【技术实现步骤摘要】
一种基于深度学习混合模型的地震救援分区分类方法
[0001]本专利技术涉及一种地震救援分区分类方法,尤其涉及一种基于深度学习混合模型的地震救援分区分类方法。
技术介绍
[0002]随着智能手机的全面普及,通过LBS技术精准定位,能全面、即时掌握人口流动状态,手机定位数据具有覆盖率高、定位精度多样化和便于获取的特点,因此利用手机定位人口数据可辅助研判灾情,确定重灾区,有效提升应急救灾能力。
[0003]在大地震或者特大地震灾害发生后,需要救援的范围有可能涉及多个区县、城镇,对于受灾地区进行地理分区可以确保有效的协调搜索和救援力量,救援区域的划分及救援优先级判定是救援行动开展的基础,也是提高救援工作效率,保证救援工作时效性和协调性的前提。联合国在长期的国际救援行动中提出了“国际搜救行动分区”这一概念,根据分区范围,结合对分区内精细化的灾情评估,开展救援优先级划分,进行救援力量合理派遣和调度,该方法有利于制定更好的搜救行动计划,提高多支队伍同时开展搜救行动的效率。国际上目前针对救援分区及救援优先级划分采取人工措施,费时费力,且易受人为因素影响,未考虑人口时空变化分布特点,难以实现结合地震灾情人口分布的实时动态进行救援优先级划分。
技术实现思路
[0004]为了解决上述技术所存在的不足之处,本专利技术提供了一种基于深度学习混合模型的地震救援分区分类方法。
[0005]为了解决以上技术问题,本专利技术采用的技术方案是:一种基于深度学习混合模型的地震救援分区分类方法,包括以下过程:
[00 ...
【技术保护点】
【技术特征摘要】
1.一种基于深度学习混合模型的地震救援分区分类方法,其特征在于:包括以下过程:S1、基本研究单元的划分和确定;S2、生成研究单元的手机定位量时序数据;S3、分析定位量随时间变化的规律,确定研究单元的地震救援区域类型;S4、进行数据的标准化、归一化并创建数据集;S5、混合模型的搭建、训练及调参;S6、使用混合模型预测研究单元的重点搜救区域类型。2.根据权利要求1所述的基于深度学习混合模型的地震救援分区分类方法,其特征在于:在步骤S1中,首先以某城市街区假设作为地震救援任务区,对该城市的街区进行路网数据处理得到路网线图层,再采用GIS方法将路网线图层转换成面图层,对面图层中的区域按照如下规则进行划分:1)区域面积大于0.15平方公里的区域作为基本研究单元,即最小救援区;2)区域面积小于0.15平方公里的区域就近合并;3)删除无建筑物分布的区域。3.根据权利要求2所述的基于深度学习混合模型的地震救援分区分类方法,其特征在于:在步骤S2中,以基本研究单元作为尺度,统计了每个研究单元的22天24小时内相同时间间隔的手机定位量数据,从而构建了数据维度为24*22的手机定位量时序数据。4.根据权利要求3所述的基于深度学习混合模型的地震救援分区分类方法,其特征在于:在步骤S3中,分析每个基本研究单元的手机定位量随时间变化的规律,得到对应的手机定位量曲线,根据曲线将研究单元划分为对应的地震救援区域类型。5.根据权利要求4所述的基于深度学习混合模型的地震救援分区分类方法,其特征在于:在步骤S3中,划分的地震救援区域类型有五种,如下:1)工作区:当手机定位量曲线在工作日与周末存在巨大差异,工作日期间人口稠密,周末人口稀少,定为工作区;2)居住区:当手机定位量曲线存在的明显的波峰波谷,一日内最大波峰为中午12
‑
13时和19至次日7时,定为居住区;3)办公生活一体化区:当一日之内定位量的变化浮动较小,工作日与周末的手机定位量曲线上升和下降区间一致时,定为办公生活一体化区;4)商业区:当手机定位量曲线无明显的波峰波谷,高值区出现在上午10时至21时,定为商业区;5)娱乐区:当手机定位量曲线在上午8时左右,晚上19时左右存在明显的波峰,并在8至19时之间是小幅波动且无明显的波谷时,定为娱乐区。6.根据权利要求5所述的基于深度学习混合模型的地震救援分区分类方法,其特征在于:在步骤S4中,先采用Z
...
【专利技术属性】
技术研发人员:高娜,刘晶晶,原丽娟,王洋,王想,
申请(专利权)人:中国地震应急搜救中心,
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。