CN117036136B - 一种应急避难场所可达性确定方法 - Google Patents
一种应急避难场所可达性确定方法 Download PDFInfo
- Publication number
- CN117036136B CN117036136B CN202311039472.3A CN202311039472A CN117036136B CN 117036136 B CN117036136 B CN 117036136B CN 202311039472 A CN202311039472 A CN 202311039472A CN 117036136 B CN117036136 B CN 117036136B
- Authority
- CN
- China
- Prior art keywords
- accessibility
- reachability
- data
- emergency
- emergency shelter
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 37
- 238000004458 analytical method Methods 0.000 claims abstract description 38
- 238000010586 diagram Methods 0.000 claims abstract description 17
- 230000001133 acceleration Effects 0.000 claims abstract description 14
- 238000003012 network analysis Methods 0.000 claims abstract description 9
- 238000012952 Resampling Methods 0.000 claims description 3
- 238000004364 calculation method Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000011156 evaluation Methods 0.000 description 1
- 239000000284 extract Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 238000012502 risk assessment Methods 0.000 description 1
- 238000012732 spatial analysis 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
- G06Q50/265—Personal security, identity or safety
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/10—Geometric CAD
- G06F30/18—Network design, e.g. design based on topological or interconnect aspects of utility systems, piping, heating ventilation air conditioning [HVAC] or cabling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Evolutionary Computation (AREA)
- Tourism & Hospitality (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Strategic Management (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Human Resources & Organizations (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Computer Security & Cryptography (AREA)
- General Health & Medical Sciences (AREA)
- Computer Networks & Wireless Communication (AREA)
- Computational Mathematics (AREA)
- Economics (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Pure & Applied Mathematics (AREA)
- Computer Hardware Design (AREA)
- Geophysics And Detection Of Objects (AREA)
Abstract
本发明提供了一种应急避难场所可达性确定方法,首先获取目标区域的分析数据;使用网络分析基于路网数据集进行可达性分析,得到基于路网和时间成本的可达性分布图;将预测地震动峰值加速度数据转换为烈度值并给不同烈度等级区的可达性乘以相应的影响因子,得到受强地面运动影响的可达性分布图;参照活动断层避让标准,对断层数据进行线要素的缓冲区分析,生成断层避让带;根据可达性数值范围划分等级,并将两个图层合并,得到考虑地震发生场景特征的应急避难场所可达性综合分布图;本发明以更合理地分析在发震情况下应急避难场所的可达性为目的,充分考虑地震灾害的严重性和特殊性,提高了分析结果的可靠性和准确性。
Description
技术领域
本发明涉及空间分析技术领域,特别是涉及一种应急避难场所可达性确定方法。
背景技术
城市中应急避难场所的可达性表明了发生地震等自然灾害时居民逃生与获救的难易程度,是反应城市地震灾害人口伤亡方面脆弱性的重要指标。地震灾害脆弱性作为地震风险评估的一个重要环节,对于城市的防灾减灾与应急救援工作起到很大的支撑作用。对地震危险性较大区域内城市现有应急避难场所的可达性进行分析,能够帮助评估该城市地震灾害的脆弱性,对于确保当地居民人身安全具有重要意义。
目前对城市设施进行可达性评估多基于城市的路网数据与设施分布数据,采用统计分析法、缓冲区分析法、费用加权距离法、引力模型法、核密度分析法、两步移动搜索法及网络分析法等量化方法,得到设施可达性分布图或是设施服务范围分布图。目前应急避难设施的可达性分析在空间分析技术上不断精进,但仍然采用与其他城市设施一样的考量因素与分析方法,未能充分考虑到应急设施使用场景的特殊性,因而在可达性分析时没有结合发生应急事件时的情景特征,影响因素的考虑尚不全面。
具体来说,目前的城市设施可达性研究大多主要是分析设施(如公园绿地、客运站点、医院等)服务范围,并评估设施数量及布局规划的合理性;其主要方法是基于城市的空间格局与设施分布情况等数据,借助于GIS技术进行空间分析。考虑到地震危险性较高区域的城市应急设施,需要考虑到地震灾害的严重性和特殊性,地震发生时断层的错动会引起大范围的强地面震动,原有交通环境和设施情况都会因此受到一定程度的震动影响,进一步阻碍居民撤离到应急避难场所。目前的城市设施可达性分析尚未考虑地震灾害的这一特殊性,即断层错动与强地面运动对可达性的影响,很难合理地评估在发生地震的情况下城市内应急避难场所的可达性。在常用的可达性分析方法中:统计分析方法涉及变量过多不易形成统一计算方法;缓冲区分析法根据直线欧氏距离生成的服务范围形状过于简单,不匹配居民实际逃生路线;引力模型较为复杂,计算量偏大。
发明内容
为了克服现有技术的不足,本发明的目的是提供一种应急避难场所可达性确定方法。
为实现上述目的,本发明提供了如下方案:
一种应急避难场所可达性确定方法,包括:
获取目标区域的分析数据;所述分析数据包括应急避难场所的入口点数据集、断层数据、预测地震动峰值加速度数据和交通路网数据集;
基于所述入口点数据集与所述交通路网数据集,计算通过所述目标区域的各路段的时间成本,并将所述时间成本作为可达性分析的阻抗,使用网络分析的方法,得到不考虑地震发生场景特殊性的应急避难场所可达性分布图;
依照地震烈度表划分烈度等级,将所述预测地震动峰值加速度数据转换为地震烈度,并根据所述地震烈度得到可达性影响因子,并利用所述应急避难场所可达性分布图中的不同烈度等级地区的可达性乘以相应的所述可达性影响因子,得到受强地面运动影响的城市应急避难场所可达性分布图;
根据所述断层数据,参照活动断层避让标准,使用缓冲区分析方法,计算出断层错动的基本避让范围分布;
按照可达性数据范围对所述基本避让范围分布的可达性进行设定,将断层避让带范围的可达性设定为最低等级,得到避让带范围内可达性图,并合并所述避让带范围内可达性图和所述城市应急避难场所可达性分布图,得到所述目标区域考虑地震发生场景特征的可达性综合分布图。
优选地,获取目标区域的分析数据,包括:
基于所述目标区域的遥感影像选取应急避难场所并确定点位,以建立所述入口点数据集;
收集所述断层数据及所述预测地震动峰值加速度数据;
抓取所述目标区域的城市路网数据,并对所述城市路网数据进行人工校正,得到所述交通路网数据集。
优选地,所述缓冲区分析方法中的缓冲区欧氏距离设置为基本避让距离15m。
优选地,抓取所述目标区域的城市路网数据是基于Open Street Map软件进行的。
优选地,基于所述目标区域的遥感影像选取应急避难场所并确定点位是基于Google Earth Pro软件进行的。
优选地,在合并所述避让带范围内可达性图和所述城市应急避难场所可达性分布图之前,还包括:
对所述避让带范围内可达性图和所述城市应急避难场所可达性分布图的图层数据进行重采样,以统一像元大小。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种应急避难场所可达性确定方法,包括:获取目标区域的分析数据;所述分析数据包括应急避难场所的入口点数据集、断层数据、预测地震动峰值加速度数据和交通路网数据集;基于所述入口点数据集与所述交通路网数据集,计算通过所述目标区域的各路段的时间成本,并将所述时间成本作为可达性分析的阻抗,使用网络分析的方法,得到不考虑地震发生场景特殊性的应急避难场所可达性分布图;依照地震烈度表划分烈度等级,将所述预测地震动峰值加速度数据转换为地震烈度,并根据所述地震烈度得到可达性影响因子,并利用所述应急避难场所可达性分布图中的不同烈度等级地区的可达性乘以相应的所述可达性影响因子,得到受强地面运动影响的城市应急避难场所可达性分布图;根据所述断层数据,参照活动断层避让标准,使用缓冲区分析方法,计算出断层错动的基本避让范围分布;按照可达性数据范围对所述基本避让范围分布的可达性进行分级,将断层避让带范围的可达性设定为最低等级,得到避让带范围内可达性图,并合并所述避让带范围内可达性图和所述城市应急避难场所可达性分布图,得到所述目标区域的可达性综合分布图。本发明以更合理地分析在发震情况下应急避难场所的可达性为目的,充分考虑地震灾害的严重性和特殊性,提供了一种综合考虑应急避难场所空间分布与地震发生场景(断层错动与强地面运动)对设施服务能力影响的应急避难场所可达性分析研究方法。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的方法流程图;
图2为本发明实施例提供的主要技术流程图;
图3为本发明实施例提供的基于路网的应急避难场所可达性分布示意图;
图4为本发明实施例提供的受地震场景影响的应急避难场所可达性分布示意图。
具体实施方式
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。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1和图2所示,本发明提供了一种应急避难场所可达性确定方法,包括:
步骤100:获取目标区域的分析数据;所述分析数据包括应急避难场所的入口点数据集、断层数据、预测地震动峰值加速度数据和交通路网数据集;
步骤200:基于所述入口点数据集与所述交通路网数据集,计算通过所述目标区域的各路段的时间成本,并将所述时间成本作为可达性分析的阻抗,使用网络分析的方法,得到不考虑地震发生场景特殊性的应急避难场所可达性分布图;
步骤300:依照中国地震烈度表划分烈度等级,将所述预测地震动峰值加速度数据转换为地震烈度,并根据所述地震烈度得到可达性影响因子,并利用所述应急避难场所可达性分布图中的不同烈度等级地区的可达性乘以相应的所述可达性影响因子,得到受强地面运动影响的城市应急避难场所可达性分布图;
步骤400:根据所述断层数据,参照活动断层避让标准,使用缓冲区分析方法,计算出断层错动的基本避让范围分布;
步骤500:按照可达性数据范围对所述基本避让范围分布的可达性进行分级,将断层避让带范围的可达性设定为最低等级,得到避让带范围内可达性图,并合并所述避让带范围内可达性图和所述城市应急避难场所可达性分布图,得到所述目标区域的可达性综合分布图。
优选地,获取目标区域的分析数据,包括:
基于所述目标区域的遥感影像选取应急避难场所并确定点位,以建立所述入口点数据集;
收集所述断层数据及所述预测地震动峰值加速度数据;
抓取所述目标区域的城市路网数据,并对所述城市路网数据进行人工校正,得到所述交通路网数据集。
具体的,本实施例中的技术路线包括如下步骤:
S1:基于遥感影像选取应急避难场所并确定点位,建立应急避难场所入口点数据集;
S2:收集断层数据及预测地震动峰值加速度数据;
S3:通过Open StreetMap抓取城市路网数据,经过人工校正后,建立城市交通路网数据集;
S4:根据路网数据集计算通过各路段的时间成本,建立应急避难场所入口点的服务区,使用网络分析基于路网数据集进行可达性分析,得到基于路网和时间成本的可达性分布图,如图3所示;
S5:根据中国地震烈度表划分烈度等级,将预测地震动峰值加速度数据转换为烈度值并给不同烈度等级区的可达性乘以相应的影响因子,得到考虑地震发生场景(断层错动与强地面运动)的可达性分布图,如图4所示;
S6:参照活动断层避让标准,对断层数据进行线要素的缓冲区分析,缓冲区欧氏距离设置为基本避让距离15m,生成断层避让带;
S7:根据可达性数值范围划分等级,将断层避让带范围内可达性设为最低,并将两个图层合并,得到应急避难场所的可达性综合分布图;
S7过程还包括:在合并两个图层之前,需要将两个图层的数据进行重采样,统一像元大小。
更进一步地,本实施例中的应急避难场所数据收集使用Google Earth Pro软件,城市路网提取基于Open Street Map开源数据,数据计算与分析使用ArcGIS10.6版本软件。
本发明的有益效果如下:
(1)本发明在建立应急避难场所点数据集时,将点的位置直接精确而到了各个应急避难场所入口的位置而非中心点,使分析结果更可靠。
(2)本发明使用网络分析方法,将居民撤离到应急避难场所的过程落实到实际交通路网上,更符合居民逃生的实际路线情况
(3)本发明给不同烈度等级地区的可达性乘以相应的影响因子来分析受强地面运动影响的可达性分布特征;
(4)本发明参照活动断层避让标准,将活动断层基本避让范围内的可达性设置为最低;
(5)本发明综合考虑了应急避难场所空间分布与地震发生场景的影响,计算得到的可达性并不仅依赖于网络分析的基本衡量指标如时间、空间及费用等成本,得到的结果更加合理。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种应急避难场所可达性确定方法,其特征在于,包括:
获取目标区域的分析数据;所述分析数据包括应急避难场所的入口点数据集、断层数据、预测地震动峰值加速度数据和交通路网数据集;
基于所述入口点数据集与所述交通路网数据集,计算通过所述目标区域的各路段的时间成本,并将所述时间成本作为可达性分析的阻抗,使用网络分析的方法,得到不考虑地震发生场景特殊性的应急避难场所可达性分布图;
依照地震烈度表划分烈度等级,将所述预测地震动峰值加速度数据转换为地震烈度,并根据所述地震烈度得到可达性影响因子,并利用所述应急避难场所可达性分布图中的不同烈度等级地区的可达性乘以相应的所述可达性影响因子,得到受强地面运动影响的城市应急避难场所可达性分布图;
根据所述断层数据,参照活动断层避让标准,使用缓冲区分析方法,计算出断层错动的基本避让范围分布;
按照可达性数据范围对所述基本避让范围分布的可达性进行设定,将断层避让带范围的可达性设定为最低等级,得到避让带范围内可达性图,并合并所述避让带范围内可达性图和所述城市应急避难场所可达性分布图,得到所述目标区域的考虑地震发生场景特征的可达性综合分布图。
2.根据权利要求1所述的应急避难场所可达性确定方法,其特征在于,获取目标区域的分析数据,包括:
基于所述目标区域的遥感影像选取应急避难场所并确定点位,以建立所述入口点数据集;
收集所述断层数据及所述预测地震动峰值加速度数据;
抓取所述目标区域的城市路网数据,并对所述城市路网数据进行人工校正,得到所述交通路网数据集。
3.根据权利要求1所述的应急避难场所可达性确定方法,其特征在于,所述缓冲区分析方法中的缓冲区欧氏距离设置为基本避让距离15m。
4.根据权利要求1所述的应急避难场所可达性确定方法,其特征在于,抓取所述目标区域的城市路网数据是基于Open StreetMap软件进行的。
5.根据权利要求1所述的应急避难场所可达性确定方法,其特征在于,基于所述目标区域的遥感影像选取应急避难场所并确定点位是基于Google EarthPro软件进行的。
6.根据权利要求1所述的应急避难场所可达性确定方法,其特征在于,在合并所述避让带范围内可达性图和所述城市应急避难场所可达性分布图之前,还包括:
对所述避让带范围内可达性图和所述城市应急避难场所可达性分布图的图层数据进行重采样,以统一像元大小。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311039472.3A CN117036136B (zh) | 2023-08-17 | 2023-08-17 | 一种应急避难场所可达性确定方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311039472.3A CN117036136B (zh) | 2023-08-17 | 2023-08-17 | 一种应急避难场所可达性确定方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117036136A CN117036136A (zh) | 2023-11-10 |
CN117036136B true CN117036136B (zh) | 2024-02-20 |
Family
ID=88622433
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311039472.3A Active CN117036136B (zh) | 2023-08-17 | 2023-08-17 | 一种应急避难场所可达性确定方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117036136B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118195424A (zh) * | 2024-05-14 | 2024-06-14 | 珠江水利委员会珠江水利科学研究院 | 一种基于开源数据的应急避难场所适应性评价方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545353A (zh) * | 2016-11-10 | 2018-01-05 | 西南民族大学 | 一种地质灾害对公路交通影响程度的定量评估方法 |
AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
CN111523804A (zh) * | 2020-04-23 | 2020-08-11 | 南京工业大学 | 一种基于实景三维的应急避难场所效能评估方法 |
KR102266066B1 (ko) * | 2020-12-16 | 2021-06-18 | (주)지오씨엔아이 | 지진 재난대응을 위한 의사결정 가시화 시스템 및 방법 |
CN115797129A (zh) * | 2023-02-03 | 2023-03-14 | 北京同方凌讯科技有限公司 | 应急信息发布***及其可达性策略优化方法 |
-
2023
- 2023-08-17 CN CN202311039472.3A patent/CN117036136B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107545353A (zh) * | 2016-11-10 | 2018-01-05 | 西南民族大学 | 一种地质灾害对公路交通影响程度的定量评估方法 |
CN111523804A (zh) * | 2020-04-23 | 2020-08-11 | 南京工业大学 | 一种基于实景三维的应急避难场所效能评估方法 |
AU2020100703A4 (en) * | 2020-05-05 | 2020-06-11 | Li, Xiaolan Miss | A method of spatial accessibility evaluation of urban facility services based on GIS |
KR102266066B1 (ko) * | 2020-12-16 | 2021-06-18 | (주)지오씨엔아이 | 지진 재난대응을 위한 의사결정 가시화 시스템 및 방법 |
CN115797129A (zh) * | 2023-02-03 | 2023-03-14 | 北京同方凌讯科技有限公司 | 应急信息发布***及其可达性策略优化方法 |
Non-Patent Citations (1)
Title |
---|
"城市地震应急避难场所适宜性评价——以天津市中心城区为例";苏建锋 等;《震灾防御技术》;全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN117036136A (zh) | 2023-11-10 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN117036136B (zh) | 一种应急避难场所可达性确定方法 | |
US10032267B2 (en) | Automating the assessment of damage to infrastructure assets | |
WO2022242435A1 (zh) | 一种基于人工智能的场地地震液化灾害快速评估方法 | |
KR101766658B1 (ko) | 모바일 현장조사 시스템 및 방법 | |
CN103064895B (zh) | 基于gis的通信资源管理***计算机生成方法 | |
CN112819340A (zh) | 一种基于多源数据的城市洪涝灾害动态评估方法 | |
CN115170980B (zh) | 一种基于卫星影像识别的输气管道高后果区智能识别方法 | |
CN113344735B (zh) | 电网设备的防灾减灾监测预警*** | |
Poggi et al. | Rapid damage scenario assessment for earthquake emergency management | |
Hu et al. | Prioritizing disaster mapping tasks for online volunteers based on information value theory | |
Zuccolo et al. | Comparing the performance of regional earthquake early warning algorithms in Europe | |
KR20150059505A (ko) | 기지국 유동인구 정보를 활용한 재난 관리 장치 및 방법 | |
CN114037156A (zh) | 基于弹性云的轨交大客流轨迹分析方法、终端及存储介质 | |
CN111596157B (zh) | 一种电力***故障情况预测方法、装置、***及存储介质 | |
CN117453835A (zh) | 一种智慧社区管理*** | |
CN112257329A (zh) | 一种判定台风对线路影响的方法 | |
CN107506832A (zh) | 对监控巡视进行辅助的隐患挖掘方法 | |
CN112150623A (zh) | 一种项目施工监测***及监测方法 | |
KR102482927B1 (ko) | 대규모 재난대피 시뮬레이션 제공방법 | |
CN114925517A (zh) | 一种城市多灾种耦合分析的方法 | |
CN114666738A (zh) | 基于手机信令的国土空间规划方法和*** | |
CN111079642A (zh) | 线路可移动监控方法及装置及计算机可读介质 | |
Koshimura | Fusion of real-time disaster simulation and big data assimilation–recent progress | |
CN117078045B (zh) | 一种交通基础设施全息检监测方法及*** | |
Xiao et al. | Trip generation prediction based on the convolutional neural network-multidimensional long-short term memory neural network model at grid cell scale |
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 |