基于分布式框架的城市內澇智慧監測系統

林宇聰 馮祥勝 葉健安

摘要：針對傳統的城市內澇監測軟硬件投入大，監測點稀疏等問題，基于城市交通、公安、市政等監控視頻獲取的道路圖像信息，實現了分布式框架的城市內澇智慧監測系統。 系統采用TensorFlow算法實現的深度學習模型對城市道路視頻監控圖像進行內澇監測。并采用SpringCloud框架搭建分布式網站平臺，實現對城市內澇進行監測。

關鍵詞：城市內澇;智慧監測;springcloud;分布式架構;tensorflow

中圖分類號：TP399? ? ?文獻標識碼：A

文章編號：1009-3044（2021）10-0030-03

Abstract： Aiming at the problems of traditional urban waterlogging monitoring， such as large investment in software and hardware and sparse monitoring points， a distributed framework of urban waterlogging intelligent monitoring system is implemented based on the video monitoring images of urban traffic， public security and municipal administration. The system uses TensorFlow implementation of deep learning model to monitor the waterlogging of urban road video monitoring images. SpringCloud framework is used to build a distributed website platform to monitor urban waterlogging.

Key words： urban waterlogging; intelligent monitoring; springcloud; distributed architecture; tensorflow

1 引言

由于強降水和特殊天氣招致的城市內澇，會使得城市交通受到大面積的影響，城市之中基礎設施遭受重大損失。當城市之中發生洪澇災害，如果可以對洪澇災害的實時狀況進行監測和預警，對減少內澇帶來的損失有著重大幫助。

城市內澇監測預警通常有人工法和定點監控法。人工法一般是相關部門通過大量的人力物力，對容易發生內澇的地點進行實地勘測，并立即向部門中心上傳內澇的相關信息。這種方法費時費力，同時難以及時獲得準確的積水位置和積水深度等情況，目前逐步在淘汰。定點監控法是通過在重點監測地點安裝傳感器和通信設備，通過傳感器及時獲得積水信息，并匯總到相關部門。這種方法能夠精確的得知傳感器地區的內澇情況，但是這種物理檢測系統的構建不僅僅需要專用傳感器、通信網絡，同時還需要持續的通訊和設備維護管理，建設成本和維護成本太高。由于極端天氣現象其實并不常見，因此系統的使用率低，性價比不高[1-5]。

目前城市交通、市政、公安等部門在沿城市道路建設了完善的視頻監控系統，其布點覆蓋范圍遠大于內澇管理部門建設的內澇監測點。在承擔交通、市政、公安等相關職能的同時，這些視頻監控系統采集到的圖像還能對城市的道路狀況方面進行監控[6-8]。薛豐昌等提出根據城市視頻監控對城市內澇進行實時預警的技術[9]。該技術利用圖像差分方法，幾乎可以清楚視頻中非積水區域的影響，實現對積水區域的高效識別。但是該方法僅適合用于監測點不多的情況。當監測點位置或攝像頭位置發生變化時，該方法將受到影響甚至不能工作。同時若攝像頭的數量龐大，對每個攝像頭的初始數據維護工作量巨大。

本文提出了基于分布式框架下的城市內澇智慧監測系統。系統采用TensorFlow實現了基于深度學習的內澇監測模型，通過對城市內澇圖像數據集進行模型訓練，使用訓練好的模型對城市道路視頻監控圖像進行內澇災害自動識別。采用SpringCloud框架搭建分布式網站平臺，實現大并發量的業務處理，降低系統相互關聯的性，提高系統便捷擴展的能力。

2 系統設計

2.1系統架構

隨著并發業務量的增大，一臺服務器主機的性能往往不足以滿足業務所需。一般情況下，將系統垂直或者水平拆分成不同的業務模塊系統，形成一個分布式的系統架構，能夠增大系統的整體內容，增強系統運行時的穩定能力。在系統安全性方面，采用分布式構架的業務系統，即使其中的某一臺主機出現故障也不會導致整個服務的癱瘓。在開發和擴展方面，因為業務需求被拆分成不同的模塊，開發與發布能夠并行，使得其速度能更加快捷與簡單。而在眾多分布式框架中，SpringCloud的全面能力和高修改性比較突出，已經成為一種主流分布式網站構架解決方案。所以本系統使用SpringCloud框架對網站進行搭建。系統架構圖如圖1所示。用戶請求進Zuul網關負載均衡后依靠Nacos注冊中心，分發到微服務集群中的某一個服務。而微服務之間的交互使用Feign 來調度。

系統核心業務由圖像識別業務和網站預警業務兩部分組成。其中，圖像識別業務以采集到的圖像集為數據集，通過TensorFlow訓練，然后獲取到相關的識別模型并結合Flask框架向外提供圖片識別的端口;網站預警業務通過對攝像頭或用戶上傳的預警圖片進行識別，并且匯總相關的預警方位進行保存和展示。系統的業務流程圖如圖2所示。

2.2 模塊設計

系統總體分成七個子模塊，包括攝像頭模塊，預警消息模塊，網關模塊，權限認證模塊，用戶模塊，后臺管理和第三方擴展工具模塊，如下圖3所示例。

預警消息模塊作為系統的核心模塊，用于存儲所有的預警消息信息。首先當一條預警信息生成之后，消息通過網關轉發給預警消息模塊，隨后遠程訪問用戶模塊和第三方工具擴展其上傳者的信息與保存圖片，再根據圖片識別出來的道路狀態分情況進行短信發送。

后臺管理模塊主要提供后臺管理人員對預警消息和攝像頭信息的修改功能。管理人員可以對系統識別有一定誤差的圖片進行人工修正，修正過的預警信息將自動歸檔，用于新的圖像數據模型訓練，以提高圖像模型的準確率。在攝像頭信息中，則可以選擇新增或者調整攝像頭的點位信息。攝像頭模塊根據存儲在數據庫中的攝像頭信息，定期獲取攝像頭中所拍攝的圖片信息，統一發送給圖像識別服務進行識別。

網關模塊、權限認證和用戶模塊組成了權限系統，網關模塊是訪問整個程序必須經過的模塊，所有的前端請求均會首先訪問網關模塊，再根據不同的訪問路徑分發給相關的微服務。而所有的請求都會在網關進行鑒權，當請求需要一定權限時，網關向權限認證模塊進行驗證，若用戶無權限則返回到首頁地址。在用戶進行登錄時，可以選擇手機號完成登錄或者第三方應用的外部登錄，登錄成功后會返回相對應的用戶權限，并將所取得的token信息存到session中保存，避免多次登錄。

圖像識別模塊通過數據集訓練數據模型來識別道路圖片的情況，其數據采集主要來源為目前已有的市政和交通等區域的攝像頭中真實拍攝的道路信息數據。這些數據集訓練出道路圖片的數據模型，提供道路圖像識別的機器學習功能。并在此基礎上整合Flask框架，為網站系統提供Restful風格的API接口。并且在攝像頭采集到的固定點位之外，還開通了用戶上傳圖像接口。完善了攝像頭的監測盲區，提供后臺管理人員對道路圖片的真實情況進行人工核查，將有識別誤差的圖片進行人工標注和修改，標注過的圖片會放入新的數據集中，定期對數據集進行重新訓練，對圖像識別的精確度進行更進一步的提升。

城市內澇智慧監測系統的用戶模塊，主要提供道路預警信息展示和道路信息匯總展示。道路預警展示分為兩塊：一是通過調用百度地圖，并且對接后臺數據庫信息，不同的道路情況以不同顏色的標記在地圖上進行標注，能直觀地查看道路的預警點;二是以圖片墻的方式，直接展示道路圖片以及道路信息狀況，并且提供文字搜索功能，以記錄的方式能夠以精確和快捷的查看預警信息。

道路信息匯總展示目前系統中系統的人工修正道路圖片比例、道路圖片來源的比例、以及近一年每個月不同狀態的道路狀態信息總數的三個圖表。人工修正道路圖片比例體現出系統目前圖片識別模型正確率，當人工修正的比例過大時則提醒管理人員將數據模型進行重新訓練更新，進一步完善數據模型。而近一年每個月不同狀態的道路狀態信息總數可警示相關部門，當進入道路特殊狀態高發月份時，積極應對可能發生的道路情況，并且提前制定對應的相關計劃。

在后臺管理中，使用者需要經過權限認證判斷使用者的身份，使用者通過登錄系統登錄后，系統自動根據賬號判斷登陸者身份信息并跳轉至不同頁面。身份權限分為三種，。普通用戶只能查看首頁與使用圖片上傳功能，數據管理員可以對所有的預警數據進行審核、修改，系統管理員則可以使用所有的后臺管理系統。

使用者登錄后，開放道路圖片上傳功能，使用者上傳圖片后，系統會自動識別圖片是否有自帶經緯度信息，若沒有則根據用戶輸入的地址描述，通過百度地圖API進行經緯度查詢。并且調用圖像識別模塊對道路圖片進行識別，并最終返回識別結果。

3 系統實現

3.1持久層模塊實現

在具體實現過程中，后端數據庫使用Mysql進行開發。每一個需要存儲實體數據的模塊對應一個獨立的數據庫。數據庫操作層采用Mybatis-plus，相比于原生的Mybatis，MP自帶通用的CRUD操作，能夠極大的簡化開發。對于多表的操作，主要以stream流式編程對集合中的數據進行擴展。

3.2服務層模塊實現

服務層中，nacos注冊中心中注冊了所有的微服務，所有的請求均通過zuul網關過濾后，以nacos中的服務名進行動態轉發。并且nacos 提供對服務的檢查、動態配置和DNS服務，保證服務的穩定和便利。各個微服務之間的調用通過OpenFeign框架進行遠程調用。Openfeign中通過ribbon進行負載均衡，均衡的分配集群資源。并且接口參數以Restful風格進行封裝，讓各個服務之間的接口對接更加方便。

每個微服務的基礎框架均為Springboot，maven控制jar包的版本管理。Springboot特點在于快速搭建，十分契合微服務的架構。其中封裝了很多常用的套件，如mybatis、redis、elasticSearch等，可以輕易地整合各方面框架。微服務中均配置了redis緩存，菜單、預警信息和攝像頭信息等均設置了緩存提高系統運行效率以及減輕數據庫的讀取壓力。并發鎖中使用redisson對每個可能造成數據不一致的地方進行加鎖處理。而redisson中鎖的操作屬于原子操作，解決了死鎖問題的發生。

因為分布式服務之間無法傳遞session，而SpringSession組建中，將session信息存入redis中，用于實現分布式服務之中的session傳遞。而SpringSession僅需要注解和配置文件即可簡單快速且無縫的集成到服務中。

權限認證服務采用Oauth2安全認證，oauth2中包含了SpringSecurity，用戶登錄后獲取到該用戶的token權限標識，并且將該權限標識和用戶信息存入session中，解決重復登錄的問題。并且Oauth2框架提供第三方的外部登錄?？梢院喕脩舻牡卿洸僮?，給予用戶更好的使用體驗。

3.3 前端模塊實現

前端展示模塊的框架均以Bootstrap為基礎，搭配Thymeleaf模板引擎為頁面提供動態數據展示。其優勢在于簡單靈活，響應式柵格系統讓網頁能夠自動適應用戶的屏幕尺寸，并且美觀的界面樣式與友好的學習曲線使開發變得更加舒適。對于前后端之間的數據對接，主要采用jQuery的ajax請求，讓前端頁面可以用異步的方式向服務端獲取數據，并且通過模板引擎動態展示。在此基礎之上，為了優化用戶體驗，添加Sweet Alert和Echart框架，用于美化整體頁面以及提供更豐富的頁面組件。前端部分頁面實現效果如圖4所示。

4 結語

在人工智能越發火熱的浪潮下，結合目前現有的市政交通資源，基于分布式框架下的城市內澇智慧監測系統能夠更加有效地發揮現有資源，降低了防澇的經濟成本以及人力成本，并且可以實現24小時全方位自動化監測。而且搭配預警通知系統，不論是相關部門使用抑或是提供給大眾使用，都能提供相應的預警作用。

基于分布式構架的網站系統，存在服務之間調度頻繁和延遲的問題。若數據查詢功能優化不足，在多個服務同時查詢同一個服務接口時容易發生調用超時，導致相關頁面無法正常展示，系統整體運行較為緩慢。本系統下一步的改進，一方面可以通過對查詢的內部邏輯進行優化和精簡，舍棄不必要的字段返回，減少數據處理量;另一方面，要減輕數據庫的訪問壓力，可以通過擴大Redis緩存的應用范圍，以提高系統的響應速度。

參考文獻：

[1] 何嘉莉，陳兵，姜濤，等.城市內澇在線監控與信息服務數字化系統設計[J].中國給水排水，2014，30（1）：94-98.

[2] 林占東，張奕虹.基于物聯網的城市內澇監測預警系統建設思路初探[J].數字技術與應用，2014（6）：235-236.

[3] 邵鵬飛， 趙燕偉， 楊明霞. 城市內澇監測預警信息系統研究 [J]. 計算機測量與控制， 2016，24（2）：49-52.

[4] 姜元軍， 來麗芳， 李亞丹， 等. 基于 GIS 的城市內澇預警預報系統設計與實現 [J]. 測繪與空間地理信息， 2016，39（8）：69-71.

[5] 邱祥峰，陳云，王曉強，等.基于微信服務號和圖像識別的城市內澇監測方法[J].中國市政工程，2018（2）：92-94，98，135-136.

[6] Chang N B，Guo D H.Urban flash flood monitoring，mapping and forecasting via a tailored sensor network system[C]//2006 IEEE International Conference on Networking，Sensing and Control.April 23-25，2006，Ft.Lauderdale，FL，USA.IEEE，2006：757-761.

[7] 高曉亮，王志良，王馨，等.基于HSV空間的視頻實時水位檢測算法[J].鄭州大學學報（理學版），2010，42（3）：75-79.

[8] 鄧玉芬，沈明，阮銳，等.基于圖像識別技術的沿岸潮汐測量方法研究[J].現代電子技術，2010，33（13）：120-122.

[9] 薛豐昌，宋肖依，唐步興，等.視頻監控的城市內澇監測預警[J].測繪科學，2018，43（8）：50-55，61.

【通聯編輯：梁書】