基于风险评估与车载地面移动LiDAR的交通走廊落石风险管理——以意大利南蒂罗尔A22高速公路为例

《Natural Hazards》：Rockfall risk management on transportation corridors: coupling risk assessment with terrestrial mobile LiDAR survey on the A22 motorway (South Tyrol, Italy)

　　

本研究提出一种集成方法，将落石风险评估与基于车辆的地面移动激光雷达（Terrestrial Mobile LiDAR，TML）调查相耦合，用于交通走廊沿线边坡资产的大规模管理。落石风险采用相对评级量表进行定性评估。为降低专家判断固有的主观性，易发性通过概率方法估计，而脆弱性则由常规落石运动（runout）模拟提供依据。尽管存在相关不确定性，2024年1月在一次被划为高风险区域内发生的落石，为第一级筛查结果的一致性提供了独立的定性支持。由汽车搭载的TML调查旨在最大化捕捉落石易发边坡的有效性和效率，并建立长期监测基线。其实际有效性、效率、潜力与局限通过2023年4月开展的一次调查进行评估。A22高速公路约3.5 km、占分析路段四分之一以上的范围被判定可能暴露于落石风险，其风险源自55个已识别潜在分离区中的27个。TML调查成功探测到这些区域中超过70%，其点密度可能足以识别体积大于约10 dm³的岩块。扫描受到形态条件（如邻近高速公路的垂直边坡）、结构障碍（如隧道洞口）以及仪器最大量程475 m的限制。尽管存在上述限制，所获数据的质量与精度表明，TML能够有效支持高速公路运营者开展大规模落石风险管理。

研究背景方面，A22高速公路是欧洲E45线路和意大利高速公路网的主要轴线之一，全长314 km，2024年通行车辆达7567万辆，日均超过206000辆；其北段穿越Isarco谷地，陡坡和崖壁构成潜在落石源区，若缺乏防护，落石可到达高速公路及主要构筑物，造成交通中断、结构损伤或人员伤害，运营者需评估、管理和控制该风险。现有定量落石风险评估依赖具有统计代表性的事件清单以建立震级—频率关系和空间发生概率，但落石清单常低估小事件，易导致总频率低估和大落石概率高估；数据不足时常用定性或启发式方法，以边坡特征和专家判断为主，往往未纳入坡面变化或已记录落石活动等表现指标。沿长距离交通走廊实施风险管理，需要能高效覆盖众多空间分散源区、可重复且不干扰交通的调查技术；车载TML在长走廊落石易发边坡系统调查中的应用仍较少，其覆盖度、数据质量、效率和操作限制需评估。为此，研究人员以A22高速公路km 58—71的13 km路段为对象，提出将落石风险排序与TML调查设计和评估相耦合的工作流程，目标是识别并排序可能与高速公路及其构筑物相互作用的潜在落石分离区（Potential rockfall Detachment Zone，PDZ），以风险排序支持TML调查设计和代表性区段选择，并评估TML在空间覆盖、点云密度、运行效率及作为未来监测基线方面的有效性与局限。

关键技术方法（不超过250字）：研究区样本队列来源于意大利南蒂罗尔A22高速公路km 58—71的13 km路段，并采用IFFI落石清单和VISO防护结构清单。易发性制图采用频率比（Frequency Ratio，Fr）与证据权重（Weight of Evidence，WoE）两种双变量统计方法，以10 m像元、269条落石记录按75%训练和25%测试，并以预测率曲线（Prediction Rate Curves，PRC）及曲线下面积（Area Under the Curve，AUC）验证；在700 m缓冲带内圈定55个PDZ。危险性采用落石基准频率与地质强度指数（Geological Strength Index，GSI）矩阵评价；RocPro3D 6.2.2模拟0.5 m和2.0 m块体运动，结合数字表面模型（Digital Surface Model，DSM）、数字地形模型（Digital Terrain Model，DTM）及防护结构评价暴露和脆弱性。TML采用TRIMBLE MX9车载系统四次运行并结合地面控制点（Ground Control Point，GCP）校核，以Cloud Compare计算点密度；两处采用TRIMBLE SX12地面静态激光雷达（Terrestrial Static LiDAR，TSL）对比。

研究结果中，4.1.1 易发性评价：Fr和WoE模型以测试集构建PRC，AUC分别达0.91和0.87；采用真实正例率（True Positive Rate，TPR）上限阈值0.5、0.6、0.9将图件分为4类，高与极高易发性面积均小于研究区5%；两模型空间一致性分析在A22高速公路700 m缓冲带内识别出55个高至极高易发性区域，并圈定为PDZ。4.1.2 频率与危险性评价：落石运动模拟表明55个PDZ中27个的落石轨迹可到达A22；计算频率分为F4至F1四类，并结合GSI进行危险性分级；对0.5 m直径块体，24个PDZ为H4、3个为H3；对2.0 m直径块体，5个为H4、10个为H3、10个为H2、2个为H1。4.1.3 运动轨迹模拟与暴露评价：RocPro3D结果显示可达A22的轨迹主要来自27个PDZ，多位于km 65—72、高速公路大量以高架桥通过的路段；0.5 m块体冲击能始终低于2000 kJ，2.0 m块体可超过该值；少数情形反弹高度高于高架桥高程，单个块体可能跳入桥面；并分析桥墩、路面和隧道洞口与落石的相互作用。4.1.4 脆弱性与风险评价：根据轨迹、冲击能、反弹高度和构筑物受影响比例，0.5 m块体模型有43段、2.0 m块体模型有41段被划为脆弱；风险矩阵显示，13 km中0.5 m模型3.7 km、2.0 m模型3.6 km风险大于R1；R4主要由2.0 m模型贡献，R3在两模型均较常见；建议对R3和R4路段开展单坡尺度深入调查。4.2 车载TML调查：选取19个PDZ评估探测效果，4个区域完全未探测，9/19探测面积比例大于80%，平均可探测相关区域超过70%；平均48%的分离区以高于300点/m²的点密度被探测。Zone 41因高架桥旁近垂直坡面遮挡，仅22%面积被探测且0%点达到阈值。km 65+020—65+470案例中，PDZ 34、35、36被识别为0.5 m和2.0 m块体风险区；79%点密度高于300点/m²，48%高于900点/m²；PDZ 35探测96%，PDZ 34为33%，PDZ 36为0%。Zoom A距高架桥约100 m，点密度一般为300—600点/m²、局部高于900点/m²，10%点云因植被被移除；Zoom B距高速公路约20 m，点密度高于1800点/m²，52%点云因植被被移除；前期GIS模拟预测点密度低于实际。2024年1月末PDZ 34发生落石，源区位于隧道洞口上方陡坡、距道路约150 m，块体停在路面；无人员伤亡，交通中断数小时，随后运营者通过爆破清除不稳定块体并安装新防护结构。该处TML与TSL均于2023年4月调查；TSL探测PDZ 34中42%面积点密度高于300点/m²，略低于TML的49%，两者几乎完全探测了后来成为源区的坡面部分，剩余小部分因坡面变化未能探测；应急期间通过直升机机载移动LiDAR与TSL联合完全探测源区。

讨论部分总结认为，该风险评估方法与相关指南要求相符，集成了统计GIS方法与物理基础三维模拟，并以频率—震级方法结合岩石质量指标评价两个震级类的时间概率，采用矩阵法量化风险等级；大范围分析不可避免引入简化，易发性模型、清单不完整、落石频率、块体尺寸、运动参数和矩阵选择等不确定性未显式纳入风险等级，但此类简化适用于数据稀缺条件下的第一级广域筛查。2024年1月落石位于本研究高风险区，虽单事件不能验证方法，但为该第一级筛查结果与近期落石发生的一致性提供独立定性支持。车载TML因无人机调查受管理限制、TSL沿长路段效率低且安全风险较高而被采用；汽车平台将全线调查时间由数天缩短至约半天，减少人时和慢车道占用，调查车连续行驶、人员无需下车，配合移动施工警示车即可避免封路，安全性程序较简单；GIS预模拟对TML有效性评估具有保守参考价值。TML点密度与TSL相当，且13 km路段TSL成本约为TML两倍；调查在叶期进行，植被遮挡明显，2 km初步分析仅约30%真实地表在点云中；扫描受形态、隧道洞口等结构和仪器最大量程限制；重复调查可探测特定点坐标变化并识别岩块分离，但难以可靠量化落石体积，必要时需TML与航空移动LiDAR集成。结论部分译文：穿越山区的交通走廊落石风险管理日益重要，道路交通因人员与货物流动性增加而增长，且气候变化预计将提高落石发生概率；传统道路或铁路落石风险应对基本是被动的，主要是在已知受落石影响区域实施防护或边坡加固；作为气候变化适应策略，必须以主动方法补充这些措施。主动落石风险管理应从潜在落石源及其发生概率、对关键基础设施潜在影响的空间分布式筛查开始，并改进岩坡调查，以发现和记录未受基础设施影响而未察觉但可能预示更大落石的落石事件。本研究证明，经过合理设计的汽车搭载TML调查可提供足够空间覆盖和点云密度，作为周期采集基线；若经重复调查和跨期变化检测确认，该方法可为高速公路运营者提供将落石风险评估与制图同长期监测耦合的主动框架，提高落石识别和岩坡表征的效率与精度，支持风险评估更新，并指导更详细调查及新防护或边坡加固措施设计的主动规划。