基于孪生模型的城市内涝点预测方法及系统技术方案

本发明专利技术公开一种基于孪生模型的城市内涝点预测方法及系统，进行多源时空大数据收集，包括收集LiDAR数据、遥感影像数据、地下管网数据、气象数据和相关统计数据；地上地下一体化孪生场景建立，包括地上部分的高精度高程模型制作和土地利用类型获取，地下部分的排水管网体系搭建；利用长时间序列的历史暴雨数据训练研究区的模型参数，模拟不同暴雨重现期条件下城市内涝情况，得到易涝点的概略分布；接入相关实时动态信息，调整优化，实现内涝点的精准预测与定位，推算淹没范围和淹没水深；构建城市易涝区风险评价体系，进行城市内涝点风险预测。本发明专利技术有效提高了城市内涝点预测的效率和精度，为积水改造、海绵城市建设、灾害应急救援等提供决策依据。等提供决策依据。等提供决策依据。

【技术实现步骤摘要】
基于孪生模型的城市内涝点预测方法及系统


[0001]本专利技术属于城市内涝预测与防治领域，具体涉及一种基于孪生模型的城市内涝点预测方法及系统。

技术介绍

[0002]我国是世界上洪涝灾害频发的国家之一。水利部和应急管理部国家减灾中心的统计数据显示，近30年来，我国每年因洪涝灾害死亡或失踪人口超2000人，造成直接经济损失总计约4.81万亿元。城市内涝还引发了一系列诸如交通安全、水质污染等问题，严重制约了我国经济社会的发展和人民生活水平的提高。
[0003]2021年8月，政府间气候变化专门委员会(IPCC)第六次评估报告(AR6)指出，在全球气候变化环境下，水循环加剧会加大降雨强度，这意味着城市将面临更频繁的洪水事件和更严峻的内涝风险。同时，城市化引起了径流增大、汇流时间缩短、洪峰水量增大等水文效应，进一步增加了城市内涝的复杂性。掌握城市内涝事件及其淹没过程演化规律，增强城市应对洪涝灾害的能力，是我国城镇化工作的重要议题，也是联合国2030年可持续发展报告中的重要目标。
[0004]当前，针对城市内涝灾害的研究主要分为模型驱动和数据驱动两类。城市雨洪模型物理意义明确，但模型率定的初始条件存在很大的不确定性，难以得到较高的精度，缺乏进一步的风险分析过程。而数据驱动的方法则不考虑物理过程，直接将各类影响因素与淹没水深、淹没范围等建立联系。气象局、水务局、测绘院等各级部门也分别建立了气象站点监测、城市降雨监测、基础地理信息等系统，具备了丰富的时空大数据资源条件。然而，各类数据缺乏统一的载体，共享性差，不能最大限度地发挥作用以共同支撑城市内涝防治的精细化研究。因此，如何结合水文水力模型的机理优越性与数据驱动方法的简单直接性，进一步提高城市内涝模拟与预测的精度和稳定性，是亟需深入研究的问题。
[0005]近些年来，数字孪生技术的发展为城市内涝灾害预测提供了新的思路。数字孪生集成城市物联网、大数据、地理信息系统等技术，构建城市时空大数据平台，形成对真实物理世界的映射，通过在孪生的虚拟世界中模拟和预测不同条件下的场景，为现实场景的决策提供技术支撑。将数字孪生技术与传统物理模型相结合，综合多学科视角深入研究城市暴雨内涝机理，为积水改造、海绵城市建设提供决策依据，是一项极具现实意义和社会价值的工作。

技术实现思路

[0006]针对上述难题，本专利技术提供了一种基于孪生模型的城市内涝点预测方案，该方法通过星载、机载、地面、地下等多传感器数据构建地上地下一体化的城市孪生场景，利用历史数据驱动模型分析，接入实时数据进行模型修改和验证，实现对城市内涝点的精准快速判断，为城市应急响应决策提供可靠的建议。
[0007]为实现上述技术特征，本专利技术提供一种基于孪生模型的城市内涝点预测方法，包
括以下步骤，
[0008]S1，多源时空大数据收集，包括收集LiDAR数据、遥感影像数据、地下管网数据、气象数据和相关统计数据；
[0009]S2，地上地下一体化孪生场景建立，还原真实城市场景的空间特征，包括地上部分的高精度高程模型制作和土地利用类型获取，地下部分的排水管网体系搭建；
[0010]S3，利用长时间序列的历史暴雨数据训练研究区的模型参数，模拟不同暴雨重现期条件下的城市内涝情况，得到易涝点的概略分布；接入相关实时动态信息，对模型参数进一步调整优化，实现内涝点的精准预测与定位，推算淹没范围和淹没水深；
[0011]S4，构建城市易涝区风险评价体系，基于模糊综合评价法进行城市内涝点风险预测，包括利用层次分析法构造权重矩阵，利用隶属度函数求出模糊矩阵；根据权重矩阵和模糊矩阵得出复合模糊矩阵，最后计算得到研究区内涝风险预测结果。
[0012]而且，步骤S1中，遥感影像数据包括高分二号影像，相应预处理流程包括辐射定标、正射校正、图像配准和数据融合。
[0013]而且，步骤S1中所述的地下管网数据包括管线数据和节点数据，管线数据中记录起始点坐标和高程、管道长度、管道类型、横截面积属性，节点数据中记录节点坐标、节点高程、附属物类型属性。
[0014]而且，步骤S2中，利用机载LiDAR数据生成研究区亚米级高精度数字高程模型DEM，对机载LiDAR采集的点云数据进行滤波处理，去除明显的噪声信息，分类成地面点与非地面点，对地面点数据构建不规则三角网，从而形成高精度的数字高程模型。
[0015]而且，基于高分二号影像进行下垫面解析，修正后得到地表类型及相应的渗透系数；根据管网排查情况，对排水管线和排水节点进行概化，得到线状的管线数据和点状的节点数据。
[0016]而且，步骤S3中，对于线型区域，采用一维水动力学模型，所述线型区域包括地下管网、河道和街道；
[0017]对于面状区域，采用二维水动力学模型，所述面状区域包括街道交汇处、湖泊、空旷广场；
[0018]不同暴雨重现期根据各地地方标准中暴雨强度公式及设计暴雨雨型，推算不同重现期的降雨条件。
[0019]而且，步骤S4中，针对各项因子量纲不同，进行归一化，越接近1代表风险程度越高，越接近0代表风险程度越低。
[0020]而且，基于模糊综合评价法进行城市易涝区风险评估的实现方式为，确定因素集U，通过层次分析法确定各因子的权重，构造权重向量矩阵W；二是确定评语集V，根据模糊数学理论构造合适的隶属度函数，求出隶属度矩阵R；三是根据权重向量矩阵W和隶属度矩阵R 得到复合模糊矩阵B，由复合模糊矩阵B计算得到研究区内涝风险评估结果。
[0021]另一方面，本专利技术还提供一种基于孪生模型的城市内涝点预测系统，用于实现如上所述的一种基于孪生模型的城市内涝点预测方法。
[0022]而且，包括处理器和存储器，存储器用于存储程序指令，处理器用于调用存储器中的存储指令执行如上所述的一种基于孪生模型的城市内涝点预测方法。
[0023]本专利技术的优点及有益效果为：本专利技术公开了一种基于孪生模型的城市内涝点预测
方法，该方法充分利用了数字孪生技术和时空大数据的优势，构建了地上地下一体化的城市内涝孪生系统，有效提高了城市内涝点预测的效率和精度。
附图说明
[0024]图1为本专利技术实施例的基于SAR影像提取洪涝淹没范围的方法流程图。
[0025]图2为本专利技术实施例的评价指标体系图。
具体实施方式
[0026]为了更清晰地表述本专利技术的技术方案，下面结合附图和实施例对本专利技术做进一步的详细说明。
[0027]本专利技术公开了一种基于孪生模型的城市内涝点预测方法，该方法充分利用了数字孪生技术和时空大数据的优势，集成星载、机载、地面、地下等多传感器数据构建地上地下一体化的城市孪生场景。使用长时间序列的历史暴雨数据训练研究区的模型参数，模拟不同暴雨重现期条件下的内涝演进过程，得到易涝点的概略分布。接入实时数据进行模型修改和验证，实现城市内涝点的精准预测与定位，并推算其淹没范围和淹没水深，最后基于模糊综合评价法预测城市内涝灾害风险。该方法有效提高了城市内涝点预测的效率和精度，为本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于孪生模型的城市内涝点预测方法，其特征在于：包括以下步骤，S1，多源时空大数据收集，包括收集LiDAR数据、遥感影像数据、地下管网数据、气象数据和相关统计数据；S2，地上地下一体化孪生场景建立，还原真实城市场景的空间特征，包括地上部分的高精度高程模型制作和土地利用类型获取，地下部分的排水管网体系搭建；S3，利用长时间序列的历史暴雨数据训练研究区的模型参数，模拟不同暴雨重现期条件下的城市内涝情况，得到易涝点的概略分布；接入相关实时动态信息，对模型参数进一步调整优化，实现内涝点的精准预测与定位，推算淹没范围和淹没水深；S4，构建城市易涝区风险评价体系，基于模糊综合评价法进行城市内涝点风险预测，包括利用层次分析法构造权重矩阵，利用隶属度函数求出模糊矩阵；根据权重矩阵和模糊矩阵得出复合模糊矩阵，最后计算得到研究区内涝风险预测结果。2.根据权利要求1所述基于孪生模型的城市内涝点预测方法，其特征在于：步骤S1中，遥感影像数据包括高分二号影像，相应预处理流程包括辐射定标、正射校正、图像配准和数据融合。3.根据权利要求1所述综合多源数据的城市易涝区风险评估方法，其特征在于：步骤S1中所述的地下管网数据包括管线数据和节点数据，管线数据中记录起始点坐标和高程、管道长度、管道类型、横截面积属性，节点数据中记录节点坐标、节点高程、附属物类型属性。4.根据权利要求1所述综合多源数据的城市易涝区风险评估方法，其特征在于：步骤S2中，利用机载LiDAR数据生成研究区亚米级高精度数字高程模型DEM，对机载LiDAR采集的点云数据进行滤波处理，去除明显的噪声信息，分类成地面点与非地面点，对地面点数据构建不规则三角网，从而形成高精度的数字高程模型。5.根据权利要求1所述基于孪生模型的城...

【专利技术属性】
技术研发人员：邵振峰，熊婉华，邓莹，
申请(专利权)人：武汉大学，
类型：发明
国别省市：