0 引言

古建筑是古人遗留下来具有历史价值的建筑，是研究古代社会政治经济、文化艺术与宗教信仰的珍贵的历史资料，是不可再生的珍贵历史文化遗产，更是国家文明的重要标志。中国作为四大文明古国之一，至今留存着数量众多并且价值很高的古建筑。然而，由于千百年来岁月的侵蚀，加之当前自然环境的不断恶化，大量古建筑的现况不容乐观，急需有效的保护。因此，面向古建筑的保护与修复的科学研究正引起学术界和产业界的普遍关注，成为当前研究的热点。随着“互联网+”时代的来临，无线传感网^[1]、大数据和云计算等信息技术在古建筑保护与修复领域发挥越来越重要的作用。浙江大学开发了一套应用于敦煌莫高窟文物遗址环境监测的无线传感系统，可以采集温度、湿度、二氧化碳等微气象数据^[2]。汉阳陵文物保护环境实时监测系统项目可以对环境因素数据进行采集、存储和共享，并把批量数据通过相应的处理软件以图、表和文字的形式直观显示出来^[3]。文献[4]采用基于知识库方法的逆向工程，从砖石结构中测量原始数据，分析和处理后搭建了三维模型。苏州大学应用RFID技术设计了古建筑监测保护系统，对虎丘塔等古迹实现实时监测^[5]。文献[6]探讨了利用物联网技术对中国古代木建筑保护保存的优势和现状的情况。

本文以砖石结构的古建筑为研究对象，运用无线传感网和人工智能等技术，探讨并提出一种能够长期、持续、稳定的获取、分析古建筑环境信息进而有效预测其状态的解决方案。

1 砖石结构古建筑的概况及环境因素分析

石窟寺、石雕、石刻等石质文物把大自然与人类的生产、生活、社会活动、宗教信仰、风土人情、风俗习惯等完美结合在一起，已成为人们研究古代人类社会的政治、经济、文化和艺术的珍贵实物资料^[7]。如图 1所示，从数量上看，砖石结构的古建筑在整个砖石文物中占据着较大的比例。现存的砖石结构古建筑的病害可归结为风化、形变、裂缝、坍塌、霉菌、虫害等^[7]。导致这些病害的因素很多，将这些因素归为了4类，分别为内部因素、化学因素、物理因素和生物因素。

内部因素指的是古建筑石质材料的内部材质组成和性质的变化。砖石结构古建筑所用的石材一般是从天然岩石中开采而得的毛料或经初步加工成型后所得。天然石材一般可分为沉积岩、变质岩和岩浆岩。因为是在高温、高压的环境中形成，所以岩浆岩和变质岩暴露于地表后一般很不稳定；而沉积岩由于在地表形成，其组成的矿物则较稳定。另外由于石材的组成、结构、构造、裂隙发育程度的不同，其抵抗风化能力也不尽相同^[7]。

化学因素是指砖石结构古建筑暴露于大气环境中受到水化、溶解、酸化、氧化还原反应以及碳酸盐等化学作用的侵蚀而造成的影响^[7]。对于石质材料，短时间内化学因素造成的影响微乎其微，不易被察觉，但是日积月累之后就可能会对表层造成难以估量的破坏。由于生态环境不断恶化，化学因素对砖石结构古建筑造成的影响和破坏愈发严重。其中较典型的例子便是酸雨。在现今的中国已呈现出非区域的特性，对露天石质建筑物的腐蚀和破坏非常严重，大大加快了建筑物表面风化、酥粉、开裂、剥落的速度。另外目前广受关注的PM_2.5、PM₁₀等细微颗粒污染物，由于其往往附着了氮硫化物、重金属等有害物质，长期大量积累在古建筑的表面也会加速古建筑表面的腐蚀和风化。

物理因素是指由于外界环境的物理条件发生变化后对砖石结构古建筑所造成的影响。物理因素包括环境温度、湿度、日照强度、风、震动等。环境温度和湿度会对石质古建筑产生重要的影响，古建筑会根据周围环境的温湿度蒸发或吸收水分以达到动态的平衡，而这部分水分往往又可以作为化学因素造成腐蚀等破坏的媒介。物理因素中另一个十分重要的因素便是风，其产生的风化作用对砖石结构的古建筑影响巨大。特别是在中国西部和北部地区，风沙常年累月侵蚀着古建筑，导致严重的表层风化、酥粉等现象^[7-8]。此外，地震所引起的震动、火灾等自然或人为的事故也会对古建筑造成毁灭性的破坏。

生物因素是由菌类、苔藓、藻类等微生物在古建筑上附着生存产生的腐蚀和破坏。由于生物因素的复杂性和多样性，所以暂不具体讨论。

因此，有必要结合现代科学技术去监测，分析各种病害因素影响下古建筑的变化，制定和实施科学性的保护措施，达到对古建筑的主动预防保护。

2 基于无线传感网的古建筑健康监测网络 2.1 总体架构

基于无线传感网的古建筑健康监测是利用无线传感网技术实现对影响砖石结构古建筑的各因素的各项参数的采集、预处理和传输，然后利用大数据和云计算技术对所获得的信息进行保存和分析，从而建立古建筑健康信息大数据库；通过建立描述古建筑健康情况的状态模型，并以人工智能技术中的多源信息融合理论^[9]为指导对数据进行深入分析后可以对古建筑的健康状况进行评估，进而为相关部门的决策提出建议和改进措施。

因此，建立了基于无线传感网的古建筑健康监测的体系架构，具体分为了4层次，分别为物理感知层、网络传输层、服务分析层和管理决策层，如图 2所示。其中，网络传输层是利用有线或无线网络将物理感知层采集的数据传输到服务分析层的数据库或是控制端，由于与现有的物联网架构中的网络层并无本质区别，因此不做介绍。本文将主要介绍物理感知层、服务分析层与管理决策层的相关技术与方案。

2.2 物理感知层

感知层的主要任务是感知古建筑的状态以及周围环境信息。根据对砖石结构古建筑环境影响因素的分析并考虑现有技术条件的制约，选取4种环境因素中适合监测的典型参数作为物理感知层采集的原始参数。由于内部因素与材料中的化学机理和物理性质相关，生物因素多样且复杂，现阶段的传感器技术无法直接监测，因此这两种因素不在监测范围内。针对化学因素中的酸雨现象，利用pH传感器对采集的雨水进行测量。物理因素是监测的重点对象，计划对砖石结构古建筑周围的微气象环境的各项主要参数进行监测，包括环境温度、环境湿度、光照强度、PM_2.5浓度、CO₂浓度、风速、风向、降雨量、震动等，实现对日常的空气污染和发生火灾和地震等事故等事件的全面监测。

为了实现对上述各项参数的监测，设计了古建筑健康监测无线传感网，包括了传感节点和网关节点两种实现不同功能的节点。传感节点上配备了监测各种参数的传感器（如表 1所示），对原始信号进行采集并做预处理后通过无线通信模块发送给网关节点。传感节点的组成结构图如图 3所示。其中的控制器模块和无线通信模块分别采用AVR单片机Atmega 328与CC2530芯片。为了扩大监测范围，设计了网状网络拓扑结构，如图 4所示。此时有一部分传感节点需要同时承担路由节点的功能，路由节点首先判断下一跳是否为网关节点，若是则将数据传送给网关节点，否则按路由协议的规则将数据转发至下一跳的路由节点，经多次转发后将数据传至网关节点。古建筑环境监测无线传感网的工作流程如图 5所示。

2.3 服务分析层

服务分析层将网络传输层传输的数据记录到数据库中，通过运行专门设计的软件对数据库中保存的各项参数数据进行访问，进而对这些数据进行分析处理后实现可视化的图形图表的输出、超阈值自动报警等功能。因此服务分析层的主要任务有两项：1）古建筑健康状态数据库；2）古建筑健康监测的可视化在线平台。

由于在物理感知层采集的传感器的原始数据种类多、数量大，因此服务分析层收集到的数据是非常庞杂的。从总体上看，这些数据具有实时性、分布性和异构性的特点^[10-11]，这些特点决定了古建筑健康状态数据库与传统的数据库应有所区别。文献[12]运用SQL Server建立了古建筑空间数据库，并在此基础上开发了管理应用系统，实现了古建筑空间数据的显示、查询、保存、测量、分析等功能。文献[13]结合了上海市的文物建筑保护的情况，开发了基于GIS的文物建筑信息数据库，可以发挥空间数据库和属性数据库各自的优势。

受以上文献的启发，古建筑健康状态数据库包含的数据类型可以分为环境数据、空间数据和管理数据。其中，环境数据是指通过感知层采集到的各项环境指标数据。空间数据是指通过三维激光扫描技术得到建筑物的三维模型以及运用GIS技术得到的建筑物的地图数据。管理数据则包含用户信息、阈值参数设置、文件系统描述等。各类数据均存储在数据库服务器中，并以不同文件格式进行保存，例如空间数据采用Arc/info的shp格式等较通用的存储格式、环境数据采用MDB格式的报表型数据格式保存、图纸采用DWG格式保存。为了使数据库更好的运行在分布式网络环境中，并且能更好地为移动终端设备服务，可以采用美国ESRI公司的ArcIMS按照如图 6所示的数据库结构图进行设计^[12]。

古建筑健康监测的可视化在线平台是在古建筑健康状态数据库的基础上进行设计的，将数据库中的各项数据以实时数据列表或图形化显示的方式供用户查询和管理，并能实现对火灾、地震等自然或人为灾害的报警功能。

2.4 管理决策层

古建筑健康监测的管理决策层主要负责根据服务分析层所提供的古建筑健康状态数据进行古建筑健康状态的模型建模，从而判定出古建筑现状的健康程度，防止可能病害的发生，管理决策层的模型如图 7所示。

管理决策层的核心是古建筑健康状态模型与病害预测体系。古建筑健康状态模型的建立是一个将不确定性的影响因素进行推理和表示的过程。与水质和空气质量等环境监测不同，古建筑的健康监测没有政府出台的统一标准，并且由于环境因素对古建筑造成的破坏要经历较长的时间才能明显的体现出来，因此如何合理地构建古建筑的健康状态模型是一个需要长期研究和探索的问题，为此，需要将服务分析层中古建筑健康状态数据库保存的各类数据进行多层次的多源信息融合，其过程如图 8所示。

古建筑健康状态模型需要将各种环境影响信息参数与各种病害和灾害有效地关联起来，通过长期的跟踪和探索得到外部的环境因素的静态和动态的变化对古建筑的影响作用，利用人工神经网络、贝叶斯网络等智能算法构建相应的模型，在环境因素与健康状态之间建立起有效的联系，如图 9所示。预测体系是根据古建筑健康状态模型和数据库中存放的历史数据，运用马尔可夫模型或证据理论模型等统计预测算法对未来的病害的出现进行合理的预测，给出发生病害的可能性，从而为相关管理部门制定相应的政策提供依据。

3 结果分析

参考之前的分析并依据实际情况，搭建了硬件实物。将测量风向、风速和降雨量传感器放置在建筑物外围，并配置相应的太阳能供电系统，以保证系统的正常运行；烟雾、颗粒物、可燃性气体等传感器分散安置在建筑物里，监测室内环境的变化情况。系统中部分传感器采集的数据如图 10所示。

在PC端，接入云端网络后，启动安装在PC端的监控系统软件便可实现对监测数据的实时显示；在移动终端，可以在手机、平板电脑上安装移动终端实时监控系统软件或关注微信公众账号，同样可以实现实时监测功能，如图 11和图 12所示。移动终端解决了地域限制问题，使用户可以远距离遥控监测；当数据超过阈值，会进行报警，并将报警信息发送至微博。

目前，对于管理决策系统的研究还处于起步阶段。在不断地在试验，通过分析实际测得的数值，用于准确判断古建筑现在的状态，并结合预测模型完善古建筑的保护体系。

4 结束语

本文将无线传感网、信息融合、智能计算等信息技术融入到古建筑的保护领域，提出了一种运用多维信息融合技术实现对古建筑的实时状态进行自动监测的传感器网络体系，并对体系构架中的物理感知层、服务分析层和管理决策层的技术方案进行分析，希望借此可以为我国的古建筑保护领域的工作做出有益的探索。