【技术实现步骤摘要】
本专利技术涉及一种道路塌陷灾害评估方法，尤其涉及一种基于人工智能的城市道路塌陷灾害风险评估方法，并进一步涉及采用该基于人工智能的城市道路塌陷灾害风险评估方法的系统。
技术介绍
1、近年来，全国各大中小城市纷纷展开了针对道路塌陷隐患的检测工作，成功检出并治理了大量的塌陷隐患，有效提升了道路安全水平，取得了显著成果。然而，这些丰硕的成果背后仍然存在着一些技术问题需要解决。
2、短期内检出大量的道路塌陷隐患，对隐患的治理工作提出了巨大的挑战，同时也暴露出了隐患治理工作中的一系列问题，诸如，部分风险高的检出隐患得不到及时的治理，部分风险低的检出隐患被过度治理，进而导致浪费资源等问题。这充分反映了现有隐患治理工作缺乏精细化管理的问题，明显存在着对隐患进行有效风险评估的缺失，使得隐患治理方案缺乏专业性和针对性，导致部分资源和隐患治理力量被低风险隐患浪费，而部分高风险隐患却未能及时得到治理。此外，现有技术采用粗放式的隐患治理，明显还会拉高隐患治理成本。为了改善这一现状，隐患治理单位迫切需要一种能够系统、准确且快速评估检出塌陷隐患能够形成塌陷灾害的概率的风险评估方法，以便为指导隐患治理单位科学合理地制定精细化隐患治理方案提供更好的基础，从而提升隐患治理效果，控制隐患治理成本。
3、虽然，现有技术中，也存在少量对道路塌陷隐患进行风险评估的方法。但是，现有的风险评估方法均以单个塌陷隐患为评估对象，在塌陷隐患综合探测的基础上，结合周边环境信息，确定风险等级，提出相应的风险控制对策建议。这种现有的评估方法计算过程繁琐，评估过程不
4、然而，检出的塌陷隐患随时都有可能造成道路塌陷灾害，无法等待当前低效的风险评估犯法给出评估结果，无法及时为指导治理建议提供数据基础。此外，当短时间内检出塌陷隐患的数量激增时，现有的评估方法更加难以满足隐患风险评估的实际需求。因此，迫切需要一种能够系统、准确且快速地评估检出地塌陷隐患风险的方法，以满足实际的城市道路塌陷灾害风险评估需求，为城市道路塌陷灾害的检测和治理工作提供更好的基础。
技术实现思路
1、本专利技术所要解决的技术问题是需要提供一种基于人工智能的城市道路塌陷灾害风险评估方法，旨在能够系统、准确且快速地评估检出塌陷隐患的风险，满足实际的城市道路塌陷灾害风险评估需求，为城市道路塌陷灾害的检测和治理工作提供更好的基础。在此基础上，还进一步涉及采用该基于人工智能的城市道路塌陷灾害风险评估方法的系统。
2、对此，本专利技术提供一种基于人工智能的城市道路塌陷灾害风险评估方法，包括以下步骤：
3、步骤s1，获取目标区域内的塌陷相关数据，所述塌陷相关数据包括历史塌陷数据、地下管线数据、地质调查数据、气象观测数据、交通荷载数据、地铁施工数据和深基坑施工数据中的任意一种或多种；
4、步骤s2，使用所述塌陷相关数据构建目标区域的一体化塌陷资料数据库；
5、步骤s3，对所述一体化塌陷资料数据库中的数据进行标注和分类，分成塌陷发生数据、塌陷未发生数据和变量数据，并形成样本数据集；
6、步骤s4，基于所述样本数据集，利用迭代重加权最小二乘法训练用于目标区域道路塌陷风险评估的逻辑回归模型；
7、步骤s5，利用训练好的所述逻辑回归模型，结合检出塌陷隐患的相关信息，检测并评估塌陷隐患的塌陷风险。
8、本专利技术的进一步改进在于，所述步骤s1包括以下子步骤：
9、步骤s101，判断所述目标区域的所在范围，当所述目标区域的所在范围小于预设范围阈值时，扩大所述目标区域的范围；
10、步骤s102，获取所述塌陷相关数据，其中，所述历史塌陷数据包括历史塌陷灾害数据和检出塌陷隐患数据。
11、本专利技术的进一步改进在于，所述步骤s2包括以下子步骤：
12、步骤s201，将获取的所述塌陷相关数据进行数据清洗；
13、步骤s202，将所述步骤s201进行清洗后的数据进行数据转换；
14、步骤s203，将所述步骤s202转换后的数据进行分类，并整合成专题图层；
15、步骤s204，将所述步骤s203整合的专题图层，根据图层之间的空间相关性，即地理坐标，进行空间配准，并相互叠加形成塌陷地图，将所述塌陷地图存入至一体化塌陷资料数据库。
16、本专利技术的进一步改进在于，所述步骤s201包括以下子步骤：
17、步骤s2011，将获取的所述塌陷相关数据进行排序，根据预先定义的重复标识规则进行重复检测，对标识为重复的数据进行删除；
18、步骤s2012，对数据表中不同结构字段的数据进行重要性等级分级，按照缺失比例和字段重要性制定完整性指标，将不符合完整性指标的数据进行删除；
19、步骤s2013，统计和识别数据中的错误值或异常值，根据预设的修正规则判断所述错误值或异常值是否可以修正，若是，则对所述错误值或异常值进行修正；若否，则对所述错误值或异常值进行删除；
20、步骤s2014，针对多源的塌陷相关数据进行关联性验证，当发现矛盾数据时进行数据溯源，并对矛盾数据进行调整或删除。
21、本专利技术的进一步改进在于，所述步骤s202包括以下子步骤：
22、步骤s2021，将所述塌陷相关数据中的非数值型数据按照预设的数据转换规则进行数据转换，转换为离散数值型数据；
23、步骤s2022，对转换后的离散数值型数据进行归一化处理。
24、本专利技术的进一步改进在于，所述预设的数据转换规则中，根据数据指标类型、指标名称和赋值依据，对将所述塌陷相关数据中的非数值型数据进行数据转换，所述指标类型包括塌陷本征信息、地下管线信息、地质调查、气象数据、地下施工以及交通荷载；所述塌陷本征信息对应的指标名称包括是否塌陷、面积、净空和顶深，所述地下管线信息对应的指标名称包括管线类型、第一距离塌陷距离和服役年限，所述地质调查对应的指标名称包括土壤类型，所述气象数据对应的指标名称包括是否处于雨季和雨后天数，所述地下施工对应的指标名称包括第二距离塌陷距离，所述交通荷载对应的指标名称包括车流量数据；所述指标类型中的各个指标名称的赋值依据取值范围为0-1。
25、本专利技术的进一步改进在于，所述步骤s3包括以下子步骤：
26、步骤s301，以历史塌陷数据为核心构建塌陷数据结构体，按照历史塌陷数据分为塌陷发生数据和塌陷未发生数据，以所述塌陷发生数据作为正样本，以所述塌陷未发生数据作为负样本；
27、步骤s302，将地下管线数据、地质调查数据、气象观测数据、交通荷载数据、地铁施工数据和深基坑施工数据归为关联变量数据，将所述关联变量数据整合至所述塌陷数据结构体，并且在每个所述塌陷数据结构体之中，至少包括一个除历史塌陷数据本文档来自技高网...
【技术保护点】
1.一种基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S1包括以下子步骤：
3.根据权利要求1或2所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S2包括以下子步骤：
4.根据权利要求3所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S201包括以下子步骤：
5.根据权利要求3所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S202包括以下子步骤：
6.根据权利要求5所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述预设的数据转换规则中，根据数据指标类型、指标名称和赋值依据，对将所述塌陷相关数据中的非数值型数据进行数据转换，所述指标类型包括塌陷本征信息、地下管线信息、地质调查、气象数据、地下施工以及交通荷载；所述塌陷本征信息对应的指标名称包括是否塌陷、面积、净空和顶深，所述地下管线信息对应的指标名称包括管线类型、第一距离塌陷距离
7.根据权利要求1或2所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S3包括以下子步骤：
8.根据权利要求1或2所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S4包括以下子步骤：
9.根据权利要求1或2所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤S5包括以下子步骤：
10.一种基于人工智能的城市道路塌陷灾害风险评估系统，其特征在于，采用了如权利要求1至9任意一项所述的基于人工智能的城市道路塌陷灾害风险评估方法，并包括：
...【技术特征摘要】
1.一种基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤s1包括以下子步骤：
3.根据权利要求1或2所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤s2包括以下子步骤：
4.根据权利要求3所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤s201包括以下子步骤：
5.根据权利要求3所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述步骤s202包括以下子步骤：
6.根据权利要求5所述的基于人工智能的城市道路塌陷灾害风险评估方法，其特征在于，所述预设的数据转换规则中，根据数据指标类型、指标名称和赋值依据，对将所述塌陷相关数据中的非数值型数据进行数据转换，所述指标类型包括塌陷本征信息、地下管线信息、地质调查、气象数据、地下施工以及交通荷载；所述塌陷本征信息对应的指...
【专利技术属性】
技术研发人员：狄毅，庄锦锋，董超，王俊，党成冲，
申请(专利权)人：深圳安德空间技术有限公司，
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。