铁路工程地质勘察智能化技术研究现状与发展趋势.pdf

收稿日期:20230106基金项目:中铁工程设计咨询集团有限公司科技开发计划重点课题(数字-研 2022-4)。作者简介:薛宇腾(1990),男,2015 年毕业于中国地质大学(北京)地质工程专业,工学硕士,工程师,E-mail:316905149 。文章编号:16727479(2023)05007306铁路工程地质勘察智能化技术研究现状与发展趋势薛宇腾 黄新文 赵 非(中铁工程设计咨询集团有限公司,北京 100055)摘 要:铁路工程地质勘察智能化技术已经成为企业数字化转型的关键之一,为提升勘察数字化水平,本文从地质遥感智能化、地质勘察数据采集与管理智能化、地质建模与数据应用 3 个方面,对智能化技术研究现状进行评述,并分析其发展趋势。研究表明,得益于航天航空遥感、合成孔径雷达干涉测量、智能识别等技术的发展和应用,地质解译识别率、精度和效率得到提升,基于多源遥感数据,应用智能化技术进行地质遥感解译是未来发展趋势;地质勘察智能设备和系统已逐步进入实际应用,改善了数据采集与处理方式,企业级勘察数据标准初步建立,形成了勘察数据智能化管理方案,还需加强基于空天地一体化勘察数据采集与管理方法的研究;针对铁路等线状工程的三维地质建模技术已形成,通过数据交换标准的制定和接口的研发,地质模型数据已在三维协同设计中得到应用,未来应重点研究具备自主知识产权的三维绘图平台,并建立铁路行业级数据标准。关键词:铁路工程;地质勘察;智能化技术;地质遥感;数据采集;地质建模中图分类号:U212.2;TP391 文献标识码:ADOI:10.19630/ki.tdkc.202301060002开放科学(资源服务)标识码(OSID):Research Status and Development Trend of Intelligent Technology on Railway Engineering Geological InvestigationXUE Yuteng HUANG Xinwen ZHAO Fei(China Railway Engineering Design and Consulting Group Co.,Ltd.,Beijing 100055,China)Abstract:Intelligent technology of railway engineering geological investigation has become one of the key points of digital transformation of enterprises.In order to improve the level of investigation digitization,this paper reviews the research status of intelligent technology from three aspects:geological remote sensing intelligent technology,geological investigation data acquisition and management intelligent technology,geological modeling and data application,and analyzes the development trend.It is concluded that,thanks to the development and application of aerospace remote sensing,synthetic aperture radar interferometry,intelligent recognition and other technologies,the recognition rate,accuracy and efficiency of geological interpretation have been improved.Based on multi-source remote sensing data,the application of intelligent technology for geological remote sensing interpretation is the development trend.The intelligent equipment and system of geological survey have been gradually applied,the method of data acquisition and processing has been improved,the enterprise survey data standard has been preliminarily established,and the intelligent survey data management scheme has been formed.At present,the research of data acquisition and management method based on integrated of“space-air-ground”should be strengthened.3D geological modeling technology for railway and other linear projects has been formed and gradually applied.37铁路工程地质勘察智能化技术研究现状与发展趋势:薛宇腾 黄新文 赵 非Through the formulation of data exchange standards and development of interfaces,geological model data has been applied in 3D collaborative design.In the future,3D drawing platform with independent intellectual property rights should be researched and railway industry-level data standards should be established.Key words:railway engineering;geological investigation;intelligent technology;data acquisition and management;geological modeling 在全球数字化融合不断深入、人口红利逐渐衰退、建设工程复杂度日益提升的时代背景下,铁路工程地质勘察智能化已经成为发展趋势,也是设计咨询服务类企业实现数字化转型的关键。铁路工程地质勘察智能化是基于 BIM、GIS、大数据等信息化技术手段,以高效、准确解决工程地质勘察问题为目标的全新作业体系。传统铁路勘察作业方式在面对复杂地质条件时,存在效率低、工作成本高等缺点。新技术的发展使得智能化技术研究与应用成果的不断丰富,为铁路项目提供全生命周期、全要素感知、全过程控制的数字化信息资源与智能化应用工具。以下从地质遥感、勘察数据采集与处理、地质建模与应用 3 个方面,总结铁路工程地质勘察智能化技术研究现状,并对发展趋势进行分析。1 地质遥感解译智能化技术研究现状地质遥感解译技术能够宏观、全面、动态地获取铁路勘察区内的地质信息,是铁路地质勘察的重要手段。21 世纪以来,为了提高解译的准确性、高效性以及自动化程度,众多学者开展地质遥感解译智能化技术的应用研究。1.1 高分遥感数据地质解译高分辨率遥感数据具有地物纹理信息丰富、成像光谱波段多、重访时间短等特点,能够更好地反映出地质对象的形状、纹理等特征,基于面向地质对象的解译方法具有较高的识别精度,其流程见图 1。图 1 面向地质对象的解译流程张群利用 GeoEye-1 和 WorldView-2 高分遥感影像作为数据源,分别采用基于像元和面向对象的影像解译方法进行分析1;SALONI JAIN 等结合图像和地形数据的光谱、纹理和几何特性,应用合适的规则集和基于目标的图像分析 OBIA 术来识别滑坡带,该方法克服了传统基于像素分类方法的弊端,可快速评估极端降雨事件引起的滑坡2;彭令利用资源三号卫星和高分一号卫星高分辨率遥感影像,以“512”特大地震后汶川震区的影像为数据源,对滑坡的空间分布及其特征分区进行判释3。总体来看,以多种高分遥感影像作为基础数据,构建地质解译对象的光谱、纹理、几何等特征信息,开展地质灾害特征分析和解译是主要方向。应用该技术,能有效提升地质对象及特征的识别率,部分区域的滑坡识别准确率达 81%1.2 机载 LiDAR 数据地质解译机载航空摄影测量或机载 LiDAR 技术能够有效过滤 植 被 等 影 响,获 取 高 精 度 的 数 字 高 程 模 型(DEM)。其高精度的特点推动了不良地质判释向定量化发展4,如图 2(a)所示,通过高精度 DEM 即可定性解译出黄土陷穴,同时利用精度高的特点可对黄土陷穴的深度、宽度等形态参数进行解译,见图 2(b)。图 2 某项目黄土陷穴解译由于机载 LiDAR 数据具有分辨率高、时效性好的优势,吸引国内外众多学者开展相关应用研究。贾虎军等基于无人机载 LiDAR 和倾斜摄影技术,获取不良地质区域的高精度的地形地貌勘测数据,基于山体阴影、坡度、等值线等精细微地形地貌参数,开展滑坡等47铁 道 勘 察2023 年第 5 期地质 灾 害 定 量 分 析,判 定 灾 害 边 界5-6;P.V.GORSEVSKI 等使用源自 LiDAR 的 DEM 模型衍生物的山体阴影图,结合人工神经网络(ANN)方法和反向传播方法检测浅层滑坡7;B.PRADHAN 等采用小波变换技术融合高分辨率 LiDAR 数据与 QuickBird 卫星图像(2.6m 空间分辨率),对滑坡位置与其他土地利用/覆盖区进行区分8。目前,LiDAR 数 据 的 点 云 平 均 密 度 可 达 40个/km2,平面中误差、高程中误差均为厘米级。基于LiDAR 数据的遥感解译,能够极大提升地质对象形态特征的解译精度。1.3 InSAR 数据地质解译InSAR 技术具有全天候、全天时、高分辨率的特点,在特定条件下,能够周期性获取较大范围内地表垂向形变信息,以及观测形变速率变化,故在大范围滑坡隐患排查与稳定性分析中应用广泛9。某滑坡时序InSAR 形变监测结果见图 3。图 3 某滑坡时序 InSAR 形变监测结果部分学者将 InSAR 技术应用于不良地质调查与监测的研究。ACHACHE J 等针对某滑坡,进行 D-InSAR 位移监测与现场位移调查的结果对比,认为InSAR 技 术 适 用 于 滑 坡 等 不 良 地 质 的 监 测10;COLESANTI 等证明 PS-InSAR 技术能够有效减少植被覆盖的影响,并且形变监测精度能达到毫米级11。D.Di MARTIRE 提出一种综合检测系统,可以通过卫星合成孔径雷达(SAR)数据进行原位和持续散射(PS)数据对比12。T.KONISHI 利用高分辨率卫星图像进行滑坡快速响应,基于 COSMO-SkyMed 灾前和灾后图像进行快速影响评估13。国内 InSAR 技术应用较晚,但近年来发展较快。朱武等克服 InSAR 技术中的时间去相关性的限制,通过将 CR-InSAR 技术与 GPS 结合进行滑坡变形监测,获取了更高精度的毫米级监测成果14。戴可人等通过哨兵一号遥感数据源,利用时间序列 InSAR 技术对雅砻江流的高山峡谷区域进行滑坡灾害判释与监测,并对探测结果进行了验证15。综上所述,应用 InSAR 技术可长期、大范围监测区域内地质对象的形变,其扩展衍生出的多种技术手段,可在一定程度上消除大气、植被等的影像,在部分区域的监测精度可达到毫米级,能有效提升地质灾害预测的准确性和分析效率。1.4 智能识别技术地质解译随着计算机软硬件技术的不断发展以及遥感大数据的出现,基于机器学习和深度学习的方法开展遥感影像智能解译和提取分析的研究愈发广泛。黄发明等利用基于聚类分析和 SVM(Support Vector Machines)的滑坡易发性评价模型对三峡库区万州区滑坡易发性进行评价,与单独 SVM 方法相比,获得了更高的准确率16;张倩荧等采用 YOLO、Faster RCNN 和 SSD 进行滑坡检测实验,结果表明,Faster RCNN 适用于实验数据小的数据集,CNN 方法在大规模运动检测方面具有很高潜力17;GHORBANZADEH O 等开发一种基于无人机遥感图像的 CNN 方法来检测边坡失效,并研究用于数据增强的线性变换方法来人工增加训练数据18。SAMEEN MI 等使用光谱(RGB 波段)和地形信息(高度、坡度、坡向、曲率),设计一种基于残差网络的滑坡检测方法19。上述研究利用不同的机器学习模型,对不良地质进行早期易发性分析和检测,形成一系列方法,取得与实际情况相吻合的定性结论,表明人工智能技术在地质遥感解译方面具备较好的应用前景。2 地质勘察数据采集与管理智能化技术研究现状 铁路地质勘察对信息化、数字化技术的应用研究越来越广泛,多家勘察企业已通过移动终端和物联网设备开展外业调绘、钻探、原位测试与试验等数据的智能化采集,并通过勘察数据集成系统对各类结构化与非结构化数据进行组织管理与统计分析。2.1 地质调绘数据采集软件铁路工程地质调绘的智能化技术可实现内外业一体化的数据采集与存储,强调便捷的数据采集和成果集成。目前国内已研发了集定位、高清遥感数据、相机、采集工具为一体软件系统平台,可应用于手机等移动终端设备,基于互联网技术与信息化标准,回传采集的数据进行集中的存储,其界面见图 4。该技术改善了传统作业方式,精简了工作设备与数据采集过程,实现了不同人员、分组地质调绘数据的集中存储与共享。2.2 地质勘探设备目前,我国学者已取得众多关于智能采集设备的研究成果。岳中琦等已在数字化钻机研制方面取得了57铁路工程地质勘察智能化技术研究现状与发展趋势:薛宇腾 黄新文 赵 非图 4 地质调绘数据采集系统界面大量研究成果,认为同一钻机和钻头对同一块岩石块体的钻进速度是个常速,相关技术成功应用于边坡锚杆施工、桩基础抽芯等工程实践;研发的“数字化钻机”可以快速、定量地测量到岩石块体的单轴抗压强度、地下分布,以及岩石块体之间界面断面的产状、延伸、凸凹起伏平整度、厚度和充填物质的物理力学性质,帮助分析岩石抵抗钻进破坏的强度,结合钻取的岩芯,在特定场地中也可以据此划分地层20-21。在工程勘探钻孔的原位测试技术方面,有学者研究地下掩体综合信息采集技术,将 SYSTEM 综合测井仪、钻孔全孔壁光学成像、钻孔弹变模测试、原位钻孔剪切测试等多种地下岩体信息采集技术集成为一个综合智能设备,融合物联网技术,实现了内外业数据同步,勘测数据的实时处理。该技术的主旨在于提升工程测井的技术水平,充分挖掘每个钻孔和探洞所揭示的地质信息,从而达到节约工程投资的目的。综上所述,将传统勘察设备与各种传感器相结合,融合物联网技术,以更好地掌握和分析钻进过程与钻机性能,帮助寻求改善钻进效率的方法,尤其是为地质界面的判断与土性分析提供了一种可靠的途径22,地质智能勘探设备的原理见图 5。图 5 地质智能勘探设备原理示意2.3 勘察数据管理地质勘察数据具有总量大、格式种类多等特点,因此中出现了数据分散、应用不便、长期存储难等问题,诸多学者围绕勘察数据管理开展研究。张恩铭等利用三维地理信息系统与历史建筑信息模型,进行数据的三维可视化展示以及数字化管理,实现了历史建筑勘察数据的智能化管理23;何旭涛等研制了海底电缆工程多源数据管理及可视化系统,有效提高了海底电缆路由环境测量、定期检测数据的管理水平,为设计、施工、运维提供服务24。综上,面对勘察阶段的海量多源数据,各行业提出了各自的数据标准与解决方案。但是为了便于数据在行业内甚至行业间顺畅流动,勘察成果如何信息化,哪些数据需要纳入管理内容,仍需要建立相关的行业及国家数据标准。在铁路行业,当前各企业基于自身勘察数据管理需要,建立了信息化与数据存储标准,由于缺少相关的行业标准,各方数据流动不畅,勘察数据多处于封闭的状态,不具备提供数据级服务的能力;另一方面,由于缺少相应的元数据标准,使得数据组织与管理水平受限,铁路地质勘察数据基础建设仍处于起步阶段。在铁路企业内,常出现不同业务阶段的勘察数据管理系统林立的情况,但是不同系统间的信息相对独立,数据接口尚不完善25。3 地质建模与应用研究现状随着机计算机图形技术的发展,地质建模与应用的研究愈发普遍。地质模型与主流商业化软件多存在接口或转换问题,一定程度上影响了地质建模技术的应用。3.1 地质建模技术地质建模技术将勘察过程中采集、收集的多源异构数据进行最大化的利用,从宏观和微观上构建三维模型。市场化程度较高的三维地质建模软件主要集中在矿山地质和石油地质方向,为应对这一现状,铁路行业内已开展针对长大线状工程特点的地质建模技术研究。黄新文等提出纵断面横向拟合拉伸法和基于多源勘察数据的地层面三维拟合法,通过钻孔剖面连线向两侧横向拟合拉伸生成三维地质体,避免了大量切割网格的过程,容错率高、速度快,适用于勘探点为线性布置的区域建模;三维拟合法通过叠加地形面、勘探点地层高程等信息,利用算法模拟钻孔连线的过程,构建地层面进而创建三维地层体,适用于勘探点为网状布置的工程区建模26。上述地质建模技术已在多个项目中开展了应用,黄土高原区某铁路地质建模示意见图 6。技术具备推广应用价值,对于勘察数据的集成和后续应用具有重大意义。另一方面,由于底层三维绘图技术仍依赖国外产品,基础软件平台有待进一步国产化与本土化。67铁 道 勘 察2023 年第 5 期图 6 地质建模技术应用案例3.2 数据应用三维地质模型作为数据集,通过几何与非几何数据,最大程度反映了铁路沿线区域真实的地质条件,可应用于铁路工程建设的各个阶段。三维地质模型数据的应用已处于起步阶段,利用地质模型,基于数据交换标准和接口,可从中提取任意点的地层深度、水位高程等数据,进而可以快速生成柱状图、剖面等可视化的地质信息(见图 7)。铁路工程设计专业可以根据不同的需要,利用地质数据或者可视化图表信息开展设计;对于复杂的设计需求,则需要更完善的标准和接口设计。但是,当需要将地质模型导入普遍应用的商业软件中进行分析计算时,则会出现格式不兼容、无法共享的问题。图 7 三维地质模型数据应用案例4 结语(1)基于多源数据的地质遥感智能解译方法研究,综合利用不同遥感技术的优势,研究应用多平台、多时向、多波段的遥感数据,研究应用机器学习模型开展地质对象定量化判释方法,研究模型的适用性。(2)针对传统铁路勘察作业方式存在的问题,研究多种手段的协调组合作业的新体系,融合空天、地面、地下三个方面工程地质数据采集手段与信息,开展综合的数据采集与处理分析方法,实现全业务阶段的数据贯通与集成管理。(3)针对勘察数据管理困难、存储分散、碎片化严重等问题,建立工程地质勘察信息化技术规程、数据存储及交付标准,编制工程地质勘察数据字典;研究勘察全业务阶段多源异构数据的组织管理技术,使数据相互补充、完善、验证,便于数据集成与共享和协同应用。(4)针对我国底层三维绘图技术和软件不足,缺乏行业知识库与数据库和系统化的解决方案等问题,研究具备自主知识产权的地质模型三维绘图基础平台和建模技术;构建行业数据标准,研究地质模型与主流计算分析软件的导入接口。参考文献1张群.基于高分遥感的黑方台滑坡识别 D.西安:长安大学,2017.ZHANG Qun.Landslide Recognition Based on High Resolution Remote Sensing Images in Heifangtai D.Xian:Changan University,2017.2 JAIN S,KHOSA R,GOSAIN A K.Landslides Hazard Mapping Using High-resolution Satellite Data C LATHA Gali M,RAGHUVEER Rao P.Geohazards.Singapore:Springer,2021:95-110.3 彭令,徐素宁,梅军军,等.地震滑坡高分辨率遥感影像识别J.遥感学报,2017,21(4):509-518.PENG Ling,XU Suning,MEI Junjun,et al.Earthquake-induced Landslide Recognition Using High-resolution Remote Sensing ImagesJ.Journal of Remote Sensing,2017,21(4):509-518.4 邵延秀,张波,邹小波,等.采用无人机载 LiDAR 进行快速地质调查实践J.地震地质,2017,39(6):1185-1197.SHAO Yanxiu,ZHANG Bo,ZOU Xiaobo,et al.Application of Uavls to Rapid Geological SurveysJ.Seismology and Geology,2017,39(6):1185-1197.5 贾虎军,王立娟,范冬丽.无人机载 LiDAR 和倾斜摄影技术在地质灾害隐患早期识别中的应用J.中国地质灾害与防治学报,2021,32(2):60-65.JIA Hujun,WANG Lijuan,FAN Dongli.The Application of UAV LiDAR and Tilt Photography in the Early Identification of Geo-hazardsJ.The Chinese Journal of Geological Hazard and Control,2021,32(2):60-65.6 刘圣伟,郭大海,陈伟涛,等.机载激光雷达技术在长江三峡工程库区滑坡灾害调查和监测中的应用研究J.中国地质,2012,39(2):507-517.LIU Shengwei,GUO Dahai,CHEN Weitao,et al.The Application of Airborne Lidar Technology in Landslide Investigation and Monitoring of Three Gorges Reservoir AreaJ.Geology in China,2012,39(2):507-517.7GORSEVSKI P V,BROWN M K,PANTER K,et al.Landslide Detection and Susceptibility Mapping Using LiDAR and an Artificial Neural Network Approach:a Case Study in the Cuyahoga Valley National Park,OhioJ.Landslides,2016,13(3):467-484.8 PRADHAN B,JEBUR M N,SHAFRI H Z M,et al.Data Fusion Technique Using Wavelet Transform and Taguchi Methods for 77铁路工程地质勘察智能化技术研究现状与发展趋势:薛宇腾 黄新文 赵 非Automatic Landslide Detection from Airborne Laser Scanning Data and QuickBird Satellite ImageryJ.IEEE Transactions on Geoscience and Remote Sensing,2016,54(3):1610-1622.9 朱庆,曾浩炜,丁雨淋,等.重大滑坡隐患分析方法综述J.测绘学报,2019,48(12):1551-1561.ZHU Qing,ZENG Haowei,DING Yulin,et al.A Review of Major Potential Landslide Hazards Analysis J.Acta Geodaetica et Cartographica Sinica,2019,48(12):1551-1561.10 ACHACHE J,FRUNEAU B,DELACOURT C.Applicability of SAR Interferometry for Monitoring of LandslidesJ.ers applications,1996,49:1105-1109.11 CASCINI L,FORNARO G,PEDUTO D.Analysis at Medium Scale of Low-resolution DInSAR Data in Slow-moving Landslide-affected AreasJ.ISPRS Journal of Photogrammetry and Remote Sensing,2009,64(6):598-611.12 MARTIRE D D,TESSITORE S,BRANCATO D,et al.Landslide Detection Integrated System(LaDIS)Based on In-Situ and Satellite SAR Interferometry Measurements J.CATENA,2016,137:406-421.13 KONISHI T,SUGA Y.Landslide Detection Using COSMO-SkyMed Images:a Case Study of a Landslide Event on Kii Peninsula,JapanJ.European Journal of Remote Sensing,2018,51(1):205-221.14 ZHU W,ZHANG Q,DING X L,et al.Landslide Monitoring by Combining of CR-InSAR and GPS Techniques J.Advances in Space Research,2014,53(3):430-439.15 戴可人,铁永波,许强,等.高山峡谷区滑坡灾害隐患 InSAR 早期识别:以雅砻江中段为例J.雷达学报,2020,9(3):554-568.DAI Keren,TIE Yongbo,XU Qiang,et al.Early Identification of Potential Landslide Geohazards in Alpine-canyon Terrain Based on SAR InterferometryA Case Study of the Middle Section of Yalong RiverJ.Journal of Radars,2020,9(3):554-568.16 黄发明,殷坤龙,蒋水华,等.基于聚类分析和支持向量机的滑坡易发性评价J.岩石力学与工程学报,2018,37(1):156-167.HUANG Faming,YIN Kunlong,JIANG Shuihua,et al.Landslide Susceptibility Assessment Based on Clustering Analysis and Support Vector Machine J.Chinese Journal of Rock Mechanics and Engineering,2018,37(1):156-167.17 张倩荧,王俊英,雷冬冬.基于深度学习目标检测算法的滑坡检测研究J.信息通信,2019,32(1):16-18.ZHANG Qianying,WANG Junying,LEI Dongdong.Research on Landslide Detection Based on Deep Learning Target Detection AlgorithmJ.Information&Communications,2019(1):16-18.18 GHORBANZADEH O,MEENA S R,BLASCHKE T,et al.UAV-based Slope Failure Detection Using Deep-learning Convolutional Neural NetworksJ.Remote Sensing,2019,11(17):2046.19 SAMEEN M I,PRADHAN B.Landslide Detection Using Residual Networks and the Fusion of Spectral and Topographic InformationJ.IEEE Access,2019,7:114363-114373.20 陈健,岳中琦.基于钻孔过程监测系统(DPM)全钻分析的钻孔过程塌孔监测J.工程勘察,2010,38(11):26-31.CHEN Jian,YUE Zhongqi.Hole Collapse Detection Based on Full Drill Analysis of DPM System J.Geotechnical Investigation&Surveying,2010,38(11):26-31.21 岳中琦.钻孔过程监测(DPM)对工程岩体质量评价方法的完善与提升J.岩石力学与工程学报,2014,33(10):1977-1996.YUE Zhongqi.Drilling Process Monitoring for Refining and Upgrading Rock Mass Quality Classification MethodsJ.Chinese Journal of Rock Mechanics and Engineering,2014,33(10):1977-1996.22 高伟,岳中琦,李爱国.全自动钻孔过程监测技术在工程勘察中的应用探讨J.工程勘察,2012,40(2):27-32.GAO Wei,YUE Zhongqi,LI Aiguo.Discussion on the Application of Automatic Drilling Process Monitoring in Site Investigation J.Geotechnical Investigation&Surveying,2012,40(2):27-32.23 张恩铭,曹永康,潘文卓.HBIM 在建筑遗产勘察数据管理中的应用:以上海张园石库门建筑为例J.建筑与文化,2021(7):70-72.ZHANG Enming,CAO Yongkang,PAN Wenzhuo.Application of HBIM in Data Management of Architectural Heritage Survey:Taking Shanghai Zhangyuan Shikumen Building as an Example J.Architecture&Culture,2021(7):70-72.24 何旭涛,彭维龙,张引贤,等.海底电缆工程多源勘察数据管理及三维可视化研究J.南方能源建设,2020,7(S1):72-77.HE Xutao,PENG Weilong,ZHANG Yinxian,et al.Multi-source Survey Data Management and 3D Visualization of Submarine Cable Engineering J.Southern Energy Construction,2020,7(S1):72-77.25 周长安.工程勘察质量信息化管理系统构建与实证研究:以重庆为例D.重庆:重庆大学,2020.ZHOU Changan.Construction and Empirical Study of Information Management System of Engineering Investigation Quality D.Chongqing:Chongqing University,2020.26 黄新文,薛宇腾,张忠良.铁路工程地质 BIM 技术方法研究J.铁道勘察,2020,46(1):141-143,149.HUANG Xinwen,XUE Yuteng,ZHANG Zhongliang.Research on BIM Technical Method of Railway Engineering GeologyJ.Railway Investigation and Surveying,2020,46(1):141-143,149.87铁 道 勘 察2023 年第 5 期