CN117575319A - 一种评估城市洪涝灾害等级的方法 - Google Patents
一种评估城市洪涝灾害等级的方法 Download PDFInfo
- Publication number
- CN117575319A CN117575319A CN202311595965.5A CN202311595965A CN117575319A CN 117575319 A CN117575319 A CN 117575319A CN 202311595965 A CN202311595965 A CN 202311595965A CN 117575319 A CN117575319 A CN 117575319A
- Authority
- CN
- China
- Prior art keywords
- flood
- road
- information
- target
- 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.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 60
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 125
- 238000011156 evaluation Methods 0.000 claims abstract description 124
- 238000004088 simulation Methods 0.000 claims abstract description 44
- 206010033799 Paralysis Diseases 0.000 claims abstract description 29
- 238000004458 analytical method Methods 0.000 claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 7
- 230000010354 integration Effects 0.000 claims abstract description 6
- 238000013461 design Methods 0.000 claims description 41
- 238000010276 construction Methods 0.000 claims description 31
- 238000012549 training Methods 0.000 claims description 19
- 238000005516 engineering process Methods 0.000 claims description 14
- 230000011218 segmentation Effects 0.000 claims description 14
- 230000008569 process Effects 0.000 claims description 13
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000013528 artificial neural network Methods 0.000 claims description 8
- 230000001052 transient effect Effects 0.000 claims description 7
- 238000013507 mapping Methods 0.000 claims description 6
- 230000003993 interaction Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 230000001360 synchronised effect Effects 0.000 claims description 4
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 2
- 230000000694 effects Effects 0.000 abstract description 10
- 230000006870 function Effects 0.000 description 35
- 239000010410 layer Substances 0.000 description 21
- 238000009825 accumulation Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000000203 mixture Substances 0.000 description 4
- 238000012544 monitoring process Methods 0.000 description 4
- 238000001556 precipitation Methods 0.000 description 4
- 238000012795 verification Methods 0.000 description 3
- 238000000605 extraction Methods 0.000 description 2
- 239000002346 layers by function Substances 0.000 description 2
- 238000013439 planning Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 1
- 125000004122 cyclic group Chemical group 0.000 description 1
- 238000013440 design planning Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000015654 memory Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012876 topography Methods 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
- 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- 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
- G06Q50/265—Personal security, identity or safety
-
- 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
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种评估城市洪涝灾害等级的方法，涉及数据处理技术领域，通过以交通网络和地形信息构建洪涝模拟模型并基于气象预测信息进行洪涝灾害模拟获得洪涝风险区域集，将洪涝风险区域集同步至洪涝灾害评价网络，获得M个局域洪涝警戒水位；根据交通网络和M个区域位置标识进行M个局域洪涝警戒水位的数据集成，获得洪涝灾害等级。解决了现有技术中存在洪涝灾害中对于城市交通影响的关注分析较少，导致居民在洪涝灾害天气出行可参考信息较少，影响城市居民出行安全的技术问题。实现基于城市降雨科学化进行城市道路瘫痪状态分析，获知实时天气状态下城市道路可用程度和可用安全度的交通洪涝灾害等级，从而为城市居民出行提供参考的技术效果。
Description
技术领域
本发明涉及数据处理技术领域，具体涉及一种评估城市洪涝灾害等级的方法。
背景技术
目前，城市洪涝监测主要聚焦于生活和工作场景，却较少关注洪涝灾害对城市交通的影响，这导致了在洪涝天气下，居民在出行方面缺乏足够的参考信息，从而增加了出行的不确定性和风险，进而影响居民的日常活动和紧急情况下的安全性。
综上所述，现有技术中存在城市洪涝监测侧重于生活工作场景，而在洪涝灾害对于城市交通影响方面的关注分析较少，导致居民在洪涝灾害天气出行可参考信息较少，影响城市居民出行安全的技术问题。
发明内容
本申请提供了一种评估城市洪涝灾害等级的方法，用于针对解决现有技术中存在城市洪涝监测侧重于生活工作场景，而在洪涝灾害对于城市交通影响方面的关注分析较少，导致居民在洪涝灾害天气出行可参考信息较少，影响城市居民出行安全的技术问题。
鉴于上述问题，本申请提供了一种评估城市洪涝灾害等级的方法。
本申请的第一个方面，提供了一种评估城市洪涝灾害等级的方法，所述方法包括：交互获得目标城市的目标交通网络和目标地形信息；以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。
本申请的第二个方面，提供了一种评估城市洪涝灾害等级的系统，所述系统包括：城市信息交互单元，用于交互获得目标城市的目标交通网络和目标地形信息；洪涝模型构建单元，用于以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；气象预测获得单元，用于交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；排水系统调用单元，用于交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；评价网络构建单元，用于预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；灾害等级计算单元，用于根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。
本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：
本申请实施例提供的方法通过交互获得目标城市的目标交通网络和目标地形信息；以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。实现了基于城市降雨科学化进行城市道路瘫痪状态分析，获知实时天气状态下城市道路可用程度和可用安全度的交通洪涝灾害等级，从而为城市居民出行提供参考的技术效果。
附图说明
图1为本申请提供的一种评估城市洪涝灾害等级的方法流程示意图；
图2为本申请提供的一种评估城市洪涝灾害等级的方法中构建洪涝模拟模型的流程示意图；
图3为本申请提供的一种评估城市洪涝灾害等级的系统的结构示意图。
附图标记说明：城市信息交互单元1，洪涝模型构建单元2，气象预测获得单元3，排水系统调用单元4，评价网络构建单元5，灾害等级计算单元6。
具体实施方式
本申请提供了一种评估城市洪涝灾害等级的方法，用于针对解决现有技术中存在城市洪涝监测侧重于生活工作场景，而在洪涝灾害对于城市交通影响方面的关注分析较少，导致居民在洪涝灾害天气出行可参考信息较少，影响城市居民出行安全的技术问题。实现了基于城市降雨科学化进行城市道路瘫痪状态分析，获知实时天气状态下城市道路可用程度和可用安全度的交通洪涝灾害等级，从而为城市居民出行提供参考的技术效果。
本发明技术方案中对数据的获取、存储、使用、处理等均符合相关规定。
下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，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。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
实施例一
如图1所示，本申请提供了一种评估城市洪涝灾害等级的方法，所述方法包括：
A100:交互获得目标城市的目标交通网络和目标地形信息；
A200:以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；
在一个实施例中，如图2所示，以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型，本申请提供的方法步骤A200还包括：
A210:交互地理信息系统获得原始交通设计信息；
A220:预构建交通信息筛选器，并将所述原始交通设计信息同步至所述交通信息筛选器进行干扰信息过滤，获得所述目标交通网络；
A230:获得目标城市的目标地表高程信息和目标坡度信息，并将所述目标地表高程信息和所述目标坡度信息作为所述目标地形信息；
A240:以所述目标地形信息作为构建基础，采用数字高程模型技术构建目标地形模型；
A250:采用所述目标交通网络对所述目标地形模型进行交通信息修改，获得所述洪涝模拟模型。
在一个实施例中，预构建交通信息筛选器，并将所述原始交通设计信息同步至所述交通信息筛选器进行干扰信息过滤，获得所述目标交通网络，本申请提供的方法步骤A220还包括：
A221:交互获得道路属性分类，其中，所述道路属性分类包括多种道路属性，且每种道路属性具有多种道路类型字段；
A222:基于知识图谱构建所述交通信息筛选器，并采用所述道路属性分类进行所述交通信息筛选器的数据填充；
A223:对所述原始交通设计信息进行分词处理，获得原始分词集；
A224:通过所述交通信息筛选器遍历所述原始分词集，对所述原始交通设计信息进行道路类型字段识别标记，获得道路标识信息集；
A225:预设关联信息字段约束，并基于所述关联信息字段约束和所述道路标识信息集在所述原始交通设计信息中进行有效信息调用，获得所述目标交通网络。
具体而言，在本实施例中，所述目标城市为地理位置不特定的任一存在人类活动的城市，所述地理信息系统(GIS)中存储有目标城市中全部市政建设道路的设计规划信息，具体包括但不限于道路、桥梁、隧道。
基于此，本实施例通过交互所述地理信息系统获得表征目标城市道路建设规划的全部道路施工建设信息的所述原始交通设计信息。
所述原始交通设计信息中既包括目标城市中道路设计参数，又包括具体的道路结构参数和施工要求，因而直接基于所述原始交通设计信息进行道路拓扑结构建模存在冗余数据过多，因而本实施例预构建交通信息筛选器，从而实现基于所述交通信息筛选器进行所述原始交通设计信息中冗余数据的剔除，获得可以准确还原目标城市中道路拓扑结构的少量数据构成的所述目标交通网络。
所述交通信息筛选器的构建过程如下：
交互获得道路属性分类，其中，所述道路属性分类包括多种道路属性，示例性的，所述道路属性包括道路、桥梁、隧道，且每种道路属性具有多种道路类型字段，示例性的所述道路类型字段可以包括道路宽度、道路长度、高架桥高度、隧道深度、隧道长度等。
基于知识图谱构建所述交通信息筛选器，将道路属性作为第一属性，将多种道路属性分类作为第一属性值，将道路类型作为第二属性，将多种道路类型字段作为第二属性值，基于第一属性、第一属性值、第二属性、第二属性值进行所述交通信息筛选器的数据填充，完成所述交通信息筛选器的构建。。
对所述原始交通设计信息进行分词处理，以去除所述原始交通设计信息中的“的”、“以及”、“或”等连词，获得仅包括道路设计参数的所述原始分词集，所述原始分词集中信息保持所述原始交通设计信息的文本排版格式。
进而通过所述交通信息筛选器中第一属性值遍历所述原始分词集，获得所述原始分词集中存在的多个表征道路属性的多个道路属性信息，并采用道路属性道路类型字段识别标记，获得道路标识信息集。
预设关联信息字段约束，所述关联信息字段约束为将第一个道路属性信息和与之相邻的第二个道路属性信息之间的字段归于第一个道路属性信息。
基于所述关联信息字段约束和所述道路标识信息集将所述原始交通设计信息拆分为多段交通设计信息。
进而采用所述道路标识信息集中每个道路标识信息在所述交通信息筛选器中映射进行对应道路类型字段调用进而基于道路类型字段遍历交通设计信息，获得每个道路标识信息对应的设计参数作为有效信息，例如一条道路的道路标识信息为隧道，对应的设计参数为高3.5m，隧道全长1000m。
以此类推，获得表征目标城市中各个位置所存在的全部道路的类型以及外观参数、拓扑结构的所述目标交通网络。
在获得所述目标交通网络的基础上，本实施例进一步的直接基于卫星遥感数据、激光雷达等技术获得目标城市的目标地表高程信息和目标坡度信息。
所述目标地表高程信息为目标城市中各个城市位点相对于海平面的垂直高度，表示目标城市地表的相对高低起伏。目标坡度信息用于表征发生降水事件时的水流方向，通过高程数据计算得出，所述目标坡度信息实质为目标城市中各个城市位点的地表高程变化与水平距离之比。将所述目标地表高程信息和所述目标坡度信息作为所述目标地形信息。
以所述目标地形信息作为构建基础，采用现有的数字高程模型技术进行地形模型的自动化构建，生成表征目标区域地势高低起伏变化情况的所述目标地形模型。进一步的，采用所述目标交通网络对所述目标地形模型进行添加或修改与交通相关的信息，获得包括目标城市地势起伏变化以及交通规划设计的所述洪涝模拟模型。
本实施例基于数字孪生技术，在筛选获得可以构建目标城市地势模型以及目标城市交通模型的数据后，进行洪涝模拟模型的构建，实现了排除冗余信息干扰，构建生成高还原目标城市地势起伏变化以及道路交通建设情况的洪涝模拟模型，为后续结合降水信息进行洪涝灾害模拟提供基础模型的技术效果。
A300:交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；
在一个实施例中，交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数，本申请提供的方法步骤A300还包括：
A310:所述气象预测信息包括降雨量信息、降雨时间信息和降雨空间信息；
A320:将所述降雨量信息和所述降雨空间信息作为初始条件，将所述降雨时间信息作为边界条件；
A330:基于所述初始条件运行所述洪涝模拟模型，模拟洪水灾害在所述目标城市的演变过程，并基于所述边界条件进行洪水灾害演变过程停止控制，获得洪涝演变瞬时模型；
A340:预设洪涝警戒水位，并基于所述洪涝警戒水位遍历所述洪涝演变瞬时模型，获得所述M个风险道路区域；
A350:基于所述M个风险道路区域在所述气象预测信息中调用获得M个区域降雨量和M个区域降雨时间；
A360:基于所述洪涝演变瞬时模型调用获得所述M个风险道路区域的M个区域警戒水位；
A370:集成所述M个区域警戒水位、M个区域降雨量和M个区域降雨时间，作为所述M组洪涝评价参数。
具体而言，在本实施例中，交互获得所述目标城市的气象预测信息，所述气象预测信息为未来一段时间内对于目标城市的降水预测信息，具体包括降雨量信息、降雨时间信息和降雨空间信息，所述降雨空间信息为降雨发生于目标城市哪些区域范围内，所述降雨空间信息具体包括多个区域空间，所述降雨量信息包括多个区域空间的局部降雨量。
将所述降雨量信息和所述降雨空间信息作为初始条件，所述初始条件是进行洪涝模拟的降水量约束，将所述降雨时间信息作为边界条件，所述边界条件是进行洪涝模拟的降水空间约束。
选用诸如HEC-RAS(Hydrologic Engineering Centers River Analysis System)或其他水文模型，用于模拟降雨事件引起的洪水过程，并基于该水文模型与所述洪涝模拟模型集成，并以所述初始条件运行所述洪涝模拟模型，模拟洪水灾害在所述目标城市的演变过程，并基于所述边界条件进行洪水灾害演变过程停止控制，获得洪涝演变瞬时模型，所述洪涝演变瞬时模型为最终目标城市经受所述气象预测信息的降水下，目标城市中道路以及地形洼地积水情况。
预设用于表征影响车辆正常通行的积水高度的所述洪涝警戒水位，示例性的，所述洪涝警戒水位可以是常规汽车发动机顶端距离地面的高度。
基于所述洪涝警戒水位遍历所述洪涝演变瞬时模型，获得所述M个风险道路区域，应理解的，所述M个风险道路区域内所存在局部道路的积水深度都高于所述洪涝警戒水位。
基于所述M个风险道路区域在所述气象预测信息中调用获得M个区域降雨量和M个区域降雨时间，基于所述洪涝演变瞬时模型进行所述M个风险道路区域的定位进而获得表征M个风险道路区域中最深水位道路的水深的所述M个区域警戒水位。
集成所述M个区域警戒水位、M个区域降雨量和M个区域降雨时间，作为所述M组洪涝评价参数。
应理解的，本实施例获得的所述M个区域警戒水位是假定目标城市无排水规划时，受降水影响的城市内涝预测情况，本实施例获得所述M组洪涝评价参数的目的在于后续结合道路设计以及排水设计进行进一步的内涝分析，确定城市道路受洪涝灾害的影响情况。
A400:交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；
具体而言，在本实施例中，所述目标排水系统为目标城市中设计的对抗下雨内涝事件的排水设计，包括但不限于水利规划、排水系统设计。
基于排水设计具有地理位置的数据特征，本实施例根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络，所述局域排水网络为风险道路区域的排水系统设计情况，本实施例获得M个局域排水网络的目的在于后续结合M个区域降雨量和M个区域降雨时间，拟合确定替换M个区域警戒水位，获得内涝风险区域的实际水位。
A500:预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；
在一个实施例中，本申请提供的方法步骤还包括：
A511:交互获得样本道路信息，其中，所述样本道路信息包括多段样本道路的多个历史道路特征，所述历史道路特征包括历史道路区域和历史排水网络；
A512:交互获得所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位；
A513:基于反向传播神经网络预构建道路相似性评价子通道，并采用所述多个历史道路特征进行所述道路相似性评价子通道的有监督训练；
A514:基于循环神经网络预构建水路相似性评价子通道，并采用所述多个历史道路特征进行所述水路相似性评价子通道的有监督训练；
A515:预构建水位反解函数层，并将所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位存储于所述水位反解函数层；
A516:将所述道路相似性评价子通道和所述水路相似性评价子通道采用双通道形式并列设置，且将所述道路相似性评价子通道和所述水路相似性评价子通道的输出端与所述水位反解函数层的输入端连接，完成所述洪涝灾害评价网络的构建。
在一个实施例中，预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价子网络，获得M个局域洪涝警戒水位，本申请提供的方法步骤A500还包括：
A521:基于所述M个局域排水网络、所述M组洪涝评价参数和所述M个风险道路区域调用获得第一局域排水网络、第一组洪涝评价参数和第一风险道路区域；
A522:将所述第一风险道路区域和所述第一局域排水网络分别同步至所述洪涝灾害评价网络的所述道路相似性评价子通道和所述水路相似性评价子通道，获得第一相似道路和第一相似水路；
A523:将所述第一相似道路和所述第一相似水路同步至所述水位反解函数层，映射调用获得相似道路样本信息和相似水路样本信息，其中，所述相似道路样本信息和所述相似水路样本信息都包括多组历史降雨量-历史降雨时间-历史警戒水位；
A524:基于所述相似道路样本信息和所述相似水路样本信息进行函数拟合构建，获得相似道路函数和相似水路函数；
A525:基于所述第一组洪涝评价参数调用获得第一区域降雨量、第一区域降雨时间和第一区域警戒水位；
A526:将所述第一区域降雨量和所述第一区域降雨时间同步至所述相似道路函数和所述相似水路函数，获得相似道路警戒水位和相似水路警戒水位；
A527:预设权重赋值规则，并基于所述权重赋值规则对所述相似道路警戒水位和所述相似水路警戒水位进行加权计算，获得第一局域洪涝警戒水位；
A528:以此类推，将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价子网络，获得所述M个局域洪涝警戒水位。
具体而言，在本实施例中，预构建洪涝灾害评价网络，所述洪涝灾害评价网络可以根据道路设计、排水设计以及降水量、降水时间预测一个区域的积水高度。
所述洪涝灾害评价网络的构建过程如下：
交互获得样本道路信息，其中，所述样本道路信息包括多段样本道路的多个历史道路特征，所述历史道路特征包括历史道路区域和历史排水网络。进而交互获得所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位。
基于反向传播神经网络预构建道路相似性评价子通道，所述道路相似性评价子通道用于根据两个历史道路区域中道路的拓扑结构、路宽路长等信息进行两个道路相似性的评价，所述道路相似性评价子通道的输入信息为两组历史道路区域的道路组成(道路设计拓扑结构、道路宽度、长度)，输出结果为两组历史道路区域的道路组成的相似性。
将所述多个历史道路区域的道路组成随机两两排列组合为多对历史道路区域的道路组成，并基于人工进行相似度评分，获得多对历史道路组成-道路相似度评分。
将多对历史道路组成-道路相似度评分按照8:1:1的数据量标识划分为训练集、测试集和验证集，进而基于训练集和测试集进行所述道路相似性评价子通道的有监督训练，基于验证集进行所述道路相似性评价子通道的评价准确性验证，直至所述道路相似性评价子通道的输出准确度高于97％。
同样的，基于循环神经网络预构建水路相似性评价子通道，并采用所述多个历史道路特征中的多个历史排水网络进行所述水路相似性评价子通道的有监督训练。
具体的，将多个历史排水网络两两组合，获得多对历史排水网络，并基于人工进行相似度评分，获得多对历史排水网络-道路相似度评分。
采用训练相似性评价子通道相同方法，采用所述多对历史排水网络-道路相似度评分进行所述水路相似性评价子通道的有监督训练。
进一步的，预构建水位反解函数层，所述水位反解函数层可以基于多组历史降雨量-历史降雨时间-历史警戒水位进行数据特征分析，确定降雨量、降雨时间和警戒水位之间的函数关系。
将所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位存储于所述水位反解函数层。所述水位反解函数层中进行函数关系分析的功能模块包括降雨量卷积训练层和降雨时间卷积训练层，本实施例在后续说明书中进行所述水位反解函数层中进行函数关系分析过程的详细阐述。
将所述道路相似性评价子通道和所述水路相似性评价子通道采用双通道形式并列设置，且将所述道路相似性评价子通道和所述水路相似性评价子通道的输出端与所述水位反解函数层的输入端连接，完成所述洪涝灾害评价网络的构建。
基于所述洪涝灾害评价网络进行洪涝灾害评价的具体过程如下：
基于所述M个局域排水网络、所述M组洪涝评价参数和所述M个风险道路区域调用获得第一局域排水网络、第一组洪涝评价参数和第一风险道路区域。
将所述第一风险道路区域和所述第一局域排水网络分别同步至所述洪涝灾害评价网络的所述道路相似性评价子通道和所述水路相似性评价子通道，获得第一相似道路和第一相似水路。
将所述第一相似道路和所述第一相似水路同步至所述水位反解函数层，映射调用获得相似道路样本信息和相似水路样本信息，其中，所述相似道路样本信息和所述相似水路样本信息都包括多组历史降雨量-历史降雨时间-历史警戒水位。
所述水位反解函数层中进行函数关系分析的功能模块包括降雨量卷积训练层、降雨时间卷积训练层、水位信息卷积训练层，每个卷积训练层包括多个核函数，多个核函数用于进行特征提取，每个核函数可以捕捉输入的降雨量数据、降雨时间数据、水位数据的特定特征，将所述相似道路样本信息中所包含的多组历史降雨量-历史降雨时间-历史警戒水位对应输入基于每个卷积训练层的核函数进行数据特征提取，获得多组降雨量卷积输出样本-降雨时间卷积输出样本-水位数据卷积输出样本。
基于多组降雨量卷积输出样本-降雨时间卷积输出样本-水位数据卷积输出样本构建一个拟合函数，这个函数的目的在于映射降雨量降雨时间和积水水位高度之间的数值变化关系。
基于如上方法，采用所述相似道路样本信息和所述相似水路样本信息进行函数拟合构建，获得相似道路函数和相似水路函数。
基于所述第一组洪涝评价参数调用获得第一区域降雨量、第一区域降雨时间和第一区域警戒水位；将所述第一区域降雨量和所述第一区域降雨时间同步至所述相似道路函数获得相似道路警戒水位，将所述第一区域降雨量和所述第一区域降雨时间同步至所述相似水路函数获得相似水路警戒水位。
应理解的，所述相似道路警戒水位为与第一风险道路区域的道路相似度较高的道路在本实施例的降雨量和降雨时间条件下的水位可能高度。所述相似水路警戒水位为与第一局域排水网络的排水系统相似度较高的道路在本实施例的降雨量和降雨时间条件下的水位可能高度。
预设权重赋值规则，本实施例对于具体权重值不做限定，并基于所述权重赋值规则对所述相似道路警戒水位和所述相似水路警戒水位进行加权计算，获得第一局域洪涝警戒水位。
以此类推，将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价子网络，获得所述M个局域洪涝警戒水位，所述M个局域洪涝警戒水位既就是理论上在排水系统正常条件下，目标城市存在积水超过车辆通行能力的道路的水位深度预测结果。
本实施例通过将道路积水深度预测解构为无排水系统情况确定可能积水区域，进而结合获得的可能积水区域进行积水实际深度分析，达到了复杂问题简单化，快速获得目标城市的道路网络中可能存在积水过深阻断通行情况的技术效果，间接实现了为后续进行道路网络瘫痪程度分析提供参考的技术效果。
A600:根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。
在一个实施例中，根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级，本申请提供的方法步骤A600还包括：
A610:基于所述洪涝警戒水位对所述M个局域洪涝警戒水位进行二级筛选，获得N个洪涝风险区域，其中，N为小于等于M的正整数；
A620:基于所述M个区域位置标识，调用获得所述N个洪涝风险区域的N个区域位置标识；
A630:根据所述目标交通网络和所述N个区域位置标识进行城市道路瘫痪分析，获得瘫痪道路区域面积；
A640:基于所述目标交通网络获得城市道路区域面积，结合所述瘫痪道路区域面积计算获得瘫痪区域占比系数；
A650:预构建洪涝灾害等级序列，其中，所述洪涝灾害等级序列中包括多个洪涝灾害等级，且每个洪涝灾害等级对应于一个瘫痪区域占比系数的取值范围；
A660:采用所述瘫痪区域占比系数遍历所述洪涝灾害等级序列，获得所述目标洪涝灾害等级。
具体而言，在本实施例中，基于排水系统对于雨水的排出作用，所述M个局域洪涝警戒水位必然低于所述M个区域警戒水位，既就是所述M个风险道路区域中部分区域实质并未达到无法进行车辆通行的所述洪涝警戒水位。
基于此，本实施例采用所述洪涝警戒水位对所述M个局域洪涝警戒水位进行二级筛选，获得实质存在积水过深车辆无法通行路段的N个洪涝风险区域，其中，N为小于等于M的正整数。
基于所述M个区域位置标识，调用获得所述N个洪涝风险区域的N个区域位置标识；根据所述目标交通网络和所述N个区域位置标识进行城市道路瘫痪分析，就是N个区域位置标识所包含的道路，作为主干道导致多少条支路无法通行，基于此总计计算获得瘫痪道路区域面积。
基于所述目标交通网络获得表征总计道路面积的所述城市道路区域面积，将城市道路区域面积作为分母，将所述瘫痪道路区域面积作为分子，计算获得瘫痪区域占比系数。
预构建洪涝灾害等级序列，其中，所述洪涝灾害等级序列中包括多个洪涝灾害等级，且每个洪涝灾害等级对应于一个瘫痪区域占比系数的取值范围；采用所述瘫痪区域占比系数遍历所述洪涝灾害等级序列，获得所述目标洪涝灾害等级，所述目标洪涝灾害等级越高，相应地城市居民乘坐或驾驶家用车辆在当前天气出行安全系数和出行可前往区域越少。
本实施例基于城市降雨对于城市道路瘫痪状态分析，实现了获知表征实时天气状态下，城市道路可用程度和可用安全度的交通洪涝灾害等级，达到了为城市居民出行提供参考的技术效果。
实施例二
基于与前述实施例中一种评估城市洪涝灾害等级的方法相同的发明构思，如图3所示，本申请提供了一种评估城市洪涝灾害等级的系统，其中，所述系统包括：
城市信息交互单元1，用于交互获得目标城市的目标交通网络和目标地形信息；
洪涝模型构建单元2，用于以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；
气象预测获得单元3，用于交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；
排水系统调用单元4，用于交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；
评价网络构建单元5，用于预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；
灾害等级计算单元6，用于根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。
在一个实施例中，所述洪涝模型构建单元2还包括：
交互地理信息系统获得原始交通设计信息；
预构建交通信息筛选器，并将所述原始交通设计信息同步至所述交通信息筛选器进行干扰信息过滤，获得所述目标交通网络；
获得目标城市的目标地表高程信息和目标坡度信息，并将所述目标地表高程信息和所述目标坡度信息作为所述目标地形信息；
以所述目标地形信息作为构建基础，采用数字高程模型技术构建目标地形模型；
采用所述目标交通网络对所述目标地形模型进行交通信息修改，获得所述洪涝模拟模型。
在一个实施例中，所述洪涝模型构建单元2还包括：
交互获得道路属性分类，其中，所述道路属性分类包括多种道路属性，且每种道路属性具有多种道路类型字段；
基于知识图谱构建所述交通信息筛选器，并采用所述道路属性分类进行所述交通信息筛选器的数据填充；
对所述原始交通设计信息进行分词处理，获得原始分词集；
通过所述交通信息筛选器遍历所述原始分词集，对所述原始交通设计信息进行道路类型字段识别标记，获得道路标识信息集；
预设关联信息字段约束，并基于所述关联信息字段约束和所述道路标识信息集在所述原始交通设计信息中进行有效信息调用，获得所述目标交通网络。
在一个实施例中，所述排水系统调用单元4还包括：
所述气象预测信息包括降雨量信息、降雨时间信息和降雨空间信息；
将所述降雨量信息和所述降雨空间信息作为初始条件，将所述降雨时间信息作为边界条件；
基于所述初始条件运行所述洪涝模拟模型，模拟洪水灾害在所述目标城市的演变过程，并基于所述边界条件进行洪水灾害演变过程停止控制，获得洪涝演变瞬时模型；
预设洪涝警戒水位，并基于所述洪涝警戒水位遍历所述洪涝演变瞬时模型，获得所述M个风险道路区域；
基于所述M个风险道路区域在所述气象预测信息中调用获得M个区域降雨量和M个区域降雨时间；
基于所述洪涝演变瞬时模型调用获得所述M个风险道路区域的M个区域警戒水位；
集成所述M个区域警戒水位、M个区域降雨量和M个区域降雨时间，作为所述M组洪涝评价参数。
在一个实施例中，所述评价网络构建单元5还包括：
交互获得样本道路信息，其中，所述样本道路信息包括多段样本道路的多个历史道路特征，所述历史道路特征包括历史道路区域和历史排水网络；
交互获得所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位；
基于反向传播神经网络预构建道路相似性评价子通道，并采用所述多个历史道路特征进行所述道路相似性评价子通道的有监督训练；
基于循环神经网络预构建水路相似性评价子通道，并采用所述多个历史道路特征进行所述水路相似性评价子通道的有监督训练；
预构建水位反解函数层，并将所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位存储于所述水位反解函数层；
将所述道路相似性评价子通道和所述水路相似性评价子通道采用双通道形式并列设置，且将所述道路相似性评价子通道和所述水路相似性评价子通道的输出端与所述水位反解函数层的输入端连接，完成所述洪涝灾害评价网络的构建。
在一个实施例中，所述评价网络构建单元5还包括：
基于所述M个局域排水网络、所述M组洪涝评价参数和所述M个风险道路区域调用获得第一局域排水网络、第一组洪涝评价参数和第一风险道路区域；
将所述第一风险道路区域和所述第一局域排水网络分别同步至所述洪涝灾害评价网络的所述道路相似性评价子通道和所述水路相似性评价子通道，获得第一相似道路和第一相似水路；
将所述第一相似道路和所述第一相似水路同步至所述水位反解函数层，映射调用获得相似道路样本信息和相似水路样本信息，其中，所述相似道路样本信息和所述相似水路样本信息都包括多组历史降雨量-历史降雨时间-历史警戒水位；
基于所述相似道路样本信息和所述相似水路样本信息进行函数拟合构建，获得相似道路函数和相似水路函数；
基于所述第一组洪涝评价参数调用获得第一区域降雨量、第一区域降雨时间和第一区域警戒水位；
将所述第一区域降雨量和所述第一区域降雨时间同步至所述相似道路函数和所述相似水路函数，获得相似道路警戒水位和相似水路警戒水位；
预设权重赋值规则，并基于所述权重赋值规则对所述相似道路警戒水位和所述相似水路警戒水位进行加权计算，获得第一局域洪涝警戒水位；
以此类推，将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价子网络，获得所述M个局域洪涝警戒水位。
在一个实施例中，所述灾害等级计算单元6还包括：
基于所述洪涝警戒水位对所述M个局域洪涝警戒水位进行二级筛选，获得N个洪涝风险区域，其中，N为小于等于M的正整数；
基于所述M个区域位置标识，调用获得所述N个洪涝风险区域的N个区域位置标识；
根据所述目标交通网络和所述N个区域位置标识进行城市道路瘫痪分析，获得瘫痪道路区域面积；
基于所述目标交通网络获得城市道路区域面积，结合所述瘫痪道路区域面积计算获得瘫痪区域占比系数；
预构建洪涝灾害等级序列，其中，所述洪涝灾害等级序列中包括多个洪涝灾害等级，且每个洪涝灾害等级对应于一个瘫痪区域占比系数的取值范围；
采用所述瘫痪区域占比系数遍历所述洪涝灾害等级序列，获得所述目标洪涝灾害等级。
综上所述的任意一项方法或者步骤可作为计算机指令或程序存储在各种不限类型的计算机存储器中，通过各种不限类型的计算机处理器识别计算机指令或程序，进而实现上述任一项方法或者步骤。
基于本发明的上述具体实施例，本技术领域的技术人员在不脱离本发明原理的前提下，对本发明所作的任何改进和修饰，皆应落入本发明的专利保护范围。
Claims (8)
1.一种评估城市洪涝灾害等级的方法，其特征在于，所述方法包括：
交互获得目标城市的目标交通网络和目标地形信息；
以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；
交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；
交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；
预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；
根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。
2.如权利要求1所述的方法，其特征在于，以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型，所述方法还包括：
交互地理信息系统获得原始交通设计信息；
预构建交通信息筛选器，并将所述原始交通设计信息同步至所述交通信息筛选器进行干扰信息过滤，获得所述目标交通网络；
获得目标城市的目标地表高程信息和目标坡度信息，并将所述目标地表高程信息和所述目标坡度信息作为所述目标地形信息；
以所述目标地形信息作为构建基础，采用数字高程模型技术构建目标地形模型；
采用所述目标交通网络对所述目标地形模型进行交通信息修改，获得所述洪涝模拟模型。
3.如权利要求2所述的方法，其特征在于，预构建交通信息筛选器，并将所述原始交通设计信息同步至所述交通信息筛选器进行干扰信息过滤，获得所述目标交通网络，所述方法还包括：
交互获得道路属性分类，其中，所述道路属性分类包括多种道路属性，且每种道路属性具有多种道路类型字段；
基于知识图谱构建所述交通信息筛选器，并采用所述道路属性分类进行所述交通信息筛选器的数据填充；
对所述原始交通设计信息进行分词处理，获得原始分词集；
通过所述交通信息筛选器遍历所述原始分词集，对所述原始交通设计信息进行道路类型字段识别标记，获得道路标识信息集；
预设关联信息字段约束，并基于所述关联信息字段约束和所述道路标识信息集在所述原始交通设计信息中进行有效信息调用，获得所述目标交通网络。
4.如权利要求1所述的方法，其特征在于，交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数，所述方法还包括：
所述气象预测信息包括降雨量信息、降雨时间信息和降雨空间信息；
将所述降雨量信息和所述降雨空间信息作为初始条件，将所述降雨时间信息作为边界条件；
基于所述初始条件运行所述洪涝模拟模型，模拟洪水灾害在所述目标城市的演变过程，并基于所述边界条件进行洪水灾害演变过程停止控制，获得洪涝演变瞬时模型；
预设洪涝警戒水位，并基于所述洪涝警戒水位遍历所述洪涝演变瞬时模型，获得所述M个风险道路区域；
基于所述M个风险道路区域在所述气象预测信息中调用获得M个区域降雨量和M个区域降雨时间；
基于所述洪涝演变瞬时模型调用获得所述M个风险道路区域的M个区域警戒水位；
集成所述M个区域警戒水位、M个区域降雨量和M个区域降雨时间，作为所述M组洪涝评价参数。
5.如权利要求1所述的方法，其特征在于，所述方法还包括：
交互获得样本道路信息，其中，所述样本道路信息包括多段样本道路的多个历史道路特征，所述历史道路特征包括历史道路区域和历史排水网络；
交互获得所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位；
基于反向传播神经网络预构建道路相似性评价子通道，并采用所述多个历史道路特征进行所述道路相似性评价子通道的有监督训练；
基于循环神经网络预构建水路相似性评价子通道，并采用所述多个历史道路特征进行所述水路相似性评价子通道的有监督训练；
预构建水位反解函数层，并将所述样本道路信息中每个样本道路的多组历史降雨量-历史降雨时间-历史警戒水位存储于所述水位反解函数层；
将所述道路相似性评价子通道和所述水路相似性评价子通道采用双通道形式并列设置，且将所述道路相似性评价子通道和所述水路相似性评价子通道的输出端与所述水位反解函数层的输入端连接，完成所述洪涝灾害评价网络的构建。
6.如权利要求5所述的方法，其特征在于，预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价子网络，获得M个局域洪涝警戒水位，所述方法还包括：
基于所述M个局域排水网络、所述M组洪涝评价参数和所述M个风险道路区域调用获得第一局域排水网络、第一组洪涝评价参数和第一风险道路区域；
将所述第一风险道路区域和所述第一局域排水网络分别同步至所述洪涝灾害评价网络的所述道路相似性评价子通道和所述水路相似性评价子通道，获得第一相似道路和第一相似水路；
将所述第一相似道路和所述第一相似水路同步至所述水位反解函数层，映射调用获得相似道路样本信息和相似水路样本信息，其中，所述相似道路样本信息和所述相似水路样本信息都包括多组历史降雨量-历史降雨时间-历史警戒水位；
基于所述相似道路样本信息和所述相似水路样本信息进行函数拟合构建，获得相似道路函数和相似水路函数；
基于所述第一组洪涝评价参数调用获得第一区域降雨量、第一区域降雨时间和第一区域警戒水位；
将所述第一区域降雨量和所述第一区域降雨时间同步至所述相似道路函数和所述相似水路函数，获得相似道路警戒水位和相似水路警戒水位；
预设权重赋值规则，并基于所述权重赋值规则对所述相似道路警戒水位和所述相似水路警戒水位进行加权计算，获得第一局域洪涝警戒水位；
以此类推，将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价子网络，获得所述M个局域洪涝警戒水位。
7.如权利要求6所述的方法，其特征在于，根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级，所述方法还包括：
基于所述洪涝警戒水位对所述M个局域洪涝警戒水位进行二级筛选，获得N个洪涝风险区域，其中，N为小于等于M的正整数；
基于所述M个区域位置标识，调用获得所述N个洪涝风险区域的N个区域位置标识；
根据所述目标交通网络和所述N个区域位置标识进行城市道路瘫痪分析，获得瘫痪道路区域面积；
基于所述目标交通网络获得城市道路区域面积，结合所述瘫痪道路区域面积计算获得瘫痪区域占比系数；
预构建洪涝灾害等级序列，其中，所述洪涝灾害等级序列中包括多个洪涝灾害等级，且每个洪涝灾害等级对应于一个瘫痪区域占比系数的取值范围；
采用所述瘫痪区域占比系数遍历所述洪涝灾害等级序列，获得所述目标洪涝灾害等级。
8.一种评估城市洪涝灾害等级的系统，其特征在于，所述系统包括：
城市信息交互单元，用于交互获得目标城市的目标交通网络和目标地形信息；
洪涝模型构建单元，用于以所述目标交通网络和所述目标地形信息为构建基础，采用数字孪生技术构建洪涝模拟模型；
气象预测获得单元，用于交互获得所述目标城市的气象预测信息，并基于所述气象预测信息在所述洪涝模拟模型进行洪涝灾害模拟，获得洪涝风险区域集，其中，所述洪涝风险区域集中包括M个风险道路区域，所述M个风险道路区域具有M个区域位置标识和M组洪涝评价参数；
排水系统调用单元，用于交互获得所述目标城市的目标排水系统，进而根据所述M个风险道路区域在所述目标排水系统进行排水网络调用，获得M个局域排水网络；
评价网络构建单元，用于预构建洪涝灾害评价网络，并将所述M个局域排水网络和所述M组洪涝评价参数同步至所述洪涝灾害评价网络，获得M个局域洪涝警戒水位；
灾害等级计算单元，用于根据所述目标交通网络和所述M个区域位置标识进行所述M个局域洪涝警戒水位的数据集成，获得目标洪涝灾害等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311595965.5A CN117575319B (zh) | 2023-11-27 | 2023-11-27 | 一种评估城市洪涝灾害等级的方法及系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202311595965.5A CN117575319B (zh) | 2023-11-27 | 2023-11-27 | 一种评估城市洪涝灾害等级的方法及系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117575319A true CN117575319A (zh) | 2024-02-20 |
| CN117575319B CN117575319B (zh) | 2024-07-02 |
Family
ID=89893446
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202311595965.5A Active CN117575319B (zh) | 2023-11-27 | 2023-11-27 | 一种评估城市洪涝灾害等级的方法及系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117575319B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726043A (zh) * | 2024-02-05 | 2024-03-19 | 中科信德建设有限公司 | 一种水库水情自动测报及预报方法 |
Citations (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2014134414A (ru) * | 2014-08-22 | 2016-03-20 | Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" | Система оценки баланса подачи и отведения воды мегаполиса |
| CN105550803A (zh) * | 2015-12-08 | 2016-05-04 | 哈尔滨航天恒星数据系统科技有限公司 | 一种城市内涝分析方法及系统 |
| CN114662797A (zh) * | 2022-05-16 | 2022-06-24 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市水灾预警方法和系统 |
| CN116070918A (zh) * | 2023-04-06 | 2023-05-05 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
| CN116362419A (zh) * | 2023-05-31 | 2023-06-30 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
| CN116432532A (zh) * | 2023-04-18 | 2023-07-14 | 交通运输部公路科学研究所 | 一种水泥混凝土路面内部温度场预测方法及系统 |
| CN116434479A (zh) * | 2023-03-07 | 2023-07-14 | 广西电网有限责任公司电力科学研究院 | 一种区域性洪涝灾害等级预测预警方法及系统 |
| CN116861317A (zh) * | 2023-09-04 | 2023-10-10 | 北京建筑大学 | 一种基于bp神经网络的小区内涝预警方法及系统 |
-
2023
- 2023-11-27 CN CN202311595965.5A patent/CN117575319B/zh active Active
Patent Citations (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| RU2014134414A (ru) * | 2014-08-22 | 2016-03-20 | Государственное Унитарное Предприятие "Водоканал Санкт-Петербурга" | Система оценки баланса подачи и отведения воды мегаполиса |
| CN105550803A (zh) * | 2015-12-08 | 2016-05-04 | 哈尔滨航天恒星数据系统科技有限公司 | 一种城市内涝分析方法及系统 |
| CN114662797A (zh) * | 2022-05-16 | 2022-06-24 | 成都秦川物联网科技股份有限公司 | 一种基于物联网的智慧城市水灾预警方法和系统 |
| US11721191B1 (en) * | 2022-05-16 | 2023-08-08 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system for flood early warning in smart city based on internet of things |
| CN116434479A (zh) * | 2023-03-07 | 2023-07-14 | 广西电网有限责任公司电力科学研究院 | 一种区域性洪涝灾害等级预测预警方法及系统 |
| CN116070918A (zh) * | 2023-04-06 | 2023-05-05 | 珠江水利委员会珠江水利科学研究院 | 一种城市洪涝安全评估及洪涝灾害防治方法 |
| CN116432532A (zh) * | 2023-04-18 | 2023-07-14 | 交通运输部公路科学研究所 | 一种水泥混凝土路面内部温度场预测方法及系统 |
| CN116362419A (zh) * | 2023-05-31 | 2023-06-30 | 聊城市科慧市政工程设计院有限公司 | 一种城市防洪预警系统及方法 |
| CN116861317A (zh) * | 2023-09-04 | 2023-10-10 | 北京建筑大学 | 一种基于bp神经网络的小区内涝预警方法及系统 |
Non-Patent Citations (5)
| Title |
|---|
| ZENING WU等: "Real-Time Prediction of the Water Accumulation Process of Urban Stormy Accumulation Points Based on Deep Learning", 《IEEE ACCESS》, 17 August 2020 (2020-08-17) * |
| 周易宏: "基于深度学习的城市洪涝积水点淹没过程预报预警研究", 《中国优秀硕士论文》, 15 April 2022 (2022-04-15) * |
| 李尤;邸苏闯;朱永华;李永坤;张宇航;徐袈檬;: "基于多模型耦合的城市内涝多视角分析", 中国农村水利水电, no. 05, 15 May 2019 (2019-05-15) * |
| 杨庆: "基于多源观测数据的洪水事件识别监测及灾害损失预测研究", 《中国优秀博士论文》, 15 June 2022 (2022-06-15) * |
| 王梦璇;李伟;: "基于ReliefF-ANFIS方法的船舶安全评估", 舰船电子工程, no. 07, 20 July 2018 (2018-07-20) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117726043A (zh) * | 2024-02-05 | 2024-03-19 | 中科信德建设有限公司 | 一种水库水情自动测报及预报方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117575319B (zh) | 2024-07-02 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109840660B (zh) | 一种车辆特征数据处理方法及车辆风险预测模型训练方法 | |
| Mani et al. | Flood hazard assessment with multiparameter approach derived from coupled 1D and 2D hydrodynamic flow model | |
| Romano et al. | Multi-criteria decision analysis for land suitability mapping in a rural area of Southern Italy | |
| Peñas et al. | Assessment of large-scale patterns of hydrological alteration caused by dams | |
| CN104408900B (zh) | 基于动态优化的神经网络洪水预警装置及其方法 | |
| CN117575319B (zh) | 一种评估城市洪涝灾害等级的方法及系统 | |
| Lu et al. | Vulnerability analysis of transportation network under scenarios of sea level rise | |
| Jafari et al. | Dynamic simulation of urban expansion through a CA-Markov model Case study: Hyrcanian region, Gilan, Iran | |
| Feng et al. | Urban flood hazard mapping using a hydraulic–GIS combined model | |
| CN110852577A (zh) | 基于城市韧性与城市流域水文模型的城市洪涝评估方法 | |
| CN113935441B (zh) | 汽车自动驾驶功能测试道路的选取方法、设备和存储介质 | |
| Liu et al. | A risk assessment method based on RBF artificial neural network-cloud model for urban water hazard | |
| CN114202908A (zh) | 基于灾害天气的车辆预警方法、装置、设备及存储介质 | |
| CN111626599A (zh) | 一种气象灾害风险研判方法及系统 | |
| CN113935442B (zh) | 汽车自动驾驶功能测试道路的分类方法、设备和存储介质 | |
| Liu et al. | A comprehensive risk analysis of transportation networks affected by rainfall‐induced multihazards | |
| CN113191582B (zh) | 一种基于gis与机器学习的道路山洪易损性评价方法 | |
| CN111709592A (zh) | 基于神经网络与粗糙集分类的深基坑变形预测方法及系统 | |
| Park et al. | Calibration and validation of TRANSIMS microsimulator for an urban arterial network | |
| CN110414027A (zh) | 一种适用于洪涝预测系统的数据处理方法 | |
| Kobler et al. | Brown bears in Slovenia: identifying locations for construction of wildlife bridges across highways | |
| Eric et al. | Modeling low impact development potential with hydrological response units | |
| CN109671248A (zh) | 基于防灾对象的山洪灾害预警方法 | |
| CN113268800A (zh) | 优化区域规划方法、装置、电子设备和可读存储介质 | |
| CN113689151B (zh) | 跨流域调水工程对交叉河流下游区域的防洪风险评估方法 |
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 |