雜的系統工程。

　　《堤防工程設計規范》(GB50282013)規定：“堤防安全評價應包括現狀調查分析、現場檢測和復核計算工作”，具體包括“復核堤頂高度、堤坡的抗滑穩定、堤身堤基滲透穩定、堤岸的穩定及穿堤建筑物安全等”的復核[1][1。本文結合《堤防工程安全評價導則》(SLZ6792015)等指導意見，針對工程建設與管理運行的特點，將堤防工程安全管理主要指標劃分為工程質量、運行管理、防洪安全、滲流安全和結構安全等五大類進行安全管理評價。

　　4總結與展望

　　4.1總結

　　本文借助GIS、BIM、IoT、人工智能等技術，利用數字孿生在信息空間中對堤防工程、外部工況、實體環境等進行描述建模，實現物理空間與信息空間的動態鏈接和實時交互，建立相應的堤防工程安全管理數字孿生體。相比傳統堤防工程數據庫管理或二維平面管理模式中存在的信息缺失、精度不夠、反饋滯后、表達單一等問題，基于數字孿生的堤防工程安全管理平臺可針對物理實體在位置、幾何、行為、規則等方面的全要素重建，結合實時數據、歷史數據、孿生數據和基于深度學習的險情識別模型，并根據險情實際發生狀況和防洪形勢等內外環境的變化，構建堤防工程物理世界與信息世界的交互融合的孿生系統，實現堤防工程險情識別和安全預警在外部環境下的仿真、決策、優化、調整和可視，提供能夠應對外部復雜環境變化的有效決策，完善堤防險情演化機制和變化形勢的識別、預警體系，最終達到堤防工程以虛控實的安全管理目的。

　　4.2展望

　　數字孿生實現了工業制造、建筑、水利方面的虛實交互、共同演化，在一些領域處于探索階段，普及程度尚有欠缺，借助當下5G、區塊鏈等新興技術在數據采集和處理方面的優勢，可進一步增強實體間各要素之間的聯系，促進各要素之間的融合，最終構建更為完善、強大的數字孿生體，諸如智慧城市、智慧工地、智慧流域、智慧管廊等基于數字孿生的應用場景也將大有可為。

　　參考文獻：

　　[1]AOF,CHENGJ,QQ,etal.Digitaltwindrivenproductdesign,manufacturingandservicewithbigdata[J].TheInternationalJournalofAdvancedManufacturingTechnology,2018.

　　[2]B,CAOX,HUAY.Datafusionbasedsustainabledigitaltwinsystemofintelligentdetectionrobotics[J].JournalofCleanerProduction,2020,280.

　　[3]郭仁忠林浩嘉賀彪趙志剛面向智慧城市的GIS框架[J].武漢大學學報信息科學版),2020,45(12):18291835.

　　[4]曹吉昌王佳儀陳明琪基于BIM+GIS+IoT技術的智慧工地系統關鍵技術研究及應用[J].建設科技,2020(Z1):7477.

　　[5]蔣亞東石焱文數字孿生技術在水利工程運行管理中的應用[J].科技通報,2019,35(11):9.

　　作者：饒小康1,2,3，馬瑞1,2,3，張力1,2,3，徐志敏1,2,3