叶林飞，陈 奇，朱学明，蒋俊杰

(1.常州市新北自然资源和规划技术保障中心，江苏 常州 213022;2. 常州市新北自然资源和规划服务中心，江苏 常州 213022)

0 引 言

城市地下管线作为水、电、气、通信信号等城市所需物资和信息传送的重要基础设施，对城市的正常运转具有重要意义[1]。为贯彻落实《国务院办公厅关于加强城市地下管线建设管理的指导意见》，加强城市地下管线建设管理，全国各省市均积极响应国务院号召聚力开展城市地下管线系统建设工作[2]。

近年来关于地下管线数据质量问题日益受到关注并予以科学研究。如构建管线层次模型，研究管点相似性计算方法，开发城市地下管线空间数据匹配模型[3]。通过对城市地下管线探测各专业、各工序质量控制要素的研究，确定和划分与探测作业质量相关的各子项(内容)及其权重系数，对管线探测全过程整体成果质量进行评定[4]。利用复杂网络理论对供水管网进行结构测度和鲁棒性分析，提出一种新的管网模型——管线对偶图模型[5]。运用GIS方法对地下管线成果数据分析其属性信息、坐标、关联信息等进行质检[6]。但大部分研究是针对入库地下管线数据进行各类质量检测。

随着计算机和网络技术的不断发展，尤其是移动GIS、LBS以及嵌入式计算技术的深入融合，移动框架与地图组件不断更新，如近年MUI(DCloud官方推出的基于HTML5+标准的框架)作为移动端的前端框架，为地下管线采集数据阶段实时“智检”提供了技术支撑。

1 地下管线“智检”方法

传统管线数据质检主要是在外业测量之后内业处理阶段进行，一旦发现数据有疑似质量问题，需要外业现场补测予以解决，降低了测量作业效率[7]。而对一些错误，尤其是一些人为输入错误，如果现场能及时给出预警提示，测量人员便可以在作业现场进行数据复核，避免测量错误，从而有效提升数据质量和工作效率。

如图1所示，管线数据“智检”关注于管线数据生产源头的质量控制，解决方案是利用移动端设备，现场将实测数据与已有数字高程模型、管线数据、地形图数据等进行综合数理统计分析，通过坡度角和方向角指标的合理区间判断管线数据是否存在质量问题。测量人员可对疑似存在问题的数据通过现场复核予以消除，从而提升外业数据采集的质量和工作效率。

图1 “智检”工作流程图

1.1 “埋深”预警检测

重力自流管线管点埋深检测，利用数字高程模型，综合运用电子草图上管线起始坐标和终点坐标，采用欧式距离算法推算起始管点地面高程，并根据探查起始点埋深，计算管点标高，得到管线两端三维空间坐标，采用已有管点数据统计分析去除异常值，得到坡度角区间，实现探查实时埋深数据检测预警。

1.1.1 数字高程模型生成

选择地形图作为数字高程模型(DEM)生产的数据来源，在整个测区范围内提取高程点，运用克里金插值进行高程点加密并对错误高程点数据修正，生成TIN文件并将其转换为数字高程模型DEM文件。

1.1.2 管点标高计算

外业探查时，在探查草图上生成起始点，可以获取其粗略坐标，根据其坐标在数字高程模型中得到起始点的高程G、埋深h、标高H[8]。

H=G-h

(1)

1.1.3 管线坡度角计算

根据1.1.2计算标高即垂直坐标z，结合测量获取的平面坐标可得到管点的三维空间坐标。采用欧式距离可求取空间上两点D1(x1,y1,z1)、D2(x2,y2,z2)的坡度角θ，即：

(2)

1.1.4 同一类型重力自流管线数据的坡度角区间计算

同一类型的重力管线数据期望(均值)可表示为：

(3)

试验选择使用某一测区雨水管线的101段进行坡度角计算，经排序分别为：-1.865 1,-0.895 55,-0.868 65,-0.750 21,-0.517 38,-0.505 34,-0.425 41,-0.298 48,-0.273 78,-0.266 2，……，0.304 19,0.332 25,0.336 24,0.336 91,0.338 28,0.499 01,1.221 5,1.581 79,1.823 5,1.856 75,9.804 15。

依据样本分位数公式，可得出：Min=-1.865 1，Max=9.804 15；第一四分位数Q1：np=101×0.25=25.25，故x0.25=Q1=x(26)=-0.130 94；样本中位数M：np=101×0.5=50.5，故x0.5=M=x(51)=0.013 46；第三四分位数Q3：np=101×0.75=75.75，故x0.75=Q3=x(76)=0.182 13。

在数据集中某一位观察值不寻常地大于或者小于该数据集中的其他数据，即存在疑似异常值，其对计算结果产生不利影响。根据图2可判断该数据集存在疑似异常值。

图2 数据箱线图

四分位间距IQR=Q3-Q1=0.313 07。若一个数据小于Q1-1.5IQR或大于Q3+1.5IQR，则认为它是一个异常值。试验数据异常值区间为(-∞,-0.600 545)U(0.651 735,+∞)，确定该数据集的异常值并除去后结果如图3所示。

图3 去除异常值的箱线图

去除异常值后，最小值、最大值分别为-0.517 4、0.625 8，数据总量为90，即所有数据位于区间[-0.517 4,0.625 8]，选择覆盖数据集合的区间[-0.520 00,0.630 00]，分为10个小区间，其长度Δ=[0.630 00-(-0.510 00)]/10=0.115 000，出现在每个小区间的数据频数fi结果如表1所示。测区的坡度频率直方图如图4所示。

图4 测区坡度频率直方图

表1 坡度角频数分布表

由图4可知，坡度角频率直方图可拟合为某一正态总体X，从图中可估计X在区间(-0.290 00，0.400 00)的概率为93%。因此，可认为该测区雨水管线的坡度在(-0.290 00,0.400 00)区间内为正常，该区间可作为周边测区的正常坡度区间。该区间值之外视为疑似异常值，原因主要是：数据测量误差、数据记录错误或者数据录入错误、个别特例(如数据集合中的最大值是因为该段雨水管处于末端排水口，因此该段的坡度角和整体偏差相差很大但又符合实际)。

1.2 “方向”预警检测

对于单纯的拐点构造管线(图5)，管点D2关联着管段A与B，管段A与B属于同一管线的充分必要条件是：① 管段B与管段A管径材质相同；② 管段A在D2处的夹角α>=135°，且在所有与D2关联的相同管径以及材质的管段中，管段A的夹角最大(夹角最大化规则)[5]。夹角最大化规则是基于设计和铺设中管道的实际排布规律。

图5 拐点构造管线图

根据电子草图可计算夹角。管点平面坐标为：D1(x1,y1),D2(x2,y2),D3(x3,y3)

判断夹角α是否大于等于135°，不符合条件则实时产生预警提示。

1.3 “结构”+“属性”预警检测

由外业探测的管线点特征属性可判定连接点的连接数量，查询数据库里以该点为起点和终点的管线总数也可计算连接点的连接数量。而根据管网的拓扑结构关系，两个连接数量应该一致：

SUM(D2=起点)+SUM(D2=终点)=D2·特征属性

当上述条件不成立时，提出预警，探测人员可以据此研判：

(1)是否为错漏普查管段。

(2)是否存在重复探测。

(3)管线点的连接数量是否记错。

2 管线“智检”实例分析

编程实现上述3个“智检”方法，并模拟“智检”对管线生产质量的影响。现有110个管线测绘项目，总公里数为558 km，对比分析管线原始测量，运用本文总结的算法进行管线“智检”(称为“前置行为”)，形成预警数据列表，经汇总统计与原始质检结果对比分析(称为“后置行为”)，结果如表2所示。

表2 “预警”覆盖率对照表

比对原始数据经过“智检”分析得到的预警数量和原始质检成果，在埋深、方向、结构+属性的预警准确率和错误覆盖率较高，管线质量问题前置显现，测量人员可实时反馈，降低外业复测次数，减轻质检人员工作量。

实际生产过程中可开发利用一个地下管线“智检”数据采集APP。管线数据采集阶段，外业测量人员实时在APP中记录测量数据，系统根据算法对数据预判。

3 结 语

传统的管线质检注重于外业数据采集结束后的数据质检，本文结合管线探测注重于在数据采集同时对测量数据实时智能检测，并对疑似出现的问题(埋深、管点位置、连通数量)实时提出警告，探测人员可以根据现场分析，排除因为工作失误可能导致的数据问题，现场予以纠正，能够有效提高外业数据质量和数据生产效率，具有十分重要的实际应用价值。

地下管线外业采集“智检”研究未顾及相邻空间中其他类型的管线影响，可进一步深入融合。在后续研究中可对多种重力自流管线数据进行统计分析，加入多种权重因子，在空间相邻管线(管线水平净距、垂直净距)相互影响方面，考虑相关规划建设设计标准，完善整个管线“智检”技术体系。