陳 磊，李 斌，彭 程，畢曉偉，楊成生

(長安大學 地質工程與測繪學院，西安 710054)

1 研究背景

滑坡是在世界范圍內普遍存在的地質災害，其發(fā)生常伴隨生命財產的巨大損失[1]。我國西南巖溶山區(qū)世界面積最大，約占我國國土面積的 1/15，且礦產與水能資源豐富[2]。然而，脆弱的地質環(huán)境及強烈的人類活動導致該巖溶特征區(qū)群死群傷的災難性滑坡持續(xù)頻發(fā)[3]，近10 a來甚至摧毀了數(shù)十座城鎮(zhèn)，并導致上千人死亡[4]。因此，對存在巖溶滑坡風險的地區(qū)應盡快采取包括監(jiān)測預警在內的防災減災手段，以減少巖溶滑坡災害造成的社會危害和損失刻不容緩。

近年來，隨著滑坡監(jiān)測技術的不斷發(fā)展，監(jiān)測數(shù)據(jù)日益豐富，且時效性越來越強[5]。各種方式所積累的巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)具有分布廣、來源雜、類型多、數(shù)據(jù)量大等特點，不易統(tǒng)一管理、集中處理，也就是說集成和處理難成為多點散發(fā)的巖溶滑坡數(shù)據(jù)分析的突出問題和服務應用的瓶頸因素。依據(jù)傳統(tǒng)信息技術建設的監(jiān)測平臺高度依賴硬件設備，在面對逐漸累積的海量的監(jiān)測數(shù)據(jù)的處理和分析時，不可避免的會出現(xiàn)效率瓶頸，同時隨時間快速增長的監(jiān)測數(shù)據(jù)也讓傳統(tǒng)平臺在存儲數(shù)據(jù)時面臨挑戰(zhàn)，已難以滿足巖溶滑坡動態(tài)實時監(jiān)測的要求。

云計算平臺(以下簡稱“云平臺”)通過云計算技術統(tǒng)籌調度、合理分配計算機資源，可向用戶提供高質量、高可靠性、高便宜度及穩(wěn)健的計算、存儲服務[6]。云平臺有效整合了分散的計算機資源，提升了計算機資源的利用率，避免了計算和存儲的浪費,讓數(shù)據(jù)的獲取、計算、存儲和共享能力得到了極大提升。同時，隨著5G通信技術[7]的發(fā)展、基礎設施的逐漸完善[8]、大數(shù)據(jù)技術的廣泛應用，云平臺也日益成熟并展示出了良好前景[9-10]。國內外相關學者也針對地質災害的監(jiān)測進行了云平臺的搭建研究。如徐曉冬等[11]針對礦山采動災害的監(jiān)測預警進行了云平臺的搭建，王毅鵬等[12]針對甘肅黑方臺滑坡災害的監(jiān)測進行了云平臺的設計與分析，這些學者的研究為滑坡監(jiān)測預警平臺的建設提供了新的思路。針對地質災害的監(jiān)測預警進行云平臺搭建逐漸成為一種趨勢，云平臺強大的計算能力和海量存儲空間等特性為巖溶滑坡監(jiān)測數(shù)據(jù)集成與分析難的問題的解決提供了新的方案。

本文以巖溶山區(qū)滑坡監(jiān)測預警云平臺的設計與實現(xiàn)為目標，從巖溶滑坡監(jiān)測數(shù)據(jù)的集成入手,基于分布式計算平臺Hadoop的核心組件[13]，如Hadoop分布式文件系統(tǒng)(Hadoop Distributed Filesystem,HDFS)、MapReduce等[14]，對包括滑坡監(jiān)測在內的各類分散異構的多源監(jiān)測數(shù)據(jù)進行整合存儲與計算[15]，并結合WebGIS等[16-17]關鍵核心技術，對平臺進行設計與搭建，力求使云平臺成為集成分發(fā)巖溶滑坡數(shù)據(jù)的集散地和信息窗口，為巖溶山區(qū)防災減災救災輔助決策提供有力支撐。

2 總體設計

2.1 總體架構設計

巖溶山區(qū)滑坡監(jiān)測預警云平臺在模型-視圖-控制器(Model-View-Controller，MVC)框架下采用B/S結構進行搭建，使用Java語言，集成WebGIS技術、數(shù)據(jù)庫技術、大數(shù)據(jù)和云計算技術等進行開發(fā)。為了保證平臺能夠快速搭建，快速上線使用，平臺主要利用長安大學大數(shù)據(jù)平臺提供運行所必須的基礎資源。平臺的總體結構如圖1所示，整體可以分為4層，分別為基礎設施層、數(shù)據(jù)層、應用層和用戶層[18]。利用Hadoop集群的關鍵組件如MapReduce、HDFS等對數(shù)據(jù)層的數(shù)據(jù)進行計算、存儲等操作，為應用層提供支持[19]。

圖1 巖溶山區(qū)滑坡監(jiān)測預警云平臺總體結構Fig.1 Overall structure of cloud platform for landslide monitoring and early warning in karst mountainous area

2.1.1 基礎設施層

基礎設施層位于云平臺的最下層，主要為云平臺的正常運行提供基礎資源[20]。巖溶山區(qū)滑坡監(jiān)測預警云平臺由長安大學大數(shù)據(jù)平臺提供虛擬化的計算和存儲資源，為平臺提供數(shù)據(jù)存儲和計算等服務，充分利用現(xiàn)有資源，避免了重復工作。長安大學大數(shù)據(jù)平臺是Hadoop商業(yè)版中的一種，由浪潮研發(fā)，包含了Hadoop生態(tài)中的20多個組件，提供統(tǒng)一的平臺化管理運維，實現(xiàn)深度功能增強和性能優(yōu)化，能夠幫助用戶輕松應對海量數(shù)據(jù)的采集、存儲、計算、分析挖掘和數(shù)據(jù)安全等應用場景。

2.1.2 數(shù)據(jù)層

由于平臺的數(shù)據(jù)來源多樣，對于不同來源的數(shù)據(jù)，匯總處理流程往往并不一樣。需要采取合適手段將數(shù)據(jù)合理匯聚在一起，共同組成平臺的數(shù)據(jù)資源層，為平臺的運轉和用戶的數(shù)據(jù)需求提供支持[21]。平臺涉及的數(shù)據(jù)主要有雨量計和位移計數(shù)據(jù)、全球導航衛(wèi)星系統(tǒng)(Global Navigation Satellite System,GNSS)監(jiān)測數(shù)據(jù)、圖片視頻數(shù)據(jù)等組成的非空間數(shù)據(jù)，以及干涉雷達InSAR遙感影像數(shù)據(jù)、無人機攝影測量數(shù)據(jù)及后續(xù)的地面三維模型數(shù)據(jù)、奧維地圖軌跡數(shù)據(jù)、小區(qū)域鉆孔數(shù)據(jù)等組成的空間數(shù)據(jù)，后續(xù)將根據(jù)滑坡監(jiān)測的實際需要繼續(xù)整合其他類型的監(jiān)測數(shù)據(jù)到云平臺中。其中，傳感器的監(jiān)測數(shù)據(jù)從各個來源以定時任務的方式先復制到備份數(shù)據(jù)庫，然后匯總到HDFS中。數(shù)據(jù)獲取主要分為2種情況，一種是直接從源數(shù)據(jù)庫拷貝過來，另一種是從網頁中爬取過來。匯總的數(shù)據(jù)經過MapReduce或Spark處理后存入另一級HDFS文件夾中，最后匯總進PostgreSQL數(shù)據(jù)庫中。其他類型的一些監(jiān)測數(shù)據(jù)的存儲參照這兩種情況，具體的核心數(shù)據(jù)的存儲流程如圖2所示。

圖2 核心數(shù)據(jù)存儲流程Fig.2 Flow chart of core data storage

非空間數(shù)據(jù)采用長安大學大數(shù)據(jù)平臺的HDFS組件和PostgreSQL數(shù)據(jù)庫這兩個平臺進行存儲。研究區(qū)的視頻監(jiān)控資料以及照片資料直接存入HDFS中，而平臺運行維護的業(yè)務數(shù)據(jù)和其他的一些數(shù)據(jù)直接存入PostgreSQL中。

空間數(shù)據(jù)主要采用GeoServer和PostGIS結合的方式完成數(shù)據(jù)的存儲，存儲在GeoServer和PostGIS的空間數(shù)據(jù)需要保證是GeoServer和PostGIS支持的格式。如果不是，需要進行數(shù)據(jù)的預處理。其中，GeoServer直接存儲訪問量低、磁盤占用低的數(shù)據(jù)，磁盤占用高或頻繁讀取的數(shù)據(jù)采用PostGIS空間數(shù)據(jù)庫進行存儲，之后通過GeoServer讀取PostGIS中的數(shù)據(jù)，將其發(fā)布為地理服務。

2.1.3 應用層

手中握著一顆玻璃球讓人感覺很舒服，透過玻璃球看去，物體是上下顛倒的，里面有一個微縮天地。我們拍照時用的是標準尺寸的Lensball，我們發(fā)現(xiàn)這個非常好用，也有其他更便宜的替代品。

應用層利用互聯(lián)網把服務器端應用程序推送至遠程終端用戶，向用戶提供功能服務。本文主要指的是建設成的巖溶山區(qū)滑坡監(jiān)測預警云平臺，通過互聯(lián)網向用戶提供云平臺5個主要功能模塊的功能。

2.1.4 用戶層

由于不同類型的用戶具有各自不同需求，用戶層的用戶主要分為普通用戶、專業(yè)用戶以及系統(tǒng)管理員三類。普通用戶主要需要從平臺獲取關鍵的預警信息以及相關的滑坡監(jiān)測信息，專業(yè)用戶主要為平臺提供數(shù)據(jù)，以及利用平臺提供的接口獲取相關數(shù)據(jù)及功能。管理員負責為平臺的運行維護提供支持，負責管理平臺的用戶以及日志信息，以及維護平臺的數(shù)據(jù)資源池以及保證平臺的各個功能模塊的正常工作。

2.2 平臺技術架構設計

平臺的技術架構主要考慮采用何種技術完成平臺的功能實現(xiàn)。既需要考慮系統(tǒng)構建所采取的編程語言、數(shù)據(jù)庫，確定系統(tǒng)實現(xiàn)需要的功能組件，又需要考慮如何針對具體問題，完成各個組件間的協(xié)作，實現(xiàn)系統(tǒng)功能。巖溶山區(qū)滑坡監(jiān)測預警云平臺的主要使用云計算和大數(shù)據(jù)的相關技術，結合地理信息系統(tǒng)(GIS)和網頁開發(fā)的相關技術完成平臺的構建[22]。采用NoSQL和SQL結合的方式，兼容Hadoop和PostgreSQL等實現(xiàn)滑坡監(jiān)測數(shù)據(jù)的存儲、組織和管理。

平臺的前端頁面主要使用JavaScript的客戶端頁面[23]，主要應用JQuery、Bootstrap和layui等一些成熟的框架以及一些自行封裝的UI組件完成客戶層云平臺的頁面設計。后端主要使用JAVA語言進行編程，采用了主流的SpringBoot框架和MyBatis框架。

系統(tǒng)的主要技術結構如圖3所示，分為左、右兩部分。左側組件相互協(xié)作完成云平臺的頁面展示，右側組件為Hadoop中的組件，主要負責完成巖溶山區(qū)滑坡監(jiān)測預警云平臺的滑坡監(jiān)測數(shù)據(jù)的存儲、處理、傳輸，以及對平臺的任務和資源進行調度和管理，保證平臺的穩(wěn)定運行，為左側組件提供數(shù)據(jù)支撐。左側組件和右側組件相互協(xié)作共同完成巖溶山區(qū)滑坡監(jiān)測預警云平臺的功能實現(xiàn)。

圖3 云平臺技術結構Fig.3 Technical structure of cloud platform

3 功能模塊設計及實現(xiàn)

基于上述架構，結合巖溶山區(qū)滑坡監(jiān)測預警的需求，以長安大學大數(shù)據(jù)平臺為支撐，對巖溶山區(qū)滑坡監(jiān)測預警云平臺進行搭建。平臺主要包含五大功能模塊，分別為實時監(jiān)測模塊、空間數(shù)據(jù)與模型展示模塊、數(shù)據(jù)采集與查詢模塊、滑坡預警模塊及后臺管理模塊。這五大功能模塊又由多個功能組合而成，具體的功能模塊設計如圖4所示。

圖4 云平臺功能層次Fig.4 Hierarchical structure of cloud platform functions

3.1 實時監(jiān)測模塊

平臺在實時監(jiān)測模塊利用由JavaScript技術實現(xiàn)的可視化庫ECharts對災害點監(jiān)測數(shù)據(jù)變化情況以多種動態(tài)圖表的形式進行可視化展示[24]。巖溶山區(qū)的滑坡災害監(jiān)測采用多尺度多傳感器的方式進行監(jiān)測，監(jiān)測數(shù)據(jù)類型多。本模塊重點展示了傳感器的相關數(shù)據(jù)，包括布設在研究區(qū)域的雨量計、位移計和各個GNSS監(jiān)測點的傳感器數(shù)據(jù)隨時間變化的趨勢[25]，幫助用戶及時獲取監(jiān)測區(qū)域的異常信息。同時，也負責展示新聞公告信息和滑坡監(jiān)測相關的圖片視頻信息，實時監(jiān)測模塊界面如圖5所示。

圖5 云平臺實時監(jiān)測界面Fig.5 Real-time monitoring interface of cloud platform

3.2 空間數(shù)據(jù)與模型展示模塊

圖6 云平臺空間數(shù)據(jù)與模型模塊Fig.6 Spatial data and model module of cloud platform

圖7 云平臺監(jiān)測點信息結果Fig.7 Point monitoring result of cloud platform

該模塊還可以展示使用鉆孔數(shù)據(jù)建成的地層三維模型[26]，生成的無人機三維模型，以及通過軌跡數(shù)據(jù)對實地考察路線進行動態(tài)模擬。同時，還可以對研究成果的相關柵格和矢量數(shù)據(jù)進行可視化展示，結果如圖8所示。此外，該模塊還可以為用戶展示谷歌歷史影像等地形地貌信息。

圖8 云平臺研究結果可視化展示Fig.8 Result visualization of the cloud platform

3.3 數(shù)據(jù)采集與查詢模塊

數(shù)據(jù)采集與查詢模塊提供靜態(tài)數(shù)據(jù)的手動錄入與展示功能，為各種靜態(tài)數(shù)據(jù)的手動入庫提供支持。同時，為了方便數(shù)據(jù)的批量錄入，平臺可以自動生成對應的模板，然后利用Excel表格進行批量上傳入庫的功能。該模塊還包含對數(shù)據(jù)庫中存儲的數(shù)據(jù)進行查詢與管理功能，可以方便地對數(shù)據(jù)庫中的數(shù)據(jù)進行更新維護。同時，在該模塊還可以進行INSAR數(shù)據(jù)的上傳與展示。

3.4 滑坡預警模塊

滑坡預警模塊為平臺的重要功能模塊，該模塊主要負責使用合適的模型和方法對滑坡監(jiān)測數(shù)據(jù)進行分析處理，對滑坡所處狀態(tài)進行判斷并及時發(fā)布預警信息[27]。該模塊利用許強等[28]提出的改進的切線角模型[29]對滑坡風險進行判斷,該模型是經典滑坡預測模型，通過不同破壞機制的滑坡進行了驗證，已成功預測過多起滑坡，并在西南山區(qū)有成功應用案例[30]。該模型通過累計位移與時間曲線獲取位移速率角，即切線角。以切線角作為基本判據(jù)，當角度約等于45°時達到藍色注意級，(45°,80°]之間為黃色警示級，(80°,85°]為橙色警戒級，>85°則為紅色警報級，分析結果如圖9所示。

圖9 云平臺滑坡預警分析結果Fig.9 Analysis results of landslide early warning based on cloud platform

同時，可以調用Python編程的模型對滑坡位移進行預測。采用TCN(時間卷積網絡)模型、SVR(支持向量回歸)模型、BP神經網絡模型和LSTM(長短時記憶網絡)模型對滑坡位移進行預測。其中一個監(jiān)測點模型預測結果與真實值對比如圖10所示。

圖10 云平臺巖溶滑坡累計位移與模型預測結果對比Fig.10 Comparison of cumulative displacement of karst landslides between cloud platform result and model prediction result

其中，模型的預測精度采用均方根誤差(RMSE)和平均絕對百分比誤差(MAPE)來進行評定。預測精度如表1所示，可見時間卷積網絡(TCN)模型具有最高的精度，且位移預測的精度較高。

表1 不同模型的精度對比Table 1 Comparison of accuracy among different models

3.5 后臺管理模塊

后臺管理模塊主要實現(xiàn)用戶管理、日志管理、信息發(fā)布管理及用戶訪問量統(tǒng)計等功能,其主要功能為用戶管理與信息發(fā)布管理。

用戶管理主要采用基于角色的訪問控制(RBAC)來設計并實現(xiàn)為不同需求的用戶授予不同權限。信息發(fā)布管理功能主要為發(fā)布相關的新聞公告信息和相關的預警信息，以及對發(fā)布的信息進行維護管理。用戶訪問量統(tǒng)計和日志管理主要是為了記錄用戶的訪問量和用戶的操作。

4 討 論

隨著云計算、大數(shù)據(jù)、互聯(lián)網等新一代信息技術的迅猛發(fā)展，各行各業(yè)根據(jù)各自需求推出了各式各樣具備不同特點的云平臺。本文從巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)建設實際需求出發(fā)，對巖溶山區(qū)滑坡監(jiān)測預警云平臺進行了設計與實現(xiàn)，為巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)整合集成提供方案，為巖溶山區(qū)滑坡的早期識別與監(jiān)測預警奠定基礎、創(chuàng)造條件。與傳統(tǒng)平臺及滑坡等地質災害傳統(tǒng)的人工檢測模式相比，滑坡災害監(jiān)測預警云平臺的實時性、高效性和可靠性顯而易見。目前，本平臺正應用在西南巖溶山區(qū)的滑坡監(jiān)測預警中，發(fā)耳鎮(zhèn)、鬃嶺鎮(zhèn)和騰慶煤礦廠這3個典型示范區(qū)的相關監(jiān)測數(shù)據(jù)正穩(wěn)步存儲于平臺中。然而，由于時間限制等方面的原因，本平臺還存在一些不足，需要在下一步的工作中繼續(xù)展開研究，主要表現(xiàn)為以下幾個方面：

(1)數(shù)據(jù)產生的頻率較高，服務器端直接與數(shù)據(jù)庫交互，給數(shù)據(jù)庫造成了較大壓力，對系統(tǒng)性能有一定的影響，未來可以通過數(shù)據(jù)緩存、消息隊列等方法對其進行改進。

(2)安全保障與自動運維問題。平臺持續(xù)穩(wěn)定運行以及故障快速定位排查的關鍵就是平臺的安全保障與自動運維。目前平臺在此方面還考慮不足，數(shù)據(jù)安全保障還不夠完善，接下來需要在系統(tǒng)的安全策略配置和自動運維的問題上進行更深入的研究。

(3)高并發(fā)問題。雖然云平臺依托的長安大學大數(shù)據(jù)平臺具有分布式的應用程序協(xié)調服務，能夠有效解決數(shù)據(jù)處理中遇到的高并發(fā)問題，但是本研究還沒有對云平臺Web頁面的高并發(fā)做出應對措施。因此，在后續(xù)的云平臺版本升級中，可以加入nginx服務器以實現(xiàn)云平臺的負載均衡，以削弱平臺高峰時的并發(fā)量。

(4)平臺目前采集的巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)的種類有限，隨著下一步研究工作的進行，需要依據(jù)需求進一步收集數(shù)據(jù)。同時，平臺功能只是初步得到了實現(xiàn)，未來需要依據(jù)需求進一步擴充和優(yōu)化，使之更加符合巖溶山區(qū)滑坡信息化的發(fā)展趨勢。

5 結 語

本文針對西南巖溶山區(qū)滑坡監(jiān)測數(shù)據(jù)的集成與分析難等問題，基于Hadoop進行數(shù)據(jù)的存儲與計算，結合云計算、大數(shù)據(jù)與WebGIS等技術，對巖溶山區(qū)滑坡監(jiān)測預警云平臺進行了設計與實現(xiàn)。

平臺在MVC框架下采用B/S結構進行搭建，以地理信息技術為基礎，充分利用云平臺、網絡通信的集成優(yōu)勢，深度整合巖溶山區(qū)滑坡監(jiān)測的各類數(shù)據(jù)資源，并結合滑坡預測預警模型進行云平臺條件下的滑坡監(jiān)測數(shù)據(jù)處理，讓用戶可以獲取滑坡監(jiān)測的實時性狀及預警信息，對整體提升邊遠巖溶山區(qū)滑坡災害防治信息化水平具有重要意義。