毫米级感知智防道路变形——善图科技PS-InSAR+LSTM高速公路变形监测预警方案

在交通路网高效运营的背后，高速公路地表沉降、不均匀变形等隐患正悄然威胁行车安全，传统监测手段效率低、覆盖窄、预测精度不足的痛点，成为道路运维的一大难题。广西善图科技有限公司深耕测绘遥感与人工智能技术融合应用，重磅推出PS-InSAR+LSTM高速公路地表变形智能监测与预测解决方案，以毫米级监测精度、超精准时序预测能力，实现高速路网变形的全域感知、提前预警、科学防控，为交通基础设施安全保驾护航！

核心技术组合：监测+预测双剑合璧破解行业痛点

PS-InSAR永久散射体雷达干涉技术——全域毫米级监测，告别传统局限善图科技采用先进的PS-InSAR遥感监测技术，突破水准测量、GPS测量等传统手段效率低、受环境影响大、难以大范围连续监测的弊端，依托Sentinel-1A等高精度卫星影像数据，实现覆盖广、全天候、自动化、毫米级的高速公路地表变形监测。

技术优势：单景影像覆盖250km幅宽，可对高速路段进行全域扫描，精准提取永久散射体（PS点）变形信息，有效消除大气延迟、时空失相干等干扰，监测结果与水准测量误差小于5mm，为变形分析提供真实、精准的基础数据。

监测能力：可清晰识别高速高填段、深挖段、边坡、箱涵等关键区域的变形特征，精准捕捉年沉降速率、累计变形量等核心指标，快速锁定变形风险点。

技术流程：PS-InSAR技术通过多步骤精准处理卫星影像，最终提取地表形变数据，核心处理流程如下：

图1PS-InSAR技术处理流程

精度验证：选取水准点与邻近PS点累计沉降量对比，验证PS-InSAR技术可靠性，结果如下表表1

表1 PS-InSAR处理结果与水准结果对比分析mm

                                                                            注：PS点累计变形4～9位小数省略。

LSTM长短时记忆神经网络——时序精准预测，提前规避风险

在PS-InSAR精准监测的基础上，善图科技融合自研LSTM深度学习模型，针对高速公路地表变形的时序数据特征，实现变形趋势的高精度、长时序预测，让道路隐患“看得见、算得准、防得住”。

· 技术核心：LSTM模型通过遗忘门、输入门、输出门三重门控结构调控信息流，完美解决传统机器学习模型梯度爆炸、长期信息捕捉不足的问题，模型核心结构如下:

图2 LSTM细胞单元示意图

· 技术优势：相比SVM、CNN、BPNN等模型，预测精度实现质的飞跃，RMSE与MAE均小于0.6mm，预测误差全程控制在2mm以内。

· 模型参数：经过多次调试优化，确定LSTM变形预测模型最优参数，保障模型预测精度与稳定性表2。

表2 LSTM变形预测模型参数

· 预测能力：基于历史变形数据，可精准预测高速关键特征点的未来变形趋势，提前识别沉降速率突变、变形范围扩大等风险，为道路养护、应急处置提供科学的决策依据。

技术应用：精准捕捉高速变形特征，锁定风险区域

本次技术验证选取宁夏同心至海原段高速公路部分路段为研究区（经纬度范围为105°53′34″E～105°53′44″E，36°47′45″N～36°48′9″N），该路段邻近石峡口水库，土体为湿陷性黄土，不均匀沉降病害较为严重，研究区概况如下图3。

图3研究区概况

依托Sentinel-1A卫星影像（51景、56个月）开展监测分析，卫星核心技术参数如下，保障监测数据的高精度与连续性表3研究路段所在影像的Sentinel-1A技术参数。

表3研究路段所在影像的SentineL-1A技术参数

变形速率：研究路段4年半的年平均变形速率呈现明显区域特征，道路两侧小范围抬升（年平均抬升速率≤7.949mm/年），主体部分A、B两处为核心沉降区（年平均沉降速率＞15mm/年，最大达-18.387mm/年），A为高填方路段、B为高路堑路段，如下图4。

图4研究路段平均变形速率图（单位：ｍｍ／年）

累计变形：研究路段56个月累计变形量范围为-76.6155mm至33.1224mm，A、B沉降区的沉降范围随时间逐步向道路主体发展，道路两侧呈轻微抬升趋势，累计变形云图清晰呈现变形演化过程，如下图5。

图5研究路段变形云图（单位：ｍｍ）

模型训练与预测：数据全流程处理，精度全方位领先

数据前处理

选取研究路段A处P1、B处P2两个特征点开展变形预测，采用makima插值法将原始InSAR变形数据处理为时间间隔3d的等时距数据，共555组数据点；按8:2比例划分为训练集（455组）与测试集（100组），并进行归一化处理提升模型训练效率，数据划分结果如下图6。

图6原始数据插值后训练集与测试集划分结果

模型精度对比

选用SVM、BPNN、CNN三种主流模型与LSTM模型进行对比，采用均方根误差（RMSE）、平均绝对误差（MAE）作为评估指标，LSTM模型精度全方位领先，具体结果如下表4。

表4各模型测试集评价结果

误差特征分析

通过误差条带图直观呈现各模型预测效果，LSTM模型预测趋势与PS-InSAR实测趋势高度契合，误差范围远小于其他模型，对沉降速率变化点的捕捉精准度显著优于对比模型。

P1点误差条带：LSTM模型整体误差在0.495~0.837mm之间，沉降速率变化点与实测完全一致，如下图7。

图7P1模型条带误差图

P2点误差条带：LSTM模型整体误差在0.001~0.582mm之间，全程预测趋势与实测高度匹配，如下图8。

图8P2模型条带误差图

结论：4种模型预测误差均在2mm内，但SVM、BPNN、CNN更聚焦局部特征，对长时间时序变化趋势捕捉不足；LSTM模型可精准捕捉长期变形规律，是高速公路地表变形预测的最优选择。

技术应用流程：一站式解决方案高效落地

善图科技将PS-InSAR监测与LSTM预测深度融合，打造从数据采集到风险预警的全流程闭环解决方案，操作高效、结果精准，无需繁琐人工干预：

卫星数据采集：获取多景Sentinel-1A卫星影像、DEM高程数据及精密轨道数据，覆盖监测全周期；

PS-InSAR智能处理：经影像预处理、差分干涉、PS点选取、变形量计算等步骤，提取高速路段全域地表变形数据，生成变形速率图、累计变形云图；

 数据优化处理：通过插值法实现等时距数据补全，归一化处理提升模型训练效率，按8:2比例划分训练集与测试集，保障模型精度；

 LSTM模型训练与预测：基于最优参数构建LSTM模型，对高风险特征点进行变形预测，生成预测曲线与误差分析报告；

风险预警与输出：精准识别变形高风险区域，输出监测与预测可视化成果，为道路运维提供针对性的防控建议。

技术核心价值：四大亮点重塑高速变形监测新范式

精度高：毫米级监测+亚毫米级预测

PS-InSAR监测误差＜5mm，LSTM模型预测RMSE、MAE均＜0.6mm，相比传统模型精度提升40%以上，精准捕捉微小变形趋势，杜绝隐患漏判。

覆盖广：全域监测无死角

突破传统点式监测局限，实现单幅250km幅宽的全域覆盖，可同时监测高速主线、边坡、桥涵、互通等全区域，无需逐点布控，大幅降低监测成本。

效率高：全天候自动化作业

依托卫星遥感与人工智能技术，实现7×24小时全天候监测，数据处理与模型预测全程自动化，相比人工监测效率提升上百倍，大幅节省人力物力。

预警早：长时序趋势精准预判

可对高速地表变形进行长期时序预测，提前识别沉降速率突变、变形范围扩张等风险，实现“早发现、早预警、早处置”，将道路安全隐患扼杀在萌芽状态。

适用场景：全周期守护高速公路安全

无论是新建高速的建设期变形监测、运营期的常态化安全巡检，还是老旧高速的病害排查与养护规划，善图科技PS-InSAR+LSTM双芯技术均可完美适配，尤其针对湿陷性黄土区、高填深挖段、临近水库/边坡等地质复杂路段，能精准捕捉变形特征，为高速路网全生命周期安全管理提供核心技术支撑。

善图科技：以技术创新筑牢交通安全屏障

广西善图科技有限公司深耕测绘地理信息、遥感应用、人工智能技术领域，拥有一支专业的技术研发与落地团队，始终以“技术赋能交通安全”为使命，将前沿的PS-InSAR遥感技术与LSTM深度学习模型深度融合，打造出适配我国高速公路运维需求的智能监测与预测解决方案。

我们不只是数据的采集者，更是道路安全的守护者！凭借精准的监测能力、超优的预测精度、高效的落地服务，善图科技已成为交通基础设施安全监测领域的可靠合作伙伴，为各地高速路网的安全、高效、稳定运营提供坚实的技术保障。

合作咨询|技术交流|项目对接

欢迎各级政府、地勘单位、交通水利部门携手合作，共筑防灾减灾第一道防线！

广西善图科技有限公司

智慧遥感·精准防灾·科技守护安全

标签：滑坡监测  InSAR技术道路监测  地质灾害防治  善图科技遥感技术

免责声明

本文中部分监测成果示意图引用自论文《联合PS-InSAR技术与LSTM模型的高速公路地表变形预测》（作者：蒋中楷等）。

图片仅作技术及成果展示使用，若相关权利人对图片使用有异议，请及时与广西善图科技有限公司联系，我们将第一时间处理删除。