一种积水路段预测方法与流程

1.本发明涉及道路积水预测技术领域，尤其是一种积水路段预测方法。


背景技术：

2.随着城市化进程的加快，城市内涝导致的不利后果愈发严重，严重阻碍了城市的可持续性发展。为了提高对内涝积水的监测水平，并避免内涝发生后造成各种损失，降雨路网积水监测站点能够有效准确监测暴雨发生后积水情况，根据监测数据分析结果，通过发布预警信息，提醒有关人员提前做好准备，规避内涝造成的不利因素，通过建设降雨路网积水监测站点可提升对暴雨积水状态的监测能力，并提高暴雨内涝灾害的预报预警水平。但是，由于建设成本、监测范围、实用性等问题，一般仅对个别或重点位置建设了城市降雨路网积水监测站点，并没有大范围、高密度的实现对城市全区域降雨积水的有效监控，即城市一旦发生暴雨，只能得到路网积水监测站点附近的积水情况，是一种离散点的积水监测，无法得到城市路网的积水状态信息，难以实现对路网道路积水状态的监测。本发明提出一种积水路段预测方法，适用性广，能够对城市全区域降雨积水进行预测，起到良好的预警效果。
3.在中国专利文献上公开的“一种积水路段预测方法及装置”，其公开号为cn106448171b，提供一种积水路段预测方法及装置。所述方法包括：获取当前时间的降水量；在降水量与积水路段关系表中查找所述当前时间的降水量对应的积水路段集合，将所述积水路段集合包括的积水路段作为预测积水路段；其中，所述降水量与积水路段关系是通过历史数据统计获得的。所述装置用于执行上述方法。但是公开号为cn106448171b的中国专利具体的技术方案与本发明存在差距，并没有借助于不同的地势信息来进行预测。


技术实现要素：

4.本发明解决了现有的路段预测的应用范围小导致城市全区域降雨积水无法得到有效监控的问题，提出一种积水路段预测方法，根据各个路段的路面信息，结合降雨量和地势信息，建立历史时段模型，预测未来时段的积水信息，本发明的预测方法应用范围广，能够广泛适用于城市内涝防控中，针对于不同降雨量和地势信息进行准确预测，预测效率高。
5.为了实现上述目的，本发明采用以下技术方案：一种积水路段预测方法，包括以下步骤：s1，对若干个待测路段进行巡检，获取路段的路面信息，所述路面信息包括降雨量和地势信息，所述地势信息包括路面凹凸状况和坡度坡向状况；s2，根据地势信息确定疑似积水点及其位置，并得到疑似积水点在历史时段内的积水信息，根据积水信息，建立深度学习的历史时段模型，历史时段模型包括疑似积水点的位置与积水信息的映射关系；s3，根据天气信息获取未来时段的降雨量和疑似积水点的地势信息，预测未来时段的积水信息；
s4，将预测未来时段的积水信息进行核验，若核验值超过预设值，则更新历史时段模型。
6.本发明中，首先，确定待测路段，待测路段能够自行选择，分别获取待测路段的路面信息，即降雨量以及地势信息，地势信息具体为整个路段的路面凹凸状况以及坡度坡向状况；随后，确定各个疑似积水点以及对应的位置、积水信息，建立历史时段模型，利用历史时段模型进行预测，得到未来时段的积水信息；最后，对预测结果进行核验，保证预测的准确性。
7.作为优选，所述地势信息利用采集装置进行获取，具体包括以下步骤：s11，采集得到待测路段的整体路面凹凸状况，并初步筛选出平整度大于设定平整度的路段点；s12，采集各个筛选出的路段点的图像信息，根据拍摄距离与景深的关系，将图像信息中拍摄距离不同的点映射为不同的灰度值，得到灰度图信息，根据灰度图信息判断坡度坡向状况。
8.本发明中，在地势信息的采集过程中，首先获取待测路段的路面凹凸状况，对于凹凸程度较大，即平整度大的路段点，进行初步的筛选，设定的平整度指标为固定数值，对筛选出的路段点分别进行图像的采集处理，得到的灰度值信息能够很好的辨识出单独路段点内的凹凸状况以及坡度破向状况。
9.作为优选，所述步骤s2包括以下步骤：s21，根据灰度图信息筛选出疑似积水点，并对疑似积水点的位置进行标记；s22，按标记顺序依次采集疑似积水点的积水信息，其中，根据积水信息获取疑似积水点的面积；根据疑似积水点的面积结合地势信息，得到疑似积水点的最大深度；s23，分别建立疑似积水点的位置和疑似积水点的面积、疑似积水点的位置和疑似积水点的最大深度的历史时段模型，其中，疑似积水点的面积和疑似积水点的最大深度作为特征输入。
10.本发明中，疑似积水点选取后，需要进行标记编号；标记后进行红外图像信息的采集，获得疑似积水点的面积以及最大深度，最后建立历史时段模型，在不同的降雨量条件下，建立疑似积水点的位置和疑似积水点的面积、疑似积水点的位置和疑似积水点的最大深度的映射关系。
11.作为优选，所述步骤s22包括以下步骤：s221，采集疑似积水点的红外图像信息，根据积水区域中水的比热大于非积水区域的比热，故积水区域的温度小于非积水区域的温度；s222，将温度进行区间划分，设定若干个温度区间，分别对应有红外图像中不同的像素，像素高于设定值的区域为非积水区域，像素低于设定值的区域为积水区域，计算出红外图像信息中积水区域的面积；s223，根据红外图像信息中积水区域的面积与实际积水区域的面积关系，计算出实际积水区域的面积，即作为疑似积水点的面积；s224，由疑似积水点的面积以及地势信息，得到疑似积水点的空间体积信息，建立空间积水深度模型，求出疑似积水点的最大深度。
12.本发明中，对于采集疑似积水点的积水信息，具体的，通过红外图像采集的方式，
根据积水区域的温度与非积水区域的温度不同的情况，建立温度与像素的关系，并区分出积水区域和非积水区域，以积水区域的面积作为疑似积水点的面积。
13.作为优选，所述步骤s3包括以下步骤：s31，获取未来时段的天气信息，得到未来时段内的降雨量，确定疑似积水点以及位置；s32，遍历历史时段模型，找出最接近的降雨量条件下的疑似积水点的位置与积水信息的关系，分别确定未来时段内的疑似积水点的面积以及疑似积水点的最大深度。
14.本发明中，对于具体的预测过程，主要根据历史时段模型进行预测，选取最接近的降雨量条件，若存在相同的降雨量条件，则直接调用，若不存在相同的降雨量，则进行误差分析以及趋势分析，两者分别对应有不同的权重，将两者的权重叠加后取数值最小的条件进行调用。
15.作为优选，所述步骤s4包括以下步骤：s41，预测未来时段的积水信息包括预测的未来时段的疑似积水点的面积以及疑似积水点的最大深度，将其与实际未来时段的积水信息进行比对；s42，比对并求出预测未来时段的积水信息与实际未来时段的积水信息误差率，若误差率大于0.1%，则预测失败，对历史时段模型进行更新，若误差率小于0.1%，则视为预测准确。
16.本发明中，对预测结果的核验，主要与实际未来时段的积水信息进行比对，比对误差率过大时，需要对预测结果进行更新，预测未来时段的积水信息在通常情况下以安全原则进行，即在最终的预测结果上适当的增加疑似积水点的面积以及最大深度，但增加的疑似积水点的面积以及最大深度仅仅用于预测结果之后的预警过程，对预测结果的记录不产生影响。
17.作为优选，所述空间积水深度模型将疑似积水点的空间体积信息录入，每个疑似积水点对应有一个的空间体积信息，空间积水深度模型中的空间体积信息以图像的形式存在，输入空间体积信息的相应参数，找出对应的空间体积信息，输出疑似积水点的最大深度。
18.本发明中，空间积水深度模型能够存储于计算机中，既能够通过遍历的方法找出，也可以通过输入相应的参数进行调取，输入的相应的参数越精确，则相应的疑似积水点的最大深度越精确。
19.作为优选，所述灰度图信息中，拍摄距离对应有不同的灰度，根据灰度图信息则能确定路面的凹凸状况和坡度坡向状况。
20.本发明中，灰度图也可以转换为多个数值矩阵组合的形式，方便进行凹凸状况以及坡度坡向状况的确定。
21.作为优选，所述步骤s21具体为：灰度图信息中，灰度值最大的位置为凹坑，若凹坑的周围灰度值明显变小，即凹坑的周围灰度值与灰度值最大的位置的灰度值变化率超过10%，则该灰度值最大的位置为疑似积水点。
22.本发明中，在由灰度图信息确定疑似积水点后，还需要对疑似积水点的位置进行标记，以便于后续多个疑似积水点图像采集的进行。
23.作为优选，所述空间积水深度模型间隔固定时段进行更新，空间积水深度模型的
更新与路段的路面信息的更新同步。
24.本发明中，空间积水深度模型随着路段的路面信息的更新而进行更新，防止出现由于路面信息改变引起的预测不准确的问题。
25.本发明的有益效果是：本发明的一种积水路段预测方法，能够根据各个路段的路面信息，结合降雨量和地势信息，建立历史时段模型，预测未来时段的积水信息，本发明的预测方法应用范围广，能够广泛适用于城市内涝防控中，针对于不同降雨量和地势信息进行准确预测，预测效率高。
附图说明
26.图1是本发明一种积水路段预测方法的流程图。
具体实施方式
27.实施例：本实施例提出一种积水路段预测方法，参考图1，包括有多个步骤。
28.步骤s1，对多个待测路段进行巡检，获取路段的路面信息，路面信息包括降雨量和地势信息，地势信息包括路面凹凸状况和坡度坡向状况；具体的，可通过巡检车辆进行巡检，巡检车辆上设置有各种采集装置。
29.其中，包括有步骤s11，经过采集后，得到待测路段的整体路面凹凸状况，初步筛选出平整度大于设定平整度的路段点。具体的，采集采用激光检测仪或者其他的设备对整体路面凹凸状况进行检测，并依据平整度大小进行筛选。
30.步骤s12，采集各个筛选出的路段点的图像信息，根据拍摄距离与景深的关系，将图像信息中拍摄距离不同的点映射为不同的灰度值，得到灰度图信息，根据灰度图信息判断坡度坡向状况。具体的，灰度图信息中，拍摄距离对应有不同的灰度，根据灰度图信息则能确定路面的凹凸状况和坡度坡向状况。
31.步骤s2，由地势信息确定疑似积水点及其位置，并得到疑似积水点在历史时段内的积水信息，根据积水信息，建立深度学习的历史时段模型，历史时段模型包括疑似积水点的位置与积水信息的映射关系。具体的，该历史时段模型基于历史时段内不同的降雨量条件下进行建立。
32.其中，步骤s21，由灰度图信息筛选出疑似积水点，并对疑似积水点的位置进行标记；本实施例中，对于具体的标记方式，可在路段地图上直接标出，但并不仅仅局限于这种方式。
33.在步骤s21中，灰度图信息筛选的具体过程为：在灰度图信息中，首先，确定灰度值最大的位置，即为凹坑，如果凹坑的周围灰度值均明显变小，即凹坑的周围灰度值与灰度值最大的位置的灰度值变化率超过10%，那么该灰度值最大的位置为疑似积水点。本实施例中，在由灰度图信息确定疑似积水点后，还需要对疑似积水点的位置进行标记，以便于后续多个疑似积水点图像采集的进行。
34.步骤s22，按标记顺序依次采集疑似积水点的积水信息，其中，根据积水信息获取疑似积水点的面积；根据疑似积水点的面积结合地势信息，得到疑似积水点的最大深度。具体的，对于疑似积水点的面积以及最大深度的获取方法，参考子步骤。
35.其中，步骤s221，采集疑似积水点的红外图像信息，根据积水区域中水的比热大于非积水区域的比热，故积水区域的温度小于非积水区域的温度；本实施例中，采用红外相机进行采集，并在控制器中进行图像的处理。控制器为计算机。
36.步骤s222，将温度进行区间划分，并设定多个温度区间，分别对应有红外图像中不同的像素，像素高于设定值的区域为非积水区域，像素低于设定值的区域为积水区域，计算出红外图像信息中积水区域的面积。具体的，只需计算像素分布便能求出积水区域的面积。
37.步骤s223，根据红外图像信息中积水区域的面积与实际积水区域的面积关系，计算出实际积水区域的面积，即作为疑似积水点的面积，具体的，红外图像信息中积水区域的的面积与实际积水区域的面积关系成正比关系，正比关系的比例系统为固定数值。
38.步骤s224，根据疑似积水点的面积以及地势信息，得到疑似积水点的空间体积信息，建立空间积水深度模型，求出疑似积水点的最大深度。具体的，疑似积水点的最大深度为空间积水深度模型的输出。
39.对于空间积水深度模型，其将疑似积水点的空间体积信息录入，每个疑似积水点对应有一个的空间体积信息，空间积水深度模型中的空间体积信息以图像的形式存在，输入空间体积信息的相应参数，找出对应的空间体积信息，输出疑似积水点的最大深度。本实施例中，空间积水深度模型能够存储于计算机中，既能够通过遍历的方法找出，也可以通过输入相应的参数进行调取，输入的相应的参数越精确，则相应的疑似积水点的最大深度越精确。
40.步骤s3，根据天气信息获取未来时段的降雨量和疑似积水点的地势信息，预测未来时段的积水信息；具体的，预测过程包括以下子步骤。
41.其中，步骤s31，获取未来时段的天气信息，得到未来时段内的降雨量，确定疑似积水点以及位置。具体的，获取的方式为从气象台数据获取。
42.步骤s32，遍历历史时段模型，找出最接近的降雨量条件下的疑似积水点的位置与积水信息的关系，分别确定未来时段内的疑似积水点的面积以及疑似积水点的最大深度。具体的，将预测结果进行存储，并传输发送至核验端进行核验。
43.步骤s4，将预测未来时段的积水信息进行核验，若核验值超过预设值，则更新历史时段模型。具体的核验方式为误差率的比对，具体参考以下的步骤。
44.其中，步骤s41，预测未来时段的积水信息包括预测的未来时段的疑似积水点的面积以及疑似积水点的最大深度，将其与实际未来时段的积水信息进行比对；具体的，疑似积水点的面积以及疑似积水点的最大深度分别进行比对。
45.步骤s42，比对并求出预测未来时段的积水信息与实际未来时段的积水信息误差率，如果误差率大于0.1%，则预测失败，对历史时段模型进行更新，如果误差率小于0.1%，则视为预测准确。本实施例中，对预测结果的核验，主要与实际未来时段的积水信息进行比对，比对误差率过大时，需要对预测结果进行更新，预测未来时段的积水信息在通常情况下以安全原则进行，即在最终的预测结果上适当的增加疑似积水点的面积以及最大深度，但增加的疑似积水点的面积以及最大深度仅仅用于预测结果之后的预警过程，对预测结果的记录不产生影响。
46.此外，空间积水深度模型间隔固定时段进行更新，空间积水深度模型的更新与路段的路面信息的更新同步。本实施例中，空间积水深度模型随着路段的路面信息的更新而
进行更新，防止出现由于路面信息改变引起的预测不准确的问题。
47.本发明中，首先，确定待测路段，待测路段能够自行选择，分别获取待测路段的路面信息，即降雨量以及地势信息，地势信息具体为整个路段的路面凹凸状况以及坡度坡向状况；随后，确定各个疑似积水点以及对应的位置、积水信息，建立历史时段模型，利用历史时段模型进行预测，得到未来时段的积水信息；最后，对预测结果进行核验，保证预测的准确性。
48.本实施例中，在地势信息的采集过程中，首先获取待测路段的路面凹凸状况，对于凹凸程度较大，即平整度大的路段点，进行初步的筛选，设定的平整度指标为固定数值，对筛选出的路段点分别进行图像的采集处理，得到的灰度值信息能够很好的辨识出单独路段点内的凹凸状况以及坡度破向状况。
49.本实施例中，疑似积水点选取后，需要进行标记编号；标记后进行红外图像信息的采集，获得疑似积水点的面积以及最大深度，最后建立历史时段模型，在不同的降雨量条件下，建立疑似积水点的位置和疑似积水点的面积、疑似积水点的位置和疑似积水点的最大深度的映射关系。
50.本实施例中，对于采集疑似积水点的积水信息，具体的，通过红外图像采集的方式，根据积水区域的温度与非积水区域的温度不同的情况，建立温度与像素的关系，并区分出积水区域和非积水区域，以积水区域的面积作为疑似积水点的面积。
51.本实施例中，对于具体的预测过程，主要根据历史时段模型进行预测，选取最接近的降雨量条件，若存在相同的降雨量条件，则直接调用，若不存在相同的降雨量，则进行误差分析以及趋势分析，两者分别对应有不同的权重，将两者的权重叠加后取数值最小的条件进行调用。
52.本实施例中，灰度图也可以转换为多个数值矩阵组合的形式，方便进行凹凸状况以及坡度坡向状况的确定。
53.上述实施例是对本发明的进一步阐述和说明，以便于理解，并不是对本发明的任何限制，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。