CN118013637A - 一种面向水灾害的韧性城市设计方案决策方法 - Google Patents
一种面向水灾害的韧性城市设计方案决策方法 Download PDFInfo
- Publication number
- CN118013637A CN118013637A CN202410411239.1A CN202410411239A CN118013637A CN 118013637 A CN118013637 A CN 118013637A CN 202410411239 A CN202410411239 A CN 202410411239A CN 118013637 A CN118013637 A CN 118013637A
- Authority
- CN
- China
- Prior art keywords
- data
- disaster
- urban
- city
- calculating
- 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
- 238000013461 design Methods 0.000 title claims abstract description 120
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 title claims abstract description 88
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000008878 coupling Effects 0.000 claims abstract description 32
- 238000010168 coupling process Methods 0.000 claims abstract description 32
- 238000005859 coupling reaction Methods 0.000 claims abstract description 32
- 238000012545 processing Methods 0.000 claims abstract description 4
- 239000011159 matrix material Substances 0.000 claims description 61
- 238000004088 simulation Methods 0.000 claims description 18
- 238000009825 accumulation Methods 0.000 claims description 8
- 238000011161 development Methods 0.000 claims description 8
- 238000011084 recovery Methods 0.000 claims description 7
- 238000012216 screening Methods 0.000 claims description 7
- 230000008569 process Effects 0.000 description 9
- 230000006872 improvement Effects 0.000 description 8
- 238000010586 diagram Methods 0.000 description 4
- 230000010485 coping Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 238000006424 Flood reaction Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 239000011324 bead Substances 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004590 computer program Methods 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000010419 fine particle Substances 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000002689 soil Substances 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/13—Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q50/08—Construction
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Computational Mathematics (AREA)
- Geometry (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Primary Health Care (AREA)
- Marketing (AREA)
- Computer Hardware Design (AREA)
- General Business, Economics & Management (AREA)
- Strategic Management (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Development Economics (AREA)
- Databases & Information Systems (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Structural Engineering (AREA)
- Evolutionary Computation (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种面向水灾害的韧性城市设计方案决策方法，涉及韧性城市设计技术领域，通过自动化处理城市信息数据，生成若干韧性城市设计方案；再结合水文数据，生成城市水灾害耦合模型和积水深度数据；接着在所述城市水灾害耦合模型中进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据；通过计算各灾害阶段的时序数据的权重，得到最优的韧性城市设计方案。采用本发明实施例，能够自动化处理城市信息数据和水文数据，生成韧性城市设计方案，并客观地进行方案决策，减少了城市设计的随意性和不稳定性，提高了决策的效率和准确性。
Description
技术领域
本发明涉及韧性城市设计技术领域，尤其涉及一种面向水灾害的韧性城市设计方案决策方法。
背景技术
随着数字信息时代的来临，城市信息模型已成为城市研究的数据基础。这些模型能够收集、存储、管理和分析城市各子系统的数据，从而对城市的环境、社会和经济进行综合分析，以了解城市的实际状态和未来发展趋势。与此同时，城市洪涝模型已经得到了广泛的发展和应用，其能够收集和处理有关城市地形、地貌、气候和土壤等方面的信息，预测洪水和涝害的可能发生的时间、地点和程度。
然而，尽管已经有了成熟的城市信息模型和城市洪涝模型，但现有技术在进行韧性城市设计的决策时，无法很好地整合城市信息模型和城市洪涝模型，还需要通过作业员人工对数据进行分析并建模，决策的主观性强，且决策效率较低。
发明内容
本发明所要解决的技术问题是，提供一种面向水灾害的韧性城市设计方案决策方法，能够自动化处理城市信息数据和水文数据，生成韧性城市设计方案，并客观地进行方案决策，减少了城市设计的随意性和不稳定性，提高了决策的效率和准确性。
为解决以上技术问题，本发明实施例提供一种面向水灾害的韧性城市设计方案决策方法，包括：
获取城市信息数据，生成若干韧性城市设计方案；其中，所述城市信息数据包括城市河道数据和城市雨水管道参数数据；
获取水文数据，结合所述城市信息数据，生成城市水灾害耦合模型并计算积水深度数据；其中，所述水文数据包括洪水灾害水流量数据、台风强度数据和海洋数据；所述城市水灾害耦合模型的参数包括城市交通的平均出行时间和城市土地利用数据；
根据所述积水深度数据，对城市水灾害耦合模型的栅格进行掩膜处理，得到各栅格的积水深度；
将积水深度超过n的栅格，通过栅格乘法运算将积水深度转换为蓄水量；
基于不同土地利用类型对每一个时间间隔的蓄水量和淹没面积进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据；
计算各灾害阶段的时序数据的权重，从若干韧性城市设计方案中筛选最优的韧性城市设计方案。
作为上述方案的改进，所述获取城市信息数据，生成若干韧性城市设计方案，包括：
获取城市信息数据；
根据所述城市信息数据，依照城市子系统的规划设计要求和各子系统间的依赖关系，生成城市子系统的模拟场景数据；
根据所述城市子系统的模拟场景数据，生成若干韧性城市设计方案。
作为上述方案的改进，所述获取水文数据，结合所述城市信息数据，生成城市水灾害耦合模型并计算积水深度数据，包括：
获取洪水灾害水流量数据，结合城市河道数据，得到城市水灾害耦合模型的河流水文边界数据；
获取台风强度数据和海洋数据，得到城市水灾害耦合模型的海洋水文边界数据；
根据所述城市雨水管道参数数据、所述河流水文边界数据和所述海洋水文边界数据，计算城市的积水深度数据；
根据所述积水深度数据，得到城市水灾害耦合模型中城市交通的平均出行时间和城市土地利用数据。
作为上述方案的改进，所述基于不同土地利用类型对每一个时间间隔的蓄水量和淹没面积进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据，包括：
当土地利用类型为水域类型时，通过计算城市蓝色基础设施蓄水量；
当土地利用类型为绿地与广场用地类型时，通过计算城市绿色基础设施蓄水量；
当土地利用类型为道路与交通设施用地时，通过计算城市交通平均驾驶时间；
当土地利用类型为可开发用地时，通过计算城市开发用地淹没面积；
其中，i和j代表栅格数据的行数和列数；代表积水深度的空间分布；S代表每个栅格对应的面积；T代表交通模拟软件所模拟的各车辆驾驶时间，k代表车辆辆数；
统计每个时间间隔的城市蓝色基础设施蓄水量、城市绿色基础设施蓄水量、城市交通平均驾驶时间和城市开发用地淹没面积，得到各灾害阶段的时序数据。
作为上述方案的改进，所述计算各灾害阶段的时序数据的权重，从若干韧性城市设计方案中筛选最优的韧性城市设计方案，包括：
建立所述时序数据的三维矩阵；其中，c为水灾害韧性指标的数量，d表示韧性城市设计方案的数量(/>，t表示不同的灾害阶段；
使用熵权法计算所述三维矩阵，得到各灾害阶段的时序数据的权重，生成加权矩阵；
根据所述加权矩阵，计算若干韧性城市设计方案与正理想解的相对距离，得到得分矩阵；
根据所述得分矩阵，从若干韧性城市设计方案中筛选最优的韧性城市设计方案。
作为上述方案的改进，所述使用熵权法计算所述三维矩阵，得到各灾害阶段的时序数据的权重，生成加权矩阵，包括：
将所述三维矩阵进行归一化处理，得到归一化三维矩阵；
通过计算各灾害阶段的水灾害韧性指标的熵值/>；
通过计算各灾害阶段的水灾害韧性指标的多样化程度/>；
通过计算各灾害阶段的水灾害韧性指标的权重/>；
通过实现所述三维矩阵的加权，生成加权矩阵/>。
作为上述方案的改进，所述根据所述加权矩阵，计算若干韧性城市设计方案与正理想解的相对距离，得到得分矩阵，包括：
根据所述加权矩阵，确定每一水灾害韧性指标的正理想解/>和负理想解/>；
通过，计算加权矩阵中各值与其对应的水灾害韧性指标的正理想解的第一欧几里得距离；
通过，计算加权矩阵中各值与其对应的水灾害韧性指标的负理想解的第二欧几里得距离；
根据所述第一欧几里得距离和所述第二欧几里得距离，计算加权矩阵中各值与其对应的水灾害韧性指标的正理想解的相对距离，得到得分矩阵/>。
作为上述方案的改进，所述根据所述得分矩阵，从若干韧性城市设计方案中筛选最优的韧性城市设计方案，包括：
根据所述得分矩阵R，计算每一韧性城市设计方案在各灾害阶段的平均得分；
将平均得分最低的韧性城市设计方案作为最优的韧性城市设计方案。
作为上述方案的改进，灾害阶段包括第一灾害阶段、第二灾害阶段和第三灾害阶段；通过以下步骤得到各灾害阶段的时序数据：
将时序数据划分为未发生期、高峰期、持续期和恢复期；
将高峰期的时序数据减去未发生期的时序数据，得到第一灾害阶段的时序数据；
将持续期的时序数据减去未发生期的时序数据，得到第二灾害阶段的时序数据；
将恢复期的时序数据减去未发生期的时序数据，得到第三灾害阶段的时序数据。
与现有技术相比，本发明公开的一种面向水灾害的韧性城市设计方案决策方法，能够自动化处理城市信息数据和水文数据，生成韧性城市设计方案，并客观地进行方案决策，减少了城市设计的随意性和不稳定性，提高了决策的效率和准确性。
附图说明
图1是本发明一实施例提供的一种面向水灾害的韧性城市设计方案决策方法的步骤流程示意图；
图2是本发明一实施例提供的韧性城市设计方案的城市蓝绿基础设施设计图；
图3是本发明一实施例提供的韧性城市设计方案的城市土地利用图；
图4是本发明一实施例提供的韧性城市设计方案的城市管道系统设计图；
图5是本发明一实施例提供的韧性城市设计方案的城市高程设计图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有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。
在说明书和权利要求书的描述中，需要理解的是，在说明书和权利要求书中的术语第一、第二等仅用于区别相同技术特征的描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量，也不一定描述次序或时间顺序。在合适的情况下术语是可以互换的。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。
参见图1，是本发明实施例提供的一种面向水灾害的韧性城市设计方案决策方法的步骤流程示意图。在本实施例中，所述面向水灾害的韧性城市的设计方法，具体通过步骤S1至S6执行：
S1、获取城市信息数据，生成若干韧性城市设计方案；其中，所述城市信息数据包括城市河道数据和城市雨水管道参数数据。
需要说明的是，城市信息模型中收集存储了城市各子系统的数据，目前的城市信息模型已较为成熟，且在城市设计领域得到广泛应用，可通过从城市信息模型中获取城市信息数据。也可以通过市政基础设施图纸、政府公告等获取城市信息数据。
优选地，所述城市信息数据还可以包括城市交通路网数据、城市防洪基础设施数据和城市土地利用数据、城市高程数据等。
上述方案中，所述城市信息数据可用于生成模拟城市模型，以此生成若干韧性城市设计方案。
S2、获取水文数据，结合所述城市信息数据，生成城市水灾害耦合模型并计算积水深度数据；其中，所述水文数据包括洪水灾害水流量数据、台风强度数据和海洋数据；所述城市水灾害耦合模型的输入参数包括城市交通路网数据、城市高程数据和城市土地利用数据。
需要说明的是，城市水灾害耦合模型中的城市交通的平均出行时间能够用于表征水灾害对城市出行的影响，城市土地利用数据能够用于表征不同土地利用类型的土地受水灾害的影响，优选地，在本发明实施例中使用积水深度数据进一步表示土地受水灾害的影响。
S3、根据所述积水深度数据，对城市水灾害耦合模型的栅格进行掩膜处理，得到各栅格的积水深度。
S4、将积水深度超过n的栅格，通过栅格乘法运算将积水深度转换为蓄水量。
作为举例，在本发明实施例中，n=0.01米，对于积水深度超过n的栅格，认为其出现了蓄水情况，因此，n的取值与栅格的大小也有关联，本领域技术人员可以对n的取值进行修改，其具体取值均不影响本发明取得的有益效果。
S5、基于不同土地利用类型对每一个时间间隔的蓄水量和淹没面积进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据。
需要说明的是，所生成的城市水灾害耦合模型可将城市模型按照栅格划分，每一栅格内的城市占地一般为同一土地类型，通过确定栅格的积水深度可以得到水灾害对该栅格的影响。当城市水灾害耦合模型中存在部分栅格的积水深度较高时，认为该栅格对应位置应存在蓄水情况，蓄水情况很可能会影响城市运行。
S6、计算各灾害阶段的时序数据的权重，从若干韧性城市设计方案中筛选最优的韧性城市设计方案。
上述方案中，通过整合城市信息数据，能够自动化生成若干韧性城市设计方案，再结合水文数据，能够得到城市水灾害耦合模型，用于模拟多致灾因子引发的水灾害对城市运行的影响，为城市规划和设计提供科学依据，从而显著提高城市对水灾害的韧性和应对能力；将水灾害韧性指标的时序数据按照灾害阶段进行划分，充分考虑到水灾害历程在时间尺度上是不断演变的过程；最后计算各灾害阶段的时序数据的权重，进行客观的方案决策，能够将时间尺度纳入韧性城市设计的分析中，为韧性城市设计的决策提供更全面的支持。
作为一种优选的实施方式，步骤S1通过步骤S11至S13执行：
S11、获取城市信息数据。
S12、根据所述城市信息数据，依照城市子系统的规划设计要求和各子系统间的依赖关系，生成城市子系统的模拟场景数据。
S13、根据所述城市子系统的模拟场景数据，生成若干韧性城市设计方案。
进一步地，优选地，所述城市信息数据包括城市交通路网数据、城市河道数据、城市防洪基础设施数据、城市土地利用数据和城市雨水管道参数数据；所述城市子系统包括城市高程子系统、城市河道子系统、城市土地利用子系统和城市雨水子系统。
需要说明的是，上述根据城市信息数据，模拟城市子系统运行这一步骤可以通过若干城市模拟模块进行。通过生成城市高程子系统、城市河道子系统、城市土地利用子系统和城市雨水子系统的模拟数据，能够对城市规划中与水灾害相关的子系统进行模拟，以更准确地表示城市受水灾害的影响，及城市设计方案的韧性。
作为举例，在一种优选的实施方式下，通过城市地表高程模块生成城市地表高程子系统的模拟数据，通过城市河道系统模块生成城市河道系统模拟数据，通过城市土地利用模块生成城市土地利用模拟数据，通过城市雨水系统模块生成城市雨水管道系统模拟数据。
所述城市地表高程模块的输入为城市交通路网数据、城市河道数据和城市防洪基础设施数据。首先根据城市交通路网数据，提取道路交叉点为其赋予高程数据，每隔20m进行道路高程的线性插值，生成道路高程的第一控制点；接着根据城市防洪基础设施数据，将堤坝高程控制线每隔20m进行高程的线性插值，生成堤坝高程的第二控制点；然后根据城市河道模拟数据，将河道断面每隔20m生成详细河道断面，再转换为河道高程的第三控制点；最后合并所述第一控制点、第二控制点和第三控制点，使用反距离加权差值法进行空间高程插值，生成第一城市地表高程模拟数据。根据不同的用地性质和相关规范，对城市开发用地地块抬高0.3米，将下沉式绿地地块降低0.2米，得到第二城市地表高程模拟数据，作为城市地表高程子系统的模拟数据。
所述城市河道系统模块的输入为城市河道数据。通过解析城市河道数据，将城市河道数据中的城市内河道数据转换为线图层，将河道宽度作为数据属性，得到城市河道子系统的模拟数据。
所述城市土地利用模块的输入为城市土地利用数据。通过将城市土地利用数据进行解析，得到土地形状数据，将土地形状数据转换为多边形图层，并通过栅格化功能将所述多边形图层转换为栅格图层，然后将用地性质转换为径流系数和曼宁系数，得到城市土地利用子系统的模拟数据。
所述城市雨水系统模块的输入为城市交通路网数据和城市雨水管道参数数据，在平面布局中认为雨水管道与城市道路平行设置，得到城市雨水管道系统模拟数据。所述城市雨水管道参数数据使用雨水系统自动设计工具得到，所述雨水系统自动设计工具能够根据统一的雨水系统设计要求对城市雨水管道参数进行设计，以得到城市雨水子系统的模拟数据。
上述方案中，通过处理城市信息数据，能够自动化生成城市子系统的模拟场景数据，进一步生成若干韧性城市设计方案，每一韧性城市设计方案都是基于城市信息数据而得到的，具有针对性和实用性。
作为一种优选的实施方式，步骤S2通过步骤S21至S24执行：
S21、获取洪水灾害水流量数据，结合城市河道数据，得到城市水灾害耦合模型的河流水文边界数据。
作为举例，在本发明实施例中，通过结合洪水灾害水流量数据和城市河道数据，得到河流洪水灾害的重现期的河流洪水水位数据，并将所述河流洪水水位数据作为城市水灾害耦合模型的河流水文边界数据。
S22、获取台风强度数据和海洋数据，得到城市水灾害耦合模型的海洋水文边界数据。
作为举例，在本发明实施例中，通过台风强度数据和海洋数据，得到不同台风强度下的台风风暴潮水位数据，并将所述台风风暴潮水位数据作为城市水灾害耦合模型的海洋水文边界数据。
S23、根据所述城市雨水管道参数数据、所述河流水文边界数据和所述海洋水文边界数据，计算城市的积水深度数据。
S24、根据所述积水深度数据，得到城市水灾害耦合模型中城市交通的平均出行时间和城市土地利用数据。
上述方案中，考虑到城市的水文流入和流出情况，生成河流水文边界数据和海洋水文边界数据，作为城市水灾害耦合模型的边界数据；再计算得到城市的积水深度数据，根据积水深度数据，进一步细化城市水灾害耦合模型，以模拟多致灾因子引发的水灾害对城市运行的影响，从而显著提高城市对水灾害的韧性和应对能力。
采用本发明实施例，能够结合城市信息数据和水文数据，自动化生成韧性城市设计方案和城市水灾害耦合模型，保证了城市场景建模的准确性和模拟结果的可重复性，避免了由于作业员手工建模而导致的随意性和主观性，进一步提高了所生成的韧性城市设计方案的实用性和决策的准确性。
进一步地，优选地，步骤S5、基于不同土地利用类型对每一个时间间隔的蓄水量和淹没面积进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据，包括：
当土地利用类型为水域类型时，通过计算城市蓝色基础设施蓄水量；
当土地利用类型为绿地与广场用地类型时，通过计算城市绿色基础设施蓄水量；
当土地利用类型为道路与交通设施用地时，通过计算城市交通平均驾驶时间；
当土地利用类型为可开发用地时，通过计算城市开发用地淹没面积；
其中，i和j代表栅格数据的行数和列数；代表积水深度的空间分布；S代表每个栅格对应的面积；T代表交通模拟软件所模拟的各车辆驾驶时间，k代表车辆辆数；
统计每个时间间隔的城市蓝色基础设施蓄水量、城市绿色基础设施蓄水量、城市交通平均驾驶时间和城市开发用地淹没面积，得到各灾害阶段的时序数据。
上述方案中，通过计算每一时间间隔下不同土地利用类型的蓄水量和淹没面积，能够得到一个时间间隔下的城市受水灾害的情况，通过整合整个灾害时期内的数据，生成各灾害阶段的时序数据，能够以细颗粒的时间尺度分析城市水灾害情况，以提升韧性城市设计方案的决策的准确性。
作为一种优选的实施方式，步骤S6通过步骤S61至S64执行：
S61、建立所述时序数据的三维矩阵；其中，c为水灾害韧性指标的数量/>，d表示韧性城市设计方案的数量(/>，t表示不同的灾害阶段。
S62、使用熵权法计算所述三维矩阵，得到各灾害阶段的时序数据的权重，生成加权矩阵。
S63、根据所述加权矩阵，计算若干韧性城市设计方案与正理想解的相对距离，得到得分矩阵。
S64、根据所述得分矩阵，从若干韧性城市设计方案中筛选最优的韧性城市设计方案。
进一步地，优选地，步骤S62包括：
将所述三维矩阵进行归一化处理，得到归一化三维矩阵；
通过计算各灾害阶段的水灾害韧性指标的熵值/>；
通过计算各灾害阶段的水灾害韧性指标的多样化程度/>；
通过计算各灾害阶段的水灾害韧性指标的权重/>；
通过实现所述三维矩阵的加权，生成加权矩阵/>。
现有技术中，传统的熵权法一般用于计算静态数据的权重，采用本发明实施例，将熵权法拓展到时间维度上，使其能够用于处理时序数据，并实现时序数据权重的计算。
优选地，步骤S63包括：
根据所述加权矩阵，确定每一水灾害韧性指标的正理想解/>和负理想解/>；
通过，计算加权矩阵中各值与其对应的水灾害韧性指标的正理想解的第一欧几里得距离；
通过，计算加权矩阵中各值与其对应的水灾害韧性指标的负理想解的第二欧几里得距离；
根据所述第一欧几里得距离和所述第二欧几里得距离，计算加权矩阵中各值与其对应的水灾害韧性指标的正理想解的相对距离，得到得分矩阵/>。
进一步地，作为一种优选的实施方式，所述根据所述加权矩阵，确定每一水灾害韧性指标的正理想解/>和负理想解/>，包括：
确定每一水灾害韧性指标的类型；所述类型包括积极影响集和消极影响集；
当水灾害韧性指标的类型为积极影响集时，其正理想解为，其负理想解为/>；
当水灾害韧性指标的类型为消极影响集时，其正理想解为，其负理想解为/>。
可以理解的，在本申请方案中通过将传统的TOPSIS方法拓展到时间维度，得到新的多阶段TOPSIS方法，用于进行韧性城市设计方案的评估和决策，能够有效处理时序数据，提高了管理决策过程的灵活性和适应性，并保证了决策的稳定性和可靠性。
需要说明的是，水灾害韧性指标的类型指示了该水灾害韧性指标对韧性城市设计方案而言具有积极影响或消极影响；若具有积极影响，则该指标的权值越高，则说明其越接近正理想解，而该指标的权值越低，则说明其越远离正理想解；否则，若具有消极影响，则该指标的权值越低，则说明其越接近正理想解，而该指标的权值越高，则说明其越远离正理想解。
优选地，所述根据所述得分矩阵，从若干韧性城市设计方案中筛选最优的韧性城市设计方案，包括：
根据所述得分矩阵R，计算每一韧性城市设计方案在各灾害阶段的平均得分；
将平均得分最低的韧性城市设计方案作为最优的韧性城市设计方案。
需要说明的，在本发明实施例中，所述得分矩阵中的值映射了城市韧性指标的加权值距正理想解的距离，而城市韧性指标的加权值越大，也就意味着其受水灾害影响越大，因此，将平均得分最低的韧性城市设计方案作为最优的韧性城市设计方案。
优选地，灾害阶段包括第一灾害阶段、第二灾害阶段和第三灾害阶段；通过以下步骤得到各灾害阶段的时序数据：
将时序数据划分为未发生期、高峰期、持续期和恢复期；
将高峰期的时序数据减去未发生期的时序数据，得到第一灾害阶段的时序数据；
将持续期的时序数据减去未发生期的时序数据，得到第二灾害阶段的时序数据；
将恢复期的时序数据减去未发生期的时序数据，得到第三灾害阶段的时序数据。
现有技术中，传统的对韧性城市设计方案的决策分析集中在暴雨历程中城市受影响最严重的时刻，但暴雨历程是一个在时间尺度上不断演变的过程，积水时间也是衡量城市遭受水灾害影响的重要因素。采用本发明实施例，能够将时间尺度纳入韧性城市设计方案的评估和决策中，为韧性城市设计的决策提供更全面的支撑。
上述方案中，结合熵权重和多阶段TOPSIS方法进行韧性城市设计方案的决策，通过将客观的多标准决策框架拓展到细粒度的时间维度上，能够处理不同灾害阶段的时序数据，以得到客观的决策结果，为韧性城市设计的决策提供更全面的支撑。
作为举例，对处于珠江口西侧，茅洲河入海口附近的某处采用本发明实施例提供的一种面向水灾害的韧性城市设计方案决策方法，图2至图5提供了6个韧性城市设计方案的具体设计图。通过采用本发明实施例，分别得到各韧性城市设计方案的不同灾害阶段的时序数据的权重，可从中选取最优的韧性城市设计方案。所述灾害时期包括第一灾害阶段、第二灾害阶段和第三灾害阶段，所述第一灾害阶段为高峰期与未发生期的时序数据的差值；所述第二灾害阶段为持续期与未发生期的时序数据的差值；所述第三灾害阶段为恢复期与未发生期的时序数据的差值。
请参见表1，表1为各韧性城市设计方案在上述三个灾害阶段的得分和排名情况。在本发明实施例中，将三个灾害阶段的平均分数作为排名的标准，在实际应用中，也可以对不同的灾害阶段的得分设置不同的权重，以作为排名标准。
表1
本发明实施例提供的一种面向水灾害的韧性城市设计方案决策方法，搭建了自动化生成韧性城市设计方案，并对方案进行决策的流程；通过生成城市水灾害耦合模型，能够模拟多致灾因子引发的水灾害对城市运行的影响，为城市规划和设计提供科学依据，从而显著提高城市对水灾害的韧性和应对能力；通过将水灾害韧性指标的时序数据按照灾害阶段进行划分，充分考虑到水灾害历程在时间尺度上不断演变的过程；通过计算各灾害阶段的时序数据的权重，进行客观的方案决策，能够将时间尺度纳入韧性城市设计的分析中，为韧性城市设计的决策提供更全面的支持。
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，所述的存储介质可为磁碟、光盘、只读存储记忆体（Read-Only Memory，ROM）或随机存储记忆体（Random AccessMemory，RAM）等。
以上所述是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也视为本发明的保护范围。
Claims (9)
1.一种面向水灾害的韧性城市设计方案决策方法，其特征在于，包括：
获取城市信息数据，生成若干韧性城市设计方案；其中，所述城市信息数据包括城市河道数据和城市雨水管道参数数据；
获取水文数据，结合所述城市信息数据，生成城市水灾害耦合模型并计算积水深度数据；其中，所述水文数据包括洪水灾害水流量数据、台风强度数据和海洋数据；所述城市水灾害耦合模型的参数包括城市交通的平均出行时间和城市土地利用数据；
根据所述积水深度数据，对城市水灾害耦合模型的栅格进行掩膜处理，得到各栅格的积水深度；
将积水深度超过n的栅格，通过栅格乘法运算将积水深度转换为蓄水量；
基于不同土地利用类型对每一个时间间隔的蓄水量和淹没面积进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据；
计算各灾害阶段的时序数据的权重，从若干韧性城市设计方案中筛选最优的韧性城市设计方案。
2.如权利要求1所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述获取城市信息数据，生成若干韧性城市设计方案，包括：
获取城市信息数据；
根据所述城市信息数据，依照城市子系统的规划设计要求和各子系统间的依赖关系，生成城市子系统的模拟场景数据；
根据所述城市子系统的模拟场景数据，生成若干韧性城市设计方案。
3.如权利要求1所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述获取水文数据，结合所述城市信息数据，生成城市水灾害耦合模型并计算积水深度数据，包括：
获取洪水灾害水流量数据，结合城市河道数据，得到城市水灾害耦合模型的河流水文边界数据；
获取台风强度数据和海洋数据，得到城市水灾害耦合模型的海洋水文边界数据；
根据所述城市雨水管道参数数据、所述河流水文边界数据和所述海洋水文边界数据，计算城市的积水深度数据；
根据所述积水深度数据，得到城市水灾害耦合模型中城市交通的平均出行时间和城市土地利用数据。
4.如权利要求1所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述基于不同土地利用类型对每一个时间间隔的蓄水量和淹没面积进行空间统计，得到各灾害阶段的水灾害韧性指标的时序数据，包括：
当土地利用类型为水域类型时，通过计算城市蓝色基础设施蓄水量；
当土地利用类型为绿地与广场用地类型时，通过计算城市绿色基础设施蓄水量；
当土地利用类型为道路与交通设施用地时，通过计算城市交通平均驾驶时间；
当土地利用类型为可开发用地时，通过计算城市开发用地淹没面积；
其中，i和j代表栅格数据的行数和列数；代表积水深度的空间分布；S代表每个栅格对应的面积；T代表交通模拟软件所模拟的各车辆驾驶时间，k代表车辆辆数；
统计每个时间间隔的城市蓝色基础设施蓄水量、城市绿色基础设施蓄水量、城市交通平均驾驶时间和城市开发用地淹没面积，得到各灾害阶段的时序数据。
5.如权利要求1所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述计算各灾害阶段的时序数据的权重，从若干韧性城市设计方案中筛选最优的韧性城市设计方案，包括：
建立所述时序数据的三维矩阵；其中，c为水灾害韧性指标的数量，d表示韧性城市设计方案的数量(/>，t表示不同的灾害阶段；
使用熵权法计算所述三维矩阵，得到各灾害阶段的时序数据的权重，生成加权矩阵；
根据所述加权矩阵，计算若干韧性城市设计方案与正理想解的相对距离，得到得分矩阵；
根据所述得分矩阵，从若干韧性城市设计方案中筛选最优的韧性城市设计方案。
6.如权利要求5所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述使用熵权法计算所述三维矩阵，得到各灾害阶段的时序数据的权重，生成加权矩阵，包括：
将所述三维矩阵进行归一化处理，得到归一化三维矩阵；
通过计算各灾害阶段的水灾害韧性指标的熵值/>；
通过计算各灾害阶段的水灾害韧性指标的多样化程度/>；
通过计算各灾害阶段的水灾害韧性指标的权重/>；
通过实现所述三维矩阵的加权，生成加权矩阵/>。
7.如权利要求6所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述根据所述加权矩阵，计算若干韧性城市设计方案与正理想解的相对距离，得到得分矩阵，包括：
根据所述加权矩阵，确定每一水灾害韧性指标的正理想解/>和负理想解/>；
通过，计算加权矩阵中各值与其对应的水灾害韧性指标的正理想解的第一欧几里得距离；
通过，计算加权矩阵中各值与其对应的水灾害韧性指标的负理想解的第二欧几里得距离；
根据所述第一欧几里得距离和所述第二欧几里得距离，计算加权矩阵中各值与其对应的水灾害韧性指标的正理想解的相对距离，得到得分矩阵/>。
8.如权利要求7所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，所述根据所述得分矩阵，从若干韧性城市设计方案中筛选最优的韧性城市设计方案，包括：
根据所述得分矩阵R，计算每一韧性城市设计方案在各灾害阶段的平均得分；
将平均得分最低的韧性城市设计方案作为最优的韧性城市设计方案。
9.如权利要求1所述的一种面向水灾害的韧性城市设计方案决策方法，其特征在于，灾害阶段包括第一灾害阶段、第二灾害阶段和第三灾害阶段；通过以下步骤得到各灾害阶段的时序数据：
将时序数据划分为未发生期、高峰期、持续期和恢复期；
将高峰期的时序数据减去未发生期的时序数据，得到第一灾害阶段的时序数据；
将持续期的时序数据减去未发生期的时序数据，得到第二灾害阶段的时序数据；
将恢复期的时序数据减去未发生期的时序数据，得到第三灾害阶段的时序数据。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410411239.1A CN118013637B (zh) | 2024-04-08 | 2024-04-08 | 一种面向水灾害的韧性城市设计方案决策方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410411239.1A CN118013637B (zh) | 2024-04-08 | 2024-04-08 | 一种面向水灾害的韧性城市设计方案决策方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118013637A true CN118013637A (zh) | 2024-05-10 |
| CN118013637B CN118013637B (zh) | 2024-06-25 |
Family
ID=90954820
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410411239.1A Active CN118013637B (zh) | 2024-04-08 | 2024-04-08 | 一种面向水灾害的韧性城市设计方案决策方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118013637B (zh) |
Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014108482A1 (en) * | 2013-01-10 | 2014-07-17 | Fujitsu Limited | A computer-implemented method, program and apparatus for coupling flooding simulation and evacuation simulation in a populated area |
| CN113837667A (zh) * | 2021-11-24 | 2021-12-24 | 中国科学院地理科学与资源研究所 | 一种基于位置大数据的城市抗灾韧性阈值检测方法及系统 |
| CN113887895A (zh) * | 2021-09-17 | 2022-01-04 | 同济大学 | 一种韧性城市智能规划系统、方法和存储介质 |
| JP2022033692A (ja) * | 2020-08-17 | 2022-03-02 | Ａｓｓｅｓｔ株式会社 | 浸水被害予測プログラム |
| KR20220125815A (ko) * | 2020-11-30 | 2022-09-15 | 노아에스앤씨 주식회사 | 호우 피해예측 방법 및 그 시스템 |
| CN115169069A (zh) * | 2022-04-13 | 2022-10-11 | 浙江六川信息科技有限公司 | 基于大数据的城市内涝预测方法 |
| 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 |
| CN116911699A (zh) * | 2023-09-14 | 2023-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 城市洪涝灾害应对韧性的精细化动态评估方法和系统 |
| CN116933621A (zh) * | 2023-06-13 | 2023-10-24 | 华南理工大学 | 一种基于地形特征深度学习的城市内涝模拟方法 |
| CN117150600A (zh) * | 2023-04-13 | 2023-12-01 | 珠江水利委员会珠江水利科学研究院 | 一种用于城市防内涝的屋顶蓄排水控制方法 |
-
2024
- 2024-04-08 CN CN202410411239.1A patent/CN118013637B/zh active Active
Patent Citations (10)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| WO2014108482A1 (en) * | 2013-01-10 | 2014-07-17 | Fujitsu Limited | A computer-implemented method, program and apparatus for coupling flooding simulation and evacuation simulation in a populated area |
| JP2022033692A (ja) * | 2020-08-17 | 2022-03-02 | Ａｓｓｅｓｔ株式会社 | 浸水被害予測プログラム |
| KR20220125815A (ko) * | 2020-11-30 | 2022-09-15 | 노아에스앤씨 주식회사 | 호우 피해예측 방법 및 그 시스템 |
| CN113887895A (zh) * | 2021-09-17 | 2022-01-04 | 同济大学 | 一种韧性城市智能规划系统、方法和存储介质 |
| CN113837667A (zh) * | 2021-11-24 | 2021-12-24 | 中国科学院地理科学与资源研究所 | 一种基于位置大数据的城市抗灾韧性阈值检测方法及系统 |
| CN115169069A (zh) * | 2022-04-13 | 2022-10-11 | 浙江六川信息科技有限公司 | 基于大数据的城市内涝预测方法 |
| 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 |
| CN117150600A (zh) * | 2023-04-13 | 2023-12-01 | 珠江水利委员会珠江水利科学研究院 | 一种用于城市防内涝的屋顶蓄排水控制方法 |
| CN116933621A (zh) * | 2023-06-13 | 2023-10-24 | 华南理工大学 | 一种基于地形特征深度学习的城市内涝模拟方法 |
| CN116911699A (zh) * | 2023-09-14 | 2023-10-20 | 水利部交通运输部国家能源局南京水利科学研究院 | 城市洪涝灾害应对韧性的精细化动态评估方法和系统 |
Non-Patent Citations (3)
| Title |
|---|
| 刘艳;陈爱京;杨耘;戴晓爱;: "近30年新疆县域尺度洪旱灾害空间聚类研究", 自然灾害学报, no. 02, 15 April 2017 (2017-04-15) * |
| 孟玉婧;白美兰;董祝雷;: "内蒙古山洪致灾阈值与定量化风险评估研究", 暴雨灾害, no. 03, 15 June 2020 (2020-06-15) * |
| 戴伟;孙一民;: "三角洲城市雨洪规划研究――以新奥尔良"Dutch Dialogues"工作坊为例", 华中建筑, no. 04, 10 April 2018 (2018-04-10) * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118013637B (zh) | 2024-06-25 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Sun et al. | Modeling urban land use change and urban sprawl: Calgary, Alberta, Canada | |
| CN116911699B (zh) | 城市洪涝灾害应对韧性的精细化动态评估方法和系统 | |
| CN114399204A (zh) | 一种城市内涝灾害风险评估方法 | |
| CN113807008B (zh) | 一种基于深度学习的城市暴雨内涝模拟方法 | |
| CN108090624B (zh) | 一种改进元胞自动机的城市生态安全模拟与预测的方法 | |
| CN113409550B (zh) | 基于径流汇流模拟的泥石流灾害预警方法及系统 | |
| CN113505521B (zh) | 一种耦合神经网络-数值模拟的城市内涝快速预报方法 | |
| CN115496015B (zh) | 一种基于流量梯度变化的水动力分析决策方法 | |
| CN109255485A (zh) | 基于rbfn机器学习的降雨型地质灾害预警预报模型及学习方法 | |
| CN117332291B (zh) | 一种面向分布式光伏的区域资源监测布局方法及系统 | |
| CN114492233A (zh) | 一种基于webGIS平台及考虑综合利用要求的流域水模拟方法 | |
| CN115728463A (zh) | 一种基于半嵌入式特征选择的可解释性水质预测方法 | |
| CN111199298A (zh) | 基于神经网络的洪水预报方法与系统 | |
| CN111652522A (zh) | 一种关于自然保护地的生态风险评估方法 | |
| CN111815117A (zh) | 一种基于Grasshopper平台城市易涝程度模拟评价方法 | |
| CN113627817B (zh) | 一种基于城市内涝条件下道路连通性分析方法 | |
| CN118013637B (zh) | 一种面向水灾害的韧性城市设计方案决策方法 | |
| CN111369102B (zh) | 内涝风险点的提取方法及装置 | |
| CN116611681A (zh) | 一种考虑微地形影响的配电设备雨涝淹没风险区域分级方法 | |
| CN115841042A (zh) | 一种基于韧性理论构建的城市生态韧性三维评价方法 | |
| Perera et al. | Improvement of socio-hydrological model to capture the dynamics of combined river and urban floods: a case study in Lower Kelani River Basin, Sri Lanka | |
| Yang et al. | Predicting flood inundation and risk using GIS and hydrodynamic model: a case study at Eskilstuna, Sweden | |
| CN113506000A (zh) | 一种计算城市汇水区域暴雨溢流风险的方法 | |
| CN110738373A (zh) | 一种土地交通生成和分布预测方法及系统 | |
| CN116432934B (zh) | 一种面向道路行洪防控的路网格局优选方法 |
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 | ||
| GR01 | Patent grant |