CN117689210A - 道路自然灾害风险智能评估方法 - Google Patents

Abstract

本发明涉及道路自然灾害风险评估技术领域，具体公开了一种道路自然灾害风险智能评估方法，包括：确定研究区道路自然灾害类型；确定道路自然灾害的影响因素；基于上述数据建立道路自然灾害风险评估数据集；训练并保存道路自然灾害风险智能评估模型；建立道路自然灾害预测数据集并计算预测结果；将训练集和预测集进行交叉验证；对影响因素和评估结果进行等级划分，使用ArcGIS绘制道路自然灾害风险区划图。本发明基于研究区实际情况，结合气象、地质和人类活动相关影响，建立道路自然灾害风险评估指标体系和道路自然灾害风险智能评估模型。该方法影响因素指标易于获取，方法操作简单，基于智能评估手段后续道路自然灾害风险评估研究提供新思路和方向。

Description

道路自然灾害风险智能评估方法

技术领域

本发明属于道路自然灾害风险评估技术领域，具体涉及自然灾害风险评估、道路自然灾害风险评估和神经网络技术。

技术背景

暴雨及其衍生的自然灾害造成路基路面损毁、边坡塌方等，严重阻碍交通危及人民的生命财产安全。道路是灾害发生后疏散人员，运输救援队伍和物资的生命线，在国民经济发展中有着重要的战略地位，与国民经济其它产业部门发展关系密切，道路灾害造成的损失会波及到其他相关产业，严重影响人们的生命财产安全及区域社会经济的发展。

国务院指出，要提高交通网络抗风险能力，强化交通基础设施安全风险评估和分级分类管控，加强重大风险源识别和全过程动态监测分析、预测预警，在重要通道、枢纽、航运区域建设气象监测预警系统，提高交通基础设施适应气候变化的能力。

互联网时代，数字化与信息化是各行业、各部门的主要发展趋势，图像识别与机器学习等人工智能的蓬勃发展为灾害风险评估技术研究提供新思路。开展自然灾害风险指标体系研，采用新型技术手段，建立道路自然灾害风险智能评估模型，构建科学合理的评价体系，为有关部门在灾前预测提供科学依据和避险手段，促进道路网管理系统全面升级，大幅提升应对道路自然灾害的决断能力。

现阶段，对于灾害风险的研究已从单灾种研究逐步向多灾种耦合和多灾害链共同作用的方向转变，道路自然灾害的发生更是多种因素共同作用的结果；评估结果会根据不同的影响因素选取和计算方法产生不同的结果，难以确定统一的评价标准；对于道路灾害风险评估的研究还处于起步阶段，集中在图像识别和遥感影像上，难以实现对道路灾害的实时预测。

为此，建立道路自然灾害风险智能评估方法，将风险评价指标的选取分为气象条件、地质条件和人类活动因素三大类，从中选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个影响因素，综合考虑多灾种对道路自然灾害的影响；同时，采用道路自然灾害风险智能评估模型进行道路自然灾害风险评估，使用定量的方式对灾害风险进行预测，减少人为干预，提高准确率，且选取影响因素指标易于获取确定，结果基本可靠，适于道路自然灾害风险评估中。

发明内容

本发明的目的在于建立道路自然灾害风险智能评估方法，来解决自然灾害风险评估中定性评估，人为主观因素干扰的问题，且实现了多灾害种类道路自然灾害综合评估分析。

为实现上述目的，本发明采用了如下技术方案：

通过对研究区历史灾害情况和道路自然灾害影响因素进行分析，明确研究区道路主要自然灾害类型和影响因素，从气象条件、地质条件和人类活动因素三大类中选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个影响因素指标，建立道路自然灾害风险智能评估模型；通过训练集确定最佳道路自然灾害风险智能评估模型和各影响因素相应权重值和阈值；将道路网灾害点的影响因素输入值通过已构建好的道路自然灾害风险智能评估模型进行计算输出预测结果；建立研究区道路自然灾害风险评估体系，根据各影响因素数值和神经网络线性回模型预测结果进行评估等级划分；根据神经网络线性回模型预测结果采用ArcGIS绘制研究区道路自然灾害风险评估区划图。

包括以下步骤：

对研究区自然灾害历史情况和道路自然灾害影响因素进行分析，确定研究区道理自然灾害常见类型，包括：崩塌、滑坡、泥石流、沉陷、塌陷、洪水；

综合分析研究区道路自然影响因素，考虑气象条件、地质条件和人类活动因素，选择温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标；

基于上述影响因素建立研究区自然灾害风险评估数据集，对已构建的数据集进行数据清洗、去除异常值和数据归一化处理；

将经过处理后的数据集数据输入道路自然灾害风险智能评估模型中进行训练，当输出数据达到最佳训练结果时保存训练后的模型和最佳权重值；

建立研究区道路灾害点预测集，调用已训练好的模型和最佳权重计算，计算研究区道路自然灾害风险评估预测结果；

将以获取的训练集和预测集做交叉验证，验证模型评价结果准确性；

构建研究区道路自然灾害风险评估体系，划分影响因素分级和道路自然灾害风险评估结果，将预测结果或分为低等级道路风险区，中等级道路风险区，高等级道路风险区；

根据道路自然灾害风险智能评估模型预测结果进行风险等级划分，通过ArcGIS软件绘制研究区道路自然灾害风险评估区划图。

优选地，所述S2中，对影响因素的选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标，可通过相应部门的系统服务器，获取存储相应的实时数据并进行评估。

优选地，训练集数据根据模糊综合评价法确定，构建影响因素集，通过熵值法确定各因素权重，进行单因素模糊评价获得评价矩阵，得出最终得分形成训练集。

优选地，所述S4中，通过训练集对神经网络线性模型进行训练达到模型最佳精度，模型精度验证指标选择平均绝对误差、均方根误差和相关系数。

优选地，所述S6中，S5中的所述预测集同S3的所述数据集做交叉验证，交叉验证方法选取k折交叉验证。

优选地，根据神经网络预测结果数值进行风险等划分，预测结果Y<0.2为极低风险等级路段，0.2≤Y<0.4为较低风险等级路段，0.4≤Y<0.6为中风险等级路段，0.6≤Y<0.8为高风险等级路段，Y>0.8为极高风险等级路段。

与现有技术相比，本发明充分结合研究区基本环境情况、历史灾害情况和道路自然灾害情况，分析研究区道路自然灾害类型、特点及研究区气候条件、地质条件、人类活动情况，选取主要影响因素，通过气象条件中的温度、相对湿度、降水量反应致灾因子的危险性，地质条件中的高程、坡度、坡向、地质岩性、植被覆盖率反应承灾体敏感性，并叠加表示人类活动因素的指标历史影响因子和道路密度，通过道路自然灾害风险智能评估模型建立可用于多灾种的道路自然灾害风险评估模型，计算研究区道路自然灾害风险预测值，建立道路自然灾害风险评估体系，划分道路自然灾害风险评估等级，其中影响因素数据的获取均可通过相应的官方网站进行获取并采用定性分析，减少主观判断增强评估结果的科学性，若能与相关部门数据库相连可实现对道路网自然灾害风险进行实时预测，对道路自然灾害风险实时预警与管控，增强人们出行安全指数并提高防灾减灾能力。

附图说明

图1是本发明实施例中，模糊神经网络模型结构图。

图2是本发明实施例中，神经网络线性回归模型结构图。

图3为本发明道路自然灾害风险智能评估方法的流程示意图。

具体实施方式

下面结合具体实施例来详细说明本发明，在此本发明的示意性实施以及说明来解释本发明，但不作为对本发明的限定。

本发明采用的技术方案为道路自然灾害风险智能评估方法，包括，对研究区历史灾害情况和道路自然灾害影响因素进行分析，充分结合研究区基本环境情况和道路自然灾害情况，分析研究区道路自然灾害发生类型、特点及研究区气候条件、地质条件、人类活动情况获得研究区自然灾害风险点影响因素指标构建研究区自然灾害风险评估数据集；通过训练集训练模型，确定相关系数使道路自然灾害风险智能评估模型和权重值达到最佳结果并保存模型；建立研究区道路灾害点预测集，将影响因素相关数值输入已经训练好的模型中，输出预测结果；将训练集和预测集进行交叉验证，验证模型的准确性；建立道路自然灾害风险评估体系，将影响因素指标数值和道路自然灾害风险智能评估模型预测结果进行风险等级划分；将预测结果采用ArcGIS通过绘制研究区道路自然灾害风险评估区划图。综合考虑研究区环境条件、历史自然灾害情况和道路自然灾害类型，分析研究区道路自然灾害类型、特点、气候条件、地质条件、人类活动情况选取适合的影响因素指标，对研究区道路自然灾害风险评估进行了定量分析，方法简单且影响因素指标数据易于获取，若能与相关部门数据库相连可实时获取数据并预测，为后续道路自然灾害风险评估预警系统的发展提供新思路和技术手段。

本发明通过对道路自然灾害的灾情损失进行统计与分析，明确道路自然灾害主要影响因素，确定温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标，并确定各指标相应权重，形成道路自然灾害风险评价指标体系；针对致灾因子的不同采用道路自然灾害风险智能评估模型，确定影响因素指标权重，计算道路自然灾害风险指数，结合数据分析，确定道路自然灾害风险点风险等级，建立道路自然灾害风险评估体系，绘制道路自然灾害风险区划图，形成道路自然灾害风险智能评估方法，评估方法流程示意图，如图3。

包括以下步骤：

对研究区自然灾害历史情况和道路自然灾害类型进行分析，确定研究区道路自然灾害常见类型，包括：崩塌、滑坡、泥石流、沉陷、塌陷、洪水；

综合分析研究区道路自然特点选取影响因素，考虑气象条件、地质条件和人类活动因素，选择温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标；

基于上述影响因素建立研究区自然灾害风险评估数据集，对训练集数据进行数据清洗、去除异常值和数据归一化处理；

归一化计算公式：

反归一化公式：

将经过处理后的训练集数据输入道路自然灾害风险智能评估模型中进行训练，当输出数据达到最佳训练结果时保存训练后的模型和最佳权重值；

道路自然灾害风险智能评估模型1，模糊神经网络结构如图1，输入影响因素，进行隶属度计算，通过规则层判断，进行归一化计算，输出预测结果，模糊神经网络模型涉及公式：

平均绝对误差公式：

均方根误差公式：

隶属度函数计算，高斯公式：

道路自然灾害风险智能评估模型2，神经网络线性回归结构图如图2，输入影响因素，通过隐藏层计算，输出预测值，神经网络线性回归模型涉及公式：

均方损失函数公式：

优化器公式：

建立道路自然灾害预测集，调用训练集训练好的模型和最佳权重计算，计算研究区道路自然灾害风险评估预测结果；

将以获取的训练集和预测集做交叉验证，验证模型评价结果准确性，选取k折交叉验证法，在数据集上进行k次划分，每次划分进行一次训练、评估，得到k次划分后的评估结果，取平均得到最后评分；

构建道路自然灾害风险评估体系，划分影响因素分级和道路自然灾害风险评估结果，将预测结果或分为低等级道路风险区，中等级道路风险区，高等级道路风险区；

根据神经网络线性回归预测结果进行道路自然灾害风险等级划分，通过ArcGIS软件绘制研究区道路自然灾害风险评估区划图。

Claims (7)

1.一种道路自然灾害风险智能评估方法，其特征在于，所述方法包括：

对研究区自然灾害历史情况和灾害影响因素进行分析；

选取合适的自然灾害影响因素，构建研究区自然灾害影响因素数据集；

将所述数据集通过智能评估模型进行训练，保存训练后的模型和最佳权重值；

建立道路自然灾害预测集，将预测集数据输入已训练好的模型中，输出预测结果；

构建道路自然自然灾害风险评估体系，将预测结果进行风险等级划分，并绘制研究区道路自然灾害风险评估区划图。

2.根据权利要求1所述的道路自然灾害风险智能评估方法，其特征在于，包括以下步骤：

S1对研究区道路自然灾害历史情况情况进行分析，确定研究区道路自然灾害常见类型，所述类型包括：崩塌、滑坡、泥石流、沉陷、塌陷、洪水；

S2综合分析研究区自然影响因素，考虑气象条件、地质条件和人类活动因素，选择温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标；

S3根据所述自然影响因素和研究区自然灾害历史情况建立研究区自然灾害影响因素数据集，再对所述数据集数据进行数据清洗、去除异常值和数据归一化处理；

S4将经过处理后的数据集输入道路自然灾害风险智能评估模型中进行训练，当输出数据达到最佳训练结果时保存训练后的模型和最佳权重值；

S5建立研究区道路网预测集，通过所述模型和最佳权重值，计算研究区道路网自然灾害风险评估预测结果，获得预测集；

S6将S5中的所述预测集同S3的所述数据集做交叉验证，验证道路自然灾害风险智能评估模型评价结果准确性；

S7构建道路网自然灾害风险评估体系，划分影响因素分级和道路网自然灾害风险评估结果，将预测结果或分为低等级风险路段区、中等级风险路段区和高等级风险路段区；

S8根据S7所获得的预测结果进行道路网自然灾害风险等级划分，通过ArcGIS软件绘制研究区道路网自然灾害风险评估区划图。

3.根据权利要求2所述的基于监督学习的道路自然灾害风险评估方法，其特征在于：所述S2中，对影响因素的选取温度、相对湿度、降水量、高程、坡度、坡向、地质岩性、植被覆盖率、历史影响因子和道路密度十个指标，可通过相应部门的系统服务器，获取存储相应的实时数据并进行评估。

4.根据权利要求2所述的道路自然灾害风险智能评估方法，其特征在于：训练集数据根据模糊综合评价法确定，构建影响因素集，通过熵值法确定各因素权重，进行单因素模糊评价获得评价矩阵，得出最终得分形成训练集。

5.根据权利要求2所述的道路自然灾害风险智能评估方法，其特征在于：所述S4中，通过训练集对神经网络线性模型进行训练达到模型最佳精度，模型精度验证指标选择平均绝对误差、均方根误差和相关系数。

6.根据权利要求2所述的道路自然灾害风险智能评估方法，其特征在于：所述S6中，S5中的所述预测集同S3的所述数据集做交叉验证，交叉验证方法选取k折交叉验证。

7.根据权利要求2所述的道路自然灾害风险智能评估方法，其特征在于：根据神经网络预测结果数值进行风险等划分，预测结果Y<0.2为极低风险等级路段，0.2≤Y<0.4为较低风险等级路段，0.4≤Y<0.6为中风险等级路段，0.6≤Y<0.8为高风险等级路段，Y>0.8为极高风险等级路段。