CN114265431A - 基于分布式覆盖控制的地灾监测方法及系统 - Google Patents

Abstract

本发明涉及地质灾害监测领域，提供一种基于分布式覆盖控制的地灾监测方法及系统，包括：S1：获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；S2：在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置；S3：各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置。本发明进行地质灾害监测时能减少人力物力消耗，速度快，效果好，且有针对性，时效性强。

Description

基于分布式覆盖控制的地灾监测方法及系统

技术领域

本发明涉及地质灾害监测领域，尤其涉及一种基于分布式覆盖控制的地灾监测方法及系统。

背景技术

中国幅员辽阔，地形结构复杂多样，随着人与自然之间的相互作用不断加剧，地质灾害发生的次数连年增加，已经成为威胁人类生存和发展的一大灾害。

现有的地质灾害监测技术按照监测方式的不同可分为接触式监测技术和非接触式监测技术两大类，接触式监测技术主要包括：大地测量法、测斜法、GPS法、自动伸缩计地表监测法等；非接触式监测主要包括了三维激光扫描法、近景摄影法和干涉合成孔径雷达测量法等。

在目前的地质灾害监测技术中，接触式监测技术大多需要人工实地操作，往往需要消耗大量的人力物力。尤其在一些复杂地形中，人工操作变得十分困难，这也给地质灾害的防治工作带来巨大阻碍。非接触式监测技术是接触式监测技术的改进提升，减少了人工实地操作，大大节省了人力与物力。然而非接触式监测技术的监测周期较长，目前还无法做到短时间内的预警，时效性有待增强。除此之外，非接触式监测技术采用广域普查识别，在大的空间背景下识别正在发生形变的区域，由于识别区域广泛，时间尺度较大，效率有待提高。

综上可知，接触式监测技术存在的问题有：人工操作，人力物力消耗大；非接触式检测技术存在的问题有：监测周期长、时效性弱、效率不高。

上述内容仅用于辅助理解本发明的技术方案，并不代表承认上述内容是现有技术。

发明内容

为解决上述技术问题，本发明提供一种基于分布式覆盖控制的地灾监测方法，包括：

S1：获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；

S2：在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置；

S3：各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置。

优选的，步骤S1具体为：

S11：获取所述地理信息数据，所述地理信息数据包括各栅格点的坐标和相应的栅格信息；选择包含滑坡点的栅格点的栅格信息，以及随机选取相同数量的不包含滑坡点的栅格点的栅格信息作为源数据集合；

S12：所述机器学习方法为概率方法，通过所述概率方法对所述源数据集合进行学习训练，重复学习训练n次后获得所述概率分布函数。

优选的，步骤S11中，所述栅格信息包括：经度、纬度、高程、坡度和地质灾害发生概率。

优选的，步骤S12具体为：

S121：按照p₁：p₂的比例将所述源数据集合划分为训练集和数据集，通过逻辑回归计算获得所述源数据集合的系数矩阵θ；

S122：通过训练函数对所述源数据集合进行学习训练，所述训练函数y的计算公式如下：

其中，θ_m为所述系数矩阵θ中的第m个系数，m取1至5的正整数；x_k为所述训练集中的第k个源数据，k取1至4的正整数；

S123：重复步骤S122共n次，获得所述概率分布函数Φ(q,Δq)，其中q表示监测位置，Δq表示监测位置q处的地形改变量。

优选的，步骤S2具体为：

S21：获取所述概率分布函数Φ(q,Δq)，期望无人机监测到监测位置的概率为P(s,q)，s表示无人机的位置，q表示监测位置，Δq表示监测位置q处的地形改变量；

S22：通过Φ(q,Δq)和P(s,q)构造条件概率作积分，构造目标函数H(s,Δq)，；

S23：所述无人机的动力学方程为：

其中，

为H(s,Δq)沿梯度上升方向的偏导数，计算公式为：

u_i为无人机的控制输入，α_i为无人机的控制输入u_i的系数；s_i为第i架无人机的位置；i为无人机的编号；

S24：通过各所述无人机的动力学方程配置各所述无人机的监测位置。

一种基于分布式覆盖控制的地灾监测系统，包括：

概率分布函数构建模块，用于获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；

监测位置配置模块，用于在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置；

飞行控制模块，用于将各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置。

本发明具有以下有益效果：

1、减少人力物力消耗：采用自动化无人机监测，只需远程人工控制无人机即可，无需到地质灾害发生区域进行操作；

2、速度快，效果好：不需要大量的样本进行重复训练，只需要少量的样本就可以获得监测区域的地质灾害发生的概率分布函数；

3、有针对性，时效性强：可以预测地质灾害的发生概率大小，进而对无人机的分布进行合理配置，提高了无人机的监测效率，可以短时间内识别早期的地灾灾害从而做出响应。

附图说明

图1为本发明实施例方法流程图；

图2为地质灾害发生的概率分布图；

图3为无人机初始分布图；

图4为无人机的监测位置示意图；

本发明目的的实现、功能特点及优点将结合实施例，参照附图做进一步说明。

具体实施方式

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。

参照图1，本发明提供一种基于分布式覆盖控制的地灾监测方法，包括：

S1：获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；地质灾害发生的概率分布图如图2所示；

S2：在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置，r的值优选的设置为6；

具体的，每架无人机均搭载采用干涉测量技术的合成孔径雷达，其工作原理为：雷达向目标区域发射雷达波，接收目标反射的回波，得到同一目标区域成像的复图像对，若复图像对之间存在相干条件，可以得到干涉图，根据干涉图的相位值可以计算出目标地区的地形、地貌以及微小变化；

使用六架无人机对监测区域进行监测，每架无人机搭载的合成孔径雷达具有相同的感知范围，当无人机移动时，合成孔径雷达可以接收到感知半径内的地形信息，并且使用差分干涉测量技术可以得到感知半径内的地形变化情况，通过这种方式可以快速识别早期的地质灾害发生隐患；

S3：各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置；

具体的，参考图3，在初始时刻时每架无人机的初始条件为参数随机给定，每架无人机在该监测区域上空随机分布，随机给定无人机的初始条件，地灾监测任务开始后，根据之前获得的地质灾害发生的概率分布函数对无人机位置进行配置，演化一段时间之后，无人机向地质灾害发生概率最高的监测位置靠近，最终收敛在灾害最易发生的监测位置，此时无人机能监测到地灾的概率达到极大值，无人机最终到达的位置如图4所示。

本实施例中，步骤S1具体为：

S11：获取所述地理信息数据，所述地理信息数据包括各栅格点的坐标和相应的栅格信息；选择包含滑坡点的栅格点的栅格信息，以及随机选取相同数量的不包含滑坡点的栅格点的栅格信息作为源数据集合；

S12：所述机器学习方法为概率方法，通过所述概率方法对所述源数据集合进行学习训练，重复学习训练n次后获得所述概率分布函数；

具体的，机器学习方法中的概率方法对监测区域的部分地质灾害发生点和非地质灾害发生点的真实数据进行学习，重复学习多次后可以获得整个监测区域的概率分布函数。

本实施例中，步骤S11中，所述栅格信息包括：经度、纬度、高程、坡度和地质灾害发生概率。

本实施例中，步骤S12具体为：

S121：按照p₁：p₂的比例将所述源数据集合划分为训练集和数据集，通过逻辑回归计算获得所述源数据集合的系数矩阵θ；p₁：p₂优选的设置为8：2；

S122：通过训练函数对所述源数据集合进行学习训练，所述训练函数y的计算公式如下：

其中，θ_m为所述系数矩阵θ中的第m个系数，m取1至5的正整数；x_k为所述训练集中的第k个源数据，k取1至4的正整数；

S123：重复步骤S122共n次，获得所述概率分布函数Φ(q,Δq)，其中q表示监测位置，Δq表示监测位置q处的地形改变量。

本实施例中，步骤S2具体为：

S21：获取所述概率分布函数Φ(q,Δq)，期望无人机监测到监测位置的概率为P(s,q)，s表示无人机的位置，q表示监测位置，Δq表示监测位置q处的地形改变量；

S22：通过Φ(q,Δq)和P(s,q)构造条件概率作积分，构造目标函数H(s,Δq)；

S23：所述无人机的动力学方程为：

其中，

为H(s,Δq)沿梯度上升方向的偏导数，计算公式为：

u_i为无人机的控制输入，α_i为无人机的控制输入u_i的系数；s_i为第i架无人机的位置；i为无人机的编号；

具体的，通过Lyapunov稳定判据可证明无人机的动力学方程：

可将无人机控制在稳定状态，证明步骤为：

步骤一：构造Lyapunov函数

其中s^*为目标函数H(s,Δq)沿梯度上升方向演化得到极大值时的取值；

步骤二：Lyapunov函数V(s,Δq)对时间求导数，

步骤三：Lyapunov函数V(s,Δq)对时间的导数小于或等于零，由此可以证明无人机的动力学方程将无人机控制在稳定状态；

S24：通过各所述无人机的动力学方程配置各所述无人机的监测位置。

本发明提供的基于分布式覆盖控制的地灾监测方法的有益技术效果有：本发明使用无人机搭载采用干涉测量技术的合成孔径雷达的监测方式，在执行地灾监测任务时只需操作人员在控制中心进行远程操控，无需进入监测区域。当气候条件恶劣，地形复杂险峻时，无人机代替人工亲自操作可以大大减少人力物力的消耗损失。此外，机器学习方法得到的监测区域的地质灾害发生的概率分布函数与分布式覆盖控制相结合有利于提高无人机监测到地质灾害的概率。无人机能够迅速识别早期地质灾害，灵活应对突发状况，能够有效提高目前的地质灾害的识别与监测水平。

本发明提供一种基于分布式覆盖控制的地灾监测系统，包括：

概率分布函数构建模块，用于获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；

监测位置配置模块，用于在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置；

飞行控制模块，用于将各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置。

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、物品或者系统不仅包括那些要素，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、物品或者系统所固有的要素。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、物品或者系统中还存在另外的相同要素。

上述本发明实施例序号仅仅为了描述，不代表实施例的优劣。在列举了若干装置的单元权利要求中，这些装置中的若干个可以是通过同一个硬件项来具体体现。词语第一、第二、以及第三等的使用不表示任何顺序，可将这些词语解释为标识。

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 (6)

1.一种基于分布式覆盖控制的地灾监测方法，其特征在于，包括：

S1：获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；

S2：在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置；

S3：各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置。

2.根据权利要求1所述的基于分布式覆盖控制的地灾监测方法，其特征在于，步骤S1具体为：

S11：获取所述地理信息数据，所述地理信息数据包括各栅格点的坐标和相应的栅格信息；选择包含滑坡点的栅格点的栅格信息，以及随机选取相同数量的不包含滑坡点的栅格点的栅格信息作为源数据集合；

S12：所述机器学习方法为概率方法，通过所述概率方法对所述源数据集合进行学习训练，重复学习训练n次后获得所述概率分布函数。

3.根据权利要求2所述的基于分布式覆盖控制的地灾监测方法，其特征在于，步骤S11中，所述栅格信息包括：经度、纬度、高程、坡度和地质灾害发生概率。

4.根据权利要求2所述的基于分布式覆盖控制的地灾监测方法，其特征在于，步骤S12具体为：

S121：按照p₁：p₂的比例将所述源数据集合划分为训练集和数据集，通过逻辑回归计算获得所述源数据集合的系数矩阵θ；

S122：通过训练函数对所述源数据集合进行学习训练，所述训练函数y的计算公式如下：

其中，θ_m为所述系数矩阵θ中的第m个系数，m取1至5的正整数；x_k为所述训练集中的第k个源数据，k取1至4的正整数；

S123：重复步骤S122共n次，获得所述概率分布函数Φ(q,Δq)，其中q表示监测位置，Δq表示监测位置q处的地形改变量。

5.根据权利要求1所述的基于分布式覆盖控制的地灾监测方法，其特征在于，步骤S2具体为：

S21：获取所述概率分布函数Φ(q,Δq)，期望无人机监测到监测位置的概率为P(s,q)，s表示无人机的位置，q表示监测位置，Δq表示监测位置q处的地形改变量；

S22：通过Φ(q,Δq)和P(s,q)构造条件概率作积分，构造目标函数H(s,Δq)，；

S23：所述无人机的动力学方程为：

其中，

为H(s,Δq)沿梯度上升方向的偏导数，计算公式为：

u_i为无人机的控制输入，α_i为无人机的控制输入u_i的系数；s_i为第i架无人机的位置；i为无人机的编号；

S24：通过各所述无人机的动力学方程配置各所述无人机的监测位置。

6.一种基于分布式覆盖控制的地灾监测系统，其特征在于，包括：

概率分布函数构建模块，用于获取监测区域的地理信息数据，通过机器学习方法对所述地理信息数据进行分析，构建所述监测区域的地质灾害发生的概率分布函数；

监测位置配置模块，用于在所述监测区域部署r架无人机，通过所述概率分布函数对各所述无人机的监测位置进行配置；

飞行控制模块，用于将各所述无人机通过所述监测位置规划移动路线，根据所述移动路线飞行至对应的监测位置。

Images