本发明专利技术实施例公开了道路积水预测方法、装置、计算机设备及存储介质。所述方法包括：获取带有当前降水量、位置信息以及相对时间信息的待预测道路图片，以得到待预测数据；获取待预测道路上一时刻的道路积水面积将所述待预测数据以及待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，以得到预测结果；输出所述预测结果；其中，所述积水预测模型是通过历史图像以及对应的相对时间下的积水面积分布图作为样本集对时序网络进行训练所得的；所述历史图像包括历史降水量、相对时间和位置信息。通过实施本发明专利技术实施例的方法可实现提高道路积水的预测准确率，可进行积水预测与预警推送。可进行积水预测与预警推送。可进行积水预测与预警推送。
【技术实现步骤摘要】
道路积水预测方法、装置、计算机设备及存储介质
[0001]本专利技术涉及积水预测方法，更具体地说是道路积水预测方法、装置、计算机设备及存储介质。
技术介绍
[0002]暴雨、台风等天气现象容易导致城市道路积水进而引发内涝灾害，对居民出行生活、交通运输以及财产安全带来影响。采用积水识别预测模型能够及时、准确监控道路积水，自动推送预警信息，从而有效防范内涝灾害，守护城市生命财产安全。
[0003]但是，现有的积水识别预测方法在技术手段上，仅依靠路面摄像头获取图像信息，容易受到地域和天气环境影响，进而影响识别准确性；在识别结果上，只能简单识别判断路面是否有积水，无法进行积水预测与预警推送，难以及时采取防范措施，具有局限性。
[0004]因此，有必要设计一种新的方法，实现提高道路积水的预测准确率，可进行积水预测与预警推送。
技术实现思路
[0005]本专利技术的目的在于克服现有技术的缺陷，提供道路积水预测方法、装置、计算机设备及存储介质。
[0006]为实现上述目的，本专利技术采用以下技术方案：道路积水预测方法，包括：获取带有当前降水量、位置信息以及相对时间信息的待预测道路图片，以得到待预测数据；获取待预测道路上一时刻的道路积水面积；将所述待预测数据以及待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，以得到预测结果；输出所述预测结果；其中，所述积水预测模型是通过历史图像以及对应的相对时间下的积水面积分布图作为样本集对时序网络进行训练所得的；所述历史图像包括当时降水量、相对时间和位置信息。
[0007]其进一步技术方案为：所述积水预测模型是通过历史图像以及对应的相对时间下的积水面积分布图作为样本集对时序网络进行训练所得的，包括：获取历史图像；对所述历史图像进行排序以及标签标注，以确定对应的相对时间下的积水面积分布图，并与所述历史图像形成样本集；构建时序网络；利用样本集对所述时序网络进行训练，以学习降水量、位置信息和相对时间的变化规律，并将学习结果与时序网络上一时刻的输出结果判定预测道路积水面积，形成积水预测模型。
[0008]其进一步技术方案为：所述将所述待预测数据以及待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，以得到预测结果，包括：利用所述积水预测模型将所述待预测数据转换为向量，并进行归一化和维度扩充，以得到处理结果；利用编码组件对所述处理结果确定特征向量；利用解码组件对综合上下文特征的各个向量进行解码处理，并由线性激活层进行处理，以得积水概率值以及积水深度值；当积水概率值超过积水阈值时，根据所述积水深度值确定道路积水面积；根据所述道路积水面积结合待预测道路上一时刻的道路积水面积确定预测结果。
[0009]其进一步技术方案为：所述当积水概率值超过积水阈值时，根据所述积水深度值确定道路积水面积，包括：根据设定阈值判断所述积水深度值是否超过深度值阈值；若所述积水深度值超过深度值阈值，则从拍摄的道路视频中截取所述道路的图片；对所述图片进行积水区域的识别，并对所述积水区域进行像素级别的分析，计算出道路积水面积。
[0010]其进一步技术方案为：所述对所述图片进行积水区域的识别，并对所述积水区域进行像素级别的分析，计算出道路积水面积，包括：对所述图片进行积水区域的识别，并对所述积水区域进行像素级别的分析结合所述积水深度以及角度计算出道路积水面积。
[0011]其进一步技术方案为：所述根据所述积水面积结合待预测道路上一时刻的道路积水面积确定预测结果，包括：确定所述积水面积与待预测道路上一时刻的道路积水面积在相对时间内的差值，当差值符合要求，确定所述积水面积为预测结果。
[0012]其进一步技术方案为：所述解码组件包括多层解码器，所述解码器包括多头自注意力层、多头注意力层以及全连接前馈层。其进一步技术方案为：所述位置信息包括地势高低、地势之间的关系、地势排水能力，所述积水预测模型通过同一时间段内，积水深度与地势梯度随时间的正相关变化规律，和/或，积水面积与地势梯度随时间的正相关变化规律，来确定所述历史图像中的地势之间的关系。本专利技术还提供了道路积水预测装置，包括：待预测数据获取单元，用于获取待预测道路当前降水量、位置信息以及相对时间信息，以得到待预测数据；上一刻数据获取单元，用于获取待预测道路上一时刻的道路积水面积；预测单元，用于将所述待预测数据以及待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，以得到预测结果；输出单元，用于输出所述预测结果。
[0013]本专利技术还提供了一种计算机设备，所述计算机设备包括存储器及处理器，所述存储器上存储有计算机程序，所述处理器执行所述计算机程序时实现上述的方法。
[0014]本专利技术还提供了一种存储介质，所述存储介质存储有计算机程序，所述计算机程序被处理器执行时可实现上述的方法。
[0015]本专利技术与现有技术相比的有益效果是：本专利技术通过将带有当前的天气降水量、位置信息以及时间信息的待预测道路图片、待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，在预测的过程强调了降水量、地域和相对时间对积水面积的影响，结合上一刻道路积水面积判断预测的积水面积的准确率，进而确定预测结果，通过接入天气数据和地域位置结合时序预测网络，实现提高道路积水的预测准确率，可进行积水预测与预警推送。
[0016]下面结合附图和具体实施例对本专利技术作进一步描述。
附图说明
[0017]为了更清楚地说明本专利技术实施例技术方案，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，下面描述中的附图是本专利技术的一些实施例，对于本领域普通技术人员来讲，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。
[0018]图1为本专利技术实施例提供的道路积水预测方法的应用场景示意图；图2为本专利技术实施例提供的道路积水预测方法的流程示意图；图3为本专利技术实施例提供的道路积水预测方法的子流程示意图；图4为本专利技术实施例提供的道路积水预测方法的子流程示意图；图5为本专利技术实施例提供的道路积水预测方法的子流程示意图；图6为本专利技术实施例提供的固定区域降水不同的积水面积的示意图；图7为本专利技术实施例提供的道路积水预测装置的示意性框图；图8为本专利技术实施例提供的道路积水预测装置的预测单元的示意性框图；图9为本专利技术实施例提供的道路积水预测装置的积水面积确定子单元的示意性框图；图10为本专利技术实施例提供的计算机设备的示意性框图。
具体实施方式
[0019]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0020]应当理解，当在本说明书和所附权利要求书中使用时，术语“包括”和
ꢀ“
包含”指示所描述特征、整体、步骤、操作、元本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.道路积水预测方法，其特征在于，包括：获取带有当前降水量、位置信息以及相对时间信息的待预测道路图片，以得到待预测数据；获取待预测道路上一时刻的道路积水面积；将所述待预测数据以及待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，以得到预测结果；输出所述预测结果；其中，所述积水预测模型是通过历史图像以及对应的相对时间下的积水面积分布图作为样本集对时序网络进行训练所得的；所述历史图像包括历史降水量、相对时间和位置信息。2.根据权利要求1所述的道路积水预测方法，其特征在于，所述积水预测模型是通过历史图像以及对应的相对时间下的积水面积分布图作为样本集对时序网络进行训练所得的，包括：获取历史图像；对所述历史图像进行排序以及标签标注，以确定对应的相对时间下的积水面积分布图，并与所述历史图像形成样本集；构建时序网络；利用样本集对所述时序网络进行训练，以学习降水量、位置信息和相对时间的变化规律，并将学习结果与时序网络上一时刻的输出结果判定预测道路积水面积，形成积水预测模型。3.根据权利要求1所述的道路积水预测方法，其特征在于，所述将所述待预测数据以及待预测道路上一时刻的道路积水面积输入至积水预测模型中进行道路积水面积的预测，以得到预测结果，包括：利用所述积水预测模型将所述待预测数据转换为向量，并进行归一化和维度扩充，以得到处理结果；利用编码组件对所述处理结果确定特征向量；利用解码组件对综合上下文特征的各个向量进行解码处理，并由线性激活层进行处理，以得积水概率值以及积水深度值；当积水概率值超过积水阈值时，根据所述积水深度值确定道路积水面积；根据所述道路积水面积结合待预测道路上一时刻的道路积水面积确定预测结果。4.根据权利要求3所述的道路积水预测方法，其特征在于，所述当积水概率值超过积水阈值时，根据所述积水深度值确定道路积水面积，包括：根据设定阈值判断所述积水深度值是否超过深度值阈值；若所述积水深度值超过深度值阈值，则从拍摄的道路视频中截取所述道路的图片...
【专利技术属性】
技术研发人员：储翔，周家伟，
申请(专利权)人：云途信息科技杭州有限公司，
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。