CN117745095A - 一种基于大数据的城市防汛决策方法、***和存储介质 - Google Patents
一种基于大数据的城市防汛决策方法、***和存储介质 Download PDFInfo
- Publication number
- CN117745095A CN117745095A CN202311768660.XA CN202311768660A CN117745095A CN 117745095 A CN117745095 A CN 117745095A CN 202311768660 A CN202311768660 A CN 202311768660A CN 117745095 A CN117745095 A CN 117745095A
- Authority
- CN
- China
- Prior art keywords
- flood control
- flood
- data
- historical
- subarea
- 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
- 230000002265 prevention Effects 0.000 title claims abstract description 68
- 238000000034 method Methods 0.000 title claims abstract description 48
- 238000003860 storage Methods 0.000 title claims abstract description 20
- 238000012545 processing Methods 0.000 claims abstract description 67
- 238000011156 evaluation Methods 0.000 claims abstract description 59
- 230000000694 effects Effects 0.000 claims abstract description 48
- 238000001514 detection method Methods 0.000 claims abstract description 46
- 230000006872 improvement Effects 0.000 claims abstract description 32
- 238000005457 optimization Methods 0.000 claims abstract description 26
- 238000012216 screening Methods 0.000 claims abstract description 16
- 238000012544 monitoring process Methods 0.000 claims description 147
- 230000006870 function Effects 0.000 claims description 66
- 238000012876 topography Methods 0.000 claims description 61
- 238000013461 design Methods 0.000 claims description 27
- 238000000605 extraction Methods 0.000 claims description 22
- 238000004364 calculation method Methods 0.000 claims description 18
- 230000008859 change Effects 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 9
- 238000013210 evaluation model Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 8
- 238000009825 accumulation Methods 0.000 claims description 6
- 238000005516 engineering process Methods 0.000 abstract description 4
- 230000001360 synchronised effect Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000013075 data extraction Methods 0.000 description 2
- 230000002349 favourable effect Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000008569 process Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请实施例提供了一种基于大数据的城市防汛决策方法、***和存储介质。该方法包括:获取城市各子区域的区域、地理和排涝信息和对应数据并进行功能重要性和地形排涝功能评估,根据数据库提取与各子区域预测降雨量相同历史时段的多个历史样本数据处理获得历史同期内涝度均指数,以及预期汛情检测指数,并筛选出重点防汛子区域获得其排涝改进度效果指数,再通过阈值对比判断重点防汛子区域的防汛排涝优化改进情况;从而通过大数据对城市子区域的重要性、排涝能力、历史内涝情况处理筛出重点防汛子区域并评估判断其防汛改进情况,实现通过大数据对城市重要防汛区域进行识别并进行其防汛优化能力的检测的技术。
Description
技术领域
本申请涉及大数据及城市防汛技术领域,具体而言,涉及一种基于大数据的城市防汛决策方法、***和存储介质。
背景技术
城市防汛是衡量城市建设水平的指标之一,近年来随着全球气候多变,恶化天气频发,城市防汛抗涝是保障城市正常运转和居民安全生活生产的重要核心之一,但由于不同城市以及同城不同区域之间的地形走势、地貌凸凹度、人口建筑设施密集度、排水设施建设的差异性,导致城市区域的防汛排涝监测和预测具有多样性且影响要素复杂多变,难以对多种关系信息进行有效处理,从而评估预测城市各区域的防汛排涝情况,施以对应的对策,目前缺乏通过采集信息大数据对城市区域进行降雨防汛排涝的有效预测评估手段。
针对上述问题,目前亟待有效的技术解决方案。
发明内容
本申请实施例的目的在于提供一种基于大数据的城市防汛决策方法、***和存储介质,可以通过大数据对城市各子区域的重要性、排涝能力进行评估并结合子区域历史同降雨期内涝情况进行处理获得汛情预期检测结果,并筛出重点防汛子区域,再对其排涝改进效果进行评估判断其防汛改进情况,实现通过大数据对城市重要防汛区域进行识别并进行其防汛优化能力的检测的技术。
本申请实施例还提供了一种基于大数据的城市防汛决策方法,包括以下步骤:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据;
根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数;
获取预设城市区域在未来预设时段的降雨量预测信息,并提取降雨量预测数据;
获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数;
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数;
根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史相邻的所述历史防汛监测记录信息提取邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数;
根据所述重点防汛子区域的所述排涝改进度效果指数与预设的区域排涝优化度测评阈值进行阈值对比,判断所述重点防汛子区域的防汛排涝优化改进情况。
可选地,在本申请实施例所述的基于大数据的城市防汛决策方法中,所述采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据,包括:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息;
根据所述区域备注信息提取区域经济活力指数、区域人口密集度数据和区域交通设施密度数据;
根据所述地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据;
根据所述排涝设计信息提取当前排涝速率数据。
可选地,在本申请实施例所述的基于大数据的城市防汛决策方法中,所述根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数,包括:
根据各子区域的所述区域经济活力指数、区域人口密集度数据和区域交通设施密度数据通过预设城市区域属性识别模型进行处理,获得各子区域对应的功能重要性系数;
根据所述各子区域的所述海拔走势坡度数据和地形地貌凸凹度数据通过预设城市地貌评估模型进行处理,获得所述各子区域对应的地形排涝功能评价指数。
可选地,在本申请实施例所述的基于大数据的城市防汛决策方法中,所述获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数,包括:
获取预设城市防汛监测记录数据库,其中包括预设城市区域在历史多个降雨防汛时期的历史汛情监测记录信息样本;
根据所述城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本;
根据所述历史防汛监测记录信息提取样本提取所述各子区域对应的历史汛情监测记录数据,包括积水内涝程度指数、交通拥堵度系数以及记录事故增长率数据;
根据所述各子区域的所述多个历史防汛监测记录信息提取样本对应的多个所述历史汛情监测记录数据进行处理,获得所述各子区域的历史同期内涝度均指数。
可选地,在本申请实施例所述的基于大数据的城市防汛决策方法中,所述根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数,包括:
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数和功能重要性系数以及所述当前排涝速率数据进行对比修正,获得子区域在所述未来预设时段的预期汛情检测指数;
所述预期汛情检测指数的修正计算公式为:
其中,uq为预期汛情检测指数,为历史同期内涝度均指数,ch为功能重要性系数,wp为地形排涝功能评价指数,sf为当前排涝速率数据,γ、ρ、ξ为预设特征系数。
可选地,在本申请实施例所述的基于大数据的城市防汛决策方法中,所述根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史防汛监测记录信息提取样本中邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数,包括:
根据所述各子区域在未来预设时段的所述预期汛情检测指数进行对比,筛选出排名靠前的一个或几个子区域作为重点防汛子区域;
通过所述城市防汛监测记录数据库提取所述重点防汛子区域的多个所述历史防汛监测记录信息提取样本中邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据;
根据所述邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据以及对应的当前排涝速率数据进行对比处理,获得所述重点防汛子区域的排涝改进度效果指数。
第二方面,本申请实施例提供了一种基于大数据的城市防汛决策***,该***包括:存储器及处理器,所述存储器中包括基于大数据的城市防汛决策方法的程序,所述基于大数据的城市防汛决策方法的程序被所述处理器执行时实现以下步骤:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据;
根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数;
获取预设城市区域在未来预设时段的降雨量预测信息,并提取降雨量预测数据;
获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数;
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数;
根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史相邻的所述历史防汛监测记录信息提取邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数;
根据所述重点防汛子区域的所述排涝改进度效果指数与预设的区域排涝优化度测评阈值进行阈值对比,判断所述重点防汛子区域的防汛排涝优化改进情况。
可选地,在本申请实施例所述的基于大数据的城市防汛决策***中,采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息;
根据所述区域备注信息提取区域经济活力指数、区域人口密集度数据和区域交通设施密度数据;
根据所述地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据;
根据所述排涝设计信息提取当前排涝速率数据。
可选地,在本申请实施例所述的基于大数据的城市防汛决策***中,所述根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数,包括:
根据各子区域的所述区域经济活力指数、区域人口密集度数据和区域交通设施密度数据通过预设城市区域属性识别模型进行处理,获得各子区域对应的功能重要性系数;
根据所述各子区域的所述海拔走势坡度数据和地形地貌凸凹度数据通过预设城市地貌评估模型进行处理,获得所述各子区域对应的地形排涝功能评价指数。
第三方面,本申请实施例还提供了一种计算机可读存储介质,所述计算机可读存储介质中包括基于大数据的城市防汛决策方法程序,所述基于大数据的城市防汛决策方法程序被处理器执行时,实现如上述任一项所述的基于大数据的城市防汛决策方法的步骤。
由上可知,本申请实施例提供的一种基于大数据的城市防汛决策方法、***和存储介质,通过采集城市各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据并处理获得功能重要性系数和地形排涝功能评价指数,以及提取降雨量预测数据,根据城市防汛监测记录数据库提取各子区域的与降雨量预测数据相同历史降雨量时段的多个历史样本并提取多个对应历史数据处理获得历史同期内涝度均指数,再结合子区域的地形排涝功能评价指数和功能重要性系数处理获得预期汛情检测指数,并筛选出重点防汛子区域,根据重点防汛子区域邻近间隔样本的历史汛情监测记录数据处理获得排涝改进度效果指数,再与预设阈值进行阈值对比判断重点防汛子区域的防汛排涝优化改进情况;从而通过大数据对城市各子区域的重要性、排涝能力进行评估并结合子区域历史同降雨期内涝情况进行处理获得汛情预期检测结果,并筛出重点防汛子区域,再对其排涝改进效果进行评估判断其防汛改进情况,实现通过大数据对城市重要防汛区域进行识别并进行其防汛优化能力的检测的技术。
本申请的其他特征和优点将在随后的说明书阐述,并且,部分地从说明书中变得显而易见,或者通过实施本申请实施例了解。本申请的目的和其他优点可通过在所写的说明书以及附图中所特别指出的结构来实现和获得。
附图说明
为了更清楚地说明本申请实施例的技术方案,下面将对本申请实施例中所需要使用的附图作简单地介绍,应当理解,以下附图仅示出了本申请的某些实施例,因此不应被看作是对范围的限定,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他相关的附图。
图1为本申请实施例提供的基于大数据的城市防汛决策方法的流程图;
图2为本申请实施例提供的基于大数据的城市防汛决策方法的获得区域备注信息、地理特征信息和排涝设计信息以及对应数据的流程图;
图3为本申请实施例提供的基于大数据的城市防汛决策方法的获取功能重要性系数和地形排涝功能评价指数的流程图;
图4为本申请实施例提供的基于大数据的城市防汛决策方法的获得历史同期内涝度均指数的流程图。
具体实施方式
下面将结合本申请实施例中附图,对本申请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申请一部分实施例,而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此,以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围,而是仅仅表示本申请的选定实施例。基于本申请的实施例,本领域技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例,都属于本申请保护的范围。
应注意到,相似的标号和字母在下面的附图中表示类似项,因此,一旦某一项在一个附图中被定义,则在随后的附图中不需要对其进行进一步定义和解释。同时,在本申请的描述中,术语“第一”、“第二”等仅用于区分描述,而不能理解为指示或暗示相对重要性。
请参照图1,图1是本申请一些实施例中的基于大数据的城市防汛决策方法的流程图。该基于大数据的城市防汛决策方法用于终端设备中,例如电脑、手机终端等。该基于大数据的城市防汛决策方法,包括以下步骤:
S11、采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据;
S12、根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数;
S13、获取预设城市区域在未来预设时段的降雨量预测信息,并提取降雨量预测数据;
S14、获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数;
S15、根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数;
S16、根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史相邻的所述历史防汛监测记录信息提取邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数;
S17、根据所述重点防汛子区域的所述排涝改进度效果指数与预设的区域排涝优化度测评阈值进行阈值对比,判断所述重点防汛子区域的防汛排涝优化改进情况。
其中,为实现对城市未来降雨情况下防汛排涝情况的精准预测,需对城市各子区域进行精准评估,对各子区域的功能重要性、地形地貌条件、排水设施情况等影响城市防汛决策的要素进行信息采集和处理,以实现对城市各子区域的防汛能力个性化识别,再通过数据库获取与未来预测降雨量历史同期的数据库样本,对历史样本防汛效果的评判结果结合子区域地形排涝能力、区域重要性、当前排涝能力对子区域未来的汛情预期进行评估,筛选出重点关注的防汛子区域,再对重点子区域的排涝改进能力的效果进行测评,判断重点防汛区域的排涝优化状况,后通过预设阈值对比结果对排涝优化效果不满足阈值要求的不达标重点子区域进行重点关注和布控防汛,从而实现通过大数据对城市重要防汛区域进行识别并进行其防汛优化能力的检测的技术。
请参照图2,图2是本申请一些实施例中的基于大数据的城市防汛决策方法的获得区域备注信息、地理特征信息和排涝设计信息以及对应数据的流程图。根据本发明实施例,所述采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据,具体为:
S21、采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息;
S22、根据所述区域备注信息提取区域经济活力指数、区域人口密集度数据和区域交通设施密度数据;
S23、根据所述地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据;
S24、根据所述排涝设计信息提取当前排涝速率数据。
其中,为评估城市各子区域的防汛排涝情况,首先需采集各子区域的各类信息以明确出各子区域的区域重要性、地形地势是否利于排涝、当前排涝情况,通过采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息,子区域的划分根据城市的功能性、地理位置、地形地貌、排水设施布局等要素按实际进行划分,并根据区域备注信息提取各子区域的区域经济活力指数、区域人口密集度数据和区域交通设施密度数据,上述数据通过预设城市管理***平台进行信息获取和数据提取,根据地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据,即子区域的海拔走势的坡度、地形地貌的凹凸情况的数据,可通过城市管理***平台进行采集获取,并根据排涝设计信息提取子区域的当前排涝速率数据,该排涝设计信息和速率数据通过城市防汛监测记录数据库以及城市管理***平台进行查询获得。
请参照图3,图3是本申请一些实施例中的基于大数据的城市防汛决策方法的获取功能重要性系数和地形排涝功能评价指数的流程图。根据本发明实施例,所述根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数,具体为:
S31、根据各子区域的所述区域经济活力指数、区域人口密集度数据和区域交通设施密度数据通过预设城市区域属性识别模型进行处理,获得各子区域对应的功能重要性系数;
S32、根据所述各子区域的所述海拔走势坡度数据和地形地貌凸凹度数据通过预设城市地貌评估模型进行处理,获得所述各子区域对应的地形排涝功能评价指数。
其中,在获得了城市各子区域的区域人口经济设施、地理地形地势、排涝设施的相关信息数据后,为进一步评估子区域的功能重要性和地形排涝功能情况,通过预设的城市区域属性识别模型和城市地貌评估模型中的计算公式分别进行计算,获得子区域的功能重要性系数和地形排涝功能评价指数,即反映子区域的功能的重要性程度以及区域地形地貌地势的排涝强弱程度的指数、系数,为后续进一步评估各子区域的防汛情况作数据准备,其中,所述功能重要性系数的计算公式为:
所述地形排涝功能评价指数的计算公式为:
其中,ch为功能重要性系数,wp为地形排涝功能评价指数,vq、bo、ys分别为区域经济活力指数、区域人口密集度数据、区域交通设施密度数据,kg、pd分别为海拔走势坡度数据、地形地貌凸凹度数据, 为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
请参照图4,图4是本申请一些实施例中的基于大数据的城市防汛决策方法的获得历史同期内涝度均指数的流程图。根据本发明实施例,所述获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数,具体为:
S41、获取预设城市防汛监测记录数据库,其中包括预设城市区域在历史多个降雨防汛时期的历史汛情监测记录信息样本;
S42、根据所述城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本;
S43、根据所述历史防汛监测记录信息提取样本提取所述各子区域对应的历史汛情监测记录数据,包括积水内涝程度指数、交通拥堵度系数以及记录事故增长率数据;
S44、根据所述各子区域的所述多个历史防汛监测记录信息提取样本对应的多个所述历史汛情监测记录数据进行处理,获得所述各子区域的历史同期内涝度均指数。
其中,为精准评估各子区域在未来降水时段的防汛防涝情况,首先通过数据库的历史相同降水量的数据样本分析评估历史同期子区域的内涝度情况,通过历史数据先对子区域同样历史降雨情况下的内涝防汛情况进行评估,通过预设数据库提取各子区域与未来降雨量预测数据相同历史降雨量时段下的多个历史样本,并提取样本的监测记录数据,包括反映积水内涝程度、交通拥堵度、子区域事故的同比增长率,事故增长率根据实际需求进行同比计算得出,再对多个历史数据进行计算处理,获得子区域在历史降雨同期时段下的内涝度平均指数结果,反映子区域历史降雨时段的内涝评测的平均情况,其中,所述历史同期内涝度均指数的计算公式为:
其中,为历史同期内涝度均指数,fti、asi、zui分别为第i个历史防汛监测记录信息提取样本对应的积水内涝程度指数、交通拥堵度系数、记录事故增长率数据,k为历史防汛监测记录信息提取样本的个数,μ、υ为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
根据本发明实施例,所述根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数,具体为:
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数和功能重要性系数以及所述当前排涝速率数据进行对比修正,获得子区域在所述未来预设时段的预期汛情检测指数;
所述预期汛情检测指数的修正计算公式为:
其中,uq为预期汛情检测指数,为历史同期内涝度均指数,ch为功能重要性系数,wp为地形排涝功能评价指数,sf为当前排涝速率数据,γ、ρ、ξ为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
其中,为综合检测对比出城市各子区域在未来降雨时段下的预期汛情轻重影响情况的检测结果,需结合各子区域历史同降雨时段的内涝情况结果结合子区域的功能重要性、地形地貌地势排涝功能、子区域当前排涝速率能力情况进行综合测评,得出能反映子区域设计重要性、地形排涝、排涝设施效果以及历史同期内涝度情况的反映子区域综合防内涝的汛情检测情况,通过计算公式进行修正计算获得预期汛情检测指数。
根据本发明实施例,所述根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史防汛监测记录信息提取样本中邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数,具体为:
根据所述各子区域在未来预设时段的所述预期汛情检测指数进行对比,筛选出排名靠前的一个或几个子区域作为重点防汛子区域;
通过所述城市防汛监测记录数据库提取所述重点防汛子区域的多个所述历史防汛监测记录信息提取样本中邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据;
根据所述邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据以及对应的当前排涝速率数据进行对比处理,获得所述重点防汛子区域的排涝改进度效果指数。
其中,当获取城市各子区域的预期汛情检测指数后,对各子区域的指数进行排序并截取一个或几个排名靠前子区域,即为需重点评估防汛能力的重点关注子区域,再通过数据库提取重点防汛子区域的最邻近间隔样本,即数据库中近期邻近的第j个和第j-1个的两个间隔历史样本,并提取两个间隔历史样本中的历史汛情监测记录数据,并通过公式进行计算评估,获得重点防汛子区域的排涝改进度效果指数,即对子区域的最近排涝优化改进情况进行效果评估,通过该效果指数与预设阈值进行对比,可根据阈值对比结果判断重点防汛子区域的排涝改进优化效果是否满足阈值要求,若满足,则该子区域排涝防汛无须重点戒备警示,若不满足,则需对该子区域未来降雨防汛进行重点关注和对策布控,以防止该子区域发生重大汛情,其中,所述排涝改进度效果指数的计算公式为:
其中,rα为排涝改进度效果指数,ftj、asj、zuj、sfj分别为第j个历史防汛监测记录信息提取样本对应的积水内涝程度指数、交通拥堵度系数、记录事故增长率数据、当前排涝速率数据,δ、λ为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
本发明还公开了一种基于大数据的城市防汛决策***,包括存储器和处理器,所述存储器中包括基于大数据的城市防汛决策方法程序,所述基于大数据的城市防汛决策方法程序被所述处理器执行体征异样修正数据时实现如下步骤:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据;
根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数;
获取预设城市区域在未来预设时段的降雨量预测信息,并提取降雨量预测数据;
获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数;
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数;
根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史相邻的所述历史防汛监测记录信息提取邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数;
根据所述重点防汛子区域的所述排涝改进度效果指数与预设的区域排涝优化度测评阈值进行阈值对比,判断所述重点防汛子区域的防汛排涝优化改进情况。
其中,为实现对城市未来降雨情况下防汛排涝情况的精准预测,需对城市各子区域进行精准评估,对各子区域的功能重要性、地形地貌条件、排水设施情况等影响城市防汛决策的要素进行信息采集和处理,以实现对城市各子区域的防汛能力个性化识别,再通过数据库获取与未来预测降雨量历史同期的数据库样本,对历史样本防汛效果的评判结果结合子区域地形排涝能力、区域重要性、当前排涝能力对子区域未来的汛情预期进行评估,筛选出重点关注的防汛子区域,再对重点子区域的排涝改进能力的效果进行测评,判断重点防汛区域的排涝优化状况,后通过预设阈值对比结果对排涝优化效果不满足阈值要求的不达标重点子区域进行重点关注和布控防汛,从而实现通过大数据对城市重要防汛区域进行识别并进行其防汛优化能力的检测的技术。
根据本发明实施例,所述采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据,具体为:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息;
根据所述区域备注信息提取区域经济活力指数、区域人口密集度数据和区域交通设施密度数据;
根据所述地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据;
根据所述排涝设计信息提取当前排涝速率数据。
其中,为评估城市各子区域的防汛排涝情况,首先需采集各子区域的各类信息以明确出各子区域的区域重要性、地形地势是否利于排涝、当前排涝情况,通过采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息,子区域的划分根据城市的功能性、地理位置、地形地貌、排水设施布局等要素按实际进行划分,并根据区域备注信息提取各子区域的区域经济活力指数、区域人口密集度数据和区域交通设施密度数据,上述数据通过预设城市管理***平台进行信息获取和数据提取,根据地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据,即子区域的海拔走势的坡度、地形地貌的凹凸情况的数据,可通过城市管理***平台进行采集获取,并根据排涝设计信息提取子区域的当前排涝速率数据,该排涝设计信息和速率数据通过城市防汛监测记录数据库以及城市管理***平台进行查询获得。
根据本发明实施例,所述根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数,具体为:
根据各子区域的所述区域经济活力指数、区域人口密集度数据和区域交通设施密度数据通过预设城市区域属性识别模型进行处理,获得各子区域对应的功能重要性系数;
根据所述各子区域的所述海拔走势坡度数据和地形地貌凸凹度数据通过预设城市地貌评估模型进行处理,获得所述各子区域对应的地形排涝功能评价指数。
其中,在获得了城市各子区域的区域人口经济设施、地理地形地势、排涝设施的相关信息数据后,为进一步评估子区域的功能重要性和地形排涝功能情况,通过预设的城市区域属性识别模型和城市地貌评估模型中的计算公式分别进行计算,获得子区域的功能重要性系数和地形排涝功能评价指数,即反映子区域的功能的重要性程度以及区域地形地貌地势的排涝强弱程度的指数、系数,为后续进一步评估各子区域的防汛情况作数据准备,其中,所述功能重要性系数的计算公式为:
所述地形排涝功能评价指数的计算公式为:
其中,ch为功能重要性系数,wp为地形排涝功能评价指数,vq、bo、ys分别为区域经济活力指数、区域人口密集度数据、区域交通设施密度数据,kg、pd分别为海拔走势坡度数据、地形地貌凸凹度数据, 为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
根据本发明实施例,所述获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数,具体为:
获取预设城市防汛监测记录数据库,其中包括预设城市区域在历史多个降雨防汛时期的历史汛情监测记录信息样本;
根据所述城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本;
根据所述历史防汛监测记录信息提取样本提取所述各子区域对应的历史汛情监测记录数据,包括积水内涝程度指数、交通拥堵度系数以及记录事故增长率数据;
根据所述各子区域的所述多个历史防汛监测记录信息提取样本对应的多个所述历史汛情监测记录数据进行处理,获得所述各子区域的历史同期内涝度均指数。
其中,为精准评估各子区域在未来降水时段的防汛防涝情况,首先通过数据库的历史相同降水量的数据样本分析评估历史同期子区域的内涝度情况,通过历史数据先对子区域同样历史降雨情况下的内涝防汛情况进行评估,通过预设数据库提取各子区域与未来降雨量预测数据相同历史降雨量时段下的多个历史样本,并提取样本的监测记录数据,包括反映积水内涝程度、交通拥堵度、子区域事故的同比增长率,事故增长率根据实际需求进行同比计算得出,再对多个历史数据进行计算处理,获得子区域在历史降雨同期时段下的内涝度平均指数结果,反映子区域历史降雨时段的内涝评测的平均情况,其中,所述历史同期内涝度均指数的计算公式为:
其中,为历史同期内涝度均指数,fti、asi、zui分别为第i个历史防汛监测记录信息提取样本对应的积水内涝程度指数、交通拥堵度系数、记录事故增长率数据,k为历史防汛监测记录信息提取样本的个数,μ、υ为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
根据本发明实施例,所述根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数,具体为:
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数和功能重要性系数以及所述当前排涝速率数据进行对比修正,获得子区域在所述未来预设时段的预期汛情检测指数;
所述预期汛情检测指数的修正计算公式为:
其中,uq为预期汛情检测指数,为历史同期内涝度均指数,ch为功能重要性系数,wp为地形排涝功能评价指数,sf为当前排涝速率数据,γ、ρ、ξ为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
其中,为综合检测对比出城市各子区域在未来降雨时段下的预期汛情轻重影响情况的检测结果,需结合各子区域历史同降雨时段的内涝情况结果结合子区域的功能重要性、地形地貌地势排涝功能、子区域当前排涝速率能力情况进行综合测评,得出能反映子区域设计重要性、地形排涝、排涝设施效果以及历史同期内涝度情况的反映子区域综合防内涝的汛情检测情况,通过计算公式进行修正计算获得预期汛情检测指数。
根据本发明实施例,所述根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史防汛监测记录信息提取样本中邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数,具体为:
根据所述各子区域在未来预设时段的所述预期汛情检测指数进行对比,筛选出排名靠前的一个或几个子区域作为重点防汛子区域;
通过所述城市防汛监测记录数据库提取所述重点防汛子区域的多个所述历史防汛监测记录信息提取样本中邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据;
根据所述邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据以及对应的当前排涝速率数据进行对比处理,获得所述重点防汛子区域的排涝改进度效果指数。
其中,当获取城市各子区域的预期汛情检测指数后,对各子区域的指数进行排序并截取一个或几个排名靠前子区域,即为需重点评估防汛能力的重点关注子区域,再通过数据库提取重点防汛子区域的最邻近间隔样本,即数据库中近期邻近的第j个和第j-1个的两个间隔历史样本,并提取两个间隔历史样本中的历史汛情监测记录数据,并通过公式进行计算评估,获得重点防汛子区域的排涝改进度效果指数,即对子区域的最近排涝优化改进情况进行效果评估,通过该效果指数与预设阈值进行对比,可根据阈值对比结果判断重点防汛子区域的排涝改进优化效果是否满足阈值要求,若满足,则该子区域排涝防汛无须重点戒备警示,若不满足,则需对该子区域未来降雨防汛进行重点关注和对策布控,以防止该子区域发生重大汛情,其中,所述排涝改进度效果指数的计算公式为:
其中,rα为排涝改进度效果指数,ftj、asj、zuj、sfj分别为第j个历史防汛监测记录信息提取样本对应的积水内涝程度指数、交通拥堵度系数、记录事故增长率数据、当前排涝速率数据,δ、λ为预设特征系数(特征系数通过预设城市防汛监测记录数据库查询获得)。
本发明第三方面提供了一种可读存储介质,所述可读存储介质中包括基于大数据的城市防汛决策方法程序,所述基于大数据的城市防汛决策方法程序被处理器执行时,实现如上述任一项所述的基于大数据的城市防汛决策方法的步骤。
本发明公开的一种基于大数据的城市防汛决策方法、***和存储介质,通过采集城市各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据并处理获得功能重要性系数和地形排涝功能评价指数,以及提取降雨量预测数据,根据城市防汛监测记录数据库提取各子区域的与降雨量预测数据相同历史降雨量时段的多个历史样本并提取多个对应历史数据处理获得历史同期内涝度均指数,再结合子区域的地形排涝功能评价指数和功能重要性系数处理获得预期汛情检测指数,并筛选出重点防汛子区域,根据重点防汛子区域邻近间隔样本的历史汛情监测记录数据处理获得排涝改进度效果指数,再与预设阈值进行阈值对比判断重点防汛子区域的防汛排涝优化改进情况;从而通过大数据对城市各子区域的重要性、排涝能力进行评估并结合子区域历史同降雨期内涝情况进行处理获得汛情预期检测结果,并筛出重点防汛子区域,再对其排涝改进效果进行评估判断其防汛改进情况,实现通过大数据对城市重要防汛区域进行识别并进行其防汛优化能力的检测的技术。
在本申请所提供的几个实施例中,应该理解到,所揭露的设备和方法,可以通过其它的方式实现。以上所描述的设备实施例仅仅是示意性的,例如,所述单元的划分,仅仅为一种逻辑功能划分,实际实现时可以有另外的划分方式,如:多个单元或组件可以结合,或可以集成到另一个***,或一些特征可以忽略,或不执行。另外,所显示或讨论的各组成部分相互之间的耦合、或直接耦合、或通信连接可以是通过一些接口,设备或单元的间接耦合或通信连接,可以是电性的、机械的或其它形式的。
上述作为分离部件说明的单元可以是、或也可以不是物理上分开的,作为单元显示的部件可以是、或也可以不是物理单元;既可以位于一个地方,也可以分布到多个网络单元上;可以根据实际的需要选择其中的部分或全部单元来实现本实施例方案的目的。
另外,在本发明各实施例中的各功能单元可以全部集成在一个处理单元中,也可以是各单元分别单独作为一个单元,也可以两个或两个以上单元集成在一个单元中;上述集成的单元既可以采用硬件的形式实现,也可以采用硬件加软件功能单元的形式实现。
本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过程序指令相关的硬件来完成,前述的程序可以存储于可读取存储介质中,该程序在执行时,执行包括上述方法实施例的步骤;而前述的存储介质包括:移动存储设备、只读存储器(ROM,Read-Only Memory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
或者,本发明上述集成的单元如果以软件功能模块的形式实现并作为独立的产品销售或使用时,也可以存储在一个可读取存储介质中。基于这样的理解,本发明实施例的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机、服务器、或者网络设备等)执行本发明各个实施例所述方法的全部或部分。而前述的存储介质包括:移动存储设备、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。
Claims (10)
1.一种基于大数据的城市防汛决策方法,其特征在于,包括以下步骤:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据;
根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数;
获取预设城市区域在未来预设时段的降雨量预测信息,并提取降雨量预测数据;
获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数;
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数;
根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史相邻的所述历史防汛监测记录信息提取邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数;
根据所述重点防汛子区域的所述排涝改进度效果指数与预设的区域排涝优化度测评阈值进行阈值对比,判断所述重点防汛子区域的防汛排涝优化改进情况。
2.根据权利要求1所述的基于大数据的城市防汛决策方法,其特征在于,所述采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据,包括:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息;
根据所述区域备注信息提取区域经济活力指数、区域人口密集度数据和区域交通设施密度数据;
根据所述地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据;
根据所述排涝设计信息提取当前排涝速率数据。
3.根据权利要求2所述的基于大数据的城市防汛决策方法,其特征在于,所述根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数,包括:
根据各子区域的所述区域经济活力指数、区域人口密集度数据和区域交通设施密度数据通过预设城市区域属性识别模型进行处理,获得各子区域对应的功能重要性系数;
根据所述各子区域的所述海拔走势坡度数据和地形地貌凸凹度数据通过预设城市地貌评估模型进行处理,获得所述各子区域对应的地形排涝功能评价指数。
4.根据权利要求3所述的基于大数据的城市防汛决策方法,其特征在于,所述获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数,包括:
获取预设城市防汛监测记录数据库,其中包括预设城市区域在历史多个降雨防汛时期的历史汛情监测记录信息样本;
根据所述城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本;
根据所述历史防汛监测记录信息提取样本提取所述各子区域对应的历史汛情监测记录数据,包括积水内涝程度指数、交通拥堵度系数以及记录事故增长率数据;
根据所述各子区域的所述多个历史防汛监测记录信息提取样本对应的多个所述历史汛情监测记录数据进行处理,获得所述各子区域的历史同期内涝度均指数。
5.根据权利要求4所述的基于大数据的城市防汛决策方法,其特征在于,所述根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数,包括:
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数和功能重要性系数以及所述当前排涝速率数据进行对比修正,获得子区域在所述未来预设时段的预期汛情检测指数;
所述预期汛情检测指数的修正计算公式为:
其中,uq为预期汛情检测指数,为历史同期内涝度均指数,ch为功能重要性系数,wp为地形排涝功能评价指数,sf为当前排涝速率数据,γ、ρ、ξ为预设特征系数。
6.根据权利要求5所述的基于大数据的城市防汛决策方法,其特征在于,所述根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史防汛监测记录信息提取样本中邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数,包括:
根据所述各子区域在未来预设时段的所述预期汛情检测指数进行对比,筛选出排名靠前的一个或几个子区域作为重点防汛子区域;
通过所述城市防汛监测记录数据库提取所述重点防汛子区域的多个所述历史防汛监测记录信息提取样本中邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据;
根据所述邻近间隔样本的积水内涝程度指数、交通拥堵度系数和记录事故增长率数据以及对应的当前排涝速率数据进行对比处理,获得所述重点防汛子区域的排涝改进度效果指数。
7.一种基于大数据的城市防汛决策***,其特征在于,该***包括:存储器及处理器,所述存储器中包括基于大数据的城市防汛决策方法的程序,所述基于大数据的城市防汛决策方法的程序被所述处理器执行时实现以下步骤:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据;
根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数;
获取预设城市区域在未来预设时段的降雨量预测信息,并提取降雨量预测数据;
获取预设城市防汛监测记录数据库,根据城市防汛监测记录数据库提取所述各子区域的与所述降雨量预测数据相同历史降雨量时段的多个历史防汛监测记录信息提取样本,并提取多个对应历史汛情监测记录数据进行处理,获得历史同期内涝度均指数;
根据子区域的所述历史同期内涝度均指数结合子区域对应所述地形排涝功能评价指数以及功能重要性系数进行处理,获得子区域在所述未来预设时段的预期汛情检测指数;
根据所述各子区域的所述预期汛情检测指数进行对比,筛选出重点防汛子区域,通过所述城市防汛监测记录数据库提取重点防汛子区域的多个历史相邻的所述历史防汛监测记录信息提取邻近间隔样本的历史汛情监测记录数据,并处理获得排涝改进度效果指数;
根据所述重点防汛子区域的所述排涝改进度效果指数与预设的区域排涝优化度测评阈值进行阈值对比,判断所述重点防汛子区域的防汛排涝优化改进情况。
8.根据权利要求7所述的基于大数据的城市防汛决策***,其特征在于,所述采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设计信息并提取对应数据,包括:
采集预设城市区域内各子区域的区域备注信息、地理特征信息和排涝设施特征信息;
根据所述区域备注信息提取区域经济活力指数、区域人口密集度数据和区域交通设施密度数据;
根据所述地理特征信息提取海拔走势坡度数据、地形地貌凸凹度数据;
根据所述排涝设计信息提取当前排涝速率数据。
9.根据权利要求8所述的基于大数据的城市防汛决策***,其特征在于,所述根据各子区域的所述区域备注信息以及地理特征信息的对应数据通过预设模型进行处理,分别获得各子区域的功能重要性系数和地形排涝功能评价指数,包括:
根据各子区域的所述区域经济活力指数、区域人口密集度数据和区域交通设施密度数据通过预设城市区域属性识别模型进行处理,获得各子区域对应的功能重要性系数;
根据所述各子区域的所述海拔走势坡度数据和地形地貌凸凹度数据通过预设城市地貌评估模型进行处理,获得所述各子区域对应的地形排涝功能评价指数。
10.一种计算机可读存储介质,其特征在于,所述计算机可读存储介质中包括基于大数据的城市防汛决策方法程序,所述基于大数据的城市防汛决策方法程序被处理器执行时,实现如权利要求1至6中任一项所述的基于大数据的城市防汛决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311768660.XA CN117745095B (zh) | 2023-12-21 | 2023-12-21 | 一种基于大数据的城市防汛决策方法、***和存储介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311768660.XA CN117745095B (zh) | 2023-12-21 | 2023-12-21 | 一种基于大数据的城市防汛决策方法、***和存储介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117745095A true CN117745095A (zh) | 2024-03-22 |
CN117745095B CN117745095B (zh) | 2024-07-19 |
Family
ID=90252359
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311768660.XA Active CN117745095B (zh) | 2023-12-21 | 2023-12-21 | 一种基于大数据的城市防汛决策方法、***和存储介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117745095B (zh) |
Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530626A (zh) * | 2016-11-07 | 2017-03-22 | 孙晓彤 | 山洪灾害监测预警***及监测方法 |
CN112231913A (zh) * | 2020-10-16 | 2021-01-15 | 广东电网有限责任公司广州供电局 | 一种城市内涝黑点的内涝模拟方法及装置 |
CN113191644A (zh) * | 2021-05-06 | 2021-07-30 | 天津大学 | 一种基于自发-引发风险评价模型城市内涝风险评价方法 |
CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及*** |
CN114021766A (zh) * | 2021-07-31 | 2022-02-08 | 深圳市自由度环保科技有限公司 | 一种基于物联网和大数据的城市水安全预测方法 |
CN115169069A (zh) * | 2022-04-13 | 2022-10-11 | 浙江六川信息科技有限公司 | 基于大数据的城市内涝预测方法 |
CN115563540A (zh) * | 2022-10-21 | 2023-01-03 | 城云科技(中国)有限公司 | 结合多源数据和深度学习的城市内涝预测方法及其应用 |
CN115564134A (zh) * | 2022-10-21 | 2023-01-03 | 中禹规划设计有限公司 | 一种防汛防涝预警***及方法 |
US11721191B1 (en) * | 2022-05-16 | 2023-08-08 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system for flood early warning in smart city based on internet of things |
CN116597619A (zh) * | 2023-07-18 | 2023-08-15 | 山东交控科技有限公司 | 一种基于人工智能的轨道交通防汛预警*** |
CN117010726A (zh) * | 2023-09-29 | 2023-11-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 用于城市防洪的智慧预警方法及*** |
WO2023226435A1 (zh) * | 2022-05-25 | 2023-11-30 | 西北农林科技大学 | 用于山地果园的集雨补灌促渗排涝综合***及其实施方法 |
-
2023
- 2023-12-21 CN CN202311768660.XA patent/CN117745095B/zh active Active
Patent Citations (12)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530626A (zh) * | 2016-11-07 | 2017-03-22 | 孙晓彤 | 山洪灾害监测预警***及监测方法 |
CN112231913A (zh) * | 2020-10-16 | 2021-01-15 | 广东电网有限责任公司广州供电局 | 一种城市内涝黑点的内涝模拟方法及装置 |
CN113191644A (zh) * | 2021-05-06 | 2021-07-30 | 天津大学 | 一种基于自发-引发风险评价模型城市内涝风险评价方法 |
CN114021766A (zh) * | 2021-07-31 | 2022-02-08 | 深圳市自由度环保科技有限公司 | 一种基于物联网和大数据的城市水安全预测方法 |
CN113780668A (zh) * | 2021-09-15 | 2021-12-10 | 泰华智慧产业集团股份有限公司 | 一种基于历史数据的城市积水内涝预测方法及*** |
CN115169069A (zh) * | 2022-04-13 | 2022-10-11 | 浙江六川信息科技有限公司 | 基于大数据的城市内涝预测方法 |
US11721191B1 (en) * | 2022-05-16 | 2023-08-08 | Chengdu Qinchuan Iot Technology Co., Ltd. | Method and system for flood early warning in smart city based on internet of things |
WO2023226435A1 (zh) * | 2022-05-25 | 2023-11-30 | 西北农林科技大学 | 用于山地果园的集雨补灌促渗排涝综合***及其实施方法 |
CN115563540A (zh) * | 2022-10-21 | 2023-01-03 | 城云科技(中国)有限公司 | 结合多源数据和深度学习的城市内涝预测方法及其应用 |
CN115564134A (zh) * | 2022-10-21 | 2023-01-03 | 中禹规划设计有限公司 | 一种防汛防涝预警***及方法 |
CN116597619A (zh) * | 2023-07-18 | 2023-08-15 | 山东交控科技有限公司 | 一种基于人工智能的轨道交通防汛预警*** |
CN117010726A (zh) * | 2023-09-29 | 2023-11-07 | 水利部交通运输部国家能源局南京水利科学研究院 | 用于城市防洪的智慧预警方法及*** |
Non-Patent Citations (3)
Title |
---|
卢健涛;侯贵兵;李媛媛;陈俊贤;薛娇;: "城市内涝决策支持***的研究及展望", 人民珠江, vol. 41, no. 02, 25 February 2020 (2020-02-25), pages 134 - 139 * |
张祖山;李磊;史大勇;: "城市水灾害监测及决策支持***建设及应用", 治淮, no. 12, 15 December 2017 (2017-12-15), pages 94 - 95 * |
李瑶;胡潭高;潘骁骏;雷享勇;谢俊杰;徐露洁;王雪;: "城市内涝灾害模拟与灾情风险评估研究进展", 地理信息世界, no. 06, 25 December 2017 (2017-12-25), pages 50 - 57 * |
Also Published As
Publication number | Publication date |
---|---|
CN117745095B (zh) | 2024-07-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110766258B (zh) | 一种道路风险的评估方法及装置 | |
CN110837925B (zh) | 一种城市内涝预测方法和装置 | |
CN106801463B (zh) | 排水管的排水状态检测方法和*** | |
CN103888961B (zh) | 一种用户监控方法及装置 | |
CN117173871B (zh) | 一种防汛监测方法和*** | |
CN112991130A (zh) | 基于人工智能的城市治理事件处理方法及装置 | |
Chohlas-Wood et al. | Mining 911 calls in New York City: Temporal patterns, detection, and forecasting | |
CN114418175A (zh) | 一种人员管理方法、装置、电子设备及存储介质 | |
CN117809439A (zh) | 一种基于多种环境因素中河流流量异常预警*** | |
CN117745095B (zh) | 一种基于大数据的城市防汛决策方法、***和存储介质 | |
CN113822487A (zh) | 运营车辆的风险预警方法、装置、存储介质及计算机设备 | |
CN117114425A (zh) | 一种应对突发事件的智能预警方法、***及介质 | |
CN116246463A (zh) | 一种基于实时大数据的交通拥堵预警方法及*** | |
CN116887297A (zh) | 排水管网无线传感器网络监测节点的优化部署方法 | |
CN114708728B (zh) | 一种识别交通高峰期的方法、电子设备及存储介质 | |
CN112529311B (zh) | 一种基于图卷积分析的道路流量预测方法和装置 | |
CN115293293A (zh) | 一种雨型模糊识别评估方法、***及终端设备 | |
CN113589404A (zh) | 一种场次暴雨径流量预测方法 | |
CN111724620A (zh) | 一种共享停车应急处理方法与*** | |
CN110020223B (zh) | 行为数据分析方法及装置 | |
CN112417007A (zh) | 一种数据分析方法、装置、电子设备及存储介质 | |
Fekih et al. | Suitability of cellular network signaling data for ORIGIN-DESTINATION matrix construction: a case study of LYON region (FRANCE) | |
CN112529323B (zh) | 用于监测区域水质的优化布点方法、***及存储介质 | |
CN114760353B (zh) | 一种基于大数据的智慧城市互联网服务管理***及方法 | |
CN115965137B (zh) | 特定对象关联性预测方法、***、终端及存储介质 |
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 |