CN113469386A - 一种基于大数据的城市管道管理系统及方法 - Google Patents
一种基于大数据的城市管道管理系统及方法 Download PDFInfo
- Publication number
- CN113469386A CN113469386A CN202110798910.9A CN202110798910A CN113469386A CN 113469386 A CN113469386 A CN 113469386A CN 202110798910 A CN202110798910 A CN 202110798910A CN 113469386 A CN113469386 A CN 113469386A
- Authority
- CN
- China
- Prior art keywords
- pipeline
- reflection
- inspection
- image
- determining
- 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
- 238000000034 method Methods 0.000 title claims abstract description 32
- 238000007689 inspection Methods 0.000 claims abstract description 89
- 230000002159 abnormal effect Effects 0.000 claims abstract description 39
- 230000007613 environmental effect Effects 0.000 claims abstract description 38
- 238000012423 maintenance Methods 0.000 claims abstract description 25
- 238000012544 monitoring process Methods 0.000 claims abstract description 18
- 238000005070 sampling Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 claims abstract description 8
- 238000007726 management method Methods 0.000 claims description 44
- 230000008859 change Effects 0.000 claims description 15
- 238000004422 calculation algorithm Methods 0.000 claims description 13
- 238000012216 screening Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 9
- 230000008439 repair process Effects 0.000 claims description 5
- 238000010586 diagram Methods 0.000 description 18
- 230000015654 memory Effects 0.000 description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 12
- 230000006870 function Effects 0.000 description 11
- 238000004590 computer program Methods 0.000 description 10
- 230000008569 process Effects 0.000 description 9
- 238000003860 storage Methods 0.000 description 6
- 239000010865 sewage Substances 0.000 description 4
- 238000009826 distribution Methods 0.000 description 3
- 239000010842 industrial wastewater Substances 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000010438 heat treatment Methods 0.000 description 2
- 238000001556 precipitation Methods 0.000 description 2
- 208000003443 Unconsciousness Diseases 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 210000004204 blood vessel Anatomy 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000005507 spraying Methods 0.000 description 1
Images
Classifications
-
- 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
- G06Q10/20—Administration of product repair or maintenance
-
- 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"
- G06Q10/047—Optimisation of routes or paths, e.g. travelling salesman 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
- G06Q10/0635—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—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0004—Industrial image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/50—Information retrieval; Database structures therefor; File system structures therefor of still image data
- G06F16/58—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually
- G06F16/587—Retrieval characterised by using metadata, e.g. metadata not derived from the content or metadata generated manually using geographical or spatial information, e.g. location
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/20—Special algorithmic details
- G06T2207/20081—Training; Learning
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30108—Industrial image inspection
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Operations Research (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及城市管道管理技术领域,具体公开了一种基于大数据的城市管道管理系统及方法,所述系统包括控制端,用于接收监测端获取到的环境信息,得到各管道的参考数据;接收采样端获取到的管道数据,生成各管道的风险概率,然后确定待检管道,并生成检查路线;实时接收反映请求以及反映图像,确定异常管道,并生成检修路线。本发明通过接收环境信息,得到各管道的参考数据;接收管道数据,再借助参考数据生成各管道的风险概率,确定待检管道,最终生成检查路线;此外,本发明实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线;本发明专用性强、智能化程度高且极为便捷,便于推广。
Description
技术领域
本发明涉及城市管道管理技术领域,具体是一种基于大数据的城市管道管理系统及方法。
背景技术
城市管道也可以称为市政管道,市政管道工程是市政工程的重要组成部分,是城市重要的基础工程设施。市政管道工程包括:给水管道、排水管道、燃气管道、热力管道、电力电缆;给水管道:主要为城市输送供应生活用水、生产用水、消防用水和市政绿化及喷洒用水,包括输水管道和配水管网两部分;排水管道:主要是及时收集城市生活污水、工业废水和雨水,并将生活污水和工业废水输送到污水处理厂进行处理后排放,雨水就近排放,以保证城市的环境卫生和生命财产的安全;燃气管道:主要是将燃气分配站中的燃气输送分配到各用户,供用户使用;热力管道:供给用户取暖使用,有热水管道和蒸汽管道。
可以看出,城市管道就像是城市的血管,其重要性不言而喻,因此,需要有专门的部门对城市管道进行管理,但是,现有的管理还是以人工为主,尽管现有的工具越来越多,各种办公软件非常便捷,但是城市管道的管理方式还是以人工为主,人们通过这些便捷软件进行记录,生成方案;随着城市规模越来越大,记录的工作会越来越力不从心,因此,设计一种便捷的、智能化程度高的、专用于城市管道管理的系统很有意义。
发明内容
本发明的目的在于提供一种基于大数据的城市管道管理系统及方法,以解决上述背景技术中提出的问题。
为实现上述目的,本发明提供如下技术方案:
提供了一种基于大数据的城市管道管理系统,所述系统包括:
采样端,用于获取管道数据,并将所述管道数据向控制端发送;
监测端,用于获取环境信息,并将所述环境信息向控制端发送;
控制端,用于接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
作为本发明技术方案进一步的限定:所述控制端具体包括:
参考数据确定模块,用于接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;
概率确定模块,用于接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;
检查路线生成模块,用于将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;
检修路线生成模块,用于实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
作为本发明技术方案进一步的限定:所述检查路线生成模块具体包括:
距离计算单元,用于获取检修中心位置和待检管道位置,依次计算各待检管道与所述检修中心之间的距离;
起终点确定单元,用于将与所述检修中心之间的距离最小的待检管道作为检查起点,将与所述检修中心之间的距离最在的待检管道作为检查终点;
第一执行单元,用于基于所述检查起点和所述检查终点生成检查路线。
作为本发明技术方案进一步的限定:所述第一执行单元具体包括:
第一计算子单元,用于读取检查起点,将所述检查起点作为源点,所述检查终点作为终点输入迪杰斯特拉算法模型,得到第一边界距离;
第二计算子单元,用于读取检查终点,将所述检查终点作为源点,所述检查起点作为终点输入迪杰斯特拉算法模型,得到第二边界距离;
第三计算子单元,用于依次将其它待检管理作为中心点,并将所述中心点作为终点,将所述检查起点和所述检查终点作为源点输入迪杰斯特拉算法模型,得到检查距离;
距离比对子单元,用于基于所述第一边界距离、第二边界距离和各检查距离确定检查路线。
作为本发明技术方案进一步的限定:所述检修路线生成模块具体包括:
位置信息获取单元,用于实时接收反映请求以及反映图像,获取反映请求位置信息;
筛选单元,用于根据所述位置信息对所述反映图像进行筛选,得到目标图像;
识别单元,用于调取训练好的异常图像识别模型,并将所述目标图像输入所述异常图像识别模型中,识别所述目标图像中是否包含异常管道;
第二执行单元,用于当所述目标图像中包含异常管道时,读取反映请求位置信息,并根据所述反映请求位置信息确定检修路线。
作为本发明技术方案进一步的限定:所述第二执行单元具体包括:
区域确定子单元,用于实时接收反映请求以及反映图像,获取反映请求位置信息,确定反映区域;
图像插入子单元,用于根据反映时间将所述反映图像插入所述反映区域对应的数据库中;
变化率计算子单元,用于基于预设的时间长度计算所述数据库中图像数量的变化率;
判断子单元,用于当所述变化率大于预设的处理阈值时,获取预设时间段的反映图像,作为目标图像。
作为本发明技术方案进一步的限定:所述控制端还包括:
记录读取模块,用于建立与检修数据库的连接通道,依次读取各管道的检修记录;
危险阈值确定模块,用于读取所述检修记录中的环境信息,基于所述环境信息确定危险阈值;
预案生成模块,用于获取天气预测信息,根据天气预测信息和所述危险阈值生成危险预案。
本发明技术方案还提供了一种基于大数据的城市管道管理方法,所述方法应用于控制端,所述方法具体包括:
接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;
接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;
将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;
实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
作为本发明技术方案进一步的限定:所述实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线的步骤具体包括:
实时接收反映请求以及反映图像,获取反映请求位置信息;
根据所述位置信息对所述反映图像进行筛选,得到目标图像;
调取训练好的异常图像识别模型,并将所述目标图像输入所述异常图像识别模型中,识别所述目标图像中是否包含异常管道;
当所述目标图像中包含异常管道时,读取反映请求位置信息,并根据所述反映请求位置信息确定检修路线。
作为本发明技术方案进一步的限定:所述实时接收反映请求以及反映图像,获取反映请求位置信息;根据所述位置信息对所述反映图像进行筛选,得到目标图像的步骤具体包括:
实时接收反映请求以及反映图像,获取反映请求位置信息,确定反映区域;
根据反映时间将所述反映图像插入所述反映区域对应的数据库中;
基于预设的时间长度计算所述数据库中图像数量的变化率;
当所述变化率大于预设的处理阈值时,获取预设时间段的反映图像,作为目标图像。
与现有技术相比,本发明的有益效果是:本发明通过接收监测端获取到的环境信息,得到各管道的参考数据;通过接收采样端获取到的管道数据,再借助参考数据生成各管道的风险概率,确定待检管道,最终生成检查路线;此外,本发明实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线;本发明专用性强、智能化程度高且极为便捷,便于推广。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了基于大数据的城市管道管理系统的架构图。
图2示出了基于大数据的城市管道管理系统中控制端的第一组成结构框图。
图3示出了基于大数据的城市管道管理系统中检查路线生成模块的组成结构框图。
图4示出了检查路线生成模块中第一执行单元的组成结构框图。
图5示出了基于大数据的城市管道管理系统中检修路线生成模块的组成结构框图。
图6示出了检修路线生成模块中第二执行单元的组成结构框图。
图7示出了基于大数据的城市管道管理系统中控制端的第二组成结构框图。
图8示出了基于大数据的城市管道管理方法的流程框图。
图9示出了基于大数据的城市管道管理方法的第一子流程框图。
图10示出了基于大数据的城市管道管理方法的第二子流程框图。
具体实施方式
为了使本发明所要解决的技术问题、技术方案及有益效果更加清楚明白,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。
在本发明实施例中使用的术语是仅仅出于描述特定实施例的目的,而非旨在限制本发明。在本发明实施例和所附权利要求书中所使用的单数形式的“一种”、“所述”和“该”也旨在包括多数形式,除非上下文清楚地表示其他含义。还应当理解,本文中使用的术语“和/或”是指并包含一个或多个相关联的列出项目的任何或所有可能组合。
应当理解,尽管在本发明实施例中可能采用术语第一、第二等来描述不同的模块,但这些模块不应限于这些术语。这些术语仅用来将同一类型的模块彼此区分开。例如,在不脱离本发明实施例范围的情况下,第一执行单元也可以被称为第二执行单元,不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。类似地,第二执行单元也可以被称为第一执行单元。而且,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者设备所固有的要素。
实施例1
图1示出了基于大数据的城市管道管理系统的架构图,本发明实施例中,一种基于大数据的城市管道管理系统,所述系统具体包括:
采样端10,用于获取管道数据,并将所述管道数据向控制端发送;
监测端20,用于获取环境信息,并将所述环境信息向控制端发送;
控制端30,用于接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
采样端获取的主要是管道内部的数据信息,而监测端则是实时监测管道周围的环境信息,至于监测环境信息的原因,是因为,管理与环境信息中的某些参数是有关的,比如,降水量一定会影响管道内流量,或者当温度过低时,使得管道内的积水结冰,也会变相降低管道横截面积。
控制端为本发明的功能集成模块,它接收监测端获取到的环境信息,并根据此信息生成一个参考数据,接收采样端的数据并与上述参考数据进行比对,得到风险概率,然后基于这一概率确定待检管道,最后自动生成一个检查路线,可以想到,这一路线是经过计算得出的。除此之外,控制端还会实时接收群众的反映请求,因为,一旦管道损坏,群众一定最先发现,根据他们的反映信息即可快速确定损坏的管道,然后便可以生成检修路线。
图2示出了基于大数据的城市管道管理系统中控制端的第一组成结构框图,所述控制端30具体包括:
参考数据确定模块31,用于接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;
概率确定模块32,用于接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;
检查路线生成模块33,用于将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;
检修路线生成模块34,用于实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
上述内容对控制端进行了详述,参考数据确定模块的目的顾名思义,确定一个参考数据,可以想到,不同的管道,其参考数据应该是不同的,这样才有针对性,而且参考数据与实际的环境也有关,比如,处于降水地区的管道中的流速与流量一定会比正常情况下要高,因此,参考数据确定模块工作是根据不同管道的环境参数来确定一个参考数据;至于参考数据的确定方式,需要借助训练好的管道模型,其输入为环境信息,输出为管道的各种参考标准,可以看出,这是一个多对多的输入与输出,因此,训练好的管道模型的工作其实分两步,首先,根据多种环境参数生成一个特定值,然后再基于特定值生成各种参考标准,即,先多对一,再一对多的形式;当然,也可以依次基于环境参数中的某些主要影响因素,建立与多个一对多的模型,这些都是可行的方案。值得一提的是,模型的确定可以由样本拟合的方法来获取,即,预先获取一些样本参数,根据这些参数来拟合出一个函数,此函数便是上述管道模型,这种方式是工程中最常用的方法,获取到的模型也可称之间经验公式。
概率确定模块将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率,可以想到,管道数据和参考数据中有很多子项,在比对过程中,应该是对应的参数之间进行比对,比对过程中采用“木桶原理”,即,风险概率最高的一项视为“短板”,也就作为评判管道风险概率的标准。
检查路线生成模块根据待检管道生成检查路线,检修路线生成模块根据反映请求以及反映图像生成检修路线,两者的区别为:检测路线是例行检查路线,带有预防性质,检修路线面对的是已经损坏的管理,带有处理性质。
图3示出了基于大数据的城市管道管理系统中检查路线生成模块的组成结构框图,所述检查路线生成模块33具体包括:
距离计算单元331,用于获取检修中心位置和待检管道位置,依次计算各待检管道与所述检修中心之间的距离;
起终点确定单元332,用于将与所述检修中心之间的距离最小的待检管道作为检查起点,将与所述检修中心之间的距离最在的待检管道作为检查终点;
第一执行单元333,用于基于所述检查起点和所述检查终点生成检查路线。
上述内容提供了检查路线生成模块的一个具体实施例,接下来对工作流程进行一个疏理:检修中心是检修工作执行部门,工作人员从那里出发,然后,通过距离判断确定检查起点和检查终点,在知道检查起点和检查终点的情况下,便可以计算中间的路径长度,生成检查路线。
图4示出了检查路线生成模块中第一执行单元的组成结构框图,所述第一执行单元333具体包括:
第一计算子单元3331,用于读取检查起点,将所述检查起点作为源点,所述检查终点作为终点输入迪杰斯特拉算法模型,得到第一边界距离;
第二计算子单元3332,用于读取检查终点,将所述检查终点作为源点,所述检查起点作为终点输入迪杰斯特拉算法模型,得到第二边界距离;
第三计算子单元3333,用于依次将其它待检管理作为中心点,并将所述中心点作为终点,将所述检查起点和所述检查终点作为源点输入迪杰斯特拉算法模型,得到检查距离;
距离比对子单元3334,用于基于所述第一边界距离、第二边界距离和各检查距离确定检查路线。
上述内容提供了一种具体的检查路线生成方式,具体是通过迪杰斯特拉算法模型进行计算的,这里对迪杰斯特拉算法进行一个简单的描述,迪杰斯特拉算法是指,从一点开始,找到离它最近的点,然后再找到离它最近的点最近的点,依次类推,当然,在寻找最近的点时,与上一点的连线排除;而上述内容独特的地方在于,它并不是单纯的迪杰斯特拉算法,而是在此基础上更进一步,如第三计算子单元所示,通过中心点,不断的将所有待检管道分为两部分,然后对两段进行最短距离查询;当依次以所有待检管道作为中心点时,将会有很多方案及相应的距离,然后查找跟离最短的方案即可。
图5示出了基于大数据的城市管道管理系统中检修路线生成模块的组成结构框图,所述检修路线生成模块34具体包括:
位置信息获取单元341,用于实时接收反映请求以及反映图像,获取反映请求位置信息;
筛选单元342,用于根据所述位置信息对所述反映图像进行筛选,得到目标图像;
识别单元343,用于调取训练好的异常图像识别模型,并将所述目标图像输入所述异常图像识别模型中,识别所述目标图像中是否包含异常管道;
第二执行单元344,用于当所述目标图像中包含异常管道时,读取反映请求位置信息,并根据所述反映请求位置信息确定检修路线。
检修路线生成模块是以群众反映为基础的,在群众反映某地有管道损坏时,控制端获取其位置信息以及具体的图像信息,在对图像信息进行一个简单的判断过滤后,基于位置信息确定检修路线。
图6示出了检修路线生成模块中第二执行单元的组成结构框图,所述位置信息获取单元341具体包括:
区域确定子单元3411,用于实时接收反映请求以及反映图像,获取反映请求位置信息,确定反映区域;
图像插入子单元3412,用于根据反映时间将所述反映图像插入所述反映区域对应的数据库中;
变化率计算子单元3413,用于基于预设的时间长度计算所述数据库中图像数量的变化率;
判断子单元3414,用于当所述变化率大于预设的处理阈值时,获取预设时间段的反映图像,作为目标图像。
上述内容对位置信息获取单元进行了一个详述,其目的是对反映信息及图像进行一个简单的筛选,用通俗的语言概括一下便是:只有当一个区域的反映数量到达一定程度时,才认为确实是管道损坏了,这种设置触发条件的方式,可以屏蔽掉许多无意义的反映信息。
图7示出了基于大数据的城市管道管理系统中控制端的第二组成结构框图,所述控制端30还包括:
记录读取模块35,用于建立与检修数据库的连接通道,依次读取各管道的检修记录;
危险阈值确定模块36,用于读取所述检修记录中的环境信息,基于所述环境信息确定危险阈值;
预案生成模块37,用于获取天气预测信息,根据天气预测信息和所述危险阈值生成危险预案。
控制端还包括一个预测功能,如上述内容所示,我们知道,如果一个管道,在某个条件下发生过损坏,当条件复刻时,那么这个管道发生损坏的可能性则非常大,因此,通过各管道的检修记录,我们可以看出一个管道在何种条件下易损坏,然后借助现在发达的天气预测技术,对易损坏管道做出预警,提前准备好维修用具等等,防患于未然。
实施例2
图8示出了基于大数据的城市管道管理方法的流程框图,本发明实施例中,还提供了一种基于大数据的城市管道管理方法,所述方法应用于控制端,所述方法具体包括:
步骤S200:接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;
步骤S400:接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;
步骤S600:将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;
步骤S800:实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
图9示出了基于大数据的城市管道管理方法的第一子流程框图,所述实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线的步骤具体包括:
步骤S801:实时接收反映请求以及反映图像,获取反映请求位置信息;
步骤S803:根据所述位置信息对所述反映图像进行筛选,得到目标图像;
步骤S805:调取训练好的异常图像识别模型,并将所述目标图像输入所述异常图像识别模型中,识别所述目标图像中是否包含异常管道;
步骤S807:当所述目标图像中包含异常管道时,读取反映请求位置信息,并根据所述反映请求位置信息确定检修路线。
图10示出了基于大数据的城市管道管理方法的第二子流程框图,所述实时接收反映请求以及反映图像,获取反映请求位置信息;根据所述位置信息对所述反映图像进行筛选,得到目标图像的步骤具体包括:
步骤S8011:实时接收反映请求以及反映图像,获取反映请求位置信息,确定反映区域;
步骤S8013:根据反映时间将所述反映图像插入所述反映区域对应的数据库中;
步骤S8015:基于预设的时间长度计算所述数据库中图像数量的变化率;
步骤S8017:当所述变化率大于预设的处理阈值时,获取预设时间段的反映图像,作为目标图像。
上述基于大数据的城市管道管理系统所能实现的功能均由计算机设备完成,所述计算机设备包括一个或多个处理器和一个或多个存储器,所述一个或多个存储器中存储有至少一条程序代码,所述程序代码由所述一个或多个处理器加载并执行以实现所述基于大数据的城市管道管理系统的功能。
处理器从存储器中逐条取出指令、分析指令,然后根据指令要求完成相应操作,产生一系列控制命令,使计算机各部分自动、连续并协调动作,成为一个有机的整体,实现程序的输入、数据的输入以及运算并输出结果,这一过程中产生的算术运算或逻辑运算均由运算器完成;所述存储器包括只读存储器(Read-Only Memory,ROM),所述只读存储器用于存储计算机程序,所述存储器外部设有保护装置。
示例性的,计算机程序可以被分割成一个或多个模块,一个或者多个模块被存储在存储器中,并由处理器执行,以完成本发明。一个或多个模块可以是能够完成特定功能的一系列计算机程序指令段,该指令段用于描述计算机程序在终端设备中的执行过程。
本领域技术人员可以理解,上述服务设备的描述仅仅是示例,并不构成对终端设备的限定,可以包括比上述描述更多或更少的部件,或者组合某些部件,或者不同的部件,例如可以包括输入输出设备、网络接入设备、总线等。
所称处理器可以是中央处理单元(Central Processing Unit,CPU),还可以是其他通用处理器、数字信号处理器 (Digital Signal Processor,DSP)、专用集成电路(Application Specific Integrated Circuit,ASIC)、现成可编程门阵列 (Field-Programmable Gate Array,FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等,上述处理器是上述终端设备的控制中心,利用各种接口和线路连接整个用户终端的各个部分。
上述存储器可用于存储计算机程序和/或模块,上述处理器通过运行或执行存储在存储器内的计算机程序和/或模块,以及调用存储在存储器内的数据,实现上述终端设备的各种功能。存储器可主要包括存储程序区和存储数据区,其中,存储程序区可存储操作系统、至少一个功能所需的应用程序(比如信息采集模板展示功能、产品信息发布功能等)等;存储数据区可存储根据泊位状态显示系统的使用所创建的数据(比如不同产品种类对应的产品信息采集模板、不同产品提供方需要发布的产品信息等)等。此外,存储器可以包括高速随机存取存储器,还可以包括非易失性存储器,例如硬盘、内存、插接式硬盘,智能存储卡(Smart Media Card, SMC),安全数字(Secure Digital, SD)卡,闪存卡(Flash Card)、至少一个磁盘存储器件、闪存器件、或其他易失性固态存储器件。
终端设备集成的模块/单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明实现上述实施例系统中的全部或部分模块/单元,也可以通过计算机程序来指令相关的硬件来完成,上述的计算机程序可存储于计算机可读存储介质中,该计算机程序在被处理器执行时,可实现上述各个系统实施例的功能。其中,计算机程序包括计算机程序代码,计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。计算机可读介质可以包括:能够携带计算机程序代码的任何实体或装置、记录介质、U盘、移动硬盘、磁碟、光盘、计算机存储器、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random AccessMemory)、电载波信号、电信信号以及软件分发介质等。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者装置不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者装置所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者装置中还存在另外的相同要素。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据的城市管道管理系统,其特征在于,所述系统具体包括:
采样端,用于获取管道数据,并将所述管道数据向控制端发送;
监测端,用于获取环境信息,并将所述环境信息向控制端发送;
控制端,用于接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
2.根据权利要求1所述的基于大数据的城市管道管理系统,其特征在于,所述控制端具体包括:
参考数据确定模块,用于接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;
概率确定模块,用于接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;
检查路线生成模块,用于将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;
检修路线生成模块,用于实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
3.根据权利要求2所述的基于大数据的城市管道管理系统,其特征在于,所述检查路线生成模块具体包括:
距离计算单元,用于获取检修中心位置和待检管道位置,依次计算各待检管道与所述检修中心之间的距离;
起终点确定单元,用于将与所述检修中心之间的距离最小的待检管道作为检查起点,将与所述检修中心之间的距离最在的待检管道作为检查终点;
第一执行单元,用于基于所述检查起点和所述检查终点生成检查路线。
4.根据权利要求3所述的基于大数据的城市管道管理系统,其特征在于,所述第一执行单元具体包括:
第一计算子单元,用于读取检查起点,将所述检查起点作为源点,所述检查终点作为终点输入迪杰斯特拉算法模型,得到第一边界距离;
第二计算子单元,用于读取检查终点,将所述检查终点作为源点,所述检查起点作为终点输入迪杰斯特拉算法模型,得到第二边界距离;
第三计算子单元,用于依次将其它待检管理作为中心点,并将所述中心点作为终点,将所述检查起点和所述检查终点作为源点输入迪杰斯特拉算法模型,得到检查距离;
距离比对子单元,用于基于所述第一边界距离、第二边界距离和各检查距离确定检查路线。
5.根据权利要求2所述的基于大数据的城市管道管理系统,其特征在于,所述检修路线生成模块具体包括:
位置信息获取单元,用于实时接收反映请求以及反映图像,获取反映请求位置信息;
筛选单元,用于根据所述位置信息对所述反映图像进行筛选,得到目标图像;
识别单元,用于调取训练好的异常图像识别模型,并将所述目标图像输入所述异常图像识别模型中,识别所述目标图像中是否包含异常管道;
第二执行单元,用于当所述目标图像中包含异常管道时,读取反映请求位置信息,并根据所述反映请求位置信息确定检修路线。
6.根据权利要求5所述的基于大数据的城市管道管理系统,其特征在于,所述第二执行单元具体包括:
区域确定子单元,用于实时接收反映请求以及反映图像,获取反映请求位置信息,确定反映区域;
图像插入子单元,用于根据反映时间将所述反映图像插入所述反映区域对应的数据库中;
变化率计算子单元,用于基于预设的时间长度计算所述数据库中图像数量的变化率;
判断子单元,用于当所述变化率大于预设的处理阈值时,获取预设时间段的反映图像,作为目标图像。
7.根据权利要求2-6任一所述的基于大数据的城市管道管理系统,其特征在于,所述控制端还包括:
记录读取模块,用于建立与检修数据库的连接通道,依次读取各管道的检修记录;
危险阈值确定模块,用于读取所述检修记录中的环境信息,基于所述环境信息确定危险阈值;
预案生成模块,用于获取天气预测信息,根据天气预测信息和所述危险阈值生成危险预案。
8.一种基于大数据的城市管道管理方法,其特征在于,所述方法应用于控制端,所述方法具体包括:
接收监测端获取到的环境信息,将所述环境信息输入训练好的管道模型中,得到各管道的参考数据;
接收采样端获取到的管道数据,将获取到的管道数据与相应的参考数据进行比对,生成各管道的风险概率;
将所述风险概率与预设的概率阈值进行比对,确定待检管道,并根据所述待检管道的位置生成检查路线;
实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线。
9.根据权利要求8所述的基于大数据的城市管道管理方法,其特征在于,所述实时接收反映请求以及反映图像,根据所述反映图像确定异常管道,生成检修路线的步骤具体包括:
实时接收反映请求以及反映图像,获取反映请求位置信息;
根据所述位置信息对所述反映图像进行筛选,得到目标图像;
调取训练好的异常图像识别模型,并将所述目标图像输入所述异常图像识别模型中,识别所述目标图像中是否包含异常管道;
当所述目标图像中包含异常管道时,读取反映请求位置信息,并根据所述反映请求位置信息确定检修路线。
10.根据权利要求9所述的基于大数据的城市管道管理方法,其特征在于,所述实时接收反映请求以及反映图像,获取反映请求位置信息;根据所述位置信息对所述反映图像进行筛选,得到目标图像的步骤具体包括:
实时接收反映请求以及反映图像,获取反映请求位置信息,确定反映区域;
根据反映时间将所述反映图像插入所述反映区域对应的数据库中;
基于预设的时间长度计算所述数据库中图像数量的变化率;
当所述变化率大于预设的处理阈值时,获取预设时间段的反映图像,作为目标图像。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798910.9A CN113469386A (zh) | 2021-07-15 | 2021-07-15 | 一种基于大数据的城市管道管理系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110798910.9A CN113469386A (zh) | 2021-07-15 | 2021-07-15 | 一种基于大数据的城市管道管理系统及方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113469386A true CN113469386A (zh) | 2021-10-01 |
Family
ID=77880493
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110798910.9A Pending CN113469386A (zh) | 2021-07-15 | 2021-07-15 | 一种基于大数据的城市管道管理系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113469386A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902356A (zh) * | 2021-12-08 | 2022-01-07 | 广东青藤环境科技有限公司 | 区域流量数据分析方法及装置 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507165A (zh) * | 2017-07-17 | 2017-12-22 | 深圳市易成自动驾驶技术有限公司 | 地下管道检查方法、装置及计算机可读存储介质 |
CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及系统 |
CN110553151A (zh) * | 2019-07-17 | 2019-12-10 | 石化盈科信息技术有限责任公司 | 一种管道泄漏监测方法和系统 |
CN111611677A (zh) * | 2019-02-22 | 2020-09-01 | 杜书勇 | 用于管道运行和完整性管理的风险计算建模系统和方法 |
CN112036086A (zh) * | 2020-08-31 | 2020-12-04 | 北京市燃气集团有限责任公司 | 燃气管线动态风险预警系统 |
-
2021
- 2021-07-15 CN CN202110798910.9A patent/CN113469386A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107507165A (zh) * | 2017-07-17 | 2017-12-22 | 深圳市易成自动驾驶技术有限公司 | 地下管道检查方法、装置及计算机可读存储介质 |
CN109117749A (zh) * | 2018-07-23 | 2019-01-01 | 福建中海油应急抢维修有限责任公司 | 一种基于无人机巡检影像的异常目标监管方法及系统 |
CN111611677A (zh) * | 2019-02-22 | 2020-09-01 | 杜书勇 | 用于管道运行和完整性管理的风险计算建模系统和方法 |
CN110553151A (zh) * | 2019-07-17 | 2019-12-10 | 石化盈科信息技术有限责任公司 | 一种管道泄漏监测方法和系统 |
CN112036086A (zh) * | 2020-08-31 | 2020-12-04 | 北京市燃气集团有限责任公司 | 燃气管线动态风险预警系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113902356A (zh) * | 2021-12-08 | 2022-01-07 | 广东青藤环境科技有限公司 | 区域流量数据分析方法及装置 |
CN113902356B (zh) * | 2021-12-08 | 2022-03-01 | 广东青藤环境科技有限公司 | 区域流量数据分析方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108956484B (zh) | 一种一体化追踪污染源的方法和装置 | |
CN107949812A (zh) | 用于检测配水系统中的异常的组合方法 | |
CN110868241B (zh) | 基于多模型的地下电缆故障预警方法和装置 | |
CN112684133B (zh) | 基于大数据平台的水质监测预警方法、系统及存储介质 | |
CN210895538U (zh) | 水质智能监管装置和设备 | |
KR102435919B1 (ko) | 다차원 데이터를 이용한 옥내 누수 탐지 및 유형 구분 장치, 방법 및 프로그램 | |
CN113642858B (zh) | 一种基于云平台数据库的智慧用电管理系统 | |
KR20170041653A (ko) | 디스크 용량의 예측방법, 장치, 설비 및 비휘발성 컴퓨터기억매체 | |
CN113469386A (zh) | 一种基于大数据的城市管道管理系统及方法 | |
CN115681821B (zh) | 用于智慧燃气设备管理的加臭自动控制方法和物联网系统 | |
CN113449703A (zh) | 环境在线监测数据的质控方法、装置、存储介质及设备 | |
CN116879350A (zh) | 一种基于红外热成像的锅炉泄漏检测方法及系统 | |
JP2023033927A (ja) | 水処理状況監視システム及び水処理状況監視方法 | |
Chen et al. | Optimizing inspection routes in pipeline networks | |
CN117309067A (zh) | 水资源实时监控方法、系统和电子设备 | |
CN112903946A (zh) | 一种新型零星工业废水收集水质检测预警方法 | |
CN115905961B (zh) | 一种基于多源数据的管道缺陷分析方法 | |
CN117278591A (zh) | 基于云平台的园区异常报警系统 | |
CN109300315B (zh) | 基于车辆检测概率的地磁数据异常判别方法及系统 | |
CN111402081A (zh) | 一种dma数据管理系统 | |
CN115097435A (zh) | 一种渔船一船多码识别方法、装置和系统 | |
US20220196512A1 (en) | Detection of a leakage in a supply grid | |
CN114157486A (zh) | 通信流量数据异常检测方法、装置、电子设备及存储介质 | |
CN113487449B (zh) | 一种移动式城市排水管网健康管理系统及方法 | |
CN113487449A (zh) | 一种移动式城市排水管网健康管理系统及方法 |
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 |