【技术实现步骤摘要】
本申请涉及大数据，具体涉及一种基于大数据超融合的汛情检测方法、设备及介质。
技术介绍
1、随着全球气候变化的日益加剧，极端天气事件频发，尤其是暴雨和洪水等自然灾害，对人类社会造成了巨大的威胁。在汛期防止内涝危害，及时提醒人员撤离，对保护人民及财产安全具有重要意义。
2、传统的防汛抢险系统，大多是依赖于有限的气象站点和人工巡查进行汛情检测，这种方式数据覆盖范围有限，难以发现整个区域的汛情状况并进行安全预警，给防汛抢险带来了一定困难，并且，城市范围级别的防控需要有大量人力监测摄像头画面，成本很大，且会出现监测不及时和准确度较差的问题。
技术实现思路
1、为了解决上述问题，本申请提出了一种基于大数据超融合的汛情检测方法，包括：
2、从多个数据源中获取待检测城市的积水信息，根据所述积水信息分别生成历史积水区域和预测积水区域对应的经纬度点阵，并将所述经纬度点阵和通过采集设备采集到的积水点进行合并，以生成对应的积水区列表和监控区列表；
3、获取预设的摄像头列表和水位计传感器列表，对所述积水区列表和所述摄像头列表、所述水位计传感器列表分别进行空间关联，以确定与积水区存在空间关联关系的摄像头和水位计传感器；
4、针对每个积水区，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深，并根据所述积水区水深，预测所述积水区在未来的预测积水深度；
5、确定所述积水区列表和所述监控区列表覆盖范围内的第一摄像
6、根据所述预测积水深度对相关积水区的汛情信息进行汇总，将汇总后的所述汛情信息和所述抓图频率反馈至控制中心，以使得所述控制中心根据所述汛情信息进行救援调度，以及对积水区和监控区内部的摄像头进行动态调度。
7、在本申请的一种实现方式中，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深之前，所述方法还包括：
8、通过以下公式，对不同时间点下摄像头采集到的水深数据进行修正，得到修正后的水深数据：
9、
10、其中，st表示在时间点t时的水深数据，λ表示衰减率参数，t表示最新时间点，t>t-10表示距离最近时间点的十分钟内，xt表示时间点t时的水深数据。
11、在本申请的一种实现方式中，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深，具体包括：
12、分别确定所述摄像头和所述水位计传感器对应的观测权重值；其中，所述摄像头对应的观测权重值和所述水位计传感器对应的观测权重值之间的总和为1；
13、从与所述积水区存在空间关联关系的摄像头和水位计传感器中，选取出对应水深数据最大的目标摄像头和目标水位计传感器；
14、获取所述目标摄像头和所述目标水位计传感器分别对应的第一目标水深数据和第二目标水深数据，根据所述观测权重值分别对所述第一目标水深数据和所述第二目标水深数据进行加权求和，得到所述积水区对应的积水区水深。
15、在本申请的一种实现方式中，根据由所述第三摄像头列表构成的缓冲区，确定所述待检测城市对应的待探查地理空间以及所述待探查空间内的第四摄像头列表，并根据所述第一摄像头列表、所述第二摄像头列表和所述第四摄像头列表，划分出不同等级的摄像头监控分级列表，具体包括：
16、从所述待检测城市对应的多边形围栏中，筛除所述积水区列表和所述监控区列表所在区域以及由所述第三摄像头列表构成的缓冲区，得到待探查地理空间；
17、从所述待探查地理空间的每个网格单元中选取任意一个摄像头，以根据所述摄像头生成相应的第四摄像头列表；
18、将所述第一摄像头列表、所述第二摄像头列表和所述第四摄像头列表进行拼接，得到拼接后的目标摄像头列表；
19、确定用于对所述目标摄像头列表进行分级的截断比例，按照所述截断比例，将所述目标摄像头列表截断为多个不同等级的摄像头监控分级列表。
20、在本申请的一种实现方式中，确定用于对所述目标摄像头列表进行分级的截断比例，具体包括：
21、构建用于优化所述截断比例和所述抓图比例的目标函数以及约束条件；所述目标函数表示为：
22、maxω1*p1*f1+ω2*p2*f2+ω3*p3*f3
23、其中，ω1、ω2、ω3表示不同等级的相对重要性权重，p1、p2、p3表示不同等级分别对应的截断比例，f1、f2、f3表示不同等级的抓图频率；
24、根据所述约束条件和所述目标函数，确定用于对所述目标摄像头列表进行分级的截断比例，以及各等级摄像头监控分级列表分别对应的抓图频率。
25、在本申请的一种实现方式中，根据所述积水信息分别生成历史积水区域和预测积水区域对应的经纬度点阵，具体包括：
26、基于s2地理编码网格覆盖系统，确定待覆盖的历史积水区域和预测积水区域的边界，并确定初始网格单元层级；
27、由所述初始网格单元层级开始，依次降低网格单元的层级，直至所述网格单元能够覆盖历史积水区域和预测积水区域时，得到对应的目标网格单元层级；
28、根据所述目标网格单元层级，将所述历史积水区域和所述预测积水区域覆盖的网格单元转换为对应的经纬度坐标，得到由所述经纬度坐标构成的经纬度点阵。
29、在本申请的一种实现方式中，将所述经纬度点阵和通过采集设备采集到的积水点进行合并，以生成对应的积水区列表和监控区列表，具体包括：
30、将所述经纬度点阵和通过采集设备采集到的积水点进行合并，生成由若干坐标点构成的坐标数组；
31、通过预设的聚类算法对所述坐标数组进行聚类，得到多个聚类组，并过滤掉所述聚类组中样本数量不满足最小样本数量的指定聚类组；
32、针对过滤后的每个聚类组，确定所述聚类组中的样本数量是否不小于预设的小样本数量；
33、若是，根据凸包算法，针对所述聚类组包含的各坐标点生成对应的区域边界，若否，根据缓冲区方法生成所述聚类组对应的区域边界；
34、将所述区域边界所在的区域作为积水区或监控区，以得到对应的积水区列表和监控区列表。
35、在本申请的一种实现方式中，根据所述积水区水深，预测所述积水区在未来的预测积水深度，具体包括：
36、基于b函数，构建用于预测未来的积水深度的深度预测模型；
37、所述深度预测模型表示为：
38、
39、其中，为本文档来自技高网...
【技术保护点】
1.一种基于大数据超融合的汛情检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深之前，所述方法还包括：
3.根据权利要求2所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深，具体包括：
4.根据权利要求1所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据由所述第三摄像头列表构成的缓冲区，确定所述待检测城市对应的待探查地理空间以及所述待探查空间内的第四摄像头列表，并根据所述第一摄像头列表、所述第二摄像头列表和所述第四摄像头列表，划分出不同等级的摄像头监控分级列表，具体包括：
5.根据权利要求4所述的一种基于大数据超融合的汛情检测方法，其特征在于，确定用于对所述目标摄像头列表进行分级的截断比例，具体包括：
6.根据权利要求1所述的一种基于大数据超融合的汛情检测方法，其特
7.根据权利要求6所述的一种基于大数据超融合的汛情检测方法，其特征在于，将所述经纬度点阵和通过采集设备采集到的积水点进行合并，以生成对应的积水区列表和监控区列表，具体包括：
8.根据权利要求1所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据所述积水区水深，预测所述积水区在未来的预测积水深度，具体包括：
9.一种基于大数据超融合的汛情检测设备，其特征在于，所述设备包括：
10.一种非易失性计算机存储介质，存储有计算机可执行指令，其特征在于，所述计算机可执行指令设置为：
...【技术特征摘要】
1.一种基于大数据超融合的汛情检测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深之前，所述方法还包括：
3.根据权利要求2所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据与其存在空间关联关系的摄像头和水位计传感器采集到的水深数据，计算所述积水区对应的积水区水深，具体包括：
4.根据权利要求1所述的一种基于大数据超融合的汛情检测方法，其特征在于，根据由所述第三摄像头列表构成的缓冲区，确定所述待检测城市对应的待探查地理空间以及所述待探查空间内的第四摄像头列表，并根据所述第一摄像头列表、所述第二摄像头列表和所述第四摄像头列表，划分出不同等级的摄像头监控分级列表，具体包括：
5.根据权利要求4所...
【专利技术属性】
技术研发人员：闵万里，曹智杰，张树荣，马文英，田钿，
申请(专利权)人：神思电子技术股份有限公司，
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。