一种耦合管网分级与汇水分区划定的监测点自动布设方法及系统与流程

本发明涉及市政排水工程，尤其涉及一种耦合管网分级与汇水分区划定的监测点自动布设方法及系统。

背景技术：

1、城市雨水排水管网承担降雨径流的收集、转输和排放功能，管网分级、汇水分区划定和监测点位布设是城市排水防涝规划及管网运维管理中的基础工作。管网分级用于识别主干级、次干级和支线级排水通道，汇水分区划定用于确定地表径流及管网汇流的空间归属，监测点位布设用于采集雨量、水位和流量等运行数据。

2、现有技术中，管网分级通常采用基于深度优先搜索或多指标递阶决策的方法，汇水分区划定通常采用基于泰森多边形、管网拓扑迭代或dem盆域分析的方法，监测点位布设通常采用基于图论指标或综合评价排序的方法。

3、但是，管网分级、汇水分区划定、监测点位布设通常作为独立的技术环节分别处理，管道层级标签未参与汇水分区划定，导致不同层级管道对应区域采用相同的分区处理规则，分区边界难以反映管网实际输水和汇流功能；汇水分区的范围、管网层级组成及历史内涝风险也未作为监测设备配置和点位选址的统一依据，容易造成重点区域监测不足和一般区域重复布设。

4、此外，当管网新增或改造，或者实时监测数据反映出新的内涝风险时，现有方法通常需要重新进行独立计算，难以同步更新管网分级、汇水分区和监测点位布设结果。

5、鉴于此，有必要提出一种耦合管网分级与汇水分区划定的监测点自动布设方法及系统以解决或至少缓解上述缺陷。

技术实现思路

1、本发明的主要目的在于提供一种耦合管网分级与汇水分区划定的监测点自动布设方法及系统，以解决如何使汇水分区边界与不同层级管道的汇水范围相匹配，如何使汇水分区重要度用于差异化配置监测设备并确定监测点位，以及如何使管网分级、汇水分区划分和监测点位布设随管网设施及监测数据变化自动更新的技术问题。

2、为实现上述目的，本发明提供了一种耦合管网分级与汇水分区划定的监测点自动布设方法，包括以下步骤：

3、s1，获取目标区域的多源排水数据并预处理，得到标准化数据集；

4、s2，基于所述标准化数据集构建动态知识图谱，所述动态知识图谱随新增管网设施或监测点位增量更新；

5、s3，基于所述动态知识图谱构建管网拓扑图，利用图卷积网络对所述管网拓扑图进行处理，输出各管道的层级标签，所述层级标签至少包括主干级、次干级和支线级；

6、s4，以所述层级标签作为深度强化学习网络的状态约束，利用深度强化学习网络进行汇水分区划分，其中对主干级管道的分区约束强于次干级，次干级强于支线级；输出汇水分区结果；

7、s5，以所述汇水分区为节点，基于分区属性信息利用图注意力网络计算各汇水分区的重要度，按重要度差异化配置监测设备并确定监测点位；

8、s6，接入实时监测数据更新所述动态知识图谱，当满足预设触发条件时，对所述图卷积网络、深度强化学习网络和图注意力网络进行增量调整，更新管道的层级标签、汇水分区结果和监测点位布设方案。

9、优选地，所述多源排水数据包括雨水管网数据、水系数据、地形高程数据和历史水文监测数据；所述预处理包括以下步骤：

10、将所述雨水管网数据、所述水系数据、所述地形高程数据以及所述历史水文监测数据中的空间数据，统一转换至同一平面直角投影坐标系；

11、通过gis拓扑检查工具修正管网断点、逆向坡、高程跳变、重叠多边形中的至少一种异常无效数据；

12、建立统一字段规范，并将完成坐标统一和异常修正的所述多源排水数据存入空间数据库，得到所述标准化数据集。

13、优选地，所述s2包括以下步骤：

14、s21，基于所述标准化数据集，构建图谱实体及实体间的语义关联关系；其中，所述图谱实体包括管道、检查井、雨水箅、雨水排口、调蓄设施、河道水系、地形网格单元和监测点位；所述语义关联关系包括管道上下游水力连通关系、雨水排口与河道水系受纳关系、排水设施与地形网格单元空间依附关系、监测点位与检查井或管道的监测对应关系；预先定义汇水分区与管道的从属关系类型，并在汇水分区划分完成后建立相应的从属关系；

15、s22，将降雨数据关联至对应的雨量监测点位，并根据雨量监测点位与地形网格单元的空间对应关系，将所述降雨数据关联至对应的地形网格单元；将水位数据和流量数据关联至安装有所述监测点位的检查井或管道；将积水数据根据积水位置关联至地形网格单元或检查井；将各数据的采集时间写入与各数据关联的图谱实体的时态属性，得到所述动态知识图谱；

16、s23，当新增或改造管网设施时，根据新增或改造管网设施的标识、空间位置及管网连接关系，更新对应图谱实体以及受影响的语义关联关系；当新增监测点位时，根据新增监测点位的标识、安装位置和监测对象，更新对应图谱实体以及受影响的语义关联关系；保留未变化的图谱实体及语义关联关系，得到更新后的动态知识图谱。

17、优选地，所述s3包括以下步骤：

18、s31，将所述动态知识图谱中的检查井和雨水排口映射为管网拓扑图的节点，将管道映射为沿水流方向连接所述节点的有向边；

19、s32，根据各管道的公称管径和敷设坡度确定该管道的输水能力特征，根据该管道沿水流方向至其下游最终雨水排口的累计路径长度确定水系调制特征，对所述输水能力特征和所述水系调制特征进行归一化加权，得到各有向边的边权重；

20、s33，根据所述管网拓扑图计算各节点的中介中心性、下游累积管道长度和上游总汇水面积，形成节点特征向量；将所述节点特征向量和所述管网拓扑图的有向边关系输入图卷积网络，得到各节点的特征表示；

21、s34，将各管道上游端节点和下游端节点的特征表示进行组合，形成管道特征，并根据所述管道特征确定各管道的层级标签；所述层级标签包括主干级、次干级和支线级。

22、优选地，所述s4包括以下步骤：

23、s41，将所述目标区域离散为多个地形网格单元，根据各地形网格单元的地表流向和管道空间位置确定承接该地形网格单元地表径流的目标管道，并将所述目标管道的层级标签作为该地形网格单元的网格层级标签；确定每个地形网格单元的状态特征，所述状态特征包括地形高程、地表坡度、至最近主干级管道的距离、至最近次干级管道的距离、网格层级标签、当前归属汇水分区编号和历史内涝风险评分；

24、s42，以深度强化学习网络为决策模型，所述深度强化学习网络以各地形网格单元的状态特征为输入，输出各地形网格单元对应的划分动作，所述划分动作为将地形网格单元划分至空间相邻的已有汇水分区或以该地形网格单元为种子新建汇水分区；

25、s43，在训练过程中，当地形网格单元被划分至不包含其目标管道的汇水分区时，施加层级匹配惩罚；其中，当所述目标管道的层级标签分别为主干级、次干级和支线级时，所述层级匹配惩罚分别对应第一负奖励、第二负奖励和第三负奖励，所述第一负奖励的绝对值大于所述第二负奖励的绝对值，所述第二负奖励的绝对值大于所述第三负奖励的绝对值；

26、s44，所述深度强化学习网络的奖励函数由所述层级匹配惩罚、水力连通性奖励、地形一致性奖励、面积均衡奖励和历史内涝风险增益按照各自的权重加权求和得到；

27、s45，训练完成后，根据所述深度强化学习网络输出的各地形网格单元的划分动作得到汇水分区方案，将面积小于预设最小面积阈值的汇水分区并入与其空间相邻且水力连通的汇水分区，对合并后的分区边界进行平滑处理，并将分区边界与道路或河道边界对齐，得到所述汇水分区结果。

28、优选地，所述s5包括以下步骤：

29、s51，以所述汇水分区为节点，以按照管网水流方向由上游汇水分区指向下游汇水分区的汇水分区之间的水力连通关系为有向边，构建分区拓扑图；

30、s52，确定每个汇水分区的节点特征，所述节点特征包括汇水分区面积、汇水分区内主干级管道数量、汇水分区内次干级管道数量、汇水分区在管网中的上游、中游或下游位置层级和历史内涝风险评分；

31、s53，将各汇水分区的节点特征和所述分区拓扑图的有向边关系输入图注意力网络，得到各汇水分区的特征表示，并基于各汇水分区的特征表示计算各汇水分区的重要度评分；

32、s54，按重要度评分由高到低对汇水分区排序，将排名前30%的汇水分区配置在线监测设备，将排名前30%之后且不超过前70%的汇水分区配置液位监测设备，将排名前70%之后的汇水分区中位于历史积水点位或管道溢流风险点的检查井配置液位报警装置；

33、s55，在每个汇水分区内，基于所述管网拓扑图计算该汇水分区内各检查井的中介中心性，选取中介中心性排名前三的检查井作为监测候选点位，并根据所述监测候选点位与历史积水点位和管道溢流风险点之间的距离对所述监测候选点位进行加权排序，确定该汇水分区内的监测点位。

34、优选地，所述s6包括以下步骤：

35、将所述目标区域的实时监测数据及其采集时间关联至所述动态知识图谱中对应的图谱实体，更新所述动态知识图谱；

36、当满足以下任一触发条件时，启动增量训练：

37、第一触发条件为：发生1小时、2小时、3小时或24小时中任一历时的累积降雨量达到该历时对应的十年一遇及以上标准的降雨事件，且同一位置连续两次发生内涝；

38、第二触发条件为：新增或改造管网入库总长度超过所述目标区域原有管网总长度的5%；

39、所述增量训练为：在所述图卷积网络、深度强化学习网络和图注意力网络的原有模型参数基础上，以更新后的所述动态知识图谱中的数据为增量训练数据，将学习率设置为初始学习率的1/10，依次对所述图卷积网络、所述深度强化学习网络和所述图注意力网络进行增量训练，输出更新后的管道的层级标签、汇水分区结果和监测点位布设方案。

40、优选地，所述主干级为公称管径大于或等于1000mm或上游总汇水面积大于等于3km2的管道，所述次干级为大于或等于600mm且小于1000mm的管道，所述支线级为公称管径小于600mm的管道。

41、优选地，所述s3还包括搭建数字孪生底座；其中，所述数字孪生底座用于统一管理所述动态知识图谱、所述管网拓扑图、所述管道的层级标签、所述汇水分区结果和所述监测点位布设方案，并接入所述实时监测数据；基于所述实时监测数据以及所述动态知识图谱、所述管网拓扑图、所述管道的层级标签和所述汇水分区结果进行暴雨仿真，输出分级内涝预警结果。

42、本发明还提供一种耦合管网分级与汇水分区划定的监测点自动布设系统，包括存储器、处理器、以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述的耦合管网分级与汇水分区划定的监测点自动布设方法的步骤。

43、与现有技术相比，本发明具有如下的有益效果：

44、（1）本发明将图卷积网络输出的管道层级标签传递至汇水分区划分过程，并根据主干级、次干级和支线级管道设置不同强度的分区约束，使主干级管道对应的汇水范围保持完整，次干级管道对应的汇水范围保持水力联系，支线级管道对应区域能够结合局部地形进行调整。相较于管网分级与汇水分区分别处理的现有方法，本发明使管道层级信息实际参与汇水分区决策，既提高了分区边界与管道汇水范围的匹配程度，又避免了对不同层级管道采用相同约束导致主干级管道被分区边界切割或支线级区域被过度约束。

45、（2）本发明将汇水分区构建为具有水力连通关系的分区拓扑图节点，并利用图注意力网络结合分区面积、管道层级组成、上下游位置和历史内涝风险计算分区重要度，再根据所述重要度配置监测设备并确定监测点位。将分区级设备配置与分区内点位选址相结合，使设备类型、布设等级和点位位置同时适应汇水分区的排水功能及内涝风险，形成由分区评价到点位确定的联动布设效果。

46、（3）本发明将实时监测数据、管网设施变化和监测点位变化关联至动态知识图谱，并对图卷积网络、深度强化学习网络和图注意力网络进行增量调整，使更新后的管道层级标签传递至汇水分区划分过程，更新后的汇水分区结果继续传递至监测点位布设过程。能够保持三类成果在管网结构或排水状态变化后的相互对应，避免分别更新导致的分级、分区和布点结果不一致。

47、（4）本发明通过管道层级约束汇水分区、汇水分区重要度驱动监测布设、实时数据触发联动更新的连续处理关系，将原本相互独立的管网分级、汇水分区和监测点位布设转化为前后依赖的处理过程，能够同时改善汇水分区边界匹配、监测资源配置和成果动态更新三个方面的问题。