基于洪涝事件链的城市应急大脑系统

俞维露 汤祥州 张慧连

(佳都科技集团股份有限公司)

近年来，国内城镇化建设不断加快，城市数量越来越多、规模越来越大、区域越来越广，城市已成为暴雨洪涝及次生灾害的高风险地区，极端降水事件及其导致的城市洪涝灾害一直是国内外专家和政府部门关注的热点[1]。大量事实表明，在气候变化和城镇化背景下，台风暴雨灾害给城市带来了重大的财产损失和人员伤亡，特别是引起次生灾害事件，最明显的是洪涝对城市的影响，导致道路受损，交通中断，大量房屋倒塌，供水供电城市生命线受损，城市生态环境破坏，并导致社会经济损失。因此，洪涝事件链极大地增加了城市应急管理的难度[2]，而应急管理是智慧城市的大脑，城市的智慧主要体现在对突发事件的反应能力和处置能力[3],城市应急大脑系统需要能够提供应对洪涝灾害事件做出监测预警链和救援的决策支持。

目前，城市应急大脑系统大都是对单一事件采用单一应急响应模式，对各类突发事件间关联机理不清晰，缺乏关联模型的支撑，难以支持事件链的触发研判及连锁应急响应。随着我国城市应急管理的不断深入，积累了大量的应急预案和知识库数据，可充分利用大数据技术，分析基于事件关联机理与数据挖掘，建立多类别事件链复杂演变、触发研判及相应的应急响应技术方法[4]。基于事件链的城市应急管理系统的建设对城市洪涝灾害的预防与处置，必将发挥重要的作用。

1.灾害事件链

城市应急大脑系统是一个复杂的系统工程，包括监督管理、监测预警、应急值守、应急预案管理、模拟分析、指挥调度、现场救援、紧急疏散、事故善后、应急评估等多个方面。城市应急大脑系统是以物联网、云计算、大数据技术为支撑[5]，以资源数据库、方法库和知识库为基础，以地理信息系统展示为手段，实现对突发事件数据的采集和分析、对应急资源的管理和协调、对事故救援的决策和调度[6]。

灾害事件链是致灾因子之间存在的关联而形成一种灾害引发一系列灾害的现象。通过分析突发事件的时空规律与内在关系，挖掘出具有事件触发、内在关联特征或衍生关系的事件链，建立原生事件与次生、衍生事件的关系模型，通过模拟训练提升模型对事件转化与次生事件关联预测的准确性。然后通过分析事件链与预案链之间的关联机制，基于事件链的联动规则进行知识推理，从而形成智能预案，利用事件处置库构建并优化预案链，提升预案链在相似事件链处置中的适用性与准确性，提供跨部门、跨层级、前瞻性协同应急响应所需的模型和技术手段，帮助应急决策者及时阻断灾害链，减轻次生与衍生事件造成的损失[7]。

根据灾害事件链的模型，分析某区域由于极端天气引起的台风-暴雨-洪涝灾害事件链。如图1 所示。

图1 洪涝事件链示意图

图2 系统功能组成

2.系统总体设计

2.1 技术路线设计

城市应急大脑平台软件基于微服务和容器化的技术，采用的轻量级的REST 协议或RPC 协议，同时采用灵活的JSON 数据格式，直接通过 HTTP 请求进行通信，非常易于扩展和协同，实现信息访问的服务组件化、轻量级、松耦合、去中心化和跨平台。主要的技术实施路线有：

（1）大数据技术：多模态数据管理，包括关系型数据库，文本、图像、音频等非结构化数据，基于Hadoop 的开源框架，实现分布式计算和分布式存储，包括数据采集、数据存储、数据处理、数据挖掘和机器学习等多个方面。

（2）人工智能技术：人工智能技术是指通过模拟人类智能行为和思维过程的方法和技术，使机器能够执行智能任务。人工智能技术的发展涵盖了多个领域，包括机器学习、自然语言处理、计算机视觉、专家系统等。通过城市洪涝淹没模型，可以分析出洪涝的范围，模拟计算出人员及经济损失；另外通过视频AI 智能分析，可以识别出河道标尺，及时报警。

（3）微服务架构：微服务架构是一种软件架构风格，将一个大型的应用程序拆分为一系列更小、更独立的服务组件，每个组件可以独立地开发、部署和扩展。每个服务组件都是围绕特定业务功能构建的，它们通过轻量级的通信机制进行相互协作。微服务架构在大型复杂应用的开发和维护中具有很多优势，同时，它也带来了一些挑战，如服务间通信的管理、数据一致性和系统监控等方面需要特别关注。

（4）空间分析可视化技术：通过将地理数据映射到地图上的不同符号、颜色或纹理来传达空间信息。这可以包括点、线、面等要素类型的表示，以及热力图、等值线图、流向图等特定类型的地图可视化。根据已知的离散点数据，在未知位置上估计或预测数值，通过空间插值技术生成平滑的表面图，以显示连续变量在空间上的分布情况，例如高程模型、温度分布等。空间分析可视化技术能够帮助用户从空间角度理解和解释数据，支持决策制定、问题解决、模式发现等任务。它们为空间数据的探索和分析提供了直观、交互式和可视化的工具。

2.2 功能设计

城市应急大脑系统需要实现“统一指挥、功能齐全、反应灵敏、运转高效”的建设目标，为突发事件信息全面汇聚、快速展现、上传下达、协同会商、综合研判、指挥调度、辅助决策等应急管理全业务全流程提供统一的信息化管理，基于GIS 地图实现图上采集、图上监测、图上分析、图上决策、图上调度的综合可视化呈现。系统作为综合性的信息化平台，要求既能满足日常监测预警的需要，又能为应对各类突发公共事件提供强有力的决策支持。

（1)监测预警主要是防患于未然，气象监测预警包括雷达回波图、台风路径图、卫星云图、降雨分布图等气象信息，短临预警信息对洪涝事件链来说特别重要，还有重要河流、水库、易涝点的水情信息和工情信息，以及相应的视频监控和水位实时监测数据。利用视频图像智能分析技术，可以对水位标尺进行识别，超过标尺警戒线自动生成报警，通过人工研判分析后及时作出预警响应。

（2)应急指挥为快速应急响应和处置突发事件提供辅助决策和指挥调度的信息化支撑，一旦接到预警信息或突发事件报告，系统通过监控预警系统及时收集和掌握各种信息，并加以综合汇聚和分析处理，对事件区域进行范围影响分析和后果模拟分析后，根据事件链所涉及的应急预案链，快速形成出智能辅助救援方案，准确、及时、全面地为应急处置指挥决策提供基础资料和数据支撑，通过系统在GIS 一张图上进行任务派发并监督任务的完成情况，对应急救援全过程进行通盘管理，并通过公共媒体（电视、互联网、微信公众号等）滚动发布突发事件信息，提升居民的安全感和对城市管理的满意度。

3.系统主要功能

城市应急大脑系统构建在GIS“应急一张图”基础上，将洪涝灾害事件发生的地点在GIS 地图上显式标记，并自动与周边环境（建筑、人口等）、监控视频以及危险隐患危险源等空间信息的融合联动，综合可视化展现事件全貌，使应急管理人员直观全面了解灾害事件的信息；并且利用系统的模型分析和后果模拟功能，为应急指挥调度提供强大的分析和辅助决策支撑。

3.1 监测预警

物联网技术是新一代信息技术的重要组成部分，实现智能化识别、定位、跟踪、监控和管理，物联网技术在城市内涝和洪涝监测预警方面能发挥重要作用。水雨情信息实时监控至关重要，安装在重要河流、水库的水位传感器和雨量仪能够24×7 小时不间断地进行监测。构成了基于物联网的洪涝监测预警系统。

监测预警主要数据包含台风云图数据、雷达遥感数据、降雨观测数据以及气象水文数据，排水管网、闸口、泵站等水利设施数据，地形、土地利用等基础地理数据。根据降雨雷达云图和风速风向资料，可针对特定街区提供精细化的短时临近暴雨预报。利用立体化监测数据和经验判别降水过程，实现村、镇街级洪涝实时预警，再结合各个镇街的洪涝致灾临界雨量阈值，提供预警信息，及早进行临灾转移。

系统接入在河道或水库附近的视频监控系统，联动在GIS 系统上展示各路段的洪涝实时情况，视频采用AI 智能分析技术，可以识别出水尺的警戒线，及时报警。系统将获取实时降雨数据输入到精细化的模型得到洪涝的模拟结果，洪涝过程实时动态模拟能够为监测预警、及时的抢险、合理调度可用的应急资源提供技术帮助和决策支持。

3.2 洪涝淹没精细化模型

洪水淹没是洪水最为重要的特征，洪水淹没主要确定洪水淹没范围、洪水淹没概率评估和洪水淹没损失评估。采用暴雨分级致灾阈值分析技术，不同暴雨雨型对洪涝和内涝过程的影响，将GIS 和DEM 运用到洪水淹没中，能够快速的得到洪水淹没范围，为相关部门的防洪决策提供依据。采集洪涝精细化模型的基础数据，包括：亚米级的数字高程模型和数字表面模型、高分辨率航空影像，保证地表特征的精细化表达；近期的精细化土地利用分类数据，包括道路、建筑物、硬化地表、草地、水体等用地类型，保证地物水文参数的准确性和空间差异；详细的管网普查数据，包括雨水管点、污水管点、排水管点的编号、坐标、类型、高程、埋深等信息，以及雨水管线、污水管线、排水管线的相应数息，保证管网模拟结果的准确性。

基于高精度的城市DEM、土地利用数据对汇水区和排水子系统进行客观的精细化划分，并运用GIS 软件自动计算各个汇水区的宽度、面积、不透水率等水文参数。其次，结合管网数据，运用自动化的方法生成SWMM 工程文件。最后设置雨量站，并输入降水时序数据，确定雨量站所覆盖的汇水区，设置模型其它参数，确定产流、地表径流、管道水流计算方法等，构建城镇洪涝精细化模拟模型。

通过历史降雨资料对不同地区降雨频次分别进行数理统计，得到不同区域的降雨分布情况，利用建立好的精细化洪涝模型结合遥感信息和GIS 工具进行暴雨洪涝灾害的多情景模拟。设计不同情景下的降雨过程线，输入已经建立好的精细化城镇洪涝模型，得到模拟的淹没范围与积水深度分布情况，计算出城市洪涝风险的区划图，为洪涝灾害防治提供可视化的依据。实地调查并收集灾害损失数据，结合致灾因子、脆弱性和暴露性三个方面建立洪涝积水深度和损失之间的关系曲线建立分析区域的风险序列，作为划分风险分布的依据。利用立体化监测数据和经验雨型判别降水过程，实现街道级城镇洪涝实时预警和风险快速评估。

3.3 数字孪生仿真应用

通过历史降雨资料对不同地区降雨频次分别进行数理统计，得到不同区域的降雨分布情况，利用建立好的精细化洪涝模型结合遥感信息和GIS 工具进行暴雨洪涝灾害的多情景模拟。设计不同情景下的降雨过程线，输入已经建立好的精细化城镇洪涝模型，得到模拟的淹没范围与积水深度分布情况，计算出城市洪涝风险的区划图，为洪涝灾害防治提供可视化的依据。

数字孪生平台通过建模与渲染、物联与感知、算法与仿、控制与交互四个关键技术，包括卫星影像图、倾斜摄影、激光点云、3D Max 精细模型、全景图、BIM 等等都能够实现全量加载，无缝切换，秒级刷新。同时融合渲染引擎还支持视频融合渲染，能够将实时的视频图像与三维模型有机融合，实现了虚实融合的应用模式。通过智能仿真引擎，包含算法模型和仿真工具，通过仿真工具把洪涝灾害预测仿真呈现出来。

面对台风暴雨发自然灾害，基于三维地图，借助洪涝淹没精细化模型、数字孪生仿真技术，实现对洪涝灾害影响的动态计算、仿真、推演、研判，基于水库洪涝的仿真推演，实时预测水位上升情况，发生漫堤之后对周边区域淹没面积、人口、经济的影响全面智能分析，提升应急管理灾害处置能力，为城市应急管理提供科学、精准的管理手段。

3.4 可视化应急救援

指挥调度模块使应急指挥和救援人员能快速高效地对突发事件进行应急响应和处置。系统根据触发事件链的特点，自动匹配相应的应急预案链，结合对原生和次生事件进行风险模拟的分析结果，生成智能辅助方案，实施对抢险队伍、救援专家、储备物资、救援装备、通信保障和医疗救护的指挥调度，并将调度的进展情况结合GIS 地图进行融合展示，事件位置信息、预案启动、影响分析、模型分析、方案确定、资源调度等整个处置流程在系统中动态展示，可实时调取查看相关监控视频和无人机视频，并根据分析结果进行态势标绘，动态规划救援路径，对车辆进行导航、指导人员疏散和救援物资调配等，满足指挥调度可视化的要求。

4.结束语

近年来，随着全球气候变暖，极端天气事件频发，强降雨呈现增多增强的趋势。台风引起的强降水容易引发一系列次生和衍生灾害事件，特别是导致城镇洪涝灾害，城镇洪涝的精细化模型以及基于洪涝事件链的城市应急大脑系统给城市的管理提供了科学有效的辅助决策支持。通过数字孪生技术将暴雨引起的洪涝灾害全过程仿真出来。通过可视化指挥调度，极大的提高指挥的科学性和救援的效率。