市政工程 / 道路管养 无人化探测 / AI识别 探地雷达 / 预防性养护

某市城市道路地下空洞无人化智能探测与病害普查项目

首次普查发现47处地下空洞隐患,在引发塌陷前成功实施注浆加固,推动养护从"被动抢修"走向"主动预防"

47处
疑似地下空洞/脱空
15-20km
日均检测里程 (传统5-8km)
40%
检测成本降低
全天
无需封路/无需夜间作业
5处
经验证优先处置空洞
项目背景

全国形势与城市现状

全国道路塌陷事故呈逐年上升趋势。据住建部数据,2024年全国共发生道路塌陷1577起,较2023年增长30.8%,直接经济损失超160亿元。该市作为老工业城市,地下管网老化严重,部分主干道已服役超过20年,近年多次发生因地下空洞引发的路面塌陷事故。

传统检测手段局限

此前主要依靠人工徒步巡查和定期雷达检测车抽检。人工巡查仅能发现地表裂缝、沉陷等表象问题,无法探知地下空洞;雷达检测车虽精度高,但依赖专业人员操作、速度慢、费用高,全市道路年检测覆盖率不足15%。

转型目标

引入无人化智能探测方案,实现对全市道路地下病害的高效、全覆盖普查,建立病害时空演变档案,推动市政养护从"被动抢修"向"主动预防"转型。

1577起
2024年全国道路塌陷事故
+30.8%
较上年增长
<15%
传统模式年检测覆盖率

核心挑战

地下隐患不可见
道路塌陷的根本原因在于地下空洞、脱空、疏松体等隐蔽病害,传统巡查手段无法探知。
检测效率与覆盖率的矛盾
现有雷达检测需封闭车道、专业团队操作,单日检测仅数公里,全市上千公里道路全覆盖需数年。
交通干扰严重
检测过程需占用车道,主干道作业对交通影响大,只能夜间作业,进一步拉低效率。
历史数据难以比对
各次检测数据格式不统一、坐标不精确,无法建立病害时空演变档案,难以实现预防性养护。
应急处置被动
塌陷事故发生后才能定位问题点位,缺乏主动预警能力。

解决方案

无人驾驶检测平台

以线控底盘无人车为载体,集成高精度探地雷达系统,按预设路线自动行驶检测;车辆小巧不影响交通流,支持远程监控与多台同时作业。

多频段探地雷达探测

搭载多频段天线阵列,兼顾浅层高分辨率与深层穿透力,探测深度达地下3-5米,精准识别空洞、脱空区、疏松体、含水量异常等隐患。

AI 智能数据处理

雷达回波数据实时上传云端,AI算法自动识别异常区域并标注,自动生成病害列表(坐标+深度+类型+严重度分级),与历史数据比对识别发展趋势。

"检测-分析-决策-反馈"闭环

检测报告自动生成,病害点位在GIS地图按红黄绿分级标注;严重病害自动推送预警,精准派发维修工单,复测核验确保闭环,建立全市病害数据库。

应用成效对比

核心成效指标

日均检测里程提升15-20km(原5-8km)
有效作业时长扩展8-10h(原4-6h)
检测成本降低40%
隐蔽隐患发现47处空洞/脱空

模式对比

维度传统模式无人化智能模式
检测方式人工巡查+雷达车抽检无人车+高精度雷达全覆盖
日均里程5-8公里15-20公里
交通影响需封路/仅夜间作业不封路/白天正常作业
年覆盖率<15%高效全覆盖
病害识别仅地表表象地下3-5米精准探测
养护模式被动抢修主动预防