1. 引言
高速公路下穿涵洞的地势低洼，导致排水不畅、水深信息不明确以及处置反应滞后等问题，经常引发交通堵塞、车辆损坏和人员溺亡，严重威胁人民的生命安全和财产保障。据统计，涵洞工程数量约占桥涵总数60%~70%，平原地区平均每公里1~3道，山岭山区平均每公里3~5道，涵洞工程总造价约占桥梁总额40%左右，并且近年来，南方各省暴雨和短时强降雨等极端天气频发，高速公路涵洞积水的问题显得尤为严重。
美国国家气象局与SM公司合作研发了雨水情报信息自动监测系统，开启了水位监测的先河[1]。日本日立公司进行基于图像的流体高度检测研究以及日本Tsunashima研究组改进了该方法，采用高清摄像头和MATLAB图像识别，理论精度达到0.023 mm [2]。Owen等人在传统图像识别的基础上引入机器视觉算法和边缘检测技术，通过矩阵分析和稀疏表示对水位测量进行研究，将最小测量误差降低了0.8% [3]。我国积水水位监测技术起步较晚，目前高速公路下穿涵洞的积水管理主要依赖警示牌、人工巡查和抽水相结合的模式。警示牌通常设置在涵洞入口附近，由相关人员在墙壁上标注深度标尺，但随着时间推移，标记容易脱落或模糊。人工巡查由管理处的路巡人员负责，但由于涵洞点位分布广泛，巡查耗时较长，存在人工成本高、发现和处置不及时以及无法及时向司乘人员发出警示等问题[4]。此外，视频识别技术可以监测积水，通过摄像头记录水尺图像，并进行数据采集和复检[5]。然而，摄像头的图像质量易受阴雨天气、夜间光线不足和雾霾的影响。一些文献提出使用多个摄像头进行数据融合[6]，尽管可以提高监测精度，但同时也增加了成本并可能延迟系统响应时间。针对传统水尺的局限性，有研究采用荧光水尺和电子水尺作为替代方案[7]，但荧光水尺无法显著改善读取水位刻度的精度，而电子水尺则因需与积水接触且布放位置低矮容易受到损害而失效。近年来，多种手段结合的研究思路在文献中也有报道。如有结合视频摄像头和GIS进行测量和定位，也有摄像头 + 超声传感器的双重测量手段等[8]，这些手段的结合，无疑会增加系统成本。
从信号处理的层面分析，近年来，随着人工智能、深度学习等新技术的出现，学者们也尝试将神经网络应用于积水监测。有使用改进SegFormer-UNet去补偿水位测量中物理水位计的失效部分，从而提升水位测量精度的尝试[9]，也有学者尝试采用字典学习等方法提升机器视觉类方法精度[10]。现有技术的优缺点对比见表1。
Table 1. Comparison of methods
表1. 现有技术的对比
序号 |
技术方法 |
优点 |
缺点 |
1 |
单摄像头[1]-[3] |
直观 |
需要人工判断 |
2 |
人工巡查[4] |
直接 |
费时费力 |
3 |
摄像头 + 传统水尺[5] |
简单 |
受环境影响 |
4 |
多摄像头融合[6] |
精度较高 |
成本增加，响应慢 |
5 |
荧光水尺[7] |
改善夜间精度 |
受环境影响 |
6 |
电子水尺[7] |
精度高，响应快 |
易受损而失效 |
7 |
摄像头 + GIS [8] |
可测得方位信息 |
成本高 |
8 |
摄像头 + 超声[8] |
异构整合提升精度 |
成本高 |
9 |
AI + 摄像头[9] |
图像去噪效果好 |
高延迟，泛化差 |
10 |
字典学习 |
提升机器视觉效果 |
成本高，泛化依赖性强 |
由此可见，国内外学者对于积水监测和预警进行了多样化的尝试，但是由于受限于成本、系统延迟、智能化程度低、环境等因素，设计出的系统功能较为单一，因此设计出非接触式、小体积、智能化的高速公路涵洞积水便携式无线传感器并实施应用是十分必要的。
本文拟开展适用于高速公路涵洞积水监测的便携式无线传感器，基于毫米波雷达和激光雷达数据，实现特征层面的双波长数据融合，具有环境适应性强、成本可控、实时响应、低功耗等优点。
2. 高速公路涵洞积水便携式无线传感器设计
2.1. 总体设计
水位计主要由电池模块、毫米波雷达模块、激光雷达模块、4G通信模块和控制电路等部分组成。设计原理框图如图1所示，系统板上面具有控制电路、电源管理模块、串口通信模块、4G通信模块等组件。锂电池与电源管理模块连接，激光雷达模块和毫米波雷达模块与系统板上的串口通信模块相连接。
Figure 1. Diagram of design for sensor
图1. 传感器总体设计原理框图
2.2. 电池模块设计
电池模块主要用于向传感器进行供电。模块内电源采用18650锂电池组，电池电量可通过主电路板采集并对外发送。为了进行连续48小时的长时间工作，电池规格选择12 V/12000 mAh。实际选型中采用德力普18650锂电池组。
外部供电兼容两种模式，即标准直流电源(实验室)或者太阳能电池(户外)。模块电源额定电压16 V~32 V。模块供电逻辑如下：
(1) 采用标准电源供电时，负载采用外部电源供电，同时外部电源为电池充电；
(2) 采用太阳能电池供电时存在两种情况：当太阳能电池有输出时，负载采用太阳能电池供电，同时太阳能电池为内置电池充电；当太阳能电池无输出时，负载采用内置电池供电；
(3) 开关仅对负载模块进行开启及关断，不影响内置电池的充电。
2.3. 毫米波雷达模块设计
毫米波雷达模块采用60 GHz雷达模组，电路板设计如图2所示，数据采用485总线输出，可实现50 m范围的距离测量，测量精度达± 2 mm。
Figure 2. PCB of 60 GHz radar module
图2. 60 GHz雷达模组电路板
雷达板接口采用8p双排插座，电路原理图如图3所示。这里我们采用WAVE_Power脚控制激光雷达的上电/去电，从而实现功耗控制。
Figure 3. Schematic of radar module
图3. 485雷达板接口原理图
2.4. 激光雷达模块设计
激光雷达模块采用M8xx激光测距模组，可实现60 m范围的距离测量，测量精度达± 1 mm。激光雷达模块采用TTL电平与控制电路的串口通信模块相连接。激光雷达接口采用4pin，原理图如图4所示。
这里我们采用Laser_Power脚控制激光雷达的上电/去电，从而实现功耗控制。
Figure 4. Schematic of Laser radar
图4. 激光雷达接口原理图
为保护激光雷达镜头的安全，在激光雷达安装完成后，其镜头外部有专门的激光雷达保护盖。测距模块在安装现场安装时，保护盖装在镜头外部进行保护，避免工具、砂石尘土等损坏激光雷达镜头，待测距模块安装完成后方可拆下保护盖，开始调试使用。激光雷达采用匹配插件与主控电路板连接。
激光雷达的测试精度与环境的光照条件、被测物体的发射率等高度相关，其在室外高照度条件下的实际测量距离及精度需要根据实测的结果进行综合评估。
激光雷达的测量精度比毫米波雷达高，但是激光雷达更易受环境影响，因此，我们在后文会设计算法实现两者数据融合。
2.5. 4G通信模块设计
4G通信模块拟采用物联网4G技术，包括物联网4G模块及发射接收天线。物联网4G模块采用WH-LTE-7S1型号，直接安装在主电路板上。天线本体带有吸盘，可根据信号质量调整放置位置，电路设计如图5所示。
这里我们采用4G_Power脚控制4G模块的上电/去电，从而实现能耗控制。4G模块通过UART1_TX和UART1_RX连接到控制电路的串口通信模块中。
2.6. 控制电路模块设计
控制电路采用国产兆易创新GD32F407VGT6作为主控芯片。该款芯片采用LQFP100封装，引脚数为100 Pin，脚间距为0.50 mm。内核采用ARM Cortex-M4，主频达到168 MHz，内置高级DSP硬件加速器和单精度浮点单元(FPU)，支持所有ARM单精度指令和数据类型。集成了6xU(S)ART，3xI2C，3xSPI，2xI2S，支持高速通信接口USB FS + HS OTG，Ethernet，CAN2.0B，支持3x12bit ADC，2x12bit DAC，提供多达82个I/O端口。控制电路设计如图6所示。
Figure 5. Schematic of 4G module
图5. 4G模块及伺服电路原理图
Figure 6. Schematic of controller
图6. 控制电路原理图
2.7. 结构件设计
结构设计考虑到了如下几个方面：
a) 内部结构设计保证各功能部件、电路合理排布，安装可靠牢固，使得产品能够满足一定的抗力学能力；
b) 考虑了模块的防水性能要求，所有对外接口采用水密接口，并加装密封垫，盖板与结构主体之间加装密封条。
结构件包括结构主体、盖板、激光雷达保护盖、毫米波雷达罩、激光雷达固定板及电池固定板。
结构主体采用了一体化设计。考虑到水位计装配过程中涉及功能模块装配、电路装配、点胶、检验、调测试等多个工序及环节，不同的模块部分进行了布局上的有效分离，便于在单个工序完成之后及时进行保护处理，可有效避免装配、调试、组合转运、工序交接等环节中引入静电、多余物、外物损伤等质量隐患。结构设计方案如图7所示。
(a) (b)
Figure 7. Structural design diagram: (a) 3D diagram of structure; (b) size and inferface of structure
图7. 外壳结构设计图：(a) 外壳结构3D图；(b) 机械接口尺寸图
3. 双波长数据融合算法设计
双波长数据融合算法设计如图8所示。具体步骤如下：
(1) 传感器上电后，首先进行激光测距工作：根据激光雷达模块输出信噪比N的数值，判断激光测距信噪比N是否大于等于设定阈值N1，如果N ≥ N1则获得测距结果LN并转入毫米波测距；如果N < N1则进行激光测距模块输出光功率判定，如果达到最大光功率则设置激光测距信噪比N = 0并转入毫米波测距，如果未达到最大光功率则提高输出光功率后再次进行激光测距直至转入毫米波测距。
(2) 其次，使用毫米波雷达模块进行毫米波测距，判断毫米波测距信噪比M是否≥设定阈值M1，如果M ≥ M1则获得测距结果LM并转入测距结果绝对差判定；如果M < M1，则设备报错检查设备，并由4G通信模块输出。
(3) 再次，进行测距结果绝对差判定，判断激光测距结果LN和毫米波测距结果LM的差的绝对值ΔL与设定阈值L1相比较，如果ΔL ≤ L1则转入测距数据融合计算；如果ΔL > L1，则设备报错检查设备，并由4G通信模块输出。
测距数据融合计算方法如下：
(1)
最后，通过4G通信模块输出融合测距结果或测距错误信息。
上述过程中，阈值N1、M1和L1可作为通信设置参数，根据不同应用场景需求来调整数值大小。
本方法可以发挥激光测距和毫米波测距的优点，克服激光测距具有受外界光干扰大的缺点，克服毫米波测距具有测距位置分辨率低的缺点。相比现有独立的激光测距仪和毫米波测距仪，本方法兼具抗光干扰强、测距数据可靠性高的特点。
Figure 8. Flowchart of dual-wavelength data fusion algorithm
图8. 双波长数据融合算法流程图
4. 高速公路涵洞积水便携式无线传感器试点应用
为了验证我们设计的基于双波长数据融合的高速公路涵洞积水便携式无线传感器，在杭州绕城西复线S43德清段选择5处试点，分别为：K40 + 300一处(试点1)，新市西内广场一处(试点2)，武康枢纽两处(试点3和4)，以及K8 + 250一处(试点5)，如图9所示。
Figure 9. Location of tests
图9. 试点位置分布图
此外，我们还在杭宁高速湖州段K2244 + 932和K2265 + 200两处下穿涵洞布设传感器。传感器沿地势最低处安装，如图10所示。图中(a)~(e)分别对应S43试点1~5，红圈部分标出了传感器。
实测数据如表2所示。表2中所测得的值是从各个试点现场安装位置到液面的测量距离，而通过传统水尺或米尺实测所得数据则由人工记录以进行对比和复核，如图10(g)所示。数据选取2023年8月~2024年12月间的典型数据。
此外，我们开发了涵洞水位监测可视化平台，如图11所示。
Figure 10. Installation of sensors, (a)~(e): S43 Pilot 1~5; (f)~(g): Pilot 6~7
图10. 传感器布设图，(a)~(e)：S43试点1~5；(f)~(g)：杭宁高速试点6~7
Table 2. Experimental data of pilots
表2. 试点实测数据
试点 |
传感器测值/mm |
米尺测值/mm |
误差/mm |
1 |
3104 |
3102 |
2 |
2 |
2316 |
2315 |
1 |
3 |
2187 |
2188 |
−1 |
4 |
2537 |
2535 |
2 |
5 |
2245 |
2243 |
2 |
6 |
2226 |
2225 |
−1 |
7 |
2527 |
2528 |
1 |
Figure 11. Platform for water level monitoring of highway culvert
图11. 涵洞水位监测可视化平台
系统从2023年8月上线，至今已有1年时间，我们分别在不同的天气和光照条件下进行测试，并与水尺等现有水位监测方法进行比较(见图11左中侧)，实测传感器精度优于± 3 mm。
5. 结语
本文针对高速公路下穿涵洞积水问题，设计出一款基于双波长数据融合的高速公路涵洞积水便携式无线传感器。该传感器由锂电池、毫米波雷达、激光雷达、4G通讯模块和控制电路等部分组成，并分别对各组件从原理图设计和功能设计方面进行了说明。我们通过双波长数据融合算法设计实现毫米波雷达数据和激光雷达数据的双波长融合，相比现有独立的激光测距仪和毫米波测距仪，本方法兼具抗干扰能力强、测距数据可靠性高的特点。该传感器在杭州绕城西复线S43湖州德清段内5处下穿涵洞及杭宁高速2处涵洞完成了安装布设，实测传感精度优于± 3 mm。本文设计实现的基于双波长数据融合的便携式无线传感器，可应用于高速公路涵洞积水监测，具有推广应用价值。
在传感器开发过程中，我们发现通过分体式设计，传感器体积还可以进一步减少，因此未来的工作包括但不限于成本的进一步降低、体积的进一步减少、功耗的进一步优化等。
NOTES
*通讯作者。