【技术实现步骤摘要】
本专利技术涉及灾害评估预测，具体地说是一种基于智能体的多尺度城市内涝道路交通暴露性预测方法。
技术介绍
1、城市化和气候变化导致暴雨内涝频现，威胁城市可持续发展和民众生活。交通网络对于日常出行和社会发展至关重要。一旦受到暴雨和内涝的侵袭，道路交通异常，会对城市道路运行造成影响。因此，如何模拟预测道路交通在暴雨内涝事件中的演变规律，将有助于政府决策部门制定有效的预警系统和应对策略，以保障城市交通的可靠性和安全性，促进城市的可持续发展。
2、传统方法要么从交通模拟的角度，按照特定规则提取并分析受灾道路的数据；要么从灾害模拟的角度，使用水文水动力学模型来模拟计算被淹没的道路情况。城市内涝是“自然-社会”复合型的灾害，从多维角度影响道路交通暴露性，需综合考虑水文过程与人类活动的影响。
3、传统方法缺乏对地理环境约束下交通暴露性的动态模拟，模拟方法更注重通勤规则设计，在灾害响应方面对城市地理环境因素的时空约束考虑不足。
4、传统洪涝预报中，内涝模型的输入主要依赖于地面观测站数据。观测站点稀疏、降水分布差异大，依靠雨量难准确描述降水特征，不能满足多尺度城市道路交通内涝预测的需求。
技术实现思路
1、针对上述技术存在的问题，本专利技术提供了一种基于智能体的多尺度城市内涝道路交通暴露性预测方法，目的在于设计道路交通暴露性理论框架，利用智能体模型，基于未来气候模式，实现多尺度道路交通暴露性预测。本专利技术通过下述技术方案实现：
2、本专利技术公开的一种
3、s1：内涝情景下的道路暴露性影响特征分析；
4、s2：道路交通空间多尺度暴露性单元划分；
5、s3：耦合未来气候数据的多尺度城市道路交通暴露性预测；
6、s4：暴雨内涝道路交通暴露性量化计算；
7、s5：基于智能体预测未来气候下城市道路交通暴露性。
8、进一步地，所述s1包括以下子步骤：
9、s11：道路交通暴露性影响因子分析；
10、s12：道路交通暴露性形成过程分析；
11、s13：显性及隐性影响特征识别。
12、进一步地，所述s11城市内涝灾害主要由三部分综合作用产生，具体为：
13、s111：致灾因素分析。致灾因素是灾害的直接原因，指可能导致灾害及其随后的社会经济损失的动态因素；
14、s112：孕灾环境分析。地区差异决定了引发灾害因素的时空分布特征。孕灾环境指孕育城市内涝灾害的自然与人为环境。自然环境包括地表地貌等，而人为环境包括城市排水能力和城市用地功能区分布等；
15、s113：承灾体分析。本专利技术承灾体就是城市道路，包括：
16、道路速度。由于道路速度主要通过诸如环路检测器等传感器进行检测，因此很难获取该值。为了获得不同时间点的道路速度数据，本专利技术利用车辆gps数据，使用地图匹配方法将车辆轨迹点与相应的道路匹配。道路的平均速度为该时间单位内通过该道路段的所有轨迹点的平均速度，计算公式如下：
17、，
18、其中，为单位时间目标道路轨迹点数量，为该条路段上轨迹点瞬时速度；
19、道路高程。为了将原始的高程（digital elevation model，dem）数据与城市道路数据关联起来，本专利技术将栅格类型的高程数据赋值给相应的矢量道路；
20、道路中介中心性。中介中心性用于量化节点在网络图中的重要地位，它反映了图中通过该节点的最短路径数量；
21、土地利用类型。土地利用类型分为公园、住宅和商业用途；
22、路面材质。路面材质与道路交通暴露性之间存在一定的关系。不同的路面材质对交通暴露性产生影响的方式有所不同，路面材质的粗糙程度会对车辆的行驶安全和交通暴露性产生影响；
23、道路等级。道路按照等级被划分为快速路、城市主干路、次干路和支路；
24、车道数。车道数指的是一条道路上可供机动车行驶的车道数量。由于道路等级与车道数没有直接的联系，因此需要借助车道数这一特征来研究道路交通暴露性；
25、道路长度。道路的长度是指两个端点之间的距离，一般可用来衡量道路在拥堵时提供的缓冲能力。
26、进一步地，所述s12包括以下子步骤：
27、s121：降雨异常道路检测。降雨异常道路是指在雨天后，道路上部分车辆的速度改变导致周边道路的缓行或拥堵。为了检测降雨异常道路，本专利技术对目标区域正常情景下与暴雨内涝情景下的两类道路速度数据进行统计对比；
28、s122：受降雨影响道路提取
29、本专利技术根据统计结果，将道路类型划分为三类：速度显著上升的道路、速度无明显变化的道路和速度明显下降的道路。为了更准确地分析，本专利技术将结合目标区域的雨量监测点数据，进行统计分析，计算道路速度的平均变化率；
30、s123：降雨异常道路提取。使用曼-肯德尔（mann-kendall）突变检测方法分析降雨期间的道路速度时序数据，以检测速度变化的情况。本专利技术分析目标区域所有道路，统计发生速度突变的道路并通过地图表示位置；
31、s124：道路交通堵塞扩散分析。在城市交通中，偶发的道路拥堵通常最初发生在某个特定点，比如一个交叉口，只会直接影响与该空间相关的道路。为了分析最初暴雨引起的异常道路对周边道路状况的影响，本专利技术采用局部莫兰指数，对暴雨异常道路进行空间自相关性分析。空间自相关分析方法可以研究地理要素的空间分布特征，也就是分析在同一个研究区域内地理要素之间存在的潜在相关性，进而分析降雨和内涝引起的道路交通堵塞扩散现象。局部莫兰指数的计算公式如下：
32、，
33、式中，是变量，是变量均值，是地理要素数目，是权重矩阵。
34、进一步地，所述s13包括以下子步骤：
35、s131：显性影响特征识别。显性影响特征是指在计算暴露度时，道路出现水坑等显性影响特征。水坑可能引发交通异常，导致交通堵塞。有时候，堵塞情况会通过相邻道路传播，使得相邻道路的暴露程度也增加；
36、s132：隐性影响特征识别。隐性影响特征指的是在计算暴露程度时，对道路的暴露程度产生潜在影响。本专利技术通过量化间接暴露性特征计算暴露性；
37、进一步地，所述s2城市内涝灾害的空间多尺度效应对道路交通的暴露性分布格局和变化机制产生明显多尺度特征。本专利技术设计了四种道路交通空间尺度暴露性单元，具体包括：一级大尺度暴露性单元，即仅包含城市快速路；二级较大暴露性单元，即仅包含城市快速路与主干路；三级中尺度暴露性单元，即包含城市快速路、主干路与次干路；四级小尺度暴露性单元，即包含城市快速路、主干路、次干路与支路。具体的，道路交通空间多尺度暴露性单元划分步骤如下：
38、s21：通过分析四种尺度的空间尺度效应，研究其几何形态特征，总结它们的差异性本文档来自技高网...
【技术保护点】
1.基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤S11城市内涝灾害主要由三部分综合作用产生，具体为：
3.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤S12暴露性形成过程分析包括以下子步骤：
4.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤S13影响特征识别包括以下子步骤：
5.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤S31包括以下子步骤：
6.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤S32包括以下子步骤：
7.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤S33多尺度表达划分标准，包括以下四个时空尺度：
8.根据权利要求1所述的基于智能体的多尺度城市内涝
9.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，
10.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，
11.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，
12.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，
13.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，所述的S53暴露性动态模拟包括以下子步骤：
14.根据权利要求2所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，所述S113承灾体就是城市道路，其特征包括：
...【技术特征摘要】
1.基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，所述方法包括以下步骤：
2.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤s11城市内涝灾害主要由三部分综合作用产生，具体为：
3.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤s12暴露性形成过程分析包括以下子步骤：
4.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤s13影响特征识别包括以下子步骤：
5.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤s31包括以下子步骤：
6.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法，其特征在于，步骤s32包括以下子步骤：
7.根据权利要求1所述的基于智能体的多尺度城市内涝道路交通暴露性预测方法...
【专利技术属性】
技术研发人员：张书亮，金恒旭，卢海鹏，鹿鹏程，赵宇，陈意文，郑上华，杨乐天，严武杰，
申请(专利权)人：南京师范大学，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。