基于5G技术的实时三角测绘在测绘信息中的应用

摘要:本研究基于5G技术的实时三角测绘在测绘信息中的应用案例。通过瀑布式开发模型，本文在明确使用三角控制测量法的前提下，使用5G技术及其带来的分布式计算技术和自适应组网技术，对基于5G技术的实时沉降三角测绘系统进行了开发，通过组网测试，发现该系统的测量精度与使用全站仪人工测量精度相当，且系统部署过程并未对原有的IDC核心节点增加任何设备，系统稳定性、可靠性良好，与原有IDC设施的兼容性良好。所以，本文认为，5G技术在沉降控制测量任务中具有极大的技术优势。

关键词:5G技术;分布式计算;三角测绘;沉降控制;IDC兼容

0引言

5G技术给互联网技术带来的最大变化是边缘计算逐步取代云计算，同时将节点间的蚁群协同和自适应动态组网成为短期内互联网技术发展的新常态。传统的土地沉降测绘工作需要布置固定测点组成三角测绘网络，使用全站仪每隔时间周期进行三角测绘，耗费人力资源较多[1]。同时因为测量工作对测量区工农业生产及交通产生影响，或使用有线网络连接实时测量探头，实现有线网络和云计算IDC中心支持下的实时测绘，但这种测量方式涉及的网络线路维护量较大，且难以实现节点的自适应动态组网。所以，随着5G技术的普及，在5G技术架构上对沉降底层进行基于三角测绘技术的土地沉降控制测量，将成为未来沉降控制测量技术的必然发展趋势[2]。

15G技术的新变革

第五代移动通信技术(5G技术)的本质是移动通信带宽的提升，5G技术蜂窝网络的实际运行理论带宽可以达到10Gbitps，与4G技术下的LTE技术相比，其带宽达到后者的100倍以上，而该介入带宽达到了传统IDC云计算核心接入带宽，甚至较部分早期IDC云计算核心接入带宽的10倍以上。所以，在5G技术支持下，大部分以往在4G技术支持下的无线接入可以实现更多的数据交换功能和协同计算功能[3]。所以，在5G技术支持下，可以在当前的嵌入式系统和分布式系统下实现以下功能变革。

1.1分布式计算功能

4G模式下的云计算核心思路是通过构建集中大量计算资源的IDC计算中心，充分分担外围节点的计算任务，通过外围节点向IDC节点发送需求，经过IDC核心节点计算处理后将计算结果返回到外围节点。外围节点一般只负责数据采集和结果显示。但是，随着计算业务的计算需求逐年增加，IDC核心节点的计算能力和其接入带宽成为当前云计算系统的两大瓶颈。

5G技术逐渐普及后，目前大部分外围节点的计算能力和计算资源已经基本与早期IDC核心节点的单个服务器计算能力和计算资源基本持平，外围节点之间可以进行更加密切的不经过IDC核心节点的相互数据交流。配合早期曾经试行但因为网络带宽限制无法全面推广的蚁群算法和种子算法，让外围节点配合更多的计算工作并绕开IDC核心节点进行更多P2P数据交流，成为当前分布式计算的互联网支持模式[4]。

分布式计算模型下，IDC核心节点更多地承担了系统内的负载均衡、合约登记等功能，虽然这种分布式计算仍然需要IDC核心节点做出支持，但IDC核心节点的计算压力和接入带宽压力得到有效缓解。而且，基于区块链BC技术的自动合约和联合数据库技术，还可以实现完全抛开IDC核心节点的完全分布式计算模型。如图1所示。

1.2自适应组网功能

云计算模型下，所有用户必须在IDC完成注册并得到确认后才可以获得IDC的计算支持，如图1(左)所示，这一计算过程一般需要用户提出表单申请，在IDC核心节点的维护中，往往需要由人工团队协助完成用户确认或用户访问合法性监测。所以，在云计算模型下，系统维护机构一般要布置系统开发维护团队、编辑运营团队、机房运维单位等，部分大型云计算项目中，核心节点的维护人员可能达到千人级别。即便是用于沉降控制测量的云计算项目，可能也需要数十人的团队才能实现对相关IDC核心节点的维护任务。

早期4G模式下，用户之间的信息交互和用户侧的计算任务有所增加，但系统接入时，仍需要在网络层之下，包括数据链路层和物理层给予人工维护才可以完成相关的系统节点登录工作，如图1(中)所示。目前，大部分的工程监控系统均已经实现了该模式的部署，各子系统的IDC中心节点与监测区的核心IDC节点之间实现了分布式计算，部分数据采集探头的嵌入式终端也会分担部分数据预整理任务。但如果系统对测量节点进行增删改操作，仍需要较大的人工维护量支持。

5G技术支持下，节点之间的交互协同已经基本完全摆脱了当前技术需求下的带宽限制，节点之间可以形成更加丰富的数据传输，基于区块链BC网络模型的自动合约协议组，同时基于节点间在4G网络下基本普及的P2P数据传输协议组，基本可以实现节点的实时自动化增删改，实现节点的自适应组网。如图1(右)所示。

2沉降控制测量的任务需求分析

沉降控制测量一般用于3种环境:河道堤坝因为水蚀环境和渗流环境造成的沉降控制测量、井工冐落式开采造成的地面大面积沉降控制测量、护坡工程中对边坡的沉降控制测量。3种测量环境需求均需要持续对测量点进行反复测量，以形成比较数据，从而分析沉降幅度和沉降速率[5]。不论哪一种测量环境需求，其测量目标均包含以下两点。

2.1对沉降控制点的三维高精度位移测量

测量沉降控制点在XY轴的水平位移并测量沉降控制点的Z轴高程位移，可以得到沉降控制点的三维位移数据，当前使用全站仪对其测量的精度可以控制在±5mm范围内，但对大部分沉降控制点来说，其年度位移幅度一般在数十毫米到百余毫米，如果每天进行测量，其每日位移量一般在测量误差内，很难实现更高精度的实时动态测量。特别是针对井工冐落式开采造成的地面大面积沉降的测量过程中，受到井工开采造成的地表微震影响，其测量结果的震荡幅度较大，测量结果的信噪比较低，会严重影响其测量精度和数据价值。这些数据的后续挖掘工作量较大，挖掘成本较高。

2.2充分加大测量点的分布密度

采用嵌入式设备进行实时测量，增加数据量成为提升该测量结果的最终挖掘结果精度。但是，从上述3种组网模式分析，前两者增加节点会给系统IDC核心计算的运维工作带来巨大压力，所以其实际测量点密度不可能得到有效提升，且测量点布局后需要保持初始位置，很难构建动态测量网络。只有采用5G技术支持下的第3种组网模式才可以实现对所有测量节点的高效动态管理。即5G网络技术支持下，可以大幅度增加沉降控制点的组网密度，为高精度沉降控制测量提供数据基础。

2.3测量目标的相互促进

传统的三角测绘控制网络，采用红外激光照射反射的方式进行测量，测量延迟小，测量精度高，但此模式下很难实现一个测量点与多个测量点之间构建测线，一般一个测量节点对3—5个测点之间构建测线已经达到了此类系统的理论极限。且激光照射法受到光污染、遮挡物等诸多因素影响，所有测点必须加高安装位置，且在算法上屏蔽足够多的干扰光源影响，数据挖掘难度大，计算资源占用率高，在嵌入系统中实现分布式计算的可行性较低，可用性较低，可靠性也较低。5G技术驱动下，通过GPS/BDS双模卫星定位与平差算法相结合，配合微波高透过性的距离高精度相位测量法，可以通过加大测点密度和提高测量精度配合的方式使测量精度大幅度提升的同时实现对测点密度的有效提升[6]。

3基于5G技术的控制点设备设计

为了有效控制系统发出微波发送信号到微波发出的时间差和微波接收到系统记录之间的时间差，该设备使用单独的报文生成ARM嵌入系统和单独的报文分析ARM嵌入系统执行微波发送和微波接收任务。两个设备只执行对应的微波发送任务和微波接收任务。设备中的时钟时序控制同步信号来自GPS/BDS系统的原子钟模块，所以，在进行微波测量的同时使用GPS/BDS双模定位仍有必要性。系统共有4组天线，其中包含1组微波发出天线、1组微波接收天线、1组GPS/BDS双模卫星天线、1组5G通信天线。微波发出天线和微波接收电线均为全向天线，5G通信天线为干涉天线，GPS/BDS天线为整合多频天线。

设备中使用的3组ARM嵌入系统中，核心ARM负责获得GPS.BDS原子钟时钟时序信号并同步给报文合成ARM嵌入系统和报文分析ARM嵌入系统，同时控制TF大容量存储模块和5G通信模块，对TF大容量存储模块中的存储数据进行基于MYSQL的远端大数据管理和对5G信号报文进行合成和分析。报文合成模块通过核心ARM给出的报文发送节拍组合并发出报文，报文分析ARM嵌入系统根据接收到的报文数据打包成时间差数据包并转发给核心ARM嵌入系统。报文分析ARM嵌入系统并不就接收报文进行深度挖掘分析，以减少其计算业务量，确保其系统响应效率。核心ARM嵌入系统根据报文分析ARM嵌入系统给出的报文打包数据，分析其接收到的信息量，得到每个发送节点距离本机接收天线的距离。

因为该系统计算到的设备距离为A设备发送天线到B设备接收天线之间的距离，则其天线的水平位置应该保持一致，即两组天线应该采用垂直对齐安装的方式进行布局，发送天线应该在设备之上正向安装，而接收天线应在设备之下逆向安装。因为天线之间的垂直距离基本一致可以根据设备特性计算两组天线之间的电气等效距离以确保高度数据的逻辑相似性与设备安装高度无关。

进入到侦听阶段，其他处理环节交给其他核心处理。使用2个计算核心用作本机时钟时序的读取和对报文的读取，并在二级缓存中寄存其获得的数据。第4个计算核心用作将系统已经读取的时钟时序和读取的报文信息进行报文合并，并申请与核心ARM嵌入系统的通信，将该报文发送到核心ARM嵌入系统。如果短时内报文分析ARM嵌入系统不能与核心ARM嵌入系统进行通信，则由第4计算核心将二级缓存中的数据备份到RAM动态存储器中，并持续进行通信，此时报文分析ARM已经在最高效率下将报文信息固定，所以此流程可以在任意多个CPU周期内完成。

之所以使用图4中的计算资源利用模式，是因为在高密度测点环境下，设备节点间的距离一般小于100m，根据大气中微波传输速率略小于光速C计算，其传输时间约为2.998μs，如果系统运行在2.0GHz下，一个CPU周期的时间为0.0005μs，如果系统运行延迟超过100个CPU周期，即可能产生超过0.05μs的测量误差，误差率即达到1.67%，远远超出了系统的容忍度。且此系统误差中，应该将其延迟时间尽可能固定，形成固定系统误差而非随机系统误差，以方便系统后期对其误差的控制。

4.2计算资源利用效率及设备系统误差分析

设备发出信号到设备接收信号的过程中，受到的干扰因素较多，假定发出信号设备将报文设定为唤醒码、设备IDSN码、发出信号的时序标识码、信号校验码、报文结束标识码，共5段，则接收设备会根据设备IDSN码确定信号源身份，通过发出信号的时序标识码与接收唤醒信号时的本机时序计算出时间差，从而获得两台设备的精确距离。其信号处理流程如图4所示。

根据图4，信号分析ARM嵌入系统至少需要4个相对独立的数据处理核心，其中1个独立计算核心用于对微波环境进行侦听，发现唤醒码后激活流程，后该核心持续式中，ΔT为系统测量的时间差与真实微波传输时间差之间的差值，该差值一般为正值;TD为系统传送8位唤醒码所需的调制时间;TS为图3中微波发送模块从数据包打包到信号发出使用的CPU时间;TR为图3中微波分析模块从接收到唤醒码到读取系统时钟所用的CPU时间;fΔC为大气密度、大气质量、大气湿度、大气压力等自然参数干扰下光速减缓导致的系统延时。

除fΔC为随机误差外，其他干扰量基本均为固定误差，所以通过公式(11)可以基本实现对本文系统测量值的有效修正。且因为fΔC远小于ΔT，其干扰因素基本可以从平差计算中予以平衡。

4系统的组网与运维管理

4.1基于5G分布式计算的组网模式

根据图1，本文每个节点使用3个独立的ARM嵌入式系统进行分布式计算，每个ARM嵌入系统拥有至少4个计算核心，运行主频达到2.0GHz，运行RAM动态内存超过8GByte，系统内布置一个超过32GByte的TF大容量存储模块，且系统运行带宽运行在10Gbitps的5G网络上，所以每个节点有足够的计算资源和足够的交互带宽用于基于图1(右)所示的完全分布式计算条件。即每个分布式系统均可以独立完成对整个三角网络的精确定位运算。通过合理的PaaS开发，使每个系统内均动态存储完整的、持续的三维三角网络变化趋势数据库，数据库规模可以超过16GByte，可以基本满足系统的运行需求。所以，基于5G技术，可以实现完整的分布式计算组网。

4.2网络的自适应组网运维

当一个新节点投入运行时，系统会有一个独立的IDSN识别码，该识别码发送位置信息后，其他微波覆盖范围的节点设备接收到该报文，会自动将该节点编入三角测绘网络数据库。所以，新节点投入网络后，并不需要对系统进行任何额外设置，系统可以自主完成自适应组网。所以，本文网络完全符合5G网络支持下的自适应组网需求，最大限度地减少了系统运维的工作量。且当一个新节点因为故障或运维需求撤出网络后，仅是该设备的IDSN码对应的位置信息不再从其他设备中显示，并不会对系统运行带来故障。所以，本文设计的沉降控制测量三角测绘网络，并不会因为某个节点设备的投入或者撤出带来运行故障，也不会影响最终测量结果的稳定性、可靠性、可用性，系统可以安全稳定地投切单个节点设备，完全符合自适应组网的需求。

4.3分布式组网与监控IDC的数据结合

因为本文研究的3个沉降测绘需求条件，包括土石坝沉降测绘、井工冐落式开采沉降测绘、边坡沉降测绘等，其管理系统中因为历史原因已经构建了完善的IDC机房，所以，本文系统也应该兼容IDC机房的功能。对于大部分相关IDC机房设备来说，其中多运行测绘区域相关的大数据系统、数据挖掘系统、人工智能系统、安全数据监测及预警系统、IIS服务系统等，这些系统均可以从本文网络系统中任意主机通过5G网络读取数据库信息，完成数据库远程备份，数据深度挖掘及可视化分析，分析结果的IIS服务等，充分扩充本文系统的功能，但不会影响本文系统的实际运行效率和可靠性[8]。所以，本文系统虽然采用了分布式组网模式，但仍可以与前置部署的IDC系统实现较为完美的融合。

5结束语

本文研究中，对该系统进行了黑箱测试，与全站仪测量数据相比，发现平均测量误差为±3.69mm，符合系统设计确保测量误差低于±5mm的设计需求，且该误差范围在全站仪本身±5mm的系统误差内，基本可以实现与全站仪人工测量等同的测量精度。系统并入IDC云计算网络后，发现系统性能未发生显著下降，系统表现出了良好的兼容性和可靠性。同时，本文系统将之前基于4G网络的人工投切沉降测绘系统最小三角网边长从340m调整为65m，测量控制点密度得到了有效提升。

通过分析，本文认为，基于5G技术的沉降控制测量系统存在显著的技术优势，通过引入5G技术及其延伸的自适应组网和分布式计算，未给原有的基于IDC云计算系统增加任何核心设备，所以，5G技术用于完成沉降控制测量任务具有极大的技术优势。

参考文献:

[1]孙赫，陈巍然，牛玉芬，等.基于InSAR的矿区沉降中心动态变化监测与分析[J].大地测量与地球动力学，2020，40(3):276-280.

[2]王军，郭毕钧，冯国森，等.巨型溶洞回填处置与超厚回填体沉降机制研究[J].岩石力学与工程学报，2020(3):608-620.

[3]袁铭翔.无人机航测在农村不动产权籍调查中的应用[J].中国新技术新产品，2020(12):9-10.

[4]陈成斌.基于无人机倾斜摄影的房地一体化农村宅基地测量方法[J].测绘与空间地理信息，2020，43(3):197-200.

[5]冷红伟，陶秋香，刘国林.基于融合多视和全分辨率的矿区沉降监测[J].煤矿安全，2020，51(2):124-127.

[6]冯德威.富水液化砂层土压平衡盾构掘进地表沉降控制技术[J].科技创新与应用，2020(3):158-159.