CN105844339A - 一种实时态势模型与可视化融合的决策方法和系统 - Google Patents
一种实时态势模型与可视化融合的决策方法和系统 Download PDFInfo
- Publication number
- CN105844339A CN105844339A CN201510023220.0A CN201510023220A CN105844339A CN 105844339 A CN105844339 A CN 105844339A CN 201510023220 A CN201510023220 A CN 201510023220A CN 105844339 A CN105844339 A CN 105844339A
- Authority
- CN
- China
- Prior art keywords
- real
- accident
- data
- site environment
- environment data
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种实时态势模型与可视化融合的决策方法,适用于危化品泄漏事故的救援,包括:采集危化品事故的现场环境数据,对现场环境数据进行流化处理并发送至指挥中心;指挥中心对接收数据进行逆流化处理,还原现场环境数据;计算源强泄漏速度;并根据源强泄漏速度、现场环境数据和事故地形数据进行实时态势的模拟;将态势模拟的结果采用网格计算的浓度点进行三角剖分差值计算,按照颜色梯度渲染不同危险区域的扩散运动轨迹,预测最大事故影响范围;计算最大事故影响范围内的人口密度,并据此评估出最优救援撤离路径。本发明克服了静态数据模型的不足和带宽资源紧张造成的实时传输问题,有效提高了应急救援的准确性、有效性和智能化水平。
Description
技术领域
本发明涉及一种突发性事故的应急处理技术,特别是涉及一种基于流参量的实时态势模型与可视化融合的决策方法和系统。
背景技术
很多流程工业在生产过程中会使用或产生一些对人体有害的危化物,特别是有毒、有害气体或液体。一旦发生危化物的泄漏师傅,泄露出的危化物可能会对周边一定范围内的人类造成严重的危害。在有害危化物泄漏事故发生时,泄漏的物质和大致泄漏位置能够比较容易地确定,但有害气体的泄漏量或者泄漏速率则很难在现场获得。在有限的时间利用有限的信息来预测有害危化物的扩散趋势和影响范围是事故应急响应过程的重要环节。
危化品(尤其是气体)扩散模型常用于危化品泄漏事故态势的模拟与分析,以辅助救援人员展开救援与疏散工作。然而,目前大多的模型还都是基于静态的历史数据或人工设定参数而建立的,由此造成工作效率较低,并且,通过静态的历史数据或人工设定建立的模型无法真实反映事故现场的环境条件,这也就势必导致无法准确的模拟出事故的发展态势。
此外,关于危化品事故的救援,往往还需要事故现场的视频或图像等多媒体数据传输,而实时对视频或图像类数据的传输,对于带宽资源的要求较高。如果带宽不够,很容易出现延迟大、不均匀或丢包等问题。
进一步地,目前基于态势的危化品事故的决策方法,大多数只是继承了危化品泄漏事故态势的模拟,其未做进一步的分析和可视化研判。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种实时态势模型与可视化融合的决策方法和系统,用于解决通过现有技术建立的实时态势模型无法真实反映事故现场的环境条件,无法准确模拟事故的发展态势,以及无法进行可视化研判的问题。
为实现上述目的及其他相关目的,本发明提供一种实时态势模型与可视化融合的决策方法,适用于危化品泄漏事故的救援,所述实时态势模型与可视化融合的决策方法包括:步骤S11,采集所述危化品泄漏事故的现场环境数据,对采集的所述现场环境数据进行流化处理,并将处理的所述现场环境数据发送至指挥中心;步骤S12,所述指挥中心对接收的经过流化处理的所述现场环境数据进行逆流化处理,还原所述现场环境数据;计算源强泄漏速度;并根据所述源强泄漏速度、所述现场环境数据和事故地形数据进行实时态势的模拟;步骤S13,将态势模拟的结果采用网格计算的浓度点进行三角剖分差值计算,按照颜色梯度渲染不同危险区域的扩散运动轨迹,预测最大事故影响范围;步骤S14,计算所述最大事故影响范围内的人口密度,并据此评估出最优救援撤离路径。
可选地,所述现场环境数据包括风速、风向、温度气压和危化品浓度。
可选地,所述现场环境数据的采集是通过事故现场的气象仪和传感器而获得的。
可选地,所述现场环境数据的流化处理包括对采集到的所述现场环境数据的缓冲、二进制流转化和封装。
可选地,所述步骤S12还包括判断还原后的所述现场环境数据是否超过稳定范围:如果没有超过,则将所述环境数据保存入历史数据库;如果超过,则进行实时态势的计算和模拟。
可选地,所述事故地形数据是事故发生区域的数字高程模型数据。
所述步骤S13中预测所述最大事故影响范围包括:根据所述扩散运动轨迹计算最短距离点和最长距离;计算方向角切线;所述最大事故影响范围是为以所述最短距离点为原点、所述最长距离为半径、所述方向角切线所组成的扇形区域。
可选地,所述救援撤离的最优路径还依据所述最大事故影响范围周围的疏散点或应急资源进行评估。
一种实时态势模型与可视化融合的决策系统,适用于危化品泄漏事故的救援,所述实时态势模型与可视化融合的决策系统包括:位于事故现场侧的:用于采集现场环境数据的采集单元,用于对所述现场环境数据进行流化处理的处理单元,以及用于向指挥中心发送数据的数据发送单元;位于指挥中心侧的:用于接收经过处理的所述现场环境数据的接收单元,用于还原所述现场环境数据的还原单元,用于根据所述现场环境数据计算源强泄漏速率的计算单元,用于根据所述源强泄漏速率、所述现场环境数据和事故地形数据模拟扩散运动轨迹的模拟单元,用于根据所述扩散运动轨迹预测最大事故影响范围的预测单元,以及用于根据所述最大事故影响范围评估最优救援撤离路径的评估单元。
可选地,所述采集单元通过RJ45或WIFI的方式接入事故现场的气象仪和传感器以实时采集所述现场环境数据。
如上所述,本发明的一种实时态势模型与可视化融合的决策方法和系统,其基于流参量,将实时的动态气象传感信息、静态的地形地貌、应急资源、路径、人口信息进行融合计算,参与可视化的应急救援指挥决策过程,以克服静态数据模型的不足以及带宽资源紧张情景下实时传输易发生的一些问题,从而提高了应急救援的准确性、有效性和智能化水平。本发明具有以下有益技术效果:
1.实现了事故现场环境数据的实时接入,其中,现场环境数据包括风速、风向和危化品浓度等等;
2.采用了流参量处理技术:实现对传输数据的缓冲和二进制流转化,在节约带宽的情况下具有更加稳定的传输效果;
3.实现了实时现场环境数据的感知分析处理,有效检测不稳定数据;
4.减少了应急救援研判的时间,更加便于快速展开救援。
附图说明
图1显示为本发明实施例公开的一种实时态势模型与可视化融合的决策方法的流程示意图。
图2显示为本发明实施例公开的一种实时态势模型与可视化融合的决策方法的流参量处理示意图。
图3显示为本发明实施例公开的一种实时态势模型与可视化融合的决策方法的扩散运动轨迹的示意图。
图4显示为本发明实施例公开的一种实时态势模型与可视化融合的决策系统的结构示意图。
元件标号说明
S11~S14 步骤
400 实时态势模型与可视化融合的决策系统
410 采集单元
420 处理单元
430 数据发送单元
440 接收单元
450 还原单元
460 计算单元
470 模拟单元
480 预测单元
490 评估单元
500 事故现场
600 指挥中心
具体实施方式
以下通过特定的具体实例说明本发明的实施方式,本领域技术人员可由本说明书所揭露的内容轻易地了解本发明的其他优点与功效。本发明还可以通过另外不同的具体实施方式加以实施或应用,本说明书中的各项细节也可以基于不同观点与应用,在没有背离本发明的精神下进行各种修饰或改变。需说明的是,在不冲突的情况下,以下实施例及实施例中的特征可以相互组合。
需要说明的是,以下实施例中所提供的图示仅以示意方式说明本发明的基本构想,遂图式中仅显示与本发明中有关的组件而非按照实际实施时的组件数目、形状及尺寸绘制,其实际实施时各组件的型态、数量及比例可为一种随意的改变,且其组件布局型态也可能更为复杂。
实施例1
本实施例公开了一种基于流参量的实时态势模型与可视化融合的决策方法,将实时的动态气象传感信息、静态的地形地貌、应急资源、路径、人口信息进行融合计算,参与可视化的应急救援指挥决策过程,如图1所示,包括:
步骤S11,采集所述危化品泄漏事故的现场环境数据,对采集的所述现场环境数据进行流化处理,并将处理的所述现场环境数据发送至指挥中心:
在危化品的事故现场:以RJ45或WIFI的方式接入事故现场的气象仪和传感器,实时采集现场环境数据,其中,所述现场环境数据包括风速、风向、温度、气压、危化品浓度等。
对采集的现场环境数据进行流化处理,并将流化处理后的现场环境数据发送至指挥中心。其中,流化处理包括缓冲现场环境数据,对现场环境数据进行二进制流转化,以及封装经过二进制流转化的现场环境数据。发送至指挥中心的数据是经过二进制流转化的现场环境数据。对现场环境数据进行二进制流转化,有效降低了数据传输时占用的带宽,减小了由于带宽问题而造成数据丢失或数据延迟过大的问题。
步骤S12,指挥中心对接收的经过流化处理的所述现场环境数据进行逆流化处理,还原所述现场环境数据;计算源强泄漏速度,并根据所述源强泄漏速度、所述现场环境数据和事故地形数据进行实时态势的模拟;
如图2所示,由于为了节约带宽,在事故现场对从气象仪和传感器采集的现场环境数据进行了二进制流转化处理,即流参量处理。相对应地,在指挥中心对接收到的数据进行逆流化处理,即流参量的逆处理,将二进制流的现场环境数据进行还原。
根据现场环境数据判断是否发生危化物事故,在本实施例中是判断现场环境数据,尤其是危化品浓度,是否处于稳定范围:如果处于稳定范围,则判定未发生危化物泄漏事故,将现场环境数据保存入历史数据库;如果现场环境数据超出稳定范围,则实时读取监测点的危化物浓度和位置信息,计算源强泄漏速率。
源强的泄漏速率是按照如下步骤计算获得的:
步骤一,初始化速率取值区间为:0-100Kg/s;
步骤二,以5Kg/s为间隔划分速率取值区间,得到源强泄漏速率集合;
步骤三,根据源强泄漏速率集合,取事故源周围的任意三点位置计算浓度值,将计算出来的浓度值和真实的浓度值比较方差,计算出最小方差点;
步骤四,取最小方差点的上下两个小区间为新的速率取值区间,本实施例中,区间为5/N(N的初始值为1,表示迭代次数),并判断该速率取值区间是否小于阈值1:如果小于1,那么该速率取值区间作为源强泄漏速率;反之则将迭代次数N加1,重新跳转至步骤二,进行下一次的迭代计算。
计算出源强泄漏速率:在事故源的周围10Km*10Km的范围,用网格划分为100米一个点,读取这101*101个网格点的数字高程模型的数据作为事故地形数据;并依据事故地形数据、源强泄漏速率和现场环境数据模拟危化品泄漏的实时态势。
步骤S13,将态势模拟的结果采用网格计算的浓度点进行三角剖分差值计算,按照颜色梯度渲染不同危险区域的扩散运动轨迹,预测最大事故影响范围:
读取事故地形数据、现场环境数据和源强泄露速率参与计算,将网格点浓度和分割的网格面剖开成一个个曲边三角形,曲面上任何两个这样的曲边三角形,要么不相交,要么恰好相交于一条公共边,计算出等值线;将选取RGB颜色,分别为0x6495ED、0x11ff01、0xFFFF00,0xFF4500,划分24个颜色梯度,分别对应不同的等值线区域图层,在地理信息系统中,设置计时器为2秒,在48秒内,通过动画播放的方式模拟扩散运动轨迹,如图3所示。
预测最大事故影响范围:首先计算事故源到在扩散运动轨迹边沿点的最短距离点和最短距离;然后计算出该最短距离点与扩散运动轨迹的边沿的所有点的最长距离;通过最短距离点计算最大事故影响范围的方向角切线,如图3所示,方向角切线包括开始角切线和结束角切线。从地理信息系统图的正北方向开始,按照顺时针方向,开始角切线与正北方向的夹角为开始角;结束角切线与正北方向的夹角为结束角。当开始角大于结束角时,则结束角加上360,反之开始角和结束角不变;最后,以最短距离点为圆心,最长距离为半径,从开始角切线开始,结束角切线截止画出扇形区域,加载至地理信息系统的图层中。该扇形区域就是最大事故影响范围。
步骤S14,计算所述最大事故影响范围内的人口密度,并据此评估出最优救援撤离路径:
统计最大事故影响范围,即扇形区域内的人口信息,计算相应的人口密度:以初始化为1公里的半径圆计算扇形区域内的人口密度,计算出人口密度集合n,将RGB颜色选取分别为0x6495ED、0x11ff01、0xFFFF00,划分n+10个颜色梯度中,将人口密度热力图加载至地理信息系统的图层中。
进一步地,查找事故源周围5公里的应急资源,依据最优化路径规划算法,评估出最优救援撤离路线。
需要说明的是,上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包含相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
实施例2
本实施例公开了一种基于流参量的实时态势模型与可视化融合的决策系统,应用于危化品泄漏事故的救援。如图4所示,本实施例的实时态势模型与可视化融合的决策系统400包括采集单元410、处理单元420、数据发送单元430、接收单元440、还原单元450、计算单元460、模拟单元470、预测单元480和评估单元490。
危化品泄漏事故的救援都是通过指挥中心600进行指令下达的。
本实施例的实施态势模型与可视化融合的决策系统400的采集单元410、处理单元420和数据发送单元430位于事故现场500侧。通过事故现场500侧的采集单元410、处理单元420和数据发送单元430来完成事故现场的现场环境数据的实时采集和发送。
采集单元410用于实时采集事故现场的现场环境数据。通常情况下,在易发生危化品泄漏的区域,均会配备相应传感器和气象仪,以达到实时监控的目的。采集单元410通过RJ45或WIFI的方式接入气象仪和传感器,实时采集气象仪和传感器的数据。现场环境数据包括但不限于气象要素和危化品浓度等等。气象要素包括但不限于风向、风速、总云量、低云量和干球温度等等。
处理单元420用于对采集的现场环境数据进行流化处理,包括但不限于缓冲现场环境数据,对现场环境数据进行二进制流转化和封装经过二进制流转化的现场环境数据。
数据发送单元430用于发送处理单元420处理好的现场环境数据至指挥中心600。
本实施例的实时态势模型与可视化融合的决策系统400的接收单元440、还原单元450、计算单元460、模拟单元470、预测单元480和评估单元490位于指挥中心600侧,通过指挥中心600侧的接收单元440、还原单元450、计算单元460、模拟单元470、预测单元480和评估单元490对现场环境数据进行分析、计算和模拟,最后评估出最优救援撤离路径。
接收单元440用于接收数据发送单元430发送过来经过处理封装的现场环境数据。
还原单元450用于对接收到的数据进行逆流化处理,将二进制流转化过的现场环境数据进行还原。
计算单元460根据现场环境数据进行源强泄漏速率的计算。
模拟单元470用于根据源强泄漏速率、现场环境数据和事故地形数据进行实时态势模拟,并对模拟结果采用网格计算的浓度点进行三角剖分值计算,按照颜色梯度渲染不同危险区域的扩散运动轨迹。
预测单元480用于根据扩散运动轨迹预测最大事故影响范围。
评估单元490用于计算最大事故影响范围内的人口密度,查找最大事故影响范围周围的疏散点或应急资源,据此评估出最优救援撤离路径。
为了突出本发明的创新部分,本实施例中并没有将与解决本发明所提出的技术问题关系不太密切的单元引入,但这并不表明本实施例中不存在其它的单元。
不难发现,本实施例为与第一实施例相对应的系统实施例,本实施例可与第一实施例互相配合实施。第一实施例中提到的相关技术细节在本实施例中依然有效,为了减少重复,这里不再赘述。相应地,本实施例中提到的相关技术细节也可应用在第一实施例中。
综上所述,本发明的一种基于流参量的实时态势模型与可视化融合的决策方法和系统,实现了事故现场环境数据的实时接入,其中,现场环境数据包括风速、风向和危化品浓度等等;采用了流参量处理技术:实现对传输数据的缓冲和二进制流转化,在节约带宽的情况下具有更加稳定的传输效果;实现了实时现场环境数据的感知分析处理,有效检测不稳定数据;.减少了应急救援研判的时间,更加便于快速展开救援。本发明克服了静态数据模型的不足以及带宽资源紧张情景下实时传输易发生的一些问题,有效提高了应急救援的准确性、有效性和智能化水平。本发明有效克服了现有技术中的种种缺点而具高度产业利用价值。
上述实施例仅例示性说明本发明的原理及其功效,而非用于限制本发明。任何熟悉此技术的人士皆可在不违背本发明的精神及范畴下,对上述实施例进行修饰或改变。因此,举凡所属技术领域中具有通常知识者在未脱离本发明所揭示的精神与技术思想下所完成的一切等效修饰或改变,仍应由本发明的权利要求所涵盖。
Claims (10)
1.一种实时态势模型与可视化融合的决策方法,适用于危化品泄漏事故的救援,其特征在于,所述实时态势模型与可视化融合的决策方法包括:
步骤S11,采集所述危化品泄漏事故的现场环境数据,对采集的所述现场环境数据进行流化处理,并将处理的所述现场环境数据发送至指挥中心;
步骤S12,所述指挥中心对接收的经过流化处理的所述现场环境数据进行逆流化处理,还原所述现场环境数据;计算源强泄漏速度;并根据所述源强泄漏速度、所述现场环境数据和事故地形数据进行实时态势的模拟;
步骤S13,将态势模拟的结果采用网格计算的浓度点进行三角剖分差值计算,按照颜色梯度渲染不同危险区域的扩散运动轨迹,预测最大事故影响范围;
步骤S14,计算所述最大事故影响范围内的人口密度,并据此评估出最优救援撤离路径。
2.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述现场环境数据包括风速、风向、温度气压和危化品浓度。
3.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述现场环境数据的采集是通过事故现场的气象仪和传感器而获得的。
4.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述现场环境数据的流化处理包括对采集到的所述现场环境数据的缓冲、二进制流转化和封装。
5.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述步骤S12还包括判断还原后的所述现场环境数据是否超过稳定范围:如果没有超过,则将所述环境数据保存入历史数据库;如果超过,则进行实时态势的计算和模拟。
6.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述事故地形数据是事故发生区域的数字高程模型数据。
7.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述步骤S13中预测所述最大事故影响范围包括:根据所述扩散运动轨迹计算最短距离点和最长距离;计算方向角切线;所述最大事故影响范围是为以所述最短距离点为原点、所述最长距离为半径、所述方向角切线所组成的扇形区域。
8.根据权利要求1所述的实时态势模型与可视化融合的决策方法,其特征在于:所述救援撤离的最优路径还依据所述最大事故影响范围周围的疏散点或应急资源进行评估。
9.一种实时态势模型与可视化融合的决策系统,适用于危化品泄漏事故的救援,其特征在于:所述实时态势模型与可视化融合的决策系统包括:
位于事故现场侧的:用于采集现场环境数据的采集单元,用于对所述现场环境数据进行流化处理的处理单元,以及用于向指挥中心发送数据的数据发送单元;
位于指挥中心侧的:用于接收经过处理的所述现场环境数据的接收单元,用于还原所述现场环境数据的还原单元,用于根据所述现场环境数据计算源强泄漏速率的计算单元,用于根据所述源强泄漏速率、所述现场环境数据和事故地形数据模拟扩散运动轨迹的模拟单元,用于根据所述扩散运动轨迹预测最大事故影响范围的预测单元,以及用于根据所述最大事故影响范围评估最优救援撤离路径的评估单元。
10.根据权利要求9所述的实时态势模型与可视化融合的决策系统,其特征在于:所述采集单元通过RJ45或WIFI的方式接入事故现场的气象仪和传感器以实时采集所述现场环境数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510023220.0A CN105844339A (zh) | 2015-01-16 | 2015-01-16 | 一种实时态势模型与可视化融合的决策方法和系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201510023220.0A CN105844339A (zh) | 2015-01-16 | 2015-01-16 | 一种实时态势模型与可视化融合的决策方法和系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN105844339A true CN105844339A (zh) | 2016-08-10 |
Family
ID=56580236
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201510023220.0A Pending CN105844339A (zh) | 2015-01-16 | 2015-01-16 | 一种实时态势模型与可视化融合的决策方法和系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105844339A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779185A (zh) * | 2016-11-30 | 2017-05-31 | 江苏省邮电规划设计院有限责任公司 | 一种基于危化品扩散模型的交通应急指挥方法 |
CN107845239A (zh) * | 2017-12-01 | 2018-03-27 | 同济大学 | 一种海上作业人员安全状态监测和预警系统 |
CN107958308A (zh) * | 2017-12-01 | 2018-04-24 | 同济大学 | 一种海上作业场后端管理方法及海上作业场后端管理系统 |
CN109781185A (zh) * | 2019-02-22 | 2019-05-21 | 赛飞特工程技术集团有限公司 | 化工园区事故影响范围预估系统 |
CN110191166A (zh) * | 2019-05-21 | 2019-08-30 | 特斯联(北京)科技有限公司 | 一种基于物联网的消防方法及系统 |
CN110569513A (zh) * | 2018-06-06 | 2019-12-13 | 中国石油化工股份有限公司 | 一种危化品气体检测器水平布置距离的优化方法 |
CN110794880A (zh) * | 2019-09-20 | 2020-02-14 | 浙江镇石物流有限公司 | 一种危化品运输车泄露后的临时救援方法 |
CN111145633A (zh) * | 2019-12-17 | 2020-05-12 | 武汉理工大学 | 城市道路危化品运输毒气泄漏扩散风险潜势图构建方法 |
CN114445041A (zh) * | 2022-01-25 | 2022-05-06 | 东莞致远物流有限公司 | 一种危化品在途事故应急处理方法及系统 |
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546336A (zh) * | 2009-05-06 | 2009-09-30 | 江西省电力信息通讯有限公司 | 危化品泄露扩散模型与gis的集成展示方法 |
-
2015
- 2015-01-16 CN CN201510023220.0A patent/CN105844339A/zh active Pending
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101546336A (zh) * | 2009-05-06 | 2009-09-30 | 江西省电力信息通讯有限公司 | 危化品泄露扩散模型与gis的集成展示方法 |
Non-Patent Citations (1)
Title |
---|
水冰峰: "基于GIS的公路危险品运输重大事故应急疏散决策支持系统设计", 《中国优秀硕士学位论文全文数据库 ISSN 1674-0246》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106779185A (zh) * | 2016-11-30 | 2017-05-31 | 江苏省邮电规划设计院有限责任公司 | 一种基于危化品扩散模型的交通应急指挥方法 |
CN107845239A (zh) * | 2017-12-01 | 2018-03-27 | 同济大学 | 一种海上作业人员安全状态监测和预警系统 |
CN107958308A (zh) * | 2017-12-01 | 2018-04-24 | 同济大学 | 一种海上作业场后端管理方法及海上作业场后端管理系统 |
CN110569513A (zh) * | 2018-06-06 | 2019-12-13 | 中国石油化工股份有限公司 | 一种危化品气体检测器水平布置距离的优化方法 |
CN110569513B (zh) * | 2018-06-06 | 2021-10-15 | 中国石油化工股份有限公司 | 一种危化品气体检测器水平布置距离的优化方法 |
CN109781185A (zh) * | 2019-02-22 | 2019-05-21 | 赛飞特工程技术集团有限公司 | 化工园区事故影响范围预估系统 |
CN110191166A (zh) * | 2019-05-21 | 2019-08-30 | 特斯联(北京)科技有限公司 | 一种基于物联网的消防方法及系统 |
CN110794880A (zh) * | 2019-09-20 | 2020-02-14 | 浙江镇石物流有限公司 | 一种危化品运输车泄露后的临时救援方法 |
CN110794880B (zh) * | 2019-09-20 | 2022-10-21 | 浙江镇石物流有限公司 | 一种危化品运输车泄露后的临时救援方法 |
CN111145633A (zh) * | 2019-12-17 | 2020-05-12 | 武汉理工大学 | 城市道路危化品运输毒气泄漏扩散风险潜势图构建方法 |
CN111145633B (zh) * | 2019-12-17 | 2021-07-06 | 武汉理工大学 | 城市道路危化品运输毒气泄漏扩散风险潜势图构建方法 |
CN114445041A (zh) * | 2022-01-25 | 2022-05-06 | 东莞致远物流有限公司 | 一种危化品在途事故应急处理方法及系统 |
CN114445041B (zh) * | 2022-01-25 | 2022-09-06 | 东莞致远物流有限公司 | 一种危化品在途事故应急处理方法及系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN105844339A (zh) | 一种实时态势模型与可视化融合的决策方法和系统 | |
CN106205114B (zh) | 一种基于数据融合的高速公路路况信息实时获取方法 | |
CN107742093A (zh) | 一种红外图像电力设备部件实时检测方法、服务器及系统 | |
KR20130060410A (ko) | 하천홍수 상황인지시스템 및 컴퓨터로 판독 가능한 기록매체 | |
CN107563412A (zh) | 一种基于深度学习的红外图像电力设备实时检测方法 | |
CN106371456A (zh) | 一种无人机巡线方法及系统 | |
CN113609656A (zh) | 基于数字孪生的智慧城市决策系统及方法 | |
CN111177887A (zh) | 一种基于真实驾驶场景构造仿真轨迹数据的方法和装置 | |
KR101668077B1 (ko) | 재난대응 시뮬레이션 시스템 및 그 방법 | |
CN103065124B (zh) | 一种烟检测方法、装置及火灾检测装置 | |
Achermann et al. | Learning to predict the wind for safe aerial vehicle planning | |
CN107481260A (zh) | 一种区域人群滞留检测方法、装置和存储介质 | |
CN107426000B (zh) | 一种网络鲁棒性评估方法及系统 | |
CN108989744A (zh) | 百万千瓦级核电站应急指挥监控方法、装置和终端设备 | |
CN115293545A (zh) | 一种基于电网台区划分的台风灾害风险评估方法、系统及存储介质 | |
CN111898296B (zh) | 一种核物质大气扩散及沉降多尺度模拟方法及系统 | |
CN116384255B (zh) | 一种基于多源数据融合的园区危险态势感知方法及系统 | |
Kumar et al. | Cellular automata calibration model to capture urban growth | |
CN115953556A (zh) | 暴雨内涝道路风险ar预警方法及装置 | |
Fonseca et al. | A novel model to predict a slab avalanche configuration using m: n-CAk cellular automata | |
CN106203467B (zh) | 一种多源位置数据的一致性检验与融合方法及系统 | |
CN111881121B (zh) | 一种自动驾驶数据填充方法和装置 | |
Kim et al. | SALT-Viz: Real-Time Visualization for Large-Scale Traffic Simulation | |
Rana et al. | Simulation based vehicle movement tracking using Kalman Filter algorithm for Autonomous vehicles | |
Ryan et al. | Accelerated convergence for city-scale flow fields using immersed boundaries and coupled multigrid |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20160810 |
|
RJ01 | Rejection of invention patent application after publication |