CN116681290A - 基于大数据分析的自然灾害综合风险评估系统 - Google Patents
基于大数据分析的自然灾害综合风险评估系统 Download PDFInfo
- Publication number
- CN116681290A CN116681290A CN202310942675.7A CN202310942675A CN116681290A CN 116681290 A CN116681290 A CN 116681290A CN 202310942675 A CN202310942675 A CN 202310942675A CN 116681290 A CN116681290 A CN 116681290A
- Authority
- CN
- China
- Prior art keywords
- data
- shooting
- module
- recording
- water 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
- 238000012502 risk assessment Methods 0.000 title claims abstract description 48
- 238000007405 data analysis Methods 0.000 title claims abstract description 24
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 77
- 238000011156 evaluation Methods 0.000 claims abstract description 62
- 238000005094 computer simulation Methods 0.000 claims abstract description 46
- 238000010276 construction Methods 0.000 claims abstract description 21
- 230000000737 periodic effect Effects 0.000 claims description 32
- 238000009877 rendering Methods 0.000 claims description 21
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000001514 detection method Methods 0.000 claims description 14
- 238000005516 engineering process Methods 0.000 claims description 13
- 238000004088 simulation Methods 0.000 claims description 8
- 230000015572 biosynthetic process Effects 0.000 claims description 3
- 238000013075 data extraction Methods 0.000 claims description 3
- 238000003786 synthesis reaction Methods 0.000 claims description 3
- 239000003550 marker Substances 0.000 claims description 2
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000000034 method Methods 0.000 abstract description 9
- 238000012545 processing Methods 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 18
- 241000282414 Homo sapiens Species 0.000 description 4
- 238000006424 Flood reaction Methods 0.000 description 3
- 239000000523 sample Substances 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000009977 dual effect Effects 0.000 description 2
- 230000008676 import Effects 0.000 description 2
- 238000005259 measurement Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
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
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T15/00—3D [Three Dimensional] image rendering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T17/00—Three dimensional [3D] modelling, e.g. data description of 3D objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/52—Surveillance or monitoring of activities, e.g. for recognising suspicious objects
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/70—Labelling scene content, e.g. deriving syntactic or semantic representations
-
- 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)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Multimedia (AREA)
- Marketing (AREA)
- Computer Graphics (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Geometry (AREA)
- Software Systems (AREA)
- Quality & Reliability (AREA)
- Computational Linguistics (AREA)
- Processing Or Creating Images (AREA)
Abstract
本发明涉及自然灾害风险评估技术领域,具体公开了基于大数据分析的自然灾害综合风险评估系统。本发明公开的基于大数据分析的自然灾害综合风险评估系统,包括:目标模型构建单元;标记模型生成单元;周期拍摄单元;水位识别记录单元,进行水位识别与记录;点位识别记录单元,进行点位识别与记录;动态模拟评估单元,进行动态模拟展示,根据展示结果进行灾害风险评估。能够构建需要重点防范的河流堤坝处的目标三维模型,通过在拍摄点,对多个评估点周期拍摄,进行水位识别和点位识别,进行相应的动态模拟展示,根据展示结果进行灾害风险评估,从而能够及时评估发生洪水、滑坡等自然灾害的可能性,便于在自然灾害发生之前进行预警和修复处理。
Description
技术领域
本发明属于自然灾害风险评估技术领域,尤其涉及基于大数据分析的自然灾害综合风险评估系统。
背景技术
地球上的自然变异,包括人类活动诱发的自然变异,自然灾害孕育于由大气圈、岩石圈、水圈、生物圈共同组成的地球表面环境中,无时无地不在发生,当这种变异给人类社会带来危害时,即构成自然灾害。自然灾害,是指给人类生存带来危害或损害人类生活环境的自然现象。自然灾害是人与自然矛盾的一种表现形式,具有自然和社会两重属性,是人类过去、现在、将来所面对的最严峻的挑战之一。
对于需要重点防范的河流堤坝处,具有洪水、滑坡等自然灾害的风险,现有技术中,只能够在具有洪水、滑坡等自然灾害出现时,才能够观测到已经发生的自然灾害,而不能够对河流堤坝处的自然灾害进行综合风险评估,无法及时评估发生洪水、滑坡等自然灾害的可能性,导致不能够在自然灾害发生之前进行预警和修复处理。
发明内容
本发明实施例的目的在于提供基于大数据分析的自然灾害综合风险评估系统,旨在解决背景技术中提出的问题。
为实现上述目的,本发明实施例提供如下技术方案:
基于大数据分析的自然灾害综合风险评估系统,所述系统包括目标模型构建单元、标记模型生成单元、周期双目拍摄单元、水位识别记录单元、点位识别记录单元和动态模拟评估单元,其中:
目标模型构建单元,用于获取扫描探测数据,基于大数据技术,进行识别渲染,构建目标三维模型;
标记模型生成单元,用于获取拍摄点和多个评估点的点位数据,在所述目标三维模型进行标记,生成标记三维模型;
周期拍摄单元,用于在所述拍摄点,对多个所述评估点进行周期拍摄,获取周期拍摄数据;
水位识别记录单元,用于对所述周期拍摄数据进行水位识别与记录,得到水位记录数据;
点位识别记录单元,用于对所述周期拍摄数据进行点位识别与记录,得到点位记录数据;
动态模拟评估单元,用于将所述水位记录数据和所述点位记录数据,在所述标记三维模型进行动态模拟展示,根据展示结果进行灾害风险评估。
作为本发明实施例技术方案进一步的限定,所述目标模型构建单元具体包括:
探测数据获取模块,用于获取扫描探测数据;
数据提取模块,用于提取所述扫描探测数据中的空间扫描数据和图像扫描数据;
构建渲染模块,用于基于大数据技术,对所述空间扫描数据和所述图像扫描数据进行模型构建渲染,得到目标三维模型。
作为本发明实施例技术方案进一步的限定,所述构建渲染模块具体包括:
基础模型构建子模块,用于根据所述空间扫描数据,构建基础三维模型;
地理识别子模块,用于基于大数据技术,对所述图像扫描数据进行地理识别,记录地理识别信息;
模型渲染子模块,用于按照所述地理识别信息,对所述基础三维模型进行渲染,生成目标三维模型。
作为本发明实施例技术方案进一步的限定,所述标记模型生成单元具体包括:
点位数据获取模块,用于获取拍摄点和多个评估点的点位数据;
点位识别模块,用于根据所述点位数据,在所述目标三维模型进行点位识别,生成点位识别结果;
点位标记模块,用于按照所述点位识别结果,在所述目标三维模型进行标记,生成标记三维模型。
作为本发明实施例技术方案进一步的限定,所述周期拍摄单元具体包括:
周期导入模块,用于导入预设的拍摄周期;
指令生成模块,用于按照所述拍摄周期,生成周期拍摄指令;
指令发送模块,用于将所述周期拍摄指令发送至所述拍摄点;
周期拍摄模块,用于根据所述周期拍摄指令,对多个所述评估点进行周期拍摄,获取周期拍摄数据。
作为本发明实施例技术方案进一步的限定,所述水位识别记录单元具体包括:
图像选择模块,用于从所述周期拍摄数据中选择定向拍摄图像;
图像截取模块,用于从所述定向拍摄图像中截取水位拍摄图像;
水位识别模块,用于对所述水位拍摄图像进行水位识别与记录,得到水位记录数据。
作为本发明实施例技术方案进一步的限定,所述点位识别记录单元具体包括:
感应识别记录模块,用于对所述拍摄点进行感应识别与记录,得到拍摄点记录数据;
图像识别记录模块,用于根据所述定向拍摄图像,对多个所述评估点进行图像识别与记录,得到评估点记录数据;
数据综合模块,用于综合所述拍摄点记录数据和多个所述评估点记录数据,得到点位记录数据。
作为本发明实施例技术方案进一步的限定,所述动态模拟评估单元具体包括:
水位模拟展示模块,用于将所述水位记录数据,在所述标记三维模型进行水位动态模拟展示,记录水位动态模拟数据;
点位模拟展示模块,用于将所述点位记录数据,在所述标记三维模型进行点位动态模拟展示,记录点位动态模拟数据;
风险趋势分析模块,用于根据所述水位动态模拟数据和所述点位动态模拟数据,进行风险趋势分析,生成趋势分析结果;
灾害风险评估模块,用于根据所述趋势分析结果,进行灾害风险评估。
作为本发明实施例技术方案进一步的限定,所述灾害风险评估模块具体包括:
气象数据获取子模块,用于获取定位气象数据;
系数匹配子模块,用于按照预设的影响系数信息,匹配所述定位气象数据对应的目标影响系数;
风险评估子模块,用于综合所述趋势分析结果和所述目标影响系数,进行灾害风险评估。
与现有技术相比,本发明的有益效果是:
本发明实施例公开的基于大数据分析的自然灾害综合风险评估系统,包括:目标模型构建单元;标记模型生成单元;周期拍摄单元;水位识别记录单元,进行水位识别与记录;点位识别记录单元,进行点位识别与记录;动态模拟评估单元,进行动态模拟展示,根据展示结果进行灾害风险评估。能够构建需要重点防范的河流堤坝处的目标三维模型,通过在拍摄点,对多个评估点周期拍摄,进行水位识别和点位识别,进行相应的动态模拟展示,根据展示结果进行灾害风险评估,从而能够及时评估发生洪水、滑坡等自然灾害的可能性,便于在自然灾害发生之前进行预警和修复处理。
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,下面描述中的附图仅仅是本发明的一些实施例。
图1示出了本发明实施例提供的系统的应用架构图。
图2示出了本发明实施例提供的系统中目标模型构建单元的结构框图。
图3示出了本发明实施例提供的系统中构建渲染模块的结构框图。
图4示出了本发明实施例提供的系统中标记模型生成单元的结构框图。
图5示出了本发明实施例提供的系统中周期拍摄单元的结构框图。
图6示出了本发明实施例提供的系统中水位识别记录单元的结构框图。
图7示出了本发明实施例提供的系统中点位识别记录单元的结构框图。
图8示出了本发明实施例提供的系统中动态模拟评估单元的结构框图。
图9示出了本发明实施例提供的系统中灾害风险评估模块的结构框图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
可以理解的是,自然灾害是人与自然矛盾的一种表现形式,具有自然和社会两重属性,是人类过去、现在、将来所面对的最严峻的挑战之一,对于需要重点防范的河流堤坝处,具有洪水、滑坡等自然灾害的风险,但是现有技术中,对于需要重点防范的河流堤坝处,只能够在具有洪水、滑坡等自然灾害出现时,才能够观测到已经发生的自然灾害,而不能够对河流堤坝处的自然灾害进行综合风险评估,无法及时评估发生洪水、滑坡等自然灾害的可能性,导致不能够在自然灾害发生之前进行预警和修复处理。
为解决上述问题,本发明实施例公开的基于大数据分析的自然灾害综合风险评估系统,通过获取扫描探测数据,基于大数据技术,进行识别渲染,构建目标三维模型;获取拍摄点和多个评估点的点位数据,在所述目标三维模型进行标记,生成标记三维模型;在所述拍摄点,对多个所述评估点进行周期拍摄,获取周期拍摄数据;对所述周期拍摄数据进行水位识别与记录,得到水位记录数据;对所述周期拍摄数据进行点位识别与记录,得到点位记录数据;将所述水位记录数据和所述点位记录数据,在所述标记三维模型进行动态模拟展示,根据展示结果进行灾害风险评估。能够构建需要重点防范的河流堤坝处的目标三维模型,通过在拍摄点,对多个评估点周期拍摄,进行水位识别和点位识别,进行相应的动态模拟展示,根据展示结果进行灾害风险评估,从而能够及时评估发生洪水、滑坡等自然灾害的可能性,便于在自然灾害发生之前进行预警和修复处理。
图1示出了本发明实施例提供的系统的应用架构图。
具体的,在本发明提供的一个优选实施方式中,基于大数据分析的自然灾害综合风险评估系统,包括:
目标模型构建单元100,用于获取扫描探测数据,基于大数据技术,进行识别渲染,构建目标三维模型。
在本发明实施例中,可以先通过无人机对需要重点防范的河流堤坝处进行雷达+摄像机的扫描探测,完成扫描探测之后,目标模型构建单元100获取扫描探测数据,并将雷达和摄像机分别扫描探测的数据进行分类整理提取,得到空间扫描数据和图像扫描数据,根据空间扫描数据,在3DMAX、ArcGIS、Maya或AutoCAD上进行三维建模,按照空间扫描数据中的三维空间尺寸,构建基础三维模型,再基于大数据技术,对图像扫描数据中对应的空间区域进行地理识别(包括边界识别、地块识别和地类识别等),记录地理识别信息,再按照地理识别信息,对基础三维模型的地形环境进行渲染,生成目标三维模型。
具体的,图2示出了本发明实施例提供的系统中目标模型构建单元100的结构框图。
其中,在本发明提供的优选实施方式中,所述目标模型构建单元100具体包括:
探测数据获取模块101,用于获取扫描探测数据。
数据提取模块102,用于提取所述扫描探测数据中的空间扫描数据和图像扫描数据。
构建渲染模块103,用于基于大数据技术,对所述空间扫描数据和所述图像扫描数据进行模型构建渲染,得到目标三维模型。
具体的,图3示出了本发明实施例提供的系统中构建渲染模块103的结构框图。
其中,在本发明提供的优选实施方式中,所述构建渲染模块103具体包括:
基础模型构建子模块1031,用于根据所述空间扫描数据,构建基础三维模型。
地理识别子模块1032,用于基于大数据技术,对所述图像扫描数据进行地理识别,记录地理识别信息。
模型渲染子模块1033,用于按照所述地理识别信息,对所述基础三维模型进行渲染,生成目标三维模型。
进一步的,所述基于大数据分析的自然灾害综合风险评估系统还包括:
标记模型生成单元200,用于获取拍摄点和多个评估点的点位数据,在所述目标三维模型进行标记,生成标记三维模型。
在本发明实施例中,需要重点防范的河流堤坝处的左侧设置有拍摄点,在需要重点防范的河流堤坝处的右侧设置有多个评估点,且多个评估点竖直等距设置,不同的评估点具有不同的刻度值,能够反映河流的水位,标记模型生成单元200通过获取拍摄点和多个评估点的点位数据,按照点位数据,在目标三维模型中,对拍摄点和多个评估点进行识别与标记,生成标记三维模型。
具体的,图4示出了本发明实施例提供的系统中标记模型生成单元200的结构框图。
其中,在本发明提供的优选实施方式中,所述标记模型生成单元200具体包括:
点位数据获取模块201,用于获取拍摄点和多个评估点的点位数据。
点位识别模块202,用于根据所述点位数据,在所述目标三维模型进行点位识别,生成点位识别结果。
点位标记模块203,用于按照所述点位识别结果,在所述目标三维模型进行标记,生成标记三维模型。
进一步的,所述基于大数据分析的自然灾害综合风险评估系统还包括:
周期拍摄单元300,用于在所述拍摄点,对多个所述评估点进行周期拍摄,获取周期拍摄数据。
在本发明实施例中,周期拍摄单元300导入预设的拍摄周期,进而按照拍摄周期,生成对应的周期拍摄指令,通过将周期拍摄指令发送拍摄点,使得在拍摄点处接受周期拍摄指令,对多个评估点进行周期拍摄,获取周期拍摄数据。可以理解的是,正常情况下,在拍摄点处向多个评估点的一侧拍摄,能够将多个评估点拍摄进一个画面,因此,正常情况下的周期拍摄数据对应的画面中,包含有所有的评估点。
具体的,图5示出了本发明实施例提供的系统中周期拍摄单元的结构300框图。
其中,在本发明提供的优选实施方式中,所述周期拍摄单元300具体包括:
周期导入模块301,用于导入预设的拍摄周期。
指令生成模块302,用于按照所述拍摄周期,生成周期拍摄指令。
指令发送模块303,用于将所述周期拍摄指令发送至所述拍摄点。
周期拍摄模块304,用于根据所述周期拍摄指令,对多个所述评估点进行周期拍摄,获取周期拍摄数据。
进一步的,所述基于大数据分析的自然灾害综合风险评估系统还包括:
水位识别记录单元400,用于对所述周期拍摄数据进行水位识别与记录,得到水位记录数据。
在本发明实施例中,周期拍摄数据中包含有多张连续拍摄的图像,水位识别记录单元400从多个连续拍摄的图像中,选择处于中间的图像,标记为定向拍摄图像,且通过对定向拍摄图像进行水位画面识别,截取出包括水位画面和最近的评估点的部分图像,得到水位拍摄图像,再识别水位与最近的评估点之间的画面距离,进行水位的估算与记录,得到水位记录数据。
具体的,图6示出了本发明实施例提供的系统中水位识别记录单元400的结构框图。
其中,在本发明提供的优选实施方式中,所述水位识别记录单元400具体包括:
图像选择模块401,用于从所述周期拍摄数据中选择定向拍摄图像。
图像截取模块402,用于从所述定向拍摄图像中截取水位拍摄图像。
水位识别模块403,用于对所述水位拍摄图像进行水位识别与记录,得到水位记录数据。
进一步的,所述基于大数据分析的自然灾害综合风险评估系统还包括:
点位识别记录单元500,用于对所述周期拍摄数据进行点位识别与记录,得到点位记录数据。
在本发明实施例中,点位识别记录单元500通过在拍摄点处进行高度感应测量,并将高度感应测量的数据进行记录,得到拍摄点记录数据,且通过对定向拍摄图像进行识别分析,标记多个评估点在定向拍摄图像中的图像位置,并将图像位置对应的相关数据进行记录,得到评估点记录数据。
具体的,图7示出了本发明实施例提供的系统中点位识别记录单元500的结构框图。
其中,在本发明提供的优选实施方式中,所述点位识别记录单元500具体包括:
感应识别记录模块501,用于对所述拍摄点进行感应识别与记录,得到拍摄点记录数据。
图像识别记录模块502,用于根据所述定向拍摄图像,对多个所述评估点进行图像识别与记录,得到评估点记录数据。
数据综合模块503,用于综合所述拍摄点记录数据和多个所述评估点记录数据,得到点位记录数据。
进一步的,所述基于大数据分析的自然灾害综合风险评估系统还包括:
动态模拟评估单元600,用于将所述水位记录数据和所述点位记录数据,在所述标记三维模型进行动态模拟展示,根据展示结果进行灾害风险评估。
在本发明实施例中,动态模拟评估单元600将水位记录数据,在标记三维模型中,对需要重点防范的河流堤坝处的水位进行模拟展示,并结合之前的水位记录数据,对需要重点防范的河流堤坝处的水位进行动态模拟展示,更新记录水位动态模拟数据,同时,将点位记录数据,在标记三维模型中,对需要重点防范的河流堤坝处的多个评估点进行位置的模拟展示,并结合之前的点位记录数据,对需要重点防范的河流堤坝处的多个评估点的位置进行动态模拟展示,更新记录点位动态模拟数据,通过对水位动态模拟数据和点位动态模拟数据进行变化分析(包括水位变化分析、评估点的整体变化分析和多个评估点之间的相对位置的变化分析),预测具有发生洪水、滑坡等自然灾害的风险趋势,生成趋势分析结果,通过获取定位气象数据,按照预设的影响系数信息,匹配定位气象数据对应的目标影响系数(根据定位气象数据,对于发生洪水、滑坡等自然灾害影响的天气越恶劣,目标影响系数越大),综合趋势分析结果和目标影响系数,进行灾害风险评估,及时评估发生洪水、滑坡等自然灾害的可能性,便于在自然灾害发生之前进行预警和修复处理。
具体的,图8示出了本发明实施例提供的系统中动态模拟评估单元600的结构框图。
其中,在本发明提供的优选实施方式中,所述动态模拟评估单元600具体包括:
水位模拟展示模块601,用于将所述水位记录数据,在所述标记三维模型进行水位动态模拟展示,记录水位动态模拟数据。
点位模拟展示模块602,用于将所述点位记录数据,在所述标记三维模型进行点位动态模拟展示,记录点位动态模拟数据。
风险趋势分析模块603,用于根据所述水位动态模拟数据和所述点位动态模拟数据,进行风险趋势分析,生成趋势分析结果。
灾害风险评估模块604,用于根据所述趋势分析结果,进行灾害风险评估。
具体的,图9示出了本发明实施例提供的系统中灾害风险评估模块604的结构框图。
其中,在本发明提供的优选实施方式中,所述灾害风险评估模块604具体包括:
气象数据获取子模块6041,用于获取定位气象数据。
系数匹配子模块6042,用于按照预设的影响系数信息,匹配所述定位气象数据对应的目标影响系数。
风险评估子模块6043,用于综合所述趋势分析结果和所述目标影响系数,进行灾害风险评估。
进一步的,在本发明提供的又一个优选实施方式中,基于大数据分析的自然灾害综合风险评估方法,所述方法具体包括以下步骤:
步骤一、获取扫描探测数据,基于大数据技术,进行识别渲染,构建目标三维模型;
步骤二、获取拍摄点和多个评估点的点位数据,在所述目标三维模型进行标记,生成标记三维模型;
步骤三、在所述拍摄点,对多个所述评估点进行周期拍摄,获取周期拍摄数据;
步骤四、对所述周期拍摄数据进行水位识别与记录,得到水位记录数据;
步骤五、对所述周期拍摄数据进行点位识别与记录,得到点位记录数据;
步骤六、将所述水位记录数据和所述点位记录数据,在所述标记三维模型进行动态模拟展示,根据展示结果进行灾害风险评估。
应该理解的是,虽然本发明各实施例的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,各实施例中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的程序可存储于一非易失性计算机可读取存储介质中,该程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上所述实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本发明的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对本发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (9)
1.基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述系统包括目标模型构建单元、标记模型生成单元、周期双目拍摄单元、水位识别记录单元、点位识别记录单元和动态模拟评估单元,其中:
目标模型构建单元,用于获取扫描探测数据,基于大数据技术,进行识别渲染,构建目标三维模型;
标记模型生成单元,用于获取拍摄点和多个评估点的点位数据,在所述目标三维模型进行标记,生成标记三维模型;
周期拍摄单元,用于在所述拍摄点,对多个所述评估点进行周期拍摄,获取周期拍摄数据;
水位识别记录单元,用于对所述周期拍摄数据进行水位识别与记录,得到水位记录数据;
点位识别记录单元,用于对所述周期拍摄数据进行点位识别与记录,得到点位记录数据;
动态模拟评估单元,用于将所述水位记录数据和所述点位记录数据,在所述标记三维模型进行动态模拟展示,根据展示结果进行灾害风险评估。
2.根据权利要求1所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述目标模型构建单元具体包括:
探测数据获取模块,用于获取扫描探测数据;
数据提取模块,用于提取所述扫描探测数据中的空间扫描数据和图像扫描数据;
构建渲染模块,用于基于大数据技术,对所述空间扫描数据和所述图像扫描数据进行模型构建渲染,得到目标三维模型。
3.根据权利要求2所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述构建渲染模块具体包括:
基础模型构建子模块,用于根据所述空间扫描数据,构建基础三维模型;
地理识别子模块,用于基于大数据技术,对所述图像扫描数据进行地理识别,记录地理识别信息;
模型渲染子模块,用于按照所述地理识别信息,对所述基础三维模型进行渲染,生成目标三维模型。
4.根据权利要求1所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述标记模型生成单元具体包括:
点位数据获取模块,用于获取拍摄点和多个评估点的点位数据;
点位识别模块,用于根据所述点位数据,在所述目标三维模型进行点位识别,生成点位识别结果;
点位标记模块,用于按照所述点位识别结果,在所述目标三维模型进行标记,生成标记三维模型。
5.根据权利要求1所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述周期拍摄单元具体包括:
周期导入模块,用于导入预设的拍摄周期;
指令生成模块,用于按照所述拍摄周期,生成周期拍摄指令;
指令发送模块,用于将所述周期拍摄指令发送至所述拍摄点;
周期拍摄模块,用于根据所述周期拍摄指令,对多个所述评估点进行周期拍摄,获取周期拍摄数据。
6.根据权利要求1所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述水位识别记录单元具体包括:
图像选择模块,用于从所述周期拍摄数据中选择定向拍摄图像;
图像截取模块,用于从所述定向拍摄图像中截取水位拍摄图像;
水位识别模块,用于对所述水位拍摄图像进行水位识别与记录,得到水位记录数据。
7.根据权利要求6所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述点位识别记录单元具体包括:
感应识别记录模块,用于对所述拍摄点进行感应识别与记录,得到拍摄点记录数据;
图像识别记录模块,用于根据所述定向拍摄图像,对多个所述评估点进行图像识别与记录,得到评估点记录数据;
数据综合模块,用于综合所述拍摄点记录数据和多个所述评估点记录数据,得到点位记录数据。
8.根据权利要求1所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述动态模拟评估单元具体包括:
水位模拟展示模块,用于将所述水位记录数据,在所述标记三维模型进行水位动态模拟展示,记录水位动态模拟数据;
点位模拟展示模块,用于将所述点位记录数据,在所述标记三维模型进行点位动态模拟展示,记录点位动态模拟数据;
风险趋势分析模块,用于根据所述水位动态模拟数据和所述点位动态模拟数据,进行风险趋势分析,生成趋势分析结果;
灾害风险评估模块,用于根据所述趋势分析结果,进行灾害风险评估。
9.根据权利要求8所述的基于大数据分析的自然灾害综合风险评估系统,其特征在于,所述灾害风险评估模块具体包括:
气象数据获取子模块,用于获取定位气象数据;
系数匹配子模块,用于按照预设的影响系数信息,匹配所述定位气象数据对应的目标影响系数;
风险评估子模块,用于综合所述趋势分析结果和所述目标影响系数,进行灾害风险评估。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310942675.7A CN116681290A (zh) | 2023-07-31 | 2023-07-31 | 基于大数据分析的自然灾害综合风险评估系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310942675.7A CN116681290A (zh) | 2023-07-31 | 2023-07-31 | 基于大数据分析的自然灾害综合风险评估系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116681290A true CN116681290A (zh) | 2023-09-01 |
Family
ID=87779503
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310942675.7A Pending CN116681290A (zh) | 2023-07-31 | 2023-07-31 | 基于大数据分析的自然灾害综合风险评估系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116681290A (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN113390485A (zh) * | 2021-06-11 | 2021-09-14 | 南京宥安传感科技有限公司 | 一种新型的水库水位测量方法 |
CN114858239A (zh) * | 2022-05-23 | 2022-08-05 | 青岛理工大学 | 一种城市道路积水风险点智能识别预警系统 |
CN115600895A (zh) * | 2022-10-10 | 2023-01-13 | 久瓴(上海)智能科技有限公司(Cn) | 基于数字孪生的流域漫滩灾害风险评估方法及装置 |
CN115758539A (zh) * | 2022-11-25 | 2023-03-07 | 久瓴(上海)智能科技有限公司 | 流域数据的处理方法、装置、存储介质及处理器 |
-
2023
- 2023-07-31 CN CN202310942675.7A patent/CN116681290A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113108764A (zh) * | 2021-04-15 | 2021-07-13 | 中国水利水电科学研究院 | 一种溃坝过程安全监测、预警与影响评估方法 |
CN113390485A (zh) * | 2021-06-11 | 2021-09-14 | 南京宥安传感科技有限公司 | 一种新型的水库水位测量方法 |
CN114858239A (zh) * | 2022-05-23 | 2022-08-05 | 青岛理工大学 | 一种城市道路积水风险点智能识别预警系统 |
CN115600895A (zh) * | 2022-10-10 | 2023-01-13 | 久瓴(上海)智能科技有限公司(Cn) | 基于数字孪生的流域漫滩灾害风险评估方法及装置 |
CN115758539A (zh) * | 2022-11-25 | 2023-03-07 | 久瓴(上海)智能科技有限公司 | 流域数据的处理方法、装置、存储介质及处理器 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Huang et al. | An automatic change detection method for monitoring newly constructed building areas using time-series multi-view high-resolution optical satellite images | |
Hess et al. | Geocoded digital videography for validation of land cover mapping in the Amazon basin | |
CN109190508B (zh) | 一种基于空间坐标系的多摄像头数据融合方法 | |
McCarthy et al. | Multi-image photogrammetry for underwater archaeological site recording: an accessible, diver-based approach | |
CN100371952C (zh) | 识别视频图像对象及应用视频图像注释的设备和方法 | |
CN110458895B (zh) | 图像坐标系的转换方法、装置、设备及存储介质 | |
CN109816745A (zh) | 人体热力图展示方法及相关产品 | |
CN109099915A (zh) | 移动机器人定位方法、装置、计算机设备和存储介质 | |
Wang et al. | Robust AUV visual loop-closure detection based on variational autoencoder network | |
Schultz et al. | Error detection and DEM fusion using self-consistency | |
Li et al. | Spatiotemporal fuzzy clustering strategy for urban expansion monitoring based on time series of pixel-level optical and SAR images | |
Al-Tahir et al. | Assessing land cover changes in the coastal zone using aerial photography | |
CN116681290A (zh) | 基于大数据分析的自然灾害综合风险评估系统 | |
Delaunoy et al. | Towards detecting changes in underwater image sequences | |
Madan et al. | Thermalsynth: A novel approach for generating synthetic thermal human scenarios | |
CN113095321B (zh) | 一种带式输送机的滚轮轴承测温及故障预警方法及装置 | |
CN114119389A (zh) | 一种图像复原方法、系统和存储模块 | |
Yadav et al. | Context-Aware Change Detection with Semi-Supervised Learning | |
Reid et al. | Application of landscape mosaic technology to complement coral reef resource mapping and monitoring | |
White et al. | Measuring sky view factor of urban canyons using hacked Gopro hemispheric video processing | |
Levin et al. | Thermographic Quantification for Archaeological Prospection at Picuris Pueblo, New Mexico | |
Yamakita | Eelgrass Beds and Oyster Farming in a Lagoon Before and After The Great East Japan Earthquake of 2011: Potential for Applying Deep Learning at a Coastal Area | |
Ramola et al. | Identifying Various Change Detection Procedures and Techniques in Image Processing Applications | |
Xia et al. | A novel approach for building extraction from 3D disaster scenes of urban area | |
Prasad et al. | Coconut Tree Detection in Coastal Areas with Fast-RCNN Using Resnet-50 |
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 |