CN113516408B - 一种基于实时观测分析的高铁沿线积雪测点布置方法 - Google Patents
一种基于实时观测分析的高铁沿线积雪测点布置方法 Download PDFInfo
- Publication number
- CN113516408B CN113516408B CN202110875650.0A CN202110875650A CN113516408B CN 113516408 B CN113516408 B CN 113516408B CN 202110875650 A CN202110875650 A CN 202110875650A CN 113516408 B CN113516408 B CN 113516408B
- Authority
- CN
- China
- Prior art keywords
- snow
- points
- data
- point distribution
- extracting
- 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
- 238000004458 analytical method Methods 0.000 title claims abstract description 53
- 238000000034 method Methods 0.000 title claims abstract description 40
- 238000009825 accumulation Methods 0.000 title claims abstract description 29
- 238000009826 distribution Methods 0.000 claims abstract description 115
- 238000010586 diagram Methods 0.000 claims abstract description 34
- 238000000605 extraction Methods 0.000 claims abstract description 16
- 238000004364 calculation method Methods 0.000 claims description 24
- 238000012544 monitoring process Methods 0.000 claims description 13
- 238000004590 computer program Methods 0.000 claims description 11
- 230000006870 function Effects 0.000 claims description 7
- 238000003860 storage Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 5
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 4
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000011157 data evaluation Methods 0.000 claims description 3
- 238000005259 measurement Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 239000000284 extract Substances 0.000 claims description 2
- 238000012545 processing Methods 0.000 description 5
- 238000002844 melting Methods 0.000 description 4
- 230000008018 melting Effects 0.000 description 4
- 238000011156 evaluation Methods 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 230000005684 electric field Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002265 prevention Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 230000008707 rearrangement Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 230000003238 somatosensory effect Effects 0.000 description 1
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
- G06Q10/06—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
- 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
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Physics & Mathematics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Train Traffic Observation, Control, And Security (AREA)
Abstract
本发明提供了一种基于实时观测分析的高铁沿线积雪测点布置方法。该方案包括获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点。该方案通过对高铁沿线进行布点运算,能结合GPS定位信息获取目标布点,从而快速排出隐患。
Description
技术领域
本发明涉及气象监测技术领域,更具体地,涉及一种基于实时观测分析的高铁沿线积雪测点布置方法。
背景技术
积雪是一种常见的天气情况,长时间的、大量的积雪可能产生诸多危害。尤其是,在电力领域或在交通运输领域,长时间积雪可能造成严重的危害和风险。
目前,在铁路沿线,存在积雪的量测布点,但是布点的方式采用经验式布置,无法实现有效的对于铁路的状态监视,若出现积雪常常无法准确快速或知,并排除隐患。
发明内容
鉴于上述问题,本发明提出了一种基于实时观测分析的高铁沿线积雪测点布置方法,该方案通过对高铁沿线进行布点运算,能结合GPS定位信息获取目标布点,从而快速排出隐患。
根据本发明实施例第一方面,提供一种基于实时观测分析的高铁沿线积雪测点布置方法。
在一个或多个实施例中,优选地,一种基于实时观测分析的高铁沿线积雪测点布置方法包括:
获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;
根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;
根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;
根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点。
在一个或多个实施例中,优选地,所述获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息,具体包括:
获取当前铁路线路图,并以所述铁路线路图为基础进行沿线区域提取,生成监测区域数据;
对所述监测区域数据进行高程分析,生成观测节点高程数据;
根据所述观测节点高程数据,利用预设的表格查询所有的所述观测节点的热能水平;
根据所述观测节点的经纬度信息查询地图梯度信息和土地类型信息。
在一个或多个实施例中,优选地,所述根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值,具体包括:
提取全部的所述高程数据、所述地图梯度信息和所述土地类型信息;
利用第一计算公式计算积雪后风险指数;
利用所述积雪后风险指数与所述热能水平,利用第二计算公式计算积雪后风险时长;
利用第三计算公式计算所有节点的积雪风险值;
所述第一计算公式:
Y=(A2+B)×C
其中,Y为所述积雪后风险指数,A为所述高程数据、B为所述地图梯度信息,C为所述土地类型信息;
所述第二计算公式:
T=∫Y+E
其中,T为所述积雪后风险时长,E为所述热能水平;
所述第三计算公式:
P=a1T2+a2T+a3
其中,P为所述积雪风险值,a1为第一系数,a2为第二系数,a3为第三系数。
在一个或多个实施例中,优选地,所述根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点,具体包括:
提取所述检测区域内的历史积雪数据;
设置第二裕度,提取超过第二裕度的节点为第一布点;
对所述第一布点数据筛检隧道区域,生成第二布点;
对所述热能水平超过第三裕度的对应节点,在所述第二布点中剔除,生成第三布点。
在一个或多个实施例中,优选地,所述根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点,具体包括:
对所述第三布点与所述积雪风险值做乘积,生成布点序列;
对所述布点序列中超过预设数目的布点保留,生成目标布点。
根据本发明实施例第二方面,提供一种基于实时观测分析的高铁沿线积雪测点布置系统。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统包括:
地图分析子模块,用于获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;
阈值匹配子模块,用于根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;
风险合成子模块,用于根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;
特征提取子模块,用于根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统还包括热能数据评估子模块,将全部的积雪数据、所述海拔数据、所述热能数据全部保存到一个训练集内;对根据不同的热能数据和海拔数据对应的积雪数据进行训练;当所述第四计算公式计算的预估误差最低时,将所述的对应关系保存为热能表格;根据所述经纬度信息、所述海拔数据和所述积雪历史数据生成热能数据预估表格;
所述第四计算公式为:
其中,zz为预估误差最低时的参数组,avgmin为系数提取函数,y为实测历史积雪概率,为实际积雪概率预测值。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统还包括存储空间子模块,用于存储第一布点、第二布点、第三布点、目标布点中的全部数据。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统还包括第二阈值提取模块;对于历史积雪数据超过第二阈值的数据节点进行保存,保存为增设布点;所述增设布点与所述目标布点的加和生成为所述升级目标布点;对所述升级目标布点删除重复布点,保存为综合布点结果。
根据本发明实施例第三方面,提供一种电子设备,包括存储器和处理器,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的步骤。
本发明的实施例提供的技术方案可以包括以下有益效果:
1)本发明实施例中,提供了铁路沿线的布点运算方法,能够快速获得布点位置;
2)本发明实施例中,结合了GPS信息和热能信息,能够有效预估积雪融化,进而针对性的制定防灾策略;
3)本发明实施例中,存储了大量的积雪数据,在停电状态下,或在需要系统升级时,能够有效提取布点信息。
本发明的其它特征和优点将在随后的说明书中阐述,并且,部分地从说明书中变得显而易见,或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
下面通过附图和实施例,对本发明的技术方案做进一步的详细描述。
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,对于本领域技术人员来讲,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的附图。
图1是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法的流程图。
图2是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息的流程图。
图3是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值的流程图。
图4是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点的流程图。
图5是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点的流程图。
图6是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置系统的示意图。
图7是本发明一个实施例中一种电子设备的结构图。
具体实施方式
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中,包含了按照特定顺序出现的多个操作,但是应该清楚了解,这些操作可以不按照其在本文中出现的顺序来执行或并行执行,操作的序号如101、102等,仅仅是用于区分开各个不同的操作,序号本身不代表任何的执行顺序。另外,这些流程可以包括更多或更少的操作,并且这些操作可以按顺序执行或并行执行。需要说明的是,本文中的“第一”、“第二”等描述,是用于区分不同的消息、设备、模块等,不代表先后顺序,也不限定“第一”和“第二”是不同的类型。
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,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域技术人员在没有作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。
积雪是一种常见的天气情况,长时间的、大量的积雪可能产生诸多危害。尤其是,在电力领域或在交通运输领域,长时间积雪可能造成严重的危害和风险。
目前,在铁路沿线,存在积雪的量测布点,但是布点的方式采用经验式布置,无法实现有效的对于铁路的状态监视,若出现积雪常常无法准确快速或知,并排除隐患。
根据本发明实施例第一方面,提供一种基于实时观测分析的高铁沿线积雪测点布置方法。
图1是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法的流程图。
如图1所示,在一个或多个实施例中,优选地,一种基于实时观测分析的高铁沿线积雪测点布置方法包括:
S101、获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;
S102、根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;
S103、根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;
S104、根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点。
图2是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息的流程图。
如图2所示,在一个或多个实施例中,优选地,所述获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息,具体包括:
S201、获取当前铁路线路图,并以所述铁路线路图为基础进行沿线区域提取,生成监测区域数据;
S202、对所述监测区域数据进行高程分析,生成观测节点高程数据;
S203、根据所述观测节点高程数据,利用预设的表格查询所有的所述观测节点的热能水平;
S204、根据所述观测节点的经纬度信息查询地图梯度信息和土地类型信息。
在本发明实施例中,首先获取具体的地铁线路图,进而利用线路图生成了全部的监视区域数据,利用监视区域的高程数据生成了对应的梯度信息和土地类型信息。这些信息都是进行风险分析的基础数据。
图3是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值的流程图。
如图3所示,在一个或多个实施例中,优选地,所述根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值,具体包括:
S301、提取全部的所述高程数据、所述地图梯度信息和所述土地类型信息;
S302、利用第一计算公式计算积雪后风险指数;
S303、利用所述积雪后风险指数与所述热能水平,利用第二计算公式计算积雪后风险时长;
S304、利用第三计算公式计算所有节点的积雪风险值;
所述第一计算公式:
Y=(A2+B)×C
其中,Y为所述积雪后风险指数,A为所述高程数据、B为所述地图梯度信息,C为所述土地类型信息;
所述第二计算公式:
T=∫Y+E
其中,T为所述积雪后风险时长,E为所述热能水平;
所述第三计算公式:
P=a1T2+a2T+a3
其中,P为所述积雪风险值,a1为第一系数,a2为第二系数,a3为第三系数。
在本发明实施例中,在进行高程分析的基础上,进一步结合日照信息进行了热能的分析,热能分析将会对于当前的积雪的融化时间产生一定的评估。
图4是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点的流程图。
如图4所示,在一个或多个实施例中,优选地,所述根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点,具体包括:
S401、提取所述检测区域内的历史积雪数据;
S402、设置第二裕度,提取超过第二裕度的节点为第一布点;
S403、对所述第一布点数据筛检隧道区域,生成第二布点;
S404、对所述热能水平超过第三裕度的对应节点,在所述第二布点中剔除,生成第三布点。
在本发明实施例中,由于超过一定裕度存在的风险较高,因此需要在该类节点下,进行布点,但是布点后存在部分节点无法布点,或者积雪融化速度较快,因此对这些布点进行了删除。
图5是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置方法中的根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点的流程图。
如图5所示,在一个或多个实施例中,优选地,所述根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点,具体包括:
S501、对所述第三布点与所述积雪风险值做乘积,生成布点序列;
S502、对所述布点序列中超过预设数目的布点保留,生成目标布点。
在本发明实施例中,对应布点数据进行了风险叠加,生成了布点序列,进而对于布点中的数据最高的点进行布点设置。设置后的布点被称为目标布点。
根据本发明实施例第二方面,提供一种基于实时观测分析的高铁沿线积雪测点布置系统。
图6是本发明一个实施例的一种基于实时观测分析的高铁沿线积雪测点布置系统的示意图。
如图6所示,在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统包括:
地图分析子模块601,用于获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;
阈值匹配子模块602,用于根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;
风险合成子模块603,用于根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;
特征提取子模块604,用于根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统还包括热能数据评估子模块605,用于将全部的积雪数据、所述海拔数据、所述热能数据全部保存到一个训练集内,对根据不同的热能数据和海拔数据对应的积雪数据进行训练,当所述第四计算公式计算的预估误差最低时,将所述的对应关系保存为热能表格,根据所述经纬度信息、所述海拔数据和所述积雪历史数据生成热能数据预估表格;
所述第四计算公式为:
其中,zz为预估误差最低时的参数组,avgmin为系数提取函数,y为实测历史积雪概率,为实际积雪概率预测值。
在本发明实施例中,针对不同的海拔和积雪数据,进行了热能评估,根据历史数据生成一个热能表格,每次评估过程自动提取表格数据进行评估。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统还包括存储空间子模块606,用于存储第一布点、第二布点、第三布点、目标布点中的全部数据。
在本发明实施例中,具体用于存储各类布点信息,当需要进行更加细化的布点时,可以直接提取对应信息进行重新布置。
在一个或多个实施例中,优选地,所述一种基于实时观测分析的高铁沿线积雪测点布置系统还包括第二阈值提取模块607;对于历史积雪数据超过第二阈值的数据节点进行保存,保存为增设布点;所述增设布点与所述目标布点的加和生成为所述升级目标布点;对所述升级目标布点删除重复布点,保存为综合布点结果。
本发明实施例中,提供了一种基于实时观测分析的高铁沿线积雪测点布置方法。该方案通过对高铁沿线进行布点运算,能结合GPS定位信息获取目标布点,从而快速排出隐患。
在本发明实施例中,当全部的布点信息存在重复时,或者布点距离较近时,需要删除部分布点,最终生成综合的布点结果。
根据本发明实施例第三方面,提供一种电子设备。图7是本发明一个实施例中一种电子设备的结构图。图7所示的电子设备为通用积雪测点布置装置,其包括通用的计算机硬件结构,其至少包括处理器701和存储器702。处理器701和存储器702通过总线703连接。存储器702适于存储处理器701可执行的指令或程序。处理器701可以是独立的微处理器,也可以是一个或者多个微处理器集合。由此,处理器701通过执行存储器702所存储的指令,从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线703将上述多个组件连接在一起,同时将上述组件连接到显示控制器704和显示装置以及输入/输出(I/O)装置705。输入/输出(I/O)装置705可以是鼠标、键盘、调制解调器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地,输入/输出装置705通过输入/输出(I/O)控制器706与系统相连。
本发明的实施例提供的技术方案可以包括以下有益效果:
1)本发明实施例中,提供了铁路沿线的布点运算方法,能够快速获得布点位置;
2)本发明实施例中,结合了GPS信息和热能信息,能够有效预估积雪融化,进而针对性的制定防灾策略;
3)本发明实施例中,存储了大量的积雪数据,在停电状态下,或在需要系统升级时,能够有效提取布点信息。
本领域内的技术人员应明白,本发明的实施例可提供为方法、系统、或计算机程序产品。因此,本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且,本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器,使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中,使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品,该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上,使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理,从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
显然,本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包含这些改动和变型在内。
Claims (10)
1.一种基于实时观测分析的高铁沿线积雪测点布置方法,其特征在于,该方法包括:
获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;
根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;
根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;
根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点。
2.如权利要求1所述的一种基于实时观测分析的高铁沿线积雪测点布置方法,其特征在于,所述获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息,具体包括:
获取当前铁路线路图,并以所述铁路线路图为基础进行沿线区域提取,生成监测区域数据;
对所述监测区域数据进行高程分析,生成观测节点高程数据;
根据所述观测节点高程数据,利用预设的表格查询所有的所述观测节点的热能水平;
根据所述观测节点的经纬度信息查询地图梯度信息和土地类型信息。
3.如权利要求2所述的一种基于实时观测分析的高铁沿线积雪测点布置方法,其特征在于,所述根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值,具体包括:
提取全部的所述高程数据、所述地图梯度信息和所述土地类型信息;
利用第一计算公式计算积雪后风险指数;
利用所述积雪后风险指数与所述热能水平,利用第二计算公式计算积雪后风险时长;
利用第三计算公式计算所有节点的积雪风险值;
所述第一计算公式:
Y=(A2+B)×C
其中,Y为所述积雪后风险指数,A为所述高程数据、B为所述地图梯度信息,C为所述土地类型信息;
所述第二计算公式:
T=∫Y+E
其中,T为所述积雪后风险时长,E为所述热能水平;
所述第三计算公式:
P=a1T2+a2T+a3
其中,P为所述积雪风险值,a1为第一系数,a2为第二系数,a3为第三系数。
4.如权利要求1所述的一种基于实时观测分析的高铁沿线积雪测点布置方法,其特征在于,所述根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点,具体包括:
提取所述检测区域内的历史积雪数据;
设置第二裕度,提取超过第二裕度的节点为第一布点;
对所述第一布点数据筛检隧道区域,生成第二布点;
对所述热能水平超过第三裕度的对应节点,在所述第二布点中剔除,生成第三布点。
5.如权利要求1所述的一种基于实时观测分析的高铁沿线积雪测点布置方法,其特征在于,所述根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点,具体包括:
对所述第三布点与所述积雪风险值做乘积,生成布点序列;
对所述布点序列中超过预设数目的布点保留,生成目标布点。
6.一种基于实时观测分析的高铁沿线积雪测点布置系统,其特征在于,该系统包括:
地图分析子模块,用于获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息;
阈值匹配子模块,用于根据所述高程数据,进行了进一步的区域热能水平提取,进而计算积雪后的风险值;
风险合成子模块,用于根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点;
特征提取子模块,用于根据所述第三布点利用积雪风险值作为系数基础,生成布点序列,并在布点序列中提取目标布点;
其中,所述获取当前铁路线路图,并以所述铁路线路图为基础生成高程数据,进而提取地图的梯度信息和土地类型信息,具体包括:
获取当前铁路线路图,并以所述铁路线路图为基础进行沿线区域提取,生成监测区域数据;
对所述监测区域数据进行高程分析,生成观测节点高程数据;
根据所述观测节点高程数据,利用预设的表格查询所有的所述观测节点的热能水平;
根据所述观测节点的经纬度信息查询地图梯度信息和土地类型信息;
其中,所述根据所检测区域内的积雪数据提取超过预设裕度的节点作为第一布点,进而剔除隧道范围保存为第二布点,剔除超过热能布点,生成第三布点,具体包括:
提取所述检测区域内的历史积雪数据;
设置第二裕度,提取超过第二裕度的节点为第一布点;
对所述第一布点数据筛检隧道区域,生成第二布点;
对所述热能水平超过第三裕度的对应节点,在所述第二布点中剔除,生成第三布点。
7.如权利要求6所述的一种基于实时观测分析的高铁沿线积雪测点布置系统,其特征在于,还包括热能数据评估子模块,将全部的积雪数据、海拔数据、所述热能数据全部保存到一个训练集内;对根据不同的热能数据和海拔数据对应的积雪数据进行训练;当第四计算公式计算的预估误差最低时,将对应关系保存为热能表格;根据所述经纬度信息、所述海拔数据和历史积雪数据生成热能数据预估表格;
所述第四计算公式为:
其中,zz为预估误差最低时的参数组,avgmin为系数提取函数,y为实测历史积雪概率,为实际积雪概率预测值。
8.如权利要求6所述的一种基于实时观测分析的高铁沿线积雪测点布置系统,其特征在于,还包括存储空间子模块,用于存储第一布点、第二布点、第三布点、目标布点中的全部数据。
9.如权利要求6所述的一种基于实时观测分析的高铁沿线积雪测点布置系统,其特征在于,还包括第二阈值提取模块;对于历史积雪数据超过第二阈值的数据节点进行保存,保存为增设布点;所述增设布点与所述目标布点的加和生成为升级目标布点;对所述升级目标布点删除重复布点,保存为综合布点结果。
10.一种电子设备,包括存储器和处理器,其特征在于,所述存储器用于存储一条或多条计算机程序指令,其中,所述一条或多条计算机程序指令被所述处理器执行以实现如权利要求1-5任一项所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875650.0A CN113516408B (zh) | 2021-07-30 | 2021-07-30 | 一种基于实时观测分析的高铁沿线积雪测点布置方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110875650.0A CN113516408B (zh) | 2021-07-30 | 2021-07-30 | 一种基于实时观测分析的高铁沿线积雪测点布置方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113516408A CN113516408A (zh) | 2021-10-19 |
CN113516408B true CN113516408B (zh) | 2024-01-02 |
Family
ID=78068038
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110875650.0A Active CN113516408B (zh) | 2021-07-30 | 2021-07-30 | 一种基于实时观测分析的高铁沿线积雪测点布置方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113516408B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116305993B (zh) * | 2023-03-29 | 2024-02-02 | 中国铁道科学研究院集团有限公司 | 一种基于灾害时空分布的高铁监测部署优化方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050101043A (ko) * | 2004-04-16 | 2005-10-20 | 한국철도기술연구원 | 웹기반 자동 우량 측정 시스템 |
CN105740990A (zh) * | 2016-02-26 | 2016-07-06 | 中铁第四勘察设计院集团有限公司 | 一种铁路风监测系统中常驻监测点的选取方法 |
CN107054411A (zh) * | 2017-04-30 | 2017-08-18 | 中南大学 | 一种铁路沿线雪灾无人机雪深智能测量和预测方法与系统 |
CN110162582A (zh) * | 2018-04-13 | 2019-08-23 | 山东百世通大数据科技有限公司 | 复杂地形下高速公路气象观测站智能选址系统及应用方法 |
CN113011029A (zh) * | 2021-03-23 | 2021-06-22 | 南京信息工程大学 | 一种高铁沿线测风站点布局优化方法 |
CN113126182A (zh) * | 2019-12-31 | 2021-07-16 | 北京四维智联科技有限公司 | 一种积雪深度预测方法及系统 |
-
2021
- 2021-07-30 CN CN202110875650.0A patent/CN113516408B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR20050101043A (ko) * | 2004-04-16 | 2005-10-20 | 한국철도기술연구원 | 웹기반 자동 우량 측정 시스템 |
CN105740990A (zh) * | 2016-02-26 | 2016-07-06 | 中铁第四勘察设计院集团有限公司 | 一种铁路风监测系统中常驻监测点的选取方法 |
CN107054411A (zh) * | 2017-04-30 | 2017-08-18 | 中南大学 | 一种铁路沿线雪灾无人机雪深智能测量和预测方法与系统 |
CN110162582A (zh) * | 2018-04-13 | 2019-08-23 | 山东百世通大数据科技有限公司 | 复杂地形下高速公路气象观测站智能选址系统及应用方法 |
CN113126182A (zh) * | 2019-12-31 | 2021-07-16 | 北京四维智联科技有限公司 | 一种积雪深度预测方法及系统 |
CN113011029A (zh) * | 2021-03-23 | 2021-06-22 | 南京信息工程大学 | 一种高铁沿线测风站点布局优化方法 |
Also Published As
Publication number | Publication date |
---|---|
CN113516408A (zh) | 2021-10-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108375715B (zh) | 一种配电网线路故障风险日预测方法及系统 | |
US11168667B2 (en) | Method and device for calculating power generation of wind farm | |
CN109461142B (zh) | 线路隐患分析方法、装置及电子终端 | |
CN111199346B (zh) | 综合管廊监理方法、装置、计算机设备以及存储介质 | |
JP4480630B2 (ja) | 雷位置予測方法及び雷位置予測システム | |
CN107704992A (zh) | 输电线路雷击风险评估的方法及装置 | |
CN109800660B (zh) | 一种基于大数据聚类的电压暂降源识别方法和系统 | |
CN108133279B (zh) | 风电功率概率预测方法、存储介质及设备 | |
CN113516406B (zh) | 一种基于实时观测分析的高铁沿线降水测点布置方法 | |
CN113159362A (zh) | 一种森林火灾等级的预测方法及装置 | |
CN113516408B (zh) | 一种基于实时观测分析的高铁沿线积雪测点布置方法 | |
CN103065466A (zh) | 一种交通异常状况的检测方法和装置 | |
CN107944721A (zh) | 一种通用的基于数据挖掘的机器学习方法、装置以及系统 | |
CN111062627B (zh) | 一种风电场宏观选址方法、系统及相关设备 | |
TWI546762B (zh) | Wind power generation equipment of the stress estimation device and wind power equipment, the stress estimation method, wind power generation system | |
CN116014709A (zh) | 一种台区线损分析方法、系统、电子设备及存储介质 | |
CN109146177B (zh) | 一种输配电线路树障预测方法及装置 | |
CN103280783B (zh) | 基于临界机组对的故障临界切除时间计算方法 | |
CN112819365A (zh) | 碳汇检测方法、装置及存储介质和电子设备 | |
CN111008114A (zh) | 一种磁盘分区监控方法、装置、设备及可读存储介质 | |
CN110797865A (zh) | 一种数据驱动的供电薄弱环节识别方法及系统 | |
JP4067999B2 (ja) | 雷観測システム | |
CN115099354A (zh) | 训练样本的构建方法、装置、设备及存储介质 | |
CN107622350A (zh) | 一种输电线路防雷风险评估方法及系统 | |
CN113447037A (zh) | 行程偏航检测方法及装置 |
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 |