【技术实现步骤摘要】
本专利技术涉及道路监测，尤其涉及一种道路积水程度测算方法、系统、设备及介质。
技术介绍
1、近年来，受极端天气、城市化快速扩展、排涝设施建设滞后等多种因素影响，城市洪涝灾害严重威胁人民群众的生命财产安全。据应急管理部统计资料显示，2021年全年洪涝灾害共造成5901万人次受灾，因灾死亡失踪590人，倒塌房屋15.2万间，直接经济损失2458.9亿元，特别是2021年7月17日–23日，河南省遭遇历史罕见特大暴雨，引发特大暴雨洪涝灾害，受灾范围广、人员伤亡多、灾害损失重。
2、当前，城市道路积水问题的发现、处置仍然以被动处置为主，主要以人工蹲点、养护队伍不定时巡查、公众投诉等方式，部分城市也安装了积水液位监测设备进行日常管理。这些方式方法普遍效率不高、时效性差、处置落后，不利于快速疏导交通拥堵，无法有效保障公众的安全出行；在恶劣天气情况下，人民群众的生命财产安全仍然面临着严重的威胁。
3、因此，亟需提出一种高效的道路积水程度测算方法，能够及时、准确地发现和测算出道路积水程度，辅助管理部门建立科学的应对机制，降低积水影响，消除内涝风险，保障城市的正常运转。
技术实现思路
1、本专利技术提供一种道路积水程度测算方法、系统、设备及介质，用以解决现有技术对于城市道路积水问题的发现和处理存在效率低、时效性差以及处置落后的缺陷。
2、本专利技术提供一种道路积水程度测算方法，包括：
3、获取道路视频图像数据；
4、根据道路视频图像数据，通
5、基于道路积水面积的位置，获取道路最低点的高程及水深数据和道路车道的最高点高程数据；
6、根据道路最低点的高程及水深数据和道路车道的最高点高程数据，通过道路积水深度测算模型，得到道路积水程度。
7、根据本专利技术提供的一种道路积水程度测算方法，所述根据道路视频图像数据，通过道路积水面积测算模型，得到道路积水面积，包括：
8、根据道路视频图像数据，通过道路积水面积测算模型进行j级小波分解，得到低频图像数据和高频图像数据；
9、根据低频图像数据和高频图像数据，通过道路积水面积测算模型进行滑窗处理，得到低频滑窗数据和高频滑窗数据；
10、根据低频滑窗数据和高频滑窗数据，通过道路积水面积测算模型进行奇异值分解及加权处理，得到特征向量矩阵；
11、通过道路积水面积测算模型将特征向量矩阵中的奇异值向量与样本积水点进行相似度计算，得到测算积水点，并根据测算积水点的位置得到道路积水面积。
12、根据本专利技术提供的一种道路积水程度测算方法，所述根据低频滑窗数据和高频滑窗数据，通过道路积水面积测算模型进行奇异值分解及加权处理，得到特征向量矩阵，包括：
13、通过道路积水面积测算模型分别对低频滑窗数据和高频滑窗数据进行奇异值分解，得到低频奇异值向量和高频奇异值向量；
14、对低频奇异值向量和高频奇异值向量进行奇异值加权处理，得到特征向量；
15、基于特征向量，生成特征向量矩阵；
16、其中，通过奇异值加权表达式对低频奇异值向量和高频奇异值向量进行奇异值加权处理，其中，奇异值加权表达式为：
17、
18、奇异值加权表达式中，λit表示特征向量的矩阵转置，表示低频奇异值向量的矩阵转置，表示高频奇异值向量的矩阵转置，(σ1，σ2…σn)表示低频奇异值向量集合，(η1,η2,…,ηn)表示高频奇异值向量集合，k1和k2表示加权系数。
19、根据本专利技术提供的一种道路积水程度测算方法，所述通过道路积水面积测算模型将特征向量矩阵中的奇异值向量与样本积水点进行相似度计算，得到测算积水点，包括：
20、利用矢量差值法，得到特征向量矩阵中的奇异值向量与样本积水点的距离；
21、根据特征向量矩阵中的奇异值向量与样本积水点的距离，得到特征向量矩阵中的奇异值向量与样本积水点的相似度；
22、将特征向量矩阵中与样本积水点的相似度大于或等于预设阈值的奇异值向量，作为测算积水点。
23、根据本专利技术提供的一种道路积水程度测算方法，通过矢量差值表达式得到特征向量矩阵中的奇异值向量与样本积水点的距离，其中，矢量差值表达式为：
24、
25、矢量差值表达式中，d(λi,λj)表示特征向量矩阵中的奇异值向量λi与样本积水点λj的距离，λik表示向量λi在n个方向的分向量，λjk表示向量λj在n个方向的分向量。
26、以及，通过相似度表达式得到特征向量矩阵中的奇异值向量与样本积水点的相似度，其中，相似度表达式为：
27、com(λi,λj)＝1/[1+d(λi,λj)]，
28、相似度表达式中，com(λi,λj)表示特征向量矩阵中的奇异值向量λi与样本积水点λj的相似度，d(λi,λj)表示特征向量矩阵中的奇异值向量λi与样本积水点λj的距离。
29、根据本专利技术提供的一种道路积水程度测算方法，所述根据道路最低点的高程及水深数据和道路车道的最高点高程数据，通过道路积水深度测算模型，得到道路积水程度，包括：
30、根据道路最低点的高程及水深数据和道路车道的最高点高程数据，通过道路积水深度测算模型，得到道路上每条车道的积水深度测算结果；
31、结合道路最低点的水深数据和道路上每条车道的积水深度测算结果，得到道路积水程度；
32、其中，通过积水深度测算表达式得到道路上每条车道的积水深度测算结果，其中，积水深度测算表达式为：
33、d’n＝d’1+d1-dn，
34、积水深度测算表达式中，d’n表示道路上第n条车道的积水深度测算结果，d’1表示道路最低点的水深数据，d1表示道路最低点的高程数据，dn表示道路上第n条车道的最高点高程数据。
35、根据本专利技术提供的一种道路积水程度测算方法，结合道路最低点的水深数据和道路上每条车道的积水深度测算结果，通过判定条件，得到道路积水程度，其中，判定条件包括：
36、当道路最低点的高程数据大于或等于第一预设阈值时，判定该道路积水处为内涝点；
37、当道路最低点的高程数据小于或等于第二预设阈值时，判定该道路积水处为非内涝点；
38、当道路最低点的高程数据位于第一预设阈值和第二预设阈值之间，且道路上每条车道的积水深度测算结果均大于第二预设阈值时，判定该道路积水处为内涝点；
39、当道路最低点的高程数据位于第一预设阈值和第二预设阈值之间，但道路上存在积水深度测算结果小于或等于第二预设阈值的车道时，判定该道路积水处为非内涝点；
40、其中，第一预设阈值大于第二预设阈值。
41、本专利技术还提供一种道路积水程度测算系统，包括：
42、第一数据获取模块，用于：获取道路视频图像数据；
43、道路积水面本文档来自技高网...
【技术保护点】
1.一种道路积水程度测算方法，其特征在于，包括：
2.根据权利要求1所述的道路积水程度测算方法，其特征在于，所述根据道路视频图像数据，通过道路积水面积测算模型，得到道路积水面积，包括：
3.根据权利要求2所述的道路积水程度测算方法，其特征在于，所述根据低频滑窗数据和高频滑窗数据，通过道路积水面积测算模型进行奇异值分解及加权处理，得到特征向量矩阵，包括：
4.根据权利要求3所述的道路积水程度测算方法，其特征在于，所述通过道路积水面积测算模型将特征向量矩阵中的奇异值向量与样本积水点进行相似度计算，得到测算积水点，包括：
5.根据权利要求4所述的道路积水程度测算方法，其特征在于，通过矢量差值表达式得到特征向量矩阵中的奇异值向量与样本积水点的距离，其中，矢量差值表达式为：
6.根据权利要求1-5任一项所述的道路积水程度测算方法，其特征在于，所述根据道路最低点的高程及水深数据和道路车道的最高点高程数据，通过道路积水深度测算模型，得到道路积水程度，包括：
7.根据权利要求6所述的道路积水程度测算方法，其特征在于，结合道路
8.一种道路积水程度测算系统，其特征在于，包括：
9.一种电子设备，包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1至7任一项所述的道路积水程度测算方法。
10.一种非暂态计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的道路积水程度测算方法。
...【技术特征摘要】
1.一种道路积水程度测算方法，其特征在于，包括：
2.根据权利要求1所述的道路积水程度测算方法，其特征在于，所述根据道路视频图像数据，通过道路积水面积测算模型，得到道路积水面积，包括：
3.根据权利要求2所述的道路积水程度测算方法，其特征在于，所述根据低频滑窗数据和高频滑窗数据，通过道路积水面积测算模型进行奇异值分解及加权处理，得到特征向量矩阵，包括：
4.根据权利要求3所述的道路积水程度测算方法，其特征在于，所述通过道路积水面积测算模型将特征向量矩阵中的奇异值向量与样本积水点进行相似度计算，得到测算积水点，包括：
5.根据权利要求4所述的道路积水程度测算方法，其特征在于，通过矢量差值表达式得到特征向量矩阵中的奇异值向量与样本积水点的距离，其中，矢量差值表达式为：
6.根据权利要求1-5任一项...
【专利技术属性】
技术研发人员：李满满，魏琴，
申请(专利权)人：联通广东产业互联网有限公司，
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。