CN109637088A - 一种基于大并发增量数据的实时预警方法 - Google Patents

一种基于大并发增量数据的实时预警方法 Download PDF

Info

Publication number
CN109637088A
CN109637088A CN201811633621.8A CN201811633621A CN109637088A CN 109637088 A CN109637088 A CN 109637088A CN 201811633621 A CN201811633621 A CN 201811633621A CN 109637088 A CN109637088 A CN 109637088A
Authority
CN
China
Prior art keywords
disaster
data
incremental data
mode
resource allocation
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
Application number
CN201811633621.8A
Other languages
English (en)
Inventor
费建华
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningbo Zhongshu Yunchuang Information Technology Co Ltd
Original Assignee
Ningbo Zhongshu Yunchuang Information Technology Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningbo Zhongshu Yunchuang Information Technology Co Ltd filed Critical Ningbo Zhongshu Yunchuang Information Technology Co Ltd
Priority to CN201811633621.8A priority Critical patent/CN109637088A/zh
Publication of CN109637088A publication Critical patent/CN109637088A/zh
Pending legal-status Critical Current

Links

Classifications

    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B25/00Alarm systems in which the location of the alarm condition is signalled to a central station, e.g. fire or police telegraphic systems
    • G08B25/007Details of data content structure of message packets; data protocols
    • GPHYSICS
    • G08SIGNALLING
    • G08BSIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/02Alarms for ensuring the safety of persons
    • G08B21/10Alarms for ensuring the safety of persons responsive to calamitous events, e.g. tornados or earthquakes

Landscapes

  • Business, Economics & Management (AREA)
  • Emergency Management (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • General Life Sciences & Earth Sciences (AREA)
  • Geology (AREA)
  • Alarm Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于大并发增量数据的实时预警方法,包括如下步骤:1)进行全量数据采集并入库;2)进行增量数据采集并入库;3)通过分析全量数据得出结果,把增量数据与分析的结果进行对比;4)在增量数据满足分析的结果时,把入库的增量数据发布到有关灾害控制部门;5)有关灾害部门根据发布的数据进行选择订阅;把有关灾害部门订阅的数据保存到有关灾害部门指定的位置中;订阅成功后,把灾害情况反馈和应对措施建议提供给有关灾害部门。本发明减少了有关灾害控制部门的审阅时间,使反应速度加快,从而能够及时采取有效措施进行应对。

Description

一种基于大并发增量数据的实时预警方法
技术领域
本发明涉及通信技术领域,尤其涉及一种基于大并发增量数据的实时预警方法。
背景技术
灾害预警是指灾害发生前的应急网络的建立和灾害信息的发布,减少灾害造成的各种破坏与伤亡。我国曾经遭遇过多次灾害的袭击,并且造成了难以挽回的经济损失以及不少家庭的支离破碎,所以建立一种健全的与时俱进的灾害预警体系是很有必要的,这可以在关键时候挽救许许多多人的生命。
但是从现有技术来看,如申请号为CN106875635A的灾害预警方法和系统专利,其通过给动物佩戴采集器接收动物信息与灾害模型进行匹配来对灾害的反馈预警,通过这种方法来进行灾害预警往往会丢失精准度而且实时性也不能保证,灾害有可能来的只是一小片区域,也有可能是一大片,所以通过大数据来进行灾害预警是大势所趋,但是现有的利用大数据来进行灾害预警的技术方法缺乏实时性。
发明内容
本发明针对现有技术的不足,提出一种基于大并发增量数据的实时预警方法,解决了灾害预警所需的实时性问题,而且效率上也是大大地提高。
为了解决上述方案,本发明通过如下方式:一种基于大并发增量数据的实时预警方法,包括如下步骤:
一种基于大并发增量数据的实时预警方法,包括如下步骤:
1)进行全量数据采集并入库,所述全量数据包括历年来各个地区发生灾害的各项数据以及灾害处理情况,所述全量数据采集方式包括官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据;
2)进行增量数据采集并入库,能通过对数据库的操作记录和变更时间对所述增量数据进行实时更新,所述增量数据包括当日各个地区发生灾害的各项数据;
3)通过分析全量数据得出结果,把增量数据与分析的结果进行对比,所述结果包括救援资源分配建议和抵达灾害现场的方式建议;
4)在增量数据满足分析的结果时,把入库的增量数据发布到有关灾害控制部门;
5)有关灾害部门根据发布的数据进行选择订阅;
6)把有关灾害部门订阅的数据保存到有关灾害部门指定的位置中;
7)订阅成功后,把灾害情况反馈和应对措施建议提供给有关灾害部门。
上述技术方案中,优选的,所述全量数据和所述增量数据中的发生灾害的各项数据包括灾害检测指标、发生灾害的地点、地形、居民人数。
上述技术方案中,优选的,所述灾害处理情况包括受灾程度、救援资源分配、抵达灾害现场的方式。
上述技术方案中,优选的,所述步骤3)中对全量数据进行分析得出结果包括对所述灾害检测指标和所述居民人数分析得出所述受灾程度、对所述居民人数和所述救援资源分配分析得出救援资源分配建议、对所述抵达灾害现场的方式、所述发生灾害的地点和所述地形通过GPS定位系统分析得出抵达灾害现场的方式建议。
上述技术方案中,优选的,所述灾害情况反馈包括发生灾害的地点、地形、居民人数。
上述技术方案中,优选的,所述应对措施建议包括建议救援资源分配、建议抵达灾害现场的方式,是根据分析全量数据后的结果与增量数据进行对比,得出的结果来建议救援资源分配和建议抵达灾害现场的方式。
上述技术方案中,优选的,所述灾害为地震,所述各项数据中的所述灾害检测指标为地震谱,所述地震谱的采集方式通过地震仪,所述有关灾害部门为地震局,预警方法步骤如下:
步骤一:实时进行全量数据采集并入库,通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生地震的地震谱、发生地震的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行采集并入库;
步骤二:实时进行增量数据采集并入库,对当日各个地区发生地震的地震谱、发生地震的地点、地形、居民人数进行采集并入库;
步骤三:增量数据与分析所述全量数据中的地震谱、发生地震的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式得出的结果进行对比分析得出建议救援资源分配和建议抵达灾害现场的方式;
步骤四:把所述增量数据、所述建议救援资源分配和所述建议抵达灾害现场的方式发布给地震局;
步骤五:地震局通过订阅所述增量数据根据所述建议救援资源分配和所述建议抵达灾害现场的方式来采取措施应对。
上述技术方案中,优选的,所述灾害为台风,所述各项数据为风速,所述风速的采集方式通过风速仪,所述有关灾害部门为气象局,预警方法步骤如下:
步骤一: 实时进行全量数据采集并入库,通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生台风的风速、发生台风的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行采集并入库;
步骤二:实时进行增量数据采集并入库,对当日各个地区发生台风的风速、发生台风的地点、地形、居民人数进行采集并入库;
步骤三:增量数据与分析所述全量数据中的台风的风速、发生台风的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式得出的结果进行对比分析得出建议救援资源分配和建议抵达灾害现场的方式;
步骤四:把所述增量数据、所述建议救援资源分配和所述建议抵达灾害现场的方式发布给气象局;
步骤五:气象局通过订阅所述增量数据根据所述建议救援资源分配和所述建议抵达灾害现场的方式来采取措施应对。
上述技术方案中,优选的,所述灾害为暴雪,所述各项数据为降雪量,所述降雪量的采集方式包括称重法测量,所述有关灾害部门为气象局,预警方法步骤如下:
步骤一:实时进行全量数据采集并入库,通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生暴雪的降雪量、发生暴雪的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行采集并入库;
步骤二:实时进行增量数据采集并入库,对当日各个地区发生暴雪的降雪量、发生暴雪的地点、地形、居民人数进行采集并入库;
步骤三:增量数据与分析所述全量数据中的暴雪的降雪量、发生暴雪的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式得出的结果进行对比分析得出建议救援资源分配和建议抵达灾害现场的方式;
步骤四:把所述增量数据、所述建议救援资源分配和所述建议抵达灾害现场的方式发布给气象局;
步骤五:气象局通过订阅所述增量数据根据所述建议救援资源分配和所述建议抵达灾害现场的方式来采取措施应对。
本发明首先进行数据采集任务,对历年来各个地区发生灾害各项数据以及灾害处理情况(也就是全量数据)进行采集并入库,对当日各个地区发生灾害的各项数据(也就是增量数据)采集并入库,通过分析全量数据得出结果,把增量数据与分析的结果进行对比得出建议救援资源分配和建议抵达灾害现场的方式,把入库的增量数据和建议救援资源分配和建议抵达灾害现场的方式发布到有关灾害控制部门,有关灾害部门根据发布的数据进行选择订阅,把有关灾害部门订阅的数据保存到有关灾害部门指定的数据库中,订阅成功后,把灾害情况反馈和应对措施建议提供给有关灾害部门。
本发明的有益效果是:
本发明在数据发布之前先采用通过分析全量数据得出结果,把增量数据与分析的结果进行对比,把对比分析的结果直观地提供给有关灾害控制部门,这减少了有关灾害控制部门的审阅时间,使反应速度加快,从而能够及时采取有效措施进行应对。
附图说明
图1是本发明方法流程框图。
具体实施方式
下面结合具体实施例来对本发明进行进一步的说明。
实施例1:如灾害以地震为例,经过的步骤如下:
1)通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生地震的地震谱、发生地震的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行全量数据采集并入库。
1.1)所述官方认证的纸质报道或记载数据可以为《地质学报》或者《中国地质》。
1.2)所述官方认证的电子报道或记载数据可以为中国地质环境信息网。
1.3)所述历年来可以为1960年到2018年。
1.4)所述各个地区可以为易发生地震灾害的地点,如青海省、四川省、云南省等。
1.5) 所述全量数据采集是采集1960年到2018年如青海省、四川省、云南省等易发生地震灾害的地点的发生地震的地震谱、发生地震的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行全量数据采集并入库。
2)对当日各个地区发生地震的地震谱、发生地震的地点、地形、居民人数实时进行增量数据采集并入库。
2.1)所述各个地区可以为易发生地震灾害的地点,如青海省、四川省、云南省等。
2.2)所述实时进行数据采集可以为每隔3分钟进行一次数据采集。
2.3)所述地震谱是由地震仪检测得到的。
2.4)所述地震仪检测到引起地面震动的振幅,形成地震谱,由于振幅表示地震的强烈程度,通过地震仪能够检测地震的强烈程度,而且由于地震谱中的纵波与横波到达同一地震台的时间差,即时差与震中离地震台的距离成正比,离震中越远,时差越大,由此规律即可求出震中离地震台的距离,即震中距,所以就可以通过地震谱测量地震的强度、方向,这是当今测量地震强度方法的主流方法。
2.5)所述发生地震的地点是由所述增量数据中的震中距得出的。
2.6)所述地形包括平原、高原、丘陵、盆地、山地、河流,是通过GPS定位系统根据经纬度判定得到的。
2.7)所述居民人数是根据GPS定位系统的精确定位得出受灾地点后调出当地公安局登记在册的居民人数得到的。
2.8)所述增量数据采集就是每隔3分钟采集如青海省、四川省、云南省等易发生地震灾害的地点的地震谱、发生地震的地点、地形、居民人数。
3)通过分析所述全量数据中所述地震谱的振幅和所述居民人数分析得出所述受灾程度;通过分析所述全量数据中所述居民人数、所述救援资源分配分析得出救援资源分配建议;通过分析所述抵达灾害现场的方式、所述全量数据中所述发生灾害的地点、所述地形再通过GPS定位系统分析得出抵达灾害现场的方式建议。
3.1)所述通过分析所述全量数据中所述地震谱的振幅和所述居民人数分析得出所述受灾程度方法如下:由于里氏震级M的计算公式为M=lgA-lgA0,其中A是地震仪记录的地震曲线的最大振幅,A0是相应的标准地震的振幅,由此可计算里氏震级,当里氏震级为4.0-4.9时,判定为轻度灾害;当里氏震级为5.0-5.9时,根据所述居民人数数量进行判定,当所述居民人数为1到10人判定为轻度灾害,当所述居民人数为10人以上判定为中度灾害;当里氏震级为6.0以上时,根据所述居民人数数量进行判定,当所述居民人数为1到10人判定为轻度灾害,当所述居民人数为11-20人判定为中度灾害,当所述居民人数为20人以上判定为重度灾害。
3.2)所述通过分析所述全量数据中所述居民人数、所述救援资源分配分析得出救援资源分配建议方法如下:首先根据居民的数量,决定派出多少支援力量,1到10人的居民人数,建议派出20到40人的支援力量;11-50人的居民人数,建议派出50到100人的支援力量;50人以上的居民人数,建议派出100人以上的支援力量。
3.3)所述通过分析所述抵达灾害现场的方式、所述全量数据中所述发生灾害的地点、所述地形再通过GPS定位系统分析得出抵达灾害现场的方式建议方法如下:首先根据地形来判断,当发生地震的地点是山地或者高原时,建议采用直升机来使救援力量抵达灾害现场;当发生地震的地点是河流时,建议采用船艇来使救援力量抵达灾害现场,然后通过GPS定位系统进行计算,优先避开拥堵路段和崎岖路段,再根据避开拥堵路段和崎岖路段后GPS定位系统计算得出的预计到达时间最快的交通线路,乘坐根据地形建议的交通工具抵达灾害现场。
3.4)所述GPS定位系统可以为高德地图。
4)把增量数据中的地震谱、发生地震的地点、地形、居民人数,与分析全量数据得到的结果进行对比分析得到建议救援资源分配和建议抵达灾害现场的方式;
5)把增量数据、建议救援资源分配和建议抵达灾害现场的方式发布给地震局;
6)地震局通过订阅增量数据根据建议救援资源分配和建议抵达灾害现场的方式来采取措施应对。
实施例2:如灾害以台风为例,经过的步骤如下:
1)通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生台风的风速、发生台风的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行全量数据采集并入库。
1.1)所述官方认证的纸质报道或记载数据可以为《中国气象报》等。
1.2)所述官方认证的电子报道或记载数据可以为中国天气网。
1.3)所述历年来可以为1960年到2018年。
1.4)所述各个地区可以为易发生台风灾害的地点,如山东、河北、辽宁、江苏、天津、浙江、福建、上海、广东、海南等。
1.5)所述全量数据采集是采集1960年到2018年如山东、河北、辽宁、江苏、天津、浙江、福建、上海、广东、海南等发生台风灾害的地点的发生台风的风速、发生台风的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行全量数据采集并入库。
2)对当日各个地区发生台风的风速、发生台风的地点、地形、居民人数实时进行增量数据采集并入库。
2.1)所述各个地区可以为易发生台风灾害的地点,如山东、河北、辽宁、江苏、天津、浙江、福建、上海、广东、海南等。
2.2)所述实时进行数据采集可以为每隔3分钟进行一次数据采集。
2.3)所述风速是由风速仪检测得到的。
2.4)所述风速仪以风杯风速计为例,它由3个互成120°固定在支架上的抛物锥空杯组成感应部分,空杯的凹面都顺向一个方向。整个感应部分安装在一根垂直旋转轴上,在风力的作用下,风杯绕轴以正比于风速的转速旋转检测风速,风速达到0.3-1.5m/s,风级为1或2;风速达到3.4-5.4m/s,风级为3;风速达到5.5-7.9m/s,风级为4;风速达到8.0-10.7m/s,风级为5;风速达到10.8-13.8m/s,风级为6;风速达到13.9-17.1m/s,风级为7;风速达到17.2-20.7m/s,风级为8;风速达到20.8-24.4m/s,风级为9;风速达到24.5-28.4m/s,风级为10;风速达到28.5-32.6m/s,风级为11;风速达到32.7-36.9m/s,风级为12;风速达到37.0-41.4m/s,风级为13;风速达到41.5-46.1 m/s,风级为14;风速达到46.2-50.9m/s,风级为15;风速达到51.0-56.0m/s,风级为16;风速达到56.1-61.2 m/s,风级为17。
2.5)所述发生台风的地点是气象卫星检测经纬度得出的。
2.6)所述地形包括平原、高原、丘陵、盆地、山地、河流,是通过GPS定位系统根据经纬度判定得到的。
2.7)所述居民人数是根据GPS定位系统的精确定位得出受灾地点后调出当地公安局登记在册的居民人数得到的
2.8)所述地形包括平原、高原、丘陵、盆地、山地、河流,是通过GPS定位系统根据经纬度判定得到的。
2.9)所述居民人数是根据GPS定位系统的精确定位得出受灾地点后调出当地公安局登记在册的居民人数得到的。
2.10)所述增量数据采集就是每隔3分钟采集如山东、河北、辽宁、江苏、天津、浙江、福建、上海、广东、海南等易发生台风灾害的地点的风速、发生台风的地点、地形、居民人数。
3)通过分析所述全量数据中所述风速和所述居民人数分析得出所述受灾程度;通过分析所述全量数据中所述居民人数、所述救援资源分配分析得出救援资源分配建议;通过分析所述抵达灾害现场的方式、所述全量数据中所述发生灾害的地点、所述地形再通过GPS定位系统分析得出抵达灾害现场的方式建议。
3.1)所述通过分析所述全量数据中所述风速和所述居民人数分析得出所述受灾程度方法如下:当风级为6-9级时,判定为轻度灾害;当风级为10-11级时,根据所述居民人数数量进行判定,当所述居民人数为1到10人判定为轻度灾害,当所述居民人数为10人以上判定为中度灾害;当里氏震级为11级以上时,根据所述居民人数数量进行判定,当所述居民人数为1到10人判定为中度灾害,当所述居民人数为10人以上判定为重度灾害。
3.2)所述通过分析所述全量数据中所述居民人数、所述救援资源分配分析得出救援资源分配建议方法如下:首先根据居民的数量,决定派出多少支援力量,1到10人的居民人数,建议派出20到40人的支援力量;11-20人的居民人数,建议派出50到100人的支援力量;20人以上的居民人数,建议派出100人以上的支援力量。
3.3)所述通过分析所述抵达灾害现场的方式、所述全量数据中所述发生灾害的地点、所述地形再通过GPS定位系统分析得出抵达灾害现场的方式建议方法如下:首先根据地形来判断,当发生台风的地点是山地或者高原时,建议采用直升机来使救援力量抵达灾害现场;当发生台风的地点是河流时,建议采用船艇来使救援力量抵达灾害现场,然后通过GPS定位系统进行计算,优先避开拥堵路段和崎岖路段,再根据避开拥堵路段和崎岖路段后GPS定位系统计算得出的预计到达时间最快的交通线路,乘坐根据地形建议的交通工具抵达灾害现场。
3.4)所述GPS定位系统可以为高德地图。
4)把增量数据中的风速、发生台风的地点、地形、居民人数,与分析全量数据得到的结果进行对比分析得到建议救援资源分配和建议抵达灾害现场的方式;
5)把增量数据、建议救援资源分配和建议抵达灾害现场的方式发布给气象局;
6)气象局通过订阅增量数据根据建议救援资源分配和建议抵达灾害现场的方式来采取措施应对。
实施例3:如灾害以暴雪为例,经过的步骤如下:
1)通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生暴雪的降雪量、发生暴雪的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行全量数据采集并入库。
1.1)所述官方认证的纸质报道或记载数据可以为《中国气象报》等。
1.2)所述官方认证的电子报道或记载数据可以为中国天气网。
1.3)所述历年来可以为1960年到2018年。
1.4)所述各个地区可以为易发生暴雪灾害的地点,如黑龙江、内蒙古、吉林、新疆等。
1.5)所述全量数据采集是采集1960年到2018年如黑龙江、内蒙古、吉林、新疆等发生暴雪灾害的地点的发生暴雪的降雪量、发生暴雪的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行全量数据采集并入库。
2)对当日各个地区发生暴雪的降雪量、发生暴雪的地点、地形、居民人数实时进行增量数据采集并入库。
2.1)所述各个地区可以为易发生暴雪灾害的地点,如黑龙江、内蒙古、吉林、新疆等。
2.2)所述实时进行数据采集可以为每隔3分钟进行一次数据采集。
2.3)所述降雪量是通过用称重法测量。
2.4)暴雪预警信号分为蓝色、黄色、橙色和红色预警信号四种,所述蓝色预警信号为12小时内降雪量将达4毫米以上;所述黄色预警信号为12小时内降雪量将达6毫米以上;所述橙色预警信号为6小时内降雪量将达10毫米以上;所述红色预警信号为6小时内降雪量将达15毫米以上。
所述发生暴雪的地点是气象卫星检测经纬度得出的。
所述地形包括平原、高原、丘陵、盆地、山地、河流,是通过GPS定位系统根据经纬度判定得到的。
所述居民人数是根据GPS定位系统的精确定位得出受灾地点后调出当地公安局登记在册的居民人数得到的
所述地形包括平原、高原、丘陵、盆地、山地、河流,是通过GPS定位系统根据经纬度判定得到的。
所述居民人数是根据GPS定位系统的精确定位得出受灾地点后调出当地公安局登记在册的居民人数得到的。
所述增量数据采集就是每隔3分钟采集如山东、河北、辽宁、江苏、天津、浙江、福建、上海、广东、海南等易发生暴雪灾害的地点的降雪量、发生暴雪的地点、地形、居民人数。
3)通过分析所述全量数据中所述降雪量和所述居民人数分析得出所述受灾程度;通过分析所述全量数据中所述居民人数、所述救援资源分配分析得出救援资源分配建议;通过分析所述抵达灾害现场的方式、所述全量数据中所述发生灾害的地点、所述地形再通过GPS定位系统分析得出抵达灾害现场的方式建议。
3.1)所述通过分析所述全量数据中所述降雪量和所述居民人数分析得出所述受灾程度方法如下:当暴雪预警信号为蓝色时,判定为轻度灾害;当暴雪预警信号为黄色时,根据所述居民人数数量进行判定,当所述居民人数为1到20人判定为轻度灾害,当所述居民人数为20人以上判定为中度灾害;当暴雪预警信号分为橙色时,根据所述居民人数数量进行判定,当所述居民人数为1到10人判定为轻度灾害,当所述居民人数为10人以上判定为中度灾害;当暴雪预警信号分为红色时,根据所述居民人数数量进行判定,当所述居民人数为1到10人判定为中度灾害,当所述居民人数为10人以上判定为重度灾害。
3.2)所述通过分析所述全量数据中所述居民人数、所述救援资源分配分析得出救援资源分配建议方法如下:首先根据居民的数量,决定派出多少支援力量,1到10人的居民人数,建议派出20到40人的支援力量;11-20人的居民人数,建议派出50到100人的支援力量;20人以上的居民人数,建议派出100人以上的支援力量。
3.3)所述通过分析所述抵达灾害现场的方式、所述全量数据中所述发生灾害的地点、所述地形再通过GPS定位系统分析得出抵达灾害现场的方式建议方法如下:首先根据地形来判断,当发生暴雪的地点是山地或者高原时,建议采用直升机来使救援力量抵达灾害现场;当发生暴雪的地点是河流时,建议采用船艇来使救援力量抵达灾害现场,然后通过GPS定位系统进行计算,优先避开拥堵路段和崎岖路段,再根据避开拥堵路段和崎岖路段后GPS定位系统计算得出的预计到达时间最快的交通线路,乘坐根据地形建议的交通工具抵达灾害现场。
3.4)所述GPS定位系统可以为高德地图。
4)把增量数据中的降雪量、发生暴雪的地点、地形、居民人数,与分析全量数据得到的结果进行对比分析得到建议救援资源分配和建议抵达灾害现场的方式;
5)把增量数据、建议救援资源分配和建议抵达灾害现场的方式发布给气象局;
6)气象局通过订阅增量数据根据建议救援资源分配和建议抵达灾害现场的方式来采取措施应对。

Claims (9)

1.一种基于大并发增量数据的实时预警方法,其特征在于,包括如下步骤:
1)进行全量数据采集并入库,所述全量数据包括历年来各个地区发生灾害的各项数据以及灾害处理情况,所述全量数据采集方式包括官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据;
2)进行增量数据采集并入库,能通过对数据库的操作记录和变更时间对所述增量数据进行实时更新,所述增量数据包括当日各个地区发生灾害的各项数据;
3)通过分析全量数据得出结果,把增量数据与分析的结果进行对比,所述结果包括救援资源分配建议和抵达灾害现场的方式建议;
4)在增量数据满足分析的结果时,把入库的增量数据发布到有关灾害控制部门;
5)有关灾害部门根据发布的数据进行选择订阅;
6)把有关灾害部门订阅的数据保存到有关灾害部门指定的位置中;
7)订阅成功后,把灾害情况反馈和应对措施建议提供给有关灾害部门。
2.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述全量数据和所述增量数据中的发生灾害的各项数据包括灾害检测指标、发生灾害的地点、地形、居民人数。
3.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述灾害处理情况包括受灾程度、救援资源分配、抵达灾害现场的方式。
4.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述步骤3)中对全量数据进行分析得出结果包括对所述灾害检测指标和所述居民人数分析得出所述受灾程度、对所述居民人数和所述救援资源分配分析得出救援资源分配建议、对所述抵达灾害现场的方式、所述发生灾害的地点和所述地形通过GPS定位系统分析得出抵达灾害现场的方式建议。
5.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述灾害情况反馈包括发生灾害的地点、地形、居民人数。
6.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述应对措施建议包括建议救援资源分配、建议抵达灾害现场的方式,是根据分析全量数据后的结果与增量数据进行对比,得出的结果来建议救援资源分配和建议抵达灾害现场的方式。
7.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述灾害为地震,所述各项数据中的所述灾害检测指标为地震谱,所述地震谱的采集方式通过地震仪,所述有关灾害部门为地震局,预警方法步骤如下:
步骤一:实时进行全量数据采集并入库,通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生地震的地震谱、发生地震的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行采集并入库;
步骤二:实时进行增量数据采集并入库,对当日各个地区发生地震的地震谱、发生地震的地点、地形、居民人数进行采集并入库;
步骤三:增量数据与分析所述全量数据中的地震谱、发生地震的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式得出的结果进行对比分析得出建议救援资源分配和建议抵达灾害现场的方式;
步骤四:把所述增量数据、所述建议救援资源分配和所述建议抵达灾害现场的方式发布给地震局;
步骤五:地震局通过订阅所述增量数据根据所述建议救援资源分配和所述建议抵达灾害现场的方式来采取措施应对。
8.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述灾害为台风,所述各项数据为风速,所述风速的采集方式通过风速仪,所述有关灾害部门为气象局,预警方法步骤如下:
步骤一: 实时进行全量数据采集并入库,通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生台风的风速、发生台风的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行采集并入库;
步骤二:实时进行增量数据采集并入库,对当日各个地区发生台风的风速、发生台风的地点、地形、居民人数进行采集并入库;
步骤三:增量数据与分析所述全量数据中的台风的风速、发生台风的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式得出的结果进行对比分析得出建议救援资源分配和建议抵达灾害现场的方式;
步骤四:把所述增量数据、所述建议救援资源分配和所述建议抵达灾害现场的方式发布给气象局;
步骤五:气象局通过订阅所述增量数据根据所述建议救援资源分配和所述建议抵达灾害现场的方式来采取措施应对。
9.根据权利要求1所述的一种基于大并发增量数据的实时预警方法,其特征在于,所述灾害为暴雪,所述各项数据为降雪量,所述降雪量的采集方式通过称重法测量,所述有关灾害部门为气象局,预警方法步骤如下:
步骤一:实时进行全量数据采集并入库,通过官方认证的纸质报道或记载数据、官方认证的电子报道或记载数据对历年来各个地区发生暴雪的降雪量、发生暴雪的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式进行采集并入库;
步骤二:实时进行增量数据采集并入库,对当日各个地区发生暴雪的降雪量、发生暴雪的地点、地形、居民人数进行采集并入库;
步骤三:增量数据与分析所述全量数据中的暴雪的降雪量、发生暴雪的地点、地形、居民人数、受灾程度、救援资源分配、抵达灾害现场的方式得出的结果进行对比分析得出建议救援资源分配和建议抵达灾害现场的方式;
步骤四:把所述增量数据、所述建议救援资源分配和所述建议抵达灾害现场的方式发布给气象局;
步骤五:气象局通过订阅所述增量数据根据所述建议救援资源分配和所述建议抵达灾害现场的方式来采取措施应对。
CN201811633621.8A 2018-12-29 2018-12-29 一种基于大并发增量数据的实时预警方法 Pending CN109637088A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811633621.8A CN109637088A (zh) 2018-12-29 2018-12-29 一种基于大并发增量数据的实时预警方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811633621.8A CN109637088A (zh) 2018-12-29 2018-12-29 一种基于大并发增量数据的实时预警方法

Publications (1)

Publication Number Publication Date
CN109637088A true CN109637088A (zh) 2019-04-16

Family

ID=66054471

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811633621.8A Pending CN109637088A (zh) 2018-12-29 2018-12-29 一种基于大并发增量数据的实时预警方法

Country Status (1)

Country Link
CN (1) CN109637088A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682573A (zh) * 2012-03-31 2012-09-19 上海海洋大学 一种基于时间序列分析的风暴潮灾害预警系统
CN107610421A (zh) * 2017-09-19 2018-01-19 合肥英泽信息科技有限公司 一种地质灾害预警分析系统及方法
CN107705515A (zh) * 2017-11-30 2018-02-16 四川领创者科技有限公司 一种基于大数据的地质灾害监测系统
US20180053401A1 (en) * 2016-08-22 2018-02-22 Rapidsos, Inc. Predictive analytics for emergency detection and response management
CN107835245A (zh) * 2017-11-08 2018-03-23 上海宽全智能科技有限公司 图像自更新方法与装置、设备及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102682573A (zh) * 2012-03-31 2012-09-19 上海海洋大学 一种基于时间序列分析的风暴潮灾害预警系统
US20180053401A1 (en) * 2016-08-22 2018-02-22 Rapidsos, Inc. Predictive analytics for emergency detection and response management
CN107610421A (zh) * 2017-09-19 2018-01-19 合肥英泽信息科技有限公司 一种地质灾害预警分析系统及方法
CN107835245A (zh) * 2017-11-08 2018-03-23 上海宽全智能科技有限公司 图像自更新方法与装置、设备及系统
CN107705515A (zh) * 2017-11-30 2018-02-16 四川领创者科技有限公司 一种基于大数据的地质灾害监测系统

Similar Documents

Publication Publication Date Title
Amato et al. Performance of the INGV National Seismic Network from 1997 to 2007
CN111158036B (zh) 一种吊舱姿态实时测量、解算与监控装置
CN205754358U (zh) 一种航空监测系统
CN106597524B (zh) 高速铁路地震预警方法、地震监测台站及铁路局中心系统
Malme et al. Behavioral responses of gray whales to industrial noise: Feeding observations and predictive modeling
Bragato et al. Acquiring, archiving, analyzing and exchanging seismic data in real time at the Seismological Research Center of the OGS in Italy
CN104200082A (zh) 台风登陆预测方法
Kong et al. Toward global earthquake early warning with the myshake smartphone seismic network, part 1: Simulation platform and detection algorithm
CN113985479A (zh) 一种基于边缘计算的地震信息处理方法与装置
CN109637088A (zh) 一种基于大并发增量数据的实时预警方法
CN111931433B (zh) 一种判定热带气旋对上层海洋影响的动力强度指数的方法
CN109583593A (zh) 一种基于自动气象站的低空风切变识别方法
Orazi et al. The seismic monitoring network of Mt. Vesuvius
CN107180512B (zh) 一种特定地区地震事件的报警方法
Flinn The history of the Walls Boundary fault, Shetland: the northward continuation of the Great Glen fault from Scotland
US20220329052A1 (en) Dynamic anomaly localization of utility pole wires
Evers et al. A climatology of infrasound detections in northern Norway at the experimental ARCI array
Macklin et al. A comparison of gradient and observed over‐the‐water winds along a mountainous coast
Anderson et al. Unexplained sets of seismographic station reports and a set consistent with a quark nugget passage
CN114200512A (zh) 一种用于铁路施工期关键工点的地震烈度预警方法及系统
Shi et al. Investigation on the lightning location and warning system using artificial intelligence
CN112633347A (zh) 登陆台风近地层风特性及其与晴空风特性差异的分析方法
Stuart Associations between Pi 2 and Bays at Lerwick and Halley Bay
Mikael Establishment of the Ethiopian Seismic Monitoring Network
Hu An Earthquake Disaster Warning System for HSR Operation Safety

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
RJ01 Rejection of invention patent application after publication

Application publication date: 20190416

RJ01 Rejection of invention patent application after publication