一种高铁沿线地区降雨气象灾害易发区识别方法及系统与流程

1.本发明涉及气象信息技术领域，更具体地，涉及一种高铁沿线地区降雨气象灾害易发区识别方法及系统。


背景技术：

2.铁路是交通中的重要环节。铁路通过的路段常常需要经过高海拔、严寒、炎热等极端天气。但是，由于铁路是气象灾害的高敏感行业，对于强降雨、暴雪、大风等气象灾害的影响尤为敏感。而我国的地区分布及其复杂，海拔高度变化大，区域气象条件也很恶劣。
3.现有的技术中，主要通过气象天气预报等信息对于铁路沿线地区进行风险识别，无法获得地理信息与气象信息的融合进而获得整体的天气，尤其是降雨情况下的风险无法准确获知。


技术实现要素：

4.鉴于上述问题，本发明提出了一种高铁沿线地区降雨气象灾害易发区识别方法及系统，通过获取地理信息、气象信息进行数据融合，实现对于降雨风险的分区域划分，准确获知铁路沿线的全部降雨风险。
5.根据本发明实施例第一方面，提供一种高铁沿线地区降雨气象灾害易发区识别方法。
6.所述的一种高铁沿线地区降雨气象灾害易发区识别方法包括：
7.确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块；
8.获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程；
9.通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集；
10.获取所述三维地图高程，计算所述高差变化率；
11.获取高程的最值、高程差和平均高程，计算降雨风险的触发概率；
12.获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险。
13.在一个或多个实施例中，优选地，所述确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块，具体包括：
14.录入铁路所在区域的地图，确定为测量区域；
15.对所述测量区域按照距离间隔进行划分，以地铁沿线的距离50km为边界线，以10km为单位进行区域划分，生成若干个所述测量区域；
16.对所有的所述测量区域在卫星遥感分析数据中进行区块提取，生成若干个所述地理区块。
17.在一个或多个实施例中，优选地，所述获取所有的所述地理区块的三维地图高程，
提取高程最值、高程差和平均高程，具体包括：
18.获取全部的所述地理区块的所述三维地图高程；
19.根据所述三维地图高程生成三维点阵，其中，每个所述三维点阵包括第一坐标、第二坐标和高程坐标；
20.其中，所述第一坐标、所述第二坐标和所述高程坐标的坐标原点为铁路线路的起点；
21.根据所述地理区块提取高程的最大值和最小值；
22.获得所述地理区块内的高程差和平均高程。
23.在一个或多个实施例中，优选地，所述通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集，具体包括：
24.获取全部的降水量信息；
25.提取存储的所有的降水量信息的降水数据节点；
26.对所述降水数据节点按照所述地理区块进行划分，生成若干个降水数据蔟；
27.对每个所述降水数据蔟进行降水量平均，生成每个地理区块的降水量信息；
28.当所述地理区块内不存在降水信息时，选择与所述地理区块中心的空间距离最近的所述降水数据节点，作为不存在降水信息的地理区块的降水信息；
29.其中，所述空间距离利用第一计算公式计算获得；
30.所述第一计算公式为：
[0031][0032]
其中，d为所述空间距离，x为所述第一坐标，y为所述第二坐标，x0为坐标原点横坐标，y0位坐标原点纵坐标。
[0033]
在一个或多个实施例中，优选地，所述获取所述三维地图高程，计算所述高差变化率，具体包括：
[0034]
获取所述三维地图高程，生成三维高程点阵；
[0035]
以所述三维高程点阵为基础，进行第一坐标方向和第二坐标方向上的梯度运算，生成所述高差变化率；
[0036]
其中，利用第二计算公式计算所述高差变化率；
[0037]
所述第二计算公式为：
[0038][0039]
其中，s为所述高差变化率，h为所述三维地图高程，x为所述第一坐标，y为所述第二坐标。
[0040]
在一个或多个实施例中，优选地，所述获取高程的最值、高程差和平均高程，计算降雨风险的触发概率，具体包括：
[0041]
设置触发几率函数为第三计算公式形式；
[0042]
提取全部的降雨触发概率，计算以10天为单位的触发概率；
[0043]
利用第四计算公式计算所述降雨触发概率最接近正确值的综合触发几率；
[0044]
根据所述综合触发几率函数计算当前降雨概率；
[0045]
所述第三计算公式为：
[0046]
m＝a1x1 a2x2 a3x3[0047]
其中，m为触发几率函数值，a1为所述高程的最值的系数，a2为所述高程差的系数，a3为平均高程的系数，x1为所述高程的最值，x2为所述高程差，x3为平均高程；
[0048]
所述第四计算公式为：
[0049][0050]
其中，m
w
为所述综合触发几率，k
i
为第i个降雨量修正系数，m
i
为第i个触发几率函数值，k
10
为第10个降雨量修正系数，m
10
为第10个触发几率函数值，k触发几率偏移值。
[0051]
在一个或多个实施例中，优选地，所述获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险，具体包括：
[0052]
获取当前区块的所述降雨概率；
[0053]
获取当前区块的所述高差变化率、高程平均值、高程最大值、高程偏差；
[0054]
根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险。
[0055]
根据本发明实施例第二方面，提供一种高铁沿线地区降雨气象灾害易发区识别系统。
[0056]
所述的一种高铁沿线地区降雨气象灾害易发区识别系统包括：
[0057]
地理区块确定模块，用于确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块；
[0058]
高程特征提取模块，用于获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程；
[0059]
降水采集模块，用于通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集；
[0060]
高差变化采集模块，用于获取所述三维地图高程，计算所述高差变化率；
[0061]
降雨风险识别模块，用于获取高程的最值、高程差和平均高程，计算降雨风险的触发概率；
[0062]
综合事故风险评估模块，用于获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险。
[0063]
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
[0064]
根据本发明实施例第四方面，提供一种电子设备，包括存储器和处理器，所述存储器用于存储一条或多条计算机程序指令，其中，所述一条或多条计算机程序指令被所述处理器执行以实现本发明实施例第一方面中任一项所述的步骤。
[0065]
本发明的实施例提供的技术方案可以包括以下有益效果：
[0066]
1)通过多个降雨监测点，进行了数据的提取，生成了日降雨量地图；
[0067]
2)将降雨量地图和高度梯度进行了数据融合，生成了降雨触发几率；
[0068]
3)根据日降雨量，形成了区域化的降雨风险地图。
[0069]
本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。
[0070]
下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
附图说明
[0071]
为了更清楚地说明本发明实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0072]
图1是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法的流程图。
[0073]
图2是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块的流程图。
[0074]
图3是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程的流程图。
[0075]
图4是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集的流程图。
[0076]
图5是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取所述三维地图高程，计算所述高差变化率的流程图。
[0077]
图6是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取高程的最值、高程差和平均高程，计算降雨风险的触发概率的流程图。
[0078]
图7是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险的流程图。
[0079]
图8是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别系统的结构图。
[0080]
图9是本发明一个实施例中一种电子设备的结构图。
具体实施方式
[0081]
在本发明的说明书和权利要求书及上述附图中的描述的一些流程中，包含了按照特定顺序出现的多个操作，但是应该清楚了解，这些操作可以不按照其在本文中出现的顺序来执行或并行执行，操作的序号如101、102等，仅仅是用于区分开各个不同的操作，序号本身不代表任何的执行顺序。另外，这些流程可以包括更多或更少的操作，并且这些操作可以按顺序执行或并行执行。需要说明的是，本文中的“第一”、“第二”等描述，是用于区分不同的消息、设备、模块等，不代表先后顺序，也不限定“第一”和“第二”是不同的类型。
[0082]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0083]
铁路是交通中的重要环节。铁路通过的路段常常需要经过高海拔、严寒、炎热等极端天气。但是，由于铁路是气象灾害的高敏感行业，对于强降雨、暴雪、大风等气象灾害的影响尤为敏感。而我国的地区分布及其复杂，海拔高度变化大，区域气象条件也很恶劣。
[0084]
现有的技术中，主要通过气象天气预报等信息对于铁路沿线地区进行风险识别，无法获得地理信息与气象信息的融合进而获得整体的天气，尤其是降雨情况下的风险无法准确获知。
[0085]
本发明实施例中，提供了一种高铁沿线地区降雨气象灾害易发区识别方法及系统。该方案通过获取地理信息、气象信息进行数据融合，实现对于降雨风险的分区域划分，准确获知铁路沿线的全部降雨风险。
[0086]
根据本发明实施例第一方面，提供一种高铁沿线地区降雨气象灾害易发区识别方法。
[0087]
图1是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法的流程图。
[0088]
如图1所示，所述的一种高铁沿线地区降雨气象灾害易发区识别方法包括：
[0089]
s101、确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块；
[0090]
s102、获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程；
[0091]
s103、通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集；
[0092]
s104、获取所述三维地图高程，计算所述高差变化率；
[0093]
s105、获取高程的最值、高程差和平均高程，计算降雨风险的触发概率；
[0094]
s106、获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险。
[0095]
在本发明实施例中，首先进行了降雨监测点的确定，在确定降雨监测点后，进行了地理数据和降水数据提取，并分析了降雨概率，进而利用地理数据分析了降雨后发生事故的风险，最终结合降雨概率与降雨风险的触发概率，生成了综合的指数，所述综合的指数为所欲的地理区块的灾害风险。
[0096]
图2是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块的流程图。
[0097]
如图2所述，在一个或多个实施例中，优选地，所述确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块，具体包括：
[0098]
s201、录入铁路所在区域的地图，确定为测量区域；
[0099]
s202、对所述测量区域按照距离间隔进行划分，以地铁沿线的距离50km为边界线，
以10km为单位进行区域划分，生成若干个所述测量区域；
[0100]
s203、对所有的所述测量区域在卫星遥感分析数据中进行区块提取，生成若干个所述地理区块。
[0101]
在本发明实施例中，为了能准确的进行铁路沿线的降雨量监测，首先进行了观测的地理区块的划分，由于相邻的地理区块之间地形变化相对较大，以10km为单位区域，因此必须通过对不同地理区块进行单独监测。
[0102]
图3是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程的流程图。
[0103]
如图3所示，在一个或多个实施例中，优选地，所述获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程，具体包括：
[0104]
s301、获取全部的所述地理区块的所述三维地图高程；
[0105]
s302、根据所述三维地图高程生成三维点阵，其中，每个所述三维点阵包括第一坐标、第二坐标和高程坐标，所述第一坐标、所述第二坐标和所述高程坐标的坐标原点为铁路线路的起点；
[0106]
s303、根据所述地理区块提取高程的最大值和最小值；
[0107]
s304、获得所述地理区块内的高程差和平均高程。
[0108]
在本发明实施例中，由于每个地理区块内的高程数据各部相同，此外每个地理区块存在若干个地理特征，因此在此过程中，生成了对于的每个地理特征，其中，所述地理特征包括高程最大值、高程最小值、高程差、高程平均值。
[0109]
图4是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集的流程图。
[0110]
如图4所示，在一个或多个实施例中，优选地，所述通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集，具体包括：
[0111]
s401、获取全部的降水量信息；
[0112]
s402、提取存储的所有的降水量信息的降水数据节点；
[0113]
s403、对所述降水数据节点按照所述地理区块进行划分，生成若干个降水数据蔟；
[0114]
s404、对每个所述降水数据蔟进行降水量平均，生成每个地理区块的降水量信息；
[0115]
s405、当所述地理区块内不存在降水信息时，选择与所述地理区块中心的空间距离最近的所述降水数据节点，作为不存在降水信息的地理区块的降水信息；
[0116]
其中，所述空间距离利用第一计算公式计算获得；
[0117]
所述第一计算公式为：
[0118][0119]
其中，d为所述空间距离，x为所述第一坐标，y为所述第二坐标，x0为坐标原点横坐标，y0位坐标原点纵坐标。
[0120]
在本发明实施例中，由于具体的地理区块存在各自的降水信息，因此通过单独完成各个地理区块的降水信息采集，形成若干个降水蔟，当每个地理区块内不存在降水信息时，由于降水信息具有临近空间的相似性，因此用最近的一个降水信息作为所述无降水信
息的地理区块的降水信息，最终则可实现全部的所述地理区块均能够收集到地理信息。
[0121]
图5是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取所述三维地图高程，计算所述高差变化率的流程图。
[0122]
如图5所示，在一个或多个实施例中，优选地，所述获取所述三维地图高程，计算所述高差变化率，具体包括：
[0123]
s501、获取所述三维地图高程，生成三维高程点阵；
[0124]
s502、以所述三维高程点阵为基础，进行第一坐标方向和第二坐标方向上的梯度运算，生成所述高差变化率；
[0125]
其中，利用第二计算公式计算所述高差变化率；
[0126]
所述第二计算公式为：
[0127][0128]
其中，s为所述高差变化率，h为所述三维地图高程，x为所述第一坐标，y为所述第二坐标。
[0129]
在本发明实施例中，由于在进行高差变化率计算过程中，对于三维地图高程需要对三维数据进行第一坐标和第二坐标进行两个方向的高差变化率的计算，其中高差变化率包括第一坐标方向的高差变化率、第二坐标方向的高差变化率、铁路沿线方向上的高差变化率。
[0130]
图6是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取高程的最值、高程差和平均高程，计算降雨风险的触发概率的流程图。
[0131]
如图6所示，在一个或多个实施例中，优选地，所述获取高程的最值、高程差和平均高程，计算降雨风险的触发概率，具体包括：
[0132]
s601、设置触发几率函数为第三计算公式形式；
[0133]
s602、提取全部的降雨触发概率，计算以10天为单位的触发概率；
[0134]
s603、利用第四计算公式计算所述降雨触发概率最接近正确值的综合触发几率；
[0135]
s604、根据所述综合触发几率函数计算当前降雨概率；
[0136]
所述第三计算公式为：
[0137]
m＝a1x1 a2x2 a3x3[0138]
其中，m为触发几率函数值，a1为所述高程的最值的系数，a2为所述高程差的系数，a3为平均高程的系数，x1为所述高程的最值，x2为所述高程差，x3为平均高程；
[0139]
所述第四计算公式为：
[0140][0141]
其中，m
w
为所述综合触发几率，k
i
为第i个降雨量修正系数，m
i
为第i个触发几率函数值，k
10
为第10个降雨量修正系数，m
10
为第10个触发几率函数值，k触发几率偏移值。
[0142]
在本发明实施例中，由于在进行降雨分析过程中，需要综合考虑地理位置不同的区域的降雨历时数据，进而利用降雨历史数据和当前的时间，确定对应的降雨概率。
[0143]
图7是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别方法中的获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险的流程图。
[0144]
如图7所示，在一个或多个实施例中，优选地，所述获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险，具体包括：
[0145]
s701、获取当前区块的所述降雨概率；
[0146]
s702、获取当前区块的所述高差变化率、高程平均值、高程最大值、高程偏差；
[0147]
s703、根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险。
[0148]
在本发明实施例中，在获得当前区块的降雨概率后，进一步结合了当前的事故风险，不同类型区域的高程、高程平均值、高程偏差等信息，因此产生对应的降雨后灾害风险也不太，因此在原始的降雨概率的基础上叠加了灾害风险数据，形成了对于所有地铁沿线区块的降雨灾害风险识别。
[0149]
根据本发明实施例第二方面，提供一种高铁沿线地区降雨气象灾害易发区识别系统。
[0150]
图8是本发明一个实施例的一种高铁沿线地区降雨气象灾害易发区识别系统的结构图。
[0151]
如图8所示，所述的一种高铁沿线地区降雨气象灾害易发区识别系统包括：
[0152]
地理区块确定模块801，用于确定测量区域，根据铁路沿线按照距离铁路沿线的距离和固定的长度确定地理区块；
[0153]
高程特征提取模块802，用于获取所有的所述地理区块的三维地图高程，提取高程最值、高程差和平均高程；
[0154]
降水采集模块803，用于通过历史降水数据库，获得全部的降水量信息，并根据所述地理区块进行各个区块的降水信息采集；
[0155]
高差变化采集模块804，用于获取所述三维地图高程，计算所述高差变化率；
[0156]
降雨风险识别模块805，用于获取高程的最值、高程差和平均高程，计算降雨风险的触发概率；
[0157]
综合事故风险评估模块806，用于获取所述降雨概率，并根据高程信息进行事故风险评估，生成所有的地理区块的灾害风险。
[0158]
根据本发明实施例第三方面，提供一种计算机可读存储介质，其上存储计算机程序指令，所述计算机程序指令在被处理器执行时实现如本发明实施例第一方面中任一项所述的方法。
[0159]
根据本发明实施例第四方面，提供一种电子设备。图9是本发明一个实施例中一种电子设备的结构图。图9所示的电子设备为通用降雨灾害分布识别装置，其包括通用的计算机硬件结构，其至少包括处理器901和存储器902。处理器901和存储器902通过总线903连接。存储器902适于存储处理器901可执行的指令或程序。处理器901可以是独立的微处理器，也可以是一个或者多个微处理器集合。由此，处理器901通过执行存储器902所存储的指令，从而执行如上所述的本发明实施例的方法流程实现对于数据的处理和对于其它装置的控制。总线903将上述多个组件连接在一起，同时将上述组件连接到显示控制器904和显示装置以及输入/输出(i/o)装置905。输入/输出(i/o)装置905可以是鼠标、键盘、调制解调
器、网络接口、触控输入装置、体感输入装置、打印机以及本领域公知的其他装置。典型地，输入/输出装置905通过输入/输出(i/o)控制器906与系统相连。
[0160]
本发明的实施例提供的技术方案可以包括以下有益效果：
[0161]
1)通过多个降雨监测点，进行了数据的提取，生成了日降雨量地图；
[0162]
2)将降雨量地图和高度梯度进行了数据融合，生成了降雨触发几率；
[0163]
3)根据日降雨量，形成了区域化的降雨风险地图。
[0164]
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器和光学存储器等)上实施的计算机程序产品的形式。
[0165]
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0166]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0167]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0168]
显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。