CN112097851B - 一种易涝点涝情检测方法及内涝预测方法 - Google Patents
一种易涝点涝情检测方法及内涝预测方法 Download PDFInfo
- Publication number
- CN112097851B CN112097851B CN201910520387.6A CN201910520387A CN112097851B CN 112097851 B CN112097851 B CN 112097851B CN 201910520387 A CN201910520387 A CN 201910520387A CN 112097851 B CN112097851 B CN 112097851B
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- point
- water
- easy
- map
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000001514 detection method Methods 0.000 title abstract description 14
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 321
- 238000009825 accumulation Methods 0.000 claims description 84
- 238000005259 measurement Methods 0.000 claims description 9
- 238000012937 correction Methods 0.000 claims description 7
- 230000003068 static effect Effects 0.000 claims description 4
- 238000012544 monitoring process Methods 0.000 abstract description 7
- 230000006870 function Effects 0.000 description 13
- 238000012876 topography Methods 0.000 description 10
- 238000013507 mapping Methods 0.000 description 9
- 230000008569 process Effects 0.000 description 4
- 238000006073 displacement reaction Methods 0.000 description 3
- 230000001788 irregular Effects 0.000 description 3
- 238000010521 absorption reaction Methods 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004422 calculation algorithm Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000004519 manufacturing process Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 230000035515 penetration Effects 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 241001464837 Viridiplantae Species 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 239000003086 colorant Substances 0.000 description 1
- 230000006378 damage Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000007599 discharging Methods 0.000 description 1
- 239000010438 granite Substances 0.000 description 1
- 239000003673 groundwater Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000003780 insertion Methods 0.000 description 1
- 230000037431 insertion Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3453—Special cost functions, i.e. other than distance or default speed limit of road segments
- G01C21/3492—Special cost functions, i.e. other than distance or default speed limit of road segments employing speed data or traffic data, e.g. real-time or historical
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/14—Rainfall or precipitation gauges
Landscapes
- Engineering & Computer Science (AREA)
- Remote Sensing (AREA)
- Radar, Positioning & Navigation (AREA)
- Automation & Control Theory (AREA)
- General Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Physics & Mathematics (AREA)
- Environmental & Geological Engineering (AREA)
- Hydrology & Water Resources (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Atmospheric Sciences (AREA)
- Fluid Mechanics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Instructional Devices (AREA)
Abstract
本发明适用于水利现代化技术,提供了一种易涝点涝情检测方法及内涝预测方法,该易涝点涝情检测方法包括获取易涝点当前积水的水位和积水达到不同水位所需的时间;计算易涝点在不同时间的积水量;根据易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图;将积水面积覆盖图转换成预设格式输出。通过限制易涝点的大小,选择与内涝积水紧密相关联的微小易涝点,根据微小易涝点不同时间的积水量建立积水面积覆盖图,积水面积覆盖图即成微地图,微地图足够小,在易涝点中需检测的参数也足够少,对内涝监测的实时性及精确性都有了很大的提升。
Description
技术领域
本发明属于水利现代化技术领域,尤其涉及一种易涝点涝情检测方法及内涝预测方法。
背景技术
城市内涝灾害是由于短历时强降雨、连续型降雨或者过程雨量偏大而造成径流过多,在城市地势低洼处、或排水不畅等情况下形成积水的自然灾害,影响因素主要是强降雨和城市排水能力。
随着我国经济的不断繁荣,大中城市的建设在突飞猛进地高速发展,由于城市规模不断扩大,道路、建筑密度不断增加,城区会比郊区吸收更多的太阳辐射,加上城市生产生活产生大量热量,热气流越积越厚,就容易形成降雨,因此,高强度暴雨在大城市更易发生,同时,城市建设又导致城市地面硬化程度提高、不透水面积增大,使得地面下渗雨水量减少、糙率降低,城区暴雨产、汇流历时明显缩短,从而增加了城市遭遇内涝灾害的几率。
目前,现有的内涝预测、监测方法仅能通过气象台降雨量的分布粗略估计预统计的易涝点容易出现内涝,但城市中的重要交通枢纽、易涝区或其他需要重点关注的地区,由于其地形等因素,现有的粗略评估整体城市内涝,使得其边界条件太大,可变参数较多,其所建立的洪涝模型中参数过多、边界过大,导致实施上难度非常大,且洪涝模型所预测的精度不准确,无法获知重点区域的实时情况,也不便于全局统筹对城市内涝的处置。
发明内容
本发明实施例提供一种易涝点涝情检测方法及内涝预测方法,旨在解决现有易涝点涝情检测方法预测的内涝信息不准确、不及时的问题。
为解决该技术问题,本发明提供一种易涝点涝情检测方法,所述易涝点涝情检测方法包括以下步骤:获取易涝点当前积水的水位和积水达到不同水位所需的时间;计算所述易涝点在不同时间的积水量;根据所述易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图;将所述积水面积覆盖图转换成预设格式输出。
更进一步地,所述获取易涝点当前积水的水位和积水达到不同水位所需的时间的步骤之前,还包括:对所述易涝点进行测量;根据对所述易涝点的测量建立静态的地形勘测图。
更进一步地,所述根据所述易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图的步骤,具体包括:根据所述地形勘测图确定所述易涝点的积水达到不同水位所对应的积水量;获取在所述地形勘测图中排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间;根据所述易涝点的积水达到不同水位所对应的积水量和排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间的关系确定出目标函数;根据所述易涝点在不同时间的积水量,生成对应的积水面积覆盖图;根据每次获取水位所确定的目标函数,对所述积水面积覆盖图进行自动迭代修正。
更进一步地,所述对所述易涝点进行测量的步骤之前,还包括:从预设的云端服务器获取历史内涝统计信息,所述历史内涝统计信息包括积水深度、积水面积、积水时长、实时降雨量、降水时长、以及实时排水量;根据所述历史内涝统计信息确定所述易涝点。
本发明还提供一种内涝预测方法,所述内涝预测方法包括以下步骤:根据易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图;将所述积水面积覆盖图转换成预设格式输出;根据所述积水面积覆盖图建立所述易涝点的区域洪涝模型;根据在所述易涝点所测量的当前水位,通过所述区域洪涝模型对所述易涝点的当前内涝情况进行预测。
更进一步地,所述通过所述区域洪涝模型对所述易涝点的当前内涝情况进行预测的步骤之后,还包括:根据所述当前内涝情况和所述易涝点内预计的进水量和/或雨水量,通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测;通过预设的地图叠加接口将预设格式输出的所述积水面积覆盖图嵌入至预设的宏地图中,以通过所述宏地图显示或通知所述易涝点的所述当前内涝情况和未来的洪涝趋势。
更进一步地,所述通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测的步骤,具体包括:根据所述当前内涝情况确定由所述当前水位到达其他水位所对应的目标时间和目标积水量;根据所述易涝点内所述目标时间所预计的进水量和/或雨水量和所述目标积水量确定出所述易涝点在未来的水位升降情况。
更进一步地,所述通过预设的地图叠加接口将所述积水面积覆盖图嵌入至预设的宏地图中的步骤之后,还包括:根据用户在所述宏地图中输入的起始地址和目的地地址,通过所述宏地图进行导航路径规划;当规划的所述导航路径经过所述易涝点时,在所述导航路径中实时显示预测到的所述当前内涝情况及未来的洪涝趋势。
更进一步地,所述在所述导航路径中实时显示预测到的所述当前内涝情况及未来的洪涝趋势的步骤之后,还包括:根据所述导航路径所预计导航至所述易涝点的所需时间,确定出导航至所述易涝点时的洪涝趋势;当所述易涝点在未来的水位上升至预警水位时,通过所述宏地图重新进行导航路径规划;当所述易涝点在未来的水位下降至安全水位时,通过所述宏地图显示所述导航路径。
更进一步地,所述通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测的步骤之后,还包括:将所述积水面积覆盖图和/或预测到的所述当前内涝情况及未来的洪涝趋势实时发送至目标设备,以通过所述目标设备显示或通知所述易涝点的所述当前内涝情况和未来的洪涝趋势。
在本发明实施例中,通过限制易涝点的大小,选择与内涝积水紧密相关联的微小易涝点,根据微小易涝点不同时间的积水量建立积水面积覆盖图,积水面积覆盖图即成微地图,微地图足够小,在易涝点中需检测的参数也足够少,对内涝监测的实时性及精确性都有了很大的提升,同时还可以通过预设格式输出,使得可以提供该预设接口至宏地图,以使宏地图可加载显示该积水面积覆盖图。
附图说明
图1是本发明实施例一提供的易涝点涝情检测方法的实现流程图;
图2是本发明实施例二提供的易涝点涝情检测方法的实现流程图;
图3是本发明实施例三提供的内涝预测方法的实现流程图;以及
图4是本发明实施例在易涝点进行测量的示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明根据获取易涝点当前积水的水位,积水达到不同水位对应的时间,并根据水位和时间计算得出积水量;根据积水量,生成所述易涝点的积水面积覆盖图;将积水面积覆盖图转换成预设格式输出。根据易涝点内所建立的积水面积覆盖图建立易涝点的区域洪涝模型;根据在易涝点所测量的当前水位,通过区域洪涝模型对易涝点的当前内涝情况进行预测;其中易涝点的范围以只测量到水位的单一可变参数为限,以解决现有对内涝区域内涝预测不够实时和不够准确的问题。
实施例一
图1示出了本发明实施例一提供的易涝点涝情检测方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S11中,获取易涝点当前积水的水位和积水达到不同水位所需的时间;
在步骤S12中,计算所述易涝点在不同时间的积水量;
在步骤S13中,根据所述易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图;
其中,在本发明实施例中,所述易涝点的范围以只测量到水位的可变参数为限。具体的,在对易涝点进行测量时,其限定所测量的易涝点大小,其根据城市中各个小型的易涝点范围进行圈定,其缩小到易涝点范围大小为方圆100米不到,此时易涝点的排水口也只有几个,其包括一至几根的雨水管线,相应的地型也相对简单。
此时所建立的积水面积覆盖图所针对的为城市易涝点,每一易涝点可形成一积水面积覆盖图,而每一积水面积覆盖图即成微地图。其所检测的各个易涝点的区域面积小,形成的微地图的区域面积也就小。即使是较大的内涝面,其开始时也是由各个易涝点开始的,其不会在一下雨时就连成内涝面或内涝片。因此在未连成片前,其易涝点所检测的数据比之较大型易涝点所检测的参数更加容易及精准,最终只需针对易涝点积水的水位即可,使得可对该易涝点进行精确的监测和预测。
同时通过限定易涝点的面积大小以只测量到水位的单一可变参数为限,使得其建立的积水面积覆盖图只需采集检测水位即可,采集类型以及采集方式都极其简便。而现有的传统模型中由于边界条件太大,如其所建立的区域足够大,导致其包括一个大型完整的管网系统,其还包括水池、路面、边坡、屋檐等其他可变参数,导致参数过多,导致实施上难度非常大,且不准确。
其中,在本发明实施例中,在易涝点中各排水口处安装有电子水表,其可用于监控易涝点范围内的排水流量;同时在易涝点中安装有水位仪,其通过水位仪可精确测量易涝点的水位。通过实时测量积水的水位,通过前后检测积水的水位可得知积水达到不同水位所需的时间。其中需要指出的是,由于易涝点其为不规则状,因此其各个相同水位所连接形成一类似于地理等高线。
其如图4所示,其中,同一闭合曲线水位值相同,相邻水位线之间差值一定,因此根据建立的积水面积覆盖图可以确定相邻水位线之间所需的积水量值,其达到不同水位所对应的积水量。同时通过电子水表可测量由排水口排除不同水位所对应积水量、及其对应所需的时间,从而计算得出易涝点在不同时间的积水量,根据积水量,可动态生成对应的所述易涝点的积水面积覆盖图。
其如图4所示,其圆柱体代表测量点,用于测量目标易涝点的水位;其各个水位线代表目标易涝点中各个水位相同所连结的等高线。
进一步地,获取易涝点当前积水的水位和积水达到不同水位所需的时间的步骤之前,还包括:
一、对易涝点进行测量;
二、根据对易涝点的测量建立地形勘测图。
在本发明实施例中,根据现有技术中的现场测绘、测绘车测绘、无人机测绘、遥感测绘等任一种预设的地图绘制方法对易涝点的地形地势进行3D测绘,得到易涝点的地形地势对应的高程数据。
在本发明实施例中,根据该高程数据进行绘制,得到易涝点对应的地形勘测图。地形勘测图同样也是形成一微地图。其中,由于所限定的易涝点足够小,形成的地形勘测图也同样小,并且,使得在该易涝点所需测量的可变参数足够少。该地形勘测图类似一个不规则的漏底的盆子,只有这样的地形勘测图才能评估内涝,同时在地形勘测图中对易涝点的排水口进行标定,即在地形勘测图中标识出排水口,排水口可以是易涝点内的排水管、排水渠和/或者排水井等排水设施形成的。
在地形勘测图中对易涝点的排水口进行标定时,优选地,根据易涝点对应的地下管网图确定排水口,根据确定的排水口在地形勘测图中进行标定,具体地,通过易涝点内的排水管、排水渠、排水井等排水设施将易涝点网格化,建立易涝点对应的地下管网图,在地下管网图中确定排水设施的排水口,再将确定的排水口在地形勘测图中标识出来,从而提高地形勘测图的精确度。
此时,在易涝点所建立的地形勘测图中排水口的数量有限,其包括一至几根的雨水管线,使得可通过测量该各个雨水管线的排水口的管径,在通过几次排水检测后可计算确定出其易涝点内单位时间的排水量。
其中,在地形勘测图进行绘制建立时,其包括固定量和变化量,其中固定量如固定的三维高程数据、以及硬化区域等,其硬化区域包括所测量的混泥土材质、花岗岩材质等实际无渗透高程数据,此时硬化区域中的各个参数不可变,其构成所建立的地形勘测图中的静态部分。
其变化量为可动态变化参数的数据。其包括花坛、绿植等非硬化区域的带渗透海绵型数据、非硬化地面区域的带渗透海绵型数据,此时非硬化区域的渗水率/量、非硬化地面吸水率/量、各个排水口的排水速率/量等作为可变参数。具体的,本实施例中,其可变参数只限定为水位,相应的,其他各个可变参数如非硬化区域的渗水率/量、非硬化地面吸水率/量、各个排水口的排水速率/量,其通过对多次积水所排水的测量则相应的推测校验出来,此时易涝点的范围以只以水位作为可变参数,因此其将易涝点的范围限定的足够小。使得其对该足够小的限定范围内的易涝点的检测足够准确。
在步骤S14中,将所述积水面积覆盖图转换成预设格式输出;
其中,在本发明实施例中,其所建立的积水面积覆盖图转换为预设格式输出,所述预设格式可选为WFS格式,其中WFS为一互联网要素服务(Web Feature Service,WFS)接口(API),其可通过加载宏地图(例如,百度地图、高德地图等)作为底图,该底图上的每一个点都对应一个地理坐标,然后将积水面积覆盖图以标注的形式添加到所需要放置的底图所对应的地理坐标位置上,以实现通过宏地图显示或通知根据易涝点中所生成积水面积覆盖图。
在本发明实施例中,通过限制易涝点的大小、以只需测量水位作为可变参数,选择与内涝积水紧密相关联的微小易涝点,根据微小易涝点不同时间的积水量建立积水面积覆盖图,积水面积覆盖图在该微小易涝点内所对内涝监测的实时性及精确性都有了很大的提升,同时还可以通过预设格式输出,使得可以提供该预设接口至宏地图,以使宏地图可加载显示该积水面积覆盖图。
实施例二
图2示出了本发明实施例二提供的易涝点涝情检测方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S21中,从预设的云端服务器获取历史内涝统计信息。
在本发明实施例中,云端服务器用于存储历史内涝统计信息,历史内涝统计信息包括历史内涝发生的区域、在该区域发生内涝的时间、内涝发生次数、每次内涝积水持续时长、降水量、积水深度、排水流量等信息;
在步骤S22中,根据历史内涝统计信息确定易涝点。
在本发明实施例中,对获取到的历时内涝统计信息进行分析,例如,判断内涝发生次数是否达到预设的次数阈值,或者积水深度是否达到预设的深度阈值,或者降水量超过预设的安全雨量阈值等,得到分析结果,根据分析结果确定易涝点。
在步骤S23中,对所述易涝点进行测量,并根据对所述易涝点的测量建立地形勘测图。
在步骤S24中,获取易涝点当前积水的水位和积水达到不同水位所需的时间。
在易涝点中安装有水位仪,其通过水位仪可精确测量易涝点当前积水的水位,通过多次测量的结果,可得知积水在达到不同水位时所需的时间。例如,水位仪在01时05分达到第一水位,水位仪在01时10分达到第二水位,则前后水位差所需时间为五分钟。
在步骤S25中,根据所述地形勘测图确定所述易涝点的积水达到不同水位所对应的积水量。
通过地形勘测图可得知易涝点的面积,通过测量的水位,计算可得知水位所对应的积水量。
在步骤S26中,获取在所述地形勘测图中排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间。
在步骤S27中,根据所述易涝点的积水达到不同水位所对应的积水量和排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间的关系确定出目标函数。
在步骤S28中,根据所述易涝点在不同时间的积水量,生成对应的积水面积覆盖图。
在步骤S29中,根据每次获取水位所确定的目标函数,对所述积水面积覆盖图进行自动迭代修正。
其中,在本发明实施例中,在易涝点中各排水口处安装有电子水表,其可用于监控易涝点范围内的排水流量;同时在易涝点中安装有水位仪,其通过水位仪可精确测量易涝点的水位,其中需要指出的是,由于易涝点其为不规则状,因此其各个相同水位所连接形成一类似于地理等高线,其如图4所示,其中,同一闭合曲线水位值相同,相邻水位线之间差值一定,因此根据建立的积水面积覆盖图可以确定相邻水位线之间所需的积水量值,其达到不同水位所对应的积水量。同时通过电子水表可测量由排水口排除不同水位所对应积水量、及其对应所需的时间,因此根据达到不同水位所需的积水量,达到不同水位所需时间的关系可以确定出水位与积水量和时间的关系目标函数。其如图4所示,其圆柱体代表测量点,用于测量目标易涝点的水位;其各个水位线代表目标易涝点中各个水位相同所连结的等高线。
进一步地,在易涝点中,通过地图测绘所得地形参数,收集历史进水参数、预设的渗漏量对地面产汇流的数值进行测量模拟得到水位分别与积水量及时间关系的目标函数,以及标定的所述排水口所确定排水量,最终建立形成易涝点的积水面积覆盖图。
在本发明实施例中,根据测量人员通过测量仪器检测其历史测量记录的各个信息参数,如当前水位、进水量、排水量、达到不同水位分别所需时间和所对应积水量等,其将达到不同水位分别所需时间和所需积水量的关系通过AI智能学习算法得到一个函数逼近值,使得得到目标函数,并通过历史数据所得到的目标函数不断的对该积水面积覆盖图进行修正,使得其积水面积覆盖图越来越精确。其中该目标函数也是根据所得到的数据等进行动态修正的。
其中,进一步地,如在检测到一当前水位时,在一定时间段后再次检测该当前积水的水位,通过电子水表或动态地图所预计的排水量还可确定出排水量,此时其通过该时间段的水位差、及所确定的排水量还可确定出该时间段的进水量,因此本发明中,在经过一定时间的迭代修正后,其积水面积覆盖图根据一段时间内的水位变化可动态确定出进水量及排水量,此时该积水面积覆盖图的可变参数控制为水位参数,此时通过获取易涝点的当前水位即可对该易涝点进行预测。
在步骤S210中,将所述积水面积覆盖图转换成预设格式输出。
积水面积覆盖图在自动迭代修正之后,可将积水面积覆盖图转换成预设格式进行输出。例如,将积水面积覆盖图输出到宏地图中,现有宏地图并没有涝情检测功能,在宏地图引入积水面积覆盖图之后,能够根据积水面积覆盖图实时获取易涝点的涝情,进而宏地图可提供更为全面、准确、符合实情的地图指示。
实施例三
图3示出了本发明实施例三提供的内涝预测方法的实现流程,为了便于说明,仅示出了与本发明实施例相关的部分,详述如下:
在步骤S31中,建立易涝点的积水面积覆盖图;
其中,建立积水面积覆盖图的方法为根据上述实施例一或实施例二中所提出的易涝点涝情检测方法进行建立的。其中,本实施例提出的内涝预测方法基于上述易涝点涝情检测方法所实现。
在步骤S32中,根据所述易涝点内所建立的积水面积覆盖图建立所述易涝点的区域洪涝模型。
其中,通过积水面积覆盖图测绘所得地形参数,收集历史进水参数、预设的渗漏量对地面产汇流的数值进行测量模拟得到积水面积覆盖图,通过现有洪涝模型建立方法最终建立形成易涝点的区域洪涝模型,以通过该区域洪涝模型模拟暴雨降水过程、地面积水生成过程、以及退水过程,并对未来可能降水条件下的积水情况提供预报预警。
其中,需要指出的是,由于现有模型中的边界条件太大、可变参数多,导致模型的准确性不够,而本发明中,其对易涝点的限定足够小,只有水位参数,且该水位参数可容易的被测量以及校验,使得其建立的积水面积覆盖图足够准确,其根据积水面积覆盖图所建立的区域洪涝模型也足够准确。
在步骤S33中,根据在所述易涝点所测量的当前水位,通过所述区域洪涝模型对所述易涝点的当前内涝情况进行预测。
在本发明实施例中,通过水位仪测量出易涝点的当前水位,并将当前水位加载至区域洪涝模型中,使得通过区域洪涝模型可对该易涝点的当前内涝情况进行预测,其区域洪涝模型根据测量得到的当前水位对易涝点可能形成的淹没范围、积水深度、淹没持续时间进行预测,并计算预测出该易涝点的积水排光时间,同时通过监测积水在排水口的排水流量可以评估排水口是否堵塞、单位时间内排水量是否达标、以及内涝造成的损失等,以对正在发生或者即将发生的内涝灾害进行实时预报。
在步骤S34中,根据所述当前内涝情况和所述易涝点内预计的进水量和/或雨水量,通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测。
在本发明实施例中,上述通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测可以参照如下步骤实现:
(1)根据所述当前内涝情况确定由所述当前水位到达其他水位所对应的目标时间和目标积水量;
(2)根据所述易涝点内所述目标时间所预计的进水量和/或雨水量和所述目标积水量确定出所述易涝点在未来的水位升降情况。
其中,根据区域洪涝模型所确定的当前内涝情况可以预测出由当前水位到达低于当前水位的其他水位所对应的目标时间和目标积水量,其中,根据未来天气预报等方式可以确定出所预报的进水量和/或雨水量,因此当在目标时间内所预计的进水量和/或雨水量大于由当前水位到达其他水位所对应的目标积水量时,其通过目标时间所预计的进水量和/或雨水量和排除的目标积水量可以预测在目标时间内该易涝点内的未来水位增长,同时通过计算得到的未来水位增长值可以判断其易涝点的水位是否超过警戒水位,当预测易涝点在目标时间内水位超过警戒水位时,进行警戒预警。从而提高了区域洪涝模型的内涝预测能力,通过提前预警降低了未来可能发生的内涝造成的灾害损失。其中,需要指出的是,其根据用户的实际使用需求,可对警戒水位进行自行设定。
在步骤S35中,通过预设的地图叠加接口将预设格式输出的所述积水面积覆盖图嵌入至预设的宏地图中,以通过所述宏地图显示或通知所述易涝点的所述当前内涝情况和未来的洪涝趋势。
在本发明实施例中,所述预设格式可选为WFS格式,预设的地图叠加接口为互联网要素服务(Web Feature Service,WFS)接口(API)和互联网地图服务(Web Map Service,WMS)接口,WMS能够根据用户的请求返回相应的地图(包括PNG,GIF,JPEG等栅格形式或者是SVG和WEB CGM等矢量形式),WFS支持对地理要素的插入,更新,删除,检索和发现服务。通过地图叠加接口加载宏地图(例如,百度地图、高德地图等)作为底图,该底图上的每一个点都对应一个地理坐标,然后将积水面积覆盖图以标注的形式添加到所需要放置的底图所对应的地理坐标位置上,以实现通过宏地图显示或通知易涝点的当前内涝情况和未来的洪涝趋势。
同时根据当前内涝情况和预计的进水量和/或雨水量,通过该区域洪涝模型使得可对易涝点进行未来的洪涝趋势预测,且通过将积水面积覆盖图加载至宏地图中,使得可将所有的得到精准结果的微区域内的区域洪涝模型导入至宏地图中进行校正,使得提高对城市内涝预测的实时性和准确性。
进一步地,再通过标准的地图叠加接口将所有的各个区域洪涝模型所预测的结果导入至预设的宏地图中进行数据的修正以及宏预测,使得对城市整体的内涝实现了有效精准的预测。
在步骤S36中,根据用户在所述宏地图中输入的起始地址和目的地地址,通过所述宏地图进行导航路径规划。
在本发明实施例中,用户通过车载导航系统或者移动终端导航系统调用嵌入了积水面积覆盖图的宏地图,在该宏地图中设置起始地址和目的地地址,根据起始地址和目的地地址之间的路程距离或者行程时长,通过宏地图进行导航路径规划。
在步骤S37中,当规划的所述导航路径经过所述易涝点时,在所述导航路径中实时显示预测到的所述当前内涝情况及未来的洪涝趋势。
在本发明实施例中,当规划的导航路径经过易涝点时,可以在导航路径中通过不同的颜色实时显示预测到的当前内涝情况及未来的洪涝趋势,以对用户进行内涝提醒。
在导航路径中实时显示预测到的当前内涝情况时,优选地,通过语音和/或者灯光对用户进行内涝提醒,以告知用户当前内涝情况,从而避免用户进入易涝点造成伤害。
进一步地,在导航路径中实时显示预测到的当前内涝情况及未来的洪涝趋势之后,优选的,根据所述导航路径所预计导航至所述易涝点的所需时间,确定出导航至所述易涝点时的洪涝趋势。并根据洪涝趋势进行不同的方式导航,具体的,包括但不限于以下方式:
方式一,当所述易涝点在未来的水位上升至预警水位时,通过所述宏地图重新进行导航路径规划;此时根据易涝点在宏地图中的地理信息,在规划出的所有导航路径中筛选其他避开该易涝点的无内涝路径,将该无内涝路径在车载导航系统或者移动终端导航系统中进行通知,以提示用户是否切换当前导航路径,从而提高导航的智能化程度。
方式二,当所述易涝点在未来的水位下降至安全水位时,通过所述宏地图显示所述导航路径。此时,其由于用户导航至该易涝点时,其水位下降至安全水位,因此用户可较大程度的通过该易涝点至目的地地址,其中需要指出的是,其根据用户的实际使用需求,可对警戒水位和安全水位进行自行设定。
在对所述易涝点未来的洪涝趋势进行预测之后,又一优选地,将所述积水面积覆盖图和/或预测到的所述当前内涝情况及未来的洪涝趋势实时发送至目标设备,以通过所述目标设备显示或通知所述易涝点的所述当前内涝情况和未来的洪涝趋势。其中,需要指出的是,其目标设备包括但不限于交通路况指示电子显示牌、广播设备、电视等,其中如交通路况指示电子显示牌可设置在易涝点的易积水点,可以在易积水点附近道路每隔一定的距离设置一个,同时交通路况指示电子显示牌具有LED屏显示和声光报警功能,从而通过交通路况指示电子显示牌及时显示当前内涝情况及未来的洪涝趋势,使得易涝点内的行人和车辆能及时得到引导疏散,降低了内涝时的交通拥堵和事故概率。
其中,需要指出的是,在易涝点的区域洪涝模型进行使用后,当其根据排水口处电子水表所监测的排水流量,或者排水口排除不同水位所需积水量对应所需的时间确定出排水口堵塞时,其发出排水口堵塞预警,并根据当前所测量的达到不同水位所需时间重新确定出目标函数,并对该区域洪涝模型进行修正,以增加区域洪涝模型的精准度,避免由于排水口堵塞而导致的区域洪涝模型精准度降低的问题。
在本发明实施例中,由于采用易涝点的积水面积覆盖图建立对应的区域洪涝模型,再根据所测量的当前水位,通过该区域洪涝模型对易涝点的当前内涝情况进行预测,同时根据当前内涝情况和预计的进水量和/或雨水量,通过该区域洪涝模型使得可对易涝点进行未来的洪涝趋势预测,且通过将积水面积覆盖图加载至宏地图中,使得用户可通过智能终端的地图软件可查看到易涝点的当前内涝情况及未来的洪涝趋势,其中,由于所建立的每个易涝点的积水面积覆盖图区域面积较小,使得其每个易涝点所检测的精度较高,而现有的传统模型中由于边界条件太大,导致实施上难度非常大,且不准确,本申请通过将内涝区域缩小,同时将条件缩小到微区域后,此时通过测量以及自动边界条件迭代修正的方法使得可变参数更加精确,使得对微区域内的检测及预测能够缩小到更加的精准。同时由于每个积水面积覆盖图所建立的方式相同,此时通过递归算法可相应的快速只通过加载各个参数即可实现地图的积水面积覆盖图的建立以及后续的内涝情况预测,使得将所有的得到精准结果的微区域内的区域洪涝模型导入至宏地图中进行校正,使得提高对城市内涝预测的实时性和准确性,同时,将预测到的当前内涝情况在交通路况指示电子显示牌或者宏地图导航中进行显示,从而避免用户或者车辆进入易涝点,降低了内涝时的交通拥堵和事故概率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡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 (8)
1.一种易涝点涝情检测方法,其特征在于,所述易涝点涝情检测方法包括以下步骤:
对易涝点进行测量;
根据对所述易涝点的测量建立静态的地形勘测图;
获取易涝点当前积水的水位和积水达到不同水位所需的时间;
计算所述易涝点在不同时间的积水量;
根据所述易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图,包括:根据所述地形勘测图确定所述易涝点的积水达到不同水位所对应的积水量;获取在所述地形勘测图中排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间;根据所述易涝点的积水达到不同水位所对应的积水量和排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间的关系确定出目标函数;根据所述易涝点在不同时间的积水量,生成对应的积水面积覆盖图;根据每次获取水位所确定的目标函数,对所述积水面积覆盖图进行自动迭代修正;
将所述积水面积覆盖图转换成预设格式输出。
2.如权利要求1所述的易涝点涝情检测方法,其特征在于,所述对所述易涝点进行测量的步骤之前,还包括:
从预设的云端服务器获取历史内涝统计信息,所述历史内涝统计信息包括积水深度、积水面积、积水时长、实时降雨量、降水时长、以及实时排水量;
根据所述历史内涝统计信息确定所述易涝点。
3.一种内涝预测方法,其特征在于,所述内涝预测方法包括以下步骤:
获取易涝点当前积水的水位和积水达到不同水位所需的时间;
计算所述易涝点在不同时间的积水量;根据易涝点在不同时间的积水量,动态生成对应的积水面积覆盖图;
将所述积水面积覆盖图转换成预设格式输出;
根据所述积水面积覆盖图建立所述易涝点的区域洪涝模型;
根据在所述易涝点所测量的当前水位,通过所述区域洪涝模型对所述易涝点的当前内涝情况进行预测;
所述动态生成对应的积水面积覆盖图包括:根据地形勘测图确定所述易涝点的积水达到不同水位所对应的积水量;获取在所述地形勘测图中排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间;根据所述易涝点的积水达到不同水位所对应的积水量和排除所述易涝点的积水达到不同水位所对应的积水量对应所需时间的关系确定出目标函数;根据所述易涝点在不同时间的积水量,生成对应的积水面积覆盖图;根据每次获取水位所确定的目标函数,对所述积水面积覆盖图进行自动迭代修正;其中,对易涝点进行测量;根据对所述易涝点的测量建立静态的所述地形勘测图。
4.如权利要求3所述的内涝预测方法,其特征在于,所述通过所述区域洪涝模型对所述易涝点的当前内涝情况进行预测的步骤之后,还包括:
根据所述当前内涝情况和所述易涝点内预计的进水量和/或雨水量,通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测;
通过预设的地图叠加接口将预设格式输出的所述积水面积覆盖图嵌入至预设的宏地图中,以通过所述宏地图显示或通知所述易涝点的所述当前内涝情况和未来的洪涝趋势。
5.如权利要求4所述的内涝预测方法,其特征在于,所述通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测的步骤,具体包括:
根据所述当前内涝情况确定由所述当前水位到达其他水位所对应的目标时间和目标积水量;
根据所述易涝点内所述目标时间所预计的进水量和/或雨水量和所述目标积水量确定出所述易涝点在未来的水位升降情况。
6.如权利要求3所述的内涝预测方法,其特征在于,所述通过预设的地图叠加接口将所述积水面积覆盖图嵌入至预设的宏地图中的步骤之后,还包括:
根据用户在所述宏地图中输入的起始地址和目的地地址,通过所述宏地图进行导航路径规划;
当规划的所述导航路径经过所述易涝点时,在所述导航路径中实时显示预测到的所述当前内涝情况及未来的洪涝趋势。
7.如权利要求6所述的内涝预测方法,其特征在于,所述在所述导航路径中实时显示预测到的所述当前内涝情况及未来的洪涝趋势的步骤之后,还包括:
根据所述导航路径所预计导航至所述易涝点的所需时间,确定出导航至所述易涝点时的洪涝趋势;
当所述易涝点在未来的水位上升至预警水位时,通过所述宏地图重新进行导航路径规划;
当所述易涝点在未来的水位下降至安全水位时,通过所述宏地图显示所述导航路径。
8.如权利要求4所述的内涝预测方法,其特征在于,所述通过所述区域洪涝模型对所述易涝点未来的洪涝趋势进行预测的步骤之后,还包括:
将所述积水面积覆盖图和/或预测到的所述当前内涝情况及未来的洪涝趋势实时发送至目标设备,以通过所述目标设备显示或通知所述易涝点的所述当前内涝情况和未来的洪涝趋势。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910520387.6A CN112097851B (zh) | 2019-06-17 | 2019-06-17 | 一种易涝点涝情检测方法及内涝预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910520387.6A CN112097851B (zh) | 2019-06-17 | 2019-06-17 | 一种易涝点涝情检测方法及内涝预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112097851A CN112097851A (zh) | 2020-12-18 |
CN112097851B true CN112097851B (zh) | 2024-06-04 |
Family
ID=73748376
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910520387.6A Active CN112097851B (zh) | 2019-06-17 | 2019-06-17 | 一种易涝点涝情检测方法及内涝预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112097851B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112880662B (zh) * | 2021-01-12 | 2024-03-08 | 长春工程学院 | 一种野外地质地貌形态地图生成方法及系统 |
CN113342877B (zh) * | 2021-06-16 | 2022-11-15 | 上海领路人科技股份有限公司 | 基于大数据分析和云计算的城市市政道路运行安全监测方法及云监测平台 |
CN113867343A (zh) * | 2021-09-18 | 2021-12-31 | 深圳优地科技有限公司 | 机器人移动方法、装置、机器人及存储介质 |
CN115115287B (zh) * | 2022-08-29 | 2022-12-20 | 深圳市城市公共安全技术研究院有限公司 | 内涝堵塞处理方法、装置、设备与存储介质 |
CN116611333B (zh) * | 2023-05-23 | 2023-11-14 | 中国水利水电科学研究院 | 一种城市洪涝风险点预测方法 |
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5323317A (en) * | 1991-03-05 | 1994-06-21 | Hampton Terry L | Method and apparatus for determining runoff using remote geographic sensing |
JP2003168179A (ja) * | 2001-12-03 | 2003-06-13 | Foundation Of River & Basin Integrated Communications Japan | リアルタイムハザードマップシステム |
KR20050045061A (ko) * | 2003-11-10 | 2005-05-17 | (주) 천진엔지니어링 | 대상유역의 침수분석방법 |
KR20100127333A (ko) * | 2009-05-26 | 2010-12-06 | 대진기술정보 (주) | 침수지역에 대한 데이터를 추출하기 위한 홍수 인자 측정장치 |
CN102817335A (zh) * | 2012-07-12 | 2012-12-12 | 贵州乌江水电开发有限责任公司 | 一种梯级水库群联合防洪优化调度的方法及系统 |
CN103852130A (zh) * | 2014-01-15 | 2014-06-11 | 北京艾力泰尔信息技术有限公司 | 基于图像识别的水位采集方法 |
CN104652347A (zh) * | 2014-12-18 | 2015-05-27 | 胡余忠 | 山区非静态水体水位与淹没影响人口关系评价方法 |
CN105550803A (zh) * | 2015-12-08 | 2016-05-04 | 哈尔滨航天恒星数据系统科技有限公司 | 一种城市内涝分析方法及系统 |
CN106197447A (zh) * | 2016-06-29 | 2016-12-07 | 广东省水文局广州水文分局 | 一种基于实时内涝数据的导航方法和装置 |
KR20170123081A (ko) * | 2016-04-28 | 2017-11-07 | 주식회사 피에스글로벌 | 침수 지역 추적 시스템, 방법 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
DE102017122895A1 (de) * | 2016-10-04 | 2018-04-05 | Ford Global Technologies, Llc | Verfahren und System zur Steuerung der Wassereinspritzung |
CN109145376A (zh) * | 2018-07-19 | 2019-01-04 | 华北电力大学 | 一种基于cad地形图的水库淹没范围确定方法 |
CN109544865A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司电力科学研究院 | 一种变电站内涝预警方法及预警系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9659405B2 (en) * | 2015-04-01 | 2017-05-23 | Toshiba Medical Systems Corporation | Image processing method and apparatus |
US10303811B2 (en) * | 2015-07-31 | 2019-05-28 | Autodesk, Inc. | Deep-learning based functional correlation of volumetric designs |
-
2019
- 2019-06-17 CN CN201910520387.6A patent/CN112097851B/zh active Active
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5323317A (en) * | 1991-03-05 | 1994-06-21 | Hampton Terry L | Method and apparatus for determining runoff using remote geographic sensing |
JP2003168179A (ja) * | 2001-12-03 | 2003-06-13 | Foundation Of River & Basin Integrated Communications Japan | リアルタイムハザードマップシステム |
KR20050045061A (ko) * | 2003-11-10 | 2005-05-17 | (주) 천진엔지니어링 | 대상유역의 침수분석방법 |
KR20100127333A (ko) * | 2009-05-26 | 2010-12-06 | 대진기술정보 (주) | 침수지역에 대한 데이터를 추출하기 위한 홍수 인자 측정장치 |
CN102817335A (zh) * | 2012-07-12 | 2012-12-12 | 贵州乌江水电开发有限责任公司 | 一种梯级水库群联合防洪优化调度的方法及系统 |
CN103852130A (zh) * | 2014-01-15 | 2014-06-11 | 北京艾力泰尔信息技术有限公司 | 基于图像识别的水位采集方法 |
CN104652347A (zh) * | 2014-12-18 | 2015-05-27 | 胡余忠 | 山区非静态水体水位与淹没影响人口关系评价方法 |
CN105550803A (zh) * | 2015-12-08 | 2016-05-04 | 哈尔滨航天恒星数据系统科技有限公司 | 一种城市内涝分析方法及系统 |
KR20170123081A (ko) * | 2016-04-28 | 2017-11-07 | 주식회사 피에스글로벌 | 침수 지역 추적 시스템, 방법 및 상기 방법을 실행시키기 위한 컴퓨터 판독 가능한 프로그램을 기록한 기록 매체 |
CN106197447A (zh) * | 2016-06-29 | 2016-12-07 | 广东省水文局广州水文分局 | 一种基于实时内涝数据的导航方法和装置 |
DE102017122895A1 (de) * | 2016-10-04 | 2018-04-05 | Ford Global Technologies, Llc | Verfahren und System zur Steuerung der Wassereinspritzung |
CN109145376A (zh) * | 2018-07-19 | 2019-01-04 | 华北电力大学 | 一种基于cad地形图的水库淹没范围确定方法 |
CN109544865A (zh) * | 2018-11-21 | 2019-03-29 | 国网江苏省电力有限公司电力科学研究院 | 一种变电站内涝预警方法及预警系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112097851A (zh) | 2020-12-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112097851B (zh) | 一种易涝点涝情检测方法及内涝预测方法 | |
JP6954425B2 (ja) | 災害予測方法、災害予測システム、および、災害予測プログラム | |
CN108776851B (zh) | 一种暴雨诱发的浅层滑坡灾害预警阈值确定方法 | |
CN108960599B (zh) | 基于反演算法的输电线路暴雨灾害精细化预测方法及系统 | |
CN111651885A (zh) | 一种智慧型海绵城市洪涝预报方法 | |
CN116070918B (zh) | 一种城市洪涝安全评估及洪涝灾害防治方法 | |
CN110992653A (zh) | 城市内涝预警系统及方法 | |
JP5537883B2 (ja) | 災害予測システム及び災害予測方法 | |
JP2008050903A (ja) | 洪水予測方法および洪水予測システム | |
CN106023530A (zh) | 一种暴雨型稀性泥石流监测预报预警装置及方法 | |
Fleury et al. | Karst flash-flood forecasting in the city of Nîmes (southern France) | |
CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
CN106372328A (zh) | 一种基于排水能力评估的排水管道修复方法及系统 | |
CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
CN104462774A (zh) | 基于水箱模型的城市道路及低洼地区积水预报方法 | |
Néelz et al. | Using remotely sensed data to support flood modelling | |
CN111651710A (zh) | 一种基于全过程遥感数据分析的堰塞湖淹没范围测绘方法 | |
CN116306340A (zh) | 一种模拟不同工况下的城市内涝风险分布的方法 | |
JP6450129B2 (ja) | 斜面崩壊予測方法及び斜面崩壊予測装置 | |
CN115661330A (zh) | 一种基于数字孪生的下沉广场积水计算方法及装置 | |
Sumira et al. | Dam Break Analysis of Sermo Dam | |
Divín et al. | Effects of land use changes on the runoff in the landscape based on hydrological simulation in HEC-HMS and HEC-RAS using different elevation data. | |
Singh et al. | Mapping and prediction of surface run-off using SCS-CN method | |
CN117556643B (zh) | 一种洪水预警预报方法及预报系统 | |
CN117831231B (zh) | 一种对易淹易涝片区进行积淹预警的方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |