基于大数据的内涝智能指挥系统研究与应用

林继贤，周志刚*，陈蔚珊

（1.广东龙泉科技有限公司，广东 广州 510300；2.广东工贸职业技术学院，广东 广州 510510）

城市内涝是由于强降水或连续性降水超过城市排水能力导致城市内产生积水灾害的现象[1]。随着我国城市化进程的加快和城市生态系统的变化，近两年城市突发水涝灾害不仅没有减少，反而逐年增多，影响越来越大，已成为城市发展面临的严峻挑战[2]。城市内涝监控预警管理系统的建设是科学预防和处置内涝事故的前提保障，得到了国家各级部门的高度重视。我国现有的内涝预警系统主要是将数值模拟方法用于水灾研究，结合3S技术实现内涝的建模仿真；但大部分城市的水文、地理、气象、排水设施等基础数据尚不完备、采集时效性不足，导致模拟结果误差大、实时性差，难以准确反映暴雨时造成的内涝现状，也就无法提供符合实情的预警措施，因此需采取新的思路和解决方案来改善内涝监控预警系统的实用性。基于已有数据源的以机器学习技术为核心的算法模型方案可取代传统数值模拟方案。机器学习技术方案利用城市历史雨水数据、气象数据构建暴雨类型的预测模型，并分析和评估暴雨时空分布特征；利用道路视频监控的视频影像数据、实时监控点的水位计记录数据，构建基于机器视觉技术的图像自动识别模型，可实现内涝区域的实时监控和信息反馈。根据暴雨时空分布特征，在内涝区域实时监控与反馈的基础上，自动生成内涝灾害应急预案，辅助应急决策制定。以大数据技术为核心，构建一个包括信息感知、决策支持、应急管理3个层面的城市内涝灾害动态监测预警与指挥体系，以增强及时指挥调度能力和降低城市内涝造成的损失[3]。

机器学习技术已在许多领域得到革命性发展，在气象灾害识别预测方面也得到较好的应用。基于城市各雨量站的历史雨水数据和气象数据，采用机器学习技术掌握短历时强降水时空分布特征和提前预估其动态发展趋势成为可能；基于实时监测点的水位计记录数据和遍布城市道路的视频影像数据，采用机器视觉技术可建立内涝检测算法，直接对积涝区域进行实时动态监测；将基于人工智能技术建立的内涝监控预警系统的分析结果和决策辅助联合排水泵站、水闸等自动化控制终端形成整体的指挥平台，从而实现城市内涝监控预警系统的有效性和实用性[4]。

1 研究目标

本文主要研究基于大数据和物联网的城市内涝灾害智能监测与指挥技术，利用在线监测设备和路面视频监控，实现内涝现场信息的实时感知；采用可视化的方式有机整合城市排水设施数据、地面高程模型、水位、雨量、流量监测数据、各雨量站的历史数据、气象数据等信息资源，通过大数据分析，实现对城市内涝灾害的实时监测和内涝态势的准确评估；构建包括信息感知、决策支持、应急管理3个层面的城市内涝灾害动态监测预警与智能指挥体系，实现对内涝灾害的动态风险评价，智能指挥决策，提升内涝灾害监测预警能力、风险识别和预报预警能力、指挥调度的分析研判和资源调度能力，从而提升应急管理能力。

2 系统构建

2.1 技术路线

本文首先研究了内涝大数据的建库和建模技术，再研究了基于大数据的内涝灾害分析技术和智能指挥技术，最后将研究成果进行集成，形成城市内涝智能指挥系统，并在示范区进行应用。基于现代通信、物联网、GIS以及大数据技术，融合内涝信息资源，通过数字智能化手段建立了立体的全方位一体化的综合决策和智能指挥系统，形成包括信息感知、决策支持、应急指挥3个层面的城市内涝灾害动态监测预警与智能指挥体系[5]，实现了从内涝预警、应急预案启动、应急处置到指挥调度的一体化应急管理，实现了各职能人员的统一联络指挥、资源管控和可视化任务交互。技术路线如图1所示。

图1 技术路线

2.2 关键技术

2.2.1 内涝大数据的集成与建库

构建内涝大数据库，汇聚城市排水设施数据、地面高程模型、水位、雨量、流量监测数据、各雨量站的历史数据、气象数据、实时数据，形成内涝数据资源池。通过数据的收集/访问、过滤、清洗、转换、加载等ETL过程，实现异构数据的有机整合[6]，生成基础信息库，并在此基础上建设主题库，面向指挥业务建立内涝专题库、数据资源目录、元数据管理等数据服务内容。

2.2.2 基于大数据的内涝风险识别和预警预报

利用动态聚类算法提取城市暴雨的时空分布动态特征，从而预估城市内涝积水情况[7]；利用监控视频影像进行积涝区域的自动识别与信息提取，从而实时监控积涝区域情况，实现内涝风险识别和预报预警。

1）暴雨时空分布特征分析。根据整个城市的雨量站位置、历史雨水记录、气温数据、风向、风速等基础数据，提取降雨过程不同时段的相应特征，并构建暴雨特征数据集（同时构建普通降雨数据集）；再利用聚类分析算法对暴雨数据集进行分析，得到暴雨时空分布特征（降雨强度、持续时长、转移方向以及区域内涝程度等特征）。

2）暴雨类型预测。根据暴雨时空分布特征分析结果，对基础数据集中的不同类型降雨进行标注，训练一个多目标分类模型，并利用内涝积水区域自动识别计算模块返回的实时信息对当前降雨进行更新和校正。将当前降雨数据集输入分类模型进行降雨类型预测，由此预估暴雨的发展趋势。

3）内涝积水区域的自动识别。根据内涝监测点的水位仪记录数据、道路视频影像数据等基础数据，利用水位记录数据、雨量数据对相应积涝区域的图像进行标注，构建积涝图像数据集；再利用图像识别、目标检测等深度学习技术对积涝图像数据集中的积涝区域进行自动识别，并返回不同程度积涝区域的信息数据集（积涝区域的深度、面积、面积变化率以及对应时刻的雨量大小等特征）。

4）基于暴雨预测模型，结合内涝积水区域的自动识别，实现内涝风险识别和预报预警。

2.2.3 智能指挥系统构建

1）基于“一张图”将应急指挥的常态与非常态管理相结合，实现应急数据的图上展示、事件态势图上分析、决策指挥图上调度以及部门协同图上会商。结合内涝风险识别和预报预警结果，在GIS地图上展示内涝灾害的研判结果，在应急处置过程中围绕内涝灾害发展态势，为预判灾害发展趋势、预防次生衍生事故等提供协助；同时自动匹配应急预案，基于“一张图”展示应急救援队伍、物资装备的基本信息、定位信息和调度方案，从而提高指挥调度的效率，提升全天候防汛指挥能力。

2）基于智能眼镜的现场增强现实（AR）交互应用。现场处理人员可通过智能眼镜实时接收指挥中心的调度指令和处理方案，并向指挥中心提供第一视角的视频、语音交互，全方位洞悉现场情况。

2.2.4 内涝智能指挥系统应用与示范

综合上述研究成果，本文构建了完整的城市内涝智能指挥系统，并选择合适的区域进行示范应用。

2.3 系统总体架构

系统采用“四横三纵”的分层架构模型，其中“四横”分别为应用层、应用支撑层、数据服务层和感知层，“三纵”分别为安全、标准和运维管理，如图2所示。

图2 系统架构图

1）应用层。该层以智能指挥应用为核心，是实现内涝灾害动态风险评价、智能指挥决策，提升内涝灾害监测预警能力、风险识别和预报预警能力、指挥调度分析研判和资源调度能力的手段。

2）应用支撑层。该层负责支撑应用系统，包括身份认证、接口服务、数据共享、采集服务、地图服务、工作流服务、调度服务、计算模型服务等。

3）数据服务层。构建内涝大数据库，汇聚城市排水设施数据、地面高程模型、水位、雨量、流量监测数据、各雨量站的历史数据、气象数据、实时数据，形成内涝数据资源池，实现数据资源开放利用，通过数据治理提升数据质量和价值[6]。该层包括与内涝相关的基础信息库、基于基础信息库的主题库、面向指挥业务的专题库以及数据资源目录、元数据管理等数据服务内容。

4）感知层。该层是实现智能指挥的基本条件，具有超强的环境感知能力和智能性，能通过传感器、传感网等物联网技术实现对城市排水管道水位、河道水位、路面水位、雨量、路面视频和排水泵机的监测与控制，能为个人和社会提供无处不在、无所不能的信息服务和应用。

5）安全。围绕提升信息系统的预防保护、监测预警、应急响应、监督检查和安全恢复5个方面的能力，依据相关国家标准从技术和管理两个方面进行建设与管理，切实保障信息基础设施和应用系统平稳高效安全运行[8]。

6）标准。标准是指应当贯彻执行的各种技术标准和管理规范，用于指导系统和基础设施的设计和建设。

7）运维管理。为确保系统的安全、可靠、稳定运行，必须规范完善对信息基础设施、应用系统运行维护以及相关服务流程的管理、维护服务评价[8]，建立有力的运维管理保障体系。

2.4 系统功能

城市内涝智能指挥系统由智能监测子系统、决策支持子系统、应急指挥子系统组成，如图3所示。

图3 系统功能结构图

1）智能监测子系统负责内涝实时监测感知设备的按需接入，实现易涝点、排水口、河涌的水位监测以及路面视频监测（接入已有治安、市政视频）；还可通过政务网接入水文部门的水雨情实时信息和历史信息。该系统主要由监测设备管理、监测数据管理、视频监控、智能分析预警、监测专题图、数据分析等功能模块组成。

2）决策支持子系统利用内涝大数据库、GIS技术，基于暴雨预测模型，结合内涝积水区域的自动识别，实现内涝风险识别和预报预警。通过暴雨预测、积涝区域图像自动识别分析、内涝态势分析、动态风险评价，自动实现城市内涝态势分析与预警，智能生成决策调度方案。

3）应急指挥子系统由应急信息管理、应急预案管理、应急调度管理、智能指挥一张图和智能眼镜应用等模块组成，其中应急调度管理模块负责从事件预警、应急预案启动、应急处置到事后统计的流程化管理；智能指挥一张图模块将应急指挥的常态与非常态管理相结合，实现应急数据图上展示、事件态势图上分析、决策指挥图上调度和部门协同图上会商；智能眼镜应用模块负责现场AR交互，使现场处理人员可通过智能眼镜实时接收指挥中心的调度指令和处理方案，并向指挥中心提供第一视角的视频、语音交互，全方位洞悉现场情况。

3 研究创新点

1）针对当前城市内涝缺乏有效预警的现状，利用聚类分析算法提取了城市暴雨时空分布的动态特征，细分了不同暴雨类型导致的城市内涝灾害情景，并结合分类算法提供降雨类型预测，从而构建能直接准确评估城市内涝区域和程度的实时监控预警体系。

2）利用图像自动识别技术对城市积涝区域进行实时监测，并实时反馈降雨情况的特征数据，修正和提高分类模型对降雨类型的预测能力，克服降雨过程本身变异性较大而导致预测雨型与实际雨型相差较大的缺点。利用已有路面视频监控影像数据进行积涝区域的实时监测，可大大减少实时水位监测需要的设备投资，实现城市资源的集约利用。

3）在城市内涝灾害监控预警研究中，结合降雨时空分布特征与积涝区域影像自动识别对城市内涝进行直接的动态评估，突破了以往仅通过气象预警信息给出较模糊和间接的内涝评估的局限。

4）基于内涝大数据和机器学习技术，自动实现城市内涝态势分析与预警，智能生成决策调度方案；在应急处理管理中引入AR交互技术，实现现场与指挥中心的智能交互，大大提高了指挥调度效率，提升了全天候防汛指挥能力。

4 实例应用

目前本文设计的城市内涝智能指挥系统已应用于惠州排水中心排涝指挥调度系统建设项目中，依托实时通信平台、地理信息平台，通过与气象局的数据对接，构建了完整的城市内涝预警、监控和指挥调度体系，实现了“预警精细化、监控调度一体化、排涝设施自动化、巡检工作流程化、应急指挥移动化”的目标。

在系统指挥大屏（图4）上可动态展示中心城区内涝点的分布和重点路段情况，实时显示路面积水水位与视频图像。通过连续降水过程可智能分析区内水位的上涨趋势，自动发出预警，给出应急预案，并推送至相关人员的移动App上。现场应急人员可通过移动App与指挥大屏进行视频、语音交互，及时反馈处置结果。

图4 系统指挥大屏

系统的应用有效提升了内涝灾害监测预警能力，具有明显的效果：①系统的应用为直接监控内涝、及时排涝提供了更合理、实时的决策依据；②根据预警分析，调度可用资源做到重要设施重点保护、尽力保障居民正常生产生活，帮助管理部门将损失风险控制在合理范围；③系统积累的数据可为城市规划推进、设施改造优化设计和成本控制提供一定的指导。

5 结语

本文基于大数据和物联网的城市内涝灾害智能监测与指挥技术，利用在线监测设备和路面视频监控实现了内涝现场信息的实时感知；采用可视化的方式有机整合城市排水设施数据、地面高程模型、水位、雨量、流量监测数据、各雨量站的历史数据、气象数据等信息资源，通过大数据分析实现了对城市内涝灾害的实时监测以及内涝态势的准确评估；构建了包括信息感知、决策支持、应急管理3个层面的城市内涝灾害动态监测预警和智能指挥体系，实现了对内涝灾害的动态风险评价、智能指挥决策，提升了内涝灾害监测预警能力、风险识别和预报预警能力、指挥调度分析研判和资源调度能力，从而提升了城市内涝应急管理能力。