CN114943155A - 一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统 - Google Patents
一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统 Download PDFInfo
- Publication number
- CN114943155A CN114943155A CN202210703105.8A CN202210703105A CN114943155A CN 114943155 A CN114943155 A CN 114943155A CN 202210703105 A CN202210703105 A CN 202210703105A CN 114943155 A CN114943155 A CN 114943155A
- Authority
- CN
- China
- Prior art keywords
- flood
- area
- module
- rescue
- information
- 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 37
- 238000005516 engineering process Methods 0.000 title claims abstract description 19
- 238000004088 simulation Methods 0.000 claims abstract description 39
- 238000012544 monitoring process Methods 0.000 claims description 23
- 230000008569 process Effects 0.000 claims description 11
- 238000012800 visualization Methods 0.000 claims description 11
- 230000003993 interaction Effects 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 6
- 239000000463 material Substances 0.000 claims description 5
- 238000005192 partition Methods 0.000 claims description 4
- 238000013316 zoning Methods 0.000 claims description 4
- 238000001514 detection method Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 claims description 3
- 238000012546 transfer Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 abstract description 2
- 230000002787 reinforcement Effects 0.000 abstract description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 11
- 238000012549 training Methods 0.000 description 6
- 230000006399 behavior Effects 0.000 description 4
- 230000009471 action Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 238000005457 optimization Methods 0.000 description 3
- 238000013523 data management Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000010354 integration Effects 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012806 monitoring device Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 238000013500 data storage Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 238000005553 drilling Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000004927 fusion Effects 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
- 238000006467 substitution reaction 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
- 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
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
- G06T17/05—Geographic models
-
- G—PHYSICS
- G09—EDUCATION; CRYPTOGRAPHY; DISPLAY; ADVERTISING; SEALS
- G09B—EDUCATIONAL OR DEMONSTRATION APPLIANCES; APPLIANCES FOR TEACHING, OR COMMUNICATING WITH, THE BLIND, DEAF OR MUTE; MODELS; PLANETARIA; GLOBES; MAPS; DIAGRAMS
- G09B9/00—Simulators for teaching or training purposes
-
- 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
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Educational Administration (AREA)
- Tourism & Hospitality (AREA)
- Remote Sensing (AREA)
- Health & Medical Sciences (AREA)
- General Engineering & Computer Science (AREA)
- Computer Hardware Design (AREA)
- Computer Graphics (AREA)
- Development Economics (AREA)
- Evolutionary Computation (AREA)
- Educational Technology (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统，具体包括以下步骤：S1、采集每条河道和河道周边的相关数据，包括河床高度，河道类型，河道宽度，河道截面形状；本发明涉及航空器仿真推演平台支持技术领域。该基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统，通过结合洪流灾害的具体特点，包括突发性强、可救援时间短等，构建了一种虚拟指挥系统框架，该框架主要由物理模块、理论模块、任务编辑器、模型编辑器、驱动引擎、航空器性能评估模块、强化学习模块七大模块组成，七大模块科学合理安排，从而使得指挥决策人员不需要专业的洪灾知识就可以高效地进行应急救援决策，并实时掌握救援情况。
Description
技术领域
本发明涉及航空器仿真推演平台支持技术领域，具体为一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统。
背景技术
数字孪生是基于“虚实融合,以虚控实”的基本思想，通过理论建模和前期试验数据构建仿真模型,实现对物理实体的高置信度仿真预测，从而实现救援装备、灾害现场环境、救援指挥调度行为等的高逼真度仿真推演，航空应急救援数字孪生体的构建采用的是模型驱动和数据驱动融合的方法。
真实的洪灾场景难以复现，并且将救援人员置于真实环境进行训练的危险性极高，因此一般采用虚拟仿真系统进行训练，利用虚拟仿真系统进行训练具有安全性高、成本低等优点，所以高逼真度仿真演练在救援领域受到越来越多重视。
现有大部分虚拟训练系统都是针对地面救援设计，无法适应无人机/直升机组合救援的特点，因此如何科学高效地构建多航空器组合救援的虚拟仿真训练场景对进行洪灾应急救援具有重要意义。
发明内容
针对现有技术的不足，本发明提供了一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统，解决了真实的洪灾场景难以复现，不能够为指挥人员快速高效进行应急救援决策提供技术支持的问题。
为实现以上目的，本发明通过以下技术方案予以实现：一种基于数字孪生技术的洪灾应急救援方法，具体包括以下步骤：
S1、采集每条河道和河道周边的相关数据，包括河床高度，河道类型，河道宽度，河道截面形状；
S2、搭建洪灾发生地的三维真实地形；
S3、采集洪灾仿真场景的基本信息，包括洪灾发生地，洪灾等级，洪流演进过程，淹没范围，演进时间，流速，泥深等洪灾信息的时空分布；
S4、构建洪灾场景模型；所述模型包括洪灾范围线，洪灾动态演进，尚存监测设备分布；
S5、根据洪灾场景模型，并将洪灾区域划分四个区域，其中，第一区域为重度洪灾区，第二区为中度洪灾区，第三区为潜在洪灾区，是洪灾演变过程中容易转变为重度洪灾区和中度洪灾区的区域，第四区为轻度洪灾区，适合进行救援的区域；
S6、根据不同区域的受灾人员分布构建精细化分布模型；
S7、将洪灾场景模型与受灾人员精细化分布模型进行结合，得到人员分布-洪灾分区划分区；
S8、按照洪灾分区及受灾人员分布特点，添加次生灾害效果，完成多航空器组合洪灾应急救援仿真场景的构建。
优选的，所述S2包括以下步骤：
S201、通过数据库下载洪灾发生地区的河道及河道周边卫星地图信息，并获取真实洪灾发生地的DEM信息；
S202、对DEM信息进行处理，在三维仿真环境下进行重构，生成具有高逼真度的河道及周边地形；
S203、获取的卫星地图信息和S202生成的地形信息进行叠加处理，得到洪灾发生地的真实地形信息。
优选的，所述S3包括以下步骤：
S301、利用已安装且未被破坏的监测点设备获取部分信息；
S302、利用遥感卫星，气象卫星等卫星获取洪灾发生区的信息。
优选的，所述S4中，利用所述S301和S302的数据，在三维仿真环境下进行建模，得到洪灾发生地的洪灾淹没线图，洪灾演进图。
优选的，所述S5包括以下步骤：
S501、第一区域为重度洪灾区，根据无人机探测信息，确定受灾人员分布，是优先实施救援的区域；
S502、第二区域为中度洪灾区，是能够利用救援信息和投放救援物资，较大幅度提高救援生存率的区域，是次优先实施救援区域；
S503、第三区域为潜在洪灾区，是根据洪灾演进趋势确定的潜在的可能发生洪灾影响的区域，需要进行较大规模人员转移；
S504、第四区域为轻度洪灾区，是能够停放救援航空器的区域。
优选的，所述S6包括以下步骤：
S601、利用救援无人机进行实时观测，获取洪灾区的人员分布数据，观测要求为：救援无人机能够清晰观测到受灾人员的个体画像，以及受灾人员的活动轨迹；
S602、根据S601的数据，构建受灾人员分布图。
本发明还公开了一种基于数字孪生技术的洪灾应急救援虚拟指挥系统，包括物理场景模块和仿真推演平台，所述物理场景模块的输出端与数据采集模块的输入端连接，所述仿真推演平台包括物理模型模块和理论模型模块，所述物理场景模块的输出端与物理模型模块的输入端连接，并且物理模型模块和理论模型模块的输出端与计算引擎模块的输入端连接，所述计算引擎模块的输出端与虚拟场景模块的输入端连接，所述物理场景模块的输入端与指令模块的输出端连接，并且指令模块的输入端与指挥/调度平台模块的输出端连接，所述指挥/调度平台模块的输出端与信息交互/可视化平台模块的输入端连接，并且指挥/调度平台模块的输入端与仿真推演平台的输出端连接，所述信息交互/可视化平台模块的输出端与数据更新模块的输入端连接，并且数据更新模块的输出端与仿真推演平台的输入端连接，所述物理场景模块的输出端与信息交互/可视化平台模块的输入端连接。
有益效果
本发明提供了一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统。与现有技术相比具备以下有益效果：该基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统，具体包括以下步骤：S1、采集每条河道和河道周边的相关数据，包括河床高度，河道类型，河道宽度，河道截面形状；S2、搭建洪灾发生地的三维真实地形；S3、采集洪灾仿真场景的基本信息，包括洪灾发生地，洪灾等级，洪流演进过程，淹没范围，演进时间，流速，泥深等洪灾信息的时空分布；S4、构建洪灾场景模型；所述模型包括洪灾范围线，洪灾动态演进，尚存监测设备分布；S5、根据洪灾场景模型，并将洪灾区域划分四个区域，其中，第一区域为重度洪灾区，第二区为中度洪灾区，第三区为潜在洪灾区，是洪灾演变过程中容易转变为重度洪灾区和中度洪灾区的区域，第四区为轻度洪灾区，适合进行救援的区域；S6、根据不同区域的受灾人员分布构建精细化分布模型；S7、将洪灾场景模型与受灾人员精细化分布模型进行结合，得到人员分布-洪灾分区划分区；S8、按照洪灾分区及受灾人员分布特点，添加次生灾害效果，完成多航空器组合洪灾应急救援仿真场景的构建，通过结合洪流灾害的具体特点，包括突发性强、可救援时间短等，构建了一种虚拟指挥系统框架，该框架主要由物理模块、理论模块、任务编辑器、模型编辑器、驱动引擎、航空器性能评估模块、强化学习模块七大模块组成，七大模块科学合理安排，从而使得指挥决策人员不需要专业的洪灾知识就可以高效地进行应急救援决策，并实时掌握救援情况，而且该系统和方法是针对无人机/直升机组合洪流灾害救援训练的仿真场景，同时具有物理模型和理论模型，能够实时进行比较，在保证训练效果的基础上以达到救援时间和成本最优。
附图说明
图1为本发明洪灾航空应急救援模块化构建方法示意图；
图2为本发明计算引擎建模示意图。
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。
请参阅图1-2，本发明提供一种技术方案：一种基于数字孪生技术的洪灾应急救援方法，具体包括以下步骤：
S1、采集每条河道和河道周边的相关数据，包括河床高度，河道类型，河道宽度，河道截面形状；
S2、搭建洪灾发生地的三维真实地形；
S3、采集洪灾仿真场景的基本信息，包括洪灾发生地，洪灾等级，洪流演进过程，淹没范围，演进时间，流速，泥深等洪灾信息的时空分布；
S4、构建洪灾场景模型；所述模型包括洪灾范围线，洪灾动态演进，尚存监测设备分布；
S5、根据洪灾场景模型，并将洪灾区域划分四个区域，其中，第一区域为重度洪灾区，第二区为中度洪灾区，第三区为潜在洪灾区，是洪灾演变过程中容易转变为重度洪灾区和中度洪灾区的区域，第四区为轻度洪灾区，适合进行救援的区域；
S6、根据不同区域的受灾人员分布构建精细化分布模型；
S7、将洪灾场景模型与受灾人员精细化分布模型进行结合，得到人员分布-洪灾分区划分区；
S8、按照洪灾分区及受灾人员分布特点，添加次生灾害效果，完成多航空器组合洪灾应急救援仿真场景的构建。
本发明中，S2包括以下步骤：
S201、通过数据库下载洪灾发生地区的河道及河道周边卫星地图信息，并获取真实洪灾发生地的DEM信息；
S202、对DEM信息进行处理，在三维仿真环境下进行重构，生成具有高逼真度的河道及周边地形；
S203、获取的卫星地图信息和S202生成的地形信息进行叠加处理，得到洪灾发生地的真实地形信息。
本发明中，S3包括以下步骤：
S301、利用已安装且未被破坏的监测点设备获取部分信息；
S302、利用遥感卫星，气象卫星等卫星获取洪灾发生区的信息。
本发明中，S4中，利用S301和S302的数据，在三维仿真环境下进行建模，得到洪灾发生地的洪灾淹没线图，洪灾演进图。
本发明中，S5包括以下步骤：
S501、第一区域为重度洪灾区，根据无人机探测信息，确定受灾人员分布，是优先实施救援的区域；
S502、第二区域为中度洪灾区，是能够利用救援信息和投放救援物资，较大幅度提高救援生存率的区域，是次优先实施救援区域；
S503、第三区域为潜在洪灾区，是根据洪灾演进趋势确定的潜在的可能发生洪灾影响的区域，需要进行较大规模人员转移；
S504、第四区域为轻度洪灾区，是能够停放救援航空器的区域。
本发明中，S6包括以下步骤：
S601、利用救援无人机进行实时观测，获取洪灾区的人员分布数据，观测要求为：救援无人机能够清晰观测到受灾人员的个体画像，以及受灾人员的活动轨迹；
S602、根据S601的数据，构建受灾人员分布图。
本发明还公开了一种基于数字孪生技术的洪灾应急救援虚拟指挥系统，包括物理场景模块和仿真推演平台，物理场景模块的输出端与数据采集模块的输入端连接，仿真推演平台包括物理模型模块和理论模型模块，物理场景模块的输出端与物理模型模块的输入端连接，并且物理模型模块和理论模型模块的输出端与计算引擎模块的输入端连接，所述计算引擎模块的输出端与虚拟场景模块的输入端连接，所述物理场景模块的输入端与指令模块的输出端连接，并且指令模块的输入端与指挥/调度平台模块的输出端连接，所述指挥/调度平台模块的输出端与信息交互/可视化平台模块的输入端连接，并且指挥/调度平台模块的输入端与仿真推演平台的输出端连接，所述信息交互/可视化平台模块的输出端与数据更新模块的输入端连接，并且数据更新模块的输出端与仿真推演平台的输入端连接，所述物理场景模块的输出端与信息交互/可视化平台模块的输入端连接。
物理场景模块，提供洪灾场景发生地的各项数据。
数据采集模块，采集物理场景的仿真数据，包括灾发生地经纬度，洪灾等级，淹没范围，流速，泥深等洪灾信息的时空分布。
物理模型模块，用于构建物理场景模型。
理论模型模块，基于历史数据和理论模型，用于构建理论模型。
计算引擎模块，用于物理模型，理论模型以及前述两种模型的融合计算，三维仿真模型的渲染，以及数据管理，所述数据管理包括数据的存储，数据更新，数据读取。
虚拟场景模块，用于融合物理模型和理论模型，生成真实的数字化虚拟场景。
指挥/调度平台模块，用于指挥人员在仿真演练/实际救援时进行指挥，物资人员调度。
信息交互/可视化平台模块，用于指挥人员和物理场景信息进行交互，展示虚拟场景和物理场景的实时可视化动态。
指令模块，用于传输指挥调度指令。
数据更新模块，用于更新采集的物理场景信息。
数据采集模块，采用如下方法进行采集：
A1,利用已有的未被破坏的监测设备进行部分信息采集，所述监测设备包括：雨量监测设备，水位监测设备，水流量监测设备其中一种或多种。
所述雨量监测设备，包括翻斗式雨量计，用于监测洪灾区域的雨量信息，生成雨量监测信号。
所述水位监测设备，包括声波式水位计，压力式水位计，浮子式水位计中一种或多种，用于监测洪灾区域的河道水位信息，生成水位监测信息。
所述水量监测设备，包括流量计，用于监测洪灾区域的河流断面水流量信息，生成断面水流量信号。
A2，根据A1的具体情况，及时派出无人机进行信息监测，弥补洪灾发生地区的监测设备不足。
下面结合图2具体说明仿真推演平台的功能，所述功能包括灾害评估与预测，调度救援人员与物资，航线优化：
仿真推演平台实现这些功能包括以下步骤：
Step1、基于模型驱动的数字孪生体初始模型构建；
所述数字孪生体初始模型构建在数字空间中，利用模型驱动的方法基于物理原理构建的同一物理实体多尺度、跨时间的初始孪生模型。包括反映真实航空装备行为的航空装备模型和反映灾害事故演变趋势机理的物理模型，气象变化模型，地形条件模型，空域限制等，这些条件相互影响与制约，影响灾害事故的演变方向,构建该模型的方法为：
从数据库中调取相应的历史数据基于模型构建数字孪生体初始模型，所述历史数据包括历史洪灾数据，航空器数据，环境数据；
所述历史洪灾数据，用于结合灾害事故机理模型对洪灾进行评估与预测。
所述航空器数据，包括航空器的气动数据，续航时间，飞行高度，飞行速度，最大载重等，为调度人员物资提供支持；
所述环境数据，包括天气数据，气温，风速，气压等，用于结合相应模型对洪灾区域环境变化进行评估与预测；
Step2、模型驱动与数据驱动相融合的动态演化数字孪生体构建：
以数字孪生体初始模型为基础，结合物理空间向数字空间传递的数据，构建动态演化的航空应急救援数字孪生体；
初始模型与物理空间中传递的不同数据相结合，使其具备所要求的行为特征，形成航空应急救援数字孪生体；
将实时传感器数据、航空器装备测试数据与航空装备模型结合，使航空器能够随事故环境变化作出更为准确的行为模拟；
将历史事故数据注入事故模型，构建出事故监测与预警模型，应用于事故预警、事故发生地的监测与事故发展的态势评估；
将局部线性化模型与飞机运行状态环境模型融合并构建调度优化模型，可实现救援飞机的航线优化，使飞机在飞行过程中充分节约时间，提高救援效率。
同时本说明书中未作详细描述的内容均属于本领域技术人员公知的现有技术。
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而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。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。
尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。
Claims (7)
1.一种基于数字孪生技术的洪灾应急救援方法，其特征在于：具体包括以下步骤：
S1、采集每条河道和河道周边的相关数据，包括河床高度，河道类型，河道宽度，河道截面形状；
S2、搭建洪灾发生地的三维真实地形；
S3、采集洪灾仿真场景的基本信息，包括洪灾发生地，洪灾等级，洪流演进过程，淹没范围，演进时间，流速，泥深等洪灾信息的时空分布；
S4、构建洪灾场景模型；所述模型包括洪灾范围线，洪灾动态演进，尚存监测设备分布；
S5、根据洪灾场景模型，并将洪灾区域划分四个区域，其中，第一区域为重度洪灾区，第二区为中度洪灾区，第三区为潜在洪灾区，是洪灾演变过程中容易转变为重度洪灾区和中度洪灾区的区域，第四区为轻度洪灾区，适合进行救援的区域；
S6、根据不同区域的受灾人员分布构建精细化分布模型；
S7、将洪灾场景模型与受灾人员精细化分布模型进行结合，得到人员分布-洪灾分区划分区；
S8、按照洪灾分区及受灾人员分布特点，添加次生灾害效果，完成多航空器组合洪灾应急救援仿真场景的构建。
2.根据权利要求1所述的一种基于数字孪生技术的洪灾应急救援方法，其特征在于：所述S2包括以下步骤：
S201、通过数据库下载洪灾发生地区的河道及河道周边卫星地图信息，并获取真实洪灾发生地的DEM信息；
S202、对DEM信息进行处理，在三维仿真环境下进行重构，生成具有高逼真度的河道及周边地形；
S203、获取的卫星地图信息和S202生成的地形信息进行叠加处理，得到洪灾发生地的真实地形信息。
3.根据权利要求1所述的一种基于数字孪生技术的洪灾应急救援方法，其特征在于：所述S3包括以下步骤：
S301、利用已安装且未被破坏的监测点设备获取部分信息；
S302、利用遥感卫星，气象卫星等卫星获取洪灾发生区的信息。
4.根据权利要求1所述的一种基于数字孪生技术的洪灾应急救援方法，其特征在于：所述S4中，利用所述S301和S302的数据，在三维仿真环境下进行建模，得到洪灾发生地的洪灾淹没线图，洪灾演进图。
5.根据权利要求1所述的一种基于数字孪生技术的洪灾应急救援方法，其特征在于：所述S5包括以下步骤：
S501、第一区域为重度洪灾区，根据无人机探测信息，确定受灾人员分布，是优先实施救援的区域；
S502、第二区域为中度洪灾区，是能够利用救援信息和投放救援物资，较大幅度提高救援生存率的区域，是次优先实施救援区域；
S503、第三区域为潜在洪灾区，是根据洪灾演进趋势确定的潜在的可能发生洪灾影响的区域，需要进行较大规模人员转移；
S504、第四区域为轻度洪灾区，是能够停放救援航空器的区域。
6.根据权利要求1所述的一种基于数字孪生技术的洪灾应急救援方法，其特征在于：所述S6包括以下步骤：
S601、利用救援无人机进行实时观测，获取洪灾区的人员分布数据，观测要求为：救援无人机能够清晰观测到受灾人员的个体画像，以及受灾人员的活动轨迹；
S602、根据S601的数据，构建受灾人员分布图。
7.一种基于数字孪生技术的洪灾应急救援虚拟指挥系统，包括物理场景模块和仿真推演平台，其特征在于：所述物理场景模块的输出端与数据采集模块的输入端连接，所述仿真推演平台包括物理模型模块和理论模型模块，所述物理场景模块的输出端与物理模型模块的输入端连接，并且物理模型模块和理论模型模块的输出端与计算引擎模块的输入端连接，所述计算引擎模块的输出端与虚拟场景模块的输入端连接，所述物理场景模块的输入端与指令模块的输出端连接，并且指令模块的输入端与指挥/调度平台模块的输出端连接，所述指挥/调度平台模块的输出端与信息交互/可视化平台模块的输入端连接，并且指挥/调度平台模块的输入端与仿真推演平台的输出端连接，所述信息交互/可视化平台模块的输出端与数据更新模块的输入端连接，并且数据更新模块的输出端与仿真推演平台的输入端连接，所述物理场景模块的输出端与信息交互/可视化平台模块的输入端连接。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210703105.8A CN114943155A (zh) | 2022-06-21 | 2022-06-21 | 一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210703105.8A CN114943155A (zh) | 2022-06-21 | 2022-06-21 | 一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114943155A true CN114943155A (zh) | 2022-08-26 |
Family
ID=82911168
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210703105.8A Pending CN114943155A (zh) | 2022-06-21 | 2022-06-21 | 一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114943155A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116362113A (zh) * | 2023-02-21 | 2023-06-30 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的事故灾害演化模拟方法及系统 |
| CN117131712A (zh) * | 2023-10-26 | 2023-11-28 | 南开大学 | 一种虚实结合的应急救护模拟系统和方法 |
-
2022
- 2022-06-21 CN CN202210703105.8A patent/CN114943155A/zh active Pending
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116362113A (zh) * | 2023-02-21 | 2023-06-30 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的事故灾害演化模拟方法及系统 |
| CN116362113B (zh) * | 2023-02-21 | 2024-03-12 | 北京图安世纪科技股份有限公司 | 一种基于数字孪生的事故灾害演化模拟方法及系统 |
| CN117131712A (zh) * | 2023-10-26 | 2023-11-28 | 南开大学 | 一种虚实结合的应急救护模拟系统和方法 |
| CN117131712B (zh) * | 2023-10-26 | 2024-01-16 | 南开大学 | 一种虚实结合的应急救护模拟系统和方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114943155A (zh) | 一种基于数字孪生技术的洪灾应急救援方法及虚拟指挥系统 | |
| CN109872509A (zh) | 基于数字孪生驱动的山体地质灾害监测与预警系统及方法 | |
| CN101639871B (zh) | 面向行为研究的车载动态交通信息诱导系统模拟设计方法 | |
| US20210041398A1 (en) | Infrastructure detection and monitoring system | |
| CN114005278B (zh) | 一种高速公路基础设施群智能监测与预警系统及方法 | |
| KR102270267B1 (ko) | 실시간 미세먼지 모니터링 시스템 및 그 방법 | |
| CN114595518B (zh) | 一种基于数字孪生的商业航天飞行与民航运行协作系统 | |
| Subramani et al. | National highway alignment using GIS | |
| CN113625318A (zh) | 基于rtk技术的无人机高精度定位系统 | |
| Seidel et al. | Mobile measurement techniques for local and micro-scale studies in urban and topo-climatology | |
| Zakaria et al. | Aerial platform reliability for flood monitoring under various weather conditions: A review | |
| Bień et al. | The management of bridge structures–challenges and possibilities | |
| Kereszturi | Geologic field work on Mars: distance and time issues during surface exploration | |
| Raballand et al. | DROSERA: A DROne Simulation Environment for Risk Assessment | |
| CN117253341A (zh) | 基于北斗与高分遥感技术的路域灾害监测预警方法与系统 | |
| CN114880848A (zh) | 基于移动网格的低空气象要素信息处理方法 | |
| Grushin et al. | Gump: General urban area microclimate predictions tool | |
| Hosler et al. | Meteorological support for space operations: Review and recommendations | |
| San José et al. | Accurate ozone prognostic patterns for Madrid area by using a high spatial and temporal Eulerian photochemical model | |
| Vargas-Florez et al. | Identifying potential landslide location using Unmanned Aerial Vehicles (UAVs) | |
| CN117252111B (zh) | 一种堤坝隐患和险情区域主动监测方法 | |
| Borgen | Development and Validation of Wind Assessment Software for UAS Bridge Inspections | |
| Pietrafesa et al. | From D-Day to Drones, on Knowing What Observations are Necessary for Marine Operational Forecasting and on the Capacity Building Role of Academia in Research to Operations | |
| Abi-Zeid et al. | Using a geographic decision support system to plan search and rescue operations | |
| Oyama et al. | Situational map integration of dose distribution on the ground surface using Unmanned Aerial Vehicles |
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 |