基于深度學習的城市積澇監控預警系統

陳勇 劉佐東 熊非凡 羅佳藝 潘玲芳

摘要：城鎮化在我國成了發展的一種大趨勢，伴隨而來的是城市內澇問題也日益突出，而目前傳統檢測方法存在著精確度低、成本高、效率低、時效性不強等問題，給城市內澇災害的提前預防工作帶來不便。如今，人工智能變得炙手可熱，基于深度學習的積水信息識別的人工系統也應運而生。該系統采用深度學習中的卷積神經網絡來精確提取圖像信息、使用開源機器學習框架TensorFlow來進一步處理信息、同時調用阿里云短信服務來實現消息實時更新。基于該系統能夠實現通過監控圖像實時識別積水情況，將結果精確、高效整理出來，并且實現消息及時更新。

關鍵詞：城市內澇;深度學習;圖像識別;神經網絡;圖像集

中圖分類號：TP391 文獻標識碼：A

文章編號：1009-3044（2020）01-0174-02

1概述

近些年來，基于強降雨或連續性降雨天氣、城市排水系統設計不合理以及城市地勢等原因造成的城市積澇災害日益突出，可以說城市內澇在我國比較普遍，不僅在一些沿海城市，現如今內陸城市也經常發生。城市內澇對城市的防汛排澇的任務帶來了巨大壓力，由它帶來的交通癱瘓對經濟建設和人民生活也造成較大影響。由于傳統的檢測方法在成本、精確度、時效性方面存在很大缺陷，并不滿足需要。為了進一步提高城市氣象服務水平和能力，最大限度地降低城市積澇帶來的損失危害，全面掌握城市積澇狀況，讓政府部門可提前布置防澇工作、城市市民可提前知曉。在如今人工智能發展迅速地大背景下，基于深度學習的城市監控研發的積澇預警系統。該項目主要研究如何對道路監控圖像進行信息采集并實時處理，通過對圖像的處理讓我們可以實時的去分析積澇的情況，最后將結果實時公布出去，實現對積水信息檢測人工智能化。

2國內外積水問題的解決方法

目測法和器測法是目前國內外對于檢測的兩種較為傳統的檢測方法。通過前期調研發現以下幾個問題：目測法主要檢測手段是讓具備相關知識和經驗的人員進行人工檢測，相比較而言，其主觀臆斷性強，容易出現偏差，精確度低而且時效性不強;另一種器測法相比目測法而言精確度有所提高，達到了我們對于積水檢測要求，但由于其成本較高，不適合在各個地方集中鋪設。新技術方面，當前有城市管理部門或與氣象部門聯合開發城市積澇預警監測系統，投入大量的資金，選擇容易產生積澇的典型城市積澇點，布設積澇監測設備，包括攝像頭、水位計、雨量計、光纖通信網絡設備或GPRS通信終端等，全方位開展城市積澇監測工作。

3城市積澇監控預警系統的功能

3.1信息采集

在目前已有的城市交通等監控系統中進行信息的采集，不存在需要單獨投入建設積澇監測網絡系統的問題。通過深度學習技術的運用，基于城市道路視頻監控圖像數據集，完成城市積澇識別卷積神經元網絡的訓練優化，達到城市積澇的精準識別的目的。交通部門的視頻監控網絡覆蓋面遠比市政積澇監測的網絡覆蓋面廣，再加上通過對社交網絡的圖像采集，城市積澇監測網絡覆蓋范圍將得到極大提升。在某些地方，可以通過特定社交軟件系統，對城市道路圖像進行人工采集，進一步完善系統的數據庫。

3.2積澇識別系統

積澇識別系統是整個系統的一個至關重要的子系統，它是基于深度學習技術研發而成。主要包括：城市道路積澇圖像數據集的建立。為了訓練優化深度學習網絡，對于收集到有代表性的城市道路積澇的圖像集，我們要預先進行數據清洗，歸一化，建立一個標準的訓練、測試數據集;建立開放的城市道路積澇圖像數據集其中的圖片數量不少于500張，確保收集的圖像能夠真正具有代表性、普遍性，讓系統適用性更強，讓識別結果更為精確。積澇識別神經元網絡設計和訓練。構建基于圖像分割的卷積神經元網絡模型，利用城市道路圖像集進行網絡訓練。網絡的設計和訓練是本系統的關鍵。人工訂正數據集后，對網絡再訓練。在系統使用過程中，對于識別錯誤的圖像進行人工結果訂正，并將錯誤圖像加入訓練數據集中去。定期對更新的數據集進行模型再訓練。實現系統使用時間越長，神經元網絡識別率越高。模型的再訓練方法是針對逐步提高系統的準確率而創立的，要實現關鍵地區積澇識別準確率不低于90%，平均識別準確率不低于85%這一基本指標。

4城市積澇監控預警系統展示

用戶主要將通過城市積澇監控預警平臺使用本系統。首先打開登錄界面，依照界面提醒，在相應的位置輸入正確的用戶名和密碼，并點擊確認按鍵。成功登入之后可通過查詢框，全面掌握長期的城市積澇狀況，通過數據的一定積累，識別精確度將會不斷提高，政府部門也可根據這些長期的數據整理出一些規律現象，實現積澇災害提前預防，減少積澇帶來的影響。另外管理員也可通過編輯，系統通過調用阿里云短信服務可以實時發布內澇預警，靈活提供城市積澇信息。

在實時采集的圖像集中，系統進行詳細的信息處理后，可以得出一系列積水信息以及可以預見城市內澇的趨勢，不僅能夠對當日信息進行自動化分析處理，還能夠對一周情況進行詳細的總結，作為信息分析使用。

5結束語

如今，結合交通部門廣泛的視頻監控網絡，對于基于深度學習的城市積水檢測系統有著巨大影響，給該系統提供用武之地，反過來系統也能夠更好地為我們服務?；谶@個系統實現了經濟效益最大化，在保證準確性同時也降低了成本，還能夠保證實時性、自動化運行需要，使用計算機代替大部分人工檢測工作，也提高工作效率，支持全天候全方位檢測。通過對機器視覺特征提取算法的優化及應用，能夠準確提取出檢測所需要的核心信息，提高檢測精確度。再通過人工校正功能，使用時間越長，機器視覺特征提取越準確，城市監控研發的積澇預警模型判別精度越高。另外，采用前后端分離開發模式。可以有效降低前后臺的耦合度。更易于對bug的定位。若后臺出問題，不會影響前臺開發。提升后臺代碼的循環利用，進而提升產品的開發效率。城市積澇監控預警平臺將同時調用阿里云短信服務。在城市積澇期間，實時給予市民們相應的道路預警通知。未來該系統將漸漸給政府和市民帶來便利。

感謝南昌工程學院信息工程學院馮祥勝老師的指導和江西省水信息協調感知與智能處理重點實驗室的大力幫助。