УДК 624.19 УДК 69.058.2

СОВРЕМЕННЫЕ ПОДХОДЫ К МОНИТОРИНГУ ДЕФОРМАЦИЙ ТРАНСПОРТНЫХ ТОННЕЛЕЙ: ТЕХНОЛОГИИ, ПРИНЦИПЫ И НАПРАВЛЕНИЯ РАЗВИТИЯ Современные подходы к мониторингу деформаций транспортных тоннелей: технологии, принципы и направления развития

Опубликовано в Умные композиты в строительстве · Том 7, Номер 3, 2026 · Страницы 46–63 · Рубрика: Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей
DOI: https://doi.org/10.52957/2782-1919-2026-7-3-46-63
Получено: 05.06.2026 Одобрено: 25.08.2026 Опубликовано: 23.09.2026
Статья посвящена изучению эволюции мониторинга транспортных тоннелей – от эпизодических геодезических наблюдений до современных цифровых систем. Актуальность исследования обусловлена старением значительной части тоннельного фонда, усложнением геотехнических условий и ростом требований к безопасности. На основе анализа передовой европейской школы выделены ключевые принципы мониторинга, включающие непрерывность, многоканальность, интеграцию с расчетными моделями и эксплуатацией. Рассмотрены стационарные комплексы мониторинга технического состояния конструкций, мобильные системы на основе наземного и мобильного лазерного сканирования, а также распределенные волоконно-оптические измерительные комплексы. Проведен сравнительный анализ методов мониторинга по показателям точности, пространственного охвата и режима работы. Показаны ключевые тенденции в отрасли: движение к режиму измерений в реальном времени, интеграция с цифровыми двойниками, внедрение машинного обучения. Представлены ограничения существующих решений: преобладание «фиксационного» мониторинга и формализация задач раннего обнаружения деформационных процессов. Обоснована необходимость перехода от мониторинга как «съемки состояния» к предиктивной безопасности и ориентированному управлению жизненным циклом тоннелей, в том числе в свете цифровой трансформации отрасли.
мониторинг тоннелей, европейская школа, раннее предупреждение деформаций, лазерное сканирование, волоконно-оптические датчики, цифровой двойник
Текст Список литературы
Текст (RU) (PDF)
Читать Скачать

1. Волохов Е.М., Новоженин С.Ю., Бак Нгуен Суан. Современные системы контроля сдвижений и деформаций при строительстве подземных сооружений // Записки Горного института. 2012. Т. 199. С. 253-259. URL: https://pmi.spmi.ru/pmi/article/view/5854 (дата обращения: 06.05.2026).

2. Лебедев М.О., Безродный К.П., Шляев С.А. Долгосрочный геотехнический мониторинг в тоннелях как инструмент прогнозирования // Underground Expert. 2023. URL: https://undergroundexpert.info/issledovaniya-i-tehnologii/dolgosrochnyj-geotehnicheskim-monitoring (дата обращения: 06.05.2026).

3. Емельянов М.В. Особенности разработки перспективных систем мониторинга несущих конструкций зданий и сооружений // Строительная наука и образование. 2024. URL: https://cyberleninka.ru/article/n/osobennosti-razrabotki-perspektivnyh-sistem-monitoringa-nesuschih-konstruktsiy-zdaniy-i-sooruzheniy (дата обращения: 06.05.2026).

4. Jiang Y. Zhutian Pan, Xuepeng Zhang. Tunnel infrastructure health management: A state-of-the-art review on defect development mechanism and robot-aided inspection system // Smart Underground Engineering. 2025. Vol. 1. Iss. 1. P. 26-39. DOI:https://doi.org/10.1016/j.sue.2025.05.003.

5. Apoji D., Soga K., Sheil B.B. Shaping the future of tunneling with data and emerging technologies // Data Centric Engineering. 2023. Vol. 4. P. e29. DOI:https://doi.org/10.1017/dce.2023.24.

6. Zhang X., Zhu H., Jiang X., Broere W. Distributed fiber optic sensors for tunnel monitoring: A state-of-the art review // Journal of Rock Mechanics and Geotechnical Engineering. 2024. Vol. 16. No. 9. P. 3841-3863. DOI:https://doi.org/10.1016/j.jrmge.2024.01.008.

7. Monsberger C.M., Bauer P., Buchmayer F., Lienhart W. Large-scale distributed fiber optic sensing network for short and long-term integrity monitoring of tunnel linings // Journal of Civil Structural Health Monitoring. 2022. Vol. 12. No. 6. P. 1317–1327. DOI:https://doi.org/10.1007/s13349-022-00560-w.

8. Buchmayer F., Bergmeister K. Überwachung und Monitoring als lebenszyklus-begleitende Instrumente bei Infrastrukturtunneln // Beton- und Stahlbetonbau. 2021. Bd. 116. H. S2. S. 58-67. DOI:https://doi.org/10.1002/best.202100055.

9. Cheng G., Wang Z., Li G., Shi B., Wu J., Cao D., Nie Y. Advanced research and engineering application of tunnel structural health monitoring leveraging spatiotemporally continuous fiber optic sensing information // Photonics. 2025. Vol. 12 (9). P. 855. DOI:https://doi.org/10.3390/photonics12090855.

10. Пастушков В.Г., Вайтович А.Н., Костюкович О.В., Янковский Л.В. Практика применения автоматизированной системы мониторинга технического состояния транспортных объектов // Транспорт. Транспортные сооружения. Экология. 2021. № 4. С. 77-90. DOI:https://doi.org/10.15593/24111678/2021.04.09.

11. Chen W., Tan X.-Y., Yang J. Review of state-of-the-art in structural health monitoring of tunnel engineering // Smart Underground Engineering. 2025. No. 1 (1). P. 40-50. DOI:https://doi.org/10.1016/j.sue.2025.05.004.

12. Liu Y., Li J. Full-section deformation monitoring of high altitude fault tunnels using 3D laser scanner // Advances in Civil Engineering. 2022. Art. 4967037. DOI:https://doi.org/10.1155/2022/4967037.

13. DZSF. Forschungsbericht 64/2024: Sensorbasierte Technologien im Bahnsystem: Markt-und Technologieanalyse. Deutsches Zentrum für Schienenverkehrsforschung, 2024. URL: https://www.dzsf.bund.de (дата обращения: 06.05.2026).

14. Колотовичев Ю.А., Шахраманьян А.М. Автоматизированный мониторинг деформации несущих конструкций «Екатеринбург Арены» // Вестник МГСУ. 2022. DOI:https://doi.org/10.22227/1997-0935.2022.3.314-330.

15. ASTRA 84012. Überwachung des baulichen Zustands von Kunstbauten – Tunnel. Bundesamt für Strassen (ASTRA), Bern, 2023–2025. URL: https://www.astra.admin.ch (дата обращения: 06.05.2026).

16. Huang H., Zhang D., Wang C., Tang A. A review of defects in urban metro tunnels // Underground Space. 2021. No. 6 (3). P. 243-264. DOI:https://doi.org/10.1016/j.undsp.2020.01.004.

17. Перминов Н.А. Моделирование и мониторинг конструктивной безопасности уникальных подземных объектов крупного города в сложных грунтовых условиях // Construction and Geotechnics. 2021. DOI:https://doi.org/10.15593/2224-9826/2021.1.03.

18. Sun Z., Jayasinghe S., Sidiq A., Shahrivar F., Mahmoodian M. Approach towards the development of digital twin for structural health monitoring of civil infrastructure: A comprehensive review // Sensors. 2024. Vol. 25. No. 1. P. 59. DOI:https://doi.org/10.3390/s25010059.

19. Afrazi M., Armaghani D.J., Afrazi H., Fattahi H., Samui P. Real-time monitoring of tunnel structures using digital twin and artificial intelligence: A short overview // Deep Underground Science and Engineering. 2025. Vol. 5 (2). P. 315-330. DOI:https://doi.org/10.1002/dug2.70029.

20. Li J., Liu C., Zhang Y., Gu X. Structural health monitoring of subway tunnel based on fiber Bragg grating sensors and video displacement meters // Journal of Computing in Civil Engineering. 2024. Vol. 38. No. 5. DOI:https://doi.org/10.1061/JCCEE5.CPENG-7644.

21. Machado L.B., Santos R., Vega Ruiz D., Bittencourt T. Advancements of digital twin technology for bridges and tunnels: A systematic literature review // Journal of Infrastructure Systems. 2025. No. 31 (4). DOI:https://doi.org/10.1061/JITSE4.ISENG-2745.

22. Sheil B.B., Suryasentana S.K., Mooney M.A., Zhu H. Machine learning to inform tunneling operations: recent advances and future trends // Proceedings of the Institution of Civil Engineers – Geotechnical Engineering. 2022. No. 175 (5). P. 412-428. DOI:https://doi.org/10.1680/jgeen.20.00011.

23. Que H., Gao H., Shan W., Yang X., Zhao R. Deformation measurement of tunnel cross-section by mobile laser scanning system // Sensors. 2024. Vol. 24. No 22. P. 7297. DOI:https://doi.org/10.3390/s24227297.

24. Kuang G., Li B., Mo S., Hu X., Li L. Review on machine learning-based defect detection on shield tunnel lining // Periodica Polytechnica Civil Engineering. 2022. Vol. 66. No. 3. P. 943-957. DOI:https://doi.org/10.3311/PPci.19859.

25. Ma L., Lin F., Du Y., Ren S., Long N. Tunnel surrounding rock deformation prediction via WOA-LSTM model // Scientific Reports. 2024. Vol. 14. Art. 29170. DOI:https://doi.org/10.1038/s41598-024-79059-x.

26. Zhang X., Minghao W., Feng Dan, Jingchun W. Risk classification and early warning of large deformation of soft rock in tunnels based on CNN-LSTM model // Scientific Reports. 2024. Vol. 14 (1). Art. 29944. DOI:https://doi.org/10.1038/s41598-024-81816-x.

27. Zhou S., Peng H., Zheng H., He X. A deep learning method fusing multiscale temporal features for metro tunnel deformation advanced prediction // Journal of Computing in Civil Engineering. 2026. Vol. 40. No. 5. DOI:https://doi.org/10.1061/JCCEE5.CPENG-7244.

28. Yang Z., Cheng Z., Wu D. Deep learning driven prediction and comparative study of surrounding rock deformation in high speed railway tunnels // Scientific Reports. 2025. Vol. 15. Art. 24104. DOI:https://doi.org/10.1038/s41598-025-09791-5.

29. Кочетков А.В., Семенова Н.С., Иванов A.Ф., Чижиков И.А. Применение беспилотных летательных аппаратов для исследования объектов транспортной инфраструктуры // Умные композиты в строительстве. 2022. Т. 3. Вып. 4. С. 28-38. DOIhttps://doi.org/10.52957/27821919_2022_4_28.

30. Богуславский Л.А., Проваторова Г.В. Применение искусственного интеллекта в проектировании автомобильных дорог // Умные композиты в строительстве. 2025. Т. 6. Вып. 4. С. 67-79. DOI:https://doi.org/10.52957/2782-1919-2025-6-4-67-79.

Войти или Создать
* Забыли пароль?