CN114840896B - 一种基于城市道路bim的内涝积水模拟分析方法 - Google Patents
一种基于城市道路bim的内涝积水模拟分析方法 Download PDFInfo
- Publication number
- CN114840896B CN114840896B CN202210500809.5A CN202210500809A CN114840896B CN 114840896 B CN114840896 B CN 114840896B CN 202210500809 A CN202210500809 A CN 202210500809A CN 114840896 B CN114840896 B CN 114840896B
- Authority
- CN
- China
- Prior art keywords
- road
- dimensional
- lane
- point
- ponding
- 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
- 238000004088 simulation Methods 0.000 title claims abstract description 25
- 238000004458 analytical method Methods 0.000 title claims abstract description 23
- 238000011156 evaluation Methods 0.000 claims abstract description 12
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 238000004040 coloring Methods 0.000 claims abstract description 6
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 71
- 238000004422 calculation algorithm Methods 0.000 claims description 28
- 238000009825 accumulation Methods 0.000 claims description 22
- 238000012952 Resampling Methods 0.000 claims description 21
- 238000000034 method Methods 0.000 claims description 18
- 238000005070 sampling Methods 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 7
- 230000011218 segmentation Effects 0.000 claims description 6
- 238000012502 risk assessment Methods 0.000 claims description 4
- 238000012876 topography Methods 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000007635 classification algorithm Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 7
- 238000012800 visualization Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 7
- 230000000007 visual effect Effects 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000005611 electricity Effects 0.000 description 1
- -1 electricity Substances 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- 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—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
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A10/00—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE at coastal zones; at river basins
- Y02A10/40—Controlling or monitoring, e.g. of flood or hurricane; Forecasting, e.g. risk assessment or mapping
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Computer Hardware Design (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Computational Mathematics (AREA)
- Mathematical Analysis (AREA)
- Civil Engineering (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Architecture (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Structural Engineering (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提出了一种基于城市道路BIM的内涝积水模拟分析方法。本发明根据输入数据,将目标城市道路区域的二维矢量道路线剖分为多组二维路段和多组二维交叉口;根据固定步长将二维路段划分为多组二维路段,根据车道分布将二维路段划分为多个车道,构建三维几何道路面;根据三维几何道路面中的每个车道,进行纹理贴图,构建三维路段BIM模型;根据三维路段BIM模型和积水图像叠加,计算每个车道的风险值;根据三维路段BIM模型每个车道的风险值,进行分级评估,并基于色带着色进行可视化。本发明基于三维城市路段BIM模型提升了城市道路内涝积水模拟分析的精细度和模拟效果。
Description
技术领域
本发明涉及计算机可视化领域,具体而言,涉及一种基于城市道路BIM的内涝积水模拟分析方法。
背景技术
数字孪生城市是在建筑信息模型和城市三维地理信息系统的基础上,利用物联网技术把物理城市的人、物、事件和水、电、气等所有要素进行数字化,然后在网络空间上构造一个与之完全对应的“虚拟城市”,形成物理维度上的实体城市和信息维度上的数字城市同生共存、虚实交融的局面。
道路是居民日常出行和物资运输的通道,是城市运转至关重要的交通枢纽。在暴雨环境下,城市道路由于其地势较低且相互连通,是最容易发生内涝淹没的区域。一旦道路交通因暴雨内涝中断或瘫痪,不仅阻塞城市的正常运行,而且容易造成严重的人员伤亡和巨大的经济损失。已有道路内涝积水模拟评估通常基于二维矢量道路线,导致只能运用线着色的方法表达道路淹没状态,无法表达道路区域内的水体范围、深度等重要信息,也难以评估道路区域交通风险。基于BIM 表达道路区域分布并进行道路内涝积水可视化分析,可以提升模拟评估精细度,对于构建数字孪生城市和内涝灾害应急管理具有重要意义。
综上所述,目前基于二维矢量道路线的内涝积水模拟评估方法,很难满足高精度道路交通安全管控需求。因此,随着数字孪生城市和实景三维中国建设的推进,急需研究基于BIM的城市道路内涝积水模拟分析。
发明内容
本发明针对现有技术的不足,提出一种基于城市道路BIM的内涝积水可视化分析方法。该方法面向城市道路区域,基于BIM构建道路三维模型,并对道路进行分段分车道处理,根据内涝积水范围进行采样计算,分析道路积水风险并进行风险等级划分。
本发明的技术方案为一种基于城市道路BIM的内涝积水模拟分析方法,其特征在于,包括以下步骤:
步骤1:引入目标城市道路区域的所有二维矢量道路线、目标城市道路区域的地形和目标城市道路区域的积水图像数据,将目标城市道路区域的二维矢量道路线通过网络拓扑分析方法得到多个道路交叉口,将目标城市道路区域的二维矢量道路线根据多个道路交叉口的位置进行剖分得到多组二维路段和多组二维交叉口;
步骤2:将每组二维路段根据每组二维路段的几何分布和每组二维路段的属性信息通过三维道路几何建模算法构建每组二维路段对应的三维路段的几何道路面;
步骤3:将每组二维路段对应的三维路段的几何道路面根据每个车道区域,通过道路纹理贴图算法构建每组二维路段对应的三维路段的BIM模型;
步骤4:将目标城市道路区域的积水图像数据通过车道积水重采样算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水分布;
步骤5:将每组二维路段对应的三维路段的BIM模型、目标城市道路区域的积水图像数据通过车道风险分析算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值;
步骤6:每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值,通过风险分级评估算法;
作为优选,步骤1所述将目标城市道路区域的二维矢量道路线根据多个道路交叉口的位置进行剖分得到多组二维路段和多组二维交叉口,具体为:
设目标城市道路区域的所有二维矢量道路线为{Roadi|i=1,2,…,e},其中Roadi为第i条二维矢量道路线,目标城市道路区域一共有e条二维矢量道路线。根据网络拓扑分析计算得到二维矢量道路线Roadi上的多组二维交叉口。设二维交叉口表示为Cross,交叉口个数为p,则多组二维交叉口表示为:
{Crossi,j|i=1,2,···,e;j=1,2,···,p}
根据多组二维交叉口,将二维矢量道路线Roadi划分为多个长路段,对于每个长路段基于固定步长L进行等距离剖分,得到多组二维路段。设等距离分段后的路段表示为Segment,路段个数为q,则多组二维路段表示为:
{Segmenti,k|i=1,2,···,e;k=1,2,···,q}
行风险等级划分得到每组二维路段对应的三维路段的BIM模型的风险等级;
作为优选,所述步骤2具体如下:
在步骤1中获得的目标城市道路区域的多组二维路段中的第k组路段 Segmenti,k为AB,其中A点在国家2000投影坐标系下的坐标为(XA,YA),B 点在国家2000投影坐标系下的坐标为(XB,YB)。则路段Segmenti,k的几何分布可以表示为:
{(XAi,k,YAi,k),(XBi,k,YBi,k)|i=1,2,···,e;k=1,2,···,q}
在步骤1中获得的目标城市道路区域的多组二维路段中的第k组路段 Segmenti,k的单向车道数为N,单车道宽度为W,中间隔离带宽度为D,则路段 Segmenti,k的属性信息表示为:
{(Ni,k,Wi,k,Di,k)|i=1,2,···,e;k=1,2,···,q}
步骤2所述通过三维道路几何建模算法构建每组二维路段对应的三维路段的几何道路面,具体为:
以A点为原心构建二维几何笛卡尔坐标系,平行于AB为X轴,垂直于AB 为Y轴,则A点在二维几何笛卡尔坐标系下的坐标(0,0),B点在二维几何笛卡尔坐标系下的坐标为(L,0)。则目标城市道路区域的第k组路段Segmenti,k的第m条车道表示为:
{Lanei,k,m|i=1,2,···,e;k=1,2,···,q;m=1,2,···,f}
设单向第m(1≤m≤f)个车道区域为CDEF,则C点在二维几何笛卡尔坐标系下的坐标(XCi,k,m,YCi,k,m)可以计算为:
D点在二维几何笛卡尔坐标系下的坐标(XDi,k,m,YDi,k,m)可以计算为:
E点在二维几何笛卡尔坐标系下的坐标(XEi,k,m,YEi,k,m)可以计算为:
F点在二维几何笛卡尔坐标系下的坐标(XFi,k,m,YFi,k,m)可以计算为:
基于七参数转换法目标城市道路区域的第k组路段第m条车道区域CDEF 的顶点坐标,其中C点在全局三维笛卡尔坐标系下的坐标为:
其中,是二维平面坐标系的原点对应的空间几何坐标点,XCi,k,m和YCi,k,m是二维平面坐标,/>和/>是纹理坐标方向向量参数,scaleX和scaleY是缩放参数。
针对目标城市道路区域的第k组路段第m条车道区域CDEF,进行语义编码。设目标城市道路区域的道路Road的编码为i,则第k组路段第m条车道的语义编码为:
Road-Segment-Lane:i-k-m
根据单向第m个车道区域CDEF的顶点分布,基于狄罗妮三角网算法构建三维几何车道面,组合路段AB中的所有三维几何车道面构建三维路段的几何道路面。
作为优选,步骤3所述通过道路纹理贴图算法构建每组二维路段对应的三维路段的BIM模型,具体为:
在步骤2中获得的目标城市道路区域的第k组路段第m条车道区域CDEF,以C点为原心构建二维纹理笛卡尔坐标系,平行于CD为X轴,垂直于CD为Y 轴。则C点在二维纹理笛卡尔坐标系下的坐标为(0,0),F点在二维纹理笛卡尔坐标系下的坐标为(0,1)。
设单条车道对应的纹理图片长度为tw,宽度为th。则D点在二维纹理笛卡尔坐标系下的坐标(UDi,k,m,VDi,k,m)可以计算为:
则E点在二维纹理笛卡尔坐标系下的坐标(UEi,k,m,VEi,k,m)可以计算为:
根据单向第m个车道区域CDEF的顶点分布,基于纹理映射方法构建三维路段BIM模型。
作为优选,步骤4所述通过车道积水重采样算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水分布,具体为:
设目标城市道路区域的积水图像数据的单元格尺寸为R×R,根据目标城市道路区域的第k组路段第m条车道区域CDEF,沿着车道方向和垂直车道方向进行重采样划分为r×r网格,其中r<R。则横向网格个数为hci,k,m,纵向网格个数为vci,k,m表示为:
重采样r×r网格的水深计算分为两种情况:
步骤4.1,当重采样网格对应于积水图像数据所在的R×R大小网格的水深值h 大于水深阈值h>h0,则直接将积水图像网格水深值赋予对应的重采样网格中,根据所有网格水位计算平均水位线WaterLinei,k,m。
步骤4.2,当重采样网格对应于积水图像数据所在的R×R大小网格的水深值h 小于或等于水深阈值h≤h0,由于积水图像数据分辨率较低,需要判断积水边界即h=0所在的重采样网格情况。获取当前重采样的网格的高程数据为Height,则第h行g列网格对应的高程与水位线的插值为:
Δhg,h=WaterLinei,k,m-Heightg,h
此时又可以分为以下几种情况:
当Δh>0且Δh≤ΔH,则该采样点即为边界点;
当Δh>0且Δh>H,则当前点不是边界点,需要进一步向外搜索。返回步骤4.1继续进行搜索;
当Δh<0且|Δh|≤H,则该点离边界点很近,将该采样点作为河流边界点,停止搜索;
当Δh<0且|Δh|>H,则在该采样点和上一个采样点之间基于二分法循环遍历,直到满足前面三种情况之一为止;
作为优选,步骤5所述计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值,具体为:
在步骤3中获得的目标城市道路区域的第k组路段第m条车道区域CDEF,则CDEF对应的水深图像数据为:
{depthg,h|g=1,2,···,hci,k,m;h=1,2,···,vci,k,m}
其中depthg,h表示第h行g列网格对应的水深。当该网格没有积水时,depthg,h的值为0。道路车道区域的积水风险与积水面积、深度密切相关,因此第k组路段第m条车道区域CDEF的积水风险值riski,k,m表示为:
作为优选,步骤6所述通过风险分级评估算法进行风险等级划分得到每组二维路段对应的三维路段的BIM模型的风险等级,具体为:
设第k组三维路段BIM模型第m个车道中最大车道积水风险值为riskmax,最小车道风险值为riskmin,将车道积水风险划分为3个等级,依次为高风险、中风险、低风险。则三个等级划分边界为Level1和Level,其中低风险等级Level< Level1,中风险等级Level1<Level<Level2,高风险等级Level>Level2。等级划分边界计算为:
基于红-黄-蓝色带表示风险值,则第k组路段第m条车道区域CDEF的颜色值colori,k,m为:
其中,Colorbar为色带函数,Length为色带的长度。
最后,将第k组路段第m条车道区域CDEF的积水风险值riski,k,m以语义属性信息写入该组三维路段BIM模型,并基于颜色值colori,k,m进行车道纹理着色。
本方法具有以下优点:
模拟精度高。基于三维城市路段BIM模型,对道路区域进行分段分车道处理,与积水图像叠加进行道路风险评估。传统基于二维矢量道路线的内涝积水模拟评估方法,无法模拟道路区域内的水体范围、深度等重要信息,也难以评估道路区域交通风险。相比而言,本方法可以精细地评估车道区域的积水分布、范围、深度,并计算风险值实现了道路内涝积水精细模拟分析。
模拟效果好。传统道路内涝积水模拟评估通常基于二维矢量道路线,导致只能运用线着色的方法表达道路淹没状态,无法可视化表达水体范围、深度等效果。基于三维城市路段BIM模型的内涝积水模拟评估,通过车道级建模和语义属性挂接,并基于分层设色进行渲染,实现了较好的模拟评估和可视化效果。
本方法提升了城市道路内涝积水模拟分析的精细度和模拟效果,对于城市内涝应急管理和灾后交通疏导管控等具有重要意义。
附图说明
图1:是城市道路内涝积水模拟分析流程图。
图2:是城市道路分段示意图。
图3:是城市道路几何构建示意图。
图4:是城市道路纹理贴图示意图。
图5:是城市路段BIM模型效果图。
图6:是城市道路积水风险分析计算示意图。
图7:是城市道路积水风险分级评估示意图。
图8:是城市道路内涝积水模拟分析效果图。
具体实施方式
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。
下面结合图1至图8介绍本发明的具体实施方式为一种基于城市道路BIM 的内涝积水模拟分析方法。
本发明方法流程图如图1所示,具体步骤如下:
步骤1:引入目标城市道路区域的所有二维矢量道路线、目标城市道路区域的地形和目标城市道路区域的积水图像数据,将目标城市道路区域的二维矢量道路线通过网络拓扑分析方法得到多个道路交叉口,将目标城市道路区域的二维矢量道路线根据多个道路交叉口的位置进行剖分得到多组二维路段和多组二维交叉口;
步骤1所述将目标城市道路区域的二维矢量道路线根据多个道路交叉口的位置进行剖分得到多组二维路段和多组二维交叉口,具体为:
设目标城市道路区域的所有二维矢量道路线为{Roadi|i=1,2,…,e},其中Roadi为第i条二维矢量道路线,目标城市道路区域一共有e条二维矢量道路线。根据网络拓扑分析计算得到二维矢量道路线Roadi上的多组二维交叉口。设二维交叉口表示为Cross,交叉口个数为p,则多组二维交叉口表示为:
{Crossi,j|i=1,2,···,e;j=1,2,···,p}
根据多组二维交叉口,将二维矢量道路线Roadi划分为多个长路段,对于每个长路段基于固定步长L进行等距离剖分,得到多组二维路段,如图2所示。设等距离分段后的路段表示为Segment,路段个数为q,则多组二维路段表示为:
{Segmenti,k|i=1,2,···,e;k=1,2,···,q}
步骤2:将每组二维路段根据每组二维路段的几何分布和每组二维路段的属性信息通过三维道路几何建模算法构建每组二维路段对应的三维路段的几何道路面;
在步骤1中获得的目标城市道路区域的多组二维路段中的第k组路段 Segmenti,k为AB,其中A点在国家2000投影坐标系下的坐标为(XA,YA),B 点在国家2000投影坐标系下的坐标为(XB,YB),如图3所示。则路段Segmenti,k的几何分布可以表示为:
{(XAi,k,YAi,k),(XBi,k,YBi,k)|i=1,2,···,e;k=1,2,···,q}
在步骤1中获得的目标城市道路区域的多组二维路段中的第k组路段 Segmenti,k的单向车道数为N,单车道宽度为W,中间隔离带宽度为D,则路段 Segmenti,k的属性信息表示为:
{(Ni,k,Wi,k,Di,k)|i=1,2,···,e;k=1,2,···,q}
步骤2所述通过三维道路几何建模算法构建每组二维路段对应的三维路段的几何道路面,具体为:
以A点为原心构建二维几何笛卡尔坐标系,平行于AB为X轴,垂直于AB 为Y轴,则A点在二维几何笛卡尔坐标系下的坐标(0,0),B点在二维几何笛卡尔坐标系下的坐标为(L,0)。则目标城市道路区域的第k组路段Segmenti,k的第m条车道表示为:
{Lanei,k,m|i=1,2,···,e;k=1,2,···,q;m=1,2,···,f}
设单向第m(1≤m≤f)个车道区域为CDEF,则C点在二维几何笛卡尔坐标系下的坐标(XCi,k,m,YCi,k,m)可以计算为:
D点在二维几何笛卡尔坐标系下的坐标(XDi,k,m,YDi,k,m)可以计算为:
E点在二维几何笛卡尔坐标系下的坐标(XEi,k,m,YEi,k,m)可以计算为:
F点在二维几何笛卡尔坐标系下的坐标(XFi,k,m,YFi,k,m)可以计算为:
基于七参数转换法目标城市道路区域的第k组路段第m条车道区域CDEF 的顶点坐标,其中C点在全局三维笛卡尔坐标系下的坐标为:
其中,是二维平面坐标系的原点对应的空间几何坐标点,XCi,k,m和YCi,k,m是二维平面坐标,/>和/>是纹理坐标方向向量参数,scaleX和scaleY是缩放参数。
针对目标城市道路区域的第k组路段第m条车道区域CDEF,进行语义编码。设目标城市道路区域的道路Road的编码为i,则第k组路段第m条车道的语义编码为:
Road-Segment-Lane:i-k-m
根据单向第m个车道区域CDEF的顶点分布,基于狄罗妮三角网算法构建三维几何车道面,组合路段AB中的所有三维几何车道面构建三维路段的几何道路面。
步骤3:将每组二维路段对应的三维路段的几何道路面根据每个车道区域,通过道路纹理贴图算法构建每组二维路段对应的三维路段的BIM模型;
步骤3所述通过道路纹理贴图算法构建每组二维路段对应的三维路段的 BIM模型,具体为:
在步骤2中获得的目标城市道路区域的第k组路段第m条车道区域CDEF,以C点为原心构建二维纹理笛卡尔坐标系,平行于CD为X轴,垂直于CD为Y 轴。则C点在二维纹理笛卡尔坐标系下的坐标为(0,0),F点在二维纹理笛卡尔坐标系下的坐标为(0,1),如图4所示。
设单条车道对应的纹理图片长度为tw,宽度为th。则D点在二维纹理笛卡尔坐标系下的坐标(UDi,k,m,VDi,k,m)可以计算为:
则E点在二维纹理笛卡尔坐标系下的坐标(UEi,k,m,VEi,k,m)可以计算为:
根据单向第m个车道区域CDEF的顶点分布,基于纹理映射方法构建三维路段BIM模型,如图5所示。
步骤4:将目标城市道路区域的积水图像数据通过车道积水重采样算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水分布;
步骤4所述通过车道积水重采样算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水分布,具体为:
设目标城市道路区域的积水图像数据的单元格尺寸为R×R,根据目标城市道路区域的第k组路段第m条车道区域CDEF,沿着车道方向和垂直车道方向进行重采样划分为r×r网格,其中r<R,如图6所示。则横向网格个数为hci,k,m,纵向网格个数为vci,k,m表示为:
重采样r×r网格的水深计算分为两种情况:
步骤4.1,当重采样网格对应于积水图像数据所在的R×R大小网格的水深值h 大于水深阈值h>h0,则直接将积水图像网格水深值赋予对应的重采样网格中,根据所有网格水位计算平均水位线WaterLinei,k,m。
步骤4.2,当重采样网格对应于积水图像数据所在的R×R大小网格的水深值h 小于或等于水深阈值h≤h0,由于积水图像数据分辨率较低,需要判断积水边界即h=0所在的重采样网格情况。获取当前重采样的网格的高程数据为Height,则第h行g列网格对应的高程与水位线的插值为:
Δhg,h=WaterLinei,k,m-Heightg,h
此时又可以分为以下几种情况:
当Δh>0且Δh≤ΔH,则该采样点即为边界点;
当Δh>0且Δh>H,则当前点不是边界点,需要进一步向外搜索。返回步骤4.1继续进行搜索;
当Δh<0且|Δh|≤H,则该点离边界点很近,将该采样点作为河流边界点,停止搜索;
当Δh<0且|Δh|>H,则在该采样点和上一个采样点之间基于二分法循环遍历,直到满足前面三种情况之一为止;
步骤5:将每组二维路段对应的三维路段的BIM模型、目标城市道路区域的积水图像数据通过车道风险分析算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值;
步骤5所述计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值,具体为:
在步骤三中获得的目标城市道路区域的第k组路段第m条车道区域CDEF,则CDEF对应的水深图像数据为:
{depthg,h|g=1,2,···,hci,k,m;h=1,2,···,vci,k,m}
其中depthg,h表示第h行g列网格对应的水深。当该网格没有积水时,depthg,h的值为0,如图7所示。道路车道区域的积水风险与积水面积、深度密切相关,因此第k组路段第m条车道区域CDEF的积水风险值riski,k,m表示为:
步骤6:每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值,通过风险分级评估算法进行风险等级划分得到每组二维路段对应的三维路段的BIM模型的风险等级;
步骤6所述通过风险分级评估算法进行风险等级划分得到每组二维路段对应的三维路段的BIM模型的风险等级,具体为:
设第k组三维路段BIM模型第m个车道中最大车道积水风险值为riskmax,最小车道风险值为riskmin,将车道积水风险划分为3个等级,依次为高风险、中风险、低风险。则三个等级划分边界为Level1和Level,其中低风险等级Level< Level1,中风险等级Level1<Level<Level2,高风险等级Level>Level2。等级划分边界计算为:
基于红-黄-蓝色带表示风险值,则第k组路段第m条车道区域CDEF的颜色值colori,k,m为:
其中,Colorbar为色带函数,Length为色带的长度。
最后,将第k组路段第m条车道区域CDEF的积水风险值riski,k,m以语义属性信息写入该组三维路段BIM模型,并基于颜色值colori,k,m进行车道纹理着色,如图8所示。
应当理解的是,上述针对较佳实施例的描述较为详细,并不能因此而认为是对本发明专利保护范围的限制,本领域的普通技术人员在本发明的启示下,在不脱离本发明权利要求所保护的范围情况下,还可以做出替换或变形,均落入本发明的保护范围之内,本发明的请求保护范围应以所附权利要求为准。
Claims (4)
1.一种基于城市道路BIM的内涝积水模拟分析方法,其特征在于,包括以下步骤:
步骤1:引入目标城市道路区域的所有二维矢量道路线、目标城市道路区域的地形和目标城市道路区域的积水图像数据,将目标城市道路区域的二维矢量道路线通过网络拓扑分析方法得到多个道路交叉口,将目标城市道路区域的二维矢量道路线根据多个道路交叉口的位置进行剖分得到多组二维路段和多组二维交叉口;
步骤2:将每组二维路段根据每组二维路段的几何分布和每组二维路段的属性信息通过三维道路几何建模算法构建每组二维路段对应的三维路段的几何道路面;
步骤3:将每组二维路段对应的三维路段的几何道路面根据每个车道区域,通过道路纹理贴图算法构建每组二维路段对应的三维路段的BIM模型;
步骤4:将目标城市道路区域的积水图像数据通过车道积水重采样算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水分布;
步骤5:将每组二维路段对应的三维路段的BIM模型、目标城市道路区域的积水图像数据通过车道风险分析算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值;
步骤6:每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值,通过风险分级评估算法;
步骤4所述通过车道积水重采样算法计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水分布,具体为:
设目标城市道路区域的积水图像数据的单元格尺寸为R×R,根据目标城市道路区域的第k组路段第m条车道区域CDEF,沿着车道方向和垂直车道方向进行重采样划分为r×r网格,其中r<R;则横向网格个数为hci,k,m,纵向网格个数为vci,k,m表示为:
重采样r×r网格的水深计算分为两种情况:
步骤4.1,当重采样网格对应于积水图像数据所在的R×R大小网格的水深值h大于水深阈值h>h0,则直接将积水图像网格水深值赋予对应的重采样网格中,根据所有网格水位计算平均水位线WaterLinei,k,m;
步骤4.2,当重采样网格对应于积水图像数据所在的R×R大小网格的水深值h小于或等于水深阈值h≤h0,由于积水图像数据分辨率较低,需要判断积水边界即h=0所在的重采样网格情况;获取当前重采样的网格的高程数据为Height,则第h行g列网格对应的高程与水位线的插值为:
Δhg,h=WaterLinei,k,m-Heightg,h
此时又可以分为以下几种情况:
当Δh>0且Δh≤ΔH,则该采样点即为边界点;
当Δh>0且Δh>H,则当前点不是边界点,需要进一步向外搜索;返回步骤4.1继续进行搜索;
当Δh<0且|Δh|≤H,则该点离边界点很近,将该采样点作为河流边界点,停止搜索;
当Δh<0且|Δh|>H,则在该采样点和上一个采样点之间基于二分法循环遍历,直到满足前面三种情况之一为止;
步骤5所述计算得到每组二维路段对应的三维路段的BIM模型中每个车道的积水风险值,具体为:
在步骤3中获得的目标城市道路区域的第k组路段第m条车道区域CDEF,则CDEF对应的水深图像数据为:
{depthg,h|g=1,2,···,hci,k,m;h=1,2,···,vci,k,m}
其中depthg,h表示第h行g列网格对应的水深;当该网格没有积水时,depthg,h的值为0;道路车道区域的积水风险与积水面积、深度密切相关,因此第k组路段第m条车道区域CDEF的积水风险值riski,k,m表示为:
步骤6所述通过风险分级评估算法进行风险等级划分得到每组二维路段对应的三维路段的BIM模型的风险等级,具体为:
设第k组三维路段BIM模型第m个车道中最大车道积水风险值为riskmax,最小车道风险值为riskmin,将车道积水风险划分为3个等级,依次为高风险、中风险、低风险;则三个等级划分边界为Level1和Level,其中低风险等级Level<Level1,中风险等级Level1<Level<Level2,高风险等级Level>Level2;等级划分边界计算为:
基于红-黄-蓝色带表示风险值,则第k组路段第m条车道区域CDEF的颜色值colori,k,m为:
其中,Colorbar为色带函数,Length为色带的长度;
最后,将第k组路段第m条车道区域CDEF的积水风险值riski,k,m以语义属性信息写入该组三维路段BIM模型,并基于颜色值colori,k,m进行车道纹理着色。
2.根据权利要求1所述的基于城市道路BIM的内涝积水模拟分析方法,其特征在于,步骤1所述将目标城市道路区域的二维矢量道路线根据多个道路交叉口的位置进行剖分得到多组二维路段和多组二维交叉口,具体为:
设目标城市道路区域的所有二维矢量道路线为{Roadi|i=1,2,…,e},其中Roadi为第i条二维矢量道路线,目标城市道路区域一共有e条二维矢量道路线;根据网络拓扑分析计算得到二维矢量道路线Roadi上的多组二维交叉口;设二维交叉口表示为Cross,交叉口个数为p,则多组二维交叉口表示为:
{Crossi,j|i=1,2,···,e;j=1,2,···,p}
根据多组二维交叉口,将二维矢量道路线Roadi划分为多个长路段,对于每个长路段基于固定步长L进行等距离剖分,得到多组二维路段;设等距离分段后的路段表示为Segment,路段个数为q,则多组二维路段表示为:
{Segmenti,k|i=1,2,···,e;k=1,2,···,q}
行风险等级划分得到每组二维路段对应的三维路段的BIM模型的风险等级。
3.根据权利要求1所述的基于城市道路BIM的内涝积水模拟分析方法,其特征在于,所述步骤2具体如下:
在步骤1中获得的目标城市道路区域的多组二维路段中的第k组路段Segmenti,k为AB,其中A点在国家2000投影坐标系下的坐标为(XA,YA),B点在国家2000投影坐标系下的坐标为(XB,YB);则路段Segmenti,k的几何分布可以表示为:
{(XAi,k,YAi,k),(XBi,k,YBi,k)|i=1,2,···,e;k=1,2,···,q}
在步骤1中获得的目标城市道路区域的多组二维路段中的第k组路段Segmenti,k的单向车道数为N,单车道宽度为W,中间隔离带宽度为D,则路段Segmenti,k的属性信息表示为:
{(Ni,k,Wi,k,Di,k)|i=1,2,···,e;k=1,2,···,q}
步骤2所述通过三维道路几何建模算法构建每组二维路段对应的三维路段的几何道路面,具体为:
以A点为原心构建二维几何笛卡尔坐标系,平行于AB为X轴,垂直于AB为Y轴,则A点在二维几何笛卡尔坐标系下的坐标(0,0),B点在二维几何笛卡尔坐标系下的坐标为(L,0);则目标城市道路区域的第k组路段Segmenti,k的第m条车道表示为:
{Lanei,k,m|i=1,2,···,e;k=1,2,···,q;m=1,2,···,f}
设单向第m(1≤m≤f)个车道区域为CDEF,则C点在二维几何笛卡尔坐标系下的坐标(XCi,k,m,YCi,k,m)可以计算为:
D点在二维几何笛卡尔坐标系下的坐标(XDi,k,m,YDi,k,m)可以计算为:
E点在二维几何笛卡尔坐标系下的坐标(XEi,k,m,YEi,k,m)可以计算为:
F点在二维几何笛卡尔坐标系下的坐标(XFi,k,m,YFi,k,m)可以计算为:
基于七参数转换法目标城市道路区域的第k组路段第m条车道区域CDEF的顶点坐标,其中C点在全局三维笛卡尔坐标系下的坐标为:
其中,是二维平面坐标系的原点对应的空间几何坐标点,XCi,k,m和YCi,k,m是二维平面坐标,/>和/>是纹理坐标方向向量参数,scaleX和scaleY是缩放参数;
针对目标城市道路区域的第k组路段第m条车道区域CDEF,进行语义编码;设目标城市道路区域的道路Road的编码为i,则第k组路段第m条车道的语义编码为:
Road-Segment-Lane:i-k-m
根据单向第m个车道区域CDEF的顶点分布,基于狄罗妮三角网算法构建三维几何车道面,组合路段AB中的所有三维几何车道面构建三维路段的几何道路面。
4.根据权利要求1所述的基于城市道路BIM的内涝积水模拟分析方法,其特征在于,步骤3所述通过道路纹理贴图算法构建每组二维路段对应的三维路段的BIM模型,具体为:
在步骤2中获得的目标城市道路区域的第k组路段第m条车道区域CDEF,以C点为原心构建二维纹理笛卡尔坐标系,平行于CD为X轴,垂直于CD为Y轴;则C点在二维纹理笛卡尔坐标系下的坐标为(0,0),F点在二维纹理笛卡尔坐标系下的坐标为(0,1);
设单条车道对应的纹理图片长度为tw,宽度为th;则D点在二维纹理笛卡尔坐标系下的坐标(UDi,k,m,VDi,k,m)可以计算为:
则E点在二维纹理笛卡尔坐标系下的坐标(UEi,k,m,VEi,k,m)可以计算为:
根据单向第m个车道区域CDEF的顶点分布,基于纹理映射方法构建三维路段BIM模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210500809.5A CN114840896B (zh) | 2022-05-09 | 2022-05-09 | 一种基于城市道路bim的内涝积水模拟分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210500809.5A CN114840896B (zh) | 2022-05-09 | 2022-05-09 | 一种基于城市道路bim的内涝积水模拟分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114840896A CN114840896A (zh) | 2022-08-02 |
CN114840896B true CN114840896B (zh) | 2024-04-26 |
Family
ID=82569880
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210500809.5A Active CN114840896B (zh) | 2022-05-09 | 2022-05-09 | 一种基于城市道路bim的内涝积水模拟分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114840896B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113706698A (zh) * | 2021-10-25 | 2021-11-26 | 武汉幻城经纬科技有限公司 | 实景三维道路重建方法及装置、存储介质、电子设备 |
CN114048943A (zh) * | 2021-10-08 | 2022-02-15 | 广州珠矶科技有限公司 | 一种基于无人机bim和swmm的城市内涝分析方法、装置及介质 |
CN114119903A (zh) * | 2021-11-25 | 2022-03-01 | 武汉理工大学 | 一种基于实景三维城市的动态交通模拟方法 |
-
2022
- 2022-05-09 CN CN202210500809.5A patent/CN114840896B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114048943A (zh) * | 2021-10-08 | 2022-02-15 | 广州珠矶科技有限公司 | 一种基于无人机bim和swmm的城市内涝分析方法、装置及介质 |
CN113706698A (zh) * | 2021-10-25 | 2021-11-26 | 武汉幻城经纬科技有限公司 | 实景三维道路重建方法及装置、存储介质、电子设备 |
CN114119903A (zh) * | 2021-11-25 | 2022-03-01 | 武汉理工大学 | 一种基于实景三维城市的动态交通模拟方法 |
Non-Patent Citations (1)
Title |
---|
城市排水防涝地表二维模拟评估方法研究;陈小龙;陆露;盛政;刘小梅;赵冬泉;;中国给水排水;20151201(第23期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114840896A (zh) | 2022-08-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103544390B (zh) | 基于元胞自动机的溃决洪水快速演进模拟分析方法 | |
Jong et al. | An evolutionary model for simultaneously optimizing three-dimensional highway alignments | |
CN106383868A (zh) | 一种基于道路网络的时空轨迹聚类方法 | |
CN105159954A (zh) | 基于gis与虚拟现实技术的三维电子海图生成方法 | |
CN110631601B (zh) | 一种基于非显示拓扑矢量地图的路径规划方法 | |
CN104933899A (zh) | 船舶适航预警系统及预警方法 | |
CN111767597A (zh) | 一种城市模型验证方法、装置、设备及存储介质 | |
KR101394976B1 (ko) | 연속지적도의 다축척 모델 생성 방법 | |
CN115329691B (zh) | 一种基于cfd与gis的超大城市风环境模拟方法 | |
CN111815117B (zh) | 一种基于Grasshopper平台城市易涝程度模拟评价方法 | |
CN114840896B (zh) | 一种基于城市道路bim的内涝积水模拟分析方法 | |
CN109583628A (zh) | 一种基于元胞自动机的洪涝人员动态疏散路径分析方法 | |
Chen et al. | Analyzing inundation extent in small reservoirs: A combined use of topography, bathymetry and a 3D dam model | |
CN112348867A (zh) | 基于LiDAR点云数据的城市高精度三维地形构建方法及系统 | |
CN111738527B (zh) | 一种基于热点探测模型的城市交通小区划分方法 | |
Sun et al. | Study on safe evacuation routes based on crowd density map of shopping mall | |
CN114969944A (zh) | 一种高精度道路dem构建方法 | |
CN113554221B (zh) | 一种“流空间”视角下的城镇开发边界模拟预测方法 | |
CN115619712A (zh) | 一种基于无人机航拍技术的水域面积监测评估方法 | |
CN115953556A (zh) | 暴雨内涝道路风险ar预警方法及装置 | |
CN205068800U (zh) | 船舶适航预警系统 | |
Chen et al. | Wargame Mapping and Implementation for Emergency Evacuation of Residents in Urban Waterlogging Disaster | |
Kim et al. | Urban flood inundation simulation based on high-precision 3D modeling | |
Al-Hadad et al. | A genetic algorithm approach to a 3D highway alignment development | |
Nguyen et al. | Realistic Urban Road Network Modelling From GIS Data. |
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 |