【技术实现步骤摘要】
本专利技术涉及数字孪生、人工智能的，具体涉及一种基于数字孪生的城市行道树承灾能力仿真模拟方法。
技术介绍
1、在极端天气频发背景下，应对台风、强风等极端天气成为经济社会发展的制约因素，而超过一半以上的自然灾害均与风相关。行道树在城市绿化与园林绿化起着基本框架与骨干作用，是城市生态系统和防灾体系不可或缺的重要一环，然而在台风、强风发生时，行道树断枝、倒伏也成为对行人、车辆甚至房屋的重要危险源，因此对于行道树的选种、配置、建植和养护提出了精细化管理要求。
2、当前，对城市行道树的评估与管理主要依赖于人为巡查，主要是采用地面人工观测手段获取林地各树木的类型、树高、胸径、冠幅等数据，再通过人工造风模拟的方式进行承灾能力测试，耗费巨大且时效性差，难以大范围、高密度开展工作，也无法全面获取行道树生态系统生态状况的时空变化。而采用以往卫星遥感虽然能够大范围识别林地系统时空状况，但是分辨率、精度不足，无法支持城市管理和行道树生态系统的应用需求。此外，由于城市地面粗糙度受建筑形态、密度与组团形式影响，一般较其他地区大而且不同区域间存在差异，导致大环境动力风速在局部间存在较大差异，而人工观测和卫星遥感均难以获取局地间的差异。
技术实现思路
1、本专利技术的目的在于提供一种基于数字孪生的城市行道树承灾能力仿真模拟方法，基于无人机搭建遥感传感器技术，对城市行道树及地面基于倾斜摄影和多光谱摄影构建基于数字孪生平台的三维模型，同时，导入气象网格历史和预测数据，基于流体力学仿真模拟技术对城市三维地表
2、本专利技术实现目的所采用的方案是：一种基于数字孪生的城市行道树承灾能力仿真模拟方法，包括以下步骤：
3、步骤s1：采用无人机通过倾斜摄影采集影像数据及雷达定位，并根据采集的影像数据及位置信息对区域整体场景进行三维重建；所述影像数据包括地形、建筑物范围线、建筑物高度、行道树分布及特征；
4、步骤s2：根据行道树分布及特征制定交向摄影测量航线规划，确定航线各个端点的x，y坐标；
5、步骤s3：基于航线规划，通过无人机搭建数据采集系统，采集航线上行道树的点云数据和多光谱数据，对采集到的数据进行处理、融合；
6、步骤s4：以倾斜摄影测量获取的数据作为数字孪生底座，将行道树的点云数据和多光谱数据基于x,y,z的空间位置进行关联，并根据空间位置构建行道树精细模型；
7、步骤s5：根据历史特征风场网格数据，利用流体力学仿真模拟城市风场下对行道树的影响，并利用历史行道树受影响情况进行参考验证，并对模拟参数进行优化；
8、步骤s6：根据仿真模拟分析得到行道树承灾能力评估结果和分布地图。
9、优选地，所述步骤s1中，具体包括：
10、s11、确定需要进行分析的城市行道树及对其有明显影响的建筑、山地缓坡区域，划定为整体区域；
11、s12、采用无人机从一个垂直视角和四个不同倾斜视角采集区域地面影像；
12、s13、通过影像特征点提取和匹配技术，实现影像之间的关联；
13、s14、利用三角测量原理，计算出影像中特征点的三统合坐标；
14、s15、通过影像数据生成三维城市模型。
15、优选地，
16、所述步骤s2中，根据行道树分布及特征将每颗树概化为顶面和侧面，进行航线规划，具体包括：s21、根据行道树的顶面分布，计算出顶面航线顶点坐标；
17、根据行道树的侧面的分布情况，基于树冠生成最小外接圆，同时增加最小安全距离生成正六边形的顶点，计算出侧面航线顶点坐标；
18、s22、通过连接所有树的侧面航线顶点和顶面航线顶点，生成航线规划。
19、优选地，所述步骤s3中，具体包括：
20、s31、无人机搭建激光雷达仪和多光谱仪按照规划航线进行飞行，获取航线上的行道树的点云数据和多光谱数据；
21、s32、通过点云数据获得行道树的三维信息；
22、s33、将点云数据生成与多光谱数据空间分辨率一致的栅格图像，以点云数据为基准校正多光谱影像；
23、s34、将校正后的多光谱数据各波段信息按照空间x,y,z位置关联赋予点云数据，实现所有测量点点云数据和多光谱数据的融合。
24、优选地，所述步骤s4中，具体包括：
25、s41、根据整体场景倾斜摄影数据生成区域整体三维模型，构建数字孪生底座；
26、s42、将点云数据与多光谱数据融合数据，基于x，y，z的空间位置进行关联；
27、s43、根据点云数据和多光谱数据中的颜色信息，生成城市行道树的三维模型；
28、s44、利用点云数据和多光谱数据提取行道树的的特征集，包括光谱特征集、几何特征集和纹理特征集；
29、s45、采用支持向量机监督分类学习法，进行机器学习模型训练与树种识别；
30、s46、基于数字孪生底座、行道树的三维模型、树种、特征集构建城市行道树的精细三维仿真模型。
31、优选地，所述步骤s45中，具体包括：
32、s451、构建树种的数据集：以城市行道树树种清单为基础，对每种树种进行唯一标签标注；
33、s452、树种及特征提取：将前述每个树种的光谱特征、几何特征和纹理特征组织成矩阵形式，其中每一行表示一个样本，每一列表示一个特征；
34、s453、数据预处理：去除明显偏离异常值，对每种特征进行正态分布标准化处理成[-1,1]范围；
35、s454、划分训练集和测试集，其中训练集用于训练svm模型，测试集用于评估模型的性能；
36、s455、构建svm模型和优化；
37、s456、利用训练好的svm模型对全部树种进行识别。
38、优选地，所述步骤s455中，具体包括：
39、s4551、对于给定的训练样本，数据di＝{(xi，yi)，i＝1，2，3，...，n}表示n个样本，其中xi代表第i个特征向量值，yi代表类别标记量，y∈{-1，1}；
40、s4552、构建svm模型的训练目标是将拟合直线上两个分类的距离分隔得越远越好，通过拉格朗日乘法将问题转化为对偶问题实现约束条件最优；因此引入拉格朗日对偶变量α＝(α1，α2，...，αn)，计算约束条件下目标函数g(α)的最大值即：
41、
42、约束条件为：j是{1，2，3，...，n}除i以外的数值；
43、其中，αi为拉格朗日系数，xi、xj表示训练样本集中的任意两个特征向量值，是c为惩罚因子，k(xi，xj)为内核函数；
44、s4553、选择高斯径向基核函数式中，σ是函数的宽度，||xi-xj||2是xi、xj两个向量间的距离；...
【技术保护点】
1.一种基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S1中，具体包括：
3.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S2中，根据行道树分布及特征将每颗树概化为顶面和侧面，进行航线规划，具体包括：S21、根据行道树的顶面分布，计算出顶面航线顶点坐标；
4.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S3中，具体包括：
5.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S4中，具体包括：
6.根据权利要求5所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S45中，具体包括：
7.根据权利要求6所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S455中，具体包括：
8.根据权利要求1所述的基于数字孪生的城市行道树
9.根据权利要求8所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S54中，还包括：
10.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤S6中，具体包括：根据仿真模型方法，对评估城区内的行道树进行受灾能力分析和结果叠和，形成整体区域的行道树承灾能力评估结果和分布地图，构建城区行道树承灾底数。
...【技术特征摘要】
1.一种基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤s1中，具体包括：
3.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤s2中，根据行道树分布及特征将每颗树概化为顶面和侧面，进行航线规划，具体包括：s21、根据行道树的顶面分布，计算出顶面航线顶点坐标；
4.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤s3中，具体包括：
5.根据权利要求1所述的基于数字孪生的城市行道树承灾能力仿真模拟方法，其特征在于：所述步骤s4中，具体包括：
6.根据权利要求5所述的...
【专利技术属性】
技术研发人员：郭秋萍，俞露，胡晓飞，刘文娟，
申请(专利权)人：深圳市城市规划设计研究院股份有限公司，
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。