面向巨灾保险的房屋建筑画像构建方法及平台与流程

本发明属于建筑信息处理技术领域，特别涉及一种面向巨灾保险的房屋建筑画像构建方法及平台。

背景技术：

我国疆域辽阔、地形多样，因而自然灾害多发。特别是由于我国位于世界两大地震带——环太平洋地震带与欧亚地震带之间，使得我国地震具有频度高、强度大、震源浅、分布广等特点。频发的自然灾害(特别是地震)对建筑物造成了十分严重的破坏，不仅产生了巨额的经济损失，还造成了很多极为严重的社会问题。以往我国地震灾害的补偿资金多由政府提供，覆盖面小且效率不高，而且给国家财政造成了极大困扰，因此我国应该积极借鉴国际上采用聚在保险分担灾害损失的做法来对灾害风险进行有效的分担和转移。而为了制定合理的灾害保险理赔制度，就需要对不同的房屋建筑进行画像和分类，以便提供有效的参考。

目前已有的各类国标规范，如《gb/t19428-2013地震灾害预测及其信息管理系统技术规范》、《gb/t18208地震现场工作》(第2/3/4部分)、《gb50011-2010建筑抗震设计规范》、《gb50352-2005民用建筑设计通则》等均涉及到建筑类型分类，但一方面各个标准规范应用的领域不同，对房屋建筑分类时关注的侧重点不同，其分类类型差异较大；另一方面，地震巨灾保险行业具有一定的特殊性，既要考虑建筑自身结构特性，还要考虑建筑的社会经济属性，这些标准规范的房屋建筑分类适用性难以满足需求。而现有的国际知名组织机构和风险公司的技术资料，如美国联邦应急部fema的huzus、rms和air的巨灾分析模型，以及美国联邦紧急事务管理局委托应用技术委员会(atc)对加州地震损失进行研究形成的atc-13报告等。该类技术报告主要体现的是美国灾害损失特点，与中国的实际建筑房屋特点有较大差异。其房屋建筑分类体系很难直接运用到具有明显本土化的国内建筑房屋。

技术实现要素：

为了解决上述技术问题，本发明提供了一种面向巨灾保险的房屋建筑画像构建方法及平台。

本发明具体技术方案如下：

本发明提供了一种面向巨灾保险的房屋建筑画像构建平台，面向巨灾保险的房屋建筑画像构建方法，包括如下步骤：

s1：获取研究区域内所有房屋建筑的属性信息，所述属性信息包括所述房屋建筑的建筑结构和功能用途，并根据所述属性信息对所述房屋建筑进行分类；

s2：统计每类房屋建筑的历史灾害损失情况，并计算每类所述房屋建筑的潜在损失；

s3：将所述属性信息与所述潜在损失进行整合，为相应类型的房屋建筑构建画像。

进一步地，步骤s1的具体方法如下：

s1.1：获取房屋建筑领域的现有统计资料，所述现有统计资料包括已有的建筑类设计资料、规划资料以及规范资料；

s1.2：根据所述现有统计资料，提取出所述建筑结构以及所述功能用途的类型；

s1.3：根据所述研究区域的自然特征与人文特征，选择符合所述研究区域特点的建筑结构类型和功能用途类型，并创建一级结构-功能分类表。

进一步地，步骤s2的具体方法如下：

s2.1：获取历史灾评报告以及结构易损性资料，并对各类房屋建筑的历史灾害损失情况进行统计；

s2.2：根据各类房屋建筑的历史灾害损失情况，计算各类房屋建筑遭遇灾害时可能造成的潜在损失。

进一步地，步骤s2.1的具体方法如下：

s2.1.1：根据房屋建筑的破坏等级对所述历史灾评报告中各类房屋建筑的破坏情况进行分类，并分别统计各类房屋建筑在不同强度灾害下、遭受不同等级的破坏时的破坏比，所述破坏比为同一类型的房屋建筑在一种强度的灾害下受到破坏的面积与该类房屋建筑的总面积之比；

s2.1.2：分别统计各类房屋建筑在受到不同等级的破坏后、修复或重建时的损失比，所述损失比为同一类型的房屋建筑在不同破坏等级下修复或重建时、单位面积所述费用与重建价格之比。

进一步地，步骤s2.2的具体方法如下：

s2.2.1：根据所述破坏比的计算结果，计算同一类型的房屋建筑在不同强度灾害下的平均破坏比，得到第一矩阵；

s2.2.2：根据所述损失比的计算结果，计算同一类型的房屋建筑在受到不同等级的破坏时的平均损失比，得到第二矩阵；

s2.2.3：将所述第一矩阵与所述第二矩阵相乘，得到第三矩阵，即为灾害潜在损失矩阵。

进一步地，步骤s2还包括如下步骤：

s2.3：通过调整系数对所述第三矩阵中的数据进行校准，得到校准后的灾害潜在损失矩阵，所述调整系数包括建筑高度系数以及建筑年限系数，所述校准的方法如下：所述第三矩阵中的数据与对应的所述调整系数依次相乘，得到的乘积即为校准后的所述灾害潜在损失矩阵中的数据。

进一步地，所述建筑高度系数h的使用方法如下：

h＝1+0.002n；n＝h/5

其中h为房屋建筑的高度，n取整数；

所述建筑年限系数t的使用方法如下：

t＝1+0.0025m；m＝t/5

其中t为房屋建筑的使用时间，m取整数。

进一步地，步骤s3的具体方法如下：

将所述灾害潜在损失矩阵的内容对应填入所述一级结构-功能分类表中，得到二级结构-功能分类表；根据所述房屋建筑的类型获取相应的属性信息以及潜在损失，即为所述房屋建筑画像。

本发明另一方面提供了一种面向巨灾保险的房屋建筑画像构建平台，包括如下部分：

信息收集模块，用于对房屋建筑领域的现有统计资料、历史灾评报告以及结构易损性资料进行收集，所述现有统计资料包括已有的建筑类设计资料、规划资料以及规范资料；

信息提取模块，用于根据所述现有统计资料，提取出所述房屋建筑的属性信息，所述属性信息包括建筑结构以及功能用途；并根据所述研究区域的自然特征与人文特征，选择符合所述研究区域特点的建筑结构类型和功能用途类型；

统计模块，用于对各类房屋建筑的历史灾害损失情况进行统计，并据此计算出每类房屋建筑遭受不同强度灾害破坏时的可能造成的潜在损失；

画像生成模块，用于将所述属性信息与所述潜在损失进行整合，为相应类型的房屋建筑构建画像。

本发明的有益效果如下：本发明提供了一种面向巨灾保险的房屋建筑画像构建方法及相应的平台，充分考虑了地震巨灾保险的需求，从结构和功能角度，对我国房屋建筑进行了全面、详细的系统分类；利用地理信息系统(gis)技术、网络爬虫技术和大数据挖掘技术，结合目标城市(或区域)的具体房屋分布和属性数据，耦合出具有当地特色的房屋建筑分类体系，并形成了我国重要城市典型城区的房屋建筑信息查询分析平台，完成了对应城区的房屋建筑分类画像。本方法对房屋建筑进行全面分类并画像，通过多源数据获得城市或者区域实际房屋属性信息并进行呈现，从而可以为后续的灾害研究、建筑设计以及保险规则制定等工作提供有效的参考。

附图说明

图1为实施例1所述的一种面向巨灾保险的房屋建筑画像构建方法的流程图；

图2为实施例2所述的一种面向巨灾保险的房屋建筑画像构建方法中步骤s1的流程图；

图3为实施例3所述的一种面向巨灾保险的房屋建筑画像构建方法中第三矩阵的生成方法示意图；

图4为实施例5所述的一种面向巨灾保险的房屋建筑画像构建平台的架构图。

具体实施方式

下面结合附图和以下实施例对本发明作进一步详细说明。

实施例1

如图1所示，本发明实施例1提供了一种面向巨灾保险的房屋建筑画像构建方法，包括如下步骤：

s1：获取研究区域内所有房屋建筑的属性信息，所述属性信息包括所述房屋建筑的建筑结构和功能用途，并根据所述属性信息对所述房屋建筑进行分类；

建筑结构包括框架结构、砖混结构、石木结构、土木结构等，功能用途包括商业、教育业、工业、住宅、医疗等，所有出现在研究区域内的建筑的结构类型和用途均可以统计在内；上述信息可以通过网络爬虫技术、大数据挖掘技术等手段进行获取，以便全面、系统地根据属性信息对房屋建筑进行准确分类；

s2：统计每类房屋建筑的历史灾害损失情况，并计算每类所述房屋建筑的潜在损失；

通过历史灾害损失情况计算每类房屋建筑的潜在损失，可以对房屋建筑在灾害中可能出现的损失情况进行量化，从而便于在灾害保险体系中进行损失评级和保费计算；

s3：将所述属性信息与所述潜在损失进行整合，为相应类型的房屋建筑构建画像；

房屋建筑画像可以通过gis技术进行构建，通过构建房屋建筑画像，可以使房屋建筑的潜在损失形象化、具体化，从而可以为后续的灾害研究、建筑设计以及保险规则制定等工作提供有效的参考。

本实施例提供的面向巨灾保险的房屋建筑画像构建方法，充分考虑了地震巨灾保险的需求，从结构和功能角度，对我国房屋建筑进行了全面、详细的系统分类；利用地理信息系统(gis)技术、网络爬虫技术和大数据挖掘技术，结合目标城市(或区域)的具体房屋分布和属性数据，耦合出具有当地特色的房屋建筑分类体系，并形成了我国重要城市典型城区的房屋建筑信息查询分析平台，完成了对应城区的房屋建筑分类画像。本方法对房屋建筑进行全面分类并画像，通过多源数据获得城市或者区域实际房屋属性信息并进行呈现，从而可以为后续的灾害研究、建筑设计以及保险规则制定等工作提供有效的参考。

实施例2

如图2所示，本实施例2在实施例1的基础上提供了一种面向巨灾保险的房屋建筑画像构建方法，该实施例2进一步限定了步骤s1的具体方法如下：

s1.1：获取房屋建筑领域的现有统计资料，所述现有统计资料包括已有的建筑类设计资料(美国、日本等国家或地区的建筑结构特性资料)、规划资料(各地的规划设计图纸、文字资料等)以及规范资料(建筑行业相关的各种法律法规，设计标准、操作规范等)；

s1.2：根据所述现有统计资料，提取出所述建筑结构以及所述功能用途的类型；

从现有资料中获取建筑结构和功能用途，可以直接使用现有资料中的命名方式和分类规则，避免在海量信息中重新进行人为分类造成的分类标准不一致、分类结果不准确等问题；

s1.3：根据所述研究区域的自然特征与人文特征，选择符合所述研究区域特点的建筑结构类型和功能用途类型，并创建一级结构-功能分类表(如表1所示)。

表1一级结构-功能分类表示例

自然特征包括地形、气候、资源、历史灾害等，人文特征包括生活习惯、地区民俗等，现代建筑大部分是框架结构或砖混结构，但传统古建或老式民居可能会存在地区差异，例如北方和中部地区砖瓦建筑较多，西部地区土房和窑洞较多，而南方亚热带则多为木质建筑、并且底层多为架空层。同时，一类建筑结构可能有多种应用，一种功能用途的建筑也可能采用不同的建筑结构。因此，综合考虑上述因素，才能获取全面、翔实的信息，从而创建更加准确的一级结构-功能分类表。

实施例3

如图3所示，本实施例3在实施例1的基础上提供了一种面向巨灾保险的房屋建筑画像构建方法，该实施例3进一步限定了步骤s2的具体方法如下：

s2.1：获取历史灾评报告以及结构易损性资料，并对各类房屋建筑的历史灾害损失情况进行统计；

s2.2：根据各类房屋建筑的历史灾害损失情况，计算各类房屋建筑遭遇灾害时可能造成的潜在损失。

步骤s2.1的具体方法如下：

s2.1.1：根据房屋建筑的破坏等级对所述历史灾评报告中各类房屋建筑的破坏情况进行分类，并分别统计各类房屋建筑在不同强度灾害下、遭受不同等级的破坏时的破坏比，所述破坏比为同一类型的房屋建筑在一种强度的灾害下受到破坏的面积与该类房屋建筑的总面积之比；

s2.1.2：分别统计各类房屋建筑在受到不同等级的破坏后、修复或重建时的损失比，所述损失比为同一类型的房屋建筑在不同破坏等级下修复或重建时、单位面积所述费用与重建价格之比。

步骤s2.2的具体方法如下：

s2.2.1：根据所述破坏比的计算结果，计算同一类型的房屋建筑在不同强度灾害下的平均破坏比，得到第一矩阵；

s2.2.2：根据所述损失比的计算结果，计算同一类型的房屋建筑在受到不同等级的破坏时的平均损失比，得到第二矩阵；

s2.2.3：将所述第一矩阵与所述第二矩阵相乘，得到第三矩阵，即为灾害潜在损失矩阵(如表2所示)。

表2灾害潜在损失矩阵示例

实施例4

本实施例4在实施例3的基础上提供了一种面向巨灾保险的房屋建筑画像构建方法，步骤s2还包括如下步骤：

s2.3：通过调整系数对所述第三矩阵中的数据进行校准，得到校准后的灾害潜在损失矩阵，所述调整系数包括建筑高度系数以及建筑年限系数，所述校准的方法如下：所述第三矩阵中的数据与对应的所述调整系数依次相乘，得到的乘积即为校准后的所述灾害潜在损失矩阵中的数据。

所述建筑高度系数h的使用方法如下：

h＝1+0.002n；n＝h/5

其中h为房屋建筑的高度，n取整数；

所述建筑年限系数t的使用方法如下：

t＝1+0.0025m；m＝t/5

其中t为房屋建筑的使用时间，m取整数。

建筑的高度和历史年限均会对建筑本身的抗压、抗震性能产生影响，建筑性能往往会随着高度增加、年限延长而下降，遭受灾害时的潜在损失会随之上升；并且这种变化不是均匀的，其变化幅度会随高度增加、年限延长呈递增状态。因此需要通过建筑高度系数和建筑年限系数进行校正，从而获取更加准确的潜在损失信息。如果存在其他特殊的印象因素，例如地形、环境等场地条件，也可以将场地条件系数作为用来校正的调整系数之一。

步骤s3的具体方法如下：

将所述灾害潜在损失矩阵的内容对应填入所述一级结构-功能分类表中，得到二级结构-功能分类表；根据所述房屋建筑的类型获取相应的属性信息以及潜在损失，即为所述房屋建筑画像。

最终获得的房屋建筑画像应当包含房屋建筑的结构类型、功能用途等属性信息以及历史损失、潜在损失等信息，可以通过gis方法制作专题地图，将数字信息添加到地图信息中，从而完成画像工作。通过构建房屋建筑画像，可以对房屋建筑的潜在损失进行量化，从而可以为后续的灾害研究、建筑设计以及保险规则制定等工作提供有效的参考。

实施例5

如图4所示，本实施例5提供了一种面向巨灾保险的房屋建筑画像构建平台，包括如下部分：

信息收集模块1，用于对房屋建筑领域的现有统计资料、历史灾评报告以及结构易损性资料进行收集，所述现有统计资料包括已有的建筑类设计资料、规划资料以及规范资料；

信息提取模块2，用于根据所述现有统计资料，提取出所述房屋建筑的属性信息，所述属性信息包括建筑结构以及功能用途；并根据所述研究区域的自然特征与人文特征，选择符合所述研究区域特点的建筑结构类型和功能用途类型；

统计模块3，用于对各类房屋建筑的历史灾害损失情况进行统计，并据此计算出每类房屋建筑遭受不同强度灾害破坏时的可能造成的潜在损失；

画像生成模块4，用于将所述属性信息与所述潜在损失进行整合，为相应类型的房屋建筑构建画像。

本实施例提供的面向巨灾保险的房屋建筑画像构建平台，首先由信息收集模块1通过网络爬虫技术获取海量数据，再由信息提取模块2通过大数据挖掘技术从海量数据中提取出所需的信息；通过统计模块3计算出每类房屋建筑在遭受不同强度灾害破坏时可能造成的潜在损失，最终由画像生成模块4借助gis技术将数据信息与地图信息进行整合，构建相应的房屋建筑画像。该平台充分考虑了地震巨灾保险的需求，从结构和功能角度，对我国房屋建筑进行了全面、详细的系统分类，并为后续的灾害研究、建筑设计以及保险规则制定等工作提供有效的参考。

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。