一种基于物联网和大数据的城市水安全预测方法与流程

1.本发明涉及城市水安全预测领域，具体为一种基于物联网和大数据的城市水安全预测方法。


背景技术：

2.水安全问题是城市安全问题的重要组成部分，其中城市水安全问题包含城市内涝问题；随着城市建设的不断发展，城市规模不断扩大，道路、建筑密度不断增加，带来的气候变化引发水循环变化，使得降雨更多的发生在城市；而同时城市发展和建设造成的地面自然滞、蓄雨水能力降低，加之城市排水管渠等防涝设施排水能力不足，使得城市内涝的情况频频发生，给人们的生产生活造成巨大影响。
3.现如今，在对于城市水安全防范过程中，常常需要对城市内涝进行预测，通过对城市进行内涝预测，来降低城市内涝灾害对城市交通、运输等方面造成的影响。
4.目前的城市水安全预测采用人工现场观测，摄像头等设备远程人工检测，难以快速得到城市内涝预测结果，且城市水安全预测过程不规范，监测数据结果不精确，可操作性差，需要大量的人工劳动力及成本，不能及时的得到城市水安全的预测数据；因此提出了一种城市水安全预测方法，以便于解决现如今城市内涝预测过程不规范、预测结果不精确，操作难度大、成本高、时效低的问题。


技术实现要素：

5.本发明的目的在于提供一种基于物联网和大数据的城市水安全预测方法，以解决上述背景技术中提出现如今城市内涝预测过程不规范、预测结果不精确，操作难度大、成本高、时效低的问题。
6.为实现上述目的，本发明提供如下技术方案：
7.一种基于物联网和大数据的城市水安全预测方法，包括：
8.采集城市各区域的地形数据、排水管网数据和河流水文数据，构建城市内涝预测机理模型，实时输入气象观测数据，并输出城市内涝影响范围和严重程度的效果；
9.基于城市内涝预测机理模型，并以云端服务器作支撑，生成随机气候条件下的城市内涝大数据以建立信息数据库；
10.利用机器学习算法，将信息数据库与实时气象观测数据相结合，得到城市内涝预测结果，并且构建城市内涝预测结果数据库；
11.通过采集设备识别城市积水区域以定义城市各区域的内涝风险等级，结合城市内涝预测结果及城市各区域的内涝风险等级，对城市水安全进行预测。
12.进一步地，所述定义城市各区域的内涝风险等级的步骤包括：
13.采集设备获取目标城市区域内当前的城市面积图像数据与雨量数据，并对目标城市区域的积水情况进行预测，识别目标城市积水区域；
14.依据遥感技术与水位测量模块配合，计算出所述目标城市积水区域的积水面积；
15.将所述目标城市积水区域的积水面积数据输入所述城市内涝预测机理模型，结合所述城市内涝预测机理模型，并将该城市内涝预测机理模型的输出作为目标城市区域的内涝风险等级。
16.进一步地，所述获取目标城市区域内当前的城市面积图像数据与雨量数据，包括：
17.控制目标城市区域内的采集设备包含摄像头，采集当前城市区域的视频数据，对视频数据进行解码处理，得到城市面积图像数据；
18.控制目标城市区域内的采集设备包含雨量计，采集当前城市区域的雨量数据，自雨量计接收当前城市区域的雨量数据，雨量数据输入于所述信息数据库内，结合所述城市面积图像数据与雨量数据，以识别目标城市积水区域。
19.进一步地，所述目标城市积水区域的积水面积数据输入城市内涝预测机理模型之前，具体还包括：
20.历史数据获取模块，用于获取多个历史目标城市积水区域的积水面积数据，其中目标城市积水区域的积水面积数据分别对应有内涝风险等级的标识；
21.模型训练模块，用于应用各个目标城市积水区域的积水面积数据对预获取的用于图像识别的卷积神经网络进行训练，得到对应的城市内涝预测机理模型。
22.进一步地，所述城市内涝预测机理模型包括：
23.采集模块，用于实时获取城市区域路段的环境信息及路面积水情况，以得到实测数据，并将实测数据整合导入构成城市内涝实测数据库；
24.处理模块，用于对所述城市内涝实测数据库中的实测数据进行处理；
25.标准化参数模块，用于针对各区域城市内涝的具体情况，对城市内涝指标标准化参数进行保存及修改，以构成城市内涝标准化参数数据库；
26.数据标准化模块，用于根据所述城市内涝标准化参数数据库提供的参数对城市内涝实测数据库进行标准化处理；
27.监管平台，用于实时对标准化处理后的实测数据进行监控与管理；
28.预测模块，用于调集监管平台内城市各区域的实测数据，对实测数据的水安全进行预测，得出预测结论。
29.进一步地，所述城市内涝预测机理模型还包括：城市区域划分模块，用于将城市内涝区域进行划分，将内涝区域按照设定的城市内涝等级划分成若干子区域，并对若干子区域按照市县乡镇村进行编号，编号分别为1，2，3，...n。
30.进一步地，所述城市内涝预测机理模型还包括：gps定位模块、预测结果输出模块和显示模块，该gps定位模块用于迅速定位城市内涝区域，预测结果输出模块用于输出最终预测结果并保存到所述城市内涝预测结果数据库中，且显示模块用于显示所述gps定位模块定位出目标城市中的内涝区域编号信息、以及目标城市内涝区域的预测结果。
31.进一步地，所述云端服务器用于存储采集到的数据，并根据地理位置、系统阈值对数据进行分域、分级处理，生成城市内涝情况报表，该云端服务器远程连接有移动终端，且移动终端用于查看城市内涝情况报表，并在城市内涝事故现场将定位信息和报警信息发送给云端服务器。
32.进一步地，所述机器学习算法采用基于实例的算法，包括k-nearest neighbor、学习矢量量化、以及自组织映射算法，将信息数据库与实时气象观测数据相结合，并进行比较
以最佳匹配得到城市内涝预测结果。
33.进一步地，所述信息数据库内的数据内容包含获取有关内涝城市全网发布的内涝相关信息、内涝评论以及气象网站上的各内涝点的降雨信息，该信息数据库与云端服务器交互。
34.本发明的有益效果是：本发明利用机器学习算法结合城市内涝大数据，即可快速得到城市内涝预测结果，并依靠物联网技术将城市内涝预测过程规范化、智能化、自动化及精确化，使得该城市水安全预测方法具备可操作性、可复制性、准确性、可靠性和及时性，能够为城市内涝的风险评估、预测和防范提供科学有效且可靠实时的数据支持，便于对不同时期、不同城市水利建设方案实施后的城市水安全进行预测。
附图说明
35.图1为本发明实施例中城市水安全预测方法的流程示意图；
36.图2为本发明定义城市各区域内涝风险等级的流程示意图；
37.图3为本发明获取目标城市区域内面积图像与雨量数据流程示意图；
38.图4为本发明城市内涝预测机理模型的结构示意图。
具体实施方式
39.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。
40.请参阅图1，图1为本发明实施例中城市水安全预测方法的流程示意图。
41.本实施例提供了一种基于物联网和大数据的城市水安全预测方法，包括：
42.采集城市各区域的地形数据、排水管网数据和河流水文数据，构建城市内涝预测机理模型，实时输入气象观测数据，并输出城市内涝影响范围和严重程度的效果；
43.基于城市内涝预测机理模型，并以云端服务器作支撑，生成随机气候条件下的城市内涝大数据以建立信息数据库；
44.利用机器学习算法，将信息数据库与实时气象观测数据相结合，得到城市内涝预测结果，并且构建城市内涝预测结果数据库；
45.通过采集设备识别城市积水区域以定义城市各区域的内涝风险等级，结合城市内涝预测结果及城市各区域的内涝风险等级，对城市水安全进行预测。
46.具体地，云端服务器用于存储采集到的数据，并根据地理位置、系统阈值对数据进行分域、分级处理，生成城市内涝情况报表，该云端服务器远程连接有移动终端，且移动终端用于查看城市内涝情况报表，并在城市内涝事故现场将定位信息和报警信息发送给云端服务器。
47.其中，移动终端包含但不局限于手机、智能手机、平板、电脑，其他诸如便携式计算机、平板电子设备也适用于本具体实施例；通过设定的移动终端，以便于在进行城市水安全预测时监测人员或城市安全环保部门迅速得知城市各区域的内涝情况；在实际应用过程中，城市内涝的预测部分可在云端服务器执行，也可在移动终端上执行，具体地依据移动终
端设备的处理能力、以及应用场景限制等进行选择，来对城市区域进行内涝预测工作。
48.需要说明的是，移动终端内设置有报警信息发送单元，用于判断城市内涝的等级是否超过预设的报警级别，若是，则向云端服务器发送针对目标城市区域的内涝报警信息。
49.具体地，机器学习算法采用基于实例的算法，包括k-nearest neighbor、学习矢量量化、以及自组织映射算法，将信息数据库与实时气象观测数据相结合，并进行比较以最佳匹配得到城市内涝预测结果。
50.具体地，信息数据库内的数据内容包含获取有关内涝城市全网发布的内涝相关信息、内涝评论以及气象网站上的各内涝点的降雨信息，该信息数据库与云端服务器交互。
51.请参阅图2，图2为本发明定义城市各区域内涝风险等级的流程示意图。
52.本实施例提供了一种基于物联网和大数据的城市水安全预测方法，其定义城市各区域的内涝风险等级的步骤包括：
53.采集设备获取目标城市区域内当前的城市面积图像数据与雨量数据，并对目标城市区域的积水情况进行预测，识别目标城市积水区域；
54.依据遥感技术与水位测量模块配合，计算出目标城市积水区域的积水面积；
55.将目标城市积水区域的积水面积数据输入城市内涝预测机理模型，结合城市内涝预测机理模型，并将该城市内涝预测机理模型的输出作为目标城市区域的内涝风险等级。
56.其中，遥感技术是从远距离感知目标反射或自身辐射的电磁波、可见光、红外线，对目标进行探测和识别的技术，通过遥感技术，可迅速得到目标城市区域的区域面积及积水面积；且在水位测量模块的作用下可对目标城市区域的积水位置测得积水的水深情况，以此来得到积水区域的积水量，以便于来判定城市积水区域的内涝风险等级。
57.本实施例在定义城市各区域内涝风险等级的过程中，将内涝风险等级分为
ⅰ‑‑ⅴ
，各级代表的含义为：ⅰ级代表极低风险、ⅱ级代表低风险、ⅲ级代表中等风险、ⅳ级代表高风险、
ⅴ
级代表极高风险；如表1所示。定义城市各区域内涝指标划分标准如表2所示。
58.表1内涝风险等级。
59.风险等级ⅰ级ⅱ级ⅲ级ⅳ级
ⅴ
级
60.表2城市各区域内涝指标划分标准。(单位：mm)
61.城市区域雨量数据区域积水量内涝风险等级120-25050-80ⅰ级100-18090-120ⅱ级250-300150-220ⅲ级300-350280-310ⅳ级400-450350-420
ⅴ
级
62.请参阅图3，图3为本发明获取目标城市区域内面积图像与雨量数据流程示意图。
63.本实施例中获取目标城市区域内当前的城市面积图像数据与雨量数据，包括：控制目标城市区域内的采集设备包含摄像头，采集当前城市区域的视频数据，对视频数据进行解码处理，得到城市面积图像数据；
64.控制目标城市区域内的采集设备包含雨量计，采集当前城市区域的雨量数据，自雨量计接收当前城市区域的雨量数据，雨量数据输入于信息数据库内，结合城市面积图像数据与雨量数据，以识别目标城市积水区域。
65.从上述描述可知，本发明实施例提供的预测方法，通过雨量计获取城市本地区域的雨量数据，能够进一步提高内涝预测的效率及准确性，以进一步提高该城市水安全预测方法预测结果的准确性及可靠性。
66.需要说明的是，其中采集设备包括但不限于雨量计、摄像头，其他诸如环境采集器、温湿度采集器也适用于本发明具体实施例；依靠采集设备更加快速的采集到城市面积图像数据及积水区域面积。
67.具体地，目标城市积水区域的积水面积数据输入城市内涝预测机理模型之前，具体还包括：
68.历史数据获取模块，用于获取多个历史目标城市积水区域的积水面积数据，其中目标城市积水区域的积水面积数据分别对应有内涝风险等级的标识；
69.模型训练模块，用于应用各个目标城市积水区域的积水面积数据对预获取的用于图像识别的卷积神经网络进行训练，得到对应的城市内涝预测机理模型。
70.其中，通过训练得到的城市内涝识别神经网络模型前向计算，得到目标城市的积水程度、积水范围税局；同时获取雨量计、云端服务器的指令，并将获取的数据进行关联分析回传至云端服务器。
71.请参阅图4，图4为本发明城市内涝预测机理模型的结构示意图。
72.城市内涝预测机理模型包括：
73.采集模块103，用于实时获取城市区域路段的环境信息及路面积水情况，以得到实测数据，并将实测数据整合导入构成城市内涝实测数据库；
74.处理模块104，用于对城市内涝实测数据库中的实测数据进行处理；
75.标准化参数模块106，用于针对各区域城市内涝的具体情况，对城市内涝指标标准化参数进行保存及修改，以构成城市内涝标准化参数数据库；
76.数据标准化模块107，用于根据城市内涝标准化参数数据库提供的参数对城市内涝实测数据库进行标准化处理；
77.监管平台108，用于实时对标准化处理后的实测数据进行监控与管理；
78.预测模块109，用于调集监管平台108内城市各区域的实测数据，对实测数据的水安全进行预测，得出预测结论。
79.在本发明的城市内涝预测机理模型一个实施例，预测模块109还具体包含有如下内容：视频数据采集单元和视频数据解码单元，该视频数据采集单元用于控制在目标城市区域内的采集设备采集当前的视频数据，且视频数据解码单元用于对视频数据进行解码处理，以得到相应的城市面积图像数据。
80.城市内涝预测机理模型还包括：城市区域划分模块101，用于将城市内涝区域进行划分，将内涝区域按照设定的城市内涝等级划分成若干子区域，并对若干子区域按照市县乡镇村进行编号，编号分别为1，2，3，...n。
81.城市内涝预测机理模型还包括：gps定位模块102、预测结果输出模块110和显示模块105，该gps定位模块102用于迅速定位城市内涝区域，预测结果输出模块110用于输出最终预测结果并保存到城市内涝预测结果数据库中，且显示模块105用于显示gps定位模块102定位出目标城市中的内涝区域编号信息、以及目标城市内涝区域的预测结果。
82.从上述描述可知，本发明实施例提供的城市内涝预测机理模型，通过事先的数据
采集及处理，并针对不同城市区域进行定点内涝预测的预测方式，能够有效提高城市内涝预测结果的准确性，同时还能够进一步提高城市内涝预测的预测效率及可靠性。
83.尽管已示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。