CN116539055A - 一种自然灾害应急路网地图服务方法及系统 - Google Patents
一种自然灾害应急路网地图服务方法及系统 Download PDFInfo
- Publication number
- CN116539055A CN116539055A CN202310444764.9A CN202310444764A CN116539055A CN 116539055 A CN116539055 A CN 116539055A CN 202310444764 A CN202310444764 A CN 202310444764A CN 116539055 A CN116539055 A CN 116539055A
- Authority
- CN
- China
- Prior art keywords
- disaster
- road
- point
- event
- road network
- 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 51
- 230000011218 segmentation Effects 0.000 claims abstract description 13
- 238000013500 data storage Methods 0.000 claims abstract description 7
- 230000008520 organization Effects 0.000 claims abstract description 7
- 238000012800 visualization Methods 0.000 claims abstract description 7
- 238000007726 management method Methods 0.000 claims abstract description 5
- 230000014509 gene expression Effects 0.000 claims description 24
- 238000003860 storage Methods 0.000 claims description 22
- 238000000605 extraction Methods 0.000 claims description 12
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000004458 analytical method Methods 0.000 claims description 4
- 238000012216 screening Methods 0.000 claims description 3
- 230000000007 visual effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 5
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 5
- 238000007781 pre-processing Methods 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 238000012937 correction Methods 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 230000003111 delayed effect Effects 0.000 description 2
- 206010033799 Paralysis Diseases 0.000 description 1
- 238000007792 addition Methods 0.000 description 1
- 230000004888 barrier function Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
- G01C21/00—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00
- G01C21/26—Navigation; Navigational instruments not provided for in groups G01C1/00 - G01C19/00 specially adapted for navigation in a road network
- G01C21/34—Route searching; Route guidance
- G01C21/3446—Details of route searching algorithms, e.g. Dijkstra, A*, arc-flags, using precalculated routes
-
- 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
- Engineering & Computer Science (AREA)
- Radar, Positioning & Navigation (AREA)
- Remote Sensing (AREA)
- Automation & Control Theory (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
- Alarm Systems (AREA)
Abstract
本发明公开了一种自然灾害应急路网地图服务方法及系统。方法包括:设计基于动态分段的灾害应急路网组织模型,并基于该模型构建路网数据库;从多源数据中提取灾害信息,存入灾害信息数据库;将提取的灾害信息与构建的路网数据库中的路网数据进行匹配;对完成匹配的受损路段修改道路通行的权重,采用有权最短路径算法给出灾害发生后的应急路径规划方案;对生成的灾害应急路径进行地图可视化。系统包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块。本发明提供的方法和系统,具备高效性、准确性、及时性、多源性等特点,可用于灾害应急路网管理、灾害应急路网地图服务等方面。
Description
技术领域
本发明属于灾害信息服务技术领域,具体涉及一种自然灾害应急路网地图服务方法及系统。
背景技术
灾害会带来一系列灾害区道路交通路网的问题。一方面,自然灾害发生之后,道路交通网络往往都会严重受损甚至瘫痪,譬如地震会造成路面坍塌、暴雨洪水会冲毁公路或者造成路面积水。另一方面,灾害来临之后,人员从灾害区及时撤离至安全区、物资及时运送抵达灾害重点区域,被搜救伤员及时得到快速有效的转运治疗等需求都使得灾害区域道路交通网络的使用需求急剧增加,也进一步增加了道路交通网络的负载。针对这些问题和需求,国内外学者一直在开展针对自然灾害应急的路网地图服务,搭建灾害应急路网地图服务系统。
然而,当前的自然灾害应急路网地图服务还存在诸多不足,主要体现在以下三个方面。
(1)传统的“弧段-节点”路网模型容易造成信息的冗余及存储和计算效率的降低,进而无法提供精准快速的服务。
在自然灾害场景中,线性要素并非一成不变,其存在很强的动态性、复杂性,传统的“弧段-节点”模型难以应对动态复杂的存储,带来存储难度加大、存储效率降低、存储计算无法有机结合等一系列问题。具体体现在以下四个情形:①灾害可能发生在道路的任意位置;②灾害通过线性描述进行定位;③同一条道路上有很多处灾害;④同一条道路同时有点灾害和线灾害。针对情形①,“弧段-节点”模型必须在灾害节点处打断道路,并且生成新的弧段来正确地表达灾害信息;针对情形②,“弧段-节点”模型需要通过大量计算来确定灾害的位置(线性定位转换为坐标定位);针对情形③,一条弧段具有分段属性,存储灾害也必须将路段进一步分段;针对情形④,一条弧段具有多种属性,会导致不具备某种属性的弧段存储为空,产生冗余。
(2)无法提供实时地图服务。
延期的信息服务会造成时间差,使救援存在一定的风险,在争分夺秒的救援中延时服务的实际价值不高。以路径规划服务为例,如果已经规划好的路径未考虑延时期间发生的道路损毁情况,则会造成救援无法正常开展等严重后果。
(3)没有利用多源数据进行研究。
灾情信息的单一化,容易造成灾情遗漏,使其提供服务并不精准等。灾情信息的来源多种多样,如社交媒体数据、遥感影像数据、专业机构数据等,结合多种数据源有助于对灾情有全面而详细地了解。单一的灾情信息会导致灾害信息服务不够精准,服务价值不高。
发明内容
针对现有技术不足,本发明提供一种自然灾害应急路网地图服务方法及系统,能够应对灾害发生后路网信息快速更新和及时服务的挑战。
为了达到上述目的,本发明提供的技术方案是一种自然灾害应急路网地图服务方法,包括以下步骤:
步骤1,设计基于动态分段的灾害应急路网组织模型,并基于该模型构建路网数据库;
步骤1.1,利用线性参考算法对道路上的任意一点进行动态存储表达;
步骤1.2,利用线性参考算法对道路的任意一个子集进行动态存储表达;
步骤1.3,利用步骤1.1、1.2中对点和线的动态存储表达对道路进行动态分段,并基于动态分段构建灾害应急路网模型;
步骤2,从多源数据中提取灾害信息,存入灾害信息数据库;
步骤3,将步骤2提取的灾害信息与步骤1构建的路网数据库中的路网数据进行匹配;
步骤4,对步骤3中完成匹配的受损路段修改道路通行的权重,采用有权最短路径算法给出灾害发生后的应急路径规划方案;
步骤5,对步骤4生成的灾害应急路径进行地图可视化。
而且,所述步骤步骤1.1中利用线性参考算法对道路上的任意一点进行动态存储表达是将道路上的某点通过其与道路起点的距离或百分比进行存储并表达其位置,具体操作为:①设道路R上的任意一点为A,道路R的起点为Rs,终点为Re;②计算道路R上A与Rs的距离,记为Ls,或计算A与Re的距离,记为Le,并计算道路R的长度,记为LR;③计算得出A在道路R上的长度占比为或/>将/>或/>称为点A在道路R上的测量值,用M或/>表示。
而且,所述步骤1.2中道路R的任意一个子集RSub都有起点和终点,记作点S和点E,利用线性参考算法计算出起点和终点的测量值,分别记作和/>则二元组能够唯一动态表达任何一个道路R的子集RSub;将起点的测量值/>记作FromM或/>终点的测量值/>记作ToM或/>
而且,所述步骤1.3中构建的灾害应急路网模型包括道路表、点事件表、线事件表和灾害表。所有的道路存储到道路表中,道路ID作为主键,还存有起点坐标、终点坐标。灾害点事件存储到点事件表中,点事件ID作为主键,还存有测量值、与其关联的道路ID、与其关联的灾害ID,(道路ID,灾害ID)作为外键,另外还有一些专题属性,如点事件的描述、点事件的发生时间、点事件的影响半径、点事件的严重等级也一并存储。灾害线事件存储到线事件表中,线事件ID作为主键,还存有起点测量值、终点测量值、与其关联的道路ID、与其关联的灾害ID,(道路ID,灾害ID)作为外键,另外还有一些专题属性,如线事件的描述、线事件的发生时间、线事件的影响面积、线事件的严重等级也一并存储。所有的灾害存储到灾害表中,灾害ID作为主键,灾害种类、发生时间、结束时间、灾害描述作为灾害的属性信息。
而且,所述步骤3中将源灾情数据归纳为栅格数据、坐标数据、线性表达数据三种类型的数据,针对不同类型的数据,需要选择不同的匹配方法,即:基于栅格数据实现受损道路的提取与匹配方法、基于坐标数据实现受损道路的提取与匹配方法、基于线性表达数据实现受损道路的提取与匹配方法。
基于栅格数据实现受损道路的提取与匹配方法是在提取灾害范围后,将灾害范围的栅格数据转换为矢量数据,并为灾害范围矢量数据和路网数据生成Geohash编码,得到带有Geohash索引的灾害范围矢量数量。灾害范围及路网数据的Geohash编码字符长度均为n,单个灾害矢量或单条道路的Geohash编码为与其相交的Geohash格网的集合,即:,whereLengthGeohash=n。对灾害矢量和数据库中的道路矢量进行Geohash编码后,通过遍历Geohash格网,对格网内的灾害矢量和道路矢量进行叠置分析。提取受损道路后,利用步骤1提出的灾害应急路网模型将其与数据库中的路网进行匹配,具体匹配方法如下:①计算叠置后的“灾害-道路”矢量数据的长度,若长度小于栅格数据的分辨率,则认为此灾害事件为点事件,若长度大于栅格数据的分辨率,则认为此灾害事件为线事件;②利用坐标计算得出点事件的测量值M或线事件的测量值(FromM,ToM);③得到点事件或线事件对应的道路ID和灾害ID,并为点事件和线事件赋ID;④将所有必要字段同事件的属性一并存入点时间表或线事件表中。
基于坐标数据实现受损道路的提取与匹配包括两种情形:灾害信息以单点的坐标形式记录、灾害信息以起点和终点的坐标形式记录。
如果灾害信息是以单点的坐标形式记录,则通过计算测量值M,将其存储到点事件表中,测量值M的计算步骤为:①设灾害点为A,对A进行Geohash编码,记作GeohashA;②筛选出道路Geohash编码中包含A点Geohash的所有道路集合R,即:R={Road|GeohashA∈GeohashRoad};③在集合R中计算得出与A点距离最近的道路RA,即:RA=minRoad∈R{DistanceA,Road};④将点A投影到道路RA上,得到投影点A′;⑤计算投影点A′在道路RA上的测量值M,同时也是点A在道路RA上的测量值M,同时也是点A在整个路网集中的测量值M;⑥对为点灾害赋ID,与测量值M、道路RA的ID、灾害的ID、点灾害的专题属性一起存储到点事件表。
如果灾害以起点和终点的坐标形式记录,则将其存储到线事件表中,记起点和终点分别为点S和点E,起点S和终点E之间能够经过连通的道路形成完整通路。利用线性参考算法能够得到点S在与其最近道路RS上的测量值FromM及点E在与其最近道路RE上的测量值ToM,如果起点和终点恰好在同一道路上,则线灾害只对应一个线事件,此时线事件的测量值为(FrommM,ToM);如果起点和终点不在同一道路上,则线灾害对应多个要素,在起点和终点所在道路RS和RE之间的所有连通道路都会被记为线事件,且FromM=0,ToM=1,在道路RS上,ToM=1,在道路RE上,FromM=0。最后为线灾害赋ID,与测量值(FromM,ToM)、对应道路的ID、灾害的ID、线灾害的专题属性一起存储到线事件表。
基于线性表达数据实现受损道路的提取与匹配的方法需要从线性表达描述灾害信息的文本中抽取四类语义信息:参照点的名称、参照道路的名称、参照方向、参照距离。利用Levensh距离对参照点和参照道路的名称与路网数据库中的点和道路名称进行相似性比对,取相似性最高的点和道路作为实际的参照点和参照道路。利用线性参考算法将参照点的位置和参照距离转换为参照道路的测量值,并借助参照方向,将参照点的测量值和参照距离的测量值进行相加或者相减得到点灾害和线灾害的测量值。最后为点灾害或线灾害赋ID,与测量值、参照道路ID、灾害ID、点灾害或线灾害的专题属性一并存入点事件表或线事件表中。线性表达的线灾害需要能够经过连通的道路形成完整通路,涉及多条道路多条要素的线事件存储方法与坐标数据完全相同。
而且,所述步骤4中通过更改灾害事件对应道路的权重,即可根据灾害的情况进行实时的灾害应急路径规划,在灾害实时应急路径规划服务中,提供三种不同因素优先的路径规划,即距离优先、时间优先、道路级别优先。对于距离优先来说,直接将道路的长度作为权重即可,设道路的长度为d,则权重为:w=d。对于时间优先来说,需要规定一个预期速度,然后将道路的长度除以预期速度和限速速度的最小值作为权重,设预期速度为ve,限速速度为vl,则权重为:对于道路级别优先来说,用道路的长度与道路优先级的乘积作为权重,设道路优先级别为P,则权重为:w=d×P。通过上述权重的不同定义,运算Dijkstra算法即可得到期望的不同的最短路径规划结果。
本发明还提供一种自然灾害应急路网地图服务系统,包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块。
硬件基础设施模块:硬件采用存储空间较大的存储设备及高性能服务器,以满足服务的及时性。
数据存储模块:将已有的基础地理数据及路网数据存入数据库中。
灾害多源数据接入模块:提供灾害多源数据的上传入口,上传的灾害多源数据会根据用户输入的元信息被系统自动处理,生成点事件以及线事件,存到对应的点事件表与线事件表中。
灾害应急路网地图服务模块:提供灾害实时应急路径规划、路网发布/共享、路网灾情可视化、灾害事件管理四种服务,用户可以在系统中根据灾害的实时情形进行应急路径规划服务,并能实时看到灾情的可视化信息,此外,用户可以根据自己的需求,对本地的路网集进行发布或共享,也可以对输入的灾害事件进行管理,对其生命周期进行实时更新。
访问接口模块:提供两种访问模式,一种是通过网络API直接对服务进行调用,另一种是通过搭建的Web平台进行访问。
与现有技术相比,本发明具有如下优点:
1)将动态分段应用到灾害场景中,通过路网组织的动态分段,能够提高对灾害事件的存储、计算及管理效率,使得任何一个空间信息与属性信息动态变化的灾害事件,都能够通过点事件和线事件与路网很好的匹配起来。
2)基于动态分段解决了动态复杂线性要素的存储问题,①若灾害发生在道路的任意位置:利用点和线的动态表达,对其测量值进行计算,并将测量值与灾害专题属性共同存储为一个要素即可;②灾害通过线性描述进行定位:在线性描述中,涉及到参照点和线性距离,对参照点的测量值进行计算,并将线性距离转换为测量值,将两个测量值作简单的代数运算即可得到描述物的测量值,对其进行存储即可;③同一条道路上有很多灾害:由于动态表达的点和线不与实际道路共用一个表,因此同一条道路可以对应多个点灾害和线灾害;④同一条道路同时有点灾害和线灾害:根据灾害的不同几何表达,分别进行测量值的计算并存储即可。
3)从多源的灾害数据中提取受损路段,并将其匹配到数据库中的路网,基于动态分段的路网模型生成点事件与线事件存储到数据库中,打破了多源数据之间的壁垒,使多种数据纳入同一路网模型下,为灾害应急地图的及时服务提供了基础。
附图说明
图1为本发明实施例的流程图。
图2是本发明实例提供的一种自然灾害应急路网模型的示意图。
图3是本发明实例提供的高分三号数据预处理流程图。
图4是本发明实例提供的基于栅格数据的受损路段提取与匹配的工作流示意图。
图5是本发明实例提供的基于坐标数据的受损路段提取与匹配的工作流示意图。
图6是本发明实例提供的基于线性表达数据的受损路段提取与匹配的工作流示意图。
图7是本发明实例提供的一种自然灾害应急路网地图服务系统的总体架构图。
具体实施方式
本发明提供一种自然灾害应急路网地图服务方法及系统,下面以某市发生于7月20日的特大暴雨导致的洪涝灾害下的应急路网地图服务为例,结合附图对本发明的技术方案作进一步说明。
如图1所示,本发明第一个实施例一种自然灾害应急路网地图服务方法的流程包括以下步骤:
步骤1,设计基于动态分段的灾害应急路网组织模型,并基于该模型构建路网数据库。
步骤1.1,利用线性参考算法对道路上的任意一点进行动态存储表达。
目前主流的“弧段-节点”模型中,节点通过坐标进行存储,弧段通过坐标集合进行存储。利用线性参考对道路上的任意一点进行动态存储表达是将道路上的某点通过其与道路起点的距离或百分比进行存储并表达其位置,而非直接对其坐标进行存储表达。线性参考的具体算法为:①设道路R上的任意一点为A,道路R的起点为Rs,终点为Re(道路的起点与终点是其物理存储时就确定好的);②计算道路R上A与Rs的距离,记为Ls,或计算A与Re的距离,记为Le,并计算道路R的长度,记为LR;③计算得出A在道路R上的长度占比为或/>线性参考中,将/>或/>称为点A在道路R上的测量值,用M或/>表示。
步骤1.2,利用线性参考算法对道路的任意一个子集进行动态存储表达。
道路R的任意一个子集RSub都有起点和终点,记作点S和点E。利用线性参考算法可以计算出起点和终点的测量值,分别记作和/>则二元组/>可以唯一动态表达任何一个道路R的子集RSub。线性参考中,将起点的测量值/>记作FromM或终点的测量值/>记作ToM或/>
步骤1.3,利用步骤1.1、1.2中对点和线的动态存储表达对道路进行动态分段,并基于动态分段构建灾害应急路网模型。
在动态分段中,道路本身的几何信息与属性信息存储在道路表中;与道路相关的动态变化的事件单独存储在事件表中。在灾害场景中,灾害一般可以分为点状灾害、线状灾害和面状灾害,但是针对道路的灾害只有点状灾害与线状灾害,因为面状灾害总可以通过与道路相交的方式精细化到点状灾害或线状灾害。基于此,设计基于动态分段的点事件表和线事件表,将点状灾害转换为点事件后存储到点事件表中,线状灾害转换为线事件后存储到线事件表中。在事件表的设计当中,要考虑灾害多种多样(如地震、洪涝等),且同种灾害因其发生时间、地点不同也应作区分。针对不同种类的灾害,应当分别建表,即:每种灾害均有一个点事件表和一个线事件表;针对同种灾害的异构性,应当添加灾害表对其进行区分。
基于上述分析,设计灾害应急路网模型包括道路表、点事件表、线事件表和灾害表。所有的道路存储到道路表中,道路ID作为主键,还存有起点坐标、终点坐标等道路的属性信息。灾害点事件存储到点事件表中,点事件ID作为主键,还存有测量值、与其关联的道路ID、与其关联的灾害ID,(道路ID,灾害ID)作为外键,另外还有一些专题属性,如点事件的描述、点事件的发生时间、点事件的影响半径、点事件的严重等级等也一并存储。灾害线事件存储到线事件表中,线事件ID作为主键,还存有起点测量值、终点测量值、与其关联的道路ID、与其关联的灾害ID,(道路ID,灾害ID)作为外键,另外还有一些专题属性,如线事件的描述、线事件的发生时间、线事件的影响面积、线事件的严重等级等也一并存储。所有的灾害存储到灾害表中,灾害ID作为主键,灾害种类、发生时间、结束时间、灾害描述等作为灾害的属性信息。
步骤2,从多源数据中提取灾害信息,存入灾害信息数据库。
步骤3,将步骤2提取的灾害信息与步骤1构建的路网数据库中的路网数据进行匹配。
虽然多源灾情数据的来源不同、组织形式各异,但可将其归纳为栅格数据、坐标数据、线性表达数据三种类型的数据,针对不同类型的数据,需要选择不同的匹配方法。通过变化检测、文本语义提取等技术从这些数据中可以提取出受损道路并将其与数据库中的交通路网数据进行匹配。
步骤3.1,基于栅格数据实现受损道路的提取与匹配。
使用高分三号影像数据提取洪涝,选用灾前(7月15日)与灾害发生期间(7月20日、7月22日)的高分三号L1A级HHHV双极化FSII影像。首先对高分三号影像数据进行预处理,如图3所示,预处理流程为:①辐射校正;②复数据转换;③多视处理;④地理编码;⑤EnLee滤波;⑥转dB影像;⑦几何校正。经过预处理后,HV影像比HH影像提取的水体更加清晰、更加准确。根据经验阈值,dB<-27为水体,dB≥-27为非水体。在得到7月15日、7月20日、7月22日的水体之后,用水体范围相减即可得到7月20日、7月22日相对于7月15日的洪涝范围。
如图4所示,首先将提取出的洪涝范围栅格数据经过栅格转矢量操作转换为洪涝范围矢量数据,然后为洪涝矢量和路网数据生成Geohash编码,得到带有Geohash索引的灾害范围矢量数量。灾害范围及路网数据的Geohash编码字符长度均为6,单个灾害矢量或单条道路的Geohash编码为与其相交的Geohash格网的集合,即:whereLengthGeohash=6。对灾害矢量和数据库中的道路矢量进行Geohash编码后,通过遍历Geohash格网,对格网内的灾害矢量和道路矢量进行叠置分析。
提取受损道路后,利用步骤1提出的灾害应急路网模型将其与数据库中的路网进行匹配,具体匹配方法如下:①计算叠置后的“灾害-道路”矢量数据的长度,若长度小于等于10米(高分三号分辨率为10米),则认为此灾害事件为点事件,若长度大于10米,则认为此灾害事件为线事件;②利用坐标计算得出点事件的测量值M或线事件的测量值(FromM,ToM);③得到点事件或线事件对应的道路ID和灾害ID,并为点事件和线事件赋ID(可以为顺序ID,也可为UUID);④将所有必要字段同事件的属性一并存入点时间表或线事件表中。
步骤3.2,基于坐标数据实现受损道路的提取与匹配。
如果灾害信息是以单点的坐标形式记录,通过计算测量值M,将其存储到点事件表中。测量值M的计算步骤为:①设灾害点为A,对A进行Geohash编码,记作GeohashA;②筛选出道路Geohash编码中包含A点Geohash的所有道路集合R,即:R={Road|GeohashA∈GeojasjRoad};③在集合R中计算得出与A点距离最近的道路RA,即:RA=minRoad∈R{DistanceA,Road};④将点A投影到道路RA上,得到投影点A′;⑤计算投影点A′在道路RA上的测量值M,同时也是点A在道路RA上的测量值M,同时也是点A在整个路网集中的测量值M;⑥为点灾害赋ID,与测量值M、道路RA的ID、灾害的ID、点灾害的一起存储到点事件表。
如果灾害以起点和终点的坐标形式记录,则将其存储到线事件表中。记起点和终点分别为点S和点E,利用线性参考算法可以得到点S在与其最近道路RS上的测量值FromM及点E在与其最近道路RE上的测量值ToM。值得注意的是,起点和终点需要能够经过连通的道路形成完整通路,否则会被认为是非法的灾害记录,因为经过非连通道路的灾害总能被拆分为若干经过连通道路的灾害集合。如果起点和终点恰好在同一道路上,则线灾害只对应一个线事件,此线事件的测量值为(FromM,ToM);如果起点和终点不在同一道路上,则线灾害对应多个要素,在起点和终点所在道路RS和RE之间的所有连通道路(经过非连通道路的S和E不会被记录)都会被记为线事件,且FromM=0,ToM=1,在道路RS上,ToM=1,在道路RE上,FromM=0。最后为线灾害赋ID,与测量值(FromM,ToM)、对应道路的ID、灾害的ID、线灾害的专题属性一起存储到线事件表。
步骤3.3,基于线性表达数据实现受损道路的提取与匹配。
在大众化的记录方式以及媒体的表达中,大多采用线性表达描述灾害信息,譬如“在某饭店以西,沿某条道路大概350米处道路发生了损毁”。在线性表达描述灾害信息文本中,可以抽取四类语义信息:参照点的名称、参照道路的名称、参照方向、参照距离。如图6所示,利用Levenshtein距离对参照点和参照道路的名称与路网数据库中的点和道路名称进行相似性比对,取相似性最高的点和道路作为实际的参照点和参照道路。利用线性参考算法将参照点的位置和参照距离转换为参照道路的测量值,并借助参照方向,将参照点的测量值和参照距离的测量值进行相加或者相减得到点灾害和线灾害的测量值。最后,为点灾害或线灾害赋ID,与测量值、参照道路ID、灾害ID、点灾害或线灾害的专题属性一并存入点事件表或线事件表中即可。线性表达的线灾害也需要能够经过连通的道路形成完整通路,涉及多条道路多条要素的线事件存储方法与坐标数据完全相同。
步骤4,对步骤3中完成匹配的受损路段修改道路通行的权重,采用有权最短路径算法给出灾害发生后的应急路径规划方案。
有权最短路径规划会根据权值和的最小值给出最优路径。因此,通过更改灾害事件对应道路的权重,即可根据灾害的情况进行实时的灾害应急路径规划,将受损道路的权值设为无穷大表示该受损道路无法通行。在灾害实时应急路径规划服务中,提供三种不同因素优先的路径规划,分别为距离优先、时间优先、道路级别优先。对于距离优先来说,直接将道路的长度作为权重即可,设道路的长度为d,则权重为:w=d。对于时间优先来说,需要规定一个预期速度,因为不同速度下,行驶同一路段的时间不同,而且每段道路都会有限速的字段,如果预期速度大于限速速度,则使用限速速度,反之,则使用预期速度。因此,将道路的长度除以预期速度和限速速度的最小值作为权重,设预期速度为ve,限速速度为vl,则权重为:对于道路级别优先来说,用道路的长度与道路优先级的乘积作为权重,道路级别越高,则道路优先级的值越小,例如:国道(w=1)<省道(w=1.25)<乡道(w=2)。设道路优先级别为P,则权重为w=d×P。通过上述权重的不同定义,运算Dijkstra算法即可得到期望的不同的最短路径规划结果。
步骤5,对步骤4生成的灾害应急路径进行地图可视化。
如图7所示,本发明第二个实施例一种自然灾害应急路网地图服务系统,包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块。
硬件基础设施模块:硬件采用存储空间较大的存储设备及高性能服务器,以满足服务的及时性。
数据存储模块:将已有的基础地理数据及路网数据存入数据库中。本实施例中的基础地理数据和路网数据选用Open Street Map(OSM)中的开源数据,数据库选用Postgresql开源关系型数据库。
灾害多源数据接入模块:提供灾害多源数据的上传入口,上传的灾害多源数据会根据用户输入的元信息被系统自动处理,生成点事件以及线事件,存到对应的点事件表与线事件表中。
灾害应急路网地图服务模块:提供灾害实时应急路径规划、路网发布/共享、路网灾情可视化、灾害事件管理四种服务。用户可以在系统中根据灾害的实时情形进行应急路径规划服务,并能实时看到灾情的可视化信息。此外,用户可以根据自己的需求,对本地的路网集进行发布或共享,用户也可以对输入的灾害事件进行管理,对其生命周期进行实时更新。
访问接口模块:提供两种访问模式,一种是通过网络API直接对服务进行调用,另一种是通过搭建的Web平台进行访问。
本文中所描述的具体实施例仅仅是对本发明精神作举例说明。本发明所属技术领域的技术人员可以对所描述的具体实施案例,做各种各样的修改或补充或采用类似的方式替代,但并不会偏离本发明的精神或者超越所附权利要求书所定义的范围。
Claims (10)
1.一种自然灾害应急路网地图服务方法,其特征在于,包括以下步骤:
步骤1,设计基于动态分段的灾害应急路网组织模型,并基于该模型构建路网数据库;
步骤1.1,利用线性参考算法对道路上的任意一点进行动态存储表达;
步骤1.2,利用线性参考算法对道路的任意一个子集进行动态存储表达;
步骤1.3,利用步骤1.1、1.2中对点和线的动态存储表达对道路进行动态分段,并基于动态分段构建灾害应急路网模型;
步骤2,从多源数据中提取灾害信息,存入灾害信息数据库;
步骤3,将步骤2提取的灾害信息与步骤1构建的路网数据库中的路网数据进行匹配;
步骤4,对步骤3中完成匹配的受损路段修改道路通行的权重,采用有权最短路径算法给出灾害发生后的应急路径规划方案;
步骤5,对步骤4生成的灾害应急路径进行地图可视化。
2.如权利要求1所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤1.1中利用线性参考算法对道路上的任意一点进行动态存储表达是将道路上的某点通过其与道路起点的距离或百分比进行存储并表达其位置,具体操作为:①设道路R上的任意一点为A,道路R的起点为Rs,终点为Re;②计算道路R上A与Rs的距离,记为Ls,或计算A与Re的距离,记为Le,并计算道路R的长度,记为LR;③计算得出A在道路R上的长度占比为或/>将/>或称为点A在道路R上的测量值,用M或/>表示。
3.如权利要求2所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤1.2中道路R的任意一个子集RSub都有起点和终点,记作点S和点E,利用线性参考算法计算出起点和终点的测量值,分别记作和/>则二元组/>能够唯一动态表达任何一个道路R的子集RSub;将起点的测量值/>记作FromM或/>终点的测量值/>记作ToM或/>
4.如权利要求1所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤1.3中构建的灾害应急路网模型包括道路表、点事件表、线事件表和灾害表,所有的道路存储到道路表中,道路ID作为主键,还存有起点坐标、终点坐标;灾害点事件存储到点事件表中,点事件ID作为主键,还存有测量值、与其关联的道路ID、与其关联的灾害ID,(道路ID,灾害ID)作为外键,另外还有一些专题属性,如点事件的描述、点事件的发生时间、点事件的影响半径、点事件的严重等级也一并存储;灾害线事件存储到线事件表中,线事件ID作为主键,还存有起点测量值、终点测量值、与其关联的道路ID、与其关联的灾害ID,(道路ID,灾害ID)作为外键,另外还有一些专题属性,如线事件的描述、线事件的发生时间、线事件的影响面积、线事件的严重等级也一并存储;所有的灾害存储到灾害表中,灾害ID作为主键,灾害种类、发生时间、结束时间、灾害描述作为灾害的属性信息。
5.如权利要求3所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤3中将源灾情数据归纳为栅格数据、坐标数据、线性表达数据三种类型的数据,针对不同类型的数据,需要选择不同的匹配方法,即:基于栅格数据实现受损道路的提取与匹配方法、基于坐标数据实现受损道路的提取与匹配方法、基于线性表达数据实现受损道路的提取与匹配方法。
6.如权利要求5所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤3中基于栅格数据实现受损道路的提取与匹配方法是在提取灾害范围后,将灾害范围的栅格数据转换为矢量数据,并为灾害范围矢量数据和路网数据生成Geohash编码,得到带有Geohash索引的灾害范围矢量数量;灾害范围及路网数据的Geohash编码字符长度均为n,单个灾害矢量或单条道路的Geohash编码为与其相交的Geohash格网的集合,即:whereLengthGeohash=n;对灾害矢量和数据库中的道路矢量进行Geohash编码后,通过遍历Geohash格网,对格网内的灾害矢量和道路矢量进行叠置分析;提取受损道路后,利用步骤1提出的灾害应急路网模型将其与数据库中的路网进行匹配,具体匹配方法如下:①计算叠置后的“灾害-道路”矢量数据的长度,若长度小于栅格数据的分辨率,则认为此灾害事件为点事件,若长度大于栅格数据的分辨率,则认为此灾害事件为线事件;②利用坐标计算得出点事件的测量值M或线事件的测量值(FromM,ToM);③得到点事件或线事件对应的道路ID和灾害ID,并为点事件和线事件赋ID;④将所有必要字段同事件的属性一并存入点时间表或线事件表中。
7.如权利要求5所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤3中基于坐标数据实现受损道路的提取与匹配包括两种情形:灾害信息以单点的坐标形式记录、灾害信息以起点和终点的坐标形式记录;如果灾害信息是以单点的坐标形式记录,则通过计算测量值M,将其存储到点事件表中,测量值M的计算步骤为:①设灾害点为A,对A进行Geohash编码,记作GeohashA;②筛选出道路Geohash编码中包含A点Geohash的所有道路集合R,即:R={Road|GeohashA∈GeohashRoad};③在集合R中计算得出与A点距离最近的道路RA,即:RA=minRoad∈R{DisanceA,Road};④将点A投影到道路RA上,得到投影点A′;⑤计算投影点A′在道路RA上的测量值M,同时也是点A在道路RA上的测量值M,同时也是点A在整个路网集中的测量值M;⑥对为点灾害赋ID,与测量值M、道路RA的ID、灾害的ID、点灾害的专题属性一起存储到点事件表;如果灾害以起点和终点的坐标形式记录,则将其存储到线事件表中,记起点和终点分别为点S和点E,起点S和终点E之间能够经过连通的道路形成完整通路,利用线性参考算法能够得到点S在与其最近道路RS上的测量值FromM及点E在与其最近道路RE上的测量值ToM,如果起点和终点恰好在同一道路上,则线灾害只对应一个线事件,此时线事件的测量值为(FromM,ToM);如果起点和终点不在同一道路上,则线灾害对应多个要素,在起点和终点所在道路RS和RE之间的所有连通道路都会被记为线事件,且FromM=0,ToM=1,在道路RS上,ToM=1,在道路RE上,FromM=0;最后为线灾害赋ID,与测量值(FromM,ToM)、对应道路的ID、灾害的ID、线灾害的专题属性一起存储到线事件表。
8.如权利要求5所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤3中基于线性表达数据实现受损道路的提取与匹配的方法需要从线性表达描述灾害信息的文本中抽取四类语义信息:参照点的名称、参照道路的名称、参照方向、参照距离;利用Levenshrein距离对参照点和参照道路的名称与路网数据库中的点和道路名称进行相似性比对,取相似性最高的点和道路作为实际的参照点和参照道路;利用线性参考算法将参照点的位置和参照距离转换为参照道路的测量值,并借助参照方向,将参照点的测量值和参照距离的测量值进行相加或者相减得到点灾害和线灾害的测量值;最后为点灾害或线灾害赋ID,与测量值、参照道路ID、灾害ID、点灾害或线灾害的专题属性一并存入点事件表或线事件表中,线性表达的线灾害需要能够经过连通的道路形成完整通路,涉及多条道路多条要素的线事件存储方法与坐标数据完全相同。
9.如权利要求1所述的一种自然灾害应急路网地图服务方法,其特征在于:步骤4中通过更改灾害事件对应道路的权重,即可根据灾害的情况进行实时的灾害应急路径规划,在灾害实时应急路径规划服务中,提供三种不同因素优先的路径规划,即距离优先、时间优先、道路级别优先,对于距离优先来说,直接将道路的长度作为权重即可,设道路的长度为d,则权重为:w=d;对于时间优先来说,需要规定一个预期速度,然后将道路的长度除以预期速度和限速速度的最小值作为权重,设预期速度为ve,限速速度为vl,则权重为:对于道路级别优先来说,用道路的长度与道路优先级的乘积作为权重,设道路优先级别为P,则权重为:w=d×P;通过上述权重的不同定义,运算Dijkstra算法即可得到期望的不同的最短路径规划结果。
10.如权利要求1所述的一种自然灾害应急路网地图服务系统,其特征在于:包括硬件基础设施模块、数据存储模块、灾害多源数据接入模块、灾害应急路网地图服务模块和访问接口模块;
硬件基础设施模块:硬件采用存储空间较大的存储设备及高性能服务器,以满足服务的及时性;
数据存储模块:将已有的基础地理数据及路网数据存入数据库中;
灾害多源数据接入模块:提供灾害多源数据的上传入口,上传的灾害多源数据会根据用户输入的元信息被系统自动处理,生成点事件以及线事件,存到对应的点事件表与线事件表中;
灾害应急路网地图服务模块:提供灾害实时应急路径规划、路网发布/共享、路网灾情可视化、灾害事件管理四种服务,用户可以在系统中根据灾害的实时情形进行应急路径规划服务,并能实时看到灾情的可视化信息,此外,用户可以根据自己的需求,对本地的路网集进行发布或共享,也可以对输入的灾害事件进行管理,对其生命周期进行实时更新;
访问接口模块:提供两种访问模式,一种是通过网络API直接对服务进行调用,另一种是通过搭建的Web平台进行访问。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444764.9A CN116539055A (zh) | 2023-04-24 | 2023-04-24 | 一种自然灾害应急路网地图服务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310444764.9A CN116539055A (zh) | 2023-04-24 | 2023-04-24 | 一种自然灾害应急路网地图服务方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116539055A true CN116539055A (zh) | 2023-08-04 |
Family
ID=87453470
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310444764.9A Pending CN116539055A (zh) | 2023-04-24 | 2023-04-24 | 一种自然灾害应急路网地图服务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116539055A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118153787A (zh) * | 2024-05-11 | 2024-06-07 | 珠江水利委员会珠江水利科学研究院 | 一种雨潮灾害应急避险路径与物资调配优化方法 |
-
2023
- 2023-04-24 CN CN202310444764.9A patent/CN116539055A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118153787A (zh) * | 2024-05-11 | 2024-06-07 | 珠江水利委员会珠江水利科学研究院 | 一种雨潮灾害应急避险路径与物资调配优化方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103390039B (zh) | 基于网络信息的城市灾害专题图实时生成的方法 | |
Schempp et al. | A framework to integrate social media and authoritative data for disaster relief detection and distribution optimization | |
CN115563680A (zh) | 数字孪生对象处理方法以及系统 | |
CN102508871B (zh) | 一种面向灾害事件的地理对象本体构建方法 | |
CN105117494B (zh) | 模糊语境中的空间实体映射方法 | |
CN116539055A (zh) | 一种自然灾害应急路网地图服务方法及系统 | |
CN114661744B (zh) | 一种基于深度学习的地形数据库更新方法及系统 | |
CN111966746B (zh) | 一种气象防灾减灾流程监控系统及其监控方法 | |
Kim et al. | Safety map: Disaster management road network for urban resilience | |
CN106897425A (zh) | 一种地球重力场数据的三维可视化方法 | |
Ai et al. | A map generalization model based on algebra mapping transformation | |
LU502699B1 (en) | Method and system for predicting risk of geological disasters in villages and towns | |
Ma et al. | OSMsc: a framework for semantic 3D city modeling using OpenStreetMap | |
Mahyoub et al. | Using of Open Access remote sensing Data in Google earth engine platform for mapping built-up area in Marrakech City, Morocco | |
Liu et al. | A Disaster Information Service for Damaged Road Networks Using Dynamic Segmentation | |
CN116205584B (zh) | 一种基于统一时空编码的民航事件关联方法 | |
Moore et al. | Using and improving the clarc database for interdependent infrastructure modeling and simulation | |
Li et al. | Understanding Smart City: a Shareable Framework. The Case of China | |
Jones | Integrating building information modelling and geographic information systems for characterising urban risk and resilience—a proposed geospatial workflow. | |
CN113793411A (zh) | 基于线性参照的数据组织与动态表达方法 | |
창삼정 et al. | Development of Integrated Disaster Management System and Application for Hydraulic Structure | |
Shekhawat | Geographical Information System (GIS) web applications for data visualization of Drinking Water pipelines | |
Feng et al. | Traffic Zone Division Method Based on Spatial Constraint Clustering | |
Lee | Revamping Tribal Road Networks from Various Sources and Improving Quality | |
Zhao et al. | Construction and Application of Geographic Knowledge Graph for Landslide Disaster Emergency |
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 |