一种基于道路积水预测的城市路线引导方法与流程

本发明属于道路积水预测
技术领域：
，尤其涉及一种基于道路积水预测的城市路线引导方法。
背景技术：
：目前道路积水信息的获取途径主要分为三类：(1)传统水文方法。基于雨量水位监测站反馈的数据获取城市道路积水信息，因此通常在暴雨已经造成道路积水后才能通报险情，在获取数次积水数据后根据经验法猜测积水点分布，不具备时效性，进而无法获取准确信息，参考价值低。(2)积水检测装置。目前的道路积水监测装置可以获取准确的积水信息，但积水状况分布依赖于检测装置，无法对出行线路上潜在的积水状况进行有效的预测，故难以判断出合理的避积水路线。(3)地图导航软件。路面积水的形成主要取决于降雨条件，现有的地图导航软件中主要依靠道路监控获取积水信息，一定程度上可以展现城市道路的积水分布，但无法根据降雨条件的差异性对积水过程进行有效的量化，并且无法提供正确的避积水路线，难以保障强降雨天气下城市地面交通的运行效率及安全。基于上述现状，可通过城市地形、管网和设计降雨数据建立道路积水模型实现道路积水的量化；可通过实测降雨与设计降雨的趋势相似性实现积水信息预测；可通过地图开放平台按照积水指标实现避积水路线引导的功能。技术实现要素：发明目的：针对以上问题，本发明提出了一种基于道路积水预测的城市路线引导方法，以解决在强降雨天气下，市民出行时难以事先做好避积水路线的现状。本发明可以对道路的积水点分布与积水深度进行预测，能针对不同交通方式有效引导行人车辆选择较为安全高效通行路线。技术方案：为实现本发明的目的，本发明所采用的技术方案是：一种基于道路积水预测的城市路线引导方法，该方法包括以下步骤：步骤1：采集待分析区域下垫面与管网数据，进行待分析区域的坡度坡向分析和管网概化；步骤2：按单一性三原则划分水文模型的子汇水区，结合管网构建城市道路积水模型，与电子地图建立坐标转换关系；步骤3：结合待分析区域的历史降雨数据筛选特征性降雨过程，设计不同重现期下的降雨过程作为模拟降雨条件，结合步骤2中道路积水模型进行道路积水信息模拟，计算不同设计降雨过程下道路积水深度；步骤4：记录实时降水过程，根据趋势相似性与设计降雨过程进行数值分析和趋势匹配，遴选出预测降雨过程，取其道路积水模拟数据作为积水信息预测结果，并依据实时降雨条件变化逐时段修正，用于下述步骤中积水通行系数计算；步骤5：接受移动端用户引导请求，上传选定的起始点至在线电子地图平台，获取所有可行的出行方案；步骤6：获取用户请求时的降雨过程发生的对应时段，结合步骤4中道路积水预测结果，取该时段的道路积水数据，考虑不同出行方式，计算各方案积水通行系数并比较判断，将积水通行系数最小的方案作为各出行方式下最佳引导路线；步骤7：整合最佳出行方案与积水信息，反馈至移动端用户，完成路线引导。进一步地，步骤2中所述划分子汇水区的单一性三原则具体为：(1)下垫面单一性原则：指考虑不同地貌、植被类型、湖泊水系、人造建筑与道路分布，使同一汇水区内只存在一种下垫面类型。(2)坡向单一性原则：指在(1)的条件下，使任一汇水区内的坡向一致；(3)坡度单一性原则：指在(2)的条件下，控制边界使子汇水区对应的实际地形坡度值变化在内，为各子汇水区内的平均坡度值。进一步地，步骤2中构建城市道路积水模型的具体步骤为：(1)根据下垫面类型，将划分后的子汇水区贴上标签以进行区分，并设置各项参数：比如坡度、渗透性面积比例、曼宁n值、渗透速率等；(2)概化管网模型，确定人工口分布后，根据管流流向连接人工口，设置人工口和管道的各项参数；(3)根据坡向判断径流流向，进而建立子汇水区和子汇水区、子汇水区和人工口的汇流关系。进一步地，步骤2中建立坐标转换关系的具体步骤为：(1)选择电子地图上一点为参照点a，点a的经纬度为参照经纬度；(2)选择道路积水模型上与a点相对应的位置，设为模型坐标原点o；(3)多参数法进行经纬度与道路积水模型的二维平面坐标变换；(4)根据点a和点o的平面坐标，建立(3)中两坐标体系的换算关系。进一步地，步骤3中筛选特征性降雨过程，目的是选出易造成道路积水并对工程危害大的降雨过程，进而完成模拟降雨设计。特征性降雨过程需同时满足典型暴雨的以下三种特征：(1)雨量大，指雨量上至少达到暴雨等级，即24小时降雨量大于38mm的降雨量；此处可以根据实际需要自定义降雨量的值，38mm只是作为示例说明；(2)存在主雨峰，指在完整降雨过程中存在最大瞬间降雨强度，其值不小于1mm/min；此处的值可以根据实际需要自定义，(3)主雨峰靠后，指在完整降雨过程中峰值比例大于0.5。上述的具体数值都可以根据实际需要自定义，此处的具体数值只是作为示例说明。进一步地，步骤3中设计不同重现期下降雨过程的设计方法具体为：取符合特征的历史降雨，根据同倍比放大法得到设计降雨过程，同倍比放大系数公式如下：式中：x特征性降雨为特征性降雨量，mm；x设计为不同重现期下的设计降雨量，mm。进一步地，步骤3中计算道路积水深度采用的公式如下：式中：q为地表径流；w为子流域固有宽度，m；s为坡度，％；n为曼宁糙率系数；d为积水平均深度，m；dp为最大洼地蓄水深度，m。进一步地，步骤4中趋势相似性判断规则及步骤具体包括：步骤4.1：采集实时降雨过程的逐时段降雨量为数列{pr}，实时降雨量累加值为数列{pt}，则有公式：式中：pti为前i时段内实时降雨量累加值；pri为第i时段实时降雨量；kri为第i时段实时变化系数；δt为降雨时间记录步长，取1h。步骤4.2：令步骤3中设计降雨过程的逐时段降雨量为数列{p′r}，设计降雨量累加值为数列{p′t}，则有公式：式中：p′ti为前i时段内设计降雨量累加值；p′ri为第i时段设计降雨量；k′ri为第i时段实时变化系数；δt为降雨时间记录步长，取1h。步骤4.3：i＝0，令实时降雨量逐时数列初始值pr0＝0；即第0时段未发生降雨，i＝i+1；步骤4.4：判断pri实测值，若pri≥6，则发生强降雨，进行下一步骤；若pri<6，则发生中小型降雨，未达到积水阈值，i＝i+1，重复步骤4.4；步骤4.5：计算pti，在相同的降雨发生时长下，筛选所有符合p′ti∈(pti-i,pti+i)条件的设计降雨过程作为备选降雨过程；步骤4.6：定义某备选降雨过程的前i时段内变化系数最大值k′rimax＝k′i，则对于不同的备选降雨过程j，有前i时段内变化系数最大值数列{k′ij}；计算实时降雨过程变化系数数列{kr}，并令ki＝max({kr})，取|ki-k′ij|min代表的备选降雨过程作为前i个时段的预测降雨过程；步骤4.7：i＝i+1，若监测到pri>0，则重复步骤4.5和4.6，每重复一次，便更新一次预测结果；若pri＝0，则降雨停止，过程结束。进一步的，步骤6具体包括：步骤6.1：在道路积水模型中根据坐标对应关系逐一对应可行性路线；步骤6.2：按不同的可行路线，结合步骤4的道路积水预测结果，取实时降雨对应时段的积水数据，将其所有路段的积水数据由起点向终点汇总成表；此处的积水数据即第i时段对应路段的平均积水深度dx；步骤6.3：考虑机动车、非机动车、步行出行方式因素，定义不同出行方式的涉水深度危险等级，以此排除不同出行方式下存在涉水风险的路线；步骤6.4：综合考虑各路线上积水深度、路段数与路段长度因素，计算各路线的积水通行系数θ；如下式所示：式中：θ为各路线的积水通行系数，量纲为1；n为各路线的路段数；lx为某一路段的长度，m；dx为第i时段对应路段的平均积水深度，m。步骤6.5：比较各路线的积水通行系数，判断通行系数最小的路线作为最佳引导路线。有益效果：与现有技术相比，本发明的技术方案具有以下有益技术效果：本发明的有益效果是可在强降雨初期，预测整场降雨时长内城市道路积水信息，并随降雨时间推移逐时修正预测值，以保证预测结果的准确度；基于此可针对不同出行方式生成更加安全高效的避积水引导路线，通过移动端有效引导行人车辆避险绕行，保障出行车辆及行人安全，降低事故发生率和事故损失。附图说明图1为本发明的方法流程图；图2为坡度可视化案例图，坡度大小由颜色深浅区分，颜色由浅到深分别表示[0，0.5％]、[0.5％，2％]、[2％，10％]、[10％，30％]、[30％，100％]；图3为管网概化案例图；图4为道路积水模型案例图；图5为样本区域的特征性降雨过程及其设计降雨过程；图6为样本区域在设计日降雨量49.2ml，降雨8小时后的道路积水分布模拟结果案例图；图7为针对不同出行方式分别建议的最佳引导路线反馈图。具体实施方式下面结合附图和实施例对本发明的技术方案作进一步的说明。参见图1，一种基于道路积水预测的城市路线引导方法，包括以下步骤：第一步：采集样布区域地形地貌与管网数据，进行样本区域的坡度坡向分析和管网概化，如图2、3所示；第二步：1、按单一性三原则对样本区域进行子汇水区划分，将划分后的样本区域结合管网概化模型构成道路积水模型，如图4所示。同时建立模型坐标转换关系：(1)选择电子地图上一点为参照点a，点a的经纬度为参照经纬度；(2)选择道路积水模型上与a点相对应的位置，设为模型坐标原点o；(3)多参数法进行经纬度与平面坐标变换；(4)根据点a和点o的平面坐标，建立两平面坐标体系的换算关系。第三步：1、参见图5左图，为样本区域符合降雨特征的一场特征性降雨过程，日累积降雨量为56.5mm，每小时降雨量见表1；表1.降雨过程小时数(h)1234567891011降雨量(mm)000001.20.84.86.68.89.2小时数(h)1213141516171819202122降雨量(mm)11.26.84.42.30.40000002、不同重现期下设计日降雨量见表2；表2.不同重现期条件下的设计日降雨量重现期(a)0.51235102050设计日降雨量(mm)49.275.9102.5118.1135.6160.6197.8230.43、通过以下公式计算放大系数k后，放大每小时降雨量可得到设计降雨过程，图5右图为不同重现期下降雨过程时序图；式中：x特征性降雨为特征性降雨量，mm；x设计为不同重现期下的设计降雨量，mm。4、将设计降雨过程作为模拟降雨条件，结合步骤2中积水模型进行道路积水信息模拟，可视化结果见图6，积水深度可通过下式进行计算；式中：q为地表径流；w为子流域固有宽度，m；s为坡度，％；n为曼宁糙率系数；d为积水平均深度，m；dp为最大洼地蓄水深度，m。第四步：1、记录实时降雨过程，如表3所示；表3.降雨过程记录表(0-4h)时间/h01234降雨量/mm0571192、采集实时降雨过程的逐时段降雨量为数列{pr}，实时降雨量累加值为数列{pt}，则有公式：式中：pti为前i时段内实时降雨量累加值；pri为第i时段实时降雨量；kri为第i时段实时变化系数；δt为降雨时间记录步长，取1h。3：令步骤3中设计降雨过程的逐时段降雨量为数列{p′r}，设计降雨量累加值为数列{p′t}，则有公式：式中：p′ti为前i时段内设计降雨量累加值；p′ri为第i时段设计降雨量；k′ri为第i时段实时变化系数；δt为降雨时间记录步长，取1h。4：i＝0，实时降雨量逐时序列初始值pr0＝0，i＝i+1＝1；5：实时降雨过程在第1个时段的实时降雨量pr1＝5mm<6mm，未达到积水阈值，i＝i+1＝1+1＝2；实时降雨过程在第2个时段的实时降雨量pr2＝7mm>6mm，即预测发生强降雨；pt2＝12mm；在相同降雨发生时长下，筛选所有符合p′t2∈(pt2-2,pt2+2)＝(10mm，14mm)条件的设计降雨过程作为备选降雨过程；若这些备选降雨过程前2个时段内的变化系数最大值数列{k′2j}，计算实时降雨过程变化系数数列{kr}，令max({kr})＝k2，取|k2-k′2j|min所代表的备选降雨过程作为前2个时段的预测降雨过程，取该备选降雨过程的道路积水模拟数据作为积水预测结果；；6：第3时段内，监测到pr3>0，则重复步骤5得到前3个时段的预测降雨过程，并更新积水预测结果；7：第4时段内，监测到pr4>0，则重复步骤5得到前4个时段的预测降雨过程，并更新积水预测结果；8：若第5时段内监测到pr5>0，则重复步骤5得到前5个时段的预测降雨过程，并更新积水预测结果；若pr5＝0，则降雨停止，过程结束。第五步：接受移动端用户引导请求，利用现有平台获取所有出行方案。第六步：1、在道路积水模型中根据坐标对应关系逐一对应可行性路线；2、结合第四步的道路积水预测结果，取第4时段的道路积水数据，将可行性路线上所有路段的积水信息，按照不同路线由起始点到终点汇总成表；3、根据出行方式排除危险等级较高的路线，各出行方式的危险等级见表4；表4.各出行方式危险等级表4中，行人与自行车的危险等级评定根据积水测试及经验判断，私家车危险评定标准根据常见车型的进气口和排气口高度调查，如表5所示，考虑到排气口进水导致汽车熄火等因素，选取排气口高度为主要评定标准。表5.常见车型进气口高度和出气口高度4、综合考虑各路线上积水深度、路段数与路段长度因素，计算各路线的通行系数θ；如下式所示：式中：θ为各路线的通行系数，单位为1；n为各路线的路段数；lx为某一路段的长度，m；dx为第4时段对应路段的平均积水深度，m。5、比较各路线的通行系数，判断通行系数最小的路线，将其作为最佳引导路线。第七步：整合用户出行的最佳引导路线与该路线上的积水信息，反馈至移动端用户，完成路线引导，不同出行方式的最佳引导路线见图7。当前第1页12