CN116206426A - 一种基于物联网的移动式水位监测报警系统 - Google Patents

一种基于物联网的移动式水位监测报警系统 Download PDF

Info

Publication number
CN116206426A
CN116206426A CN202310498508.8A CN202310498508A CN116206426A CN 116206426 A CN116206426 A CN 116206426A CN 202310498508 A CN202310498508 A CN 202310498508A CN 116206426 A CN116206426 A CN 116206426A
Authority
CN
China
Prior art keywords
water
monitoring
area
target monitoring
monitoring 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
Application number
CN202310498508.8A
Other languages
English (en)
Other versions
CN116206426B (zh
Inventor
安曙浩
田伟
彭铖
刘东双
刘连禹
刘占国
许守岩
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Changchun Urban Construction And Maintenance Group Co ltd
Original Assignee
Changchun Urban Construction And Maintenance Group Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Changchun Urban Construction And Maintenance Group Co ltd filed Critical Changchun Urban Construction And Maintenance Group Co ltd
Priority to CN202310498508.8A priority Critical patent/CN116206426B/zh
Publication of CN116206426A publication Critical patent/CN116206426A/zh
Application granted granted Critical
Publication of CN116206426B publication Critical patent/CN116206426B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B21/00—Alarms responsive to a single specified undesired or abnormal condition and not otherwise provided for
    • G08B21/18—Status alarms
    • 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
    • Y02A20/00—Water conservation; Efficient water supply; Efficient water use
    • Y02A20/152—Water filtration

Abstract

本发明涉及移动式水位监测技术领域，具体公开一种基于物联网的移动式水位监测报警系统，该系统包括联网数据平台、区域筛查优先级评定模块、水体状况动态监测分析模块和报警提示云端，有效实现在降雨时期对指定城市的目标水位监测区域进行动态的监测报警，提高了对城市路面积水监测的动态性和全面性，减少了路面的监测死角，有效提高了水位监测的覆盖范围，为相关管理人员采取管控措施提供了有力的支撑依据，能够对需求管理的区域进行及时性的道路积水管控，避免导致交通拥堵现象发生率的提升，进而有利于促进城市道路交通的协调稳定运行，同时减少了通行车辆的故障发生率，也给路人的出行便利提供了保障。

Description

一种基于物联网的移动式水位监测报警系统
技术领域
本发明涉及移动式水位监测技术领域，具体而言，涉及一种基于物联网的移动式水位监测报警系统。
背景技术
伴随着城市化进程的加快，城市土地的利用方式也随着发生改变，致使城市道路路面无法避免的存在不平整的起伏现象，同时，由于一些排水设施的老化和性能不足，导致在降雨时期增加了城市道路的积水现象，在积水较为严重的地带，不仅会出现车辆拥堵现象，同时也给人们的出行安全造成严重的负面影响，鉴于此，需要在降雨时期对城市路面的水位进行科学高效的监测管理预警。
当前技术在针对降雨时期时的路面积水状况进行监测的过程中，还存在一些不足之处，具体包括：1、如今针对城市路面积水的监测较多还是采用固定的监测模式，例如通过路面摄像头进行监测，而利用摄像头进行监测不可避免地存在监测死角，由于监测的覆盖范围有限，在监测不全的路面区域，积水还是较为普遍存在的现象，由于人员对于路面状况的了解程度不足，若缺乏及时性和全面性的道路积水监测管控，则会导致交通拥堵现象发生率的提升，不利于促进城市道路交通的协调稳定运行，同时增加了通行车辆的故障发生率，也给路人的出行增加了不便。
2、目前针对路面积水的监测较为匮乏对水体质量的关注，由于降雨时期的积水是从多个地方进行汇流而成，因而不可避免地存在漂浮物等杂质，缺乏这一层次的分析，会导致阻碍路面排水系统的正常运行，从而进一步增加路面的积水程度，若不能进行及时的管控处理，可能会对驾驶人员以及行人的人身造成伤害，不仅增加了交通安全风险，还增加了因杂质处理不及时而导致产生的路面维护成本。
综上可见，目前针对城市路面的水位监测还存在一些不足，不能更加高效合理的进行路面的积水管理。
发明内容
为了克服背景技术中的缺点，本发明实施例提供了一种基于物联网的移动式水位监测报警系统，能够有效解决上述背景技术中涉及的问题。
本发明的目的可以通过以下技术方案来实现：一种基于物联网的移动式水位监测报警系统，包括：联网数据平台：用于存储城市信息库，存储监测区域所属水体常规灰度值，并存储各种车流量区间和各种人流量区间对应的道路需求管理价值评定因子。
区域筛查优先级评定模块：用于筛分得到各目标监测区域，并进行区域筛查优先级评定，得到各优先级所属各目标监测区域。
水体状况动态监测分析模块：用于对各优先级所属各目标监测区域的水体状况进行动态监测，包括水位状况监测单元和水体质量监测单元，据此分析各优先级所属各目标监测区域的水位风险以及水体质量风险评定值，分别记为
Figure SMS_1
和/>
Figure SMS_2
，d为各优先级的编号，/>
Figure SMS_3
，m为各目标监测区域的编号，/>
Figure SMS_4
。
报警提示云端：用于综合计算各优先级所属各目标监测区域的水体状况需求管理评定值，据此筛分各优先级所属各风险目标监测区域进行报警提示。
作为一种优选技术方案，所述城市信息库包括指定城市的市政道路模型、市政道路历史积水数据、地下排水管道数据和市政道路交通数据。
所述市政道路历史积水数据包括各市政道路所属各历史积水区域的最大积水覆盖面积
Figure SMS_5
和最大积水深度/>
Figure SMS_6
，i为各市政道路的编号，/>
Figure SMS_7
，j为各历史积水区域的编号，/>
Figure SMS_8
。
所述地下排水管道数据为地下排水管道平面分布示意图。
所述市政道路交通数据包括各市政道路的在各历史运作日对应各时间段的车流量和人流量。
作为一种优选技术方案，所述筛分得到各目标监测区域，具体过程包括：根据预定义的单位积水覆盖面积的风险评定因子
Figure SMS_9
以及单位积水深度的风险评定因子/>
Figure SMS_10
，进而初步计算各市政道路所属各历史积水区域的水体需求监测指数/>
Figure SMS_11
，
Figure SMS_12
，其中e为自然常数，/>
Figure SMS_13
为设定历史积水区域的水体需求监测修正因子。
将各市政道路所属各历史积水区域的水体需求监测指数与预设水体需求监测指数阈值进行比对，当某市政道路所属某历史积水区域的水体需求监测指数高于水体需求监测指数阈值，则从指定城市的市政道路模型定位至该市政道路所属该历史积水区域的中心点，标定为监测基准点，进而统计各监测基准点，据此划分得到各预估一类监测区域。
基于指定城市的地下排水管道平面示意图，从中筛分各排水管道分支汇流节点，进而在指定城市的市政道路模型中定位至各排水管道分支汇流节点所在地表平面位置点，据此划分得到各预估二类监测区域。
将各预估一类监测区域和各预估二类监测区域联合标定为各目标监测区域。
作为一种优选技术方案，所述水位状况监测单元用于对各优先级所属各目标监测区域的水位状况进行动态监测，具体过程为：对各优先级所属各目标监测区域进行扫描，得到各优先级所属各目标监测区域的实景图像，从中定位至水体所在区域，并勾勒水体的外边缘轮廓，进而提取并统计各优先级所属各目标监测区域的水体外边缘轮廓覆盖面积
Figure SMS_14
，同时提取各优先级所属各目标监测区域的水体最长延展线的长度/>
Figure SMS_15
。
依据各优先级所属各目标监测区域的实景图像，构建各优先级所属各目标监测区域的实景模型，并将各优先级所属各目标监测区域以设定数量进行随机采样点布设，得到各优先级所属各目标监测区域的各采样点，据此提取各优先级所属各目标监测区域的各采样点对应的水体平面高度
Figure SMS_16
，g为各采样点对应的编号，/>
Figure SMS_17
。
依据预定义的各优先级所属目标监测区域对应水体外边缘轮廓预警覆盖面积、水体延展线预警长度以及水体平面预警高度，并依次标定为
Figure SMS_18
、/>
Figure SMS_19
和/>
Figure SMS_20
，进而综合计算各优先级所属各目标监测区域的水位风险评定值。
作为一种优选技术方案，所述各优先级所属各目标监测区域的水位风险评定值
Figure SMS_21
的具体表达式为：/>
Figure SMS_22
，其中/>
Figure SMS_23
、/>
Figure SMS_24
和/>
Figure SMS_25
分别为设定的水体外边缘轮廓覆盖面积、水体延展线长度以及水体平面高度对应的水位风险评定影响权值，/>
Figure SMS_26
为设定的水位风险评定修正因子，z为采样点数目。
作为一种优选技术方案，所述水体质量监测单元用于对各优先级所属各目标监测区域的水体质量进行动态监测，具体过程为：依据各优先级所属各目标监测区域的实景图像，从中识别定位至水面的各漂浮物所在区域，进而勾勒并提取各漂浮物的覆盖面积，进而统计各优先级所属各目标监测区域的各漂浮物的覆盖面积，记为
Figure SMS_27
，p为各漂浮物的编号，/>
Figure SMS_28
。
将各优先级所属各目标监测区域的实景图像进行灰度图像处理，得到各优先级所属各目标监测区域的灰度图像，并定位至水体所在区域，进而以系统性样点布设方式进行检测点布设，得到并提取各优先级所属各目标监测区域的各水体检测点对应的灰度值
Figure SMS_29
，b为各水体检测点的编号，/>
Figure SMS_30
。
提取联网数据平台中存储的监测区域所属水体常规灰度值
Figure SMS_31
，进而计算各优先级所属各目标监测区域的水体质量风险评定值。
作为一种优选技术方案，所述各优先级所属各目标监测区域的水体质量风险评定值
Figure SMS_32
的具体表达式为：/>
Figure SMS_33
，其中/>
Figure SMS_34
和/>
Figure SMS_35
分别为设定的漂浮物单位覆盖面积以及水体单位偏差灰度值对应的风险评定因子，/>
Figure SMS_36
和/>
Figure SMS_37
分别为设定的漂浮物覆盖面积和水体灰度对应的水体质量风险评定影响权重因子，/>
Figure SMS_38
为预设的水体质量风险评定修正值。
作为一种优选技术方案，所述综合计算各优先级所属各目标监测区域的水体状况需求管理评定值，具体的计算过程为：根据指定城市的各市政道路的在各历史运作日对应各时间段的车流量和人流量，通过均值处理得到指定城市的各市政道路在各时间段的历史平均车流量和历史平均人流量。
依据当前监测时间点，并对指定城市的气象信息进行监测，得到指定城市的降雨预估终止时间点，进而筛分当前监测时间点与指定城市的降雨预估终止时间点之间相隔的各时间段，标记为各预估关联时间段。
提取各优先级所属各目标监测区域所在市政道路，进而提取各优先级所属各目标监测区域所在市政道路在各预估关联时间段的历史平均车流量和历史平均人流量，标定为各优先级所属各目标监测区域所在市政道路在各预估关联时间段的预计参考车流量和预计参考人流量。
根据联网数据平台中存储的各种车流量区间和各种人流量区间对应的道路需求管理价值评定因子，筛分得到各优先级所属各目标监测区域所在市政道路在各预估关联时间段的预计参考车流量和预计参考人流量对应的道路需求管理价值评定因子，分别记为
Figure SMS_39
和/>
Figure SMS_40
，/>
Figure SMS_41
为各预估关联时间段的编号，/>
Figure SMS_42
。
初步计算各优先级所属各目标监测区域的水体状况需求管理价值影响系数，记为
Figure SMS_43
。
综合计算各优先级所属各目标监测区域的水体状况需求管理评定值
Figure SMS_44
，
Figure SMS_45
，其中/>
Figure SMS_46
、/>
Figure SMS_47
和/>
Figure SMS_48
分别为设定的水体状况需求管理价值影响系数、水位风险评定值以及水体质量风险评定值对应的水体状况需求管理权重占比因数。
作为一种优选技术方案，所述各优先级所属各目标监测区域的水体状况需求管理价值影响系数
Figure SMS_49
的表达式为：/>
Figure SMS_50
，其中y为预估关联时间段的数目，/>
Figure SMS_51
和/>
Figure SMS_52
分别为设定的车流量和人流量对应的水体状况需求管理价值影响修正因子。
相对于现有技术，本发明的实施例至少具有如下优点或有益效果：1、本发明通过提供一种基于物联网的移动式水位监测报警系统，能够在降雨时期对指定城市的目标水位监测区域进行动态的监测报警，相对于现有的城市路面积水所采用的固定监测模式，本发明更加具有动态性和全面性，减少了路面的监测死角，有效提高了水位监测的覆盖范围。
2、本发明通过筛分各优先级所属各风险目标监测区域进行报警提示，为相关管理人员采取管控措施提供了有力的支撑依据，能够对需求管理的区域进行及时性和全面性的道路积水管控，避免导致交通拥堵现象发生率的提升，进而有利于促进城市道路交通的协调稳定运行，同时减少了通行车辆的故障发生率，也给路人的出行便利提供了保障。
3、本发明通过计算各优先级所属各目标监测区域的水体质量风险评定值，提高了对路面积水的水体质量的关注度，考虑到降雨时期的积水汇流特性，因而不可避免地存在漂浮物等杂质，通过针对这一层次的分析，为后续进行管控报警提示提供了更加丰富的支撑基础，进而能够有效保障路面排水系统的正常运行，避免进一步增加路面的积水程度，同时能够为采取及时有效的管控处理措施提供依据，避免因管控不到位和不及时而给驾驶人员以及行人的人身造成伤害，不仅降低了交通安全风险，还极大减少了因杂质处理不及时而导致产生的路面维护成本。
附图说明
利用附图对本发明作进一步说明，但附图中的实施例不构成对本发明的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1为本发明的系统结构连接示意图。
图2为本发明的水体状况动态监测分析模块结构示意图。
图3为本发明所涉及的目标监测区域划分示意图。
图4为本发明所涉及的地下排水管道平面示意图。
图5为本发明所涉及的目标监测区域的水体最长延展线示意图。
附图标记：1、监测基准点，2、目标监测区域，3、排水管道分支汇流节点，4、水体所在区域中心点，5、水体最长延展线。
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。
参照图1所示，本发明提供一种基于物联网的移动式水位监测报警系统，包括：联网数据平台、区域筛查优先级评定模块、水体状况动态监测分析模块和报警提示云端。
所述联网数据平台分别与区域筛查优先级评定模块、水体状况动态监测分析模块和报警提示云端相连接，区域筛查优先级评定模块和水体状况动态监测分析模块相连接，水体状况动态监测分析模块和报警提示云端相连接。
所述联网数据平台用于存储城市信息库，存储监测区域所属水体常规灰度值，并存储各种车流量区间和各种人流量区间对应的道路需求管理价值评定因子。
具体地，所述城市信息库包括指定城市的市政道路模型、市政道路历史积水数据、地下排水管道数据和市政道路交通数据。
所述市政道路历史积水数据包括各市政道路所属各历史积水区域的最大积水覆盖面积
Figure SMS_53
和最大积水深度/>
Figure SMS_54
，i为各市政道路的编号，/>
Figure SMS_55
，j为各历史积水区域的编号，/>
Figure SMS_56
。
所述地下排水管道数据为地下排水管道平面分布示意图。
所述市政道路交通数据包括各市政道路的在各历史运作日对应各时间段的车流量和人流量。
所述区域筛查优先级评定模块用于筛分得到各目标监测区域，并进行区域筛查优先级评定，得到各优先级所属各目标监测区域。
需要补充说明的是，上述提取各目标监测区域，并进行区域筛查优先级评定，具体的过程为：提取指定城市的市政道路模型，从中定位至各目标监测区域所在市政道路，记为各目标监测市政道路，进而提取各目标监测市政道路的路面制高点，记为各目标监测市政道路的水平参照面构建基准点，据此水平构建得到各目标监测市政道路的水平参照面，并提取各目标监测区域的中心点，进而提取各目标监测区域的中心点距离对应目标监测市政道路的水平参照面之间的垂直间距长度，记作为各目标监测区域的参照下陷深度，进而依据各优先级对应的下陷深度区间，通过比对得到各目标监测区域的参照下陷深度所属优先级，并进行数据整合得到各优先级所属各目标监测区域。
具体地，所述筛分得到各目标监测区域，具体过程包括：根据预定义的单位积水覆盖面积的风险评定因子
Figure SMS_57
以及单位积水深度的风险评定因子/>
Figure SMS_58
，进而初步计算各市政道路所属各历史积水区域的水体需求监测指数/>
Figure SMS_59
，/>
Figure SMS_60
，其中e为自然常数，/>
Figure SMS_61
为设定历史积水区域的水体需求监测修正因子。
将各市政道路所属各历史积水区域的水体需求监测指数与预设水体需求监测指数阈值进行比对，当某市政道路所属某历史积水区域的水体需求监测指数高于水体需求监测指数阈值，则从指定城市的市政道路模型定位至该市政道路所属该历史积水区域的中心点，标定为监测基准点，进而统计各监测基准点，据此划分得到各预估一类监测区域。
基于指定城市的地下排水管道平面示意图，从中筛分各排水管道分支汇流节点，进而在指定城市的市政道路模型中定位至各排水管道分支汇流节点所在地表平面位置点，据此划分得到各预估二类监测区域。
作为示例，上述指定城市的地下排水管道平面示意图具体可参照图4所示。
将各预估一类监测区域和各预估二类监测区域联合标定为各目标监测区域。
需要解释说明的是，上述各预估一类监测区域以及各预估二类监测区域的具体划分过程为：（1）依据上述各监测基准点，在指定城市的市政道路模型定位至各监测基准点所在道路，进而以各监测基准点为起始点，并提取各监测基准点所在道路的最大宽度为划分半径，记为各监测基准点的参照划分半径，进而将各监测基准点以参照划分半径长度进行基准监测圆形区域构建，并将各监测基准点对应的基准监测圆形区域与所在道路重叠的覆盖区域作为预估一类监测区域，进而统计得到各预估一类监测区域。
（2）根据上述定位得到的指定城市的市政道路模型中的各排水管道分支汇流节点所在地表平面位置点，并记为各排水管道分支汇流参照地表平面位置点，以此为依据，进而按照各预估一类监测区域的划分方式，同理，划分得到各预估二类监测区域。
需要理解的是，本发明通过在指定城市的市政道路模型中定位至各排水管道分支汇流节点所在的地表平面位置点，以此为依据，划分得到各预估二类监测区域，其目的在于，考虑到在排水管道的汇流节点处，对应的地表平面可能存在积水的情况，因为在排水管道的汇流节点处会汇聚多条管道的排水，同时在汇流节点处的管道内部也可能存在管道断流的情况，导致地表邻近区域的排水受到阻碍，从而在降雨时期出现地表积水现象。
作为示例，上述各目标监测区域的具体划分区域可参照图3所示。
所述水体状况动态监测分析模块用于对各优先级所属各目标监测区域的水体状况进行动态监测，据此分析各优先级所属各目标监测区域的水位风险以及水体质量风险评定值，分别记为
Figure SMS_62
和/>
Figure SMS_63
，d为各优先级的编号，/>
Figure SMS_64
，m为各目标监测区域的编号，/>
Figure SMS_65
。
在本发明具体的一个实施例中，通过对指定城市的降雨气象信息进行监测，进而在降雨时期，通过报警提示，由相关管理人员进行巡检设备启动，进而对各目标监测区域的水体状况按照对应的优先级所属层级数依次进行动态监测，优先级的层级数越小，则优先级越高，例如第一优先级>第二优先级，本发明具体使用的动态监测设备为智能防水性无人机。
参照图2所示，水体状况动态监测分析模块包括水位状况监测单元和水体质量监测单元。
具体地，所述水位状况监测单元用于对各优先级所属各目标监测区域的水位状况进行动态监测，具体过程为：对各优先级所属各目标监测区域进行扫描，得到各优先级所属各目标监测区域的实景图像，从中定位至水体所在区域，并勾勒水体的外边缘轮廓，进而提取并统计各优先级所属各目标监测区域的水体外边缘轮廓覆盖面积
Figure SMS_66
，同时提取各优先级所属各目标监测区域的水体最长延展线的长度/>
Figure SMS_67
。
作为示例，上述目标监测区域的水体最长延展线具体可参照图5所示，以各优先级所属各目标监测区域的水体所在区域中心点为依据，向外边缘轮廓进行直线衔接，将最长衔接的直线作为水体最长延展线，据此统计并提取各优先级所属各目标监测区域的水体最长延展线的长度。
依据各优先级所属各目标监测区域的实景图像，构建各优先级所属各目标监测区域的实景模型，并将各优先级所属各目标监测区域以设定数量进行随机采样点布设，得到各优先级所属各目标监测区域的各采样点，据此提取各优先级所属各目标监测区域的各采样点对应的水体平面高度
Figure SMS_68
，g为各采样点对应的编号，/>
Figure SMS_69
。
需要理解的是，上述各优先级所属各目标监测区域的各采样点对应的水体平面高度的具体提取过程为：依据各优先级所属各目标监测区域的各采样点，并从指定城市的市政道路模型定位至各优先级所属各目标监测区域的各采样点所在位置，进而提取各优先级所属各目标监测区域的各采样点的初始地面所在位置点，各优先级所属各目标监测区域的各采样点与对应的初始地面所在位置点之间的距离高度作为水体平面高度，据此统计各优先级所属各目标监测区域的各采样点对应的水体平面高度。
依据预定义的各优先级所属目标监测区域对应水体外边缘轮廓预警覆盖面积、水体延展线预警长度以及水体平面预警高度，并依次标定为
Figure SMS_70
、/>
Figure SMS_71
和/>
Figure SMS_72
，进而综合计算各优先级所属各目标监测区域的水位风险评定值。/>
进一步地，所述各优先级所属各目标监测区域的水位风险评定值
Figure SMS_73
的具体表达式为：/>
Figure SMS_74
，其中/>
Figure SMS_75
、/>
Figure SMS_76
和/>
Figure SMS_77
分别为设定的水体外边缘轮廓覆盖面积、水体延展线长度以及水体平面高度对应的水位风险评定影响权值，/>
Figure SMS_78
为设定的水位风险评定修正因子，z为采样点数目。
具体地，所述水体质量监测单元用于对各优先级所属各目标监测区域的水体质量进行动态监测，具体过程为：依据各优先级所属各目标监测区域的实景图像，从中识别定位至水面的各漂浮物所在区域，进而勾勒并提取各漂浮物的覆盖面积，进而统计各优先级所属各目标监测区域的各漂浮物的覆盖面积，记为
Figure SMS_79
，p为各漂浮物的编号，/>
Figure SMS_80
。
将各优先级所属各目标监测区域的实景图像进行灰度图像处理，得到各优先级所属各目标监测区域的灰度图像，并定位至水体所在区域，进而以系统性样点布设方式进行检测点布设，得到并提取各优先级所属各目标监测区域的各水体检测点对应的灰度值
Figure SMS_81
，b为各水体检测点的编号，/>
Figure SMS_82
。
需要解释的是，上述以系统性样点布设方式进行检测点布设的过程为：在各优先级所属各目标监测区域的灰度图像中定位至水体所在区域，并将水体所在区域的灰度图像以
Figure SMS_83
的距离间隔划分成大小相同的网格，将各网格线之间的交点记为水体检测点，进而统计各优先级所属各目标监测区域的各水体检测点。
提取联网数据平台中存储的监测区域所属水体常规灰度值
Figure SMS_84
，进而计算各优先级所属各目标监测区域的水体质量风险评定值。
进一步地，所述各优先级所属各目标监测区域的水体质量风险评定值
Figure SMS_85
的具体表达式为：/>
Figure SMS_86
，其中/>
Figure SMS_87
和/>
Figure SMS_88
分别为设定的漂浮物单位覆盖面积以及水体单位偏差灰度值对应的风险评定因子，/>
Figure SMS_89
和/>
Figure SMS_90
分别为设定的漂浮物覆盖面积和水体灰度对应的水体质量风险评定影响权重因子，/>
Figure SMS_91
为预设的水体质量风险评定修正值。
本发明具体实施例中，通过计算各优先级所属各目标监测区域的水体质量风险评定值，提高了对路面积水的水体质量的关注度，考虑到降雨时期的积水汇流特性，因而不可避免地存在漂浮物等杂质，通过针对这一层次的分析，为后续进行管控报警提示提供了更加丰富的支撑基础，进而能够有效保障路面排水系统的正常运行，避免进一步增加路面的积水程度，同时能够为采取及时有效的管控处理措施提供依据，避免因管控不到位和不及时而给驾驶人员以及行人的人身造成伤害，不仅降低了交通安全风险，还极大减少了因杂质处理不及时而导致产生的路面维护成本。
所述报警提示云端用于综合计算各优先级所属各目标监测区域的水体状况需求管理评定值，据此筛分各优先级所属各风险目标监测区域进行报警提示。
需要补充的是，上述筛分各优先级所属各风险目标监测区域进行报警提示，具体过程为：将各优先级所属各目标监测区域的水体状况需求管理评定值与预先定义的各优先级所属目标监测区域的水体状况需求管理评定阈值进行比对，当某优先级所属某目标监测区域的水体状况需求管理评定值高于对应的优先级所属目标监测区域的水体状况需求管理评定阈值时，则将该优先级所属该目标监测区域标定为风险目标监测区域，进而统计得到各优先级所属各风险目标监测区域，并按照优先级所属层级数依次进行显示，同时在各优先级所属各风险目标监测区域的显示界面中，提取指定城市的市政道路模型，从中定位至各优先级所属各风险目标监测区域所在位置点，进行辅助管控显示。
本发明具体实施例中，通过筛分各优先级所属各风险目标监测区域进行报警提示，为相关管理人员采取管控措施提供了有力的支撑依据，能够对需求管理的区域进行及时性和全面性的道路积水管控，避免导致交通拥堵现象发生率的提升，进而有利于促进城市道路交通的协调稳定运行，同时减少了通行车辆的故障发生率，也给路人的出行便利提供了保障。
具体地，所述综合计算各优先级所属各目标监测区域的水体状况需求管理评定值，具体的计算过程为：根据指定城市的各市政道路的在各历史运作日对应各时间段的车流量和人流量，通过均值处理得到指定城市的各市政道路在各时间段的历史平均车流量和历史平均人流量。
依据当前监测时间点，并对指定城市的气象信息进行监测，得到指定城市的降雨预估终止时间点，进而筛分当前监测时间点与指定城市的降雨预估终止时间点之间相隔的各时间段，标记为各预估关联时间段。
需要理解的是，上述筛分当前监测时间点与指定城市的降雨预估终止时间点之间相隔的各时间段的具体过程为：以单个小时为时间段的划分依据，例如8到9点为一个时间段，9点到10点为一个时间段，若当前监测时间点为8点10分，同时指定指定城市的降雨预估终止时间点为10点30分，则当前监测时间点与指定城市的降雨预估终止时间点之间相隔的各时间段依次为8点到9点，9点到10点以及10点到11点。
提取各优先级所属各目标监测区域所在市政道路，进而提取各优先级所属各目标监测区域所在市政道路在各预估关联时间段的历史平均车流量和历史平均人流量，标定为各优先级所属各目标监测区域所在市政道路在各预估关联时间段的预计参考车流量和预计参考人流量。
根据联网数据平台中存储的各种车流量区间和各种人流量区间对应的道路需求管理价值评定因子，筛分得到各优先级所属各目标监测区域所在市政道路在各预估关联时间段的预计参考车流量和预计参考人流量对应的道路需求管理价值评定因子，分别记为
Figure SMS_92
和/>
Figure SMS_93
，/>
Figure SMS_94
为各预估关联时间段的编号，/>
Figure SMS_95
。
初步计算各优先级所属各目标监测区域的水体状况需求管理价值影响系数，记为
Figure SMS_96
。
综合计算各优先级所属各目标监测区域的水体状况需求管理评定值
Figure SMS_97
，
Figure SMS_98
，其中/>
Figure SMS_99
、/>
Figure SMS_100
和/>
Figure SMS_101
分别为设定的水体状况需求管理价值影响系数、水位风险评定值以及水体质量风险评定值对应的水体状况需求管理权重占比因数。
进一步地，所述各优先级所属各目标监测区域的水体状况需求管理价值影响系数
Figure SMS_102
的表达式为：/>
Figure SMS_103
，其中y为预估关联时间段的数目，/>
Figure SMS_104
和/>
Figure SMS_105
分别为设定的车流量和人流量对应的水体状况需求管理价值影响修正因子。
本发明具体实施例中，通过提供一种基于物联网的移动式水位监测报警系统，能够在降雨时期对指定城市的目标水位监测区域进行动态的监测报警，相对于现有的城市路面积水所采用的固定监测模式，本发明更加具有动态性和全面性，减少了路面的监测死角，有效提高了水位监测的覆盖范围。
以上内容仅仅是对本发明结构所作的举例和说明，所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代，只要不偏离发明的结构或者超越本发明所定义的范围，均应属于本发明的保护范围。

Claims (9)

1.一种基于物联网的移动式水位监测报警系统，其特征在于，包括：
联网数据平台：用于存储城市信息库，存储监测区域所属水体常规灰度值，并存储各种车流量区间和各种人流量区间对应的道路需求管理价值评定因子；
区域筛查优先级评定模块：用于筛分得到各目标监测区域，并进行区域筛查优先级评定，得到各优先级所属各目标监测区域；
水体状况动态监测分析模块：用于对各优先级所属各目标监测区域的水体状况进行动态监测，包括水位状况监测单元和水体质量监测单元，据此分析各优先级所属各目标监测区域的水位风险以及水体质量风险评定值，分别记为
Figure QLYQS_1
和/>
Figure QLYQS_2
，d为各优先级的编号，
Figure QLYQS_3
，m为各目标监测区域的编号，/>
Figure QLYQS_4
；
报警提示云端：用于综合计算各优先级所属各目标监测区域的水体状况需求管理评定值，据此筛分各优先级所属各风险目标监测区域进行报警提示。
2.根据权利要求1所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述城市信息库包括指定城市的市政道路模型、市政道路历史积水数据、地下排水管道数据和市政道路交通数据；
所述市政道路历史积水数据包括各市政道路所属各历史积水区域的最大积水覆盖面积
Figure QLYQS_5
和最大积水深度/>
Figure QLYQS_6
，i为各市政道路的编号，/>
Figure QLYQS_7
，j为各历史积水区域的编号，/>
Figure QLYQS_8
；
所述地下排水管道数据为地下排水管道平面分布示意图；
所述市政道路交通数据包括各市政道路的在各历史运作日对应各时间段的车流量和人流量。
3.根据权利要求2所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述筛分得到各目标监测区域，具体过程包括：
根据预定义的单位积水覆盖面积的风险评定因子
Figure QLYQS_9
以及单位积水深度的风险评定因子/>
Figure QLYQS_10
，进而初步计算各市政道路所属各历史积水区域的水体需求监测指数/>
Figure QLYQS_11
，
Figure QLYQS_12
，其中e为自然常数，/>
Figure QLYQS_13
为设定历史积水区域的水体需求监测修正因子；
将各市政道路所属各历史积水区域的水体需求监测指数与预设水体需求监测指数阈值进行比对，当某市政道路所属某历史积水区域的水体需求监测指数高于水体需求监测指数阈值，则从指定城市的市政道路模型定位至该市政道路所属该历史积水区域的中心点，标定为监测基准点，进而统计各监测基准点，据此划分得到各预估一类监测区域；
基于指定城市的地下排水管道平面示意图，从中筛分各排水管道分支汇流节点，进而在指定城市的市政道路模型中定位至各排水管道分支汇流节点所在地表平面位置点，据此划分得到各预估二类监测区域；
将各预估一类监测区域和各预估二类监测区域联合标定为各目标监测区域。
4.根据权利要求1所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述水位状况监测单元用于对各优先级所属各目标监测区域的水位状况进行动态监测，具体过程为：
对各优先级所属各目标监测区域进行扫描，得到各优先级所属各目标监测区域的实景图像，从中定位至水体所在区域，并勾勒水体的外边缘轮廓，进而提取并统计各优先级所属各目标监测区域的水体外边缘轮廓覆盖面积
Figure QLYQS_14
，同时提取各优先级所属各目标监测区域的水体最长延展线的长度/>
Figure QLYQS_15
；
依据各优先级所属各目标监测区域的实景图像，构建各优先级所属各目标监测区域的实景模型，并将各优先级所属各目标监测区域以设定数量进行随机采样点布设，得到各优先级所属各目标监测区域的各采样点，据此提取各优先级所属各目标监测区域的各采样点对应的水体平面高度
Figure QLYQS_16
，g为各采样点对应的编号，/>
Figure QLYQS_17
；
依据预定义的各优先级所属目标监测区域对应水体外边缘轮廓预警覆盖面积、水体延展线预警长度以及水体平面预警高度，并依次标定为
Figure QLYQS_18
、/>
Figure QLYQS_19
和/>
Figure QLYQS_20
，进而综合计算各优先级所属各目标监测区域的水位风险评定值。
5.根据权利要求4所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述各优先级所属各目标监测区域的水位风险评定值
Figure QLYQS_21
的具体表达式为：
Figure QLYQS_22
，其中/>
Figure QLYQS_23
、/>
Figure QLYQS_24
和/>
Figure QLYQS_25
分别为设定的水体外边缘轮廓覆盖面积、水体延展线长度以及水体平面高度对应的水位风险评定影响权值，/>
Figure QLYQS_26
为设定的水位风险评定修正因子，z为采样点数目。
6.根据权利要求1所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述水体质量监测单元用于对各优先级所属各目标监测区域的水体质量进行动态监测，具体过程为：
依据各优先级所属各目标监测区域的实景图像，从中识别定位至水面的各漂浮物所在区域，进而勾勒并提取各漂浮物的覆盖面积，进而统计各优先级所属各目标监测区域的各漂浮物的覆盖面积，记为
Figure QLYQS_27
，p为各漂浮物的编号，/>
Figure QLYQS_28
；
将各优先级所属各目标监测区域的实景图像进行灰度图像处理，得到各优先级所属各目标监测区域的灰度图像，并定位至水体所在区域，进而以系统性样点布设方式进行检测点布设，得到并提取各优先级所属各目标监测区域的各水体检测点对应的灰度值
Figure QLYQS_29
，b为各水体检测点的编号，/>
Figure QLYQS_30
；
提取联网数据平台中存储的监测区域所属水体常规灰度值
Figure QLYQS_31
，进而计算各优先级所属各目标监测区域的水体质量风险评定值。
7.根据权利要求6所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述各优先级所属各目标监测区域的水体质量风险评定值
Figure QLYQS_32
的具体表达式为：
Figure QLYQS_33
，其中/>
Figure QLYQS_34
和
Figure QLYQS_35
分别为设定的漂浮物单位覆盖面积以及水体单位偏差灰度值对应的风险评定因子，
Figure QLYQS_36
和/>
Figure QLYQS_37
分别为设定的漂浮物覆盖面积和水体灰度对应的水体质量风险评定影响权重因子，/>
Figure QLYQS_38
为预设的水体质量风险评定修正值。
8.根据权利要求2所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述综合计算各优先级所属各目标监测区域的水体状况需求管理评定值，具体的计算过程为：
根据指定城市的各市政道路的在各历史运作日对应各时间段的车流量和人流量，通过均值处理得到指定城市的各市政道路在各时间段的历史平均车流量和历史平均人流量；
依据当前监测时间点，并对指定城市的气象信息进行监测，得到指定城市的降雨预估终止时间点，进而筛分当前监测时间点与指定城市的降雨预估终止时间点之间相隔的各时间段，标记为各预估关联时间段；
提取各优先级所属各目标监测区域所在市政道路，进而提取各优先级所属各目标监测区域所在市政道路在各预估关联时间段的历史平均车流量和历史平均人流量，标定为各优先级所属各目标监测区域所在市政道路在各预估关联时间段的预计参考车流量和预计参考人流量；
根据联网数据平台中存储的各种车流量区间和各种人流量区间对应的道路需求管理价值评定因子，筛分得到各优先级所属各目标监测区域所在市政道路在各预估关联时间段的预计参考车流量和预计参考人流量对应的道路需求管理价值评定因子，分别记为
Figure QLYQS_39
和/>
Figure QLYQS_40
，/>
Figure QLYQS_41
为各预估关联时间段的编号，/>
Figure QLYQS_42
；
初步计算各优先级所属各目标监测区域的水体状况需求管理价值影响系数，记为
Figure QLYQS_43
；
综合计算各优先级所属各目标监测区域的水体状况需求管理评定值
Figure QLYQS_44
，
Figure QLYQS_45
，其中/>
Figure QLYQS_46
、/>
Figure QLYQS_47
和/>
Figure QLYQS_48
分别为设定的水体状况需求管理价值影响系数、水位风险评定值以及水体质量风险评定值对应的水体状况需求管理权重占比因数。
9.根据权利要求8所述的一种基于物联网的移动式水位监测报警系统，其特征在于：所述各优先级所属各目标监测区域的水体状况需求管理价值影响系数
Figure QLYQS_49
的表达式为：
Figure QLYQS_50
，其中y为预估关联时间段的数目，/>
Figure QLYQS_51
和
Figure QLYQS_52
分别为设定的车流量和人流量对应的水体状况需求管理价值影响修正因子。/>
CN202310498508.8A 2023-05-06 2023-05-06 一种基于物联网的移动式水位监测报警系统 Active CN116206426B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310498508.8A CN116206426B (zh) 2023-05-06 2023-05-06 一种基于物联网的移动式水位监测报警系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310498508.8A CN116206426B (zh) 2023-05-06 2023-05-06 一种基于物联网的移动式水位监测报警系统

Publications (2)

Publication Number Publication Date
CN116206426A true CN116206426A (zh) 2023-06-02
CN116206426B CN116206426B (zh) 2023-07-07

Family

ID=86513332

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310498508.8A Active CN116206426B (zh) 2023-05-06 2023-05-06 一种基于物联网的移动式水位监测报警系统

Country Status (1)

Country Link
CN (1) CN116206426B (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117291432A (zh) * 2023-11-27 2023-12-26 安徽金海迪尔信息技术有限责任公司 一种基于人工智能的水资源调度监测系统
CN117411918A (zh) * 2023-12-11 2024-01-16 深圳前海翼联科技有限公司 一种基于iot物联网的监控报警方法及系统

Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239575A (zh) * 2017-06-29 2017-10-10 邯郸市气象局 城市道路暴雨内涝风险分析与预警智联网服务系统及方法
CN113342877A (zh) * 2021-06-16 2021-09-03 积善云科技(武汉)有限公司 基于大数据分析和云计算的城市市政道路运行安全监测方法及云监测平台
KR102331744B1 (ko) * 2021-02-25 2021-12-01 주식회사 엠에스텍 수돗물 수질 측정기 및 이를 구비한 공동 주택용 스마트 수돗물 수질 진단 및 위험요소 예측 시스템 및 방법
WO2022025360A1 (ko) * 2020-07-28 2022-02-03 주식회사 에스엠티 Ai 학습법 및 부유물 벡터 정보에 기초한 수질 측정 장치 및 시스템
CN114860833A (zh) * 2022-05-30 2022-08-05 江苏顺骁工程科技有限公司 应用于数字孪生水利工程的数据中台和数据处理方法
CN115203889A (zh) * 2022-05-31 2022-10-18 江西省大气探测技术中心 一种内涝气象风险预警方法、系统、可读存储介质及设备
CN115330127A (zh) * 2022-07-15 2022-11-11 中国水利水电科学研究院 一种水利枢纽运行风险实时控制系统及方法
CN115472003A (zh) * 2022-07-27 2022-12-13 山西西电信息技术研究院有限公司 一种基于多源信息的城市交通监管系统及方法

Patent Citations (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN107239575A (zh) * 2017-06-29 2017-10-10 邯郸市气象局 城市道路暴雨内涝风险分析与预警智联网服务系统及方法
WO2022025360A1 (ko) * 2020-07-28 2022-02-03 주식회사 에스엠티 Ai 학습법 및 부유물 벡터 정보에 기초한 수질 측정 장치 및 시스템
KR102331744B1 (ko) * 2021-02-25 2021-12-01 주식회사 엠에스텍 수돗물 수질 측정기 및 이를 구비한 공동 주택용 스마트 수돗물 수질 진단 및 위험요소 예측 시스템 및 방법
CN113342877A (zh) * 2021-06-16 2021-09-03 积善云科技(武汉)有限公司 基于大数据分析和云计算的城市市政道路运行安全监测方法及云监测平台
CN114860833A (zh) * 2022-05-30 2022-08-05 江苏顺骁工程科技有限公司 应用于数字孪生水利工程的数据中台和数据处理方法
CN115203889A (zh) * 2022-05-31 2022-10-18 江西省大气探测技术中心 一种内涝气象风险预警方法、系统、可读存储介质及设备
CN115330127A (zh) * 2022-07-15 2022-11-11 中国水利水电科学研究院 一种水利枢纽运行风险实时控制系统及方法
CN115472003A (zh) * 2022-07-27 2022-12-13 山西西电信息技术研究院有限公司 一种基于多源信息的城市交通监管系统及方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
MICHEL ANDRE ET AL.: "Coupling traffic, pollutant emission, air and water quality models: technical review and perspectives", 《PRECEDIA-SOCIAL AND BEHAVIORAL SCIENCES》, vol. 48, pages 1794 - 1804 *
王兰健 等: "水清监测预警系统在海下采煤中的应用", 《煤田地质与勘探》, vol. 34, no. 6, pages 54 - 56 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN117291432A (zh) * 2023-11-27 2023-12-26 安徽金海迪尔信息技术有限责任公司 一种基于人工智能的水资源调度监测系统
CN117291432B (zh) * 2023-11-27 2024-02-23 安徽金海迪尔信息技术有限责任公司 一种基于人工智能的水资源调度监测系统
CN117411918A (zh) * 2023-12-11 2024-01-16 深圳前海翼联科技有限公司 一种基于iot物联网的监控报警方法及系统
CN117411918B (zh) * 2023-12-11 2024-04-02 深圳前海翼联科技有限公司 一种基于iot物联网的监控报警方法及系统

Also Published As

Publication number Publication date
CN116206426B (zh) 2023-07-07

Similar Documents

Publication Publication Date Title
CN116206426B (zh) 一种基于物联网的移动式水位监测报警系统
CN109448365B (zh) 一种跨尺度空基平台区域道路交通系统综合监视方法
CN105303831A (zh) 一种基于通信数据判断高速路拥堵情况的方法
CN111815955B (zh) 一种基于交通流基本图的城市道路积水智能识别方法
US20230306573A1 (en) Systems and methods for assessing infrastructure
CN109784667B (zh) 一种基于夜光遥感数据的房屋空置监测方法
CN109186706A (zh) 一种用于城市雨洪淹没区预警的方法
CN107525558A (zh) 一种基于云平台的桥下积水在线监测系统及其监测方法
CN113012428A (zh) 基于终端的大数据分析处理方法及系统
CN113593191A (zh) 一种基于大数据的可视化城市内涝监测预警系统
WO2022190204A1 (ja) 発生危険度算出装置、発生危険度表示システム、発生危険度算出方法及び発生危険度算出プログラムが格納された非一時的なコンピュータ可読媒体
CN116821272B (zh) 一种城市内涝智慧监控预警方法及系统
CN114021766A (zh) 一种基于物联网和大数据的城市水安全预测方法
CN116737989B (zh) 一种基于视频图像的城市地表水文监测网构建方法
CN115471980B (zh) 泥石流灾害预警方法
CN112329515A (zh) 一种高点视频监控拥堵事件检测方法
KR20230100787A (ko) 도로의 정비보수를 위한 인공지능을 활용한 능동 도로 통합관리 시스템
CN114048693A (zh) 一种大风临灾预警方法及装置
CN112699599A (zh) 基于bp-geo的洪涝灾害预警方法
CN117744908B (zh) 一种基于机器视觉的城市排水设施巡检方法及系统
CN117216503B (zh) 一种小区域短时暴雨的预警方法和系统
CN114612801B (zh) 一种基于高分遥感卫星几何定位模型的洪灾预警方法
CN113313273B (zh) 基于大数据环境下的公共设施检测方法、系统和存储介质
CN116824863B (zh) 一种智能路网监测系统
CN108564190A (zh) 一种城市灾害预测系统

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