CN115186943A - 一种城市排水内涝预测建模方法、系统、电子设备 - Google Patents
一种城市排水内涝预测建模方法、系统、电子设备 Download PDFInfo
- Publication number
- CN115186943A CN115186943A CN202211120525.XA CN202211120525A CN115186943A CN 115186943 A CN115186943 A CN 115186943A CN 202211120525 A CN202211120525 A CN 202211120525A CN 115186943 A CN115186943 A CN 115186943A
- Authority
- CN
- China
- Prior art keywords
- waterlogging
- drainage
- information
- rainfall
- flow direction
- 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 34
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 96
- 238000009826 distribution Methods 0.000 claims abstract description 49
- 238000007689 inspection Methods 0.000 claims abstract description 4
- 230000008859 change Effects 0.000 claims description 15
- 239000002352 surface water Substances 0.000 claims description 12
- 238000003860 storage Methods 0.000 claims description 10
- 238000006073 displacement reaction Methods 0.000 claims description 7
- 238000001514 detection method Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 description 5
- 238000004590 computer program Methods 0.000 description 5
- 238000004891 communication Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 238000005259 measurement Methods 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000006870 function Effects 0.000 description 3
- 239000010426 asphalt Substances 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001603 reducing effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 238000002604 ultrasonography Methods 0.000 description 2
- 230000002411 adverse Effects 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography 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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01F—MEASURING VOLUME, VOLUME FLOW, MASS FLOW OR LIQUID LEVEL; METERING BY VOLUME
- G01F23/00—Indicating or measuring liquid level or level of fluent solid material, e.g. indicating in terms of volume or indicating by means of an alarm
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Environmental & Geological Engineering (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Fluid Mechanics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Sewage (AREA)
- Atmospheric Sciences (AREA)
- Environmental Sciences (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Life Sciences & Earth Sciences (AREA)
Abstract
本发明公开了一种城市排水内涝预测建模方法、系统、电子设备，属于城市内涝预测技术领域，包括通过无人机航拍获取地表特征并建立地表模型；采集每个排水沟在雨天时的实时排水流量；当降雨量达到触发值时，触发无人机对相应区域的道路进行排水巡检；无人机获取路面上的水流流向信息、排水沟的排水量和积水分布信息，并存储到地表数据库中；依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型。本发明当降雨量达到触发值时获取路面上的水流流向信息、排水沟的排水量和积水分布信息；依据地表模型以及上述信息构建内涝预测模型，可以实现对当前区域在不同降雨量下的内涝情况进行准确的预测。
Description
技术领域
本发明涉及内涝预测技术领域，具体为一种城市排水内涝预测建模方法、系统、电子设备。
背景技术
随着城市化的推进，暴雨内涝逐渐成为许多城市的主要自然灾害，面对严重的城市暴雨内涝灾害，基于城市内涝模型，开展精细化的暴雨内涝影响和风险预警是降低暴雨内涝灾害、减少财产损失的有效途径。
近年来，我国城市内涝灾害频发，严重威胁到人们的生命及财产安全，给城市发展带来诸多困扰。为有效应对洪涝灾害及其不利影响，越来越多的工程与非工程措施在洪涝灾害管理中实施。城市内涝模拟作为一项有效的非工程性措施，通过城市降雨径流过程模拟获取一定降雨条件下地表与地下的径流情况，能有效辅助灾情预报及分析，在国内外被广泛应用。
公开号为CN114048943A的申请文件公开了一种基于无人机BIM和SWMM的城市内涝分析方法、装置及介质，其通过融合无人机拍摄的三维实景数据、建筑模型数据、SWMM模型数据，可以快速对监测城市内涝灾害范围及受灾程度分析的功能。但是仅通过无人机拍摄无法准确获取不同降雨情况下的地表汇流情况和积水深度分布情况。一方面，路面地形的微小变化会影响汇流情况，通过拍摄无法准确获取这些信息；另一方面，排水沟可能会发生堵塞导致排水量减少的情况，无人机拍摄也无法准确获取该信息；但是在不同降雨条件下的排水沟的排水情况和地表汇流情况确实会严重影响内涝预测结果的准确度。
发明内容
本发明旨在至少在一定程度上解决相关技术中的技术问题之一。为此，本发明提供了一种应用于城市排水内涝预测建模方法、系统、电子设备、存储介质，当降雨量达到触发值时获取路面上的水流流向信息、排水沟的排水量和积水分布信息，得到不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息；最后依据地表模型以及上述信息构建内涝预测模型，可以实现对当前区域在不同降雨量下的内涝情况进行准确的预测。
为实现上述目的，第一方面，本申请提供了一种城市排水内涝预测建模方法，包括：
通过无人机航拍获取地表特征并建立地表模型；
采集每个排水沟在雨天时的实时排水流量；
当降雨量达到触发值时，触发无人机对相应区域的道路进行排水巡检；
无人机获取路面上的水流流向信息、排水沟的排水量和积水分布信息，并存储到地表数据库中；
依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型；
其中，所述地表数据库内存储有不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息。
优选的，所述地表数据库内还存储有相应路段的每个排水沟在每次降雨时的次累计排水沟排水量值和每个路段在每次降雨时的次累计路段排水量以及当前区域每次降雨的总降水量；
所述地表数据库内存储有按不同降雨等级划分的历史降雨量数据，所述当降雨量达到触发值包括将所述地表数据库内按不同降雨等级划分的历史降雨量数据中缺少对应不同路段总排水量、对应的水流流向信息、最大次累计排水沟排水量值以及积水分布信息的最小历史降雨量数据作为每次降雨的触发值。
优选的，所述积水分布信息包括积水深度分布情况，获取路面的积水分布信息包括确定每次降雨时积水深度超过第一阈值的若干可疑内涝点。
优选的，所述地表数据库内存储有当前区域的地图信息，所述地图信息包括不同路段的位置信息和每个路段上不同排水沟的位置坐标信息，所述确定每次降雨时积水深度超过第一阈值的若干可疑内涝点包括在地图信息上对若干可疑内涝点的位置坐标进行相应标记。
优选的，所述内涝预测模型包括地表水流流向趋势变化特征、可疑内涝点的存水特征和排水沟最大排水量；所述依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型包括依据水流流向信息确定地表水流流向趋势变化特征并对地表模型表面参数进行优化使其满足当前地表水流流向趋势变化特征，所述地表水流流向趋势变化特征包括水流方向和水流流速；构建内涝预测模型还包括每个排水沟的位置信息和相应的排水沟最大排水量以及每个可疑内涝点的位置坐标信息和相应的最大存水量。
优选的，所述无人机获取路面上的水流流向信息包括无人机向沿四周不同方向调节其发射声波的角度，并分别通过多普勒检测获取水流流向信息和流速变化信息。
优选的，所述无人机获取路面上的积水分布信息包括：
获取路面拍摄图像；
对路面拍摄图像进行灰度处理；
识别路面基础灰度值数据；
对小于路面基础灰度值的区域进行边缘识别生成特定区域；
将面积大于第二阈值的特定区域定义为内涝识别区域。
优选的，所述确定每次降雨时积水深度超过第一阈值的若干可疑内涝点包括无人机在距离地面固定高度向内涝识别区域的水面发射超声波，通过测算接收反射波的时间间隔计算内涝识别区域的积水深度，将积水深度超过第一阈值的内涝识别区域定义为可疑内涝点。
第二方面，本申请提供一种城市排水内涝预测建模系统，包括：
无人机，用于航拍获取地表特征并建立地表模型；
流量采集模块，用于采集每个排水沟在雨天时的实时排水流量，其中，每个排水沟的侧边均设置有流量采集模块；
摄像模块，用于采集路面拍摄图像并获取路面上的积水分布信息；
超声模块，用于计算积水深度；
多普勒模块，用于获取路面上的水流流向信息；
计算模块，用于依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型；
地表数据库，存储有不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息。
第三方面，本申请提供一种电子设备，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如上任一项所述方法中的步骤。
与现有技术相比，本发明的有益效果是：
本发明提供的城市排水内涝预测建模方法，通过当降雨量达到触发值时获取路面上的水流流向信息、排水沟的排水量和积水分布信息，得到不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息；最后依据地表模型以及上述信息构建内涝预测模型，可以实现对当前区域在不同降雨量下的内涝情况进行准确的预测。
本申请的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本申请了解本申请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。
附图说明
图1为本发明一种城市排水内涝预测建模方法的流程框图；
图2为本发明一种城市排水内涝预测建模系统的连接框图；
图3为本发明一种电子设备的连接框图。
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，所描述的实施条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。
如图1所示，本发明提供的第一种实施例，一种城市排水内涝预测建模方法，包括以下步骤：
S1、通过无人机航拍获取地表特征并建立地表模型；其中，地表特征主要包括地表起伏信息。
S2、采集每个排水沟在雨天时的实时排水流量；
S3、当降雨量达到触发值时，触发无人机对相应区域的道路进行排水巡检；
S4、无人机获取路面上的水流流向信息、排水沟的排水量和积水分布信息，并存储到地表数据库中；其中，所述地表数据库内的水流流向、排水沟的排水量和积水分布信息是相对应的；
S5、依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型；其中，所述地表数据库内存储有不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息。
通过当降雨量达到触发值时获取路面上的水流流向信息、排水沟的排水量和积水分布信息，得到不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息；最后依据地表模型以及上述信息构建内涝预测模型，可以实现对当前区域在不同降雨量下的内涝情况进行准确的预测。
进一步的，所述地表数据库内还存储有相应路段的每个排水沟在每次降雨时的次累计排水沟排水量值和每个路段在每次降雨时的次累计路段排水量以及当前区域每次降雨的总降水量；所述地表数据库内存储有按不同降雨等级划分的历史降雨量数据，所述当降雨量达到触发值包括将所述地表数据库内按不同降雨等级划分的历史降雨量数据中缺少对应不同路段总排水量、对应的水流流向信息、最大次累计排水沟排水量值以及积水分布信息的最小历史降雨量数据作为每次降雨的触发值。
所述积水分布信息包括积水深度分布情况，获取路面的积水分布信息包括确定每次降雨时积水深度超过第一阈值的若干可疑内涝点。其中，第一阈值可以根据当前区域的历史内涝严重程度进行选取。
所述地表数据库内存储有当前区域的地图信息，所述地图信息包括不同路段的位置信息和每个路段上不同排水沟的位置坐标信息，所述确定每次降雨时积水深度超过第一阈值的若干可疑内涝点包括在地图信息上对若干可疑内涝点的位置坐标进行相应标记。
优选的，所述内涝预测模型包括地表水流流向趋势变化特征、可疑内涝点的存水特征和排水沟最大排水量；所述依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型包括依据水流流向信息确定地表水流流向趋势变化特征并对地表模型表面参数进行优化使其满足当前地表水流流向趋势变化特征，所述地表水流流向趋势变化特征包括水流方向和水流流速；构建内涝预测模型还包括每个排水沟的位置信息和相应的排水沟最大排水量以及每个可疑内涝点的位置坐标信息和相应的最大存水量。
其中，具体的，所述无人机获取路面上的水流流向信息包括无人机向沿四周不同方向调节其发射声波的角度，并分别通过多普勒检测获取水流流向信息和流速变化信息。具体通过测量多普勒换能器发射声波和接收声波的频率差异判断当前测量水流流向和此时无人机飞行方向的关系，如果水流运动方向是靠近无人机换能器的，多普勒换能器接收的反射频率比发射频率高，如果水流运动方向是远离无人机换能器的，多普勒换能器接收的反射频率比发射频率低。在调节发射声波的角度并进行测量的过程中，多普勒换能器接收的反射频率比发射频率最高时对应的发射声波的角度与水流方向正相对，多普勒换能器接收的反射频率比发射频率最低时对应的发射声波的角度与水流方向相同。
优选的，所述无人机获取路面上的积水分布信息包括：
无人机上搭载有摄像模块，通过摄像模块获取路面拍摄图像；
对路面拍摄图像进行灰度处理；
识别路面基础灰度值数据；
具体的，该实施例下的路面为黑色的沥青路面，可以将降雨初期（降雨量小于一定数值时）的路面灰度值作为路面基础灰度值。
对小于路面基础灰度值的区域进行边缘识别生成特定区域；因为内涝区域的积水由于长时间排放不出去，所以一般会混杂部分泥土，导致积水区域整体成偏黄色，会导致积水区域的整体灰度值小于黑色的沥青路面。
将面积大于第二阈值的特定区域定义为内涝识别区域。其中，第二阈值可以根据当前路段的特殊要求（比如是否属于学校周围）以及历史车辆流量综合进行设定。
优选的，所述确定每次降雨时积水深度超过第一阈值的若干可疑内涝点包括无人机在距离地面固定高度向内涝识别区域的水面发射超声波，通过测算接收反射波的时间间隔计算内涝识别区域的积水深度，将积水深度超过第一阈值的内涝识别区域定义为可疑内涝点。具体的，一般对该内涝识别区域的中心区域进行超声测量，更优选的，是在识别区域设定多个测量点分别进行超声波检测，以此来确定该识别区域的最大积水深度，并将该最大积水深度和第一阈值进行对比。
如图2所示，第二方面，本申请提供一种城市排水内涝预测建模系统，包括：
无人机，用于航拍获取地表特征并建立地表模型；
流量采集模块，用于采集每个排水沟在雨天时的实时排水流量，其中，每个排水沟的侧边均设置有流量采集模块，可以全面地采集到从任何方向流向该排水沟的水流，提高排水沟排水流量的测量准确度。
摄像模块，用于采集路面拍摄图像并获取路面上的积水分布信息；
超声模块，用于计算积水深度；
多普勒模块，用于获取路面上的水流流向信息；
计算模块，用于依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型；
地表数据库，存储有不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息。
如图3所示，第三方面，本申请提供一种电子设备，包括处理器202以及存储器201，存储器201存储有计算机可读取指令，当计算机可读取指令由处理器202执行时，运行上述方法中的步骤。通过上述技术方案，处理器202和存储器201通过通信总线和/或其他形式的连接机构（未标出）互连并相互通讯，存储器201存储有处理器可执行的计算机程序，当电子设备运行时，处理器202执行该计算机程序，以执行时执行上述实施例的任一可选的实现方式中的方法，以实现以下功能：通过当降雨量达到触发值时获取路面上的水流流向信息、排水沟的排水量和积水分布信息，得到不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息；最后依据地表模型以及上述信息构建内涝预测模型，可以实现对当前区域在不同降雨量下的内涝情况进行准确的预测。
在本申请的上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
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上实施的计算机程序产品的形式。其中，存储介质可以由任何类型的易失性或非易失性存储设备或者它们的组合实现，如静态随机存取存储器（Static RandomAccess Memory, 简称SRAM），电可擦除可编程只读存储器（Electrically ErasableProgrammable Read-Only Memory, 简称EEPROM），可擦除可编程只读存储器（ErasableProgrammable Read Only Memory, 简称EPROM），可编程只读存储器（Programmable Red-Only Memory, 简称PROM），只读存储器（Read-OnlyMemory, 简称ROM），磁存储器，快闪存储器，磁盘或光盘。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。
在本申请所提供的实施例中，应该理解到，所揭露装置和方法，可以通过其它的方式实现。以上所描述的装置实施例仅仅是示意性的，例如，所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，又例如，多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些通信接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
Claims (10)
1.一种城市排水内涝预测建模方法，其特征在于，包括：
通过无人机航拍获取地表特征并建立地表模型；
采集每个排水沟在雨天时的实时排水流量；
当降雨量达到触发值时，触发无人机对相应区域的道路进行排水巡检；
无人机获取路面上的水流流向信息、排水沟的排水量和积水分布信息，并存储到地表数据库中；
依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型；
其中，所述地表数据库内存储有不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息。
2.根据权利要求1所述的城市排水内涝预测建模方法，其特征在于，
所述地表数据库内还存储有相应路段的每个排水沟在每次降雨时的次累计排水沟排水量值和每个路段在每次降雨时的次累计路段排水量以及当前区域每次降雨的总降水量；
所述地表数据库内存储有按不同降雨等级划分的历史降雨量数据，所述当降雨量达到触发值包括将所述地表数据库内按不同降雨等级划分的历史降雨量数据中缺少对应不同路段总排水量、对应的水流流向信息、最大次累计排水沟排水量值以及积水分布信息的最小历史降雨量数据作为每次降雨的触发值。
3.根据权利要求2所述的城市排水内涝预测建模方法，其特征在于，所述积水分布信息包括积水深度分布情况，获取路面的积水分布信息包括确定每次降雨时积水深度超过第一阈值的若干可疑内涝点。
4.根据权利要求3所述的城市排水内涝预测建模方法，其特征在于，所述地表数据库内存储有当前区域的地图信息，所述地图信息包括不同路段的位置信息和每个路段上不同排水沟的位置坐标信息，所述确定每次降雨时积水深度超过第一阈值的若干可疑内涝点包括在地图信息上对若干可疑内涝点的位置坐标进行相应标记。
5.根据权利要求4所述的城市排水内涝预测建模方法，其特征在于，所述内涝预测模型包括地表水流流向趋势变化特征、可疑内涝点的存水特征和排水沟最大排水量；所述依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型包括依据水流流向信息确定地表水流流向趋势变化特征并对地表模型表面参数进行优化使其满足当前地表水流流向趋势变化特征，所述地表水流流向趋势变化特征包括水流方向和水流流速；构建内涝预测模型还包括每个排水沟的位置信息和相应的排水沟最大排水量以及每个可疑内涝点的位置坐标信息和相应的最大存水量。
6.根据权利要求5所述的城市排水内涝预测建模方法，其特征在于，所述无人机获取路面上的水流流向信息包括无人机向沿四周不同方向调节其发射声波的角度，并分别通过多普勒检测获取水流流向信息和流速变化信息。
7.根据权利要求6所述的城市排水内涝预测建模方法，其特征在于，无人机获取路面上的积水分布信息包括：
获取路面拍摄图像；
对路面拍摄图像进行灰度处理；
识别路面基础灰度值数据；
对小于路面基础灰度值的区域进行边缘识别生成特定区域；
将面积大于第二阈值的特定区域定义为内涝识别区域。
8.根据权利要求7所述的城市排水内涝预测建模方法，其特征在于，所述确定每次降雨时积水深度超过第一阈值的若干可疑内涝点包括无人机在距离地面固定高度向内涝识别区域的水面发射超声波，通过测算接收反射波的时间间隔计算内涝识别区域的积水深度，将积水深度超过第一阈值的内涝识别区域定义为可疑内涝点。
9.一种城市排水内涝预测建模系统，其特征在于，包括：
无人机，用于航拍获取地表特征并建立地表模型；
流量采集模块，用于采集每个排水沟在雨天时的实时排水流量，其中，每个排水沟的侧边均设置有流量采集模块；
摄像模块，用于采集路面拍摄图像并获取路面上的积水分布信息；
超声模块，用于计算积水深度；
多普勒模块，用于获取路面上的水流流向信息；
计算模块，用于依据地表模型以及地表数据库内的水流流向信息、排水沟的排水量和积水分布信息构建内涝预测模型；
地表数据库，存储有不同降雨量下的不同路段总排水量和对应的水流流向信息以及积水分布信息。
10.一种电子设备，其特征在于，包括处理器以及存储器，所述存储器存储有计算机可读取指令，当所述计算机可读取指令由所述处理器执行时，运行如权利要求1-8任一项所述方法中的步骤。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211120525.XA CN115186943A (zh) | 2022-09-15 | 2022-09-15 | 一种城市排水内涝预测建模方法、系统、电子设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211120525.XA CN115186943A (zh) | 2022-09-15 | 2022-09-15 | 一种城市排水内涝预测建模方法、系统、电子设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN115186943A true CN115186943A (zh) | 2022-10-14 |
Family
ID=83524211
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211120525.XA Pending CN115186943A (zh) | 2022-09-15 | 2022-09-15 | 一种城市排水内涝预测建模方法、系统、电子设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115186943A (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485034A (zh) * | 2023-05-15 | 2023-07-25 | 深圳市嘉闰州生态建工有限公司 | 一种城市排水量预测方法及系统 |
| CN117727187A (zh) * | 2023-12-14 | 2024-03-19 | 广州巨隆科技有限公司 | 基于终端的大数据分析处理方法及系统 |
Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012234523A (ja) * | 2011-04-20 | 2012-11-29 | Nabla-Zero Co Ltd | 災害危険域予測装置 |
| 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 |
| CN114118884A (zh) * | 2021-10-28 | 2022-03-01 | 南方科技大学 | 一种城市暴雨内涝区域风险识别的方法、系统及存储介质 |
-
2022
- 2022-09-15 CN CN202211120525.XA patent/CN115186943A/zh active Pending
Patent Citations (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012234523A (ja) * | 2011-04-20 | 2012-11-29 | Nabla-Zero Co Ltd | 災害危険域予測装置 |
| 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 |
| CN114118884A (zh) * | 2021-10-28 | 2022-03-01 | 南方科技大学 | 一种城市暴雨内涝区域风险识别的方法、系统及存储介质 |
Non-Patent Citations (1)
| Title |
|---|
| 王广君 等: "《传感器技术及实验》", 30 June 2013, 中国地质大学出版社 * |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116485034A (zh) * | 2023-05-15 | 2023-07-25 | 深圳市嘉闰州生态建工有限公司 | 一种城市排水量预测方法及系统 |
| CN116485034B (zh) * | 2023-05-15 | 2023-09-08 | 深圳市嘉闰州生态建工有限公司 | 一种城市排水量预测方法及系统 |
| CN117727187A (zh) * | 2023-12-14 | 2024-03-19 | 广州巨隆科技有限公司 | 基于终端的大数据分析处理方法及系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Al-Juaidi et al. | Evaluation of flood susceptibility mapping using logistic regression and GIS conditioning factors | |
| CN115186943A (zh) | 一种城市排水内涝预测建模方法、系统、电子设备 | |
| US20190354873A1 (en) | Analysis system and hydrology management for basin rivers | |
| Bates et al. | A simple raster-based model for flood inundation simulation | |
| KR101849730B1 (ko) | 국소적 기상측정 기반 하천범람 모니터링 시스템 및 그 방법 | |
| CN111623722A (zh) | 一种基于多传感器的边坡变形立体监测系统和方法 | |
| CN111507375B (zh) | 一种城市内涝风险快速评估方法及系统 | |
| Hocini et al. | Performance of automated methods for flash flood inundation mapping: a comparison of a digital terrain model (DTM) filling and two hydrodynamic methods | |
| Leitao et al. | Real-time forecasting urban drainage models: full or simplified networks? | |
| CN114118884A (zh) | 一种城市暴雨内涝区域风险识别的方法、系统及存储介质 | |
| KR20160110035A (ko) | 재해예측 시스템 | |
| Hu et al. | Prediction of the future flood severity in plain river network region based on numerical model: A case study | |
| US20230401651A1 (en) | Airborne and/or spaceborne optical flood and flood damage sensory system and method thereof | |
| Russo et al. | Flood hazard assessment in the Raval District of Barcelona using a 1D/2D coupled model | |
| CN113392447B (zh) | 基于调洪演算的溶洞过流能力计算方法、装置和存储介质 | |
| Shamaoma et al. | Extraction of flood-modelling related base-data from multi-source remote sensing imagery | |
| Hedger et al. | Mapping natural and artificial migration hindrances for fish using LiDAR remote sensing | |
| Chen et al. | Analysis of the Sanchung inundation during Typhoon Aere, 2004 | |
| Štěpánková et al. | The assessment of level of flash floods threat of urbanised areas. | |
| CN116432869B (zh) | 气象灾害预警方法、装置、设备及存储介质 | |
| CN117556643B (zh) | 一种洪水预警预报方法及预报系统 | |
| CN116935576B (zh) | 一种河道壅塞监测分析预警方法及系统 | |
| CN117113038B (zh) | 城市水土流失黄泥水事件溯源方法及系统 | |
| Dagnachew Adinew et al. | Evaluation of hydraulic adequacy of runoff disposal in urban watersheds of rapidly expanding towns | |
| Lee | A modified digital elevation modeling for stormwater management planning in segmentalized micro-catchment areas |
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 | ||
| RJ01 | Rejection of invention patent application after publication |
Application publication date: 20221014 |
|
| RJ01 | Rejection of invention patent application after publication |