面向智慧城市的地质环境信息平台建设与应用研究

转自：上观新闻

摘要

随着城市化进程的加速和信息化技术的发展，智慧城市建设已成为提升城市管理和服务水平的重要途径。地质环境信息作为国土空间基础信息平台的重要组成部分，在城市规划、建设和管理中发挥着重要作用。建立全新的、智慧化的地质环境信息平台，是智慧城市建设对地质环境工作的必然要求，也是实现地质环境工作数字化转型的关键之举。本文基于上海地质环境信息化工作的实践与思考，从总体框架、关键技术及应用场景等方面，研究提出在智慧城市建设总体框架下，地质环境信息平台建设与应用的实现路径，旨在为上海乃至全国其他城市实现地质环境信息化建设提供有益参考与借鉴。

随着城市化进程的加速和信息化技术的发展，智慧城市建设已成为提升城市管理和服务水平的重要途径。智慧城市建设是在城市数字化的基础上，进一步融合各种智能技术，实现城市各领域的智能化管理和服务。2024年5月，国家数据局发布《深化智慧城市发展 推进城市全域数字化转型的指导意见》，明确指出“优化绿色智慧宜居环境”，要求增强城市地理信息公共服务能力，加快提升国土空间基础信息平台智能化水平，支撑自然资源和国土空间规划分析决策，开展国土空间规划实施监测网络建设试点；“提升城市安全韧性水平”，要求加强城市物理空间安全管理和安全风险态势感知，提升城市防灾减灾能力。

地质环境信息作为国土空间基础信息平台的重要组成部分，涵盖自然环境中土体、地下水等的属性、人类活动对其的影响以及地质环境变化对人类社会和生态环境的效应等多个方面内容。面对城市化进程中土地的高强度和高密度开发，合理利用地质资源、增强地质环境保护显得尤为迫切。为此必须构建一个动态监测数据链，用于追踪城市地质资源、地质环境和地质灾害的变化，进而发展一个综合的地质环境监测预警系统。随着大数据、人工智能和云计算等技术飞速发展，通过综合集成地质环境信息，进行智能化分析和应用，不仅可以为城市绿色发展提供持久动力，也为韧性城市建设提供地质安全保障。现代信息技术已为地面沉降的智能化、系统化监测提供了创新的解决方案。建立全新的、智慧化的地质环境信息平台，是智慧城市建设对地质环境工作的必然要求，也是推动地质环境工作向数字化转型的关键之举，符合新质生产力发展方向。

本文基于上海地质环境信息化工作的实践与思考，从总体框架、关键技术及应用场景等方面，研究提出了面向智慧城市的地质环境信息平台建设与应用的实现路径，旨在为上海乃至全国其他城市实现地质环境信息化建设提供有益参考与借鉴。

01 总体框架

智慧城市融合了信息感知、物联网、云计算、大数据、人工智能等先进技术，使各类城市信息实现结构化、系统化和智能化，为城市运营和发展提供更好的管控和服务能力，城市多源数据获取是智慧城市基础，数据关联、分析与理解是关键。

地质环境信息平台是智慧城市建设框架内的重要组成部分，旨在满足城市规划、建设和管理过程中对地质环境信息服务的多样化需求。该平台整合了城市地质环境数据及相关多源信息，实现数据的集成、互联互通、统计分析和深度挖掘，最终形成支撑城市可持续发展和安全管理的决策信息和解决方案，并通过与国土空间基础信息平台集成，将地质环境信息融入智慧城市建设总体框架，为政府优化城市空间布局、营造城市宜居生态、稳固城市安全防线，打造高品质、宜居、韧性的生态城市形象提供辅助决策支撑。

地质环境信息平台总体技术架构如图1所示。从下往上依次为信息感知层、数据汇聚层、数字孪生层、智能计算层、应用服务层，对现有业务按“感知—汇聚—决策—服务”模式进行重构与流程再造，贯穿地质环境监测、数据治理、智能分析、服务城市发展的全过程。该过程依托地质环境信息平台标准规范体系、运行维护体系、安全管理体系保障，实现地质环境信息平台从标准建立到运行维护到安全管理的体制保障和机制创新，确保地质环境信息平台建设的安全性、适应性、先进性和可拓展性。

图1 智慧城市框架下的地质环境信息平台架构

1.1

信息感知层

智慧地质环境首先要求建立基于大数据的地质环境态势感知体系。地质环境态势感知是在特定时空下，对地质体在动态环境中各种元素或对象的认知、理解以及对未来状态的预测。从上世纪五六十年代开始逐步建立起规模庞大的地质环境监测网络，形成“地下―地面―空天”、从陆域到海岸带的立体地质环境监测体系，极大提升了地质环境监测精度与地质防灾减灾能力。依托地质环境监测体系建立起态势感知体系，通过自动化监测、卫星遥感、GNSS、移动端App等多种技术手段，实时、动态获取地质环境监测数据，准确把握当前地质环境状况；利用基于大数据的时序预测模型等智能分析工具，精准预测地质环境状况的发展趋势。

1.2

数据汇聚层

智慧地质环境信息平台需要整合构建多专业、多要素、多层次、多维度的统一底板大数据体系，实现地质调查原始数据和实时动态监测 数据的统一管理、分析评价和共享服务。数据汇聚层融合数据湖及缓存等技术，实现数据的统一存储，为其上各应用提供核心数据一致性，并提升数据访问效率与速度，为大数据分析、数字孪生、机器学习、预测分析和其他形式的智能操作提供数据基础。

数据汇聚层通过分层管理方法对数据进行有效组织，其核心优势体现在降低数据冗余、提升数据的质量和可靠性，同时增强数据的可维护性和便捷性。该层可细分为原始数据层、处理数据层、分析数据层、服务层以及元数据层等关键部分，每一层都针对数据的不同处理阶段和应用需求进行优化。

（1）原始数据层

作为数据湖的基础，它集中存储了从感知体系和各类业务场景中捕获的多源、异构数据。大数据管理平台在此层对数据进行统一的初步管理，保持数据的原始状态，为后续的ETL过程和深入分析奠定基础。

（2）处理数据层

该层存储经过初步加工和清洗的数据。主要任务是将原始数据转换成适合分析的格式，包括执行类型转换、坐标系转换、编码转换等操作，同时进行数据清洗以提升数据质量与准确性。

（3）分析数据层

以主题为中心，利用数据聚合和整合工具，将分散的详细数据汇聚整合，形成统一视图。这一步骤旨在打破数据孤岛，确保数据的一致性和完整性，为决策提供坚实的数据支持。

（4）服务层

位于数据汇聚层的顶端，提供对外的数据访问和查询接口。它将经过清洗、转换和聚合的数据以优化的查询性能和分析效率存储在如数据立方体、维度表、事实表等统一数据结构中，支撑数字孪生、智能分析等应用的数据需求。

（5）元数据层

存储有关数据的描述信息，如数据的来源、结构、质量指标、数据处理历史等，对数据治理和数据的可追溯性至关重要。通过这种分层管理策略，数据汇聚层不仅提高了数据的可用性和易用性，而且通过精心设计的数据结构和流程，为数字孪生、智能分析等应用需求提供了一个强大、灵活且高效的数据管理和分析平台。

1.3

数字孪生层

数字孪生是以数字化方式创建物理实体的虚拟实体，并作为物理实体与虚拟实体之间连接的桥梁，实现物理实体与虚拟实体间的映射和互动。数字孪生作为实现传统产业数字化转型与智能化升级的有效手段，在智慧城市建设中受到极大关注。数字孪生层是智慧地质环境信息平台技术架构中的主要组成部分，它通过建模、仿真、数据分析和可视化等技术手段的协同，实现对地质环境及关联实体和系统的全生态模拟。

首先基于传统地质调查数据和领域知识，在先进的建模工具和平台支持下，利用测绘扫描、网格剖分、几何建模、数据插值等技术方法，构建地质环境及关联实体的包括结构、物理参数等的数字化模型，这些模型具备足够的精度，能够准确还原物理实体的结构和行为。仿真则是为反映地质环境系统行为或过程，在模型中融入相关科学规律和机理，并借助专业问题求解方法如有限元等数值计算工具，再通过软件运行来模拟地质环境演化，精准刻画物理世界的特性。仿真作为创建和运行数字孪生的核心技术，是平台实现数据交互与融合的基础。实时仿真则通过动态更新的感知数据，使虚拟模型与物理实体保持同步。数据分析则是建立在数字模型仿真的基础上，通过对模型数据的深度分析，融合物理学知识和人工智能等技术，提取关键信息，并根据当前状态，计算、分析和预测物理对象的未来状态。为了更好地展现数字孪生模型的结果，设计直观、用户友好的可视化与交互界面是关键，这不仅包括对模型数据的三维呈现，还包括用户与模型进行实时交互的功能，以提高用户体验。

数字孪生层的设计和实现对于地质环境信息平台的性能和应用价值至关重要。通过数字孪生，可以实现对地质环境及关联实体状态进行感知、诊断和预测，进而优化物理实体，同时进化自身的数字模型，从而不断提升地质环境服务和管理的运行效率和决策质量。

1.4

智能计算（工具）层

智能计算层在平台架构中起着关键作用，它位于数字孪生层之上，负责将数字孪生模型与实际应用相结合，并完整实现系统复杂业务逻辑，同时提供各类智能化工具，以实现具体的业务功能和智能化决策服务。

业务逻辑是指与特定问题域相关的行为和规则，它定义了地质环境业务流程、计算、操作和决策服务的实现。业务逻辑可以用微服务架构来实现，这样每个微服务都围绕一个特定的业务能力构建，封装了相关的业务规则和流程，通过合理的服务边界划分，保证服务的独立性，并减少对其他服务的依赖。

智能计算层还集成各类智能算法，包括集成各类机器学习、人工智能算法，对收集到的数据进行深度分析，提取有价值的信息，实现智能识别、分类、预测等；通过结合知识驱动和数据驱动的模型的应用，可以更深入地理解地质环境的演变规律；通过结合迁移学习技术和RAG（Retrieval-Augmented Generation，检索增强生成）技术，我们可以在大型语言模型的基础上，开发出基于地质学知识的智能应用，这种应用能利用已有的语言模型和知识库，提高地质领域内问题的解答质量和效率。

智能计算层的开发和应用需要多领域跨学科的专业知识，包括地质学、数字化技术、人工智能技术等等，以确保系统的可用性、可靠性和智能化水平。通过智能工具层，数字孪生技术能够为地质环境业务提供强大的决策服务支持，优化业务流程，提升服务效率。

1.5

应用服务层与应用场景

应用服务层位于智能计算（工具）层之上，主要职能是将智能计算层的复杂操作转换为前端应用可以调用的服务，即将业务逻辑及智能算法的复杂操作封装成服务接口，实现了业务逻辑与用户界面的解耦，使得前端应用可以不依赖于特定的业务实现细节。应用服务层同时负责协调不同业务逻辑层组件的交互，确保系统的业务逻辑能够被正确地执行，实现复杂的业务流程。为适应新的业务需求和技术变化，应用服务层还应考虑未来的扩展，设计时应尽量保持对底层技术的中立性，以便在不改变业务逻辑的情况下更换实现技术；同时在大数据量的应用场景下，服务层需要考虑如何通过集群、负载均衡等手段提高系统的可用性和稳定性。

应用场景建设则是指在特定的业务背景下，构建和实施具体的应用解决方案。在地质环境信息平台建设中，应用服务层的设计和应用场景的建设是相辅相成的。服务层的设计需要根据具体的应用场景需求来定制，而应用场景的建设则需要服务层提供稳定、高效、可扩展的服务支持。通过两者的紧密结合，可以构建出既满足当前需求又具备未来发展潜力的软件系统。

02 关键技术应用

实现地质环境信息服务的精准高效、可视化和智能化，是智慧地质环境平台建设的主要目标，因此要在现有技术架构的基础上，融合包括数字孪生、人工智能等在内的多项前沿信息化技术，进行创新应用和开发，满足智慧地质环境平台建设的特定需求。

2.1

三维地质体数值模型构建

三维地质体数值模型构建是地质环境数字孪生的主要核心技术之一。三维地质体建模一般分为地质结构建模和属性建模，结构建模要求模型外观几何形态的准确，而属性建模则对模型内部网格质量要求较高，并且网格能够用于数值模拟计算。传统地质建模方法依据其建模过程和模型数学特征，可以分为显式建模和隐式建模两大类。显式建模结合地质专家知识，通过人机交互划分块体边界，拼接构造生成地质模型，主要用于稀疏数据条件下的复杂地质体结构建模；隐式建模则主要通过隐式函数或方程，用空间插值求解等值面来建立地质模型，因此可用于结构建模，同时由于隐式模型在处理复杂几何形状和渐变过渡时更为灵活，适合表达地质体的连续性和变化性，因此也适用于属性建模。

地质环境数字孪生需要构建融合物理参数的三维地质数值模型，以往研究包括基于GIS与数值模拟软件耦合的三维边坡建模方法[9]以及利用指示克里金方法实现岩性分布模型与数值模拟相互结合的方法等。依据上述思路，可以综合运用GIS空间分析、指示克里金及机器学习等方法，形成图2所示融合多参数的数值模型建立流程，包括地质建模、属性赋值、数值模拟等主要步骤，通过计算空间中不同岩性分布的概率，从而实现岩性分布模型与数值模拟相互结合。

图2 融合物理参数的三维地质数值模型建模流程

2.2

基于Web的大规模三维数据渲染

近年来，基于Web的三维渲染技术因其跨平台能力和易用性而受到越来越多的关注。然而，在处理数字孪生模型等大型三维数据时，Web平台在数据传输和可视化方面面临诸多挑战。数字孪生模型通常体积庞大，导致在三维场景交互过程中出现模型加载缓慢、频繁卡顿等问题，这些问题严重影响了用户体验。为了解决这些问题，需要应用相关技术来优化Web三维渲染的性能。

WebGL是基于OpenGL的JavaScript API库，WebGL可通过浏览器将3D图形渲染为HTML页面，而无需安装额外的插件。WebGL在工程，数据分析，地理空间分析，科学和医学可视化与模拟等多个领域内中使用。三维地理信息框架Cesium是优秀的开源框架，其核心引擎正是基于WebGL，它可利用现代浏览器提供的硬件加速来实现高效的三维图形渲染。因此项目具体实现可以基于Cesium开源框架，应用CesiumJS等工具和资源进行应用性开发。对于大型三维模型，首先采用瓦片加载和按需渲染策略，通过将三维地形和影像数据分割成小块（瓦片），根据相机视图的不同，仅在用户视野范围内加载和渲染必要的部分，可以显著减少初始加载时间和内存占用。其次应用LOD技术，根据视距动态调整模型的细节层次，远距离显示低精度模型、近距离显示高精度模型，减少不必要的计算和渲染开销。另外使用八叉树数据结构管理三维空间对象，实现快速的对象查询和视锥体裁剪，从而优化渲染效率。

此外，还可应用谷歌Dacro三维模型压缩算法、WebWorkers多线程技术等，进一步优化三维模型Web端渲染。

2.3

融合地质知识机器学习方法

在地质领域，数据驱动方法是利用机器学习算法，如深度学习，从地质大数据中自动提取特征和识别模式。模型驱动方法则更侧重于地质专家知识的集成，在这种方法中，专家的经验和理解被用来构建或指导机器学习模型的构建。例如，地质学家可能提供关于地质结构和过程的假设，这些假设可以被用来设计特征工程或选择特定的机器学习算法。模型驱动方法在解释性和可靠性方面可能更有优势，因为它们可以提供更多的领域洞察力。

融合地质知识的方法可以结合这两种驱动方式的优点。通过将地质专家的知识与机器学习算法相结合，可以创建更准确和可解释的模型。例如，可以使用地质知识来指导特征选择，或者作为模型训练过程中的正则化约束，以确保模型的预测与地质理论相一致。

近年来，物理信息神经网络（PINNs）获得了越来越多的关注，这是一种结合了深度学习和物理学知识的机器学习模型。与传统的数据驱动的神经网络不同，PINNs 在学习过程中利用物理法则对模型进行指导，从而提高模型泛化能力。PINNs可以用于解决偏微分方程相关问题，包括方程求解、参数反演、模型发现、控制与优化等。图3给出了PINNs应用于地下水动力过程、地下水环境等数值模拟的一般思路。

图3 PINNs应用于地下水动力过程数值模拟

03 应用场景建设

地质环境信息应用场景覆盖多个服务领域。通过应用场景的建设，可以推动技术的创新和应用，促进地质环境工作的数字化转型。本文选取地质环境信息平台的典型应用场景，研究地质环境工作面向城市发展及安全需求，为城市提供智慧应用服务路径。

3.1

地下空间规划分析应用评价

随着城市化进程的加速，地下空间作为一种宝贵的资源，其合理规划与利用对于城市的可持续发展具有重要意义。地质环境状况对城市发展至关重要，要求在城市地下空间开发在趋利避害的同时减轻其对地质环境的不利影响。该应用场景面向政府管理人员及城市规划师，提供地下空间规划分析工具和决策支撑工具。

首先，该系统集成90万个地质钻孔资料数据以及8万余个各类地下空间模型，70余万个部件，能够提供详尽的地质数据和地下空间的三维可视化展示，帮助规划师和决策者直观地理解地下空间的结构、地质条件以及现有利用状况。通过对工程、水文地质条件、土性特征等关键信息的集成，规划者可以更准确地评估地下空间开发的可行性和潜在风险。其次，系统提供碰撞分析、冲突检测、工程断面图等丰富的分析工具箱，可模拟不同的地下空间开发方案下，预测地下工程对城市地质环境、安全等可能产生的影响。通过比较不同方案的经济效益、环境影响和社会效益，决策者能够选择最优的规划策略，实现资源的最大化利用和风险的最小化。此外，系统还具备强大的评价功能，它可以根据预设的评价指标，如地下空间规划的合理性、经济性、安全性等，对方案进行综合评价。通过与国土空间信息平台的集成，实现数据的共享和流通，可进一步提高了工作效率，增强了规划的协同性和一致性。

如某交通综合体规划涉及大规模地下空间开发利用，地质人员通过系统对地质环境条件进行综合分析后，提出分层利用地下空间的建议，编制地下空间开发适宜性评价图件，为后续地下空间开发提供技术支撑。又如在规划某条地下通道时，相关单位将设计方案导入系统，利用系统内置分析工具箱，判断其与沿线工程的关系，发现其与现有地铁某出入口有冲突后，提出设计修改建议，开展地质灾害危险性评估，提出风险对策建议。

图4 地下空间规划分析应用评价应用场景

3.2

轨道交通地质安全

近年来，随着上海轨道交通建设的蓬勃发展，规模巨大、速度超常、任务繁重，而上海市城市地铁建设所处环境、地质条件都具有极大的隐蔽性、复杂性，质量和安全问题突出。这就需要一个能够从庞大的地质环境数据中提取有用信息、还原地下情况的有效工具，帮助直观的掌握地铁沿线地下地质情况及变化规律，同时还需要能够对地铁周围地质情况进行实时监控，并对监控的数据进行分析、模拟和计算，从而动态的了解地铁周围地质情况的变化。

该应用场景基于轨道交通地质环境数字孪生模型，将三维构造模型和三维属性模型有机融合，基于该模型可以实时的、动态的更新显示轨道交通地质环境，直观的查看地铁结构周围地层变化，并可以通过分析模拟计算地层的应力场变化、变形程度，利用地质环境大数据分析评估预测地层可能会形成的地质灾害，从而实现轨道交通建设、运营管理过程中的风险控制，提升城市轨道交通地质安全管理水平。

3.3

地质灾害智能分析与监测预警

为做好城市精细化管理，保障城市安全有序运行，紧扣“一屏观天下、一网管全城”的目标，推进“一网统管”下的智慧地质灾害风险管控系统建设，系统以应用需求为导向，从“观、管、防”各个层面，提升上海地质灾害智能分析与监测预警的工作能级，为城市安全运行提供决策依据。

系统根据三维地下水——地面沉降耦合数值模型，利用大数据挖掘和机器学习与人工智能等方法，基于所建立的模型，实现对不同场景下的地下水位及地面沉降发展趋势开展模拟预测，以及基于不同分区的地面沉降和水位约束条件下，实现各分区以及各含水层的地下水采灌管理。该系统还以上海某矿坑边坡为示范，布设倾斜、裂缝监测仪器、数字影像监控等各类感知设备，进行实时动态监测，为该区域突发性地质灾害隐患点风险管控提供现场信息和。

04 结论与展望

本文结合智慧城市建设要求和地质环境业务特点，研究在现代信息技术条件下，开展面向智慧城市的地质环境信息平台建设的技术路径。本文通过对感知体系、数据治理、数字孪生、智能分析、应用场景等的分析研究，进一步明确了相应技术所要解决的问题以及应用条件和环境，为开发面向智慧城市专业应用领域的个性化智能平台，解决地质环境专业领域的智慧化应用提供了有益的借鉴。诚然，数字孪生和智能化等新技术的深化应用，将成为未来智慧系统建设的核心。通过深入研究智慧系统的构建与应用实践，不仅加深了我们对智慧系统的理解，更为智慧城市的建设提供了坚实的技术支撑和创新动力。

海量资讯、精准解读，尽在新浪财经APP