CN115659703A - 一种基于城市特征数据的数字孪生气象预警模拟方法 - Google Patents
一种基于城市特征数据的数字孪生气象预警模拟方法 Download PDFInfo
- Publication number
- CN115659703A CN115659703A CN202211612000.8A CN202211612000A CN115659703A CN 115659703 A CN115659703 A CN 115659703A CN 202211612000 A CN202211612000 A CN 202211612000A CN 115659703 A CN115659703 A CN 115659703A
- Authority
- CN
- China
- Prior art keywords
- area
- building
- road
- weather
- division
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 64
- 238000004088 simulation Methods 0.000 title claims abstract description 22
- 230000008569 process Effects 0.000 claims description 17
- 238000010276 construction Methods 0.000 claims description 7
- 238000006243 chemical reaction Methods 0.000 claims description 4
- 238000012163 sequencing technique Methods 0.000 claims description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 3
- 238000004590 computer program Methods 0.000 description 3
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000003860 storage Methods 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 230000002787 reinforcement Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013507 mapping Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000005728 strengthening Methods 0.000 description 1
Images
Classifications
-
- 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
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于城市特征数据的数字孪生气象预警模拟方法，涉及气象预警技术领域，所述模拟方法包括如下步骤：基于城市特征建立城市孪生模型；从气象数据库内获取城市历史气象数据，对城市实时气象数据进行采集，将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域，本发明通过对城市区域内的特征进行获取，并基于特征进行区域划分，从而根据气象预警信息进行划分区域内有针对性的加强预警，以解决现有的气象预警推送方法与城市特征不具备关联性，气象预警的针对性不足的问题。
Description
技术领域
本发明涉及气象预警技术领域，具体为一种基于城市特征数据的数字孪生气象预警模拟方法。
背景技术
气象灾害预警信号（以下简称预警信号）种类常见分14种，总体上分为蓝色、黄色、橙色和红色四个等级（Ⅳ、Ⅲ、Ⅱ、Ⅰ级），分别代表一般、较重、严重和特别严重。数字孪生是充分利用物理模型、传感器更新、运行历史等数据，集成多学科、多物理量、多尺度、多概率的仿真过程，在虚拟空间中完成映射，从而反应相对应的实体装备的全生命周期过程；具体应用时，数字孪生可以用于模型建立，通过将现实物体的数据在虚拟空间中进行建立，形成仿真模型，通过设置仿真模型能够进行多种实验的设置。
现有的技术中，在对气象进行预警时，通常基于气象数据的变化进行预警，该领域的技术大多是用于解决气象预警数据如何进行生成和输出的问题，例如申请号为：202010107756.1的现有文件1中公开了一种气象预警分析精准快速推送提醒系统及方法，其需要解决的技术问题为如何将气象预警信息快速精准地推送给用户，缺少根据城市的具体特征进行综合预警的方法，对于城市不同区域进行气象预警的有效性和针对性存在不足；因此需要一种能够根据城市特征来划分区域进行气象预警的方法或系统来解决上述难题。
发明内容
本发明旨在至少在一定程度上解决现有技术中的技术问题之一，通过对区域进行划分，通过对城市区域内的特征进行获取，并基于特征进行区域划分，从而根据气象预警信息进行划分区域内有针对性的加强预警，以解决现有的气象预警推送方法与城市特征不具备关联性，气象预警的针对性不足的问题。
为实现上述目的，本发明提供一种基于城市特征数据的数字孪生气象预警模拟方法，所述模拟方法包括如下步骤：
基于城市特征建立城市孪生模型；城市孪生模型建立过程包括：获取城市建筑特征、道路特征以及车流特征，根据城市建筑特征、道路特征以及车流特征建立城市孪生模型；
从气象数据库内获取城市历史气象数据，对城市实时气象数据进行采集，根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断；
将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域。
进一步地，所述城市孪生模型建立过程包括城市建筑特征构建方法，所述城市建筑特征构建方法包括：获取城市建筑的高度，将城市建筑的高度大于等于第一高度阈值的建筑设定为较高建筑物；
将若干较高建筑物按照高度由高到低进行排序；
按照排序顺序依次选取较高建筑物作为建筑特征划分区域的中心，建筑特征区域设定有较高建筑物排列等级。
进一步地，建筑特征划分区域的划分方法包括：将建筑特征划分区域的中心的较高建筑物设定为区域中心建筑物；
获取区域中心建筑物的高度，设定为区域中心高度，将区域中心高度乘以区域划分最小比例系数得到建筑特征划分区域的最小划分面积；
以区域中心建筑物为中心进行画圆，设定为最小划分区域，将最小划分区域的面积设定等于最小划分面积；
获取最小划分区域内的若干较高建筑物的数量和较高建筑物的高度，将最小划分区域内的若干较高建筑物的数量和较高建筑物的高度通过建筑区域划分参考公式计算得到建筑区域划分参考值；所述建筑区域划分参考公式配置为
；其中，Pjc为建筑区域划分参考值，Gjn为较高建筑物的高度，n为最小划分区域内的若干较高建筑物的数量；
当建筑区域划分参考值小于等于第一建筑区域划分参考阈值时，将最小划分区域的面积加上第一区域增加面积得到新的划分补充区域，重复计算划分补充区域内的建筑区域划分参考值，直至建筑区域划分参考值大于第一建筑区域划分参考阈值时，将最终得到的划分补充区域作为一个建筑特征划分区域；
根据第一个建筑特征划分区域的划分方式依次将城市区域划分为若干建筑特征划分区域；
根据建筑特征划分区域的面积设定较高建筑物排列等级，将面积小于第一划分面积阈值的建筑特征划分区域设定为一级高度建筑区域；将面积小于第二划分面积阈值且大于等于第一划分面积阈值的建筑特征划分区域设定为二级高度建筑区域；将面积大于等于第二划分面积阈值的建筑特征划分区域设定为三级高度建筑区域。
进一步地，所述城市孪生模型建立过程包括道路特征构建方法，所述道路特征构建方法包括：根据建筑特征划分区域对城市道路进行分割，形成道路特征划分区域；
获取建筑特征划分区域内的城市道路平均坡度和城市道路的数量；将城市道路的平均坡度和城市道路的数量通过区域道路参考公式计算得到区域道路参考值；
所述区域道路参考公式配置为：Pdc=Rp×m；其中，Pdc为区域道路参考值，Rp为建筑特征划分区域内的城市道路平均坡度，m为建筑特征划分区域内的城市道路的数量。
进一步地，所述城市孪生模型建立过程包括道路综合特征构建方法，所述道路综合特征构建方法包括：获取道路特征划分区域内的日均车流量；
将日均车流量和区域道路参考值通过区域道路车流参考公式计算得到区域道路车流参考值；所述区域道路车流参考公式配置为：Pcc= Pdc×Lc×k1；其中，Pcc为区域道路车流参考值，Lc为日均车流量，k1为车流量影响转换比，k1为常数，且k1大于零；
根据区域道路车流参考值划分道路综合等级值，将区域道路车流参考值大于等于第一道路综合参考阈值的道路特征划分区域设定为一级道路区域；将区域道路车流参考值大于等于第二道路综合参考阈值且小于第一道路综合参考阈值的道路特征划分区域设定为二级道路区域；将区域道路车流参考值小于第二道路综合参考阈值的道路特征划分区域设定为三级道路区域。
进一步地，根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断包括：获取城市历史气象数据中的大风、暴雨、冰雹、霜冻以及大雾天气的特征数据；
根据大风、暴雨、冰雹、霜冻以及大雾天气的特征数据对实时气象数据进行灾害分类，分别设定为大风灾害天气、暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气。
进一步地，将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域包括：当实时气象数据属于大风灾害天气以及冰雹灾害天气中的一种或两种时，将一级高度建筑区域、二级高度建筑区域以及三级高度建筑区域分别设定为一级建筑风险区域、二级建筑风险区域以及三级建筑风险区域。
进一步地，将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域还包括：当实时气象数据属于暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气中的一种或多种时，将一级道路区域、二级道路区域以及三级道路区域分别设定为一级道路风险区域、二级道路风险区域以及三级道路风险区域。
本发明的有益效果：本发明首先通过城市特征建立城市孪生模型，通过设置城市孪生模型，能够将城市的建筑物特征和道路特征融入到城市孪生模型内，根据城市孪生模型划分城市区域，从而在气象预警时，能够有针对性地对城市的不同划分区域进行气象的加强预警；
本发明通过从气象数据库内获取城市历史气象数据，对城市实时气象数据进行采集，根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断；然后将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域，该方法能够根据预警天气的类型对城市的不同划分区域设定不同的预警加强等级，提高预警的针对性。
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为本发明的模拟方法的流程图；
图2为本发明的模拟系统的原理框图。
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。
实施例一
请参阅图2所示，本发明提供一种基于城市特征数据的数字孪生气象预警模拟系统，模拟系统包括城市孪生模型建立模块、气象采集模块以及录入分析模块，城市孪生模型建立模块基于城市特征建立城市孪生模型；通过对城市区域内的特征进行获取，并基于特征进行区域划分，从而根据气象预警信息进行划分区域内有针对性的加强预警，以解决现有的气象预警推送方法与城市特征不具备关联性，气象预警的针对性不足的问题。
城市孪生模型建立过程包括：获取城市建筑特征、道路特征以及车流特征，根据城市建筑特征、道路特征以及车流特征建立城市孪生模型；城市孪生模型建立过程包括城市建筑特征构建方法，城市建筑特征构建方法包括：获取城市建筑的高度，将城市建筑的高度大于等于第一高度阈值的建筑设定为较高建筑物；第一高度阈值可以设定为30m；30m的高度通常对应10层以上的建筑物；
将若干较高建筑物按照高度由高到低进行排序；
按照排序顺序依次选取较高建筑物作为建筑特征划分区域的中心，建筑特征区域设定有较高建筑物排列等级；
建筑特征划分区域的划分方法包括：将建筑特征划分区域的中心的较高建筑物设定为区域中心建筑物；
获取区域中心建筑物的高度，设定为区域中心高度，将区域中心高度乘以区域划分最小比例系数得到建筑特征划分区域的最小划分面积；例如：在具体设定时，根据城市区域的面积设定区域划分最小比例系数，城市区域的面积越大，区域划分最小比例系数越大，例如城市区域的面积为500平方千米，最小划分比例系数可以设定为0.0001，当区域中心高度为300米时，最小划分面积为0.03平方千米；城市区域的面积为1000平方千米时，最小划分比例系数可以设定为0.0002，当区域中心高度为300米时，最小划分面积为0.06平方千米；
以区域中心建筑物为中心进行画圆，设定为最小划分区域，将最小划分区域的面积设定等于最小划分面积；
获取最小划分区域内的若干较高建筑物的数量和较高建筑物的高度，将最小划分区域内的若干较高建筑物的数量和较高建筑物的高度通过建筑区域划分参考公式计算得到建筑区域划分参考值；建筑区域划分参考公式配置为：
；其中，Pjc为建筑区域划分参考值，Gjn为较高建筑物的高度，n为最小划分区域内的若干较高建筑物的数量；求取的建筑区域划分参考值能够便于后续根据建筑物高度进行区域划分，参考建筑区域划分参考公式可以看出该公式表达的含义为若干较高建筑物的数量与若干建筑物的高度之和的乘积，得到的建筑区域划分参考值能够很好地呈现出最小划分区域内的较高建筑物的数量是否多以及高度是否高，当建筑区域划分参考值越高时，表明最小划分区域内的较高建筑物的数量较多，其高度也较高，当建筑区域划分参考值达到一定阈值时，将该区域单独划分出为一个建筑特征划分区域，可以参考城市的CBD区域，该区域的建筑物较高且密集，如果发生大风天气时，很容易出现高空坠物的影响，因此对于大风天气时，此区域的预警等级要明显高于别的区域；具体的，按照一个区域内具备5个较高建筑物，5个较高建筑物的平均高度为50m，则求得的建筑区域划分参考值为5*250=1250，参考该数值，将第一建筑区域划分参考阈值设定为1250；
当建筑区域划分参考值小于等于第一建筑区域划分参考阈值时，将最小划分区域的面积加上第一区域增加面积得到新的划分补充区域，重复计算划分补充区域内的建筑区域划分参考值，直至建筑区域划分参考值大于第一建筑区域划分参考阈值时，将最终得到的划分补充区域作为一个建筑特征划分区域；具体地，第一区域增加面积根据最小划分面积的1/3进行设定，例如最小划分面积为0.06平方千米时，第一区域增加面积设定为0.02平方千米；在具体划分过程中，只要建筑物的轮廓部分落入到最小划分区域内，即将该建筑物算入最小划分区域内的建筑物；
根据第一个建筑特征划分区域的划分方式依次将城市区域划分为若干建筑特征划分区域；
根据建筑特征划分区域的面积设定较高建筑物排列等级，将面积小于第一划分面积阈值的建筑特征划分区域设定为一级高度建筑区域；将面积小于第二划分面积阈值且大于等于第一划分面积阈值的建筑特征划分区域设定为二级高度建筑区域；将面积大于等于第二划分面积阈值的建筑特征划分区域设定为三级高度建筑区域。具体地，当最小划分面积为0.06平方千米时，第一划分面积阈值可以设定为0.06平方千米，第二划分面积阈值设定为0.1平方千米。
城市孪生模型建立过程包括道路特征构建方法，道路特征构建方法包括：根据建筑特征划分区域对城市道路进行分割，形成道路特征划分区域；
获取建筑特征划分区域内的城市道路平均坡度和城市道路的数量；将城市道路的平均坡度和城市道路的数量通过区域道路参考公式计算得到区域道路参考值；
区域道路参考公式配置为：Pdc=Rp×m；其中，Pdc为区域道路参考值，Rp为建筑特征划分区域内的城市道路平均坡度，m为建筑特征划分区域内的城市道路的数量。
城市孪生模型建立过程包括道路综合特征构建方法，道路综合特征构建方法包括：获取道路特征划分区域内的日均车流量；
将日均车流量和区域道路参考值通过区域道路车流参考公式计算得到区域道路车流参考值；区域道路车流参考公式配置为：Pcc= Pdc×Lc×k1；其中，Pcc为区域道路车流参考值，Lc为日均车流量，k1为车流量影响转换比，k1为常数，且k1大于零；
根据区域道路车流参考值划分道路综合等级值，将区域道路车流参考值大于等于第一道路综合参考阈值的道路特征划分区域设定为一级道路区域；将区域道路车流参考值大于等于第二道路综合参考阈值且小于第一道路综合参考阈值的道路特征划分区域设定为二级道路区域；将区域道路车流参考值小于第二道路综合参考阈值的道路特征划分区域设定为三级道路区域。例如：以道路特征划分区域内有20条道路，平均坡度为15度，日均车流量为2000，k1设置为0.01，进行计算，得到的区域道路车流参考值为6000，第一道路综合参考阈值可以设定为6000，第二道路综合参考阈值可以设置为3000，在进行道路数量获取时，只要是部分位于道路特征划分区域内，则将该道路算为道路特征划分区域内的道路，坡度计算时，无论是上坡的坡度还是下坡的坡度只取其坡度数值进行计算即可，道路特征划分区域内的日均车流量可以参考城市交通数据，不需要获取一个精准的数值，具体也可以参考城市区域内的平均车流量进行计算。
气象采集模块包括气象数据库以及气象采集单元，气象数据库内存储有城市历史气象数据，气象采集单元用于采集城市实时气象数据，气象采集模块用于根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断；根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断包括：获取城市历史气象数据中的大风、暴雨、冰雹、霜冻以及大雾天气的特征数据；其中，大风、暴雨、冰雹、霜冻以及大雾天气的特征数据参照现有技术中灾害天气的划分标准，例如，风力达到多少级之后为大风灾害天气，则对应的大风的风力等级为其对应的特征数据，暴雨、冰雹、霜冻以及大雾天气的特征数据同样按照现有技术中对应的灾害天气的划分标准。
根据大风、暴雨、冰雹、霜冻以及大雾天气的特征数据对实时气象数据进行灾害分类，分别设定为大风灾害天气、暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气。
录入分析模块用于将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域。将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域包括：当实时气象数据属于大风灾害天气以及冰雹灾害天气中的一种或两种时，将一级高度建筑区域、二级高度建筑区域以及三级高度建筑区域分别设定为一级建筑风险区域、二级建筑风险区域以及三级建筑风险区域；其中，一级高度建筑区域的气象风险加强的强度大于二级高度建筑区域的气象风险加强的强度，二级高度建筑区域的气象风险加强的强度大于三级高度建筑区域的气象风险加强的强度；在大风灾害天气或冰雹灾害天气中，有较高且较密集的高建筑区域内发生高空物体坠落的风险也较高，因此在这两个灾害天气中需要对高度建筑区域进行气象风险等级对应的加强。
当实时气象数据属于暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气中的一种或多种时，将一级道路区域、二级道路区域以及三级道路区域分别设定为一级道路风险区域、二级道路风险区域以及三级道路风险区域；其中，一级道路风险区域的气象风险加强的强度大于二级道路风险区域的气象风险加强的强度，二级道路风险区域的气象风险加强的强度大于三级道路风险区域的气象风险加强的强度，当灾害天气为暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气时，此时对于道路上的车辆行驶会带来极大的隐患，因此需要对道路区域进行气象风险等级的对应加强。
实施例二
请参阅图1所示，本发明还提供一种基于城市特征数据的数字孪生气象预警模拟方法，模拟方法包括如下步骤：
步骤A1，基于城市特征建立城市孪生模型；城市孪生模型建立过程包括：获取城市建筑特征、道路特征以及车流特征，根据城市建筑特征、道路特征以及车流特征建立城市孪生模型；步骤A1还包括城市建筑特征构建方法，城市建筑特征构建方法包括如下步骤：
步骤A111，获取城市建筑的高度，将城市建筑的高度大于等于第一高度阈值的建筑设定为较高建筑物；
步骤A112，将若干较高建筑物按照高度由高到低进行排序；
步骤A113，按照排序顺序依次选取较高建筑物作为建筑特征划分区域的中心，建筑特征区域设定有较高建筑物排列等级；
步骤A113中建筑特征划分区域的划分方法包括如下步骤：
步骤A1131，将建筑特征划分区域的中心的较高建筑物设定为区域中心建筑物；
步骤A1132，获取区域中心建筑物的高度，设定为区域中心高度，将区域中心高度乘以区域划分最小比例系数得到建筑特征划分区域的最小划分面积；
步骤A1133，以区域中心建筑物为中心进行画圆，设定为最小划分区域，将最小划分区域的面积设定等于最小划分面积；
步骤A1134，获取最小划分区域内的若干较高建筑物的数量和较高建筑物的高度，将最小划分区域内的若干较高建筑物的数量和较高建筑物的高度通过建筑区域划分参考公式计算得到建筑区域划分参考值；建筑区域划分参考公式配置为：
；其中，Pjc为建筑区域划分参考值，Gjn为较高建筑物的高度，n为最小划分区域内的若干较高建筑物的数量；
步骤A1135，当建筑区域划分参考值小于等于第一建筑区域划分参考阈值时，将最小划分区域的面积加上第一区域增加面积得到新的划分补充区域，重复计算划分补充区域内的建筑区域划分参考值，直至建筑区域划分参考值大于第一建筑区域划分参考阈值时，将最终得到的划分补充区域作为一个建筑特征划分区域；
步骤A1136，根据第一个建筑特征划分区域的划分方式依次将城市区域划分为若干建筑特征划分区域；
步骤A1137，根据建筑特征划分区域的面积设定较高建筑物排列等级，将面积小于第一划分面积阈值的建筑特征划分区域设定为一级高度建筑区域；将面积小于第二划分面积阈值且大于等于第一划分面积阈值的建筑特征划分区域设定为二级高度建筑区域；将面积大于等于第二划分面积阈值的建筑特征划分区域设定为三级高度建筑区域。
步骤A1还包括道路特征构建方法，道路特征构建方法包括如下步骤：步骤A121，根据建筑特征划分区域对城市道路进行分割，形成道路特征划分区域；
步骤A122，获取建筑特征划分区域内的城市道路平均坡度和城市道路的数量；将城市道路的平均坡度和城市道路的数量通过区域道路参考公式计算得到区域道路参考值；区域道路参考公式配置为：Pdc=Rp×m；其中，Pdc为区域道路参考值，Rp为建筑特征划分区域内的城市道路平均坡度，m为建筑特征划分区域内的城市道路的数量。
步骤A1还包括道路综合特征构建方法，道路综合特征构建方法包括如下步骤：步骤A131，获取道路特征划分区域内的日均车流量；
步骤A132，将日均车流量和区域道路参考值通过区域道路车流参考公式计算得到区域道路车流参考值；区域道路车流参考公式配置为：Pcc= Pdc×Lc×k1；其中，Pcc为区域道路车流参考值，Lc为日均车流量，k1为车流量影响转换比，k1为常数，且k1大于零；
步骤A133，根据区域道路车流参考值划分道路综合等级值，将区域道路车流参考值大于等于第一道路综合参考阈值的道路特征划分区域设定为一级道路区域；将区域道路车流参考值大于等于第二道路综合参考阈值且小于第一道路综合参考阈值的道路特征划分区域设定为二级道路区域；将区域道路车流参考值小于第二道路综合参考阈值的道路特征划分区域设定为三级道路区域。
步骤A2，从气象数据库内获取城市历史气象数据，对城市实时气象数据进行采集，根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断；
步骤A2还包括如下步骤：
步骤A21，获取城市历史气象数据中的大风、暴雨、冰雹、霜冻以及大雾天气的特征数据；
步骤A22，根据大风、暴雨、冰雹、霜冻以及大雾天气的特征数据对实时气象数据进行灾害分类，分别设定为大风灾害天气、暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气。
步骤A3，将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域；
步骤A3还包括：步骤A311，当实时气象数据属于大风灾害天气以及冰雹灾害天气中的一种或两种时，将一级高度建筑区域、二级高度建筑区域以及三级高度建筑区域分别设定为一级建筑风险区域、二级建筑风险区域以及三级建筑风险区域；
步骤A3还包括：步骤A321，当实时气象数据属于暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气中的一种或多种时，将一级道路区域、二级道路区域以及三级道路区域分别设定为一级道路风险区域、二级道路风险区域以及三级道路风险区域。
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 Random AccessMemory，简称SRAM），电可擦除可编程只读存储器（Electrically Erasable ProgrammableRead-Only Memory，简称EEPROM），可擦除可编程只读存储器（Erasable ProgrammableRead 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，可以通过其他的方式实现。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，机械或其他的形式。
Claims (8)
1.一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，所述模拟方法包括如下步骤：
基于城市特征建立城市孪生模型；城市孪生模型建立过程包括：获取城市建筑特征、道路特征以及车流特征，根据城市建筑特征、道路特征以及车流特征建立城市孪生模型；
从气象数据库内获取城市历史气象数据，对城市实时气象数据进行采集，根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断；
将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域。
2.根据权利要求1所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，所述城市孪生模型建立过程包括城市建筑特征构建方法，所述城市建筑特征构建方法包括：获取城市建筑的高度，将城市建筑的高度大于等于第一高度阈值的建筑设定为较高建筑物；
将若干较高建筑物按照高度由高到低进行排序；
按照排序顺序依次选取较高建筑物作为建筑特征划分区域的中心，建筑特征区域设定有较高建筑物排列等级。
3.根据权利要求2所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，建筑特征划分区域的划分方法包括：将建筑特征划分区域的中心的较高建筑物设定为区域中心建筑物；
获取区域中心建筑物的高度，设定为区域中心高度，将区域中心高度乘以区域划分最小比例系数得到建筑特征划分区域的最小划分面积；
以区域中心建筑物为中心进行画圆，设定为最小划分区域，将最小划分区域的面积设定等于最小划分面积；
获取最小划分区域内的若干较高建筑物的数量和较高建筑物的高度，将最小划分区域内的若干较高建筑物的数量和较高建筑物的高度通过建筑区域划分参考公式计算得到建筑区域划分参考值；所述建筑区域划分参考公式配置为：
；其中，Pjc为建筑区域划分参考值，Gjn为较高建筑物的高度，n为最小划分区域内的若干较高建筑物的数量；
当建筑区域划分参考值小于等于第一建筑区域划分参考阈值时，将最小划分区域的面积加上第一区域增加面积得到新的划分补充区域，重复计算划分补充区域内的建筑区域划分参考值，直至建筑区域划分参考值大于第一建筑区域划分参考阈值时，将最终得到的划分补充区域作为一个建筑特征划分区域；
根据第一个建筑特征划分区域的划分方式依次将城市区域划分为若干建筑特征划分区域；
根据建筑特征划分区域的面积设定较高建筑物排列等级，将面积小于第一划分面积阈值的建筑特征划分区域设定为一级高度建筑区域；将面积小于第二划分面积阈值且大于等于第一划分面积阈值的建筑特征划分区域设定为二级高度建筑区域；将面积大于等于第二划分面积阈值的建筑特征划分区域设定为三级高度建筑区域。
4.根据权利要求3所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，所述城市孪生模型建立过程包括道路特征构建方法，所述道路特征构建方法包括：根据建筑特征划分区域对城市道路进行分割，形成道路特征划分区域；
获取建筑特征划分区域内的城市道路平均坡度和城市道路的数量；将城市道路的平均坡度和城市道路的数量通过区域道路参考公式计算得到区域道路参考值；
所述区域道路参考公式配置为：Pdc=Rp×m；其中，Pdc为区域道路参考值，Rp为建筑特征划分区域内的城市道路平均坡度，m为建筑特征划分区域内的城市道路的数量。
5.根据权利要求4所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，所述城市孪生模型建立过程包括道路综合特征构建方法，所述道路综合特征构建方法包括：获取道路特征划分区域内的日均车流量；
将日均车流量和区域道路参考值通过区域道路车流参考公式计算得到区域道路车流参考值；所述区域道路车流参考公式配置为：Pcc= Pdc×Lc×k1；其中，Pcc为区域道路车流参考值，Lc为日均车流量，k1为车流量影响转换比，k1为常数，且k1大于零；
根据区域道路车流参考值划分道路综合等级值，将区域道路车流参考值大于等于第一道路综合参考阈值的道路特征划分区域设定为一级道路区域；将区域道路车流参考值大于等于第二道路综合参考阈值且小于第一道路综合参考阈值的道路特征划分区域设定为二级道路区域；将区域道路车流参考值小于第二道路综合参考阈值的道路特征划分区域设定为三级道路区域。
6.根据权利要求1所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，根据城市历史气象数据设置灾害预警天气，基于灾害预警天气对城市实时气象数据进行气象灾害判断包括：获取城市历史气象数据中的大风、暴雨、冰雹、霜冻以及大雾天气的特征数据；
根据大风、暴雨、冰雹、霜冻以及大雾天气的特征数据对实时气象数据进行灾害分类，分别设定为大风灾害天气、暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气。
7.根据权利要求3或6任意一项所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域包括：当实时气象数据属于大风灾害天气以及冰雹灾害天气中的一种或两种时，将一级高度建筑区域、二级高度建筑区域以及三级高度建筑区域分别设定为一级建筑风险区域、二级建筑风险区域以及三级建筑风险区域。
8.根据权利要求5或6任意一项所述的一种基于城市特征数据的数字孪生气象预警模拟方法，其特征在于，将采集到的城市实时气象数据输入至城市孪生模型内，基于实时气象数据对城市孪生模型设定气象预警区域还包括：当实时气象数据属于暴雨灾害天气、冰雹灾害天气、霜冻灾害天气以及大雾灾害天气中的一种或多种时，将一级道路区域、二级道路区域以及三级道路区域分别设定为一级道路风险区域、二级道路风险区域以及三级道路风险区域。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211612000.8A CN115659703B (zh) | 2022-12-15 | 2022-12-15 | 一种基于城市特征数据的数字孪生气象预警模拟方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202211612000.8A CN115659703B (zh) | 2022-12-15 | 2022-12-15 | 一种基于城市特征数据的数字孪生气象预警模拟方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN115659703A true CN115659703A (zh) | 2023-01-31 |
| CN115659703B CN115659703B (zh) | 2023-04-18 |
Family
ID=85023434
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202211612000.8A Active CN115659703B (zh) | 2022-12-15 | 2022-12-15 | 一种基于城市特征数据的数字孪生气象预警模拟方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN115659703B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116187106A (zh) * | 2023-04-27 | 2023-05-30 | 广东广宇科技发展有限公司 | 一种基于数字孪生的城市地下排污冲击模型构建方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 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 |
| KR102297468B1 (ko) * | 2020-11-30 | 2021-09-03 | 서울시립대학교 산학협력단 | 디지털 트윈 모델링 장치 및 이를 이용한 모델링 방법 |
| CN114240119A (zh) * | 2021-12-10 | 2022-03-25 | 浙江水利水电学院 | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 |
| US20220114310A1 (en) * | 2020-10-12 | 2022-04-14 | International Business Machines Corporation | Initiating a digital twin based on cognitive location and environmental impact |
| CN115019477A (zh) * | 2022-07-18 | 2022-09-06 | 广东广宇科技发展有限公司 | 一种智慧城市内涝灾害实时预测预警系统及方法 |
| CN115563680A (zh) * | 2022-10-09 | 2023-01-03 | 阿里云计算有限公司 | 数字孪生对象处理方法以及系统 |
-
2022
- 2022-12-15 CN CN202211612000.8A patent/CN115659703B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109872509A (zh) * | 2019-04-02 | 2019-06-11 | 西安邮电大学 | 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 |
| US20220114310A1 (en) * | 2020-10-12 | 2022-04-14 | International Business Machines Corporation | Initiating a digital twin based on cognitive location and environmental impact |
| KR102297468B1 (ko) * | 2020-11-30 | 2021-09-03 | 서울시립대학교 산학협력단 | 디지털 트윈 모델링 장치 및 이를 이용한 모델링 방법 |
| CN114240119A (zh) * | 2021-12-10 | 2022-03-25 | 浙江水利水电学院 | 基于数字孪生的国土空间全域全要素防洪防涝系统及预警方法 |
| CN115019477A (zh) * | 2022-07-18 | 2022-09-06 | 广东广宇科技发展有限公司 | 一种智慧城市内涝灾害实时预测预警系统及方法 |
| CN115563680A (zh) * | 2022-10-09 | 2023-01-03 | 阿里云计算有限公司 | 数字孪生对象处理方法以及系统 |
Non-Patent Citations (2)
| Title |
|---|
| 封顺天等: "数字孪生城市开启城市数字化转型新篇章" * |
| 汪旻琦等: "基于GIS云的气象多灾种风险分析方法研究" * |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN116187106A (zh) * | 2023-04-27 | 2023-05-30 | 广东广宇科技发展有限公司 | 一种基于数字孪生的城市地下排污冲击模型构建方法 |
| CN116187106B (zh) * | 2023-04-27 | 2023-09-26 | 广东广宇科技发展有限公司 | 一种基于数字孪生的城市地下排污冲击模型构建方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN115659703B (zh) | 2023-04-18 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Gandini et al. | A holistic and multi-stakeholder methodology for vulnerability assessment of cities to flooding and extreme precipitation events | |
| CN110059963A (zh) | 一种基于模糊多态贝叶斯网络的隧道风险评价方法 | |
| CN108256714A (zh) | 一种基于车联网大数据的行车轨迹实时风险评估模型 | |
| CN105678481A (zh) | 一种基于随机森林模型的管线健康状态评估方法 | |
| CN106897826A (zh) | 一种交通事故风险评估方法及系统 | |
| CN107153737B (zh) | 基于力学-经验法的路面最佳轴载周期确定方法 | |
| CN102520464B (zh) | 区域积涝预报系统及其预报方法 | |
| CN102968901A (zh) | 获取区域拥堵信息的方法及区域拥堵分析装置 | |
| CN115659703B (zh) | 一种基于城市特征数据的数字孪生气象预警模拟方法 | |
| CN109345434B (zh) | 一种开放式小区内外部道路设计安全评价的方法 | |
| CN106845080B (zh) | 基于差异修正的景区旅游气象灾害智能预测方法 | |
| CN112950940B (zh) | 一种道路施工期的交通分流方法 | |
| CN113516258A (zh) | 公路养护智能决策分析系统 | |
| CN102147839A (zh) | 一种光伏发电量预测方法 | |
| CN111652520A (zh) | 一种基于大数据的路面养护智能决策系统及方法 | |
| CN110378620B (zh) | 一种低影响开发设计及评估方法及系统 | |
| CN106652450B (zh) | 一种高速公路交通指数数值确定方法 | |
| CN115685389A (zh) | 一种基于降尺度和汇水区动态划分的下凹桥积水预测方法 | |
| CN114093133A (zh) | 一种区域地质灾害气象预报预警方法 | |
| CN108491403B (zh) | 一种基于ArcGIS的山区建设用地的选址方法 | |
| CN113268800A (zh) | 优化区域规划方法、装置、电子设备和可读存储介质 | |
| CN105701579A (zh) | 高原双车道二级公路基本路段交通事故预测方法 | |
| CN102231196A (zh) | 一种用于基站的用电量估算方法 | |
| CN116126963B (zh) | 非线性多源异构排水模型诊断入流入渗方法 | |
| CN107391823B (zh) | 公路钢箱梁桥温度梯度模式的评价方法 |
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 |