CN117035375A - 基于电力数据的灾后评估及资源配置方法、装置和设备 - Google Patents
基于电力数据的灾后评估及资源配置方法、装置和设备 Download PDFInfo
- Publication number
- CN117035375A CN117035375A CN202311296326.9A CN202311296326A CN117035375A CN 117035375 A CN117035375 A CN 117035375A CN 202311296326 A CN202311296326 A CN 202311296326A CN 117035375 A CN117035375 A CN 117035375A
- Authority
- CN
- China
- Prior art keywords
- disaster
- resource allocation
- information
- value
- natural disaster
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000011156 evaluation Methods 0.000 title abstract description 14
- 238000013468 resource allocation Methods 0.000 claims abstract description 313
- 239000011159 matrix material Substances 0.000 claims description 65
- 230000008859 change Effects 0.000 claims description 25
- 238000012545 processing Methods 0.000 claims description 18
- 238000011176 pooling Methods 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 9
- 230000005611 electricity Effects 0.000 claims description 6
- 230000004927 fusion Effects 0.000 claims description 6
- 238000010606 normalization Methods 0.000 claims description 5
- 238000004364 calculation method Methods 0.000 claims description 2
- 238000004140 cleaning Methods 0.000 claims description 2
- 239000002699 waste material Substances 0.000 abstract description 3
- 238000010586 diagram Methods 0.000 description 21
- 230000011218 segmentation Effects 0.000 description 9
- 230000006870 function Effects 0.000 description 8
- 239000003814 drug Substances 0.000 description 7
- 239000000463 material Substances 0.000 description 7
- 230000002035 prolonged effect Effects 0.000 description 7
- 238000004891 communication Methods 0.000 description 6
- 230000008569 process Effects 0.000 description 6
- 238000011084 recovery Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 5
- 230000010339 dilation Effects 0.000 description 5
- 235000013305 food Nutrition 0.000 description 5
- 238000003062 neural network model Methods 0.000 description 4
- 238000013528 artificial neural network Methods 0.000 description 3
- 229940079593 drug Drugs 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 238000007781 pre-processing Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000000644 propagated effect Effects 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000004913 activation Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 238000001914 filtration Methods 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 239000013307 optical fiber Substances 0.000 description 1
- 238000011002 quantification Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 239000004065 semiconductor Substances 0.000 description 1
- 238000000638 solvent extraction Methods 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/08—Logistics, e.g. warehousing, loading or distribution; Inventory or stock management
- G06Q10/083—Shipping
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Marketing (AREA)
- General Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Public Health (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本公开的实施例公开了基于电力数据的灾后评估及资源配置方法、装置和设备。该方法的一具体实施方式包括:获取自然灾害区域信息;将自然灾害区域信息划分为自然灾害子区域信息集;根据每个自然灾害子区域信息的资源分配影响因素信息组,确定资源分配影响值集;根据每个自然灾害子区域信息的受灾影响程度信息组,确定受灾影响值,得到受灾影响值集;根据资源分配影响值和受灾影响值,确定资源分配值;对资源分配值集进行归一化,得到资源分配比例;根据资源分配比例,将对应应急资源运输至各个自然灾害子区域。该实施方式可以更加精确地确定应急资源的分配比例,减少对应急资源的浪费,以减少应急资源分配次数,从而提升资源运输的效率。
Description
技术领域
本公开的实施例涉及计算机技术领域,具体涉及基于电力数据的灾后评估及资源配置方法、装置和设备。
背景技术
应急资源配置包括:确定应急资源的分配比例、应急资源的运输。其中,应急资源运输是指在灾害事件发生时,根据不同的应急情况和需求,合理地将各种资源分配并运输到相应的区域或任务上,以支持应急工作的开展。对于应急资源配置,通常采用的方式为:基于灾害伤亡情况和应急资源总量,确定各个受灾地区的资源分配量并运输至各个受灾地区。
然而,发明人发现,当采用上述方式来配置应急资源,经常会存在如下技术问题:
第一,无法根据灾害伤亡情况合理的进行应急资源分配,在需求量较少的受灾区分配过多的应急资源会导致应急资源存在浪费,在需求量较多的受灾区分配过少的应急资源会导致应急资源无法满足需求,进而导致资源分配不合理,又由于再次调度应急资源会使用较多的人力物力,使得分配资源的周期变长,从而增加资源运输的时间,降低资源运输的效率。
第二,不能够对救灾区域进行合理的划分,导致难以确定对各个受灾区域进行救援的优先顺序,使得应急资源不能有针对性地进行分配,需要多次对应急资源进行调配,造成救援灾区的周期变长。
第三,难以快速的确定各个受灾区域所需的各种应急资源(例如,药品、食物)的具体分配情况,导致在实际救灾过程中增加了不必要的时间开销,使运输的应急资源不够及时,从而导致救援行动受到阻碍。由于再次组织救援行动会使用较多的人力物力资源,造成救灾的周期变长。
该背景技术部分中所公开的以上信息仅用于增强对本发明构思的背景的理解,并因此,其可包含并不形成本国的本领域普通技术人员已知的现有技术的信息。
发明内容
本公开的内容部分用于以简要的形式介绍构思,这些构思将在后面的具体实施方式部分被详细描述。本公开的内容部分并不旨在标识要求保护的技术方案的关键特征或必要特征,也不旨在用于限制所要求的保护的技术方案的范围。
本公开的一些实施例提出了基于电力数据的灾后评估及资源配置方法、装置和设备,来解决以上背景技术部分提到的技术问题中的一项或多项。
第一方面,本公开的一些实施例提供了一种基于电力数据的灾后评估及资源配置方法,包括:获取自然灾害区域信息;将自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集;对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:获取上述自然灾害子区域信息对应的资源分配影响因素信息组;确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组;根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集;根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集;根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集;对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例;根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
第二方面,本公开的一些实施例提供了一种基于电力数据的灾后评估及资源配置装置,包括:获取单元,被配置成获取自然灾害区域信息;划分单元,被配置成将自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集;执行单元,被配置成对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:获取上述自然灾害子区域信息对应的资源分配影响因素信息组;确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组;第一确定单元,被配置成根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集;第二确定单元,被配置成根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集;第三确定单元,被配置成根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集;归一化单元,被配置成对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例;运输单元,被配置成根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
第三方面,本公开的一些实施例提供了一种电子设备,包括:一个或多个处理器;存储装置,其上存储有一个或多个程序,当一个或多个程序被一个或多个处理器执行,使得一个或多个处理器实现如第一方面中任一实现方式描述的方法。
第四方面,本公开的一些实施例提供了一种计算机可读介质,其上存储有计算机程序,其中,程序被处理器执行时实现如第一方面中任一实现方式描述的方法。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的基于电力数据的灾后评估及资源配置方法,应急资源的运输效率有所提高。具体来说,
造成相关的基于电力数据的灾后评估及资源配置方法不够准确的原因在于:无法根据灾害伤亡情况合理的进行应急资源分配,在需求量较少的受灾区分配过多的应急资源会导致应急资源存在浪费,在需求量较多的受灾区分配过少的应急资源会导致应急资源无法满足需求,进而导致资源分配不合理,又由于再次调度应急资源会使用较多的人力物力,使得分配资源的周期变长,从而增加资源运输的时间,降低资源运输的效率。基于此,本公开的一些实施例的基于电力数据的灾后评估及资源配置方法,首先,获取自然灾害区域信息。在这里,可以得到自然灾害区域的信息。其次,将上述自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集。在这里,可以将应急资源按照划分后的子区域信息进行分配。再次,对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:第一步,获取上述自然灾害子区域信息对应的资源分配影响因素信息组。在这里,将自然灾害子区域的影响应急资源分配的指标数值化,为资源分配影响值的生成提供了数据基础。第二步,确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组。在这里,将自然灾害子区域的受灾情影响指标数值化,为受灾影响值的生成提供了数据基础。然后,根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集。在这里,综合各个影响应急资源分配的指标,生成能够表示客观条件(例如,应急资源分配点与受灾地区的距离远近)影响程度的资源分配影响值,为确定资源分配值提供了一部分数据基础。接着,根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。在这里,综合各个受灾情影响指标,生成能够表示受灾程度的灾害影响值,为资源分配值的生成提供了另一部分数据基础。继而,根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。在这里,将各个自然灾害子区域的所需的应急资源使用数值表示,以生成应急资源的分配比例。之后,对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例。在这里,能够实现对应急资源更加精确的划分,为运输应急资源至各个自然灾害子地区做准备。最后,根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。在这里,能够将精确分配的应急资源运输值各个自然灾害子区域,实现对应急资源更合理的分配。也因为通过多组指标对应急资源的分配进项划分,可以更全面的确定应急资源的分配情况,使得应急资源的分配结果更加精确,减少了应急资源的浪费,从而减少了应急资源分配的次数,缩短分配资源的周期,以减少资源运输的时间,提升资源运输的效率。
附图说明
结合附图并参考以下具体实施方式,本公开各实施例的上述和其他特征、优点及方面将变得更加明显。贯穿附图中,相同或相似的附图标记表示相同或相似的元素。应当理解附图是示意性的,元件和元素不一定按照比例绘制。
图1是根据本公开的基于电力数据的灾后评估及资源配置方法的一些实施例的流程图;
图2是根据本公开的基于电力数据的灾后评估及资源配置装置的一些实施例的结构示意图;
图3是适于用来实现本公开的一些实施例的电子设备的结构示意图。
具体实施方式
下面将参照附图更详细地描述本公开的实施例。虽然附图中显示了本公开的某些实施例,然而应当理解的是,本公开可以通过各种形式来实现,而且不应该被解释为限于这里阐述的实施例。相反,提供这些实施例是为了更加透彻和完整地理解本公开。应当理解的是,本公开的附图及实施例仅用于示例性作用,并非用于限制本公开的保护范围。
另外还需要说明的是,为了便于描述,附图中仅示出了与有关发明相关的部分。在不冲突的情况下,本公开中的实施例及实施例中的特征可以相互组合。
需要注意,本公开中提及的“第一”、“第二”等概念仅用于对不同的装置、模块或单元进行区分,并非用于限定这些装置、模块或单元所执行的功能的顺序或者相互依存关系。
需要注意,本公开中提及的“一个”、“多个”的修饰是示意性而非限制性的,本领域技术人员应当理解,除非在上下文另有明确指出,否则应该理解为“一个或多个”。
本公开实施方式中的多个装置之间所交互的消息或者信息的名称仅用于说明性的目的,而并不是用于对这些消息或信息的范围进行限制。
下面将参考附图并结合实施例来详细说明本公开。
参考图1,示出了根据本公开的基于电力数据的灾后评估及资源配置方法的一些实施例的流程100。上述基于电力数据的灾后评估及资源配置方法,包括以下步骤:
步骤101,获取自然灾害区域信息。
在一些实施例中,上述基于电力数据的灾后评估及资源配置方法的执行主体(例如,电子设备)可以获取自然灾害区域信息。其中,自然灾害区域可以是遭受自然灾害的地区。在实践中,自然灾害可以包括:地震、洪水。上述自然灾害区域信息可以是自然灾害区域的相关信息。上述相关信息可以包括:上述自然灾害区域的区域名称、上述自然灾害区域的区域范围大小信息。在实践中,针对地震灾害,自然灾害区域可以是受到地震影响的地区,自然灾害区域信息可以包括:受地震影响地区的占地面积信息、受地震影响地区的各个城镇名称信息。
作为示例,首先,上述执行主体可以通过互联网确定遭受自然灾害的区域。其次,根据上述遭受自然灾害的区域,确定上述自然灾害区域信息。
步骤102,将上述自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集。
在一些实施例中,上述执行主体可以将自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集。自然灾害子区域可以是上述自然灾害区域的子区域。上述自然灾害子区域信息可以是上述自然灾害子区域的相关信息。上述相关信息可以包括:上述自然灾害子区域的区域名称、上述自然灾害子区域的区域范围大小信息。在实践中,针对地震灾害,自然灾害子区域可以是受地震影响地区所包含的某个城市,自然灾害子区域信息可以包括:受地震影响城市的占地面积信息、受地震影响城市名称信息。
作为示例,上述执行主体可以根据上述自然灾害区域信息,确定位于自然灾害区域内的各个受灾城市区域信息,作为自然灾害子区域信息,得到自然灾害子区域信息集。
步骤103,对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:
步骤1031,获取上述自然灾害子区域信息对应的资源分配影响因素信息组。
在一些实施例中,上述执行主体可以获取上述自然灾害子区域信息对应的资源分配影响因素信息组。其中,资源分配影响因素可以是对应急资源进行分配时需要考虑的因素。例如,资源分配影响因素可以包括:自然灾害地区的人口分布、自然灾害地区的受灾影响密集度、自然灾害地区的经济发展程度。资源分配影响因素信息可以是上述资源分配影响因素的相关信息。在实践中,资源分配影响因素信息可以是资源分配影响因素具体量化后所形成的数值。对应的资源分配影响因素信息可以是能够影响上述自然灾害子区域信息的应急资源分配结果的资源分配影响因素信息。
作为示例,首先,上述执行主体可以根据上述自然灾害子区域信息,确定对应的资源分配影响因素。其次,根据预设的资源分配影响因素量化标准,对上述资源分配影响因素进行量化,得到资源分配影响因素值。最后,组合各个资源分配影响因素值,得到资源分配影响因素值组,作为资源分配影响因素信息组。
步骤1032,确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组。
在一些实施例中,上述执行主体可以确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组。其中,受灾影响程度可以是遭受自然灾害影响的严重程度。受灾影响程度信息可以是描述上述受灾影响程度的信息。在实践中,针对电力***,上述受灾影响程度信息可以包括:受灾地区的停电用户数、受灾地区的停电用户比例、受灾地区的平均停电时长、受灾地区的停电用户数变化率、受灾地区的停电用户比变化率、受灾地区的平均停电时长变化率。
作为示例,首先,上述执行主体可以根据上述自然灾害子区域信息,获取对应的自然灾害子区域的受灾影响程度,其次,将上述受灾影响程度进行量化,以生成受灾影响程度信息,得到受灾影响程度信息组。
在一些实施例的一些可选的实现方式中,上述确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,可以包括以下步骤:
第一步,获取上述自然灾害子区域信息中各个用户的电力相关数据,作为用户电力相关数据集,其中,电力相关数据包括:用户实时用电量、用户停电开始时间、用户停电结束时间、用户停电原因。
第二步,对上述用户电力相关数据集进行数据清洗,得到清洗后的用户电力相关数据集,作为清洗后电力相关数据集。
作为示例,上述执行主体可以从用户电力相关数据集中筛选出符合条件的用户电力相关数据,得到清洗后的用户电力相关数据集,作为清洗后电力相关数据集。其中,上述符合条件的用户电力相关数据可以是停电原因是自然灾害的用户电力相关数据。
第三步,根据上述清洗后电力相关数据集,生成上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组。
作为示例,首先,上述执行主体可以确定上述用户电力相关数据集中的用户总数,作为用户总数。其次,根据上述清洗后电力相关数据集,确定停电的用户数量,作为受灾地区的停电用户数。然后,将上述受灾地区的停电用户数除以上述用户总数,得到停电用户比例。再次,将上述清洗后电力相关数据集中的每个清洗后电力相关数据中的用户停电开始时间和用户停电结束时间相减,以生成每个用户的停电时长,得到用户停电时长集。接着,对上述用户停电时长集求平均,得到平均停电时长。最后,综合多个不同时刻下的停电的用户数量、停电用户比例、平均停电时长以生成停电用户数变化率、停电用户比变化率、平均停电时长变化率,得到上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组。
步骤104,根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集。
在一些实施例中,上述执行主体可以根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集。其中,资源分配影响值可以是影响资源分配结果的数值。对应的资源分配影响值可以是影响上述自然灾害子区域的应急资源分配结果的数值。其中,上述自然灾害子区域可以是上述自然灾害子区域信息所描述的区域。
作为示例,首先,上述执行主体可以通过德尔菲法,确定上述资源分配影响因素信息组中的每个资源分配影响因素信息对应的权重,作为德尔菲权重组。其次,根据德尔菲权重组,对上述资源分配影响因素信息组进行加权求和,以生成上述自然灾害子区域信息对应的资源分配影响值。
在一些实施例的一些可选的实现方式中,上述根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集,可以包括以下步骤:
第一步,对各个资源分配影响因素信息组进行组合,以生成资源分配影响因素信息矩阵,作为分配影响因素矩阵。其中,上述资源分配影响因素信息矩阵可以是由各个资源分配影响因素信息构成的矩阵。
作为示例,上述执行主体可以将资源分配影响因素信息组中的每个资源分配影响因素信息作为资源分配影响因素值矩阵中的行数值,对各个行数值进行组合,得到资源分配影响因素值矩阵。
第二步,对于上述分配影响因素矩阵中的每列数值,确定每列数值的中间数,以生成列中间数,作为影响因素中间数。其中,上述每列数值的中间数是小于每列数值的最大值且大于每列数值的最小值的数值。
作为示例,上述执行主体可以对每列数值的最大值和每列数值的最小值求平均,得到上述每列数值的中间数。
第三步,根据所得到的影响因素中间数集,对上述分配影响因素矩阵中的每列数值取模,以生成每列数值取模后的数值,得到取模后的分配影响因素矩阵,作为取模影响因素矩阵。
作为示例,首先,上述执行主体可以对上述分配影响因素矩阵中的每列数值和该列的中间数求差值,得到求差值以后的分配影响因素矩阵。其次,对上述求差值以后的分配影响因素矩阵中得到每个数值求绝对值,得到取模后的分配影响因素矩阵,作为取模影响因素矩阵。
第四步,确定上述取模影响因素矩阵中的每列数值的平均值,以生成每列数值的平均值,得到列平均值集,作为影响因素列平均值集。
第五步,根据上述影响因素列平均值集,对上述分配影响因素矩阵中的每个数值进行标准化,以生成标准化后的分配影响因素矩阵,作为标准化影响因素矩阵。
作为示例,上述执行主体可以用上述影响因素列平均值集中的每个影响因素列平均值对资源分配影响因素值矩阵中对应的资源分配影响因素值求商,以生成标准化后的分配影响因素矩阵,作为标准化影响因素矩阵。其中,对应的资源分配影响因素值可以是生成影响因素列平均值的列数据所在的列的数值。
第六步,确定上述标准化影响因素矩阵中的每列数值的平均数,以生成标准化影响因素列平均值,得到标准化影响因素列平均值集。
第七步,对上述标准化影响因素列平均值集中的每个标准化影响因素列平均值进行归一化,以生成资源分配影响因素权重,得到资源分配影响因素权重集。
作为示例,上述执行主体可以将上述标准化影响因素列平均值集中的每个标准化影响因素列平均值对标准化影响因素列平均值集的总和求商,以生成资源分配影响因素权重,得到资源分配影响因素权重集。其中,标准化影响因素列平均值集的总和可以是标准化影响因素列平均值集中的各个标准化影响因素列平均值相加得到的数值。
第八步,根据上述分配影响因素矩阵中的每行数值和上述资源分配影响因素权重集,确定上述自然灾害子区域信息集中每个自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集合。
作为示例,上述执行主体可以根据上述资源分配影响因素权重集,对上述分配影响因素矩阵中的每行数值进行加权求和,得到上述自然灾害子区域信息集中每个自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集合。
步骤105,根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。
在一些实施例中,上述执行主体可以根据自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。其中,受灾影响值可以是描述受灾影响程度大小的数值。上述自然灾害子区域信息对应的受灾影响值可以是描述自然灾害子区域的受灾影响程度的数值。
作为示例,上述执行主体可以通过模糊层次分析法,确定上述受灾影响程度信息组中的每个受灾影响程度信息对应的权重,作为模糊层次分析权重,得到模糊层次分析权重组。其次,根据上述模糊层次分析权重组,对上述受灾影响程度信息组进行加权求和,以生成上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。
在一些实施例的一些可选的实现方式中,上述根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集,可以包括以下步骤:
第一步,对各个受灾影响程度信息组进行组合,以生成受灾影响程度信息矩阵,作为受灾影响程度矩阵。
作为示例,上述执行主体可以将上述受灾影响程度信息组中的每个受灾影响程度信息作为受灾影响程度矩阵中的行数值,对各个行数值进行组合,得到受灾影响程度矩阵。
第二步,确定上述受灾影响程度矩阵中的每列数据中的最大值和最小值,以生成列最大值和列最小值,得到列最大值集和列最小值集。
第三步,根据上述列最大值集中的每个列最大值和列最小值集中的每个列最小值的对应关系,确定列最大值和列最小值的差值,得到列差值集。
第四步,根据上述列差值集和上述列最小值集,对上述受灾影响程度矩阵中的每列数据进行标准化,以生成每列数据标准化后的数据,得到标准化后的受灾影响程度矩阵,作为标准化影响程度矩阵。
作为示例,上述执行主体可以将受灾影响程度矩阵中的每个受灾影响程度值对列最小值集中对应的列最小值求差值,得到求差值后的受灾影响程度矩阵。其次,将求差值后的受灾影响程度矩阵中的每个求差值后的受灾影响程度值对列差值中对应的列差值求商,以生成每列数据标准化后的数据,得到标准化后的受灾影响程度矩阵,作为标准化影响程度矩阵。
第五步,确定上述标准化影响程度矩阵中的每一列数据的熵值,得到熵值集。其中,上述熵值是可以是信息熵的值。
作为示例,上述执行主体可以对上述标准化影响程度矩阵中的每一列数据求信息熵,得到熵值集。
第六步,根据上述熵值集,确定上述标准化影响程度矩阵中的每一列数据的权重,得到受灾影响程度权重集。
作为示例,上述执行主体可以将上述熵值集中的每个熵值对熵值集的总和求商,以生成上述标准化影响程度矩阵中的每一列数据的权重,得到受灾影响程度权重集。其中,熵值集的总和可以是熵值集中的各个熵值相加得到的数值。
第七步,根据上述受灾影响程度矩阵中的每行数据和受灾影响程度权重集,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。
作为示例,上述执行主体可以根据上述受灾影响程度权重集,对上述受灾影响程度矩阵中的每行数据进行加权求和,以生成上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。
步骤106,根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。
在一些实施例中,上述执行主体可以根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。其中,资源分配值可以是衡量应急资源分配数量的数值。对应的资源分配值可以是衡量自然灾害子区域分配应急资源数量的数值。
作为示例,上述执行主体可以将上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值相加,以生成上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。
在一些实施例的一些可选的实现方式中,上述根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集,可以包括以下步骤:
第一步,对上述资源分配影响值集中的每个资源分配影响值进行归一化,以生成归一化后的资源分配影响值,得到归一化资源分配影响值集。
第二步,对上述受灾影响值集中的每个受灾影响值进行归一化,以生成归一化后的受灾影响值,得到归一化受灾影响值集。
第三步,确定上述归一化资源分配影响值集和上述归一化受灾影响值集的方差值,分别作为资源分配影响方差值和受灾影响方差值。
第四步,根据上述资源分配影响方差值和上述受灾影响方差值,生成资源分配权重集。其中,上述资源分配权重集可以包括:上述归一化资源分配影响值集的权重和上述归一化受灾影响值集的权重。
第五步,根据上述资源分配权重集,对上述归一化资源分配影响值集和上述归一化受灾影响值集进行加权求和,以生成上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。
步骤107,对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例。
在一些实施例中,上述执行主体可以对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例。上述资源分配比例可以是用于分配应急资源的比例。
作为示例,上述执行主体可以根据归一化指数函数,对上述资源分配值集进行归一化,以生成受自然灾害区域的资源分配比例,作为资源分配比例。
步骤108,根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
在一些实施例中,上述执行主体可以根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
在一些实施例的一些可选的实现方式中,在上述根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域之后,上述方法还可以包括以下步骤:
第一步,对于上述自然灾害子区域信息集中的每个自然灾害子区域信息,获取上述自然灾害子区域信息对应的自然灾害子区域各个时刻的卫星图像,以生成自然灾害子区域信息的灾情实况图组,作为灾情实况图组,其中,上述灾情实况图组是以时间顺序排列的图组。
作为示例,上述执行主体可以通过卫星图像获取工具,获取上述自然灾害子区域信息对应的自然灾害子区域各个时刻的卫星图像。
第二步,对所得到的灾情实况图组集中的每个灾情实况图组中的每个灾情实况图,执行以下处理步骤:
第一子步骤,基于多个不同的卷积核,对上述灾情实况图进行卷积,以生成多个不同尺度的灾情实况图特征,得到灾情实况图特征组。
第二子步骤,对上述灾情实况图特征组中的每个灾情实况图特征进行最大池化,以生成最大池化后的灾情实况图特征,作为最大池化图特征,得到最大池化图特征组。
第三子步骤,对上述灾情实况图特征组中的每个灾情实况图特征进行平均池化,以生成平均池化后的灾情实况图特征,作为平均池化图特征,得到平均池化图特征组。
第四子步骤,对上述平均池化图特征组中的每个平均池化图特征和上述最大池化图特征组中的对应的最大池化图特征进行加权求和,以生成加权后的池化图特征,作为加权图特征,得到加权图特征组。其中,对应的最大池化图特征可以是与平均池化图特征存在对应关系的特征。上述对应关系可以是根据同一个灾情实况图特征生成的最大池化图特征和平均池化图特征之间的关系。
第五子步骤,将上述灾情实况图特征组中的每个灾情实况图特征与上述加权图特征组中的对应的加权图特征进行特征融合,以生成融合后的灾情实况图特征,作为融合灾情实况图特征,得到融合灾情实况图特征组。其中,对应的加权图特征可以是与灾情实况图特征存在对应关系的特征。其中,上述对应关系可以是根据灾情实况图特征生成的加权图特征与上述灾情实况图特征之间的关系。
作为示例,上述执行主体可以将上述灾情实况图特征组中的每个灾情实况图特征与上述加权图特征组中的对应的加权图特征进行相加,以生成融合后的灾情实况图特征,作为融合灾情实况图特征,得到融合灾情实况图特征组。
第六子步骤,对上述融合灾情实况图特征组中的各个融合灾情实况图特征进行特征合并,以生成合并后的灾情实况图特征,作为待识别特征。
作为示例,上述执行主体可以对上述融合灾情实况图特征组中的各个融合灾情实况图特征输入神经网络中,以生成单个灾情实况图特征,作为合并后的灾情实况图特征。
第三步,对所得到的待识别特征组集中的每个待识别特征组中的首个待识别特征与上述待识别特征组中的其他待识别特征进行相似度计算,以生成至少一个待识别特征相似度,作为特征相似度组,得到特征相似度组集。
第四步,根据上述特征相似度组集中的每个特征相似度组中的特征相似度变化趋势,确定上述自然灾害子区域信息集中每个自然灾害子区域信息的灾情变化信息,得到灾情变化信息集。其中,特征相似度变化趋势可以是特征相似度组中的特征相似度呈现规律变化的趋势。在实践中,规律变化可以包括:逐渐变大的变化、逐渐变小的变化。上述灾情变化信息可以是灾情的变化情况。在实践中,上述灾情变化信息通常包括:灾情恶化信息、灾情好转信息。
第五步,根据上述灾情变化信息集,对上述资源分配比例进行更新,得到更新后的资源分配比例。
作为示例,上述执行主体可以根据上述灾情变化信息集中的每个灾情变化信息,对相应的资源分配值增加或者减少特定的数值,得到更新后的资源分配值集。其次,对上述更新后的资源分配值集再次归一化,得到更新后的资源分配比例。其中,相应的资源分配值可以是上述灾情变化信息对应的自然灾害子区域信息对应的资源分配值。上述特定的数值可以是预设的数值。
第六步,根据上述灾情变化信息集,确定向上述自然灾害子区域信息运输应急资源的顺序,作为应急资源运输顺序。
作为示例,上述执行主体可以将各个灾情恶化的自然灾害子区域信息的运输优先级提升一级,得到应急资源运输顺序。
第七步,根据上述更新后的资源分配比例、自然灾害类型和上述应急资源运输顺序,使用运输装置,将对应应急资源按顺序运输至各个自然灾害子区域信息对应的自然灾害子区域。其中,上述运输装置可以是受自然灾害影响较小的运输装置。在实践中,针对洪水灾害,运输装置可以是橡皮艇。
在一些实施例的一些可选的实现方式中,上述将上述自然灾害区域划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集,可以包括以下步骤:
第一步,获取上述自然灾害区域信息对应的卫星图像。其中,上述卫星图像可以是装载在卫星上的遥感器拍摄的图像。对应的卫星图像可以是自然灾害区域的卫星图像。其中,上述自然灾害区域是上述自然灾害区域信息所描述的区域。
作为示例,上述执行主体可以通过卫星图像获取工具,获取上述自然灾害区域信息对应的卫星图像。
第二步,对上述卫星图像进行预处理,得到预处理后的卫星图像,作为预处理卫星图像。
作为示例,首先,上述执行主体可以对上述卫星图像进行缩放,得到缩放后的卫星图像。其次,对上述缩放后的卫星图像进行高斯滤波,以去除卫星图像的噪声,得到去噪后的卫星图像。最后,对上述去噪后的卫星图像进行增强,得到增强后的卫星图像,作为预处理后的卫星图像。
第三步,对上述预处理卫星图像进行多次不同的卷积,以生成多个不同的图像特征,作为图像特征组。其中,上述图像特征组中的各个图像特征的尺度互不相同。
作为示例,上述执行主体可以根据多个不同大小的卷积核,对上述预处理卫星图像进行卷积,以生成多个不同的图像特征,作为图像特征组。
第四步,对上述图像特征组中的每个图像特征进行逐点卷积,以生成逐点卷积后的图像特征,得到逐点卷积后的图像特征组,作为逐点图像特征组。
第五步,将上述图像特征组中的各个图像特征进行特征合并,以生成合并后的图像特征,作为合并图像特征。
作为示例,上述执行主体可以将上述图像特征组中的各个图像特征输入至神经网络中,以生成合并后的图像特征,作为合并图像特征。其中,上述神经网络可以是多层感知机(Multilayer Perceptron,MLP)。
第六步,对上述合并图像特征进行多次不同的卷积,得到多个不同尺度的合并图像特征,作为合并图像特征组。
第七步,将上述合并图像特征组与上述逐点图像特征组组合,以生成图像特征集。
第八步,对上述图像特征集中的每个图像特征进行卷积,以生成卷积后的图像特征,得到卷积后图像特征集。
第九步,对上述卷积后图像特征集中的每个卷积后图像特征进行下采样,以生成下采样后的图像特征,得到下采样图像特征集。
作为示例,上述执行主体可以对上述卷积后图像特征集中的每个卷积后图像特征进行步幅为2的卷积,以生成下采样后的图像特征,得到下采样图像特征集。
第十步,将上述下采样图像特征集中的每个下采样图像特征和对应的上述卷积后图像特征集中的每个卷积后图像特征进行特征融合,以生成融合后的图像特征,作为初级图像特征,得到初级图像特征集。其中,上述对应的上述卷积后图像特征集中的每个卷积后图像特征可以是与下采样图像特征维度相同的卷积后图像特征。
作为示例,上述执行主体可以将上述下采样图像特征集中的每个下采样图像特征和对应的上述卷积后图像特征集中的每个卷积后图像特征对应相加,以生成融合后的图像特征,作为初级图像特征,得到初级图像特征集。
第十一步,对上述初级图像特征集中的每个初级图像特征,执行以下处理步骤:
第一子步骤,对上述初级图像特征进行多次扩张卷积,以生成多个扩张卷积图像特征,作为扩张卷积图像特征组。其中,上述扩张卷积图像特征可以是经过扩张卷积操作之后生成的图像特征。
作为示例,上述执行主体可以根据多个不同的膨胀率,对上述初级图像特征进行扩张卷积,以生成多个扩张卷积图像特征,作为扩张卷积图像特征组。其中,上述膨胀率可以是用于描述卷积核采样点之间的间隔大小的参数。
第二子步骤,对上述扩张卷积图像特征组中的各个扩张卷积图像特征之间进行拼接,以生成拼接后的扩张卷积图像特征,作为拼接图像特征。
第三子步骤,对上述拼接图像特征进行至少一次卷积,以生成卷积后的拼接图像特征,作为中级图像特征。其中,上述中级图像特征经过卷积的上述拼接图像特征。
第四子步骤,对上述初级图像特征进行全局平均池化,以生成池化后的初级图像特征,作为池化图像特征。
第五子步骤,将上述中级图像特征和上述池化图像特征进行特征融合,以生成融合后的图像特征,作为高级图像特征。其中,上述高级图像特征可以是将中级图像特征和池化图像特征融合之后的特向特征。上述初级图像特征、中级图像特征、高级图像特征本质上可以是经过不同的处理步骤得到的图像特征,在此处,使用“初级”、“中级”、“高级”对其进行区分。
作为示例,上述执行主体可以将上述中级图像特征和上述池化图像特征对应相乘,以生成融合后的图像特征,作为高级图像特征。
第六子步骤,对上述高级图像特征进行非线性化激活,以生成非线性化激活后的高级图像特征,作为激活图像特征。
第七子步骤,对上述激活图像特征中的每个特征点生成多个候选图像区域,得到候选图像区域集,其中,特征点可以是通过特征点检测算法生成的点,并且该点可以包括上述激活图像中的至少一个像素点。其中,上述像素点可以是所含特征区别于周围像素的点。上述候选图像区域可以是多个用于确定自然灾害图像子区域的图像区域。
作为示例,上述执行主体可以将上述特征点作为锚点,根据多个不同的区域长宽比例(例如,区域长宽比例可以是1:1),生成多个候选图像区域,得到候选图像区域集。其中,候选图像区域的长或宽是预设数值的长或宽。
第八子步骤,去除上述候选图像区域集中重叠度大于预设阈值的候选图像区域,以生成过滤后的候选图像区域集,作为自然灾害图像子区域集。其中,上述重叠度可以是两个候选图像区域的重合部分占候选图像区域的百分比。例如,重叠度可以是95%。
作为示例,首先,上述执行主体可以确定上述候选图像区域集中的各个候选图像区域的重叠度。其次,根据预设阈值,从上述候选图像区域集中去除重叠度大于预设阈值的候选图像区域,以生成过滤后的候选图像区域集,作为自然灾害图像子区域集。
第十二步,获取自然灾害区域对应的未遭受自然灾害的卫星图像,作为对照图像。其中,上述自然灾害区域对应的未遭受自然灾害的卫星图像可以是发生自然灾害之前的上述自然灾害区域的卫星图像。
第十三步,根据行政区划图,在对照图像上划分出各个行政区,得到行政区划分后的对照图像。
作为示例,上述执行主体可以根据上述对照图像与上述行政区划图之间的对应关系,在对照图像上划分出各个行政区,得到行政区划分后的对照图像。其中,上述对应关系可以是上述对照图像所描述的区域与行政区划图中所描述的区域是同一区域的关系。
第十四步,根据上述自然灾害图像子区域集和上述行政区划分后的对照图像,将自然灾害区域划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集。
作为示例,上述执行主体根据图像内容的重合部分,将自然灾害图像子区域和行政区划分后的对照图像进行匹配,得到匹配后的图像区域。其次,将匹配后的图像区域中所涉及的行政区域信息,作为自然灾害子区域信息。其中,上述图像内容的重合部分是根据图像内容中地形的图像纹理特征确定的重合部分。
上述第一步至第十四步,作为本公开的一个发明点,解决了背景技术提及的技术问题二,即“不能够对救灾区域进行合理的划分,导致难以确定对各个受灾区域进行救援的优先顺序,使得应急资源不能有针对性地进行分配,需要多次对应急资源进行调配,造成救援灾区的周期变长”。考虑到不同的受灾区域的受灾情况不同,根据不同的受灾情况对受灾区域进行划分,可以将应急资源有顺序有针对性的分配,能够提升救灾的效率。通过按照受灾严重程度对受灾区域进行划分,可以避免应急资源的不均衡分配和过度集中,能够有效解决上述问题。因此,本公开通过图像识别技术对受灾区域进行识别,以确定各个受灾程度不同的区域,再与标准行政划分区域相结合,能够生成更合理的受灾区域划分结果。根据受灾区域划分结果,可以更好地了解不同地区的需求和灾情程度,确保资源更加高效地使用在各个受灾区域,提高救援效果,减少应急资源的调配次数,缩短救援灾区的周期。
在一些实施例的一些可选的实现方式中,在上述根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域之后,上述方法还可以包括以下步骤:
第一步,构建应急资源分配情况数据集。其中,应急资源分配情况数据可以包括:输入序列数据、输出序列数据。上述输入序列数据可以包括:上述自然灾害子区域信息、位于自然灾害子区域的用户数量、用户的实时用电总量、自然灾害名称。上述输出序列数据可以包括:各种应急资源的名称、各种应急资源的数量。
作为示例,首先,上述执行主体可以获取当前时间之前一段时间内的遭受过自然灾害的各个地区的未处理的应急资源分配情况数据。其中,一段时间可以是预设的一段时间。未处理的应急资源分配情况数据可以包括:自然灾害子区域信息、位于自然灾害子区域的用户数量、用户的实时用电量、自然灾害类型、各种应急资源的名称、各种应急资源的数量。其次,将未处理的应急资源分配情况数据中的自然灾害子区域信息、位于自然灾害子区域的用户数量、用户的实时用电量、自然灾害类型进行拼接,以生成输入序列数据。例如,自然灾害子区域信息可以是256平方公里。位于自然灾害子区域的用户数量可以是20万。用户的实时用电总量可以是10万千瓦时。自然灾害类型可以是地震。那么,输入序列数据可以是256平方公里-20万-10万千瓦时-地震。再次,按照预设的刻度值,将上述未处理的应急资源分配情况数据中的每种应急资源的数量进行划分,以生成划分后的应急资源数量类别。然后,将划分后的应急资源数量类别和对应应急资源种类进行拼接,以生成输出序列数据。例如,存在三个自然灾害子区域,各个地区的每种应急资源数量分别是:药品(10千克、12千克、18千克)、食品(1吨、1.5吨、4.5吨)。预设的刻度值分别为5(药品)、2(食品)。则药品可以被划分为两类:大于等于10千克且小于15千克,大于等于15千克且小于20千克。食品可以被划分为两类:大于等于1吨且小于3吨,大于等于3吨且小于5吨。那么,输出序列数据可被表示为:“药品(大于等于10千克且小于15千克)-食品(大于等于1吨且小于3吨)”、“药品(大于等于10千克且小于15千克)-食品(大于等于1吨且小于3吨)”、“药品(大于等于15千克且小于20千克)-食品(大于等于3吨且小于5吨)”。最后,根据输入序列数据和输出序列数据的一一对应关系,构建输入序列数据和输出序列数据的数据对,以生成应急资源分配情况数据,得到应急资源分配情况数据集。
第二步,对上述应急资源分配情况数据集进行数据预处理,得到预处理后的应急资源分配情况数据集,作为预处理数据集。
作为示例,首先,上述执行主体可以对将上述应急资源分配情况数据集中的每个应急资源分配情况数据进行分词,以生成分词后的应急资源分配情况数据,作为分词数据,得到分词数据集。其次,根据上述分词数据集,生成词典。其中,上述词典可以是分词后的词语和唯一表示数值构成的键值对。上述唯一表示数值可以是分词后的词语在词典中的顺序序号。然后,在上述分词数据集中的每个分词数据的首尾分别拼接上开始标记和结束标记,以生成标记后的分词数据,得到标记后分词数据集。最后,根据上述词典,将上述标记后分词数据集中的每个分词标记后分词数据转换成特征向量表示,得到预处理后的应急资源分配情况数据集,作为预处理数据集。
第三步,对于预处理数据集中的每条预处理数据,执行以下处理步骤:
第一子步骤,将上述预处理数据输入至编码器模型,以生成预处理数据的特征向量表示,作为输入特征向量表示,其中,上述编码器模型是由多层转换器(transformer)网络构成的模型。
第二子步骤,将上述输入特征向量表示输入至解码器模型,以生成预处理数据的解码特征向量表示,作为解码特征向量表示,其中,上述解码器模型是由多层转换器网络构成的模型。
第三子步骤,将上述解码特征向量表示输入分类器,以预测自然灾害子区域所需的应急资源种类和每种应急资源的数量,作为预测数据。其中,上述分类器可以是多层感知机。
第四子步骤,确定上述预测数据与上述输出序列数据的损失,作为模型损失。其中,上述模型损失可以是交叉熵损失(Cross-entropy loss)。
第五子步骤,根据上述模型损失,对上述编码器模型和上述解码器模型进行更新,以生成更新后的编码器模型和解码器模型,作为候选模型。
第四步,根据预设的评价指标,从候选模型集中选取评价指标最高的候选模型,作为应急资源分配信息预测神经网络模型。
第五步,将待预测输入序列数据集输入至应急资源分配信息预测神经网络模型,以生成应急资源的具体分配信息,得到应急资源的具体分配信息集。其中,上述待预测输入序列数据集可以是待预测输入序列数据的集合。上述待预测输入序列数据是上述自然灾害子区域信息的各个应急资源分配情况数据中的输入序列数据。
第六步,根据上述应急资源的具体分配信息集,使用运输装置,将对应的应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。其中,运输装置可以是受自然灾害影响较小的运输装置。
上述第一步至第六步,作为本公开的一个发明点,解决了背景技术提及的技术问题三,即“难以快速的确定各个受灾区域所需的各种应急资源(例如,药品、食物)的具体分配情况,导致在实际救灾过程中增加了不必要的时间开销,使运输的应急资源不够及时,从而导致救援行动受到阻碍。由于再次组织救援行动会使用较多的人力物力资源,造成救灾的周期变长”。考虑到不同的自然灾害需要的应急资源种类和每种应急资源的数量不同,快速高效地生成应急资源的具体分配信息,能够节省确定应急资源分配的决策时间,更快地将应急物资运输至受灾地区,提升救灾效率。通过应急资源分配信息预测神经网络模型,可以快速准确地对应急资源的具体分配信息进行预测,能够有效地解决上述问题。因此,本公开通过将应急资源分配情况数据输入至应急资源分配信息预测神经网络模型,能够快速准确地确定应急资源的具体分配信息,节省了确定应急资源分配的决策时间,更快地将应急物资运输至自然灾害地区,提升救灾效率,缩短救灾的周期。
本公开的上述各个实施例具有如下有益效果:通过本公开的一些实施例的基于电力数据的灾后评估及资源配置方法,应急资源的运输效率有所提高。具体来说,造成相关的基于电力数据的灾后评估及资源配置方法不够准确的原因在于:无法根据灾害伤亡情况合理的进行应急资源分配,在需求量较少的受灾区分配过多的应急资源会导致应急资源存在浪费,在需求量较多的受灾区分配过少的应急资源会导致应急资源无法满足需求,进而导致资源分配不合理,又由于再次调度应急资源会使用较多的人力物力,使得分配资源的周期变长,从而增加资源运输的时间,降低资源运输的效率。基于此,本公开的一些实施例的基于电力数据的灾后评估及资源配置方法,首先,获取自然灾害区域信息。在这里,可以得到自然灾害区域的信息。其次,将上述自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集。在这里,可以将应急资源按照划分后的子区域信息进行分配。再次,对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:第一步,获取上述自然灾害子区域信息对应的资源分配影响因素信息组。在这里,将自然灾害子区域的影响应急资源分配的指标数值化,为资源分配影响值的生成提供了数据基础。第二步,确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组。在这里,将自然灾害子区域的受灾情影响指标数值化,为受灾影响值的生成提供了数据基础。然后,根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集。在这里,综合各个影响应急资源分配的指标,生成能够表示客观条件(例如,应急资源分配点与受灾地区的距离远近)影响程度的资源分配影响值,为确定资源分配值提供了一部分数据基础。接着,根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。在这里,综合各个受灾情影响指标,生成能够表示受灾程度的灾害影响值,为资源分配值的生成提供了另一部分数据基础。继而,根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。在这里,将各个自然灾害子区域的所需的应急资源使用数值表示,以生成应急资源的分配比例。之后,对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例。在这里,能够实现对应急资源更加精确的划分,为运输应急资源至各个自然灾害子地区做准备。最后,根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。在这里,能够将精确分配的应急资源运输值各个自然灾害子区域,实现对应急资源更合理的分配。也因为通过多组指标对应急资源的分配进项划分,可以更全面的确定应急资源的分配情况,使得应急资源的分配结果更加精确,减少了应急资源的浪费,从而减少了应急资源分配的次数,缩短分配资源的周期,以减少资源运输的时间,提升资源运输的效率。
进一步参考图2,作为对上述各图所示方法的实现,本公开提供了一种基于电力数据的灾后评估及资源配置装置的一些实施例,这些装置实施例与图1所示的那些方法实施例相对应,上述基于电力数据的灾后评估及资源配置装置具体可以应用于各种电子设备中。
如图2所示,一种基于电力数据的灾后评估及资源配置装置200包括:获取单元201、划分单元202、执行单元203、第一确定单元204、第二确定单元205、第三确定单元206、归一化单元207和运输单元208。其中,获取单元201被配置成:获取自然灾害区域信息。划分单元202被配置成:将自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集。执行单元203被配置成:对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:获取上述自然灾害子区域信息对应的资源分配影响因素信息组;确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组。第一确定单元204被配置成:根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集。第二确定单元205被配置成:根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。第三确定单元206被配置成:根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。归一化单元207被配置成:对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例。运输单元208被配置成:根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
可以理解的是,该基于电力数据的灾后评估及资源配置装置200中记载的诸单元与参考图1描述的方法中的各个步骤相对应。由此,上文针对方法描述的操作、特征以及产生的有益效果同样适用于基于电力数据的灾后评估及资源配置装置200及其中包含的单元,在此不再赘述。
下面参考图3,其示出了适于用来实现本公开的一些实施例的电子设备(例如,电子设备)300的结构示意图。图3示出的电子设备仅仅是一个示例,不应对本公开的实施例的功能和使用范围带来任何限制。
如图3所示,电子设备300可以包括处理装置(例如中央处理器、图形处理器等)301,其可以根据存储在只读存储器(ROM)302中的程序或者从存储装置308加载到随机访问存储器(RAM)303中的程序而执行各种适当的动作和处理。在RAM 303中,还存储有电子设备300操作所需的各种程序和数据。处理装置301、ROM 302以及RAM 303通过总线304彼此相连。输入/输出(I/O)接口305也连接至总线304。
通常,以下装置可以连接至I/O接口305:包括例如触摸屏、触摸板、键盘、鼠标、摄像头、麦克风、加速度计、陀螺仪等的输入装置306;包括例如液晶显示器(LCD)、扬声器、振动器等的输出装置307;包括例如磁带、硬盘等的存储装置308;以及通信装置309。通信装置309可以允许电子设备300与其他设备进行无线或有线通信以交换数据。虽然图3示出了具有各种装置的电子设备300,但是应理解的是,并不要求实施或具备所有示出的装置。可以替代地实施或具备更多或更少的装置。图3中示出的每个方框可以代表一个装置,也可以根据需要代表多个装置。
特别地,根据本公开的一些实施例,上文参考流程图描述的过程可以被实现为计算机软件程序。例如,本公开的一些实施例包括一种计算机程序产品,其包括承载在计算机可读介质上的计算机程序,该计算机程序包含用于执行流程图所示的方法的程序代码。在这样的一些实施例中,该计算机程序可以通过通信装置309从网络上被下载和安装,或者从存储装置308被安装,或者从ROM 302被安装。在该计算机程序被处理装置301执行时,执行本公开的一些实施例的方法中限定的上述功能。
需要说明的是,本公开的一些实施例上述的计算机可读介质可以是计算机可读信号介质或者计算机可读存储介质或者是上述两者的任意组合。计算机可读存储介质例如可以是——但不限于——电、磁、光、电磁、红外线、或半导体的***、装置或器件,或者任意以上的组合。计算机可读存储介质的更具体的例子可以包括但不限于:具有一个或多个导线的电连接、便携式计算机磁盘、硬盘、随机访问存储器(RAM)、只读存储器(ROM)、可擦式可编程只读存储器(EPROM或闪存)、光纤、便携式紧凑磁盘只读存储器(CD-ROM)、光存储器件、磁存储器件、或者上述的任意合适的组合。在本公开的一些实施例中,计算机可读存储介质可以是任何包含或存储程序的有形介质,该程序可以被指令执行***、装置或者器件使用或者与其结合使用。而在本公开的一些实施例中,计算机可读信号介质可以包括在基带中或者作为载波一部分传播的数据信号,其中承载了计算机可读的程序代码。这种传播的数据信号可以采用多种形式,包括但不限于电磁信号、光信号或上述的任意合适的组合。计算机可读信号介质还可以是计算机可读存储介质以外的任何计算机可读介质,该计算机可读信号介质可以发送、传播或者传输用于由指令执行***、装置或者器件使用或者与其结合使用的程序。计算机可读介质上包含的程序代码可以用任何适当的介质传输,包括但不限于:电线、光缆、RF(射频)等等,或者上述的任意合适的组合。
在一些实施方式中,客户端、服务器可以利用诸如HTTP(HyperText TransferProtocol,超文本传输协议)之类的任何当前已知或未来研发的网络协议进行通信,并且可以与任意形式或介质的数字数据通信(例如,通信网络)互连。通信网络的示例包括局域网(“LAN”),广域网(“WAN”),网际网(例如,互联网)以及端对端网络(例如,ad hoc端对端网络),以及任何当前已知或未来研发的网络。
上述计算机可读介质可以是上述电子设备中所包含的;也可以是单独存在,而未装配入该电子设备中。上述计算机可读介质承载有一个或者多个程序,当上述一个或者多个程序被该电子设备执行时,使得该电子设备:获取自然灾害区域信息;将上述自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集;对上述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:获取上述自然灾害子区域信息对应的资源分配影响因素信息组;确定上述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组;根据每个自然灾害子区域信息的资源分配影响因素信息组,确定上述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集;根据每个自然灾害子区域信息的受灾影响程度信息组,确定上述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集;根据上述资源分配影响值集中的每个资源分配影响值和上述受灾影响值集中的每个受灾影响值,确定上述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集;对上述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例;根据上述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
可以以一种或多种程序设计语言或其组合来编写用于执行本公开的一些实施例的操作的计算机程序代码,上述程序设计语言包括面向对象的程序设计语言—诸如Java、Smalltalk、C++,还包括常规的过程式程序设计语言—诸如“C”语言或类似的程序设计语言。程序代码可以完全地在用户计算机上执行、部分地在用户计算机上执行、作为一个独立的软件包执行、部分在用户计算机上部分在远程计算机上执行、或者完全在远程计算机或服务器上执行。在涉及远程计算机的情形中,远程计算机可以通过任意种类的网络——包括局域网(LAN)或广域网(WAN)——连接到用户计算机,或者,可以连接到外部计算机(例如利用因特网服务提供商来通过因特网连接)。
附图中的流程图和框图,图示了按照本公开各种实施例的***、方法和计算机程序产品的可能实现的体系架构、功能和操作。在这点上,流程图或框图中的每个方框可以代表一个模块、程序段、或代码的一部分,该模块、程序段、或代码的一部分包含一个或多个用于实现规定的逻辑功能的可执行指令。也应当注意,在有些作为替换的实现中,方框中所标注的功能也可以以不同于附图中所标注的顺序发生。例如,两个接连地表示的方框实际上可以基本并行地执行,它们有时也可以按相反的顺序执行,这依所涉及的功能而定。也要注意的是,框图和/或流程图中的每个方框、以及框图和/或流程图中的方框的组合,可以用执行规定的功能或操作的专用的基于硬件的***来实现,或者可以用专用硬件与计算机指令的组合来实现。
描述于本公开的一些实施例中的单元可以通过软件的方式实现,也可以通过硬件的方式来实现。所描述的单元也可以设置在处理器中,例如,可以描述为:一种处理器包括获取单元、划分单元、执行单元、第一确定单元、第二确定单元、第三确定单元、归一化单元和运输单元。其中,这些单元的名称在某种情况下并不构成对该单元本身的限定,例如,获取单元还可以被描述为“获取自然灾害区域信息的单元”。
本文中以上描述的功能可以至少部分地由一个或多个硬件逻辑部件来执行。例如,非限制性地,可以使用的示范类型的硬件逻辑部件包括:现场可编程门阵列(FPGA)、专用集成电路(ASIC)、专用标准产品(ASSP)、片上***(SOC)、复杂可编程逻辑设备(CPLD)等等。
以上描述仅为本公开的一些较佳实施例以及对所运用技术原理的说明。本领域技术人员应当理解,本公开的实施例中所涉及的发明范围,并不限于上述技术特征的特定组合而成的技术方案,同时也应涵盖在不脱离上述发明构思的情况下,由上述技术特征或其等同特征进行任意组合而形成的其它技术方案。例如上述特征与本公开的实施例中公开的(但不限于)具有类似功能的技术特征进行互相替换而形成的技术方案。
Claims (9)
1.一种基于电力数据的灾后评估及资源配置方法,包括:
获取自然灾害区域信息;
将所述自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集;
对所述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:
获取所述自然灾害子区域信息对应的资源分配影响因素信息组;
确定所述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组;
根据每个自然灾害子区域信息的资源分配影响因素信息组,确定所述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集;
根据每个自然灾害子区域信息的受灾影响程度信息组,确定所述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集;
根据所述资源分配影响值集中的每个资源分配影响值和所述受灾影响值集中的每个受灾影响值,确定所述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集;
对所述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例;
根据所述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
2.根据权利要求1所述的方法,其中,所述确定所述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,包括:
获取所述自然灾害子区域信息中各个用户的电力相关数据,作为用户电力相关数据集,其中,电力相关数据包括:用户实时用电量、用户停电开始时间、用户停电结束时间、用户停电原因;
对所述用户电力相关数据集进行数据清洗,得到清洗后的用户电力相关数据集,作为清洗后电力相关数据集;
根据所述清洗后电力相关数据集,生成所述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组。
3.根据权利要求1所述的方法,其中,所述根据每个自然灾害子区域信息的资源分配影响因素信息组,确定所述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集,包括:
对各个资源分配影响因素信息组进行组合,以生成资源分配影响因素信息矩阵,作为分配影响因素矩阵;
对于所述分配影响因素矩阵中的每列数值,确定每列数值的中间数,以生成列中间数,作为影响因素中间数;
根据所得到的影响因素中间数集,对所述分配影响因素矩阵中的每列数值取模,以生成每列数值取模后的数值,得到取模后的分配影响因素矩阵,作为取模影响因素矩阵;
确定所述取模影响因素矩阵中的每列数值的平均值,以生成每列数值的平均值,得到列平均值集,作为影响因素列平均值集;
根据所述影响因素列平均值集,对所述分配影响因素矩阵中的每个数值进行标准化,以生成标准化后的分配影响因素矩阵,作为标准化影响因素矩阵;
确定所述标准化影响因素矩阵中的每列数值的平均数,以生成标准化影响因素列平均值,得到标准化影响因素列平均值集;
对所述标准化影响因素列平均值集中的每个标准化影响因素列平均值进行归一化,以生成资源分配影响因素权重,得到资源分配影响因素权重集;
根据所述分配影响因素矩阵中的每行数值和所述资源分配影响因素权重集,确定所述自然灾害子区域信息集中每个自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集合。
4.根据权利要求1所述的方法,其中,所述根据每个自然灾害子区域信息的受灾影响程度信息组,确定所述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集,包括:
对各个受灾影响程度信息组进行组合,以生成受灾影响程度信息矩阵,作为受灾影响程度矩阵;
确定所述受灾影响程度矩阵中的每列数据中的最大值和最小值,以生成列最大值和列最小值,得到列最大值集和列最小值集;
根据所述列最大值集中的每个列最大值和列最小值集中的每个列最小值的对应关系,确定列最大值和列最小值的差值,得到列差值集;
根据所述列差值集和所述列最小值集,对所述受灾影响程度矩阵中的每列数据进行标准化,以生成每列数据标准化后的数据,得到标准化后的受灾影响程度矩阵,作为标准化影响程度矩阵;
确定所述标准化影响程度矩阵中的每一列数据的熵值,得到熵值集;
根据所述熵值集,确定所述标准化影响程度矩阵中的每一列数据的权重,得到受灾影响程度权重集;
根据所述受灾影响程度矩阵中的每行数据和受灾影响程度权重集,确定所述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集。
5.根据权利要求1所述的方法,其中,所述根据所述资源分配影响值集中的每个资源分配影响值和所述受灾影响值集中的每个受灾影响值,确定所述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集,包括:
对所述资源分配影响值集中的每个资源分配影响值进行归一化,以生成归一化后的资源分配影响值,得到归一化资源分配影响值集;
对所述受灾影响值集中的每个受灾影响值进行归一化,以生成归一化后的受灾影响值,得到归一化受灾影响值集;
确定所述归一化资源分配影响值集和所述归一化受灾影响值集的方差值,分别作为资源分配影响方差值和受灾影响方差值;
根据所述资源分配影响方差值和所述受灾影响方差值,生成资源分配权重集;
根据所述资源分配权重集,对所述归一化资源分配影响值集和所述归一化受灾影响值集进行加权求和,以生成所述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集。
6.根据权利要求1所述的方法,其中,在所述根据所述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域之后,所述方法还包括:
对于所述自然灾害子区域信息集中的每个自然灾害子区域信息,获取所述自然灾害子区域信息各个时刻的卫星图像,以生成自然灾害子区域信息的灾情实况图组,作为灾情实况图组,其中,所述灾情实况图组是以时间顺序排列的图组;
对所得到的灾情实况图组集中的每个灾情实况图组中的每个灾情实况图,执行以下处理步骤:
基于多个不同的卷积核,对所述灾情实况图进行卷积,以生成多个不同尺度的灾情实况图特征,得到灾情实况图特征组;
对所述灾情实况图特征组中的每个灾情实况图特征进行最大池化,以生成最大池化后的灾情实况图特征,作为最大池化图特征,得到最大池化图特征组;
对所述灾情实况图特征组中的每个灾情实况图特征进行平均池化,以生成平均池化后的灾情实况图特征,作为平均池化图特征,得到平均池化图特征组;
对所述平均池化图特征组中的每个平均池化图特征和所述最大池化图特征组中的对应的最大池化图特征进行加权求和,以生成加权后的池化图特征,作为加权图特征,得到加权图特征组;
将所述灾情实况图特征组中的每个灾情实况图特征与所述加权图特征组中的对应的加权图特征进行特征融合,以生成融合后的灾情实况图特征,作为融合灾情实况图特征,得到融合灾情实况图特征组;
对所述融合灾情实况图特征组中的各个融合灾情实况图特征进行特征合并,以生成合并后的灾情实况图特征,作为待识别特征;
对所得到的待识别特征组集中的每个待识别特征组中的首个待识别特征与所述待识别特征组中的其他待识别特征进行相似度计算,以生成至少一个待识别特征相似度,作为特征相似度组,得到特征相似度组集;
根据所述特征相似度组集中的每个特征相似度组中的特征相似度变化趋势,确定所述自然灾害子区域信息集中每个自然灾害子区域信息的灾情变化信息,得到灾情变化信息集;
根据所述灾情变化信息集,对所述资源分配比例进行更新,得到更新后的资源分配比例;
根据所述灾情变化信息集,确定向所述自然灾害子区域信息运输应急资源的顺序,作为应急资源运输顺序;
根据所述更新后的资源分配比例、自然灾害类型和所述应急资源运输顺序,使用运输装置,将对应应急资源按顺序运输至各个自然灾害子区域信息对应的自然灾害子区域。
7.一种基于电力数据的灾后评估及资源配置装置,包括:
获取单元,被配置成获取自然灾害区域信息;
划分单元,被配置成将自然灾害区域信息划分为至少一个自然灾害子区域信息,得到自然灾害子区域信息集;
执行单元,被配置成对所述自然灾害子区域信息集中的每个自然灾害子区域信息,执行以下处理步骤:获取所述自然灾害子区域信息对应的资源分配影响因素信息组;确定所述自然灾害子区域信息对应的用于衡量受灾影响程度的信息组,作为受灾影响程度信息组;
第一确定单元,被配置成根据每个自然灾害子区域信息的资源分配影响因素信息组,确定所述自然灾害子区域信息对应的资源分配影响值,得到资源分配影响值集;
第二确定单元,被配置成根据每个自然灾害子区域信息的受灾影响程度信息组,确定所述自然灾害子区域信息对应的受灾影响值,得到受灾影响值集;
第三确定单元,被配置成根据所述资源分配影响值集中的每个资源分配影响值和所述受灾影响值集中的每个受灾影响值,确定所述自然灾害子区域信息集中的每个自然灾害子区域信息对应的资源分配值,得到资源分配值集;
归一化单元,被配置成对所述资源分配值集进行归一化,得到受自然灾害区域的资源分配比例,作为资源分配比例;
运输单元,被配置成根据所述资源分配比例,通过无人机装置,将对应应急资源运输至各个自然灾害子区域信息对应的自然灾害子区域。
8.一种电子设备,包括:
一个或多个处理器;
存储装置,其上存储有一个或多个程序,
当所述一个或多个程序被所述一个或多个处理器执行,使得所述一个或多个处理器实现如权利要求1-6中任一所述的方法。
9.一种计算机可读介质,其上存储有计算机程序,其中,所述程序被处理器执行时实现如权利要求1-6中任一所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311296326.9A CN117035375B (zh) | 2023-10-09 | 2023-10-09 | 基于电力数据的灾后评估及资源配置方法、装置和设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311296326.9A CN117035375B (zh) | 2023-10-09 | 2023-10-09 | 基于电力数据的灾后评估及资源配置方法、装置和设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117035375A true CN117035375A (zh) | 2023-11-10 |
CN117035375B CN117035375B (zh) | 2024-01-12 |
Family
ID=88632260
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311296326.9A Active CN117035375B (zh) | 2023-10-09 | 2023-10-09 | 基于电力数据的灾后评估及资源配置方法、装置和设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117035375B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105005827A (zh) * | 2015-07-28 | 2015-10-28 | 济南创智电气科技有限公司 | 一种基于电力突发事件的应急响应预警方法 |
WO2016034142A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种电力应急处置物资的智能化调拨方法 |
CN105550824A (zh) * | 2016-01-13 | 2016-05-04 | 天津中科智能识别产业技术研究院有限公司 | 一种智能灾情评估*** |
CN114399210A (zh) * | 2022-01-18 | 2022-04-26 | 中国地质大学(武汉) | 一种地质灾害应急管理与决策***、方法及可读存储介质 |
CN115102161A (zh) * | 2022-06-28 | 2022-09-23 | 国网江苏省电力有限公司扬州供电分公司 | 基于电力的自然灾害应急分析与处置方法 |
CN115169675A (zh) * | 2022-07-01 | 2022-10-11 | 北京交通大学 | 基于后果研判的狭小非暴露空间应急资源分配方法及*** |
-
2023
- 2023-10-09 CN CN202311296326.9A patent/CN117035375B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2016034142A1 (zh) * | 2014-09-04 | 2016-03-10 | 国家电网公司 | 一种电力应急处置物资的智能化调拨方法 |
CN105005827A (zh) * | 2015-07-28 | 2015-10-28 | 济南创智电气科技有限公司 | 一种基于电力突发事件的应急响应预警方法 |
CN105550824A (zh) * | 2016-01-13 | 2016-05-04 | 天津中科智能识别产业技术研究院有限公司 | 一种智能灾情评估*** |
CN114399210A (zh) * | 2022-01-18 | 2022-04-26 | 中国地质大学(武汉) | 一种地质灾害应急管理与决策***、方法及可读存储介质 |
CN115102161A (zh) * | 2022-06-28 | 2022-09-23 | 国网江苏省电力有限公司扬州供电分公司 | 基于电力的自然灾害应急分析与处置方法 |
CN115169675A (zh) * | 2022-07-01 | 2022-10-11 | 北京交通大学 | 基于后果研判的狭小非暴露空间应急资源分配方法及*** |
Also Published As
Publication number | Publication date |
---|---|
CN117035375B (zh) | 2024-01-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112668588B (zh) | 车位信息生成方法、装置、设备和计算机可读介质 | |
CN113765928B (zh) | 物联网入侵检测方法、设备及介质 | |
CN103208094B (zh) | 用于对图像应用滤波器的方法和*** | |
CN115759734B (zh) | 基于指标的电力业务供应链监控方法、装置、设备和介质 | |
CN112183627B (zh) | 生成预测密度图网络的方法和车辆年检标数量检测方法 | |
CN113869599A (zh) | 鱼类疫病发展预测方法、***、设备及介质 | |
CN117035375B (zh) | 基于电力数据的灾后评估及资源配置方法、装置和设备 | |
CN111414921B (zh) | 样本图像处理方法、装置、电子设备及计算机存储介质 | |
CN112308226B (zh) | 神经网络模型的量化、用于输出信息的方法和装置 | |
CN116773534B (zh) | 一种检测方法及装置、电子设备、计算机可读介质 | |
CN112561779B (zh) | 图像风格化处理方法、装置、设备及存储介质 | |
CN116823984A (zh) | 元素布局信息生成方法、装置、设备、介质和程序产品 | |
CN116843991A (zh) | 模型训练方法、信息生成方法、装置、设备和介质 | |
CN110689117A (zh) | 基于神经网络的信息处理方法和装置 | |
CN114820558A (zh) | 汽车零件检测方法、装置、电子设备和计算机可读介质 | |
CN112541915A (zh) | 用于高分辨率图像的高效布匹缺陷检测方法、***及设备 | |
CN118229963B (zh) | 基于合金物料的金属含量识别方法、装置、设备和介质 | |
CN116974684B (zh) | 地图页面布局方法、装置、电子设备与计算机可读介质 | |
CN114792258B (zh) | 信息生成方法、装置、电子设备和计算机可读介质 | |
CN118228200B (zh) | 基于多模态模型的电力设备异常识别方法、装置与设备 | |
CN117520410A (zh) | 业务数据处理方法、装置、电子设备和计算机可读介质 | |
CN117541904A (zh) | 高分辨率网络的部署方法、装置、电子设备及存储介质 | |
CN117112869A (zh) | 物品分类结果生成方法、装置、设备、介质和程序产品 | |
CN116612264A (zh) | 图像确定方法、装置、电子设备和计算机可读介质 | |
CN117058371A (zh) | 图像分割信息生成方法、装置、设备、介质和程序产品 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |