TWI770695B - 下水道管渠阻塞滲漏人工智能偵測系統 - Google Patents

Abstract

一種下水道管渠阻塞滲漏人工智能偵測系統，主要藉由一感測裝置取得一下水道的流量、流速及水位資料，一雨量監測設備取得雨量資料，並取得上、下游管網相關雨量、水位及流量資料，利用智能運算裝置作人工智能運算，自動偵測下水道管渠阻塞及滲漏程度，達到智能自動化監測之目的。

Description

下水道管渠阻塞滲漏人工智能偵測系統

本發明是有關一種下水道管渠阻塞滲漏人工智能偵測系統，是一用於自動偵測下水道管渠阻塞及滲漏程度之自動化系統，係以管渠內流量、流速及水位資料，搭配上、下游管網相關雨量、水位、流量資料，利用智能運算裝置以人工智能自動偵測下水道阻塞及滲漏程度之自動化監測系統。

下水道管渠係以密閉式管線埋設於地面下，管線常因淤積或外來物阻塞，使斷面減少產生人孔溢流造成淹水，或因管線受損破裂發生滲漏現象，造成環境污染。主要引起異常的原因說明下：

(1)管渠輸水容量不足、坡度不良，地層下陷造成排水口過高無法排出。

(2)管渠淤積阻塞，由於樹根侵入、混疑土塊附著、止水膠圈脫落、破布及其他飄浮物等佇留管內，或由於管線破損致使土石、沙碟等沉積於管內，或因污水中之油脂粘著於管壁，使流水斷面減少。

(3)管渠破裂滲漏，因地盤變動或地震受損，或因其他工程施工而受損等，導致破裂而滲漏。

下水道檢查阻塞滲漏主要使用攝影機逐段檢查管內狀況並錄影判讀為主要檢查方式，由現場作業人員攜帶錄影設備進行縱走檢視，並在各接頭處進行環攝，以確認管線狀況。或者，將攝影機置自走車裝置上於管道內移動， 通過在地面上之監視錄影機，觀察下水道破損、裂縫、浸漏、連接管之狀態，並將其收錄在儲存設備上，再播放檢查。

但上述檢查缺點為無法在通水狀態下進行檢視，因此，須先清洗下水道系統，並須將檢視之管段以另一暫代管段輸水後，再行檢視，較費時費工。

因此，若是有以上狀態發生，再加上維護管理不當時，將容易導致發生積水、惡臭，使道路下陷、排水不良造成淹水等問題。為防患於未然，應常加檢查巡視，以維持下水道設施之正常功能，並提早消除可避免之災害發生。

因此，為了能夠即時偵測到上述情況，本案使用自動偵測之系統機制，除了能夠提早處理因下水道管渠阻塞及滲漏所產生之問題之外，本案更將非接觸式感測裝置直接設置定位於人孔蓋內(指人孔蓋背面或管渠的壁面)，用以有效避免感測線材接觸水體腐蝕與下水道阻塞垃圾之問題，如此更對於設備安裝與維護將是一大益處，故本發明應為一最佳解決方案。

一種下水道管渠阻塞滲漏人工智能偵測系統，係包含：一主機本體，內部係具有一主機電路板；一天線裝置，係與該主機電路板電性連接，係接收及傳輸資料；一感測裝置，係與該主機電路板電性連接，用以偵測管渠內部的水位、流速、流量資料；一雨量監測設備，用以取得雨量資料；一智能運算裝置，係與該主機電路板電性連接或設置於一雲端伺服器，該智能運算裝置會蒐集雨量、水位、流速或/及流量資料進行處理及判讀，進而分析出管渠內是否發生阻塞或滲漏；當判斷該管渠內的水位與流速異常，或是與降雨時相應降 雨量之正常規律水位時序曲線比較，用以推估是否阻塞或滲漏；一電池，係用以提供該上述各項裝置所需之運作電源。

於一較佳實施例中，其中該水位暴增且流速下降，係用以判斷下水道下游是否阻塞，判斷條件為：(目前水位量測值-前次水位量測值)大於門檻值；(前次流速量測值-目前流速量測值)大於門檻值；以及持續一段時間(15分鐘)以上，可以判斷下游管渠阻塞。

於一較佳實施例中，其中該水位驟降且流速上升，係用以判斷下水道上游是否滲漏，判斷條件為：(前次水位量測值-目前水位量測值)大於門檻值；(目前流速量測值-前次流速量測值)大於門檻值；以及持續一段時間(15分鐘)以上，可以判斷上游管渠滲漏。

於一較佳實施例中，其中該與晴天規律水位比較，係用以判斷下水道下游是否阻塞，判斷條件：蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料；將晴天水位分成四種時段，分別為週一至週四、週五、週六與週日；將每種時段同一時間的水位取平均，得到所有時段之平均水位；將四種時段之平均水位，組成晴天規律水位時序曲線；將晴天規律水位時序曲線乘上倍率(如1.2倍)，定義為晴天阻塞規律水位門檻曲線，當晴天時，量測水位超過晴天阻塞規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為阻塞；以及當晴天時，根據量測水位，超過 晴天規律水位曲線百分比，推估阻塞程度。

於一較佳實施例中，其中該與晴天規律水位比較，係用以判斷下水道上游是否滲漏，判斷條件：蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料；將晴天水位分成四種時段，分別為週一至週四、週五、週六與週日；將每種時段同一時間的水位取平均，得到所有時段之平均水位；結合四種時段之平均水位，組成晴天規律水位時序曲線；將晴天規律水位時序曲線乘上倍率(如0.8倍)，定義為晴天滲漏規律水位門檻曲線，當晴天時，量測水位超過晴天滲漏規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為滲漏；以及當晴天時，根據量測水位，超過晴天規律水位曲線百分比，推估滲漏程度。

於一較佳實施例中，其中該與晴天規律水位比較，用以判斷下水道下游是否阻塞，判斷條件：蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料；用人工智能演算法(如LSTM、RNN等)，推估晴天規律水位時序曲線；晴天規律水位時序曲線乘上倍率(如1.2倍)，定義為晴天阻塞規律水位門檻曲線；當晴天時，量測水位超過晴天阻塞規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為阻塞；以及當晴天時，根據量測水位，超過晴天規律水位曲線之百分比，推估阻塞程度。

於一較佳實施例中，其中該與晴天規律水位比較，用以判斷下水 道上游是否滲漏，判斷條件：蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料；用人工智能演算法(如LSTM、RNN等)，推估晴天規律水位時序曲線；將晴天正常規律水位時序曲線乘上倍率(如0.8倍)，定義為晴天滲漏規律水位門檻曲線；當晴天時，量測水位超過晴天滲漏規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為滲漏；以及當晴天時，根據量測水位，超過晴天規律水位曲線之百分比，推估滲漏程度。

於一較佳實施例中，其中該與降雨時雨天規律水位比較，用以判斷下水道下游是否阻塞，判斷條件：蒐集大量降雨事件之雨量及水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料；用人工智能演算法(如LSTM、RNN等)，推估降雨時相應之雨天規律水位時序曲線；將相應降雨量之正常的雨天規律水位時序曲線乘上倍率(如1.2倍)，定義為雨天阻塞規律水位門檻曲線；當降雨時，量測水位超過雨天阻塞規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為阻塞；以及當降雨時，根據量測水位，超過降雨時雨天規律水位曲線之百分比，推估阻塞程度。

於一較佳實施例中，其中該與降雨時雨天規律水位比較，用以判斷下水道上游是否滲漏，判斷條件：蒐集大量降雨事件之雨量及水位大數據資料，並濾除已知阻塞或滲漏等異 常管渠之水位等資料；用人工智能演算法(如LSTM、RNN等)，推估降雨時相應之雨天規律水位時序曲線；將相應降雨量之正常的雨天規律水位時序曲線乘上倍率(如0.8倍)，定義為雨天滲漏規律水位門檻曲線；當降雨時，量測水位小於雨天滲漏規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為滲漏；以及當降雨時，根據量測水位，超過降雨時雨天規律水位曲線之百分比，推估滲漏程度。

於一較佳實施例中，其中該感測裝置為一非接觸式感測裝置或接觸式感測裝置，用以偵測該管渠內部水位、流速或流量資料。

於一較佳實施例中，其中該非接觸式感測裝置為雷達式流量計或雷射式流量計。

於一較佳實施例中，其中該主機本體及感測裝置係固定於一人孔蓋本體的背面或該管渠的牆面。

於一較佳實施例中，其中該智能運算裝置係由一雨量偵測設備或由天線接收雲端伺服器蒐集該雨量資料。

1:人孔蓋本體

11:正面

111:開孔

114:容置部

1141:天線裝置

11411:電路導線

115:穿孔

12:背面

120:主機本體

121:機箱

1210:機箱蓋

1211:主機電路板

1212:感測裝置

1213:電池

1214:天線裝置

1215:接觸式感測器

1216:智能運算裝置

2:路面

3:下水道井

4:雨量監測設備

51:雲端伺服器

52:雨量量測設備站

53:上、下游及關連管網監測設備

54:遠端控制單位

6:水體

[第1圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之架構示意圖。

[第2圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之硬體設備示意圖。

[第3A圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之阻塞分析第一流程示意圖。

[第3B圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之阻塞分析第二流程示意圖。

[第3C圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之滲漏分析第三流程示意圖。

[第3D圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之滲漏分析第四流程示意圖。

[第3E圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之滲漏分析第一流程示意圖。

[第3F圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之滲漏分析第二流程示意圖。

[第3G圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之滲漏分析第三流程示意圖。

[第3H圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之滲漏分析第四流程示意圖。

[第4A圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之固定於人孔蓋背面示意圖。

[第4B圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之固定於管渠壁面示意圖。

[第4C圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之感測裝置設置在主機本體外部示意圖。

[第5圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之外接接觸式感測器示意圖。

[第6A圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之天線裝設在人孔蓋示意圖。

[第6B圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之感測裝置為非接觸感測器示意圖。

[第6C圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之硬體剖面示意圖。

[第6D圖]係本發明下水道管渠阻塞滲漏人工智能偵測系統之機箱結合機箱蓋示意圖。

有關於本發明其他技術內容、特點與功效，在以下配合參考圖式之較佳實施例的詳細說明中，將可清楚的呈現。

請參閱第1及2圖所示，係本發明下水道管渠阻塞滲漏人工智能偵測系統之架構圖，主要包含有一主機本體120，該主機本體120是接收來自感測裝置1212及雨量監測設備4的資料，並可透過天線裝置1214接受一雲端伺服器51資料(包含雨量、水位、流速及/或流量等資料)或複數個遠端雨量監測站52或複數個上、下游關聯網監測設備53的資料(包含水位、流速或流量等資料)。

該主機本體120係至少包含有一機殼121，該機殼121內設置有主機電路板1211、感測裝置1212、電池1213、天線裝置1214及智能運算裝置1216，其中該感測裝置1212、電池1213、天線裝置1214及智能運算裝置1216係皆與該主機電路板1211電性連接。

該感測裝置1212係為一非接觸式感測裝置(不跟偵測物直接接觸)或接觸式感測裝置(跟偵測物直接接觸)，用以偵測下水道井內的水位、流速、流量或/及氣壓等資料，其中該該非接觸式感測裝置係為雷達式流量計或是雷射式 流量計。

該電池1213用以提供該主機本體120及其他硬體設備運作所需之電源，而該天線裝置1214用以無線接收外部資料(包含雨量、水位、流速或流量等資料)，以傳送給該主機電路板1211或/及該主機電路板1211能夠透過該天線裝置1214傳輸資料至遠端控制單位54。

該雨量監測設備4可裝設於現場，用以蒐集雨量資料，並傳送置主機本體120。

該智能運算裝置1216係設置於該主機本體120內部或雲端伺服器中，若裝設於主機本體120內部係該主機電路板1211電性連接；該智能運算裝置1216會將所接收之水位、流速、流量等資料及該雨量資料進行運算，以進行判斷下水道管渠是否有阻塞或滲漏；關於智能運算裝置1216，運作說明如下：

(1)該智能運算裝置1216針對管渠是否阻塞，判斷條件為：(a)水位暴增且流速下降判斷分析流程，如第3A圖所示：i.(目前水位量測值-前次水位量測值)大於門檻值301a；ii.(前次流速量測值-目前流速量測值)大於門檻值302a；iii.持續一段時間(15分鐘)以上，可以判斷下游管渠阻塞303a；(b)與晴天規律水位曲線比較，判斷分析流程，如第3B圖所示：i.蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位資料，去除降雨期間水位資料，只保留晴天水位資料401a；ii.將晴天水位資料分為四種時段，分別為週一至週四、週五、週六與週日402a； iii.將每種時段同一時間的水位取平均，得到所有時段之平均水位，組成晴天規律水位時序曲線403a；iv.將晴天規律水位時序曲線乘上倍率(如1.2倍)，定義為晴天阻塞規律水位門檻曲線404a；v.當晴天時，量測水位超過晴天阻塞規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判斷為阻塞405a；vi.當晴天時，根據量測水位超過晴天規律水位曲線百分比，推估阻塞程度406a；(c)與晴天規律水位曲線比較，判斷分析流程，如第3C圖所示：i.蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料501a；ii.用人工智能演算法(如LSTM、RNN等)，推估晴天規律水位時序曲線502a；iii.將晴天規律水位時序曲線乘上倍率(如1.2倍)，定義為晴天阻塞規律水位門檻曲線503a；iv.當晴天時，量測水位超過晴天阻塞規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為阻塞504a；v.當晴天時，根據量測水位，超過晴天規律水位曲線之百分比，推估阻塞程度505a；(d)與降雨時規律水位曲線比較判斷分析流程，如第3D圖所示：i.蒐集大量降雨事件之雨量及水位大數據資料，並濾除已知阻塞或 滲漏等異常管渠之水位資料601a；ii.用人工智能演算法(如LSTM、RNN等)，推估降雨時相應之雨天規律水位時序曲線602a；iii.將相應降雨量之雨天規律水位時序曲線乘上倍率(如1.2倍)，定義為雨天阻塞規律水位門檻曲線603a；iv.當降雨時，量測水位超過雨天阻塞規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為阻塞604a；以及v.當降雨時，根據量測水位，超過雨天規律水位曲線之百分比，推估阻塞程度605a。

(2)該智能運算裝置1216針對管渠是否滲漏，判斷條件為：

(a)水位驟降且流速上升判斷分析流程，如第3E圖所示：i.(前次水位量測值-目前水位量測值)大於門檻值301b；ii.(目前流速量測值-前次流速量測值)大於門檻值302b；iii.持續一段時間(15分鐘)以上，可以判斷上游管渠滲漏303b。

(b)與晴天規律水位曲線比較判斷分析流程，如第3F圖所示：i.蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠水位等資料，去除降雨期間水位資料，只保留晴天水位資料401b；ii.將晴天水位資料分為四種時段，分別為週一至週四、週五、週六與週日402b；iii.將每種時段同一時間的水位平均，得到所有時段之平均水位，組成晴天規律水位時序曲線403b；iv.將晴天規律水位時序曲線乘上倍率(如0.8倍)，定義為晴天滲漏規 與水位門檻曲線404b；v.當晴天時，量測水位超過晴天滲漏規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判斷為滲漏405b；vi.當晴天時，根據量測水位超過晴天規律水位曲線百分比，推估滲漏程度406b；

(c)與晴天規律水位曲線比較，判斷分析流程，如第3G圖所示：i.蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料501b；ii.用人工智能演算法(如LSTM、RNN等)，推估晴天規律水位時序曲線502b；iii.將晴天規律水位時序曲線乘上倍率(如0.8倍)，定義為晴天滲漏規律水位門檻曲線503b；iv.當晴天時，量測水位超過晴天滲漏規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為滲漏504b；v.當晴天時，根據量測水位，超過晴天規律水位曲線之百分比，推估滲漏程度505b；

(d)與降雨時雨天規律水位曲線比較判斷分析流程，如第3H圖所示：：i.蒐集大量降雨事件之雨量及水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料601b； ii.用人工智能演算法(如LSTM、RNN等)，推估降雨時相應之雨天規律水位時序曲線602b；iii.將相應降雨量之雨天水位時序曲線乘上倍率(如0.8倍)，定義為雨天滲漏規律水位門檻曲線603b；iv.當降雨時，量測水位小於雨天滲漏規律水位門檻曲線，持續一段時間(如15分鐘)以上，可判定為滲漏604b；以及v.當降雨時，根據量測水位，低於雨天規律水位曲線之百分比，推估滲漏程度605b。

如第4A圖所示，該主機本體120可固定於一人孔蓋本體1的背面12上，或如第4B圖所示，該主機本體120可固定於管渠壁面，並靠近人孔蓋本體的背面處。

另外，如第4C圖所示，該感測裝置1212能夠分離於該機殼121外設置，並定位於該背面12或管渠壁面上。

另外，如第5圖所示，該主機電路板1211係連接接觸式感測器1215(例如超音波流量計、壓力式水位計、超音波流速計或水質計等)時，該接觸式感測器1215係具有一感測端(圖中未示)，而該接觸式感測器1215之感測端係與該下水道井內的水體6相接觸，以進行偵測該下水道管渠內水體6之流量、水位、流速及水質等資料。

另外，該天線裝置2能夠分離於該機殼121外設置，並定位於該背面12上；亦能夠外嵌於該正面11上或是外接耐壓天線，如第6A、6B及6C圖所示，能夠於該正面11上形成有一容置部114，並將天線裝置1141設置於該容置部114內，而該天線裝置1141內部之電路導線11411能夠透過一穿孔115與該主機電路 板1211進行電性連接；當安裝於路面2的下水道井3上後，如第6B及6C圖所示，該感測裝置1212若為非接觸式感測裝置即無須與下水道內的汙水直接接觸，便於安裝與維護。

而於實際實施的狀態下，如第6D圖所示，必須使用一機箱蓋1210蓋於該機箱121上之後，再將該機箱121鎖於該人孔蓋本體1之背面12上。

再如第6C圖所示，另外該人孔蓋本體1與該下水道井3的接合處能夠設置有一觸發件1215，若是該人孔蓋本體1被移開時，該觸發件1215能夠啟動該主機電路板1211能夠自動發出示警通知並回傳井蓋之開啟狀態。

本發明所提供之下水道管渠阻塞滲漏人工智能偵測系統，與其他習用技術相互比較時，其優點如下：

1.本發明使用自動偵測之系統機制，用以能夠提早處理因下水道管渠阻塞及滲漏所產生之問題。

2.本發明對於下水道流量、水位及管渠阻塞及滲漏之偵測系統安裝與維護，帶來很大優點，由於本案是將非接觸式感測裝置及相關裝置設置定位於人孔蓋的背面或管渠牆面，故能夠有效避免感測線材腐蝕、汙泥與垃圾之問題發生。

3.本發明之設計，對於清潔與維護具有極大幫助，更能夠有效降低維護所需之成本。

本發明已透過上述之實施例揭露如上，然其並非用以限定本發明，任何熟悉此一技術領域具有通常知識者，在瞭解本發明前述的技術特徵及實施例，並在本發明之精神和範圍內，不可作些許之更動與潤飾，因此本發明 之專利保護範圍須視本說明書所附之請求項所界定者為準。

120:主機本體

121:機箱

1211:主機電路板

1212:感測裝置

1213:電池

1214:天線裝置

1216:智能運算裝置

Claims (8)

1. 一種下水道管渠阻塞滲漏人工智能偵測系統，係包含：一主機本體，內部係具有一主機電路板；一雨量監測設備，用以取得雨量資料，並傳送致主機本體；一天線裝置，係與該主機電路板電性連接，係接收及傳輸資料；一感測裝置，係與該主機電路板電性連接，用以偵測管渠內部的水位、流速、流量資料；一智能運算裝置，係與該主機電路板電性連接或設置於一雲端伺服器，該智能運算裝置會蒐集雨量、水位、流速或/及流量資料進行處理及判讀，進而分析出管渠內是否發生阻塞或滲漏；當判斷該管渠內的水位與流速異常，或是與降雨時相應降雨量之正常規律水位時序曲線進行比較，用以推估是否阻塞或滲漏；一電池，係用以提供該上述各項裝置所需之運作電源；其中該與晴天規律水位比較，用以判斷下水道下游是否阻塞，判斷條件為蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間水位資料，只保留晴天水位資料；用人工智能演算法，推估晴天規律水位時序曲線；晴天規律水位時序曲線乘上倍率，定義為晴天阻塞規律水位門檻曲線；當晴天時，量測水位超過晴天阻塞規律水位門檻曲線，持續一段時間以上，可判定為阻塞；以及當晴天時，根據量測水位，超過晴天規律水位曲線之百分比，推估阻塞程度。
2. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該水位異常暴增且流速下降係用以判斷汙水下水道下游是否阻塞，判斷條件為：(目前水位量測值-前次水位量測值)大於門檻值； (前次流速量測值-目前流速量測值)大於門檻值；以及持續一段時間以上，可以判斷下游管渠阻塞。
3. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該與降雨時正常規律水位比較，係用以判斷下水道下游是否阻塞，判斷條件：蒐集大量降雨事件之雨量及水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料；用人工智能演算法，推估降雨時，相應之正常的規律水位時序曲線；將相應降雨量之正常規律水位時序曲線乘上倍率，定義為阻塞規律水位門檻曲線；當降雨時，量測水位超過阻塞規律水位門檻曲線，持續一段時間以上，可判定為阻塞；以及當降雨時，根據量測水位，超過降雨時正常規律水位曲線之百分比，推估阻塞程度。
4. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該水位驟降且流速上升，係用以判斷下水道上游是否滲漏，判斷條件為：(前次水位量測值-目前水位量測值)大於門檻值；(目前流速量測值-前次流速量測值)大於門檻值；持續一段時間以上，可以判斷下游管渠滲漏。
5. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該與晴天規律水位比較，係用以判斷下水道上游是否滲漏，判斷條件：蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間之水位資料，只保留晴天水位資料； 將晴天水位分成四種時段；將每種時段同一時間的水位取平均，得到所有時段之平均水位；將四種時段之平均水位，組成晴天規律水位時序曲線；將晴天規律水位時序曲線乘上倍率，定義為晴天滲漏規律水位門檻曲線，當晴天時，量測水位超過晴天滲漏規律水位門檻曲線，持續一段時間以上，可判定為滲漏；以及當晴天時，根據量測水位，超過晴天規律水位曲線百分比，推估滲漏程度。
6. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該與晴天規律水位比較，用以判斷下水道上游是否滲漏，判斷條件：蒐集大量水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料，去除降雨期間水位資料，只保留晴天水位資料；用人工智能演算法，推估晴天規律水位時序曲線；將晴天正常規律水位時序曲線乘上倍率，定義為晴天滲漏規律水位門檻曲線；當晴天時，量測水位超過晴天滲漏規律水位門檻曲線，持續一段時間以上，可判定為滲漏；以及當晴天時，根據量測水位，超過晴天規律水位曲線之百分比，推估滲漏程度。
7. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該與降雨時正常規律水位比較，係用以判斷下水道上游是否滲漏，判斷條件：蒐集大量降雨事件之雨量及水位大數據資料，並濾除已知阻塞或滲漏等異常管渠之水位等資料；用人工智能演算法，推估降雨時，相應之正常的規律水位時序曲線； 將相應降雨量之正常規律水位時序曲線乘上倍率，定義為滲漏規律水位門檻曲線；當降雨時，量測水位小於滲漏規律水位門檻曲線，持續一段時間以上，可判定為滲漏；以及當降雨時，根據量測水位，低於降雨時正常規律水位曲線之百分比，推估滲漏程度。
8. 如請求項1所述之下水道管渠阻塞滲漏人工智能偵測系統，其中該感測裝置為一非接觸式感測裝置或接觸式感測裝置，用以偵測該管渠內部水位、流速或流量資料。

Images