CN110781261A - 基于地理空间信息的建筑物损坏风险筛查方法及系统 - Google Patents
基于地理空间信息的建筑物损坏风险筛查方法及系统 Download PDFInfo
- Publication number
- CN110781261A CN110781261A CN201910973373.XA CN201910973373A CN110781261A CN 110781261 A CN110781261 A CN 110781261A CN 201910973373 A CN201910973373 A CN 201910973373A CN 110781261 A CN110781261 A CN 110781261A
- Authority
- CN
- China
- Prior art keywords
- building
- damage risk
- damage
- information
- screening
- 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
- 230000006378 damage Effects 0.000 title claims abstract description 87
- 238000000034 method Methods 0.000 title claims abstract description 61
- 238000012216 screening Methods 0.000 title claims abstract description 56
- 238000011156 evaluation Methods 0.000 claims abstract description 19
- 230000002787 reinforcement Effects 0.000 claims abstract description 15
- 239000000463 material Substances 0.000 claims abstract description 12
- 230000000694 effects Effects 0.000 claims description 29
- 238000012502 risk assessment Methods 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 7
- 239000002689 soil Substances 0.000 claims description 7
- 230000007547 defect Effects 0.000 claims description 4
- 230000003993 interaction Effects 0.000 claims description 4
- 239000012528 membrane Substances 0.000 claims description 2
- 238000004364 calculation method Methods 0.000 abstract description 12
- 230000006870 function Effects 0.000 abstract description 6
- 230000002265 prevention Effects 0.000 abstract description 6
- 230000000007 visual effect Effects 0.000 abstract description 6
- 238000010801 machine learning Methods 0.000 abstract description 5
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000009466 transformation Effects 0.000 abstract description 4
- 230000007246 mechanism Effects 0.000 abstract 1
- 238000004422 calculation algorithm Methods 0.000 description 16
- 238000013461 design Methods 0.000 description 10
- 238000005516 engineering process Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 10
- 238000004458 analytical method Methods 0.000 description 9
- 238000013480 data collection Methods 0.000 description 7
- 238000007689 inspection Methods 0.000 description 5
- 238000012986 modification Methods 0.000 description 5
- 230000004048 modification Effects 0.000 description 5
- 238000007726 management method Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 239000013598 vector Substances 0.000 description 4
- 238000012800 visualization Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 3
- 230000035939 shock Effects 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000010561 standard procedure Methods 0.000 description 2
- MCSXGCZMEPXKIW-UHFFFAOYSA-N 3-hydroxy-4-[(4-methyl-2-nitrophenyl)diazenyl]-N-(3-nitrophenyl)naphthalene-2-carboxamide Chemical compound Cc1ccc(N=Nc2c(O)c(cc3ccccc23)C(=O)Nc2cccc(c2)[N+]([O-])=O)c(c1)[N+]([O-])=O MCSXGCZMEPXKIW-UHFFFAOYSA-N 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000002596 correlated effect Effects 0.000 description 1
- 230000000875 corresponding effect Effects 0.000 description 1
- 230000002950 deficient Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000002360 preparation method Methods 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 238000005067 remediation Methods 0.000 description 1
- 238000012827 research and development Methods 0.000 description 1
- 238000013077 scoring method Methods 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
- 230000002194 synthesizing effect Effects 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 238000000844 transformation Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/08—Construction
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Databases & Information Systems (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Quality & Reliability (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Operations Research (AREA)
- Remote Sensing (AREA)
- Data Mining & Analysis (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于地理空间信息的建筑物损坏风险筛查方法及系统，集成了地理空间信息，能够满足大范围建筑物地震风险快速可视化筛查需求，全面系统地研究地震数据、建筑内外结构和材料等多因素对地震建筑物损毁的影响，并建立有具有普适性的建筑物损伤指数计算方法和基于机器学习的决策支持系统，突破了建筑风险筛查自动化程度低，可靠性差的难题，实现了建筑物易损性的快速筛查、风险评估和加固改造方案自动生成等功能，能够为地震前后的预防和应急工作提供建议，并为防灾减灾部门和相关机构提供决策性建议，以增强建筑结构。
Description
技术领域
本发明涉及地震灾害评估技术，尤其涉及一种基于地理空间信息的建筑物损坏风险筛查方法及系统。
背景技术
建筑物损坏风险筛查对于地震前后建筑物的针对性加固十分重要，它能达到减少人员伤亡和财产损失、指导灾后重建和降低重建成本的目的。现有的建筑物损坏风险筛查方法受限于局部地区建筑规范，且未集成地理空间信息，存在诸如自动化程度低、可靠性差、无法按地理位置检索和自动智能评估漏洞和风险、效率低、成本高、耗时长、缺乏可扩展性和可定制性等问题，难以用于地域级甚至全球范围内各种各样建筑物的筛查，不能用绘图和三维建模来筛查建筑物的潜在损坏风险，也不是基于地理空间信息的系统。在需要的地方，研究人员和从业人员无法从逻辑上灵活地将地理空间信息合理地集成到地震和结构工程参数(即，土壤类型、建筑类型、材料、层数、不规则性、拓扑关系和对建筑的危害、强度系数、构件效应系数、连接效应系数、隔膜效应系数)中。现有技术的缺陷最主要表现为以下几个关键问题：
(1)开发可扩展和可定制的建筑评分算法和系统：
现有技术使用不同的影响因素来计算建筑物的得分和建筑物的易损性得分，没有清楚地表明建筑物倒塌的概率，只能通过现场数据收集和硬拷贝形式来表示建筑物的易损性和损坏风险。
(2)构建高效的建筑物损毁概率算法
通常情况下，在对建筑物进行评分时，需要充分考虑其形状、地震活动度、土壤类型、建筑物类型、材料、楼层数、不规则性、邻近性和危险性。然而，现有技术在计算基于地理空间的公式时，并未完全考虑以下因素：失效系数α，观测到的缺陷的强度系数ω、成员影响系数β、连接效应系数γ、基础效应系数ξ、膜片效应系数η和交互影响系数Ω，影响到建筑物损毁计算的效率。
(3)优化的建筑评估结果，生成报告和建议
现有技术中的建筑物评分结果与算法无法很好地适应系数值与建筑物的损毁风险的变化。目前许多国家的建筑物抗震规范各不相同，没有基于地理空间的统一的标准平台。
发明内容
本发明主要目的在于，提供一种基于地理空间信息的建筑物损坏风险筛查方法及系统，以解决现有建筑物风险筛查手段自动化程度低，可靠性差的问题。
本发明是通过如下技术方案实现的：
一种基于地理空间信息的建筑物损坏风险筛查方法，包括如下步骤：
步骤A：基于地图登记需要进行建筑物损坏风险筛查的建筑物的信息；
步骤B：按照预设规则评估所选择的建筑物的损坏风险；
步骤C：输出所选择的建筑物的损坏风险评估结果。
进一步地，所述步骤A包括：
步骤A1：在地图上绘制各建筑物的边界；
步骤A2：输入各建筑物的信息，各建筑物的信息包括各建筑物的结构参数信息、各建筑物所在地理位置的地质参数信息以及各建筑物所在地理位置的地震参数信息；
步骤A3：将各建筑物的信息存入云端数据库。
进一步地，所述步骤B包括：
步骤B1：选择需要进行建筑物损坏风险筛查的建筑物；
步骤B2：确定有效评估类型；
步骤B3：根据预设规则对所选择的建筑物进行损坏风险筛查，得到所选择的建筑物的损坏风险评估结果。
进一步地，所述所选择的建筑物的损坏风险评估结果包括各所选择的建筑物的损伤指数和/或易损性得分。
进一步地，建筑物的损伤指数的计算公式为：
进一步地，所述所选择的建筑物的损坏风险评估结果还包括各建筑物的加固优先级排序，所述加固优先级排序根据各建筑物的易损性确定，易损性越高的建筑物加固优先级越高。
进一步地，各建筑物的结构参数信息包括各建筑物的结构类型、材料、地基类型、层数。
进一步地，各建筑物所在地理位置的地质参数信息包括各建筑物所在地理位置的土壤类型。
进一步地，各建筑物所在地理位置的地震参数信息包括各建筑物所在地理位置的地震强度和地震活动水平。
一种基于地理空间信息的建筑物损坏风险筛查系统，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，执行如上所述的基于地理空间信息的建筑物损坏风险筛查方法。
与现有技术相比，本发明提供的基于地理空间信息的建筑物损坏风险筛查方法及系统，集成了地理空间信息，能够满足大范围建筑物地震风险快速可视化筛查需求，全面系统地研究地震数据、建筑内外结构和材料等多因素对地震建筑物损毁的影响，并建立有具有普适性的建筑物损伤指数计算方法和基于机器学习的决策支持系统，突破了建筑风险筛查自动化程度低，可靠性差的难题，实现了建筑物易损性的快速筛查、风险评估和加固改造方案自动生成等功能，能够为地震前后的预防和应急工作提供建议，并为防灾减灾部门和相关机构提供决策性建议，以增强建筑结构。
附图说明
图1是本发明方法原理示意图；
图2是本发明方法流程概述；
图3是本发明提供的基于地理空间信息的建筑物损坏风险筛查方法流程示意图；
图4是建筑物信息登记流程示意图；
图5是建筑物损坏风险评估流程示意图；
图6a是建筑物信息登记具体流程示意图；
图6b是建筑物损坏风险评估具体流程示意图；
图6c是建筑物信息修订流程示意图；
图7是对建筑物进行识别和评估示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚明白，下面结合实施例和附图，对本发明作进一步详细说明。
本发明构建的GeoRVS(Geospatial Information-based Rapid VisualScreening，基于地理信息的快速视觉筛查)方法需要尝试全面、复杂的计算过程，才能生成损伤指数(DI)和建筑物得分。本发明利用并改进了与地理空间信息技术相结合的推荐算法，然后，结合了地震和结构工程技术和参数，实施联邦紧急事务管理局(FEMA)的方法和DBJ51/T068(2016和2017年)。之后，本发明构建了基于云的平台，用于确定建筑物的易损性和风险评估。
本发明整合地理空间信息科学、地震学、结构工程科学和计算机科学等主要学科，应用了计算机编程、人工智能(AI)、机器学习和决策支持系统(DSS)技术，这些技术利用了设计信息和结构工程参数，使用DIOB、FEMA 1级和2级和建筑规范，并将相关参数应用于计算机编程和基于地理空间的平台，分析了相关建筑参数的DIOB、FEMA建筑规范，并应用了地理空间转换、专家知识和实地考察。本发明创建的基于地理空间的信息平台包括这一步中进行的每一层信息(即属性或空间、栅格或矢量)。本发明为包括属性或空间、栅格或矢量在内的所有数据创建了地理数据库，通过建立的BoDI或FEMA来集成、分析和计算用于基于云平台的建筑物评估数据，产生地图、报告和建议，并确定了用于改造的建筑物的优先级。图1和图2描绘了本发明的流程图方法和概述。
本发明的技术路线：从技术角度来看，本发明的创新之处主要是通过整合地理空间信息技术进行逻辑分析以编制算法，提取了所需的空间数据和非地理空间信息，包括栅格和矢量数据，开发了软件和地理空间信息，用于整合地震和结构工程，并将其融入专门知识，DSS和AI中。该平台为属性、栅格和矢量等数据创建了地理信息数据库，还通过云平台智能地生成地图、报告和建议，以便对建筑物修复改造的优先顺序。
本发明的关键技术概述：
(1)通过确定拓扑和逻辑地理分析技术，结合编译的建筑物技术信息来源，整合地理位置和地理空间系统的能力，提高建筑物损坏指数的确定性；
(2)通过巧妙地将分析复杂性从前端切换到后端，简化了对用户友好的建筑物复杂度的评估；
(3)自动化和智能计算，提取，报告，推荐和更新历史建筑信息管理(BIM)以及以前所未有的规模和速度减少了损失的风险；
(4)利用创新决策支持系统(DSS)和智能地理空间云计算平台对建筑物进行评分，并优先加固现有的历史建筑。
基于上述原理，如图3所示，本发明实施例提供的基于地理空间信息的建筑物损坏风险筛查方法，包括如下步骤：
步骤A：基于地图登记需要进行建筑物损坏风险筛查的建筑物的信息；
步骤B：按照预设规则评估所选择的建筑物的损坏风险；
步骤C：输出所选择的建筑物的损坏风险评估结果。
其中，如图4所示，所述步骤A可包括：
步骤A1：在地图上绘制各建筑物的边界；
步骤A2：输入各建筑物的信息，各建筑物的信息包括各建筑物的结构参数信息、各建筑物所在地理位置的地质参数信息以及各建筑物所在地理位置的地震参数信息；
步骤A3：将各建筑物的信息存入云端数据库。
其中，如图5所示，所述步骤B可包括：
步骤B1：选择需要进行建筑物损坏风险筛查的建筑物；
步骤B2：确定有效评估类型；
步骤B3：根据预设规则对所选择的建筑物进行损坏风险筛查，得到所选择的建筑物的损坏风险评估结果。
所述所选择的建筑物的损坏风险评估结果可包括各所选择的建筑物的损伤指数和/或易损性得分。
建筑物的损伤指数可采用损伤指数(DI)计算方法计算。损伤指数计算方法考虑了工程参数，如地震数据、结构、地块和材料类型、基础、天花板、墙壁、地板、内部和外部。在本发明中已经开发了该算法和原型软件。该算法使用MATLAB环境并带有必要参数。具体来说，建筑物的损伤指数计算公式为：
易损性可基于FEMA(联邦紧急事务管理局)标准的方法来计算。基于快速视觉筛查(RVS)技术的FEMA(联邦紧急事务管理局)标准方法可识别、计算和筛查具有潜在危险的建筑物。通常，对于FEMA-154，有1级和2级两种形式。它包括用于记录建筑物识别信息的空间。用该方法筛查的结果如果表明某建筑物是一个有潜在的易损性的建筑物，则该建筑物需要由具有抗震设计经验的专业设计师进行专业设计，由筛查员进行进一步评估，以确定该建筑物是否真的具有潜在的易损性。目前的建筑物筛查技术基于表格和数据收集表格的形式。进行调查的人员以所调查的建筑物外部(如果条件允许也包括室内)的目视观察(FEMA2016)为基础。数据收集表的内容包括鉴定建筑物后确定的多个属性信息，例如建筑物的土地利用、大小、草图、照片和与抗震性能相关的数据参数。建筑物数据采集表格的过程从识别主要地震系统和建筑物的结构材料开始，依据测量员收集的数据，进行建筑物抗震性能的预期指标参数的计算，并筛查数据收集表格。检查员通过评估建筑物的适当的建议，提供了各种类型的分数。
通过大量的实地调查，本节中描述的方法使得上述实施过程更加高效且经济。对于高成本建筑物的详细分析，只需要通过自动化生成一个建筑物得分清单。根据该方法的建筑物得分清单反映了在发生地震时建筑物的坍塌或部分坍塌的情况。坍塌的可能性(如侧栏中所定义)并不表示地震后建筑物可用的概率指标。例如，如果列表中的建筑物获得相对较高的分数(即高于设定的底线分数)，由复杂的编程代码开发的GeoRVS程序可以智能地判断并确保建筑物具有足够的抗震能力，否则，它将确定该建筑物是否可能易受攻击且应具备抗震设计经验的专业人员进行进一步的评估。最后，应结合建筑物的详细排查结果和工程分析结果等详细程序，通过重新评估来确定单体建筑物改造的必要性。
根据技术规范对震后建筑安全应急评估的方法
该方法基于快速筛查和分类的技术知识。它通过现场检查，评估地震后建筑物的安全性。它可以循环评估施工现场环境、基础和结构。组件和非结构组件以子评估为依据，以便根据上述公式对整体建筑进行评估。目前，主要采用震后安全的安全技术评估程序来接受和分配现场检查。在这个过程中，过程的评估对象是整个建筑物的外观，关键部件的结构部件和是否易坍塌等。非结构性组件影响疏散渠道，并通过分评估和综合子项目结果来评估程序。该方法基于对长期有缺陷的建筑物外观和结构件的评估和总结。
GeoRVS和关键技术的实施：建筑物的综合评分方法
GeoRVS是一种在地震修复和改造过程中建立建筑物抗力模型的有前景的方法。在GeoRVS平台内的建筑得分和损伤指数与地理空间信息的结合可以交互地用于地理信息系统(GIS)。在地理信息系统中，可通过地图形式来表示建筑物的易损性相关信息，例如，深红色表示没有抗震能力的易损性非常高的建筑物，应该考虑将其修复。红色表示没有抗震能力的高到中等易损性建筑物，应该考虑将其修复。粉红色表示没有抗震能力的中等至低等易损性建筑物。灰色表示地震影响后会有低易损性(即强度)的建筑物。它支持计算相关的工程参数，以便在网络或云上分析数据，并达到更好的质量管理之目的。它提取与建筑信息管理(BIM)(原文：building information management(BIM))相关的用于更新建筑物的信息。其弹性能力可使地理空间数据易于获取，以评估建筑物的防震减灾能力。对于GeoRVS发展的研究旨在GeoRVS开发的研究旨在引入软件平台，使用集成系统来设计和剖析评估建筑物抗震能力的数据。该GeoRVS程序承诺将地理空间集成系统和工程进行新的组合，用于快速评估建筑物，并通过结合地理信息系统(GIS)，建筑结构信息，FEMA为基础的土木工程和工业工程，以及地震数据、结构、地块、材料类型、基础、天花板、墙壁、地板、内部和外部，进一步进行城市规划。该计划中的平台可以确定建筑物的易损性，从1到100和0到7排列，取决于利用损伤指数计算公式还是用FEMA，并给建筑物评分以评估风险，如下表。
| 得分 | 易损性等级 |
| 1-10 | 倒塌 |
| 10-40 | 严重破坏 |
| 40-70 | 中等破坏 |
| 70-90 | 轻微损害 |
| 90-100 | 基本完好 |
表1：使用损伤指数计算公式对住宅建筑的易损性评分
虽然该GeoRVS允许系统允许筛查者和用户分析和确定建筑物的易损性，并估计地理空间平台内的地震风险，但它也将给出生成报告和建筑物改造的建议。在此平台上，本发明使用决策支持系统(DSS)来生成优先级图。最后，本系统可以生成在线报告。
除此之外，GeoRVS程序还用于识别、清点和筛查具有倒塌可能的弹性建筑物。系统将智能地确定所选建筑物，并通过选择特定建筑物的地理位置，将与检查表格相关联的有关参数提取为潜在危险。它位于完全基于地理空间的系统中。这些从卫星图像上或开源数据中选定的建筑多边形应由具有抗震设计经验的专业工程师进一步评估，以确定它们实际上是否具有地震危险性。GeoRVS程序使用了基于遥感(如果可能)的卫星和无人机图像、地图和基于3D真实世界的观测与建筑物的人行道测量相结合的方法。它允许收集数据，确定和计算相关的参数，并进一步智能地完成在线的FEMA-154数字表格。进行调查的检查员或筛查员将根据从外部，如果可能，从内部对建筑物的视觉观察来确保调查的过程。它还可以在现场使用完全基于的方法，通过实地调查来确定可损性并进行风险评估。这项工作可以由专业人员或地理空间及工程知识背景较少的人员来完成。前端设计的方法是人性化的，计算的复杂性隐藏在后端。这是因为通过确定他们所居住的建筑物的健全状况，简化了程序并鼓励市民参与震前和震后准备。根据针对该地区中有潜在地震活动的区域提出的方程式、算法和两页数据收集表将由系统自动提供给筛查员。数字形式的设计用于强地震、极强地震、中等地震、弱地震和微地震等级。本发明设计了自动智能地理空间算法来识别所选区域的土壤类型和地震活动水平。这将让所建议的设计系统灵活地选择形式。通常，对于FEMA-154，有1级和2级两种形式，它包括用于记录建筑物识别信息的空间。它们包括地理位置、土地利用图、土壤类型、地震活动信息、用途和大小、建筑物照片、3D重建可视化链接、草图以及与地震性能相关的相应的数据文档。大部分信息可以在软件平台上从建议的数据库中自动、智能地检索到。根据在线现场或可能的遥感调查期间收集的数据，计算出得分，并指示建筑物的预期抗震性能。该系统使用决策性支持系统(DSS)，它可以智能地为检查员选择最佳建议，以判定是否需要评估下一级程序，或者建筑物是否需要修复和加固。
通过设计和实现软件架构，还为基于地理空间的平台中的FEMA-154开发了逻辑地理分析拓扑算法、计算机程序和代码(原文：Logical geoanalytics topologyalgorithms,computer program and code)(图6)。然后将其集成到GeoRVS基于云的平台中，表格的详细信息，请参见FEMA-154(2016)。
一旦决定对建筑物执行GeoRVS，可以通过现场前期规划，三维可视化的现场前期实际巡视，包括筛查员的培训以及对筛查过程的仔细整体管理来加快筛查工作。具体来讲，我提议的平台方法与数据采集和数据收集(原文：data acquisition and datacollection)以及工作服务是密切相关的。
该项目分别使用现有方法和新算法对建筑物进行识别和评估(图7)：
(1)定义地理空间数据要求、目标和GeoRVS程序；
(2)识别建筑物、建筑指令码和现场/远程地理空间审查等应使采用的格式
(3)计算数据并审查实时/远程格式；
(4)检查地理空间和现场数据的质量，将其输入数据库中运行算法，并基于上述三种方法从网络和云平台系统中计算建筑物的得分。
所述所选择的建筑物的损坏风险评估结果还可包括各建筑物的加固优先级排序，所述加固优先级排序根据各建筑物的易损性确定，易损性越高的建筑物加固优先级越高。各建筑物的结构参数信息包括各建筑物的结构类型、材料、地基类型、层数。各建筑物所在地理位置的地质参数信息包括各建筑物所在地理位置的土壤类型。各建筑物所在地理位置的地震参数信息包括各建筑物所在地理位置的地震强度和地震活动水平。
本发明实施例还提供了一种基于地理空间信息的建筑物损坏风险筛查系统，包括存储器和处理器，所述存储器上存储有计算机程序，所述计算机程序被所述处理器执行时，执行如上所述的基于地理空间信息的建筑物损坏风险筛查方法。
本发明的主要特色是满足大范围建筑物地震风险快速可视化筛查需求，全面系统地研究地震数据、建筑内外结构和材料等多因素对地震建筑物损毁的影响，并建立具有普适性的建筑物损伤指数计算方法和基于机器学习的决策支持系统，突破了建筑风险筛查自动化程度低，可靠性差的难题，实现了建筑物易损性的快速筛查、风险评估和加固改造方案自动生成等功能。为地震前后的预防和应急工作提供建议，并为防灾减灾部门和相关机构提供决策性建议，以增强建筑结构。主要创新内容如下：
a.通过关联地理空间信息构建可扩展的建筑损伤指数
综合地理空间信息、地震数据、建筑内外部结构、材料和其他参数，定义拓扑和逻辑地理分析，整合地理位置和地理空间系统的作用，提高建筑损伤指数的有效性，并构建可扩展的建筑物损伤指数，为建筑物地震灾害风险评估和分级提供了可靠依据。
b.利用机器学习模型，综合多种因素以构建决策支持系统
将地震、地质和其他数据(包括建筑物工程结构参数和地理信息)相关联，并创建数据库，以便系统具有与位置相关的自动查询功能。此外，它充分结合了FEMA，以达到优化原始模型和提高模型可扩展性的目的。该方法构建的决策支持系统可以实现大范围自动化决策，生成智能系统，有效地解决了传统方法中的依靠人力进行逐户筛查的高强度、低效率和低准确率的问题。
c.整合不同国家的建筑物物抗震规范，以便优化建筑评估结果
通过整合不同国家建筑物的抗震规范参数，并将建筑物损伤指数的计算方法与多域参数相结合，在加拿大、中国、伊朗、美国等国家进行了测试和验证，以解决变量类型增加导致的建筑评分结果可靠性降低的问题，优化了建筑物的评估结果。
本项目所研究的算法能够计算复杂参数之间的相关性，以提供地理空间的定制服务，包括设计全球特定国家的建筑物指令代码的能力、地震和结构工程等。该算法集成在地理空间云平台中，并提供下述结果的输出：
(a)地图和报告；
(b)评分结果和参考建议；
(c)建筑物加固的优先级。
上述算法和平台也可以用作后续研究和开发输出解决方案的原型系统。然而，GeoRVS系统的主要功能是识别潜在的、易受地震灾害影响的建筑物，以便进行进一步评估。此外，系统的输出结果还包括以下内容：
(a)评估建筑物的地震重建需求；
(b)为建筑物设计抗震减灾方案；
(c)建立一个检测建筑物受震情况和损毁评估的数据库；
(d)规划震前和震后建筑物的安全评估工作；
(e)为特定建筑物编制地震易损性信息，包括在决定支持下房屋所有权转让期间的风险评估，许可过程中遇到的住房改造需求等。
上述实施例仅为优选实施例，并不用以限制本发明的保护范围，在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。
Claims (10)
1.一种基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，包括如下步骤：
步骤A：基于地图登记需要进行建筑物损坏风险筛查的建筑物的信息；
步骤B：按照预设规则评估所选择的建筑物的损坏风险；
步骤C：输出所选择的建筑物的损坏风险评估结果。
2.根据权利要求1所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，所述步骤A包括：
步骤A1：在地图上绘制各建筑物的边界；
步骤A2：输入各建筑物的信息，各建筑物的信息包括各建筑物的结构参数信息、各建筑物所在地理位置的地质参数信息以及各建筑物所在地理位置的地震参数信息；
步骤A3：将各建筑物的信息存入云端数据库。
3.根据权利要求1所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，所述步骤B包括：
步骤B1：选择需要进行建筑物损坏风险筛查的建筑物；
步骤B2：确定有效评估类型；
步骤B3：根据预设规则对所选择的建筑物进行损坏风险筛查，得到所选择的建筑物的损坏风险评估结果。
4.根据权利要求1所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，所述所选择的建筑物的损坏风险评估结果包括各所选择的建筑物的损伤指数和/或易损性得分。
5.根据权利要求4所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，建筑物的损伤指数的计算公式为：
6.根据权利要求4所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，所述所选择的建筑物的损坏风险评估结果还包括各建筑物的加固优先级排序，所述加固优先级排序根据各建筑物的易损性确定，易损性越高的建筑物加固优先级越高。
7.根据权利要求2所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，各建筑物的结构参数信息包括各建筑物的结构类型、材料、地基类型、层数。
8.根据权利要求2所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，各建筑物所在地理位置的地质参数信息包括各建筑物所在地理位置的土壤类型。
9.根据权利要求2所述的基于地理空间信息的建筑物损坏风险筛查方法，其特征在于，各建筑物所在地理位置的地震参数信息包括各建筑物所在地理位置的地震强度和地震活动水平。
10.基于地理空间信息的建筑物损坏风险筛查系统，包括存储器和处理器，所述存储器上存储有计算机程序，其特征在于，所述计算机程序被所述处理器执行时，执行如权利要求1至9中任一所述的基于地理空间信息的建筑物损坏风险筛查方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910973373.XA CN110781261A (zh) | 2019-10-14 | 2019-10-14 | 基于地理空间信息的建筑物损坏风险筛查方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201910973373.XA CN110781261A (zh) | 2019-10-14 | 2019-10-14 | 基于地理空间信息的建筑物损坏风险筛查方法及系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN110781261A true CN110781261A (zh) | 2020-02-11 |
Family
ID=69386171
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201910973373.XA Pending CN110781261A (zh) | 2019-10-14 | 2019-10-14 | 基于地理空间信息的建筑物损坏风险筛查方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN110781261A (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108376310A (zh) * | 2018-02-06 | 2018-08-07 | 深圳前海大观信息技术有限公司 | 建筑物火灾风险等级评估方法 |
| CN113627831A (zh) * | 2021-09-17 | 2021-11-09 | 平安国际智慧城市科技股份有限公司 | 房屋排查顺序的确定方法、装置、终端设备及存储介质 |
| CN115147408A (zh) * | 2022-08-30 | 2022-10-04 | 广东省有色工业建筑质量检测站有限公司 | 危房智能检测鉴定方法 |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673319A (zh) * | 2008-09-12 | 2010-03-17 | 上海宝冶工程技术有限公司 | 火灾后钢结构建筑的评定方法 |
| CN102493569A (zh) * | 2011-12-01 | 2012-06-13 | 北京交通大学 | 一种建筑结构基于抗震性能的优化方法和系统 |
| CN103678937A (zh) * | 2013-12-29 | 2014-03-26 | 中国地震局工程力学研究所 | 基于等效单自由度体系的钢筋混凝土框架结构整体地震损伤水平评估方法 |
| CN104537274A (zh) * | 2015-01-22 | 2015-04-22 | 山东科技大学 | 一种钢管混凝土拱架承载力确定方法 |
| CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
| CN105844003A (zh) * | 2016-03-21 | 2016-08-10 | 潘燕 | 建筑物坡屋面梁的构建方法 |
| CN105970975A (zh) * | 2016-07-20 | 2016-09-28 | 邱炎新 | 一种带地下室建筑物的基坑支护施工方法 |
| CN106013916A (zh) * | 2016-05-17 | 2016-10-12 | 郑州航空工业管理学院 | 煤矿采动损伤建筑抗震性能评价方法 |
| CN108139335A (zh) * | 2015-09-30 | 2018-06-08 | 富士胶片株式会社 | 图像登录装置、图像登录方法、图像登录系统及摄像终端 |
| CN109033700A (zh) * | 2018-08-22 | 2018-12-18 | 重庆科技学院 | 钢筋混凝土框架结构地震损伤机制设计方法 |
| CN109447460A (zh) * | 2018-10-26 | 2019-03-08 | 重庆大学 | 一种基于数据挖掘的地震影响房屋建筑易损性评价方法 |
| CN109544579A (zh) * | 2018-11-01 | 2019-03-29 | 上海理工大学 | 一种利用无人机进行灾后损毁建筑物评估的方法 |
| CN111985847A (zh) * | 2020-09-02 | 2020-11-24 | 四川省地震局减灾救助研究所 | 一种地震灾害风险评估与对策分析系统 |
-
2019
- 2019-10-14 CN CN201910973373.XA patent/CN110781261A/zh active Pending
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN101673319A (zh) * | 2008-09-12 | 2010-03-17 | 上海宝冶工程技术有限公司 | 火灾后钢结构建筑的评定方法 |
| CN102493569A (zh) * | 2011-12-01 | 2012-06-13 | 北京交通大学 | 一种建筑结构基于抗震性能的优化方法和系统 |
| CN103678937A (zh) * | 2013-12-29 | 2014-03-26 | 中国地震局工程力学研究所 | 基于等效单自由度体系的钢筋混凝土框架结构整体地震损伤水平评估方法 |
| CN104537274A (zh) * | 2015-01-22 | 2015-04-22 | 山东科技大学 | 一种钢管混凝土拱架承载力确定方法 |
| CN108139335A (zh) * | 2015-09-30 | 2018-06-08 | 富士胶片株式会社 | 图像登录装置、图像登录方法、图像登录系统及摄像终端 |
| CN105654414A (zh) * | 2015-12-25 | 2016-06-08 | 浙江大学城市学院 | 基于开源体系架构和建筑物空间数据库的城市多灾害风险损失评测系统及方法 |
| CN105844003A (zh) * | 2016-03-21 | 2016-08-10 | 潘燕 | 建筑物坡屋面梁的构建方法 |
| CN106013916A (zh) * | 2016-05-17 | 2016-10-12 | 郑州航空工业管理学院 | 煤矿采动损伤建筑抗震性能评价方法 |
| CN105970975A (zh) * | 2016-07-20 | 2016-09-28 | 邱炎新 | 一种带地下室建筑物的基坑支护施工方法 |
| CN109033700A (zh) * | 2018-08-22 | 2018-12-18 | 重庆科技学院 | 钢筋混凝土框架结构地震损伤机制设计方法 |
| CN109447460A (zh) * | 2018-10-26 | 2019-03-08 | 重庆大学 | 一种基于数据挖掘的地震影响房屋建筑易损性评价方法 |
| CN109544579A (zh) * | 2018-11-01 | 2019-03-29 | 上海理工大学 | 一种利用无人机进行灾后损毁建筑物评估的方法 |
| CN111985847A (zh) * | 2020-09-02 | 2020-11-24 | 四川省地震局减灾救助研究所 | 一种地震灾害风险评估与对策分析系统 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108376310A (zh) * | 2018-02-06 | 2018-08-07 | 深圳前海大观信息技术有限公司 | 建筑物火灾风险等级评估方法 |
| CN113627831A (zh) * | 2021-09-17 | 2021-11-09 | 平安国际智慧城市科技股份有限公司 | 房屋排查顺序的确定方法、装置、终端设备及存储介质 |
| CN115147408A (zh) * | 2022-08-30 | 2022-10-04 | 广东省有色工业建筑质量检测站有限公司 | 危房智能检测鉴定方法 |
| CN115147408B (zh) * | 2022-08-30 | 2022-12-13 | 广东省有色工业建筑质量检测站有限公司 | 危房智能检测鉴定方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Souza et al. | City Information Modelling as a support decision tool for planning and management of cities: A systematic literature review and bibliometric analysis | |
| Arayici et al. | Heritage building information modelling | |
| Wang et al. | Machine learning-based regional scale intelligent modeling of building information for natural hazard risk management | |
| CN110781261A (zh) | 基于地理空间信息的建筑物损坏风险筛查方法及系统 | |
| Altıntaş et al. | Loose coupling of GIS and BIM data models for automated compliance checking against zoning codes | |
| US20140278280A1 (en) | System and method for designing buildings | |
| Bruno et al. | The role of 4D historic building information modelling and management in the analysis of constructive evolution and decay condition within the refurbishment process | |
| Pittore et al. | Risk-oriented, bottom-up modeling of building portfolios with faceted taxonomies | |
| CN115409069A (zh) | 村镇建筑的识别方法、分类方法、装置、电子设备和介质 | |
| Novelli et al. | LOG-IDEAH: LOGic trees for identification of damage due to earthquakes for architectural heritage | |
| CN118094196A (zh) | 基于数据分析的土地利用规划方法及规划系统 | |
| Le Cozannet et al. | WebGIS as boundary tools between scientific geoinformation and disaster risk reduction action in volcanic areas | |
| Lasorella et al. | Smart approaches to enhance technical knowledge of in/low-accessible heritage | |
| La Russa et al. | An expeditious parametric approach for city information modeling and finite element analysis | |
| Zhang | BIM to GIS-based building model conversion in support of urban energy simulation | |
| Liu et al. | Semi-automated processing and routing within indoor structures for emergency response applications | |
| Hijazi | Integrated management of indoor and outdoor utilities by utilizing BIM and 3DGIS | |
| Gkadolou et al. | Documentation of cultural heritage monuments with CityGML: an application for ancient theatres | |
| Baloye et al. | A spatial decision support system approach to sustainable physical development planning | |
| Marsal-Llacuna et al. | 3d-VUPID: 3d visual urban planning integrated data | |
| CHENG et al. | Realtime Urban Insights for Bottom-up 15-minute City Design | |
| Nichersu | Scale aware modeling and monitoring of the urban energy chain | |
| Jun | Incorporating decision preferences into an expert geographic information system for industrial site selection | |
| Garbasevschi | Geo and satellite data for building age identification | |
| Doan et al. | Volume comparison of automatically reconstructed multi-lod building models for urban planning applications |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| PB01 | Publication | ||
| PB01 | Publication | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20200120 Address after: No. 1219, floor 12, building 1, No. 1388, middle section of Tianfu Avenue, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan 610000 Applicant after: Chengdu Xineng Huadao Technology Co.,Ltd. Address before: 610031 Sichuan City, Chengdu Province, No. two North Ring Road, No. 111 Applicant before: Southwest Jiaotong University |
|
| SE01 | Entry into force of request for substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20201120 Address after: 610000 South Tianfu Avenue 888, Huayang Street, Tianfu New District, Chengdu City, Sichuan Province Applicant after: Sichuan Jisu derivative Technology Development Co.,Ltd. Address before: No. 1219, floor 12, building 1, No. 1388, middle section of Tianfu Avenue, Chengdu hi tech Zone, China (Sichuan) pilot Free Trade Zone, Chengdu, Sichuan 610000 Applicant before: Chengdu Xineng Huadao Technology Co.,Ltd. |
|
| RJ01 | Rejection of invention patent application after publication | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200211 |