CN116433008A - 基于数据库的公路边坡的风险预警方法和系统 - Google Patents
基于数据库的公路边坡的风险预警方法和系统 Download PDFInfo
- Publication number
- CN116433008A CN116433008A CN202310217666.1A CN202310217666A CN116433008A CN 116433008 A CN116433008 A CN 116433008A CN 202310217666 A CN202310217666 A CN 202310217666A CN 116433008 A CN116433008 A CN 116433008A
- Authority
- CN
- China
- Prior art keywords
- slope
- highway
- risk
- early warning
- level
- 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 80
- 230000007613 environmental effect Effects 0.000 claims abstract description 8
- 238000004590 computer program Methods 0.000 claims description 6
- 238000012423 maintenance Methods 0.000 claims description 6
- 230000007423 decrease Effects 0.000 claims 1
- 230000000694 effects Effects 0.000 abstract description 8
- 238000012544 monitoring process Methods 0.000 abstract description 3
- 238000007726 management method Methods 0.000 description 13
- 238000011156 evaluation Methods 0.000 description 12
- 238000004364 calculation method Methods 0.000 description 9
- 238000010586 diagram Methods 0.000 description 9
- 238000011835 investigation Methods 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000004422 calculation algorithm Methods 0.000 description 6
- 238000012545 processing Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 230000002265 prevention Effects 0.000 description 4
- 239000011435 rock Substances 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
- 238000011161 development Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 239000002689 soil Substances 0.000 description 3
- 230000009471 action Effects 0.000 description 2
- 238000004458 analytical method Methods 0.000 description 2
- 238000009412 basement excavation Methods 0.000 description 2
- 238000004040 coloring Methods 0.000 description 2
- 230000006870 function Effects 0.000 description 2
- 239000004973 liquid crystal related substance Substances 0.000 description 2
- 238000010422 painting Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 229920006395 saturated elastomer Polymers 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000013524 data verification Methods 0.000 description 1
- 230000008030 elimination Effects 0.000 description 1
- 238000003379 elimination reaction Methods 0.000 description 1
- 238000000802 evaporation-induced self-assembly Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000035699 permeability Effects 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 230000033764 rhythmic process Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000003313 weakening effect Effects 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
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/22—Indexing; Data structures therefor; Storage structures
- G06F16/2282—Tablespace storage structures; Management thereof
-
- 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"
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Game Theory and Decision Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Software Systems (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种基于数据库的公路边坡的风险预警方法和系统，涉及公路边坡监测预警技术领域，该方法包括：基于预先建立的边坡信息档案表生成边坡信息数据库；边坡信息档案表包括公路边坡的基本信息；公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；基于边坡信息数据库确定公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；根据风险等级以及对应的自然因素参数，确定目标公路边坡的预警等级；自然因素包括影响公路边坡稳定性的自然环境因素。通过该方法可以缓解现有技术中存在的适应范围较小、预警精准度低的技术问题，实现了提高公路边坡地质灾害预警精度的效果。
Description
技术领域
本发明涉及公路边坡监测预警技术领域，尤其是涉及一种基于数据库的公路边坡的风险预警方法和系统。
背景技术
公路边坡由于受到前期建设过程中的坡脚开挖和支护防护等工程扰动，其与原始自然边坡相比，已经发生很大的应力、结构、水系排泄路径等的变化，对其进行风险预警和管理更加复杂，且公路边坡体量上往往要小于自然边坡，多为浅层受降雨的饱水蠕滑和坍塌，且呈现多而零星的特征，其变形失稳演化规律更不明显，给交通安全管理造成了很大的难度。目前对于公路边坡开展风险研究与管理要远远落后于自然边坡，风险位置以及风险情况难以精准描述。国土领域自然边坡已经陆续有相关的边坡地质灾害风险预警平台与预警方法推出，但风险预警方法大多根据区域地质情况进行区域风险区划后的区域预警，对范围相对较小的公路边坡很难适用，也未达到单灾害点的预警，很难指导公路安全运营。也就是说，现有针对边坡的风险预警方法存在适应范围较小，预警不够精准的技术问题。
发明内容
本发明的目的在于提供一种基于数据库的公路边坡的风险预警方法和系统，以缓解现有技术中存在的适应范围较小、预警精准度低的技术问题。
第一方面，本发明实施例提供了一种基于数据库的公路边坡的风险预警方法，上述方法包括：基于预先建立的边坡信息档案表生成边坡信息数据库；上述边坡信息档案表包括公路边坡的基本信息；上述公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；基于上述边坡信息数据库确定上述公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；根据上述风险等级以及对应的自然因素参数，确定上述目标公路边坡的预警等级；上述自然因素包括影响公路边坡稳定性的自然环境因素。
在一些可能的实施方式中，上述方法还包括：根据上述风险等级为上述公路边坡风险等级进行赋色，生成风险点等级分布四色图；根据上述公路边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，生成区域公路各等级风险边坡分布图。
在一些可能的实施方式中，基于上述边坡信息数据库确定上述公路边坡在自然条件下的风险等级，包括：基于上述边坡信息数据库，利用指标体系法计算上述公路边坡的风险指数；基于上述风险指数确定上述公路边坡在自然条件下的风险等级；上述风险等级包括：一级、二级、三级和四级，风险程度随上述风险等级依次降低；其中，上述风险等级为一级和二级的上述公路边坡为待治理的公路边坡；上述风险等级为三级和四级的上述公路边坡为待监测预警的目标公路边坡。
在一些可能的实施方式中，基于所述风险指数确定所述公路边坡在自然条件下的风险等级的步骤，包括：利用自然断点法、黄金分割法或根据各级公路边坡实际发生失稳的频率确定相邻级别间的上述公路边坡的风险指数的划分界限值。
在一些可能的实施方式中，根据上述风险等级以及对应的自然因素参数，确定上述目标公路边坡的预警等级，包括：基于预先获取的未来第一时间段内的自然因素预测值，以及预先获取的当前时刻前一周期内每个上述第一时间段内的自然因素历史数据值，确定不同类型的上述公路边坡的自然因素对边坡稳定性影响的有效值；根据上述风险等级、上述自然因素预测值和上述自然因素对边坡稳定性影响的有效值，确定上述目标公路边坡的预警等级；上述预警等级包括：无预警、二级预警和一级预警。
在一些可能的实施方式中，上述方法还包括：将上述预警等级发送至公路管理与养护人员进行现场核查。
第二方面，本发明实施例提供了一种基于数据库的公路边坡的风险预警系统，上述系统包括：数据库生成模块，用于基于预先建立的边坡信息档案表生成边坡信息数据库；上述边坡信息档案表包括公路边坡的基本信息；上述公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；风险等级确定模块，用于基于上述边坡信息数据库确定上述公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；预警等级确定模块，用于根据上述风险等级以及对应的自然因素参数，确定上述目标公路边坡的预警等级；上述自然因素包括影响公路边坡稳定性的自然环境因素。
在一些可能的实施方式中，上述系统还包括：风险点分布图生成模块，用于根据上述风险等级为上述公路边坡风险等级进行赋色，生成风险点分布图；区域公路风险边坡分布图生成模块，用于根据上述公路边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，生成区域公路各等级风险边坡分布图。
第三方面，本发明实施例提供了一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现上述第一方面任一项所述的方法的步骤。
第四方面，本发明实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述第一方面任一项所述的方法。
本发明提供了一种基于数据库的公路边坡的风险预警方法和系统，该方法包括：基于预先建立的边坡信息档案表生成边坡信息数据库；边坡信息档案表包括公路边坡的基本信息；公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；基于边坡信息数据库确定公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；根据风险等级以及对应的自然因素参数，确定目标公路边坡的预警等级；自然因素包括影响公路边坡稳定性的自然环境因素。通过该方法可以缓解现有技术中存在的适应范围较小、预警精准度低的技术问题，实现了提高公路边坡地质灾害预警精度的效果。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案，下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图是本发明的一些实施方式，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为本发明实施例提供的一种基于数据库的公路边坡的风险预警方法的流程示意图；
图2为本发明实施例提供的一种基于数据库的公路边坡的风险预警方法的计算模型示意图；
图3为本发明实施例提供的第一种风险预警程度示意图；
图4为本发明实施例提供的第二种风险预警程度示意图；
图5为本发明实施例提供的第三种风险预警程度示意图；
图6为本发明实施例提供的第四种风险预警程度示意图；
图7为本发明实施例提供的第五种风险预警程度示意图；
图8为本发明实施例提供的一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚，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，所描述的实施例是本发明一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本发明实施例的组件可以以各种不同的配置来布置和设计。
因此，以下对在附图中提供的本发明的实施例的详细描述并非旨在限制要求保护的本发明的范围，而是仅仅表示本发明的选定实施例。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。
应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。下面结合附图，对本发明的一些实施方式作详细说明。在不冲突的情况下，下述的实施例及实施例中的特征可以相互组合。
随着第一次自然灾害综合风险普查工作的开展，大量的公路边坡自然灾害风险点数据给传统的灾害防治手段提出了很大的挑战，因此构建一个能够纳入海量风险点的数字化平台，并且采用数字化的手段进行风险分级管控迫在眉睫。风险位置、风险等级、风险发展趋势、风险快速管理策略等，都需要进行全面的分析管控。而目前采用的静态纸质文档管理方法已经无法满足当下快速发展的交通建设节奏。全面提升公路承灾体的防灾能力，不仅能为后续开展自然灾害防治应对工作提供重要支撑，还能为智慧交通建设布局提供科学依据。
公路边坡由于受到前期建设过程中的坡脚开挖和支护防护等工程扰动，其与原始自然边坡相比，已经发生很大的应力、结构、水系排泄路径等的变化，对其进行风险预警和管理更加复杂，且公路边坡灾毁体量上往往要小于自然边坡，多为浅层受降雨的饱水蠕滑和坍塌，且呈现多而零星的特征，其变形失稳演化规律更不明显，给交通安全管理造成了很大的难度。目前对于公路边坡开展风险研究与管理要远远落后于自然边坡，风险位置以及风险情况难以精准描述。国土领域自然边坡已经陆续有相关的边坡地质灾害风险预警平台与预警方法推出，但风险预警方法大多根据区域地质情况进行区域风险区划后的区域预警，对范围相对较小的公路边坡很难适用，也未达到单灾害点的预警，很难指导公路安全运营。
也就是说，现有针对边坡的风险预警方法存在适应范围较小，预警不够精准的技术问题。
基于此，本发明实施例提供了一种基于数据库的公路边坡的风险预警方法和装置，以缓解现有技术中存在的适应范围较小、预警精准度低的技术问题。
为便于对本实施例进行理解，首先对本发明实施例所公开的一种基于数据库的公路边坡的风险预警方法进行详细介绍，参见图1所示的一种基于数据库的公路边坡的风险预警方法的流程示意图，该方法可以由电子设备执行，主要包括以下步骤S110至步骤S130：
S110：基于预先建立的边坡信息档案表生成边坡信息数据库；边坡信息档案表包括公路边坡的基本信息；
其中，公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；基本地质情况包括边坡类型，如：岩质边坡、非岩质边坡等。
S120：基于边坡信息数据库确定公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；
S130：根据风险等级以及对应的自然因素参数，确定目标公路边坡的预警等级。
其中，自然因素包括影响公路边坡稳定性的自然环境因素，自然环境因素可以是降雨。
在一种实施例中，方法还包括：根据风险等级为公路边坡风险等级进行赋色，生成风险点等级分布四色图；根据公路边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，生成区域公路各等级风险边坡分布图。
在一种实施例中，基于边坡信息数据库确定公路边坡在自然条件下的风险等级，包括：基于边坡信息数据库，利用指标体系法计算公路边坡的风险指数；基于风险指数确定公路边坡在自然条件下的风险等级；风险等级包括：一级、二级、三级和四级，风险程度随风险等级依次降低；其中，风险等级为一级和二级的公路边坡为待治理的公路边坡；风险等级为三级和四级的公路边坡为待监测预警的目标公路边坡。
在一种实施例中，基于所述风险指数确定所述公路边坡在自然条件下的风险等级的步骤，即风险等级的划分包括：利用自然断点法、黄金分割法或根据各级公路边坡实际发生失稳的频率确定相邻级别间的公路边坡的风险指数的划分界限值。
在一种实施例中，根据风险等级以及对应的自然因素参数，确定目标公路边坡的预警等级，包括：基于预先获取的未来第一时间段内的自然因素预测值(如：未来24小时内降雨量预测值)，以及预先获取的当前时刻前一周期内每个第一时间段内的自然因素历史数据值(如：前1～7天的实际历史降雨量)，确定不同类型的公路边坡的自然因素对边坡稳定性影响的有效值；根据风险等级、自然因素预测值和自然因素对边坡稳定性影响的有效值，确定目标公路边坡的预警等级；预警等级包括：无预警、二级预警和一级预警。
在一种实施例中，上述方法还包括：将预警等级发送至公路管理与养护人员进行现场核查。
本发明的目的是提供一种基于公路边坡调查数据库平台，建立单个边坡受不同降雨作用下的稳定性风险预警计算和消警处置方法，指导公路边坡防灾减灾。
也就是说，本发明公开了一种基于边坡数据库平台的公路边坡受降雨作用的风险预警算法和处理方法。该方法包括以下步骤：
(1)现场调查，建立包括边坡地质信息、支护结构信息的边坡档案表；
(2)采用指标系数法将边坡的稳定性划分风险等级，并分级赋色；
(3)根据边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，形成区域公路各等级风险边坡分布图；
(4)获取风险边坡点周围一定范围内预测降雨数据和历史降雨数据，按照岩质边坡与土质边坡计算未来一定时间内的预警等级；
(5)调取边坡地质资料核实预警信息，确定预警信息后将其发送给公路管理与养护人员进行现场核查。
该方法根据详实的公路边坡地质调查信息，结合高精度的降雨信息进行边坡风险等级预警，提高公路边坡地质灾害预警的精度。
作为一个具体的示例，本申请实施例提出了一种基于数据库的公路边坡的风险预警方法，包括以下步骤：
(步骤1)现场调查、调绘，获取边坡的基本地质情况、防护情况和公路承灾体的基本信息，建立包含边坡基本信息档案表。
(步骤2)基于程序开发，将边坡调查信息数字化，建立边坡信息数据库，对调查的边坡每项信息设置一个专有字段，便于后期边坡信息的准确定位与调取。同时，根据灾害点的经纬度坐标，将边坡风险点投影在卫星影像地图上，形成公路边坡灾害分布一张图。
(步骤3)通过边坡稳定性计算算法计算出边坡风险等级并进行赋色，分为四级，一级为红色，二级为橙色，三级为黄色，四级为蓝色，建立风险点等级分布四色图。
边坡风险分级评价采用指标体系评价法进行单个边坡稳定性分级，共分为一级、二级、三级和四级，其中一级风险最大，二级次之，以上两级在现场调查后均需马上治理，而三级和四级边坡数量较多，可先进行后续观测，分步治理，并结合降雨和自动化监测进行边坡动态风险预警，及时做出管理调整。
指标体系法是一种按照对事物属性进行层次划分的简易定量分类的方法：具体计算步骤如下：
1)确定边坡稳定性评价的主要评价指标；
2)确定各主要评价指标的分级；本发明分为四级；
3)确定各评价指标各分级对边坡稳定性的权重，各评价因子权重总和为1；
4)按照公式(1)计算边坡的风险指数CRI：
式中：n为评价指标的个数；Ai为各评价指标，γi为各评价指标对应的权重系数，CRI为边坡风险指数。
(步骤4)利用步骤3计算出边坡的风险指数后对其进行分级，本发明分四级，具体分析方法可基于概率统计方法，例如，自然断点法、黄金分割法或根据各级边坡实际发生失稳的频率确定一级、二级、三级、四级4个等级边坡相邻级别间的CRI值划分界限。
对边坡进行自然状态条件下的稳定性计算评价分级赋色后，引入降雨量参数，考虑不同降雨作用对边坡稳定性的影响，从而确定边坡的预警等级，将预警信息在数据库平台显示，并通过专业人员调取数据库平台中边坡的调查资料进行初步核查分析，确定边坡风险存在的可能性后通过手机APP、短信发送给路段养护人员，从而对不同预警等级的边坡结合前期普查建立的边坡档案表进行快速巡查，核实边坡主要风险位置的变形情况，进行风险核查，必要时在公路两侧设置必要的警告标志。
针对步骤4中，不同降雨量条件下边坡风险预警等级的计算具体步骤如下：
1)通过编程语言，以风险点数据库平台中灾害点的经纬度坐标为提取字段，从外部接口中接入灾害点周围3km范围内未来24小时降雨量预测值，设为R0，并将该降雨量值进行本地存储。
2)平台接入和存储通过灾害点周边雨量站实测降雨量插值计算出的灾害点3km范围内的平均历史降雨量，计为R1、R2、R3、R4、R5、R6、R7，分别表示为灾害点3km范围内前1～7天的实际历史降雨量。
3)以灾害点周围3km范围内未来24小时预测降雨量，设为R0，历史前7天的有效降雨量，设为Rc，采用公式2计算岩质边坡受历史降雨的影响参数，也叫有效降雨量，对于土质边坡采用公式3计算：
式中α为降雨后雨水对边坡影响的弱化系数，一般取0.7～0.8，具体取值视边坡的岩土体类型、透水性质而定。
(步骤5)以R0、Rc两个指标评判三级和四级边坡受降雨预警的等级，本发明边坡的风险预警等级分“无预警”，“二级预警”和“一级预警”三个级别。首先根据三级边坡或四级边坡确定各自三个预警级别之间R0、Rc两个指标的阈值，“无预警”和“二级预警”之间的预警阈值分别为R01、Rc1，“二级预警”和“一级预警”之间的预警阈值分别为R02、Rc2，具体数值应根据研究区具体的边坡灾害统计分析后确定，通常R01<Rc1，R02<Rc2。
(步骤6)按照步骤5确定好各预警等级的降雨阈值后，根据接入的以灾害点经纬度坐标为圆心，3km范围内的未来24小时降雨量R0和历史前7天的降雨量，经过步骤4计算得到Rc并结合R0进行预警等级计算与判断，具体计算评价方法如下：
1)当R0<R01且Rc<Rc1对应“无预警”；
2)当R01<R0<R02且Rc1<Rc<Rc2对应“二级预警”；
3)当R0>R02且Rc>Rc2对应“一级预警”。
其具体的计算模型如下图2所示，横坐标为边坡所在3km范围内未来24小时的预测降雨量，纵坐标为边坡所在3km范围内过去7天的有效降雨量。当预警活动线位于Rc1R01实线(二级预警线，一般可设置为蓝色)之下的A区域，为无预警区域。当预警活动线位于蓝色和Rc2R02实线(一级预警线，一般可设置为红色)之间的B区域，为二级预警区域，当预警活动线位于红色实线之上的C区域为一级预警区域。
数据库平台通过编程语言，建立步骤5、6的算法，对不同预警等级的风险点首先在平台中发出预警，平台专业维护人员快速调取边坡调查资料进行核查，确定预警无误后通过短信或手机APP发送预警信息给路段养护管理人员，进行现场巡查与核查。
数据库平台每间隔1小时自动计算一次边坡的风险预警等级，实时调整风险预警等级。
(步骤7)进一步，设立风险预警程度连续指标P，表示边坡发生预警程度的高低，其物理意义如图3至图7所示，有五种情况，第一：当预警活动线在二级预警区域界下部时P＝0；第二：当预警活动线与二级预警线(Rc1R01)相交，P为预警活动线与二级预警线围成的面积与二级预警线和一级预警线围成的面积的百分比；第三：当预警活动线在二级预警线之上，一级预警线之下时，P为预警活动线与二级预警线围成的面积与二级预警线和一级预警线围成的面积的百分比，第四：当预警活动线与一级预警线相交时，P为预警活动线与一级预警线围成的面积与二级预警线和一级预警线围成的面积的百分比；第五：当预警活动线超出一级预警区域后，P＝100％。P值越大，表示预警的程度越高。
五种情况P的计算公式如下：
1)当R0<R01，Rc<Rc1：此时，P＝0％(参见图3)；
2)当R0<R01，Rc1≤Rc≥Rc2：此时，
(参见图4)；
3)当R01≤R0≤R02，Rc1≤Rc≤Rc2时，进行二级风险预警:此时，
(参见图5)；
4)当R01<R0<R02，Rc>Rc2时：此时，
(参见图6)；
5)当R0≥R02，Rc≥Rc2时，进行一级风险预警，此时，P＝100％(参见图7)。
也就是说，本发明实施例提出的技术方案为：对一定区域内公路边坡开展现场调查、调绘并收集公路承灾体的具体属性信息，基于编程语言对边坡和公路承灾体的每种信息建立唯一对应的字段，形成公路边坡灾害数据库平台。通过指标体系法计算数据库中边坡在自然条件下的风险等级，并进行分级赋色。随后，结合实时降雨参数，考虑不同雨量条件下边坡的风险预警算法，通过编程语言实现不同等级公路边坡受降雨作用的风险预警等级，实现公路边坡数据库平台中灾害点的动态风险预警，通过室内调取边坡信息初查、现场核查进行最终确定和消警。
本申请实施例提出了一种基于边坡数据库平台的公路边坡受降雨作用的动态预警计算算法，在充分利用已有数据库平台的基础上，统计不同公路边坡受不同降雨量作用而发生失稳的概率，建立一套基于不同降雨类型的风险预警等级算法，并依托编程语言实现自动计算和信息推送与消警核查方法，初步实现风险在哪里，风险情况如何的问题。
此外，本发明实施例还提供了一种基于数据库的公路边坡的风险预警系统，该系统包括：
数据库生成模块，用于基于预先建立的边坡信息档案表生成边坡信息数据库；边坡信息档案表包括公路边坡的基本信息；公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；
风险等级确定模块，用于基于边坡信息数据库确定公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；
预警等级确定模块，用于根据风险等级以及对应的自然因素参数，确定目标公路边坡的预警等级；自然因素包括影响公路边坡稳定性的自然环境因素。
在一种实施例中，上述系统还包括：风险点分布图生成模块，用于根据风险等级为公路边坡风险等级进行赋色，生成风险点分布图；区域公路风险边坡分布图生成模块，用于根据公路边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，生成区域公路各等级风险边坡分布图。
本申请实施例所提供的基于数据库的公路边坡的风险预警系统可以为设备上的特定硬件或者安装于设备上的软件或固件等。本申请实施例所提供的装置，其实现原理及产生的技术效果和前述方法实施例相同，为简要描述，装置实施例部分未提及之处，可参考前述方法实施例中相应内容。所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，前述描述的系统、装置和单元的具体工作过程，均可以参考上述方法实施例中的对应过程，在此不再赘述。本申请实施例提供的基于数据库的公路边坡的风险预警系统与上述实施例提供的基于数据库的公路边坡的风险预警方法具有相同的技术特征，所以也能解决相同的技术问题，达到相同的技术效果。
本申请实施例还提供了一种电子设备，具体的，该电子设备包括处理器和存储装置；存储装置上存储有计算机程序，计算机程序在被所述处理器运行时执行如上所述实施方式的任一项所述的方法。
图8为本申请实施例提供的一种电子设备的结构示意图，该电子设备400包括：处理器40，存储器41，总线42和通信接口43，所述处理器40、通信接口43和存储器41通过总线42连接；处理器40用于执行存储器41中存储的可执行模块，例如计算机程序。
其中，存储器41可能包含高速随机存取存储器(RAM，Random Access Memory)，也可能还包括非不稳定的存储器(non-volatile memory)，例如至少一个磁盘存储器。通过至少一个通信接口43(可以是有线或者无线)实现该系统网元与至少一个其他网元之间的通信连接，可以使用互联网，广域网，本地网，城域网等。
总线42可以是ISA总线、PCI总线或EISA总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图8中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
其中，存储器41用于存储程序，所述处理器40在接收到执行指令后，执行所述程序，前述本发明实施例任一实施例揭示的流过程定义的装置所执行的方法可以应用于处理器40中，或者由处理器40实现。
处理器40可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器40中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器40可以是通用处理器，包括中央处理器(Central Processing Unit，简称CPU)、网络处理器(Network Processor，简称NP)等；还可以是数字信号处理器(Digital SignalProcessing，简称DSP)、专用集成电路(Application Specific Integrated Circuit，简称ASIC)、现成可编程门阵列(Field-Programmable Gate Array，简称FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器41，处理器40读取存储器41中的信息，结合其硬件完成上述方法的步骤。
对应于上述方法，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行上述方法的步骤。
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。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本申请提供的实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
所述功能如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来，该计算机软件产品存储在一个存储介质中，包括若干指令用以使得一台计算机设备(可以是个人计算机，电子设备，或者网络设备等)执行本发明各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
应注意到：相似的标号和字母在附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释，此外，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各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实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。
Claims (10)
1.一种基于数据库的公路边坡的风险预警方法，其特征在于，所述方法包括：
基于预先建立的边坡信息档案表生成边坡信息数据库；所述边坡信息档案表包括公路边坡的基本信息；所述公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；
基于所述边坡信息数据库确定所述公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；
根据所述风险等级以及对应的自然因素参数，确定所述目标公路边坡的预警等级；所述自然因素包括影响公路边坡稳定性的自然环境因素。
2.根据权利要求1所述的基于数据库的公路边坡的风险预警方法，其特征在于，所述方法还包括：
根据所述风险等级为所述公路边坡风险等级进行赋色，生成风险点等级分布四色图；
根据所述公路边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，生成区域公路各等级风险边坡分布图。
3.根据权利要求2所述的基于数据库的公路边坡的风险预警方法，其特征在于，基于所述边坡信息数据库确定所述公路边坡在自然条件下的风险等级，包括：
基于所述边坡信息数据库，利用指标体系法计算所述公路边坡的风险指数；
基于所述风险指数确定所述公路边坡在自然条件下的风险等级；
所述风险等级包括：一级、二级、三级和四级，风险程度随所述风险等级依次降低；其中，所述风险等级为一级和二级的所述公路边坡为待治理的公路边坡；所述风险等级为三级和四级的所述公路边坡为待监测预警的目标公路边坡。
4.根据权利要求3所述的基于数据库的公路边坡的风险预警方法，其特征在于，基于所述风险指数确定所述公路边坡在自然条件下的风险等级的步骤，包括：利用自然断点法、黄金分割法或根据各级公路边坡实际发生失稳的频率确定相邻级别间的所述公路边坡的风险指数的划分界限值。
5.根据权利要求3所述的基于数据库的公路边坡的风险预警方法，其特征在于，根据所述风险等级以及对应的自然因素参数，确定所述目标公路边坡的预警等级，包括：
基于预先获取的未来第一时间段内的自然因素预测值，以及预先获取的当前时刻前一周期内每个所述第一时间段内的自然因素历史数据值，确定不同类型的所述公路边坡的自然因素对边坡稳定性影响的有效值；
根据所述风险等级、所述自然因素预测值和所述自然因素对边坡稳定性影响的有效值，确定所述目标公路边坡的预警等级；所述预警等级包括：无预警、二级预警和一级预警。
6.根据权利要求5所述的基于数据库的公路边坡的风险预警方法，其特征在于，所述方法还包括：
将所述预警等级发送至公路管理与养护人员进行现场核查。
7.一种基于数据库的公路边坡的风险预警系统，其特征在于，所述系统包括：
数据库生成模块，用于基于预先建立的边坡信息档案表生成边坡信息数据库；所述边坡信息档案表包括公路边坡的基本信息；所述公路边坡的基本信息包括：基本地质情况、防护情况和公路承灾体属性；
风险等级确定模块，用于基于所述边坡信息数据库确定所述公路边坡在自然条件下的风险等级，并确定待监测预警的目标公路边坡；
预警等级确定模块，用于根据所述风险等级以及对应的自然因素参数，确定所述目标公路边坡的预警等级；所述自然因素包括影响公路边坡稳定性的自然环境因素。
8.根据权利要求7所述的基于数据库的公路边坡的风险预警系统，其特征在于，所述系统还包括：
风险点分布图生成模块，用于根据所述风险等级为所述公路边坡风险等级进行赋色，生成风险点分布图；
区域公路风险边坡分布图生成模块，用于根据所述公路边坡的经纬度坐标，将赋色后的公路边坡灾害点投放在相应区域的卫星影像图上，生成区域公路各等级风险边坡分布图。
9.一种电子设备，包括存储器、处理器，所述存储器中存储有可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现上述权利要求1至6任一项所述的方法的步骤。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质存储有机器可运行指令，所述计算机可运行指令在被处理器调用和运行时，所述计算机可运行指令促使所述处理器运行所述权利要求1至6任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310217666.1A CN116433008A (zh) | 2023-03-02 | 2023-03-02 | 基于数据库的公路边坡的风险预警方法和系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310217666.1A CN116433008A (zh) | 2023-03-02 | 2023-03-02 | 基于数据库的公路边坡的风险预警方法和系统 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN116433008A true CN116433008A (zh) | 2023-07-14 |
Family
ID=87086313
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310217666.1A Pending CN116433008A (zh) | 2023-03-02 | 2023-03-02 | 基于数据库的公路边坡的风险预警方法和系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116433008A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830063A (zh) * | 2024-03-05 | 2024-04-05 | 中国水利水电第九工程局有限公司 | 一种山地高速公路施工安全风险管理系统 |
-
2023
- 2023-03-02 CN CN202310217666.1A patent/CN116433008A/zh active Pending
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117830063A (zh) * | 2024-03-05 | 2024-04-05 | 中国水利水电第九工程局有限公司 | 一种山地高速公路施工安全风险管理系统 |
| CN117830063B (zh) * | 2024-03-05 | 2024-05-14 | 中国水利水电第九工程局有限公司 | 一种山地高速公路施工安全风险管理系统 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Abdulrazzak et al. | Flash flood risk assessment in urban arid environment: case study of Taibah and Islamic universities’ campuses, Medina, Kingdom of Saudi Arabia | |
| CN113538861B (zh) | 基于矿产地质勘查的地质灾害信息管理系统 | |
| CN109933637B (zh) | 一种洪水风险动态展示及分析系统 | |
| CN113160593A (zh) | 一种基于边云协同的山区公路行车安全预警方法 | |
| Lirer et al. | Hazard and risk assessment in a complex multi-source volcanic area: the example of the Campania Region, Italy | |
| CN113531400B (zh) | 基于移动设备定位数据的管道巡线方法及系统 | |
| CN116109462B (zh) | 一种自然灾害后饮水水源地污染监测预警方法及系统 | |
| CN116433008A (zh) | 基于数据库的公路边坡的风险预警方法和系统 | |
| CN115270527B (zh) | 道路塌陷风险实时评估方法、设备及存储介质 | |
| CN115719164A (zh) | 一种城市易涝点识别方法及装置 | |
| CN110503805A (zh) | 管道地质灾害监测预警方法及装置 | |
| CN113053063A (zh) | 基于移动端的灾害在线处置流程实现方法 | |
| CN111144637A (zh) | 基于机器学习的区域电网地质灾害预报模型构建方法 | |
| CN109146230A (zh) | 一种输配电线路台风风涝灾害短临预警方法和装置 | |
| CN111966746A (zh) | 一种气象防灾减灾流程监控系统及其监控方法 | |
| CN106354940A (zh) | 基于水质模型不确定性输入的景观水水质模拟与预警方法 | |
| CN116911620B (zh) | 台风全生命周期风险评估预警方法、装置及电子设备 | |
| Li et al. | Urban flood risk assessment based on DBSCAN and K-means clustering algorithm | |
| CN117495093A (zh) | 一种排水管网缺陷隐患风险评估方法、电子设备及存储介质 | |
| CN113487212A (zh) | 一种风险监测方法及装置 | |
| CN113268800A (zh) | 优化区域规划方法、装置、电子设备和可读存储介质 | |
| CN112765389A (zh) | 一种油气输送管道高后果区识别方法、系统及存储介质 | |
| CN112116258A (zh) | 一种饮用水水源地突发环境事件移动源风险评估方法 | |
| CN115796584A (zh) | 一种城市道路运行风险排查方法、装置及电子设备 | |
| Janál et al. | Fuzzy logic based flash flood forecast |
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 |