基于洪澇事件鏈的城市應急大腦系統

俞維露 湯祥州 張慧連

(佳都科技集團股份有限公司)

近年來，國內城鎮化建設不斷加快，城市數量越來越多、規模越來越大、區域越來越廣，城市已成為暴雨洪澇及次生災害的高風險地區，極端降水事件及其導致的城市洪澇災害一直是國內外專家和政府部門關注的熱點[1]。大量事實表明，在氣候變化和城鎮化背景下，臺風暴雨災害給城市帶來了重大的財產損失和人員傷亡，特別是引起次生災害事件，最明顯的是洪澇對城市的影響，導致道路受損，交通中斷，大量房屋倒塌，供水供電城市生命線受損，城市生態環境破壞，并導致社會經濟損失。因此，洪澇事件鏈極大地增加了城市應急管理的難度[2]，而應急管理是智慧城市的大腦，城市的智慧主要體現在對突發事件的反應能力和處置能力[3],城市應急大腦系統需要能夠提供應對洪澇災害事件做出監測預警鏈和救援的決策支持。

目前，城市應急大腦系統大都是對單一事件采用單一應急響應模式，對各類突發事件間關聯機理不清晰，缺乏關聯模型的支撐，難以支持事件鏈的觸發研判及連鎖應急響應。隨著我國城市應急管理的不斷深入，積累了大量的應急預案和知識庫數據，可充分利用大數據技術，分析基于事件關聯機理與數據挖掘，建立多類別事件鏈復雜演變、觸發研判及相應的應急響應技術方法[4]。基于事件鏈的城市應急管理系統的建設對城市洪澇災害的預防與處置，必將發揮重要的作用。

1.災害事件鏈

城市應急大腦系統是一個復雜的系統工程，包括監督管理、監測預警、應急值守、應急預案管理、模擬分析、指揮調度、現場救援、緊急疏散、事故善后、應急評估等多個方面。城市應急大腦系統是以物聯網、云計算、大數據技術為支撐[5]，以資源數據庫、方法庫和知識庫為基礎，以地理信息系統展示為手段，實現對突發事件數據的采集和分析、對應急資源的管理和協調、對事故救援的決策和調度[6]。

災害事件鏈是致災因子之間存在的關聯而形成一種災害引發一系列災害的現象。通過分析突發事件的時空規律與內在關系，挖掘出具有事件觸發、內在關聯特征或衍生關系的事件鏈，建立原生事件與次生、衍生事件的關系模型，通過模擬訓練提升模型對事件轉化與次生事件關聯預測的準確性。然后通過分析事件鏈與預案鏈之間的關聯機制，基于事件鏈的聯動規則進行知識推理，從而形成智能預案，利用事件處置庫構建并優化預案鏈，提升預案鏈在相似事件鏈處置中的適用性與準確性，提供跨部門、跨層級、前瞻性協同應急響應所需的模型和技術手段，幫助應急決策者及時阻斷災害鏈，減輕次生與衍生事件造成的損失[7]。

根據災害事件鏈的模型，分析某區域由于極端天氣引起的臺風-暴雨-洪澇災害事件鏈。如圖1 所示。

圖1 洪澇事件鏈示意圖

圖2 系統功能組成

2.系統總體設計

2.1 技術路線設計

城市應急大腦平臺軟件基于微服務和容器化的技術，采用的輕量級的REST 協議或RPC 協議，同時采用靈活的JSON 數據格式，直接通過 HTTP 請求進行通信，非常易于擴展和協同，實現信息訪問的服務組件化、輕量級、松耦合、去中心化和跨平臺。主要的技術實施路線有：

（1）大數據技術：多模態數據管理，包括關系型數據庫，文本、圖像、音頻等非結構化數據，基于Hadoop 的開源框架，實現分布式計算和分布式存儲，包括數據采集、數據存儲、數據處理、數據挖掘和機器學習等多個方面。

（2）人工智能技術：人工智能技術是指通過模擬人類智能行為和思維過程的方法和技術，使機器能夠執行智能任務。人工智能技術的發展涵蓋了多個領域，包括機器學習、自然語言處理、計算機視覺、專家系統等。通過城市洪澇淹沒模型，可以分析出洪澇的范圍，模擬計算出人員及經濟損失；另外通過視頻AI 智能分析，可以識別出河道標尺，及時報警。

（3）微服務架構：微服務架構是一種軟件架構風格，將一個大型的應用程序拆分為一系列更小、更獨立的服務組件，每個組件可以獨立地開發、部署和擴展。每個服務組件都是圍繞特定業務功能構建的，它們通過輕量級的通信機制進行相互協作。微服務架構在大型復雜應用的開發和維護中具有很多優勢，同時，它也帶來了一些挑戰，如服務間通信的管理、數據一致性和系統監控等方面需要特別關注。

（4）空間分析可視化技術：通過將地理數據映射到地圖上的不同符號、顏色或紋理來傳達空間信息。這可以包括點、線、面等要素類型的表示，以及熱力圖、等值線圖、流向圖等特定類型的地圖可視化。根據已知的離散點數據，在未知位置上估計或預測數值，通過空間插值技術生成平滑的表面圖，以顯示連續變量在空間上的分布情況，例如高程模型、溫度分布等。空間分析可視化技術能夠幫助用戶從空間角度理解和解釋數據，支持決策制定、問題解決、模式發現等任務。它們為空間數據的探索和分析提供了直觀、交互式和可視化的工具。

2.2 功能設計

城市應急大腦系統需要實現“統一指揮、功能齊全、反應靈敏、運轉高效”的建設目標，為突發事件信息全面匯聚、快速展現、上傳下達、協同會商、綜合研判、指揮調度、輔助決策等應急管理全業務全流程提供統一的信息化管理，基于GIS 地圖實現圖上采集、圖上監測、圖上分析、圖上決策、圖上調度的綜合可視化呈現。系統作為綜合性的信息化平臺，要求既能滿足日常監測預警的需要，又能為應對各類突發公共事件提供強有力的決策支持。

（1)監測預警主要是防患于未然，氣象監測預警包括雷達回波圖、臺風路徑圖、衛星云圖、降雨分布圖等氣象信息，短臨預警信息對洪澇事件鏈來說特別重要，還有重要河流、水庫、易澇點的水情信息和工情信息，以及相應的視頻監控和水位實時監測數據。利用視頻圖像智能分析技術，可以對水位標尺進行識別，超過標尺警戒線自動生成報警，通過人工研判分析后及時作出預警響應。

（2)應急指揮為快速應急響應和處置突發事件提供輔助決策和指揮調度的信息化支撐，一旦接到預警信息或突發事件報告，系統通過監控預警系統及時收集和掌握各種信息，并加以綜合匯聚和分析處理，對事件區域進行范圍影響分析和后果模擬分析后，根據事件鏈所涉及的應急預案鏈，快速形成出智能輔助救援方案，準確、及時、全面地為應急處置指揮決策提供基礎資料和數據支撐，通過系統在GIS 一張圖上進行任務派發并監督任務的完成情況，對應急救援全過程進行通盤管理，并通過公共媒體（電視、互聯網、微信公眾號等）滾動發布突發事件信息，提升居民的安全感和對城市管理的滿意度。

3.系統主要功能

城市應急大腦系統構建在GIS“應急一張圖”基礎上，將洪澇災害事件發生的地點在GIS 地圖上顯式標記，并自動與周邊環境（建筑、人口等）、監控視頻以及危險隱患危險源等空間信息的融合聯動，綜合可視化展現事件全貌，使應急管理人員直觀全面了解災害事件的信息；并且利用系統的模型分析和后果模擬功能，為應急指揮調度提供強大的分析和輔助決策支撐。

3.1 監測預警

物聯網技術是新一代信息技術的重要組成部分，實現智能化識別、定位、跟蹤、監控和管理，物聯網技術在城市內澇和洪澇監測預警方面能發揮重要作用。水雨情信息實時監控至關重要，安裝在重要河流、水庫的水位傳感器和雨量儀能夠24×7 小時不間斷地進行監測。構成了基于物聯網的洪澇監測預警系統。

監測預警主要數據包含臺風云圖數據、雷達遙感數據、降雨觀測數據以及氣象水文數據，排水管網、閘口、泵站等水利設施數據，地形、土地利用等基礎地理數據。根據降雨雷達云圖和風速風向資料，可針對特定街區提供精細化的短時臨近暴雨預報。利用立體化監測數據和經驗判別降水過程，實現村、鎮街級洪澇實時預警，再結合各個鎮街的洪澇致災臨界雨量閾值，提供預警信息，及早進行臨災轉移。

系統接入在河道或水庫附近的視頻監控系統，聯動在GIS 系統上展示各路段的洪澇實時情況，視頻采用AI 智能分析技術，可以識別出水尺的警戒線，及時報警。系統將獲取實時降雨數據輸入到精細化的模型得到洪澇的模擬結果，洪澇過程實時動態模擬能夠為監測預警、及時的搶險、合理調度可用的應急資源提供技術幫助和決策支持。

3.2 洪澇淹沒精細化模型

洪水淹沒是洪水最為重要的特征，洪水淹沒主要確定洪水淹沒范圍、洪水淹沒概率評估和洪水淹沒損失評估。采用暴雨分級致災閾值分析技術，不同暴雨雨型對洪澇和內澇過程的影響，將GIS 和DEM 運用到洪水淹沒中，能夠快速的得到洪水淹沒范圍，為相關部門的防洪決策提供依據。采集洪澇精細化模型的基礎數據，包括：亞米級的數字高程模型和數字表面模型、高分辨率航空影像，保證地表特征的精細化表達；近期的精細化土地利用分類數據，包括道路、建筑物、硬化地表、草地、水體等用地類型，保證地物水文參數的準確性和空間差異；詳細的管網普查數據，包括雨水管點、污水管點、排水管點的編號、坐標、類型、高程、埋深等信息，以及雨水管線、污水管線、排水管線的相應數息，保證管網模擬結果的準確性。

基于高精度的城市DEM、土地利用數據對匯水區和排水子系統進行客觀的精細化劃分，并運用GIS 軟件自動計算各個匯水區的寬度、面積、不透水率等水文參數。其次，結合管網數據，運用自動化的方法生成SWMM 工程文件。最后設置雨量站，并輸入降水時序數據，確定雨量站所覆蓋的匯水區，設置模型其它參數，確定產流、地表徑流、管道水流計算方法等，構建城鎮洪澇精細化模擬模型。

通過歷史降雨資料對不同地區降雨頻次分別進行數理統計，得到不同區域的降雨分布情況，利用建立好的精細化洪澇模型結合遙感信息和GIS 工具進行暴雨洪澇災害的多情景模擬。設計不同情景下的降雨過程線，輸入已經建立好的精細化城鎮洪澇模型，得到模擬的淹沒范圍與積水深度分布情況，計算出城市洪澇風險的區劃圖，為洪澇災害防治提供可視化的依據。實地調查并收集災害損失數據，結合致災因子、脆弱性和暴露性三個方面建立洪澇積水深度和損失之間的關系曲線建立分析區域的風險序列，作為劃分風險分布的依據。利用立體化監測數據和經驗雨型判別降水過程，實現街道級城鎮洪澇實時預警和風險快速評估。

3.3 數字孿生仿真應用

通過歷史降雨資料對不同地區降雨頻次分別進行數理統計，得到不同區域的降雨分布情況，利用建立好的精細化洪澇模型結合遙感信息和GIS 工具進行暴雨洪澇災害的多情景模擬。設計不同情景下的降雨過程線，輸入已經建立好的精細化城鎮洪澇模型，得到模擬的淹沒范圍與積水深度分布情況，計算出城市洪澇風險的區劃圖，為洪澇災害防治提供可視化的依據。

數字孿生平臺通過建模與渲染、物聯與感知、算法與仿、控制與交互四個關鍵技術，包括衛星影像圖、傾斜攝影、激光點云、3D Max 精細模型、全景圖、BIM 等等都能夠實現全量加載，無縫切換，秒級刷新。同時融合渲染引擎還支持視頻融合渲染，能夠將實時的視頻圖像與三維模型有機融合，實現了虛實融合的應用模式。通過智能仿真引擎，包含算法模型和仿真工具，通過仿真工具把洪澇災害預測仿真呈現出來。

面對臺風暴雨發自然災害，基于三維地圖，借助洪澇淹沒精細化模型、數字孿生仿真技術，實現對洪澇災害影響的動態計算、仿真、推演、研判，基于水庫洪澇的仿真推演，實時預測水位上升情況，發生漫堤之后對周邊區域淹沒面積、人口、經濟的影響全面智能分析，提升應急管理災害處置能力，為城市應急管理提供科學、精準的管理手段。

3.4 可視化應急救援

指揮調度模塊使應急指揮和救援人員能快速高效地對突發事件進行應急響應和處置。系統根據觸發事件鏈的特點，自動匹配相應的應急預案鏈，結合對原生和次生事件進行風險模擬的分析結果，生成智能輔助方案，實施對搶險隊伍、救援專家、儲備物資、救援裝備、通信保障和醫療救護的指揮調度，并將調度的進展情況結合GIS 地圖進行融合展示，事件位置信息、預案啟動、影響分析、模型分析、方案確定、資源調度等整個處置流程在系統中動態展示，可實時調取查看相關監控視頻和無人機視頻，并根據分析結果進行態勢標繪，動態規劃救援路徑，對車輛進行導航、指導人員疏散和救援物資調配等，滿足指揮調度可視化的要求。

4.結束語

近年來，隨著全球氣候變暖，極端天氣事件頻發，強降雨呈現增多增強的趨勢。臺風引起的強降水容易引發一系列次生和衍生災害事件，特別是導致城鎮洪澇災害，城鎮洪澇的精細化模型以及基于洪澇事件鏈的城市應急大腦系統給城市的管理提供了科學有效的輔助決策支持。通過數字孿生技術將暴雨引起的洪澇災害全過程仿真出來。通過可視化指揮調度，極大的提高指揮的科學性和救援的效率。