CN112283595A - 管道溢油路径分析方法、装置、计算机设备和存储介质 - Google Patents
管道溢油路径分析方法、装置、计算机设备和存储介质 Download PDFInfo
- Publication number
- CN112283595A CN112283595A CN202011276349.XA CN202011276349A CN112283595A CN 112283595 A CN112283595 A CN 112283595A CN 202011276349 A CN202011276349 A CN 202011276349A CN 112283595 A CN112283595 A CN 112283595A
- Authority
- CN
- China
- Prior art keywords
- point
- leakage
- oil
- peripheral
- points
- 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.)
- Granted
Links
Images
Classifications
-
- F—MECHANICAL ENGINEERING; LIGHTING; HEATING; WEAPONS; BLASTING
- F17—STORING OR DISTRIBUTING GASES OR LIQUIDS
- F17D—PIPE-LINE SYSTEMS; PIPE-LINES
- F17D5/00—Protection or supervision of installations
- F17D5/02—Preventing, monitoring, or locating loss
Landscapes
- Engineering & Computer Science (AREA)
- Mechanical Engineering (AREA)
- General Engineering & Computer Science (AREA)
- Examining Or Testing Airtightness (AREA)
Abstract
本申请提供一种管道溢油路径分析方法、装置、计算机设备和存储介质,涉及输油管道管理技术领域。该方法包括:获取输油管道中泄漏点的位置,以及包含泄漏点的区域遥感影像;根据泄漏点的位置,对区域遥感影像进行地形要素的识别,得到泄漏点的多个周边地形要素;每个周边地形要素为与泄漏点的距离在预设距离范围内的一个周边地物的地形要素;提取多个周边地形要素的中心线;根据多个周边地形要素的中心线,提取多个周边地形要素的中心线的交汇点以及交汇点的高程信息;根据泄漏点的位置、交汇点和交汇点的高程信息,生成以泄漏点为起点的溢油路径。本申请可快速确定泄漏点的溢油路径。
Description
技术领域
本发明涉及输油管道管理技术领域,具体而言,涉及一种管道溢油路径分析方法、装置、计算机设备和存储介质。
背景技术
管道是目前原有、天然气和其他液化产品必备的运输工具,在长距离铺设的输送管道需要穿过河流、山川等多种复杂地形。
油气输油过程中,管道内部容易收到油气载荷、腐蚀,管道外部容易受到河水的冲刷腐蚀、外力损坏等风险,导致油气的泄漏,造成严重的环境污染和经济损失。
现有技术中,采用人工或半自动化对泄漏点周边的地形要素进行判别,除了对管道泄漏点进行修理外,无法快速准确地判断泄漏点的溢油路径。
发明内容
本发明的目的在于,针对上述现有技术中的不足,提供一种管道溢油路径分析方法、装置、计算机设备和存储介质,以便快速确定泄漏点的溢油路径。
为实现上述目的,本申请实施例采用的技术方案如下:
第一方面,本申请实施例提供了一种管道溢油路径分析方法,包括:
获取输油管道中泄漏点的位置,以及包含所述泄漏点的区域遥感影像;
根据所述泄漏点的位置,对所述区域遥感影像进行地形要素的识别,得到所述泄漏点的多个周边地形要素;所述每个周边地形要素为与所述泄漏点的距离在预设距离范围内的一个周边地物的地形要素;
提取所述多个周边地形要素的中心线;
根据所述多个周边地形要素的中心线,提取所述多个周边地形要素的中心线的交汇点以及所述交汇点的高程信息;
根据所述泄漏点的位置、所述交汇点和所述交汇点的高程信息,生成以所述泄漏点为起点的溢油路径。
可选的,所述获取输油管道中泄漏点的位置,包括:
获取所述输油管道的属性数据;所述属性数据包括:所述输油管道具有的位置点;
所述输油管道中多个位置点的风险数据;每个位置点的风险数据用于表征所述每个位置点存在泄漏风险的概率;
根据所述管道数据和所述风险数据,从所述多个位置点确定存在风险数据大于或等于预设风险数据阈值的位置点为所述泄漏点的位置。
可选的,所述根据所述泄漏点的位置,对所述区域遥感影像进行地形要素的识别,得到所述泄漏点的多个周边地形要素,包括:
根据所述输油管道的地域,获取所述地域的地形模型库;
根据所述泄漏点的位置,识别所述遥感影像中的多个目标地物的影像特征;所述目标地物为与所述泄漏点的距离在预设距离范围内的一个周边地物。
根据所述多个目标地物的影像特征,采用所述地形模型库,确定所述多个目标地物的地形要素,所述多个周边地形要素包括:所述多个目标地物的地形要素;其中,所述地形模型库中包括:所述地域内多种预设地物类型的地形要素。
可选的,所述根据所述多个目标地物的影像特征,采用所述地形模型库,确定所述多个目标地物的地形要素之前,所述方法还包括:
对所述地域的遥感影像进行地形分类识别,确定所述地域内的多种地物类型;
根据所述多种地物类型的地形要素,构建所述地域的地形模型;多数。
可选的,所根据所述泄漏点的位置、所述交汇点和所述交汇点的高程信息,生成以所述泄漏点为起点的溢油路径,包括:
根据所述交汇点的高程信息,计算相邻两个交汇点之间的一段中心线的流向权值;
根据所述泄漏点的位置、所述交汇点和所述交汇点构成的多段中心线的流向权值,形成所述溢油路径。
可选的,所述方法还包括:
将所述输油管道的属性数据和所述泄漏点的位置进行关联存储;
将所述泄漏点的位置和所述溢油路径进行关联存储。
可选的,所述方法还包括:
采用地理信息系统技术,将所述溢油路径在预设地图中进行定位和渲染,以在所述预设地图中显示所述溢油路径。
第二方面,本申请实施例还提供一种管道溢油路径分析装置,所述装置包括:
信息获取模块,用于获取输油管道中泄漏点的位置,以及包含所示泄漏点的区域遥感影像;
地形要素识别模块,用于根据所述泄漏点的位置,对所述区域遥感影像进行地形要素的识别,得到所述泄漏点的多个周边地形要素;所述每个周边地形要素为与所述泄漏点的距离在预设距离范围内的一个周边地物的地形要素;
中心线提取模块,用于提取所述多个周边地形要素的中心线;
高程信息提取模块,用于根据所述多个周边地形要素的中心线,提取所述多个周边地形要素的中心线的交汇点以及所示交汇点的高程信息;
溢油路径生成模块,用于根据所述泄漏点的位置、所述交汇点和所述交汇点的高程信息,生成以所述泄漏点为起点的溢油路径。
可选的,所述信息获取模块包括:
属性数据获取单元,用于获取所述输油管道的属性数据;所述属性数据包括:所述输油管道具有的位置点;
风险数据获取单元,用于获取所述输油管道中多个位置点的风险数据;每个位置点的风险数据用于表征所述每个位置点存在泄漏风险的概率;
位置确定单元,用于根据所述属性数据和所述风险数据,从所述多个位置点确定存在风险数据大于或等于预设风险数据阈值的位置点为所述泄漏点的位置。
可选的,所述地形要素识别模块包括:
地形模型库获取单元,用于根据所述输油管道的地域,获取所述地域的地形模型库;
影像特征识别单元,用于根据所述泄漏点的位置,识别所述遥感影像中的多个目标地物的影像特征;所述目标地物为与所述泄漏点的距离在预设距离范围内的一个周边地物;
地形要素确定单元,用于根据所述多个目标地物的影像特征,采用所述地形模型库,确定所述多个目标地物的地形要素,所述多个周边地形要素包括:所述多个目标地物的地形要素;其中,所述地形模型库中包括:所述地域内多种预设地物类型的地形要素。
可选的,在所述地形模型库获取单元之前,所述装置还包括:
分类识别单元,用于对所述地域的遥感影像进行地形分类识别,确定所述地域内的多种地物类型;
地形模型库构建单元,用于根据所述多种地物类型的地形要素,构建所述地域的地形模型库。
可选的,所述溢油路径生成模块包括:
流向权值计算模块,用于根据所述交汇点的高程信息,计算相邻两个交汇点之间的一段中心线的流向权值;
溢油路径形成单元,用于根据所述泄漏点的位置、所述交汇点和所述交汇点构成的多段中心线的流向权值,形成所述溢油路径。
可选的,所述装置还包括:
第一关联存储模块,用于将所述输油管道的属性数据和所述泄漏点的位置进行关联存储;
第二关联存储模块,用于将所述泄漏点的位置和所述溢油路径进行关联存储。
可选的,所述装置还包括:
展示单元,用于采用地理信息系统技术,将所述溢油路径在预设地图中进行定位和渲染,以在所述预设地图中显示所述溢油路径。
第三方面,本申请实施例还提供一种计算机设备,所述设备包括:
处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述任一所述的管道溢油路径分析方法。
第四方面,本申请实施例还提供一种存储介质,所述存储介质上存储有计算机程序,所述计算机程序被读取并执行时,实现上述任一所述的管道溢油路径分析方法。
本申请的有益效果是:
本申请提供的管道溢油路径分析方法、装置、计算机设备和存储介质,通过获取输油管道中泄漏点的位置以及包含泄漏点的区域遥感影像,根据泄漏点的位置对区域遥感影像进行地形要素识别,得到泄漏点的多个周边地形要素,提取多个地形要素的中心线,并基于多个周边地形要素的中心线得到中心线的交换点和交汇点的高程信息,根据泄漏点的位置、交汇点和交汇点的高程信息,生成以泄漏点为起点的溢油路径。本申请提供的方案,基于泄漏点的区域遥感影像识别泄漏点的多个周边地形要素,并基于多个周边地形要素的中心线得到多个中心线的交汇点和交汇点的高程信息,根据泄漏点的位置、交汇点和交汇点的高程信息,得到以泄漏点为起点的溢油路径,通过本申请提供的方案,可快速准确的分析并得到以泄漏点为起点的溢油路径,从而进行快速响应,避免对泄漏点周边环境造成污染。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本发明的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的第一种管道溢油路径分析方法的流程示意图;
图2为本申请实施例提供的第二种管道溢油路径分析方法的流程示意图;
图3为本申请实施例提供的第三种管道溢油路径分析方法的流程示意图;
图4为本申请实施例提供的第四种管道溢油路径分析方法的流程示意图;
图5a-图5f为本申请实施例提供的多种溢油路径的示意图;
图6为本申请实施例提供的第五种管道溢油路径分析方法的流程示意图;
图7为本申请实施例提供的一种管道溢油路径分析装置的结构示意图;
图8为本申请实施例提供的一种计算机设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明的一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此,以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围,而是仅仅表示本发明的选定实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
应注意到:相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。
为快速准确的确定输油管道中泄漏点的溢油路径,本申请实施例提供了下述多种可能的实现方式。如下结合附图对示例进行解释说明。
需要指出的是,本申请所提供管道溢油路径分析方法,可由安装并运行有管道溢油路径分析应用的计算机设备实现,该计算机设备可以为服务器,也可以为客户端设备,本申请对此不做限制。
图1为本申请实施例提供的一种管道溢油路径分析方法的流程示意图;如图1所示,该方法包括:
S10:获取输油管道中泄漏点的位置,以及包含泄漏点的区域遥感影像。
具体的,泄漏点的位置为输油管道中已经发生泄漏的位置,或输油管道中存在泄漏风险的位置。示例的,可采用对输油管道进行摄像监测、人为排查或者泄漏风险计算,确定泄漏点的位置。采用遥感影像拍摄技术,对泄漏点周围预设区域进行遥感影像拍摄,得到包含泄漏点的区域遥感影像。
S20:根据泄漏点的位置,对区域遥感影像进行地形要素的识别,得到泄漏点的多个周边地形要素。
具体的,每个周边地形要素为与泄漏点的距离在预设距离范围内的一个周边地物的地形要素。采用预设的识别方法,对处理后的区域遥感影像中的地形要素的边界进行识别,确定处理后的区域遥感影像中泄漏点的多个周边地形要素。示例的,周边地形要素可以包括:干沟、河流、陡坡、平原等。
在一种可选实施方式中,对区域遥感影像进行地形要素识别之前,可通过对区域遥感影像进行预处理,得到处理后的区域遥感影像,使得处理后的区域遥感影像的地形要素识别的效果更好。示例的,对区域遥感影像进行预处理可以为二值化处理。
S30:提取多个周边地形要素的中心线。
具体的,周边地形要素的边界形成了周边地形要素的近似多边形,采用地理信息工具对多个周边地形要素的进行多边形进行处理,提取近似多边形的中心线。示例的,地理信息工具可以为ArcMap软件。
S40:根据多个周边地形要素的中心线,提取多个周边地形要素的中心线的交汇点以及交汇点的高程信息。
具体的,经过上述S30提取的多个周边地形要素的中心线构成了地形几何网络,提取地形几何网络中的多个交汇点,根据多个交汇点所在的周边地形要素的要素信息,计算多个交汇点的高程信息,周边地形要素的要素信息例如可以为周边地形要素的海拔信息、坡度信息。示例的,可通过计算交汇点沿铅垂线方向到水平地面的距离,作为该交汇点的高程信息。
S50:根据泄漏点的位置、交汇点和交汇点的高程信息,生成以泄漏点为起点的溢油路径。
具体的,根据泄漏点的位置,选择与泄漏点最近的交汇点,油品泄漏后从泄漏点流向最近交汇点,并从最近交汇点流向符合要求的交汇点,形成以泄漏点为起点的溢油路径。符合要求的交汇点的高程信息小于最近交汇点的高程信息。
本申请实施例提供的管道溢油路径分析方法,通过获取输油管道中泄漏点的位置和包含泄漏点的区域遥感影像,基于泄漏点的区域遥感影像识别泄漏点的多个周边地形要素,并基于多个周边地形要素的中心线得到多个中心线的交汇点和交汇点的高程信息,根据泄漏点的位置、交汇点和交汇点的高程信息,得到以泄漏点为起点的溢油路径,通过本申请提供的方案,可快速准确的分析并得到以泄漏点为起点的溢油路径,以对溢油路径进行拦截处理,避免造成周边环境污染。示例的,在发生泄漏时可对溢油路径进行快速拦截,降低对泄漏点周边环境造成污染;在存在泄漏风险时,预先对存在泄漏风险的位置点的溢油路径进行拦截处理,避免造成环境污染。
在上述管道溢油路径分析方法的基础上,本申请实施例还提供一种管道溢油路径分析方法,图2为本申请实施例提供的第二种管道溢油路径分析方法的流程示意图,如图2所示,上述获取输油管道中泄漏点的位置包括:
S11:获取输油管道的属性数据。
具体的,采用APDM(ArcGIS Pipeline Data Modle,ArcGIS管道数据模型)获取输油管道的属性数据,属性数据包括:输油管道具有的位置点,输油管道具有的位置点包括输油管道的起始位置点、终点位置点、拐点位置点和其他位置点。
S12:获取输油管道中多个位置点的风险数据。
具体的,对输油管道中多个位置点存在的风险进行计算,得到多个位置点的风险数据,每个位置点的风险数据用于表征每个位置点存在泄漏风险的概率。示例的,输油管道中多个位置点存在的风险包括:管道破裂、爆管等风险。
S13:根据属性数据和风险数据,从多个位置点确定存在风险数据大于或等于预设风险数据阈值的位置点为泄漏点的位置。
具体的,输油管道中多个位置点的风险数据随着时间的推移而增大,风险数据大于或等于预设风险数据阈值的位置点存在泄漏风险,对多个位置点的风险数据进行监测,将监测到的风险数据大于或等于预设风险数据阈值的位置点作为泄漏点的位置。预设风险数据阈值为该位置点泄漏的临界值。
本申请实施例提供的管道溢油路径分析方法,通过获取输油管道的属性数据,确定输油管道的多个位置点,获取多个位置点的风险数据,基于属性数据和风险数据,将风险数据大于或等于预设风险数据阈值的位置点作为泄漏点的位置。通过本申请实施例提供的方案,可实时监测存在泄漏风险的位置点,提前生成存在泄漏风险的位置点的溢油路径,可提前对溢油路径进行拦截,避免造成周边环境污染。
在上述管道溢油路径分析方法的基础上,本申请实施例还提供一种管道溢油路径分析方法,图3为本申请实施例提供的第三种管道溢油路径分析方法的流程示意图,如图3所示,上述S20包括:
S21:根据输油管道的地域,获取地域的地形模型库。
具体的,地形模型库中包括:地域内多种预设地物类型的地形要素。根据多个地域的预设地物类型,采用预设的识别方法,对多个区域的遥感影像中的多种预设地物类型的地形要素进行识别,并采用预设的特征提取方法,对多种预设地物类型的地形要素的影像特征进行提取,根据多个预设地物类型的地形要素的影像特征对预设的地形模型进行训练,得到多个区域的地形模型库,多个区域的地形模型库中包含对应区域内多种预设地物类型的地形要素。预设的识别方法为遥感图像计算机解译方法,预设的特征提取方法可以为模式识别技术和人工智能技术。
示例的,一个区域为山区,则该地形模型库为山区模型库,该山区模型库中包含的地形要素有干沟、平地、陡坡、河流等。
在一种可选实施方式中,该地形模型库的构建方法为:
对地域的遥感影像进行地形分类识别,确定地域内的多种地物类型;根据多种地物类型的地形要素,构建地域的地形模型库。
具体的,采用遥感影像识别技术,对多个地域的遥感影像按照地形进行分类识别,确定多个地域内的多个地物类型,示例的,地物类型可以为山区、平地等。对每个地物类型中的多个地形要素进行识别,构成每个地物类型的地形模型库,每个地形模型库中包括对应的地物类型中的多个地形要素。
S22:根据泄漏点的位置,识别遥感影像中的多个目标地物的影像特征。
具体的,目标地物为与泄漏点的距离在预设距离范围内的一个周边地物。采用预设的识别方法识别遥感影像中的多个目标地物,并采用预设的特征提取方法提取多个目标地物的影像特征。预设的识别方法和预设的特征提取方法可采用与上述S21中相同的识别方法和特征提取方法。
S23:根据多个目标地物的影像特征,采用地形模型库,确定多个目标地物的地形要素。
具体的,经过上述S22提取到的多个目标地物的影像特征,采用泄漏点的位置所在区域的地形模型库,对多个目标地物的影像特征进行解译,确定多个目标地物的地形要素。上述S20中的多个周边地形要素包括:多个目标地物的地形要素。
本申请实施例提供的管道溢油路径分析方法,通过输油管道的地域获取该地域的地形模型库,根据泄漏点的位置,识别遥感影像中多个目标地物的影像特征,采用地形模型库对多个目标地物的影像特征进行分析,确定多个目标地物的地形要素。通过本申请实施例的方案,采用地形模型库对泄漏点的遥感影像中的多个目标地物的影像特征进行法分析,通过不断扩展地形模型库,以适用于更加复杂的地形环境下的管道溢油路径分析工作,可快速并准确的确定多个目标地物的地形要素,提高生成溢油路径的准确度,便于有关部门做出应急决策,减低溢油事故带来的风险。
在上述管道溢油路径分析方法的基础上,本申请实施例还提供一种管道溢油路径分析方法,图4为本申请实施例提供的第四种管道溢油路径分析方法的流程示意图,如图4所示,上述S50包括:
S51:根据交汇点的高程信息,计算相邻两个交汇点之间的一段中心线的流向权值。
具体的,流向权值用于表示相邻两个交汇点之间的一段中心线是否可以流通。根据上述S40得到的多个交汇点的高程信息,相邻两个交汇点为第一交汇点和第二交汇点,第一交汇点和漏油点的距离小于第二交汇点和漏油点的距离,若第一交汇点的高程信息大于第二交汇点的高程信息,则第一交汇点和第二交汇点之间的一段中心线的流向权值表示可以流通,若第一交汇点的高程信息小于或等于第二交汇点的高程信息,则第一交汇点和第二交汇点之间的一段中心线的流向权值表示不可以流通。示例的,流向权值以0或1表示,0表示相邻两个交汇点之间的一段中心线可以流通, 1表示相邻两个交汇点之间的一段中心线不可以流通。
S52:根据泄漏点的位置、交汇点和交汇点构成的多段中心线的流向权值,形成溢油路径。
具体的,以泄漏点的位置为起点,沿着流向权值为可以流通的多段中心线,形成溢油路径。
示例的,图5a-图5f为本申请实施例提供的多种溢油路径的示意图,如图5a所示,泄漏点为h1,交汇点为j1和j2,中心线A和中心线B的流向权值均为0,则溢油路径为h1-A-j1-B-j2。
如图5b所示,泄漏点为h1,交汇点为j1、j2和j3,中心线A和中心线B的流向权值均为0,中心线C的流向权值为1,则溢油路径为 h1-A-j1-B-j2。
如图5c所示,泄漏点为h1,交汇点为j1、j2和j3,中心线A、中心线 B和中心线C的流向权值均为0,则溢油路径为h1-A-j1-B-j2、h1-A-j1-C-j3。
如图5d所示,泄漏点为h1,交汇点为j1、j2和j3,中心线A和中心线C的流向权值为0,中心线B的流向权值为1,则溢油路径为h1-A-j1-C-j3。
如图5e所示,泄漏点为h1,交汇点为j1、j2、j3、j4,中心线A、中心线B、中心线C和中心线D的流向权值均为0,则溢油路径为h1-A-j1-B-j2、 h1-A-j1-C-j3、h1-A-j1-D-j4。
如图5f所示,泄漏点为h1,交汇点为j1-j12,中心线A、中心线B、中心线C、中心线D、中心线E、中心线F、中心线G、中心线J和中心线 L的流向权值为0,中心线H、中心线I和中心线K的流向权值为1,则溢油路径为h1-A-j1-B-j2-E-j5-F-j6、h1-A-j1-B-j2-E-j5-G-j7、h1-A-j1-C-j3、 h1-A-j1-D-j4-J-j10-L-j12。
本申请实施例提供的管道溢油路径分析方法,根据交汇点的高程信息,计算相邻两个交汇点之间的一段中心线的流向权值,根据泄漏点的位置、交汇点和交汇点构成的多段中心线的流向权值,形成溢油路径。通过本申请实施例的方案,计算相邻两个交汇点之间的一段中心线的流向权值,根据流向权值确定溢油路径,可快速准确的分析并得到以泄漏点为起点的溢油路径,从而进行快速响应,避免对泄漏点周边环境造成污染。
在上述管道溢油路径分析方法的基础上,本申请实施例还提供一种管道溢油路径分析方法,图6为本申请实施例提供的第五种管道溢油路径分析方法的流程示意图,如图6所示,该方法还包括:
S60:将输油管道的属性数据和泄漏点的位置进行关联存储。
具体的,输油管道的属性数据包括输油管道的起始位置信息、终点位置信息和多个拐点位置信息、以及每段管道的里程信息,采用管道数据模型将输油管道的属性数据和泄漏点的位置进行关联,可以确定泄漏路径位于输油管道中的具体位置,并将输油管道的属性数据和泄漏点的位置关联存储。示例的,管道数据模型为APDM管道数据模型,APDM管道数据模型依托线性参考方法和动态分段技术将输油管道表示为线性位置信息,线性位置信息包括起始位置信息、终点位置信息和多个拐点位置信息、以及每段管道的里程信息。
S70:将泄漏点的位置和溢油路径进行关联存储。
具体的,以泄漏点的经纬度坐标为参考,得到与泄漏点的经纬度坐标对应的溢油路径的经纬度坐标,并将泄漏点的经纬度坐标和溢油路径的经纬度坐标关联存储。
在一种可选实时方式中,对输油管道的属性数据、泄漏点的位置和溢油路径的存储,以及根据输油管道的属性数据、泄漏点的位置和溢油路径的分析过程在局域网环境中进行,在数据处理完成后将展示数据进行加密处理后再进行展示,保证数据的安全。
本申请实施例提供的管道溢油路径分析方法,将输油管道的属性数据和泄漏点的位置进行关联存储;将泄漏点的位置和溢油路径进行关联存储。通过本申请实施例提供的方案,使输油管道、泄漏点和漏油路径之间形成数据链,以在实际输油管道所在的环境中准确找到油品的流经路径,便于对溢油路径进行拦截,避免进一步的环境污染。
在上述管道溢油路径分析方法的基础上,本申请实施例还提供一种管道溢油路径分析方法,该方法包括:
采用地理信息系统技术,将溢油路径在预设地图中进行定位和渲染,以在预设地图中显示溢油路径。
具体的,预设地图为泄漏点在预设距离范围内的地图,根据溢油路径的经纬度坐标,采用地理信息系统技术,确定溢油路径在预设地图中的位置,并根据该溢油路径的流向权值对该溢油路径进行渲染,以在预设地图中显示泄漏点的位置、泄漏原因、溢油路径的位置和流向。
示例的,地理信息系统技术可以为ArcGIS API for JavaScript技术,采用该技术可以在浏览器端对该溢油路径进行展示。
本申请实施例提供的管道溢油路径分析方法,采用地理信息系统技术,将溢油路径在预设地图中进行定位和渲染,以在预设地图中显示溢油路径。通过本申请实施例的方案,可准确地将分析得到的溢油路径在预设地图中进行展示,可直观的了解溢油路径位于预设地图中的准确位置,便于对溢油路径进行拦截,避免进一步的环境污染。
在一种可选实施方式中,采用消息队列技术,对多个泄漏点的溢油路径分析进行分布式计算,以保证计算机设备稳定高效的运行,提高系统稳定性。
下述对用以执行本申请管道溢油路径分析方法的装置、计算机设备及存储介质等进行说明,其具体的实现过程以及技术效果参见上述,下述不再赘述。
图7为本申请实施例提供的一种管道溢油路径分析装置的结构示意图,管道溢油路径分析装置可以软件模块的形式集成在计算机设备中,如图8 所示,该装置包括:
信息获取模块100,用于获取输油管道中泄漏点的位置,以及包含所示泄漏点的区域遥感影像;
地形要素识别模块200,用于根据泄漏点的位置,对区域遥感影像进行地形要素的识别,得到泄漏点的多个周边地形要素;每个周边地形要素为与泄漏点的距离在预设距离范围内的一个周边地物的地形要素;
中心线提取模块300,用于提取多个周边地形要素的中心线;
高程信息提取模块400,用于根据多个周边地形要素的中心线,提取多个周边地形要素的中心线的交汇点以及交汇点的高程信息;
溢油路径生成模块500,用于根据泄漏点的位置、交汇点和交汇点的高程信息,生成以泄漏点为起点的溢油路径。
在一种可选实施方式中,该信息获取模块100包括:
属性数据获取单元,用于获取输油管道的属性数据;属性数据包括:输油管道具有的位置点;
风险数据获取单元,用于获取输油管道中多个位置点的风险数据;每个位置点的风险数据用于表征每个位置点存在泄漏风险的概率;
位置确定单元,用于根据属性数据和风险数据,从多个位置点确定存在风险数据大于或等于预设风险数据阈值的位置点为泄漏点的位置。
在一种可选实施方式中,该地形要素识别模块200包括:
地形模型库获取单元,用于根据输油管道的地域,获取地域的地形模型库;
影像特征识别单元,用于根据泄漏点的位置,识别遥感影像中的多个目标地物的影像特征;目标地物为与泄漏点的距离在预设距离范围内的一个周边地物;
地形要素确定单元,用于根据多个目标地物的影像特征,采用地形模型库,确定多个目标地物的地形要素,多个周边地形要素包括:多个目标地物的地形要素;其中,地形模型库中包括:地域内多种预设地物类型的地形要素。
在一种可选实施方式中,在地形模型库获取单元之前,该装置还包括:
分类识别单元,用于对地域的遥感影像进行地形分类识别,确定地域内的多种地物类型;
地形模型库构建单元,用于根据多种地物类型的地形要素,构建地域的地形模型库。
在一种可选实施方式中,该溢油路径生成模块500包括:
流向权值计算模块,用于根据交汇点的高程信息,计算相邻两个交汇点之间的一段中心线的流向权值;
溢油路径形成单元,用于根据泄漏点的位置、交汇点和交汇点构成的多段中心线的流向权值,形成溢油路径。
在一种可选实施方式中,该装置还包括:
第一关联存储模块,用于将输油管道的属性数据和泄漏点的位置进行关联存储。
第二关联存储模块,用于将泄漏点的位置和溢油路径进行关联存储。
在一种可选实施方式中,该装置还包括:
展示模块,用于采用地理信息系统技术,将溢油路径在预设地图中进行定位和渲染,以在预设地图中显示溢油路径。
上述装置用于执行前述实施例提供的方法,其实现原理和技术效果类似,在此不再赘述。
以上这些模块可以是被配置成实施以上方法的一个或多个集成电路,例如:一个或多个特定集成电路(Application Specific Integrated Circuit,简称ASIC),或,一个或多个微处理器(digital singnal processor,简称DSP),或,一个或者多个现场可编程门阵列(Field Programmable Gate Array,简称 FPGA)等。再如,当以上某个模块通过处理元件调度程序代码的形式实现时,该处理元件可以是通用处理器,例如中央处理器(CentralProcessing Unit,简称CPU)或其它可以调用程序代码的处理器。再如,这些模块可以集成在一起,以片上系统(system-on-a-chip,简称SOC)的形式实现。
图8为本申请实施例提供的一种计算机设备的结构示意图,如图8所示,该计算机设备可以为安装并运行有管道溢油路径分析应用的服务器或者客户端设备。该计算机设备600包括:处理器601、存储器602。
存储器602用于存储程序,处理器601调用存储器602存储的程序,以执行上述方法实施例。具体实现方式和技术效果类似,这里不再赘述。
可选地,本发明还提供一种存储介质,存储介质上存储有计算机程序,该计算机程序被读取并执行时,实现上述任一实施例的管道溢油路径分析方法。
在本发明所提供的几个实施例中,应该理解到,所揭露的装置和方法,可以通过其它的方式实现。例如,以上所描述的装置实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,例如多个单元或组件可以结合或者可以集成到另一个系统,或一些特征可以忽略,或不执行。另一点,所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口,装置或单元的间接耦合或通信连接,可以是电性,机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外,在本发明各个实施例中的各功能单元可以集成在一个处理单元中,也可以是各个单元单独物理存在,也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
上述以软件功能单元的形式实现的集成的单元,可以存储在一个计算机可读取存储介质中。上述软件功能单元存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)或处理器(英文:processor)执行本发明各个实施例所述方法的部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(英文: Read-Only Memory,简称:ROM)、随机存取存储器(英文:Random Access Memory,简称:RAM)、磁碟或者光盘等各种可以存储程序代码的介质。
上仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (10)
1.一种管道溢油路径分析方法,其特征在于,包括:
获取输油管道中泄漏点的位置,以及包含所述泄漏点的区域遥感影像;
根据所述泄漏点的位置,对所述区域遥感影像进行地形要素的识别,得到所述泄漏点的多个周边地形要素;每个周边地形要素为与所述泄漏点的距离在预设距离范围内的一个周边地物的地形要素;
提取所述多个周边地形要素的中心线;
根据所述多个周边地形要素的中心线,提取所述多个周边地形要素的中心线的交汇点以及所述交汇点的高程信息;
根据所述泄漏点的位置、所述交汇点和所述交汇点的高程信息,生成以所述泄漏点为起点的溢油路径。
2.如权利要求1所述的方法,其特征在于,所述获取输油管道中泄漏点的位置,包括:
获取所述输油管道的属性数据;所述属性数据包括:所述输油管道具有的位置点;
获取所述输油管道中多个位置点的风险数据;每个位置点的风险数据用于表征所述每个位置点存在泄漏风险的概率;
根据所述属性数据和所述风险数据,从所述多个位置点确定存在风险数据大于或等于预设风险数据阈值的位置点为所述泄漏点的位置。
3.如权利要求1所述的方法,其特征在于,所述根据所述泄漏点的位置,对所述区域遥感影像进行地形要素的识别,得到所述泄漏点的多个周边地形要素,包括:
根据所述输油管道的地域,获取所述地域的地形模型库;
根据所述泄漏点的位置,识别所述遥感影像中的多个目标地物的影像特征;所述目标地物为与所述泄漏点的距离在预设距离范围内的一个周边地物;
根据所述多个目标地物的影像特征,采用所述地形模型库,确定所述多个目标地物的地形要素,所述多个周边地形要素包括:所述多个目标地物的地形要素;其中,所述地形模型库中包括:所述地域内多种预设地物类型的地形要素。
4.如权利要求3所述的方法,其特征在于,所述根据所述多个目标地物的影像特征,采用所述地形模型库,确定所述多个目标地物的地形要素之前,所述方法还包括:
对所述地域的遥感影像进行地形分类识别,确定所述地域内的多种地物类型;
根据所述多种地物类型的地形要素,构建所述地域的地形模型库。
5.如权利要求1所述的方法,其特征在于,所述根据所述泄漏点的位置、所述交汇点和所述交汇点的高程信息,生成以所述泄漏点为起点的溢油路径,包括:
根据所述交汇点的高程信息,计算相邻两个交汇点之间的一段中心线的流向权值;
根据所述泄漏点的位置、所述交汇点和所述交汇点构成的多段中心线的流向权值,形成所述溢油路径。
6.如权利要求5所述的方法,其特征在于,所述方法还包括:
将所述输油管道的属性数据和所述泄漏点的位置进行关联存储;
将所述泄漏点的位置和所述溢油路径进行关联存储。
7.如权利要求1-6中任一所述的方法,其特征在于,所述方法还包括:
采用地理信息系统技术,将所述溢油路径在预设地图中进行定位和渲染,以在所述预设地图中显示所述溢油路径。
8.一种管道溢油路径分析装置,其特征在于,所述装置包括:
信息获取模块,用于获取输油管道中泄漏点的位置,以及包含所示泄漏点的区域遥感影像;
地形要素识别模块,用于根据所述泄漏点的位置,对所述区域遥感影像进行地形要素的识别,得到所述泄漏点的多个周边地形要素;每个周边地形要素为与所述泄漏点的距离在预设距离范围内的一个周边地物的地形要素;
中心线提取模块,用于提取所述多个周边地形要素的中心线;
高程信息提取模块,用于根据所述多个周边地形要素的中心线,提取所述多个周边地形要素的中心线的交汇点以及所示交汇点的高程信息;
溢油路径生成模块,用于根据所述泄漏点的位置、所述交汇点和所述交汇点的高程信息,生成以所述泄漏点为起点的溢油路径。
9.一种计算机设备,其特征在于,所述设备包括:
处理器、存储器和存储在所述存储器上并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现上述权利要求1-7任一所述的管道溢油路径分析方法。
10.一种存储介质,其特征在于,所述存储介质上存储有计算机程序,所述计算机程序被读取并执行时,实现上述权利要求1-7任一所述的管道溢油路径分析方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011276349.XA CN112283595B (zh) | 2020-11-13 | 2020-11-13 | 管道溢油路径分析方法、装置、计算机设备和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011276349.XA CN112283595B (zh) | 2020-11-13 | 2020-11-13 | 管道溢油路径分析方法、装置、计算机设备和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112283595A true CN112283595A (zh) | 2021-01-29 |
CN112283595B CN112283595B (zh) | 2022-07-05 |
Family
ID=74399479
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011276349.XA Active CN112283595B (zh) | 2020-11-13 | 2020-11-13 | 管道溢油路径分析方法、装置、计算机设备和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112283595B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686513A (zh) * | 2021-07-12 | 2021-11-23 | 厦门科灿信息技术有限公司 | 液体泄露定位方法、装置和电子设备 |
CN115289403A (zh) * | 2022-06-30 | 2022-11-04 | 浙江中控技术股份有限公司 | 一种管网区间内封闭路径的自动监测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927418A (zh) * | 2014-04-12 | 2014-07-16 | 北京工业大学 | 基于dem的城市道路渠网化排水通道制作方法 |
CN108346111A (zh) * | 2017-01-24 | 2018-07-31 | 中国石油化工股份有限公司 | 集输管网泄漏风险评估方法及装置 |
CN110070243A (zh) * | 2018-01-23 | 2019-07-30 | 中国石油化工股份有限公司 | 输油管道高后果区识别评价系统及方法 |
CN110223385A (zh) * | 2019-05-30 | 2019-09-10 | 北京农业信息技术研究中心 | 一种包含交汇点的路渠网络的三维模型构建方法及装置 |
CN110332465A (zh) * | 2019-06-27 | 2019-10-15 | 中石化川气东送天然气管道有限公司 | 一种长输天然气管道泄漏监测决策方法和系统 |
CN110929415A (zh) * | 2019-12-06 | 2020-03-27 | 江苏师范大学 | 一种针对高原地区u型河谷水下未知地形精确模拟方法 |
CN111782981A (zh) * | 2020-07-02 | 2020-10-16 | 中煤航测遥感集团有限公司 | 长输管道溢油应急控制方法、装置、设备及存储介质 |
-
2020
- 2020-11-13 CN CN202011276349.XA patent/CN112283595B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103927418A (zh) * | 2014-04-12 | 2014-07-16 | 北京工业大学 | 基于dem的城市道路渠网化排水通道制作方法 |
CN108346111A (zh) * | 2017-01-24 | 2018-07-31 | 中国石油化工股份有限公司 | 集输管网泄漏风险评估方法及装置 |
CN110070243A (zh) * | 2018-01-23 | 2019-07-30 | 中国石油化工股份有限公司 | 输油管道高后果区识别评价系统及方法 |
CN110223385A (zh) * | 2019-05-30 | 2019-09-10 | 北京农业信息技术研究中心 | 一种包含交汇点的路渠网络的三维模型构建方法及装置 |
CN110332465A (zh) * | 2019-06-27 | 2019-10-15 | 中石化川气东送天然气管道有限公司 | 一种长输天然气管道泄漏监测决策方法和系统 |
CN110929415A (zh) * | 2019-12-06 | 2020-03-27 | 江苏师范大学 | 一种针对高原地区u型河谷水下未知地形精确模拟方法 |
CN111782981A (zh) * | 2020-07-02 | 2020-10-16 | 中煤航测遥感集团有限公司 | 长输管道溢油应急控制方法、装置、设备及存储介质 |
Non-Patent Citations (1)
Title |
---|
曾江宁等: "海底石油管道溢油的生态风险及防范对策", 《海洋开发与管理》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113686513A (zh) * | 2021-07-12 | 2021-11-23 | 厦门科灿信息技术有限公司 | 液体泄露定位方法、装置和电子设备 |
CN115289403A (zh) * | 2022-06-30 | 2022-11-04 | 浙江中控技术股份有限公司 | 一种管网区间内封闭路径的自动监测方法 |
Also Published As
Publication number | Publication date |
---|---|
CN112283595B (zh) | 2022-07-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hung et al. | Methods for assessing the credibility of volunteered geographic information in flood response: A case study in Brisbane, Australia | |
US9619691B2 (en) | Multi-view 3D object recognition from a point cloud and change detection | |
CN109858367B (zh) | 工人通过支撑不安全行为的视觉自动化检测方法及系统 | |
CN112283595B (zh) | 管道溢油路径分析方法、装置、计算机设备和存储介质 | |
Kong et al. | Computer vision and long short-term memory: Learning to predict unsafe behaviour in construction | |
Wu et al. | Enhanced Precision in Dam Crack Width Measurement: Leveraging Advanced Lightweight Network Identification for Pixel‐Level Accuracy | |
CN113741527A (zh) | 一种基于多无人机的油井巡检方法、设备及介质 | |
CN114299011A (zh) | 一种基于深度学习的遥感目标四边形框快速检测方法 | |
Prochazka et al. | Automatic lane marking extraction from point cloud into polygon map layer | |
Xu et al. | Building height calculation for an urban area based on street view images and deep learning | |
CN113298130B (zh) | 目标图像的检测、目标对象检测模型的生成方法 | |
Ma et al. | Hybrid model for realistic and efficient estimation of highway sight distance using airborne LiDAR data | |
Sinickas et al. | Comparing methods for estimating β points for use in statistical snow avalanche runout models | |
CN115496399B (zh) | 基于无人机的基坑勘测任务即时更新分配方法及系统 | |
CN115034718B (zh) | 一种危化品管理方法、系统、计算设备及存储介质 | |
JP7174601B2 (ja) | 天端面段差抽出システム、及び天端面段差抽出方法 | |
CN115909099A (zh) | 基于无人机巡检的边坡危岩识别与监测方法 | |
KR101364375B1 (ko) | 3차원 데이터로부터 특정 객체를 추출하는 시스템 및 방법. | |
CN109670556B (zh) | 基于火点和夜光数据的全球热源重工业区域识别方法 | |
Park et al. | Potholeeye+: Deep-learning based pavement distress detection system toward smart maintenance | |
Kimm et al. | Edge detection and linking pattern analysis using Markov chains | |
CN114078140B (zh) | 一种基于滑坡边界多边形和坡向图的滑坡轨迹提取方法 | |
Han et al. | Ceiling damage detection and safety assessment in large public buildings using semantic segmentation | |
Rettelbach et al. | From images to hydrologic networks-understanding the arctic landscape with graphs | |
CN117710374B (zh) | 基于深度学习的跑冒滴漏检测方法、装置、设备及介质 |
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 |