CN116016609A - 一种区域洪涝的智能监测方法及装置 - Google Patents
一种区域洪涝的智能监测方法及装置 Download PDFInfo
- Publication number
- CN116016609A CN116016609A CN202310170607.3A CN202310170607A CN116016609A CN 116016609 A CN116016609 A CN 116016609A CN 202310170607 A CN202310170607 A CN 202310170607A CN 116016609 A CN116016609 A CN 116016609A
- Authority
- CN
- China
- Prior art keywords
- internet
- sub
- things
- flood
- target area
- 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
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
- 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
- Alarm Systems (AREA)
Abstract
本发明公开了一种区域洪涝的智能监测方法及装置,该方法通过对大区域中多个物联网节点上传的洪涝相关数据及节点标识信息进行分析,细分成多个子区域,并基于每个子区域的洪涝相关数据及基于洪涝相关数据分析出的风险因子进行分析,得到每个子区域的洪涝分析结果,从而得到大区域的洪涝分析结果,能够提高洪涝情况的分析准确性及效率,从而有利于提高对区域的洪涝情况进行监测的准确性及可靠性,进而有利于根据检测到的洪涝数据及时且准确地采取对应的防控措施,减少洪灾的发生情况。
Description
技术领域
本发明涉及洪涝监测技术领域,尤其涉及一种区域洪涝的智能监测方法及装置。
背景技术
洪涝灾害历来是中国最为严重的自然灾害之一,形成机理复杂、灾害损失严重。受全球气候变化和城市化扩张的双重影响,城市洪涝灾害问题日趋突出, 城市暴雨的突发性、洪涝形成机理的复杂性、灾害损失的严重性和外界环境的动态性突显开展城市洪涝灾害研究的紧迫性。
目前,一般是通过在特定区域,如低洼区域,设置能够识别不同水位的水位监测传感器对水位进行监测,并根据水位监测传感器的监测结果启动相应的洪涝防控措施。然而,实践发现,现有通过设置水位传感器对洪涝进行监测的准确性较低,无法为洪涝防控提供精准及时的防控方案。因此,提出一种如何提高区域洪涝的监测准确性的技术方案显得尤为总要。
发明内容
本发明提供了一种区域洪涝的智能监测方法及装置,能够提高区域洪涝的监测准确性。
为了解决上述技术问题,本发明第一方面公开了一种区域洪涝的智能监测方法,所述方法包括:
获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个所述物联网节点的标识信息;
根据每个所述物联网节点的标识信息,对所述目标区域进行划分,得到至少一个子目标区域,每个所述子目标区域包括至少一个所述物联网节点,且每个所述子目标区域所包含的所述物联网节点互不重叠;
根据每个所述子目标区域包含的所有所述物联网节点上传的洪涝相关数据,确定每个所述子目标区域的风险因子;
对于任一所述子目标区域,根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果;
根据所有所述子目标区域的洪涝分析结果,确定所述目标区域的洪涝情况。
作为一种可选的实施方式,在本发明第一方面中,每个所述物联网节点上传的洪涝相关数据包括降雨数据、建筑数据、水位数据、环境数据及地形地貌数据中的一种或多种;
其中,每个所述物联网节点上传的降雨数据包括降雨雨滴大小和/或降雨雨滴速度,每个所述物联网节点上传的建筑数据包括建筑类型、建筑密集度、建筑材质及建筑结构中的一种或多种,每个所述物联网节点上传的水位数据包括当前水位及单位时间内水位变化量,每个所述物联网节点上传的环境数据包括气流环流数据、区域热岛效应数据、绿植数据及河流数据中的一种或多种;
每个所述子目标区域的风险因子包括该子目标区域的致灾因子、孕灾环境、承灾体及防灾能力中的一种或多种。
作为一种可选的实施方式,在本发明第一方面中,所述根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果,包括:
根据所述子目标区域的风险因子所包含的所有子风险因子,对所述子目标区域所包含的所有所述物联网节点中每个所述物联网节点上传的洪涝相关数据进行划分,得到与所述子目标区域的风险因子所包含的每个所述子风险因子对应的洪涝相关数据,每个所述子风险因子对应的洪涝相关数据的数量大于等于1;
计算每个所述子风险因子与其对应的所有所述洪涝相关数据之间的洪涝对应参数,每个所述子风险因子对应的洪涝对应参数包括表示该子风险因子对应的所有所述洪涝相关数据对所述子目标区域的致灾贡献参数和/或防控贡献参数;
根据所述子目标区域所包含的每个所述子风险因子对应的洪涝对应参数,分析所述子目标区域的洪涝分析结果。
作为一种可选的实施方式,在本发明第一方面中,每个所述子目标区域所包含的所有所述物联网节点包括级别相同的物联网节点和/或级别不相同的物联网节点;
所述方法还包括:
对于任一所述子目标区域,当所有所述物联网节点包括级别不相同的所述物联网节点时,针对任一级别的所述物联网节点,确定级别在所述物联网节点下一级的所有所述物联网节点的数量;
当所述数量大于等于2时,分析级别在所述物联网节点下一级的每个所述物联网节点所上传的洪涝相关数据的每个数据,得到每个所述数据对应的数据分析类型;
判断级别在所述物联网节点下一级的所有所述物联网节点中是否存在数据分析类型相同的目标物联网节点;当判断结果为否,执行所述的根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果的操作。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
当判断结果为是时,对每个所述目标物联网节点上传的洪涝相关数据进行交互校验;
当校验通过时,执行所述的根据每个所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及该子目标区域的风险因子,分析每个所述子目标区域的洪涝分析结果的操作;
其中,所述对每个所述目标物联网节点上传的洪涝相关数据进行交互校验,包括:
对于任一所述目标物联网节点,根据所述目标物联网节点上传的洪涝相关数据的每个所述数据对应的数据分析类型,确定数据分析类型相同的数据的数量;
判断该数量是否大于等于预设数量阈值,当判断结果为是时,确定校验通过;
当判断结果为否时,根据所述目标物联网节点上传的洪涝相关数据的每个所述数据对应的数据分析类型,确定每个所述数据对洪涝分析结果的影响度,并在每个所述数据对应的影响度大于等于预设影响度阈值时,确定校验通过。
作为一种可选的实施方式,在本发明第一方面中,所述方法还包括:
确定每个所述目标物联网节点的节点位置及节点类型,并根据每个所述目标物联网节点的节点类型,分析每个所述目标物联网节点所上传的洪涝相关数据对洪涝分析结果的重要度;
根据每个所述物联网节点对应的重要度,为每个所述目标物联网节点的节点类型及节点位置,分配对应的权值;
根据每个所述目标物联网节点的节点类型、节点位置及对应的权值,计算每个所述目标物联网节点的重要值;
判断每个所述目标物联网节点对应的重要值是否大于等于预设重要值阈值,当判断结果为是时,执行所述的对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的操作。
作为一种可选的实施方式,在本发明第一方面中,当判断出级别在所述物联网节点下一级的所有所述物联网节点中存在数据分析类型相同的目标物联网节点之后,所述方法还包括:
获取每个所述目标物联网节点上传洪涝相关数据的上传时间;
判断每两个所述目标物联网节点上传洪涝相关数据的上传时间之间的间隔时长是否小于等于预设间隔时长阈值;
当判断结果为是时,执行所述的对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的操作。
本发明第二方面公开了一种区域洪涝的智能监测装置,所述装置包括:
获取模块,用于获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个所述物联网节点的标识信息;
划分模块,用于根据每个所述物联网节点的标识信息,对所述目标区域进行划分,得到至少一个子目标区域,每个所述子目标区域包括至少一个所述物联网节点,且每个所述子目标区域所包含的所述物联网节点互不重叠;
确定模块,用于根据每个所述子目标区域包含的所有所述物联网节点上传的洪涝相关数据,确定每个所述子目标区域的风险因子;
分析模块,用于对于任一所述子目标区域,根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果;
所述确定模块,还用于根据所有所述子目标区域的洪涝分析结果,确定所述目标区域的洪涝情况。
作为一种可选的实施方式,在本发明第二方面中,每个所述物联网节点上传的洪涝相关数据包括降雨数据、建筑数据、水位数据、环境数据及地形地貌数据中的一种或多种;
其中,每个所述物联网节点上传的降雨数据包括降雨雨滴大小和/或降雨雨滴速度,每个所述物联网节点上传的建筑数据包括建筑类型、建筑密集度、建筑材质及建筑结构中的一种或多种,每个所述物联网节点上传的水位数据包括当前水位及单位时间内水位变化量,每个所述物联网节点上传的环境数据包括气流环流数据、区域热岛效应数据、绿植数据及河流数据中的一种或多种;
每个所述子目标区域的风险因子包括该子目标区域的致灾因子、孕灾环境、承灾体及防灾能力中的一种或多种。
作为一种可选的实施方式,在本发明第二方面中,所述分析模块根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果的具体方式包括:
根据所述子目标区域的风险因子所包含的所有子风险因子,对所述子目标区域所包含的所有所述物联网节点中每个所述物联网节点上传的洪涝相关数据进行划分,得到与所述子目标区域的风险因子所包含的每个所述子风险因子对应的洪涝相关数据,每个所述子风险因子对应的洪涝相关数据的数量大于等于1;
计算每个所述子风险因子与其对应的所有所述洪涝相关数据之间的洪涝对应参数,每个所述子风险因子对应的洪涝对应参数包括表示该子风险因子对应的所有所述洪涝相关数据对所述子目标区域的致灾贡献参数和/或防控贡献参数;
根据所述子目标区域所包含的每个所述子风险因子对应的洪涝对应参数,分析所述子目标区域的洪涝分析结果。
作为一种可选的实施方式,在本发明第二方面中,每个所述子目标区域所包含的所有所述物联网节点包括级别相同的物联网节点和/或级别不相同的物联网节点;
所述确定模块,还用于对于任一所述子目标区域,当所有所述物联网节点包括级别不相同的所述物联网节点时,针对任一级别的所述物联网节点,确定级别在所述物联网节点下一级的所有所述物联网节点的数量;
所述分析模块,还用于当所述数量大于等于2时,分析级别在所述物联网节点下一级的每个所述物联网节点所上传的洪涝相关数据的每个数据,得到每个所述数据对应的数据分析类型;
所述装置还包括:
判断模块,用于判断级别在所述物联网节点下一级的所有所述物联网节点中是否存在数据分析类型相同的目标物联网节点;当判断结果为否,触发所述分析模块执行所述的根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果的操作。
作为一种可选的实施方式,在本发明第二方面中,所述装置还包括:
校验模块,用于当判断结果为是时,对每个所述目标物联网节点上传的洪涝相关数据进行交互校验;当校验通过时,触发所述分析模块执行所述的根据每个所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及该子目标区域的风险因子,分析每个所述子目标区域的洪涝分析结果的操作;
其中,所述校验模块对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的方式具体包括:
对于任一所述目标物联网节点,根据所述目标物联网节点上传的洪涝相关数据的每个所述数据对应的数据分析类型,确定数据分析类型相同的数据的数量;
判断该数量是否大于等于预设数量阈值,当判断结果为是时,确定校验通过;
当判断结果为否时,根据所述目标物联网节点上传的洪涝相关数据的每个所述数据对应的数据分析类型,确定每个所述数据对洪涝分析结果的影响度,并在每个所述数据对应的影响度大于等于预设影响度阈值时,确定校验通过。
作为一种可选的实施方式,在本发明第二方面中,所述确定模块,还用于确定每个所述目标物联网节点的节点位置及节点类型;
所述分析模块,还用于根据每个所述目标物联网节点的节点类型,分析每个所述目标物联网节点所上传的洪涝相关数据对洪涝分析结果的重要度;
所述装置还包括:
分配模块,用于根据每个所述物联网节点对应的重要度,为每个所述目标物联网节点的节点类型及节点位置,分配对应的权值;
计算模块,用于根据每个所述目标物联网节点的节点类型、节点位置及对应的权值,计算每个所述目标物联网节点的重要值;
所述判断模块,还用于判断每个所述目标物联网节点对应的重要值是否大于等于预设重要值阈值,当判断结果为是时,触发所述校验模块执行所述的对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的操作。
作为一种可选的实施方式,在本发明第二方面中,所述获取模块,还用于当判断出级别在所述物联网节点下一级的所有所述物联网节点中存在数据分析类型相同的目标物联网节点之后,获取每个所述目标物联网节点上传洪涝相关数据的上传时间;
所述判断模块,还用于判断每两个所述目标物联网节点上传洪涝相关数据的上传时间之间的间隔时长是否小于等于预设间隔时长阈值,当判断结果为是时,触发所述校验模块执行所述的对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的操作。
本发明第三方面公开了另一种区域洪涝的智能监测装置,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行本发明第一方面公开的任意一种区域洪涝的智能监测方法中的部分或全部步骤。
本发明第六方面公开了一种计算机存储介质,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行本发明第一方面公开的任意一种区域洪涝的智能监测方法中的部分或全部步骤。
与现有技术相比,本发明实施例具有以下有益效果:
本发明实施例中,获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个物联网节点的标识信息;根据每个物联网节点的标识信息,对目标区域进行划分,得到至少一个子目标区域,每个子目标区域包括至少一个物联网节点,且每个子目标区域所包含的物联网节点互不重叠;根据每个子目标区域包含的所有物联网节点上传的洪涝相关数据,确定每个子目标区域的风险因子;对于任一子目标区域,根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果;根据所有子目标区域的洪涝分析结果,确定目标区域的洪涝情况。可见,本发明通过对大区域中多个物联网节点上传的洪涝相关数据及节点标识信息进行分析,细分成多个子区域,并基于每个子区域的洪涝相关数据及基于洪涝相关数据分析出的风险因子进行分析,得到每个子区域的洪涝分析结果,从而得到大区域的洪涝分析结果,能够提高洪涝情况的分析准确性及效率,从而有利于提高对区域的洪涝情况进行监测的准确性及可靠性,进而有利于根据检测到的洪涝数据及时且准确地采取对应的防控措施,减少洪灾的发生情况。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例公开的一种区域洪涝的智能监测方法的流程示意图;
图2是本发明实施例公开的另一种区域洪涝的智能监测方法的流程示意图;
图3是本发明实施例公开的一种区域洪涝的智能监测装置的流程示意图;
图4是本发明实施例公开的另一种区域洪涝的智能监测装置的结构示意图;
图5是本发明实施例公开的又一种区域洪涝的智能监测装置的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本发明方案,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作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。
本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括”和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步骤或单元的过程、方法、装置、产品或端没有限定于已列出的步骤或单元,而是可选地还包括没有列出的步骤或单元,或可选地还包括对于这些过程、方法、产品或端固有的其他步骤或单元。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可以包含在本发明的至少一个实施例中。在说明书中的各个位置出现该短语并不一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实施例相结合。
本发明公开了一种区域洪涝的智能监测方法及装置,能够通过对大区域中多个物联网节点上传的洪涝相关数据及节点标识信息进行分析,细分成多个子区域,并基于每个子区域的洪涝相关数据及基于洪涝相关数据分析出的风险因子进行分析,得到每个子区域的洪涝分析结果,从而得到大区域的洪涝分析结果,能够提高洪涝情况的分析准确性及效率,从而有利于提高对区域的洪涝情况进行监测的准确性及可靠性,进而有利于根据检测到的洪涝数据及时且准确地采取对应的防控措施,减少洪灾的发生情况。以下分别进行详细的说明。
实施例一
请参阅图1,图1是本发明实施例公开的一种区域洪涝的智能监测方法的流程示意图。其中,图1所描述的方法可以应用于区域洪涝的智能监测装置中,该区域洪涝的智能监测装置包括智能监测服务器、智能监测设备及智能监测系统中的其中一种。如图1所示,该区域洪涝的智能监测方法可以包括以下操作:
101、获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个物联网节点的标识信息。
本发明实施例中,每个物联网节点上传的洪涝相关数据包括降雨数据、建筑数据、水位数据、环境数据及地形地貌数据中的一种或多种;其中,每个物联网节点上传的降雨数据包括降雨雨滴大小和/或降雨雨滴速度,每个物联网节点上传的建筑数据包括建筑类型、建筑密集度、建筑材质及建筑结构中的一种或多种,每个物联网节点上传的水位数据包括当前水位及单位时间内水位变化量,每个物联网节点上传的环境数据包括气流环流数据、区域热岛效应数据、绿植数据及河流数据中的一种或多种。这样洪涝相关数据的内容越多,越有利于提高风险因子的确定准确性,以及洪涝分析结果的分析精准性及可靠性。
本发明实施例中,物联网节点可以是目标区域中任何能够通信的设备,如:用户手机、基站设备、固定分布在目标区域各个位置的监测设备等。
本发明实施例中,物联网节点的标识信息包括物联网节点的位置标识、物联网节点的型号标识、物联网节点的身份标识等。这样物联网节点的标识信息所包含的内容越多,越有利于提高区域的划分精准性。
102、根据每个物联网节点的标识信息,对目标区域进行划分,得到至少一个子目标区域,每个子目标区域包括至少一个物联网节点,且每个子目标区域所包含的物联网节点互不重叠。
103、根据每个子目标区域包含的所有物联网节点上传的洪涝相关数据,确定每个子目标区域的风险因子。
本发明实施例中,每个子目标区域的风险因子包括该子目标区域的致灾因子、孕灾环境、承灾体及防灾能力中的一种或多种。其中,致灾因子包括降压强度、降雨时长、降雨范围及临界雨量中的一种或多种;孕灾环境包括气流环流特征、热岛效应及气候中的一种或多种;承灾体包括房子、堤坝等任何能够起到承灾的设备;防灾能力包括洪涝预警能力和/或洪涝措施采取能力等。这样风险因子的内容越多,越有利于提高洪涝分析结果的分析精准性及可靠性,从而进一步提高洪涝情况的监测准确性。
104、对于任一子目标区域,根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果。
本发明实施例中,洪涝分析结果包括洪涝发生概率、洪涝强度、洪涝分布、洪涝来源方向、洪涝防控能力中的一种或多种。
105、根据所有子目标区域的洪涝分析结果,确定目标区域的洪涝情况。
本发明实施例中,洪涝情况包括洪涝发生概率、洪涝强度、洪涝分布、洪涝来源方向、洪涝防控能力中的一种或多种,且洪涝情况用于对目标区域的洪涝进行监测。
可见,实施图1所描述的一种区域洪涝的智能监测方法能够通过对大区域中多个物联网节点上传的洪涝相关数据及节点标识信息进行分析,细分成多个子区域,并基于每个子区域的洪涝相关数据及基于洪涝相关数据分析出的风险因子进行分析,得到每个子区域的洪涝分析结果,从而得到大区域的洪涝分析结果,能够提高洪涝情况的分析准确性及效率,从而有利于提高对区域的洪涝情况进行监测的准确性及可靠性,进而有利于根据检测到的洪涝数据及时且准确地采取对应的防控措施,减少洪灾的发生情况。
在一个可选的实施例中,根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果,包括:
根据子目标区域的风险因子所包含的所有子风险因子,对子目标区域所包含的所有物联网节点中每个物联网节点上传的洪涝相关数据进行划分,得到与子目标区域的风险因子所包含的每个子风险因子对应的洪涝相关数据,每个子风险因子对应的洪涝相关数据的数量大于等于1;
计算每个子风险因子与其对应的所有洪涝相关数据之间的洪涝对应参数,每个子风险因子对应的洪涝对应参数包括表示该子风险因子对应的所有洪涝相关数据对子目标区域的致灾贡献参数和/或防控贡献参数;
根据子目标区域所包含的每个子风险因子对应的洪涝对应参数,分析子目标区域的洪涝分析结果。
该可选的实施例中,可选的,其中,子风险因子对应的致灾贡献参数越大,表示该子风险因子越容易造成对应子目标区域发生洪涝;子风险因子对应的防控贡献参数越大,表示该子风险因子对其对应子目标区域的洪涝防控能力越强。
可见,该可选的实施例通过基于风险因子对物联网节点上传的洪涝相关数据进行划分,并进一步计算风险因子与对应洪涝相关数据之间的致灾贡献参数及防控贡献参数,能够提高区域的洪涝分析结果的分析准确性及可靠性。
该可选的实施例中,该方法还可以包括以下步骤:
获取每个子目标区域的区域信息,每个子目标区域的区域信息包括该子目标区域的区域类型及该子目标区域的区域位置,其中,区域类型包括居住地类型、绿植类型、河流类型、堤坝类型、丘地类型、商区类型及街道类型中的一种或多种;
其中,根据子目标区域所包含的每个子风险因子对应的洪涝对应参数,分析子目标区域的洪涝分析结果,包括:
根据子目标区域所包含的每个子风险因子对应的洪涝对应参数及该子目标区域的区域信息,分析子目标区域的洪涝分析结果。
可见,该可选的实施例还能够通过结合区域的类型、位置及其风险因子对应的致灾贡献参数和/或防控贡献参数,进行洪涝分析,能够进一步提高洪涝分析的准确性及可靠性。
实施例二
请参阅图2,图2是本发明实施例公开的另一种区域洪涝的智能监测方法的流程示意图。其中,图2所描述的方法可以应用于区域洪涝的智能监测装置中,该区域洪涝的智能监测装置包括智能监测服务器、智能监测设备及智能监测系统中的其中一种。如图2所示,该区域洪涝的智能监测方法可以包括以下操作:
201、获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个物联网节点的标识信息。
202、根据每个物联网节点的标识信息,对目标区域进行划分,得到至少一个子目标区域,每个子目标区域包括至少一个物联网节点,且每个子目标区域所包含的物联网节点互不重叠,每个子目标区域所包含的所有物联网节点包括级别相同的物联网节点和/或级别不相同的物联网节点。
203、根据每个子目标区域包含的所有物联网节点上传的洪涝相关数据,确定每个子目标区域的风险因子。
204、对于任一子目标区域,当所有物联网节点包括级别不相同的物联网节点时,针对任一级别的物联网节点,确定级别在物联网节点下一级的所有物联网节点的数量。
205、当数量大于等于2时,分析级别在物联网节点下一级的每个物联网节点所上传的洪涝相关数据的每个数据,得到每个数据对应的数据分析类型。
本发明实施例中,可选的,数据分析类型与洪涝相关数据相对应。
206、判断级别在物联网节点下一级的所有物联网节点中是否存在数据分析类型相同的目标物联网节点;当判断结果为否时,触发执行步骤207;当判断结果为是时,触发执行步骤208。
207、对每个目标物联网节点上传的洪涝相关数据进行交互校验。当校验通过时,触发执行步骤208;当校验不通过时,结束本次流程。
本发明实施例中,可选的,对每个目标物联网节点上传的洪涝相关数据进行交互校验,包括:
对于任一目标物联网节点,根据目标物联网节点上传的洪涝相关数据的每个数据对应的数据分析类型,确定数据分析类型相同的数据的数量;
判断该数量是否大于等于预设数量阈值,当判断结果为是时,确定校验通过;
当判断结果为否时,根据目标物联网节点上传的洪涝相关数据的每个数据对应的数据分析类型,确定每个数据对洪涝分析结果的影响度,并在每个数据对应的影响度大于等于预设影响度阈值时,确定校验通过。
本发明实施例中,当所有数据中存在其影响度小于预设影响度的数据时,确定校验不通过。
208、根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果。
209、根据所有子目标区域的洪涝分析结果,确定目标区域的洪涝情况。
本发明实施例中,针对步骤201-203、步骤208-209的其他描述,请参阅实施例一中针对步骤101-105的其他详细描述,在此不再赘述。
可见,实施图2所描述的一种区域洪涝的智能监测方法通过对大区域中多个物联网节点上传的洪涝相关数据及节点标识信息进行分析,细分成多个子区域,并基于每个子区域的洪涝相关数据及基于洪涝相关数据分析出的风险因子进行分析,得到每个子区域的洪涝分析结果,从而得到大区域的洪涝分析结果,能够提高洪涝情况的分析准确性及效率,从而有利于提高对区域的洪涝情况进行监测的准确性及可靠性,进而有利于根据检测到的洪涝数据及时且准确地采取对应的防控措施,减少洪灾的发生情况。此外,在所划分后的子区域对应的物联网节点包含不同级别节点且同一级别的物联网节点数量较多时,对若所上传的洪涝相关数据的数据分析类型不存在相同的物联网节点,则直接对上传的洪涝相关数据进行分析,若存在,则相互先进行校验,能够提高所上传洪涝相关数据的确定准确性,并在校验通过后,进行洪涝分析,能够进一步提高洪涝分析的精准性及可靠性。
在一个可选的实施例中,该方法还可以包括以下步骤:
确定每个目标物联网节点的节点位置及节点类型,并根据每个目标物联网节点的节点类型,分析每个目标物联网节点所上传的洪涝相关数据对洪涝分析结果的重要度;
根据每个物联网节点对应的重要度,为每个目标物联网节点的节点类型及节点位置,分配对应的权值;
根据每个目标物联网节点的节点类型、节点位置及对应的权值,计算每个目标物联网节点的重要值;
判断每个目标物联网节点对应的重要值是否大于等于预设重要值阈值,当判断结果为是时,执行上述的对每个目标物联网节点上传的洪涝相关数据进行交互校验的操作。
该可选的实施例中,目标物联网节点的节点位置可以理解为物联网在子目标区域中的地理位置,也可以理解为在所有物联网节点中虚拟区域的虚拟位置。其中,虚拟位置为预先从级别由上到下为各个物联网节点分配的标识所对应的位置。物联网节点的节点类型包括设备类型和/或区域类型。其中,区域类型包括河流类型、丘地类型、绿植类型、堤坝类型、商区类型及居民居住地类型中的一种或多种。
可见,该可选的实施例通过基于物联网节点的节点类型对其上传的洪涝相关数据对洪涝分析结果的重要度进行分析,并为节点位置和节点类型进行权值分配,以及基于节点类型、节点位置及分配后的权值进行中重要值分析,并在重要值较大时,方进行洪涝相关数据进行相互校验,在提高洪涝相关数据的分析精准性及可靠性的同时提高分析效率。
在另一个可选的实施例中,当判断出级别在物联网节点下一级的所有物联网节点中存在数据分析类型相同的目标物联网节点之后,该方法还可以包括以下步骤:
获取每个目标物联网节点上传洪涝相关数据的上传时间;
判断每两个目标物联网节点上传洪涝相关数据的上传时间之间的间隔时长是否小于等于预设间隔时长阈值;
当判断结果为是时,执行上述的对每个目标物联网节点上传的洪涝相关数据进行交互校验的操作。
该可选的实施例中,当判断出结果为否时,将对应洪涝相关数据进行舍弃。
可见,该可选的实施例通过先对洪涝相关数据的上传时间进行判断,并在判断出间隔较短时,方对洪涝相关数据进行校验,能够减少对所上传时间比较久远,数据可能失效,可用性较差或者无可用性进行分析的发生情况,提高了数据校验操作的执行准确性及可靠性,从而进一步提高洪涝分析的准确性及可靠性。
实施例三
请参阅图3,图3是本发明实施例公开的一种区域洪涝的智能监测装置的结构示意图。其中,图3所描述的装置包括智能监测服务器、智能监测设备及智能监测系统中的其中一种,且如图3所示,该装置包括:
获取模块301,用于获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个物联网节点的标识信息;
本发明实施例中,每个物联网节点上传的洪涝相关数据包括降雨数据、建筑数据、水位数据、环境数据及地形地貌数据中的一种或多种;其中,每个物联网节点上传的降雨数据包括降雨雨滴大小和/或降雨雨滴速度,每个物联网节点上传的建筑数据包括建筑类型、建筑密集度、建筑材质及建筑结构中的一种或多种,每个物联网节点上传的水位数据包括当前水位及单位时间内水位变化量,每个物联网节点上传的环境数据包括气流环流数据、区域热岛效应数据、绿植数据及河流数据中的一种或多种。这样洪涝相关数据的内容越多,越有利于提高风险因子的确定准确性,以及洪涝分析结果的分析精准性及可靠性。
本发明实施例中,每个子目标区域的风险因子包括该子目标区域的致灾因子、孕灾环境、承灾体及防灾能力中的一种或多种。其中,致灾因子包括降压强度、降雨时长、降雨范围及临界雨量中的一种或多种;孕灾环境包括气流环流特征、热岛效应及气候中的一种或多种;承灾体包括房子、堤坝等任何能够起到承灾的设备;防灾能力包括洪涝预警能力和/或洪涝措施采取能力等。这样风险因子的内容越多,越有利于提高洪涝分析结果的分析精准性及可靠性,从而进一步提高洪涝情况的监测准确性。
划分模块302,用于根据每个物联网节点的标识信息,对目标区域进行划分,得到至少一个子目标区域,每个子目标区域包括至少一个物联网节点,且每个子目标区域所包含的物联网节点互不重叠;
确定模块303,用于根据每个子目标区域包含的所有物联网节点上传的洪涝相关数据,确定每个子目标区域的风险因子;
分析模块304,用于对于任一子目标区域,根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果;
确定模块303,还用于据所有子目标区域的洪涝分析结果,确定目标区域的洪涝情况。
可见,实施图3所描述的区域洪涝的智能监测装置通过对大区域中多个物联网节点上传的洪涝相关数据及节点标识信息进行分析,细分成多个子区域,并基于每个子区域的洪涝相关数据及基于洪涝相关数据分析出的风险因子进行分析,得到每个子区域的洪涝分析结果,从而得到大区域的洪涝分析结果,能够提高洪涝情况的分析准确性及效率,从而有利于提高对区域的洪涝情况进行监测的准确性及可靠性,进而有利于根据检测到的洪涝数据及时且准确地采取对应的防控措施,减少洪灾的发生情况。
在一个可选的实施例中,分析模块304根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果的具体方式包括:
根据子目标区域的风险因子所包含的所有子风险因子,对子目标区域所包含的所有物联网节点中每个物联网节点上传的洪涝相关数据进行划分,得到与子目标区域的风险因子所包含的每个子风险因子对应的洪涝相关数据,每个子风险因子对应的洪涝相关数据的数量大于等于1;
计算每个子风险因子与其对应的所有洪涝相关数据之间的洪涝对应参数,每个子风险因子对应的洪涝对应参数包括表示该子风险因子对应的所有洪涝相关数据对子目标区域的致灾贡献参数和/或防控贡献参数;
根据子目标区域所包含的每个子风险因子对应的洪涝对应参数,分析子目标区域的洪涝分析结果。
可见,实施图3所描述的区域洪涝的智能监测装置还能够通过基于风险因子对物联网节点上传的洪涝相关数据进行划分,并进一步计算风险因子与对应洪涝相关数据之间的致灾贡献参数及防控贡献参数,能够提高区域的洪涝分析结果的分析准确性及可靠性。
在另一个可选的实施例中,如图3所示,每个子目标区域所包含的所有物联网节点包括级别相同的物联网节点和/或级别不相同的物联网节点;
确定模块303,还用于对于任一子目标区域,当所有物联网节点包括级别不相同的物联网节点时,针对任一级别的物联网节点,确定级别在物联网节点下一级的所有物联网节点的数量;
分析模块304,还用于当数量大于等于2时,分析级别在物联网节点下一级的每个物联网节点所上传的洪涝相关数据的每个数据,得到每个数据对应的数据分析类型;
以及如图4所示,该装置还包括:
判断模块305,用于判断级别在物联网节点下一级的所有物联网节点中是否存在数据分析类型相同的目标物联网节点;当判断结果为否,触发分析模块304执行上述的根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果的操作。
校验模块306,用于当判断结果为是时,对每个目标物联网节点上传的洪涝相关数据进行交互校验;当校验通过时,触发分析模块304执行上述的根据子目标区域所包含的所有物联网节点上传的洪涝相关数据及子目标区域的风险因子,分析子目标区域的洪涝分析结果的操作;
其中,校验模块306对每个目标物联网节点上传的洪涝相关数据进行交互校验的方式具体包括:
对于任一目标物联网节点,根据目标物联网节点上传的洪涝相关数据的每个数据对应的数据分析类型,确定数据分析类型相同的数据的数量;
判断该数量是否大于等于预设数量阈值,当判断结果为是时,确定校验通过;
当判断结果为否时,根据目标物联网节点上传的洪涝相关数据的每个数据对应的数据分析类型,确定每个数据对洪涝分析结果的影响度,并在每个数据对应的影响度大于等于预设影响度阈值时,确定校验通过。
可见,实施图4所描述的区域洪涝的智能监测装置还能够在所划分后的子区域对应的物联网节点包含不同级别节点且同一级别的物联网节点数量较多时,对若所上传的洪涝相关数据的数据分析类型不存在相同的物联网节点,则直接对上传的洪涝相关数据进行分析,若存在,则相互先进行校验,能够提高所上传洪涝相关数据的确定准确性,并在校验通过后,进行洪涝分析,能够进一步提高洪涝分析的精准性及可靠性。
在又一个可选的实施例中,如图4所示,确定模块303,还用于确定每个目标物联网节点的节点位置及节点类型;
分析模块304,还用于根据每个目标物联网节点的节点类型,分析每个目标物联网节点所上传的洪涝相关数据对洪涝分析结果的重要度;
以及如图4所示,该装置还包括:
分配模块307,用于根据每个物联网节点对应的重要度,为每个目标物联网节点的节点类型及节点位置,分配对应的权值;
计算模块308,用于根据每个目标物联网节点的节点类型、节点位置及对应的权值,计算每个目标物联网节点的重要值;
判断模块305,还用于判断每个目标物联网节点对应的重要值是否大于等于预设重要值阈值,当判断结果为是时,触发校验模块305执行上述的对每个目标物联网节点上传的洪涝相关数据进行交互校验的操作。
可见,实施图4所描述的区域洪涝的智能监测装置还能够基于物联网节点的节点类型对其上传的洪涝相关数据对洪涝分析结果的重要度进行分析,并为节点位置和节点类型进行权值分配,以及基于节点类型、节点位置及分配后的权值进行中重要值分析,并在重要值较大时,方进行洪涝相关数据进行相互校验,在提高洪涝相关数据的分析精准性及可靠性的同时提高分析效率。
在又一个可选的实施例中,如图4所示,获取模块301,还用于当判断出级别在物联网节点下一级的所有物联网节点中存在数据分析类型相同的目标物联网节点之后,获取每个目标物联网节点上传洪涝相关数据的上传时间;
判断模块305,还用于判断每两个目标物联网节点上传洪涝相关数据的上传时间之间的间隔时长是否小于等于预设间隔时长阈值,当判断结果为是时,触发校验模块305执行上述的对每个目标物联网节点上传的洪涝相关数据进行交互校验的操作。
可见,实施图4所描述的区域洪涝的智能监测装置还能够先对洪涝相关数据的上传时间进行判断,并在判断出间隔较短时,方对洪涝相关数据进行校验,能够减少对所上传时间比较久远,数据可能失效,可用性较差或者无可用性进行分析的发生情况,提高了数据校验操作的执行准确性及可靠性,从而进一步提高洪涝分析的准确性及可靠性。
实施例四
请参阅图5,图5是本发明实施例公开的又一种区域洪涝的智能监测装置的结构示意图。其中,图5所描述的装置包括智能监测服务器、智能监测设备及智能监测系统中的其中一种。如图5所示,该装置可以包括:
存储有可执行程序代码的存储器401;
与存储器401耦合的处理器402;
进一步的,还可以包括与处理器402耦合的输入接口403和输出接口404;
其中,处理器402调用存储器401中存储的可执行程序代码,执行本发明实施例一公开的一种区域洪涝的智能监测方法的部分或全部步骤。
实施例五
本发明实施例公开了一种计算机存储介质,该计算机存储介质存储有计算机指令,该计算机指令被调用时,用于执行本发明实施例一公开的一种区域洪涝的智能监测方法中的部分或全部步骤。
以上所描述的装置实施例仅是示意性的,其中所述作为分离部件说明的模块可以是或者也可以不是物理上分开的,作为模块显示的部件可以是或者也可以不是物理模块,即可以位于一个地方,或者也可以分布到多个网络模块上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施例的具体描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,存储介质包括只读存储器(Read-Only Memory,ROM)、随机存储器(Random Access Memory,RAM)、可编程只读存储器(Programmable Read-only Memory,PROM)、可擦除可编程只读存储器(ErasableProgrammable Read Only Memory,EPROM)、一次可编程只读存储器(One-timeProgrammable Read-Only Memory,OTPROM)、电子抹除式可复写只读存储器(Electrically-Erasable Programmable Read-Only Memory,EEPROM)、只读光盘(CompactDisc Read-Only Memory,CD-ROM)或其他光盘存储器、磁盘存储器、磁带存储器、或者能够用于携带或存储数据的计算机可读的任何其他介质。
最后应说明的是:本发明实施例公开的一种区域洪涝的智能监测方法及装置所揭露的仅为本发明较佳实施例而已,仅用于说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解;其依然可以对前述各项实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或替换,并不使相应的技术方案的本质脱离本发明各项实施例技术方案的精神和范围。
Claims (10)
1.一种区域洪涝的智能监测方法,其特征在于,所述方法包括:
获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个所述物联网节点的标识信息;
根据每个所述物联网节点的标识信息,对所述目标区域进行划分,得到至少一个子目标区域,每个所述子目标区域包括至少一个所述物联网节点,且每个所述子目标区域所包含的所述物联网节点互不重叠;
根据每个所述子目标区域包含的所有所述物联网节点上传的洪涝相关数据,确定每个所述子目标区域的风险因子;
对于任一所述子目标区域,根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果;
根据所有所述子目标区域的洪涝分析结果,确定所述目标区域的洪涝情况。
2.根据权利要求1所述的区域洪涝的智能监测方法,其特征在于,每个所述物联网节点上传的洪涝相关数据包括降雨数据、建筑数据、水位数据、环境数据及地形地貌数据中的一种或多种;
其中,每个所述物联网节点上传的降雨数据包括降雨雨滴大小和/或降雨雨滴速度,每个所述物联网节点上传的建筑数据包括建筑类型、建筑密集度、建筑材质及建筑结构中的一种或多种,每个所述物联网节点上传的水位数据包括当前水位及单位时间内水位变化量,每个所述物联网节点上传的环境数据包括气流环流数据、区域热岛效应数据、绿植数据及河流数据中的一种或多种;
每个所述子目标区域的风险因子包括该子目标区域的致灾因子、孕灾环境、承灾体及防灾能力中的一种或多种。
3.根据权利要求1或2所述的区域洪涝的智能监测方法,其特征在于,所述根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果,包括:
根据所述子目标区域的风险因子所包含的所有子风险因子,对所述子目标区域所包含的所有所述物联网节点中每个所述物联网节点上传的洪涝相关数据进行划分,得到与所述子目标区域的风险因子所包含的每个所述子风险因子对应的洪涝相关数据,每个所述子风险因子对应的洪涝相关数据的数量大于等于1;
计算每个所述子风险因子与其对应的所有所述洪涝相关数据之间的洪涝对应参数,每个所述子风险因子对应的洪涝对应参数包括表示该子风险因子对应的所有所述洪涝相关数据对所述子目标区域的致灾贡献参数和/或防控贡献参数;
根据所述子目标区域所包含的每个所述子风险因子对应的洪涝对应参数,分析所述子目标区域的洪涝分析结果。
4.根据权利要求1或2所述的区域洪涝的智能监测方法,其特征在于,每个所述子目标区域所包含的所有所述物联网节点包括级别相同的物联网节点和/或级别不相同的物联网节点;
所述方法还包括:
对于任一所述子目标区域,当所有所述物联网节点包括级别不相同的所述物联网节点时,针对任一级别的所述物联网节点,确定级别在所述物联网节点下一级的所有所述物联网节点的数量;
当所述数量大于等于2时,分析级别在所述物联网节点下一级的每个所述物联网节点所上传的洪涝相关数据的每个数据,得到每个所述数据对应的数据分析类型;
判断级别在所述物联网节点下一级的所有所述物联网节点中是否存在数据分析类型相同的目标物联网节点;当判断结果为否,执行所述的根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果的操作。
5.根据权利要求4所述的区域洪涝的智能监测方法,其特征在于,所述方法还包括:
当判断结果为是时,对每个所述目标物联网节点上传的洪涝相关数据进行交互校验;
当校验通过时,执行所述的根据每个所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及该子目标区域的风险因子,分析每个所述子目标区域的洪涝分析结果的操作;
其中,所述对每个所述目标物联网节点上传的洪涝相关数据进行交互校验,包括:
对于任一所述目标物联网节点,根据所述目标物联网节点上传的洪涝相关数据的每个所述数据对应的数据分析类型,确定数据分析类型相同的数据的数量;
判断该数量是否大于等于预设数量阈值,当判断结果为是时,确定校验通过;
当判断结果为否时,根据所述目标物联网节点上传的洪涝相关数据的每个所述数据对应的数据分析类型,确定每个所述数据对洪涝分析结果的影响度,并在每个所述数据对应的影响度大于等于预设影响度阈值时,确定校验通过。
6.根据权利要求5所述的区域洪涝的智能监测方法,其特征在于,所述方法还包括:
确定每个所述目标物联网节点的节点位置及节点类型,并根据每个所述目标物联网节点的节点类型,分析每个所述目标物联网节点所上传的洪涝相关数据对洪涝分析结果的重要度;
根据每个所述物联网节点对应的重要度,为每个所述目标物联网节点的节点类型及节点位置,分配对应的权值;
根据每个所述目标物联网节点的节点类型、节点位置及对应的权值,计算每个所述目标物联网节点的重要值;
判断每个所述目标物联网节点对应的重要值是否大于等于预设重要值阈值,当判断结果为是时,执行所述的对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的操作。
7.根据权利要求6所述的区域洪涝的智能监测方法,其特征在于,当判断出级别在所述物联网节点下一级的所有所述物联网节点中存在数据分析类型相同的目标物联网节点之后,所述方法还包括:
获取每个所述目标物联网节点上传洪涝相关数据的上传时间;
判断每两个所述目标物联网节点上传洪涝相关数据的上传时间之间的间隔时长是否小于等于预设间隔时长阈值;
当判断结果为是时,执行所述的对每个所述目标物联网节点上传的洪涝相关数据进行交互校验的操作。
8.一种区域洪涝的智能监测装置,其特征在于,所述装置包括:
获取模块,用于获取待监测洪涝的目标区域中多个物联网节点上传的洪涝相关数据及每个所述物联网节点的标识信息;
划分模块,用于根据每个所述物联网节点的标识信息,对所述目标区域进行划分,得到至少一个子目标区域,每个所述子目标区域包括至少一个所述物联网节点,且每个所述子目标区域所包含的所述物联网节点互不重叠;
确定模块,用于根据每个所述子目标区域包含的所有所述物联网节点上传的洪涝相关数据,确定每个所述子目标区域的风险因子;
分析模块,用于对于任一所述子目标区域,根据所述子目标区域所包含的所有所述物联网节点上传的洪涝相关数据及所述子目标区域的风险因子,分析所述子目标区域的洪涝分析结果;
所述确定模块,还用于根据所有所述子目标区域的洪涝分析结果,确定所述目标区域的洪涝情况。
9.一种区域洪涝的智能监测装置,其特征在于,所述装置包括:
存储有可执行程序代码的存储器;
与所述存储器耦合的处理器;
所述处理器调用所述存储器中存储的所述可执行程序代码,执行如权利要求1-7任一项所述的区域洪涝的智能监测方法。
10.一种计算机存储介质,其特征在于,所述计算机存储介质存储有计算机指令,所述计算机指令被调用时,用于执行如权利要求1-7任一项所述的区域洪涝的智能监测方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310170607.3A CN116016609B (zh) | 2023-02-27 | 2023-02-27 | 一种区域洪涝的智能监测方法及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310170607.3A CN116016609B (zh) | 2023-02-27 | 2023-02-27 | 一种区域洪涝的智能监测方法及装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116016609A true CN116016609A (zh) | 2023-04-25 |
CN116016609B CN116016609B (zh) | 2023-07-14 |
Family
ID=86032142
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310170607.3A Active CN116016609B (zh) | 2023-02-27 | 2023-02-27 | 一种区域洪涝的智能监测方法及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116016609B (zh) |
Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100748528B1 (ko) * | 2007-02-27 | 2007-08-10 | 인하대학교 산학협력단 | 무선통신과 웹-지아이에스를 이용한 재해피해조사 실시간자동화 업데이트 시스템 및 그 운영방법 |
US20170145648A1 (en) * | 2015-04-06 | 2017-05-25 | Kabushiki Kaisha Toshiba | Disaster prevention system |
US20190316309A1 (en) * | 2018-04-17 | 2019-10-17 | One Concern, Inc. | Flood monitoring and management system |
US20190318439A1 (en) * | 2018-04-17 | 2019-10-17 | One Concern, Inc. | Flood-recovery options tool |
CN110704999A (zh) * | 2019-06-28 | 2020-01-17 | 天津大学 | 沿海城市洪涝致灾因子作用度量化及区划方法 |
CN110992653A (zh) * | 2019-12-13 | 2020-04-10 | 软通动力信息技术有限公司 | 城市内涝预警系统及方法 |
CN111626599A (zh) * | 2020-05-22 | 2020-09-04 | 广东省突发事件预警信息发布中心(广东省人工影响天气中心) | 一种气象灾害风险研判方法及系统 |
CN111735504A (zh) * | 2020-07-30 | 2020-10-02 | 中电科新型智慧城市研究院有限公司 | 环境监测方法、系统及计算节点 |
CN112419674A (zh) * | 2020-10-26 | 2021-02-26 | 四川大学 | 一种泥石流地质灾害的监测系统及方法 |
CN112558190A (zh) * | 2020-12-17 | 2021-03-26 | 水利部南京水利水文自动化研究所 | 用于城市暴雨洪涝的水位雨量一体监控系统 |
CN112732693A (zh) * | 2021-01-18 | 2021-04-30 | 深圳市宇航智造技术有限公司 | 智能化物联网数据采集方法、装置、设备及存储介质 |
CN113256138A (zh) * | 2021-06-01 | 2021-08-13 | 安徽建筑大学 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
CN113380005A (zh) * | 2021-08-16 | 2021-09-10 | 中铁水利水电规划设计集团有限公司 | 基于物联网的防汛会商监测装置及方法 |
CN113554236A (zh) * | 2021-07-28 | 2021-10-26 | 武汉中科集思地理信息科技有限公司 | 一种智慧城市建设洪涝灾害实时在线监测预警管理云平台 |
CN114005252A (zh) * | 2021-10-12 | 2022-02-01 | 嘉应学院 | 一种基于山洪灾害多源信息的监测系统及方法 |
DE202022100460U1 (de) * | 2022-01-27 | 2022-02-15 | Pradeep Chhawchharia | Ein intelligentes System für Wetterüberwachung und Naturkatastrophenprävention mit IoT und ML |
CN114119286A (zh) * | 2021-11-29 | 2022-03-01 | 特斯联科技集团有限公司 | 一种建筑物碳中和数据实时传输系统 |
WO2022048981A1 (de) * | 2020-09-01 | 2022-03-10 | Geobrugg Ag | Sensornetzwerkbasiertes analyse- und/oder vorhersageverfahren und fernüberwachungssensorvorrichtung |
US11295131B1 (en) * | 2021-06-15 | 2022-04-05 | Knoetik Solutions, Inc. | Smoke and fire recognition, fire forecasting, and monitoring |
KR102410833B1 (ko) * | 2021-06-08 | 2022-06-22 | 임태훈 | 국지성 호우에 의한 도심지 저지대 침수 예측 및 조기경보 시스템 및 그 방법 |
CN115309255A (zh) * | 2021-05-06 | 2022-11-08 | 云米互联科技(广东)有限公司 | 区域环境状态的输出控制方法及装置 |
-
2023
- 2023-02-27 CN CN202310170607.3A patent/CN116016609B/zh active Active
Patent Citations (21)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
KR100748528B1 (ko) * | 2007-02-27 | 2007-08-10 | 인하대학교 산학협력단 | 무선통신과 웹-지아이에스를 이용한 재해피해조사 실시간자동화 업데이트 시스템 및 그 운영방법 |
US20170145648A1 (en) * | 2015-04-06 | 2017-05-25 | Kabushiki Kaisha Toshiba | Disaster prevention system |
US20190316309A1 (en) * | 2018-04-17 | 2019-10-17 | One Concern, Inc. | Flood monitoring and management system |
US20190318439A1 (en) * | 2018-04-17 | 2019-10-17 | One Concern, Inc. | Flood-recovery options tool |
CN110704999A (zh) * | 2019-06-28 | 2020-01-17 | 天津大学 | 沿海城市洪涝致灾因子作用度量化及区划方法 |
CN110992653A (zh) * | 2019-12-13 | 2020-04-10 | 软通动力信息技术有限公司 | 城市内涝预警系统及方法 |
CN111626599A (zh) * | 2020-05-22 | 2020-09-04 | 广东省突发事件预警信息发布中心(广东省人工影响天气中心) | 一种气象灾害风险研判方法及系统 |
CN111735504A (zh) * | 2020-07-30 | 2020-10-02 | 中电科新型智慧城市研究院有限公司 | 环境监测方法、系统及计算节点 |
WO2022048981A1 (de) * | 2020-09-01 | 2022-03-10 | Geobrugg Ag | Sensornetzwerkbasiertes analyse- und/oder vorhersageverfahren und fernüberwachungssensorvorrichtung |
CN112419674A (zh) * | 2020-10-26 | 2021-02-26 | 四川大学 | 一种泥石流地质灾害的监测系统及方法 |
CN112558190A (zh) * | 2020-12-17 | 2021-03-26 | 水利部南京水利水文自动化研究所 | 用于城市暴雨洪涝的水位雨量一体监控系统 |
CN112732693A (zh) * | 2021-01-18 | 2021-04-30 | 深圳市宇航智造技术有限公司 | 智能化物联网数据采集方法、装置、设备及存储介质 |
CN115309255A (zh) * | 2021-05-06 | 2022-11-08 | 云米互联科技(广东)有限公司 | 区域环境状态的输出控制方法及装置 |
CN113256138A (zh) * | 2021-06-01 | 2021-08-13 | 安徽建筑大学 | 一种基于异源多尺度监测数据的洪涝灾害风险评估方法 |
KR102410833B1 (ko) * | 2021-06-08 | 2022-06-22 | 임태훈 | 국지성 호우에 의한 도심지 저지대 침수 예측 및 조기경보 시스템 및 그 방법 |
US11295131B1 (en) * | 2021-06-15 | 2022-04-05 | Knoetik Solutions, Inc. | Smoke and fire recognition, fire forecasting, and monitoring |
CN113554236A (zh) * | 2021-07-28 | 2021-10-26 | 武汉中科集思地理信息科技有限公司 | 一种智慧城市建设洪涝灾害实时在线监测预警管理云平台 |
CN113380005A (zh) * | 2021-08-16 | 2021-09-10 | 中铁水利水电规划设计集团有限公司 | 基于物联网的防汛会商监测装置及方法 |
CN114005252A (zh) * | 2021-10-12 | 2022-02-01 | 嘉应学院 | 一种基于山洪灾害多源信息的监测系统及方法 |
CN114119286A (zh) * | 2021-11-29 | 2022-03-01 | 特斯联科技集团有限公司 | 一种建筑物碳中和数据实时传输系统 |
DE202022100460U1 (de) * | 2022-01-27 | 2022-02-15 | Pradeep Chhawchharia | Ein intelligentes System für Wetterüberwachung und Naturkatastrophenprävention mit IoT und ML |
Non-Patent Citations (8)
Title |
---|
CRISTIAN DINU ,NICOLAI SÎRBU,RADU DROBOT: "Delineation of the Flooded Areas in Urban Environments Based on a Simplified Approach", 《URBAN SUSTAINABILITY AND RESILIENCE OF THE BUILT ENVIRONMENTS》, vol. 12, no. 6 * |
FATIMAH CURUMTALLY; RAJEEV KHOODEERAM: "Real Time Flood Monitoring and Prevention Using IoT Sensors in Developing Countries", 《IEEE》 * |
HADIMLIOGLU,IA;KING,SA: "Visualization of Flooding Using Adaptive Spatial Resolution", 《ISPRS INTERNATIONAL JOURANL OF GEO-INFORMATION》, vol. 8, no. 5 * |
MARIA KAISER , STEPHAN GÜNNEMANN , MARKUS DISSE: "Regional-scale prediction of pluvial and flash flood susceptible areas using tree-based classifiers", 《JOURNAL OF HYDROLOGY》, vol. 612 * |
YUPIN SUPPAKHUN: "Flood surveillance and alert system an advance the IoT", 《IEEE》 * |
李聪;赵锋;: "基于WebGIS的抗洪抢险决策支持系统的技术难点及研究", 计算机与数字工程, no. 07 * |
杜志强;王叁;张叶廷;: "接入实时降雨数据的暴雨型洪涝灾害临灾预警方法", 地理信息世界, no. 01 * |
王海英;: "基于降水大数据的不同区域洪水灾害特征统计系统设计", 灾害学, no. 04 * |
Also Published As
Publication number | Publication date |
---|---|
CN116016609B (zh) | 2023-07-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
KR102208892B1 (ko) | 잘못된 주소 정보를 식별하기 위한 방법 및 장치 | |
CN109996186B (zh) | 一种网络覆盖问题识别方法及装置、可读取存储介质 | |
Paulo et al. | Stochastic prediction of drought class transitions | |
CN114860833B (zh) | 应用于数字孪生水利工程的数据中台和数据处理方法 | |
CN104573387A (zh) | 一种噪音地图绘制方法及装置 | |
JP7446644B2 (ja) | 測位方法、装置、モバイル端末、記憶媒体 | |
Ueyama et al. | Enhancing reliability in wireless sensor networks for adaptive river monitoring systems: Reflections on their long-term deployment in Brazil | |
CN112926636A (zh) | 牵引变流器柜体温度异常检测方法和装置 | |
CN116016609B (zh) | 一种区域洪涝的智能监测方法及装置 | |
CN110673146B (zh) | 气象预测图检测方法、装置、计算机设备和可读存储介质 | |
CN117077854B (zh) | 基于传感器网络的楼宇能耗监控方法及系统 | |
CN110805989B (zh) | 空调器的控制方法和装置 | |
Esteban et al. | Increase in port downtime and damage in Vietnam due to a potential increase in tropical cyclone intensity | |
CN108267613B (zh) | 一种测风数据处理方法及相关设备 | |
CN116645013A (zh) | 一种城市生态韧性评估预警方法、装置及相关设备 | |
CN117093943A (zh) | 一种用电量监测预警方法及装置 | |
CN115129706B (zh) | 一种考虑周期性特征的土壤水分观测数据质量评估方法 | |
KR102359643B1 (ko) | 기 수집된 우량 정보, 토양 수분 정보 및 수위 정보를 기초로 데이터 마이닝 기법을 활용하여 발령정보의 정확성을 향상시킨 자동 우량 경보 시스템 | |
CN106529239B (zh) | 一种生成验证密码的方法及装置 | |
KR101843008B1 (ko) | 기후변화 시나리오를 활용한 홍수방재시설 투자결정 방법 및 시스템 | |
CN112561171B (zh) | 一种滑坡的预测方法、装置、设备及存储介质 | |
CN114626475A (zh) | 严重旱涝事件的时空变化分析方法、装置和设备 | |
KR102418892B1 (ko) | 신뢰구간에 기반한 에너지 절감 방법 및 이를 이용한 장치 | |
Zhang et al. | Refined process upcrossing rate approach for estimating probabilistic wind load effects with consideration of directionality | |
CN109612008B (zh) | 空调器的控制方法、装置及具有其的空调器 |
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 |