CN112733337A - 一种暴雨内涝影响下城市道路通行效率评估方法 - Google Patents
一种暴雨内涝影响下城市道路通行效率评估方法 Download PDFInfo
- Publication number
- CN112733337A CN112733337A CN202011585408.1A CN202011585408A CN112733337A CN 112733337 A CN112733337 A CN 112733337A CN 202011585408 A CN202011585408 A CN 202011585408A CN 112733337 A CN112733337 A CN 112733337A
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- road
- traffic
- model
- rainstorm
- 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
- 238000000034 method Methods 0.000 title claims abstract description 55
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 48
- 238000011160 research Methods 0.000 claims abstract description 38
- 238000004088 simulation Methods 0.000 claims abstract description 33
- 238000009825 accumulation Methods 0.000 claims abstract description 14
- 238000010276 construction Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000008595 infiltration Effects 0.000 claims description 13
- 238000001764 infiltration Methods 0.000 claims description 13
- 230000008859 change Effects 0.000 claims description 11
- 238000010586 diagram Methods 0.000 claims description 10
- 238000009826 distribution Methods 0.000 claims description 8
- 238000005259 measurement Methods 0.000 claims description 5
- 238000012795 verification Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 4
- 238000013461 design Methods 0.000 claims description 4
- 238000004422 calculation algorithm Methods 0.000 claims description 3
- 238000004519 manufacturing process Methods 0.000 claims description 3
- 239000010865 sewage Substances 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 claims description 2
- 230000003139 buffering effect Effects 0.000 claims 2
- 238000003860 storage Methods 0.000 claims 2
- 230000003044 adaptive effect Effects 0.000 claims 1
- 230000008878 coupling Effects 0.000 abstract description 4
- 238000010168 coupling process Methods 0.000 abstract description 4
- 238000005859 coupling reaction Methods 0.000 abstract description 4
- 230000002265 prevention Effects 0.000 abstract description 4
- 230000009467 reduction Effects 0.000 abstract description 4
- 230000007547 defect Effects 0.000 abstract 1
- 239000004576 sand Substances 0.000 description 4
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 241000282414 Homo sapiens Species 0.000 description 2
- 101150054854 POU1F1 gene Proteins 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 230000006378 damage Effects 0.000 description 2
- 238000009472 formulation Methods 0.000 description 2
- 239000000203 mixture Substances 0.000 description 2
- 239000002689 soil Substances 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000009736 wetting Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 230000032683 aging Effects 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007123 defense Effects 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 238000001035 drying Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000004907 flux Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000005192 partition Methods 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 229920006395 saturated elastomer Polymers 0.000 description 1
- 238000005211 surface analysis Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- 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
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Traffic Control Systems (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种暴雨内涝影响下城市道路通行效率评估方法，包括以下步骤：构建研究区内涝模型；根据内涝模型获取内涝点溢出流量信息；根据内涝点溢出流量信息构建研究区二维水动力模型；利用二维水动力模型获取积水道路及积水信息；构建交通仿真模型；根据交通仿真模型评估内涝下的交通运行效率指标；本发明利用多模型耦合，以水利工程与交通工程两个学科的知识为基础，克服了单个交通仿真模型不能考虑内涝影响的不足。此方法对水利、交通、市政等部门编制内涝应急预案以及城市的防灾减灾工作具有重要意义。
Description
技术领域
本发明涉及城市水务、市政、道路交通以及城市防灾减灾研究领域，特别涉及一种暴雨内涝影响下城市道路通行效率评估方法。
背景技术
全球气候变化以及城市化进程不断推进对人类活动产生了重大影响。气候变化引发的极端降雨频次和暴雨强度呈现不断上升的趋势；由城市化所造成的硬化地面面积不断扩张导致暴雨雨洪下渗受阻，城市排水系统老化，排水系统缺少超前设计思维等因素，使得强降雨迅速在城市低洼区域汇集并形成洪涝，严重威胁人类的生命和财产安全。城市地下排水系统一般依城市道路而建，城市道路极易受到排水系统排水能力不足的影响而受到内涝影响。众多历史案例表明，暴雨内涝会会干扰交通正常运行，严重时会造成交通中断、车辆损害甚至是人员伤亡，严重地影响了人们的生活和生产。
交通系统作为城市结构运行的重要组成部分之一，是城市运行的生命线。确保城市交通系统安全运行以减轻损失，是当前城市内涝防御的重要目标之一。但洪涝灾害是一种自然现象，具有一定的不可控性质，所以灾前预防是实现其目标的重要手段。为了预防内涝可能带来的影响，特别是对交通造成的影响，估算暴雨内涝影响下城市道路通行的效率有助于掌握内涝演进规律以及对交通干扰程度，不仅有利于交通部门实施及时交通管制具有参考作用，对政府部门改造排水系统、优化道路网络以及制定内涝灾害应急预案等具科学的参考依据；同时有利于个人评估暴雨所带来的潜在时间和财产损失，方便及时调整出行计划以减少暴雨对个人出行的损失。
为了评估暴雨内涝对城市道路通行效率的影响，需要建立一种具有可实施性且精度较高的暴雨内涝影响下的交通仿真模型，但现阶段还没有一种可实现内涝-交通一体化仿真模拟的模型，本发明将为耦合城市内涝与交通模型提供一种新方法。
发明内容
本发明的主要目的在于克服现有技术的缺点与不足，提供一种暴雨内涝影响下城市道路通行效率评估方法，该方法是通过耦合城市内涝SWMM模型与交通仿真SUMO模型的研究思路开展暴雨内涝对交通路网性能的影响，并使用交通运行指标量化这种影响。首先采用研究区降雨数据、管网数据、高程数据以及土地利用类型等数据，结合内涝SWMM模型仿真模拟出研究区内涝管点的溢流量信息，然后再通过二维水动力LISFLOOD模型将内涝模型得到的一维溢流信息模拟并转化为空间上的二维淹没分布，从而获得道路网的内涝淹没信息。选取道路水深变化的关键溢流节点，借助相关人员的问卷调查了解该水深和相应暴雨强度下的车辆离散速度值，确定积水道路的速度限制；从内涝淹没时空信息中获取道路积水深度为30cm的开始时间和溢流代表点溢流量结束时间，最后通过SUMO模型模拟出暴雨内涝下交通中断场景和车辆速度变化场景。通过两个模型的结合可以获得暴雨天气条件下城市道路通行效率相关指标的变化，可为完善城市道路在极端暴雨天气下应急预案的制定、交通及时疏通、市政管网以及路网改造升级等具有重要的参考价值。
本发明的目的通过以下的技术方案实现：
一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，包括以下步骤：
构建研究区内涝模型；
根据内涝模型获取内涝点溢出流量信息；
根据内涝点溢出流量信息构建研究区二维水动力模型；
利用二维水动力模型获取积水道路及积水信息；
构建交通仿真模型；
根据交通仿真模型评估内涝下的交通运行效率指标。
进一步地，所述构建研究区内涝模型，具体如下：
S101、获取研究区数据：根据内涝模型的建模要求，依据研究区的划定规则划定研究区，获取建模所需数据，其中包括：数字高程地形数据、土地利用数据、地下管网数据、气象站降雨数据；
S102、管网简化与校验：对城市管网数据进行简化，删除不能达到雨水汇流条件的细支管网(雨水汇流条件与地形条件有关，比如坡度、糙率等)，即删除影响较小的的细支管网，删除完全分流制排水系统下的污水管线和管点，保留雨水管网；使用ArcGIS的拓扑功能按照拓扑规则对管网进行拓扑验证；
S103、子汇水区划分：子汇水区是组成内涝模型的排水单元，单元内的雨水经过产汇流过程汇入到管井中；子汇水区的划分方法有两种，第一种为大区域的子汇水区划分：基于DEM高程数据，通过ArcGIS分水岭工具来实现子汇水区的划分，但是这种自动划分方法会与实际排水情况误差较大，适用于大区域的子汇水区划分；第二种为小流域的子汇水区划分：为人工子汇水区划分，根据卫星图中的建筑物、交通道路分布和管网走向划分子汇水区；小流域的子汇水区划分使用该方法具有较高的精确度；
S104、模型参数计算与设置：
内涝模型参数分为测量参数和经验参数；所述内涝模型为内涝下渗模型；
子汇水区的参数获取：子汇水区所需的测量参数包括面积、平均坡度、漫流宽度和不透水率；经验参数包括不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度；若选用霍顿下渗模型，还包括最大下渗率、最小下渗率、衰减系数；格林-安普特模型包括初期土壤含水量、水力传导度以及湿润锋的水头高(深)；径流曲线数值模型输入参数包括构成曲线的数据序列以及土壤从饱和湿润到完全干燥所需要的时间；这里采用霍顿下渗模型；
管点参数获取：管点参数主要包括井底高程、井深；
管线参数获取：管线参数主要包括入口偏移量、出口偏移量、最大深度和底部宽度，圆形管道仅考虑最大深度即管径；
测量参数通过ArcGIS软件计算，经验参数参考SWMM使用手册以及相关区域经过研究率定后的参数。
进一步地，所述根据内涝模型获取内涝点溢出流量信息，具体为：从内涝模型的结果文件中提取内涝点坐标和流量信息。
进一步地，根据内涝点溢出流量信息构建研究区二维水动力模型，具体为：通过获取的内涝点坐标和流量信息，设置二维水动力模型所需的asc高程文件、bci、bdy溢流点信息文件以及运行文件par，进而构建出研究区的二维水动力模型。
进一步地，所述利用二维水动力模型获取积水道路及积水信息，具体为：利用二维水动力模型所获取的内涝空间分布图与研究区的卫星图进行配准，获取暴雨内涝淹没时空变化图，进而获取积水道路及积水信息。
进一步地，所述构建交通仿真模型，具体为：
S501、路网构建：按照暴雨内涝淹没范围图以及周围城市道路网走向，并以内涝区域为中心向周围扩大道路网范围，从网上下载城市道路网数据，选择具有实景地图对比交通仿真地图，调整局部道路网；对于信号交叉口要按照相位设置信号灯，补充交通设施；
S502、交通需求构建：交通流的构建方式是采用随机产生起讫点的方式，在路网上随机产生起讫点，对于城市主干道路大流量需要使用流的方式添加部分车流起讫点，使得主干道车流大于普通道路；最后使用内置最短路径算法产生起讫点之间的最短路径；
S503、道路内涝情形构建：交通仿真模型没有内置暴雨内涝情形的选项设置，要人为添加暴雨内涝限制条件，完成暴雨内涝情景构建。
进一步地，所述暴雨内涝限制条件，包括第一条件和第二条件：
第一条件为确定积水道路关闭时间：根据积水道路及积水信息，找出各个道路积水超过30厘米的开始时间，并确定为积水道路封闭的开始时间；由于二维水动力过程模拟没有积水的退水过程，所以要借助内涝模型的溢流点流量信息确定积水道路的开启时间，查看引起道路积水的代表溢流点，以选取溢出流量为零时刻的时间点作为积水道路关闭的结束时间；
第二条件为确定道路网速度限制：为了模拟暴雨内涝条件下的车辆行驶规律，需要人为设置速度限制条件，近似达到内涝情形下的车辆行驶规律。
进一步地，所述积水道路关闭时间添加一个缓冲时间，所述缓冲时间用于完成道路网从产生车辆到路网车辆正常运行过程。
进一步地，通过满足暴雨内涝限制条件的方法进行计算，具体为：采用速度与水深的双曲正切关系式自动将时刻水深换算成时刻速度，车辆速度随着水深的变化而变化，数学表达式如下：
其中，v表示行车速度，单位为Km/h；v0表示积水道路设计时速，单位为Km/h；x表示积水深度，单位为cm；a是车辆停滞时的临界积水深度的中值；b是衰减弹性系数，取值范围为3-5。
进一步地，所述根据交通仿真模型评估内涝下的交通运行效率指标，具体为：
获取运行效率指标：运行构建的交通仿真模型，输出模型仿真结果，选择有效的评估积水道路通行效率的指标，例如：
路段车辆排队长度：表征道路网络的拥堵程度指标，使用一定时间段内驶入与驶出路段机动车数量差表示；
路段行驶时间：通行特定路段所需时间(秒)；路段等待时间：路段内所有车辆停止总时间(秒)；路段平均速度：表征路段交通流通行效率指标(米/秒)；
比较正常天气条件和暴雨内涝条件下的路段通行效率指标，分析暴雨内涝情景下指标曲线的变化规律，以得到暴雨内涝造成的积水路段拥堵程度以及通行时间损失程度，从而为改造排水系统、优化道路网络以及制定内涝灾害应急预案等提供参考依据。
本发明与现有技术相比，具有如下优点和有益效果：
本发明实现了暴雨内涝的模拟并把淹没信息传递于交通仿真模型，利用交通仿真模型模拟道路的交通情况，通过结合内涝模型和交通仿真模型实现了内涝情景下的道路交通情况量化评估的技术；仿真模拟效果具有较高的精度和可信度，可以为城市极端暴雨天气下潜在的交通问题做预测，特别是道路交通通行效率的预测，对城市交通防涝规划也具有重要的指导作用。
附图说明
图1是本发明所述一种暴雨内涝影响下城市道路通行效率评估方法流程图；
图2是本发明所述实施例中内涝与交通耦合逻辑关系图；
图3是本发明所述实施例中城市内涝模型构建流程图；
图4是本发明所述实施例中五年一遇内涝情形淹没范围图；
图5是本发明所述实施例中交通模型构建流程图；
图6是本发明所述实施例中溢流代表点示意图；
图7是本发明所述实施例中五年一遇降雨量与溢流代表点溢出流量过程线示意图；
图8是本发明所述实施例中内涝模拟交通中断情形实施例示意图；
图9是本发明所述实施例中沙井1正常天气和暴雨内涝天气下指标变化图。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实施方式不限于此。
实施例：
一种暴雨内涝影响下城市道路通行效率评估方法，如图1所示，包括以下步骤：
步骤一：构建研究区雨洪模型；
步骤二：获取内涝点溢出流量信息；
步骤三：构建研究区二维水动力模型；
步骤四：获取积水道路及积水信息；
步骤五：构建交通仿真模型；
步骤六：评估内涝下的交通运行效率指标。
如图2所示，为本实施例内涝和交通模型之间的逻辑关系图。如图3所示，所述步骤一中建立城市内涝SWMM模型，包括以下步骤：
(1)获取研究区数据：首先依据水务部门提供的客运站实际内涝点为研究重点，依据研究区外部水不流入研究区内部的原则，确定客运站研究区；根据SWMM模型的建模要求，获取客运站研究区各类数据，其中DEM、土地利用类型数据及卫星图等数据获取自广州市国土资源和规划委员会(www.gzlpc.gov.cn/)和国家基本地理信息系统共享网站(www.ngcc.cn)，水文、气象、排水管网数据及实测暴雨资料获取自广州市气象局(www.gzqxj.gov.cn)和广州市水务局(www.gzwater.gov.cn)。本发明采用芝加哥雨型作为设计雨型，降雨时长取120min，并以五年一遇重现期降雨强度进行内涝模型的构建。
(2)管网简化与校验：一般情况下，所获得的管网资料存在冗余，为了提高模型运行速度和精度，须对市政管网数据进行简化，删除影响较小的细支管网，既删除不能达到雨水汇流条件(雨水汇流条件与地形条件有关，比如坡度、糙率等)的细支管网，删除完全分流制排水系统下的污水管线和管点，保留雨水管网，使用ArcGIS的拓扑功能按照拓扑规则对管网进行拓扑验证，确保管网空间关系和逻辑关系的正确性。
(3)子汇水区划分：本实施例中，为了提高结果精度，采用人工划分的方法，结合卫星图及社区排水情况将研究区划分为86个子汇水区，并添加面积字段，统计子汇水区面积。
(4)模型参数计算与设置：SWMM模型参数分为测量参数和经验参数。
①子汇水区的参数获取：子汇水区所需的测量参数主要包括面积、平均坡度、漫流宽度和不透水率；经验参数主要包括不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度，本发明实施例采用霍顿下渗模型，还包括最大下渗率、最小下渗率、衰减系数等。
平均坡度是对DEM数字高程数据进行坡度分析，分区统计获取子汇水区平均坡度；漫流宽度使用子汇水区面积和流长的比值确定；根据土地利用类型重新分类赋值，获取平均不透水率。经验参数主要参考SWMM使用手册以及相关区域研究经过率定后的参数，子汇水区经验参数如表1。
表1子汇水区经验参数表
②管点参数获取：管点参数主要包括沙井井底高程、井深，通过所获得的数据计算即可。
③管线参数获取：管线参数主要包括入口偏移量、出口偏移量、最大深度和底部宽度，其中圆形管道仅考虑最大深度即管径，底部宽度为零。
所述步骤二中获取内涝点溢出流量信息，从上述内涝模型的结果文件中提取内涝点坐标、流量信息、边界条件并将作为二维水动力模型的输入。
所述步骤三构建研究区二维水动力模型，本实施例采用LISFLOOD水动力模型，包括以下步骤：利用上述步骤中的各类数据，按照LISFLOOD模型手册要求分别获取asc高程文件、bci、bdy以及运行文件par。
所述步骤四中获取积水道路及积水信息，包括以下步骤：利用SWMM模型所获取的内涝淹没空间分布图与研究区的卫星图进行配准，获取暴雨内涝淹没时空变化范围图，如图4所示五年一遇内涝淹没范围图。
如图5所示，所述步骤五构建交通仿真SUMO模型，包括以下步骤：
交通仿真模型采用SUMO(Simulation of Urban Mobility)模型，是免费、开源的交通系统仿真软件，可以实现交通流的微观控制，具有为道路上每一辆车规划路线的能力。
(1)路网构建：按照暴雨内涝淹没范围图以及周围城市道路网走向，并以内涝区域为中心向周围扩大道路网范围，从OpenStreetMap的官方网站下载城市道路网数据，选择具有实景地图对比交通仿真地图，修改地图模型车道数量不足的道路，删除作用不大孤立道路，简化道路网；对于信号交叉口要按照相位设置信号灯，补充交通设施。
(2)交通需求构建：交通流的构建方式主要是采用随机产生起讫点的方式，在路网上随机产生起讫点，对于城市主干道路需要使用流的方式添加部分车流起讫点，使得主干道车流大于普通道路。最后使用内置最短路径Dijkstra算法产生起讫点之间的最短路径。
(3)道路内涝情形构建：交通仿真模型没有内置暴雨内涝情形的选项设置，必须要人为添加暴雨内涝限制条件，完成暴雨内涝的情景构建。
①确定积水道路关闭时间：有研究和实际通行经验表明，道路积水超过30厘米时城市道路容易失去通行机动车能力，此时认为道路处于封闭状态。因此需要借助二维水动力模型的水深变化过程分布图，识别各个道路积水超过30厘米的开始时间，并确定为积水道路封闭的开始时间；因为二维水动力过程模拟没有积水的退水过程，因此需要借助内涝模型的溢流点流量信息确定积水道路的开启时间，返回内涝模型当中，查看引起道路积水的代表溢流点，以选取溢出流量为零时刻的时间作为积水道路关闭的结束时间。因道路网从产生车辆到路网车辆正常运行，需要一段时间完成这个过程，考虑到研究区的范围，本实施例提供30分钟时间完成这个过程，本实施例的所有时间节点均向后推迟30分钟。本实施例选取了四个溢流代表点，溢流点位置分布图和溢出流量过程线分别如图6和图7所示。
②确定道路网速度限制：城市暴雨导致道路内涝和能见度降低，导致道路通行条件和服务水平降低，驾驶员不得不采取低于正常条件下的车速行驶，为了模拟仿真暴雨内涝条件下的车辆行驶规律，我们需要人为设置速度限制条件，近似达到内涝情形下的车辆行驶规律。
本发明借鉴参考相关研究人员的问卷调查结果，使用降雨强度和积水深度下驾驶员采取的行驶速度值的离散点耦合暴雨内涝影响下的车辆速度，本发明拟采用的速度限制值如表2。
表2降雨与积水条件下道路速度限制值
(4)按照SUMO模型要求，分别运行正常天气条件和五年一遇暴雨条件限制下交通模型，其中因暴雨导致交通瘫痪的仿真效果如图8所示。
所述步骤六中评估内涝条件下的交通运行效率指标，包括以下步骤：
(1)指标数据获取：以5分钟为时间间隔统计通过积水路段的车辆流量，并统计累计排队车辆数、通行时间、在路段上的等待延误时间、路段平均速度，选取以沙井1溢流代表点的积水路面分析，如图9所示为沙井1溢流代表路段累计排队数量、路段通行时间、路段等待时间、平均速度。
(2)指标曲线变化分析：
①五分钟间隔累计排队车辆数：如图9(a)所示，在前三十分钟为车辆产生过程，此阶段为正常天气条件，两条曲线基本趋于吻合，降雨开始后，排队车辆数出现上涨趋势，最大提高幅度为正常天气同期的4倍，并在暴雨内涝结束后排队车辆数迅速下降，并恢复到正常天气同样水平。
②路段通行时间与排队等待时间：道路封闭后，位于积水路段的车辆停止运行，并将在积水路段出口等待，导致路段内车辆总排队时间急剧增加，并出现峰值，与此同时车辆通行时间也随之急剧增加，如图9(a)、(b)所示，直到内涝结束后，车辆继续通过积水路段，此时路段车辆停留时间和通行时间大致恢复到正常条件水平。
③平均通行速度：从图9(d)看出，正常天气条件下车辆平均速度速度小幅波动，总体趋于平稳，而暴雨内涝封闭时段，车辆速度因积水原因大幅下降至0，引起车辆延误剧烈增加，大幅增加了人们的出行时间成本，并且与实际内涝时的情景大致相似。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明的保护范围之内。
Claims (10)
1.一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，包括以下步骤：
构建研究区内涝模型；
根据内涝模型获取内涝点溢出流量信息；
根据内涝点溢出流量信息构建研究区二维水动力模型；
利用二维水动力模型获取积水道路及积水信息；
构建交通仿真模型；
根据交通仿真模型评估内涝下的交通运行效率指标。
2.根据权利要求1所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述构建研究区内涝模型，具体如下：
S101、获取研究区数据：根据内涝模型的建模要求，依据研究区的划定规则划定研究区，获取建模所需数据，其中包括：数字高程地形数据、土地利用数据、地下管网数据、气象站降雨数据；
S102、管网简化与校验：对城市管网数据进行简化，删除不能达到雨水汇流条件的细支管网，删除完全分流制排水系统下的污水管线和管点，保留雨水干道管网；使用ArcGIS的拓扑功能按照拓扑规则对管网进行拓扑验证；
S103、子汇水区划分：子汇水区是组成内涝模型的排水单元，单元内的雨水经过产汇流过程汇入到管井中；子汇水区的划分方法有两种，第一种为大区域的子汇水区划分：基于DEM高程数据，通过ArcGIS分水岭工具来实现子汇水区的划分；第二种为小流域的子汇水区划分：为人工子汇水区划分，根据卫星图中的建筑物、交通道路分布和管网走向划分子汇水区
S104、模型参数计算与设置：
所述内涝模型为内涝下渗模型，内涝下渗模型的选择：从霍顿下渗模型、格林-安普特模型、径流曲线数值模型中选择一个；
内涝下渗模型参数分为测量参数和经验参数；
子汇水区的参数获取：子汇水区所需的测量参数包括面积、平均坡度、漫流宽度和不透水率；经验参数包括不透水曼宁系数、透水曼宁系数、不透水洼蓄深度、透水洼蓄深度，以及根据内涝下渗模型选用其适应的参数；
管点参数获取：管点参数主要包括井底高程、井深；
管线参数获取：管线参数主要包括入口偏移量、出口偏移量、最大深度和底部宽度，圆形管道仅考虑最大深度即管径；
测量参数通过ArcGIS软件计算，经验参数参考SWMM使用手册以及相关区域经过研究率定后的参数。
3.根据权利要求1所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述根据内涝模型获取内涝点溢出流量信息，具体为：从内涝模型的结果文件中提取内涝点坐标和流量信息。
4.根据权利要求3所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，根据内涝点溢出流量信息构建研究区二维水动力模型，具体为：通过获取的内涝点坐标和流量信息，设置二维水动力模型所需的asc高程文件、bci、bdy溢流点信息文件以及运行文件par，进而构建出研究区的二维水动力模型。
5.根据权利要求1所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述利用二维水动力模型获取积水道路及积水信息，具体为：利用二维水动力模型所获取的内涝空间分布图与研究区的卫星图进行配准，获取暴雨内涝淹没时空变化图，进而获取积水道路及积水信息。
6.根据权利要求1所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述构建交通仿真模型，具体为：
S501、路网构建：按照暴雨内涝淹没范围图以及周围城市道路网走向，并以内涝区域为中心向周围扩大道路网范围，从网上下载城市道路网数据，选择具有实景地图对比交通仿真地图，调整局部道路网；对于信号交叉口要按照相位设置信号灯，补充交通设施；
S502、交通需求构建：交通流的构建方式是采用随机产生起讫点的方式，在路网上随机产生起讫点，对于城市主干道路大流量需要使用流的方式添加部分车流起讫点，使得主干道车流大于普通道路；最后使用内置最短路径算法产生起讫点之间的最短路径；
S503、道路内涝情形构建：交通仿真模型没有内置暴雨内涝情形的选项设置，要人为添加暴雨内涝限制条件，完成暴雨内涝情景构建。
7.根据权利要求6所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述暴雨内涝限制条件，包括第一条件和第二条件：
第一条件为确定积水道路关闭时间：根据积水道路及积水信息，找出各个道路积水超过30厘米的开始时间，并确定为积水道路封闭的开始时间；由于二维水动力过程模拟没有积水的退水过程，所以要借助内涝模型的溢流点流量信息确定积水道路的开启时间，查看引起道路积水的代表溢流点，以选取溢出流量为零时刻的时间点作为积水道路关闭的结束时间；
第二条件为确定道路网速度限制：为了模拟暴雨内涝条件下的车辆行驶规律，需要人为设置速度限制条件，近似达到内涝情形下的车辆行驶规律。
8.根据权利要求7所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述积水道路关闭时间添加一个缓冲时间，所述缓冲时间用于完成道路网从产生车辆到路网车辆正常运行过程。
9.根据权利要求7所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，通过满足暴雨内涝限制条件的方法进行计算，具体为：采用速度与水深的双曲正切关系式自动将时刻水深换算成时刻速度，车辆速度随着水深的变化而变化，数学表达式如下：
其中，v表示行车速度，单位为Km/h；v0表示积水道路设计时速，单位为Km/h；x表示积水深度，单位为cm；a是车辆停滞时的临界积水深度的中值；b是衰减弹性系数，取值范围为3-5。
10.根据权利要求1所述的一种暴雨内涝影响下城市道路通行效率评估方法，其特征在于，所述根据交通仿真模型评估内涝下的交通运行效率指标，具体为：
获取运行效率指标：运行构建的交通仿真模型，选择有效的评估积水道路通行运行效率的指标，具体如下：
路段车辆排队长度：表征道路网络的拥堵程度指标，使用一定时间段内驶入与驶出路段机动车数量差表示；
路段行驶时间：通行特定路段所需时间，单位为秒；
路段等待时间：路段内所有车辆停止总时间，单位为秒；
路段平均速度：表征路段交通流通行效率指标，单位为米/秒；
比较正常天气条件和暴雨内涝条件下的路段通行效率指标，分析暴雨内涝情景下指标曲线的变化规律，以得到暴雨内涝造成的积水路段拥堵程度以及通行时间损失程度，从而为改造排水系统、优化道路网络以及制定内涝灾害应急预案提供参考依据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011585408.1A CN112733337B (zh) | 2020-12-28 | 2020-12-28 | 一种暴雨内涝影响下城市道路通行效率评估方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202011585408.1A CN112733337B (zh) | 2020-12-28 | 2020-12-28 | 一种暴雨内涝影响下城市道路通行效率评估方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN112733337A true CN112733337A (zh) | 2021-04-30 |
| CN112733337B CN112733337B (zh) | 2022-05-24 |
Family
ID=75606828
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202011585408.1A Active CN112733337B (zh) | 2020-12-28 | 2020-12-28 | 一种暴雨内涝影响下城市道路通行效率评估方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN112733337B (zh) |
Cited By (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361390A (zh) * | 2021-06-04 | 2021-09-07 | 福建华网信息科技有限公司 | 基于深度卷积神经网络的道路积水检测系统 |
| CN113627817A (zh) * | 2021-08-19 | 2021-11-09 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
| CN113704994A (zh) * | 2021-08-25 | 2021-11-26 | 福州市规划设计研究院集团有限公司 | 一种极端暴雨天气下的城市交通生命线构建方法及系统 |
| CN114372625A (zh) * | 2021-12-30 | 2022-04-19 | 华南理工大学 | 一种基于多输出机器学习算法的城市内涝快速预报方法 |
| CN114662797A (zh) * | 2022-05-16 | 2022-06-24 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市水灾预警方法和系统 |
| CN115019477A (zh) * | 2022-07-18 | 2022-09-06 | 广东广宇科技发展有限公司 | 一种智慧城市内涝灾害实时预测预警系统及方法 |
| CN115034428A (zh) * | 2022-04-20 | 2022-09-09 | 中国地质大学（武汉） | 城市暴雨时空聚集性及城市化动力和热动力作用量化方法 |
| CN115130264A (zh) * | 2022-09-01 | 2022-09-30 | 浙江远算科技有限公司 | 一种基于径流耦合仿真的城市内涝预测方法及系统 |
| CN115424436A (zh) * | 2022-08-19 | 2022-12-02 | 郑州大学 | 基于冗余性的暴雨影响下城市道路网络优化设计方法 |
| CN115472003A (zh) * | 2022-07-27 | 2022-12-13 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管系统及方法 |
| CN116257805A (zh) * | 2023-05-16 | 2023-06-13 | 中国地质大学（武汉） | 一种通行度预测模型构建方法及通行度预测方法 |
| CN116432934A (zh) * | 2022-12-14 | 2023-07-14 | 北京师范大学 | 一种面向道路行洪防控的路网格局优选方法 |
| CN117332909A (zh) * | 2023-12-01 | 2024-01-02 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN117688782A (zh) * | 2024-01-31 | 2024-03-12 | 天津小铁马科技有限公司 | 一种耗损量预估方法、装置、电子设备及存储介质 |
| CN118691103A (zh) * | 2024-08-29 | 2024-09-24 | 河海大学 | 一种面向暴雨灾害链的多模型耦合交通动态风险评估方法 |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020198694A1 (en) * | 2001-06-22 | 2002-12-26 | Qi Yang | Traffic data management and simulation system |
-
2020
- 2020-12-28 CN CN202011585408.1A patent/CN112733337B/zh active Active
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20020198694A1 (en) * | 2001-06-22 | 2002-12-26 | Qi Yang | Traffic data management and simulation system |
Non-Patent Citations (4)
| Title |
|---|
| 曾照洋等: "基于SWMM和LISFLOOD模型的暴雨内涝模拟研究", 《水力发电学报》 * |
| 李国杰: "基于SWMM模型的葫芦岛市内涝交通影响分析", 《中国水能及电气化》 * |
| 李鹏程等: "基于城市雨洪模型的内涝交通影响研究", 《水电能源科学》 * |
| 杜磊等: "不同道路积水情况对交通影响及造成损失的研究", 《第十一次全国城市道路交通学术会议论文集》 * |
Cited By (24)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN113361390A (zh) * | 2021-06-04 | 2021-09-07 | 福建华网信息科技有限公司 | 基于深度卷积神经网络的道路积水检测系统 |
| CN113627817A (zh) * | 2021-08-19 | 2021-11-09 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
| CN113627817B (zh) * | 2021-08-19 | 2024-05-28 | 东莞理工学院 | 一种基于城市内涝条件下道路连通性分析方法 |
| CN113704994A (zh) * | 2021-08-25 | 2021-11-26 | 福州市规划设计研究院集团有限公司 | 一种极端暴雨天气下的城市交通生命线构建方法及系统 |
| CN113704994B (zh) * | 2021-08-25 | 2023-09-01 | 福州市规划设计研究院集团有限公司 | 一种极端暴雨天气下的城市交通生命线构建方法及系统 |
| CN114372625A (zh) * | 2021-12-30 | 2022-04-19 | 华南理工大学 | 一种基于多输出机器学习算法的城市内涝快速预报方法 |
| CN115034428B (zh) * | 2022-04-20 | 2024-05-21 | 中国地质大学（武汉） | 城市暴雨时空聚集性及城市化动力和热动力作用量化方法 |
| CN115034428A (zh) * | 2022-04-20 | 2022-09-09 | 中国地质大学（武汉） | 城市暴雨时空聚集性及城市化动力和热动力作用量化方法 |
| US11721191B1 (en) | 2022-05-16 | 2023-08-08 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system for flood early warning in smart city based on internet of things |
| CN114662797A (zh) * | 2022-05-16 | 2022-06-24 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市水灾预警方法和系统 |
| CN115019477A (zh) * | 2022-07-18 | 2022-09-06 | 广东广宇科技发展有限公司 | 一种智慧城市内涝灾害实时预测预警系统及方法 |
| CN115472003A (zh) * | 2022-07-27 | 2022-12-13 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管系统及方法 |
| CN115472003B (zh) * | 2022-07-27 | 2024-04-05 | 山西西电信息技术研究院有限公司 | 一种基于多源信息的城市交通监管系统及方法 |
| CN115424436A (zh) * | 2022-08-19 | 2022-12-02 | 郑州大学 | 基于冗余性的暴雨影响下城市道路网络优化设计方法 |
| CN115130264A (zh) * | 2022-09-01 | 2022-09-30 | 浙江远算科技有限公司 | 一种基于径流耦合仿真的城市内涝预测方法及系统 |
| CN116432934B (zh) * | 2022-12-14 | 2023-10-17 | 北京师范大学 | 一种面向道路行洪防控的路网格局优选方法 |
| CN116432934A (zh) * | 2022-12-14 | 2023-07-14 | 北京师范大学 | 一种面向道路行洪防控的路网格局优选方法 |
| CN116257805B (zh) * | 2023-05-16 | 2023-08-15 | 中国地质大学（武汉） | 一种通行度预测模型构建方法及通行度预测方法 |
| CN116257805A (zh) * | 2023-05-16 | 2023-06-13 | 中国地质大学（武汉） | 一种通行度预测模型构建方法及通行度预测方法 |
| CN117332909A (zh) * | 2023-12-01 | 2024-01-02 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN117332909B (zh) * | 2023-12-01 | 2024-03-08 | 南京师范大学 | 基于智能体的多尺度城市内涝道路交通暴露性预测方法 |
| CN117688782A (zh) * | 2024-01-31 | 2024-03-12 | 天津小铁马科技有限公司 | 一种耗损量预估方法、装置、电子设备及存储介质 |
| CN117688782B (zh) * | 2024-01-31 | 2024-04-12 | 天津小铁马科技有限公司 | 一种耗损量预估方法、装置、电子设备及存储介质 |
| CN118691103A (zh) * | 2024-08-29 | 2024-09-24 | 河海大学 | 一种面向暴雨灾害链的多模型耦合交通动态风险评估方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN112733337B (zh) | 2022-05-24 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN112733337B (zh) | 一种暴雨内涝影响下城市道路通行效率评估方法 | |
| CN110160550B (zh) | 一种基于道路积水预测的城市路线引导方法 | |
| CN114372685B (zh) | 一种基于swmm模型的城市暴雨内涝风险评估方法 | |
| Ali et al. | Simulation of the impacts of land-use change on surface runoff of Lai Nullah Basin in Islamabad, Pakistan | |
| Nile et al. | Analysis of the effect of climate change on rainfall intensity and expected flooding by using ANN and SWMM programs | |
| CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
| CN106056247B (zh) | 一种用于城市内涝情境下最优交通路径的选取方法 | |
| CN115391712A (zh) | 一种城市洪涝风险预测方法 | |
| Ress et al. | Impacts of urban drainage systems on stormwater hydrology: Rocky Branch Watershed, Columbia, South Carolina | |
| CN117874983A (zh) | 基于机器学习的城市内涝场景交通路线优化方法、介质和设备 | |
| Khadka et al. | Storm water management of barahi chowk area, lakeside, pokhara, nepal using swmm | |
| CN118037037A (zh) | 一种基于淹没标识转移信息的城市隧道洪涝分级预警方法 | |
| Bajracharya et al. | Effects of Urbanization on Storm Water Run-off: A Case Study of Kathmandu Metropolitan City, Nepal. | |
| Popovska et al. | Storm sewer system analysis in urban areas and flood risk assessment | |
| Basnet et al. | Sustainable Urban Storm Water Drainage Design using SWMM: a Case Study of Lamachaur, Pokhara, Nepal | |
| CN115759994A (zh) | 洪涝灾害应急救援管理方法、装置、设备及存储介质 | |
| Meng et al. | Impacts of site real-time adaptive control of water-sensitive urban designs on the stormwater trunk drainage system | |
| Xu et al. | Multi-mode surface generalization supports a detailed urban flooding simulation model | |
| Basnet et al. | Hydrological and hydraulic analyses of urban storm water drainage system of major area of Pokhara, Nepal | |
| Eshaghieh Firoozabadi et al. | Developing an algorithm for urban flood management with the aim of reducing damage and costs using the concept of conditional value at risk | |
| Yang et al. | Return period for urban rainwater drainage networks based on the lowest total social investment method: a case study in Tianjin, China | |
| Oliveira et al. | Warning system based on real-time flood forecasts in Sao Paulo, Brazil | |
| Fava et al. | Integration of information technology systems for flood forecasting with hybrid data sources | |
| Russo et al. | Flood risk assessment through a 2D-1D coupled modeling approach including impact of climate change in Barcelona | |
| Kamashki et al. | Towards Resilient Stormwater Management System. Application of AI-Lawzi Lake Stormwater System |
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 |