面向自然災害和城市災害的多源數據融合信息服務平臺建設

文｜麗水學院工學院 宋俊鋒

我國是一個自然災害頻發的國家，森林火災、洪澇災害、城市氣象災害、城市地質災害等各種隨機和突發的災害給生態環境和人居環境造成了巨大的破壞，給人民群眾造成了很大的生命財產損失[1]。黨和國家對突發自然災害的應急管理非常重視，近年來中央和地方各級政府都成立了專門的應急管理部門。雖然這一問題已經引起了國家重視，但是受限于經驗和技術工具，各地對各種突發自然災害和城市災害的管理依舊存在一些問題：一是缺少獲取災前、災時和災后各階段全方位多源數據信息的手段和對其進行有效整合的能力，沒有一個統一的支持多類型自然災害應急管理的信息化平臺；二是在應急管理過程中的科技化、智能化水平相對較低，不能借助最新的科技進行救災應急管理，缺少借助人工智能技術輔助的信息化服務平臺。2020年11月6日至7日，應急管理部召開“智慧應急”建設現場推進會，深入學習貫徹黨的十九屆五中全會精神和習近平總書記關于應急管理重要論述，部署智慧應急建設工作。會議強調要推進監測預警系統全覆蓋和智能化，加快高水平安全生產、自然災害、城鄉安全風險監測預警平臺建設，要推進應急指揮系統智能化和高效化，提高應急通信保障水平和災害事故信息獲取能力，建強“應急大腦”[2]。為此，本研究探討運用無人機、5G、三維建模、數據可視化、地理信息系統等先進技術研發面向突發自然災害和城市災害應急管理的多源數據融合智能平臺。

1.應對災害的信息化平臺建設的意義

1.1 提高政府應急管理效率

采用無人機、5G、三維建模、數據可視化、地理信息系統等先進技術，構建一個完整的面向森林火災、洪澇災害等各類突發自然災害應急管理的二三維一體化平臺，實時獲取各類災害現場的全方位多源數據并進行有效融合展示，提升各級政府及相關管理部門針對各類突發自然災害應急管理的效率。

1.2 是有效保障群眾生命財產安全的需要

在災前、災中、災后等應急管理各個階段廣泛使用以深度學習為代表的人工智能技術，將智慧應急集成到應急管理平臺中。智慧應急是順應新發展階段要求和智能化大勢、應急管理信息化的升級版，是實現應急管理能力現代化的關鍵舉措，是破解當前應急管理工作難題堵點的有效手段，對于推動應急管理事業改革創新，提高重大風險防控能力，保障人民群眾的生命財產安全具有重大意義[3]。

1.3 提高執法響應速度

無人機應急指揮中心的多應用場景復用，可通過無人機廣播、拋投、細繩牽引、紅外搜救、違規排污、秸稈焚燒、車輛違停等場景功能，為應急救援現場提供多方位的支撐價值。如通過無人機巡航數據采集，可建立違章建筑的監控標準體系，設立違章建筑數字檔案，為執法人員快速提供違章建筑物詳細屬性信息，夯實執法部門的執法依據。無人機違章建筑監管系統對城市基礎地理底層等各種數據進行組織加工、分析處理和查詢，一方面可以實現違章建筑監測與執法管理相結合，最終形成一個完善的城市違章建筑綜合監管平臺和決策支持的可視化系統。另一方面可以運用這些基礎數據實施安防巡檢、野外搜救、自動跟蹤、環境監察、智慧城市管理等方面。

2.自然災害和城市災害的特征分析

2.1 隨機性與突發性

自人類出現以來，自然災害就一直是威脅人類生存安全和經濟安全的難點、堵點。而隨著城市的出現和發展壯大，城市各種災害也日益增多，如氣象災害、地質災害等。不論是自然災害還是城市災害的發生都具有隨機性和突發性，尤其是由自然災害引發的城市災害已經成為一種與人類共存的自然現象。而自然災害往往是由地質、氣候、地球物質等多重條件共同作用形成的，再加上人類活動的破壞突發性和隨機性的災害頻繁發生。信息技術的發展和社會治理現代化水平的提高，自然災害的隨機性有所削弱，但是城市災害的突發性因素仍存在很大的復雜性。隨著城市建設的加快與規模的擴大，城市中的自然環境與人的活動、經濟發展和基礎設施建設都會形成一些致災因子，使得城市災害不僅種類多樣化，成災的機理也更加復雜。

2.2 連鎖性

自然災害的承受主體是自然環境與自然環境中的人或建筑，而城市災害的承受主體是城市中的物與人。也就是說，無論自然災害還是城市災害都與人息息相關，最終影響到的是人類的活動與生命質量。當下，隨著人類活動范圍的擴大與城市化規模的不斷擴大，使得自然災害和城市災害的集聚效應放大，主要體現在以下幾個方面：一是自然災害容易引發城市災害；二是城市災害的直接損失的擴大影響和間接損失的擴大；三是自然災害和城市災害發生時容易形成一種災害鏈或災害群，影響到自然環境、城市和人的持續發展。

3.應對自然災害和城市災害的信息化平臺建設

3.1 多源數據采集生產

突發和隨機的自然災害和城市災害對現場數據的全面性、詳細性和實時性都有較高要求，需要對多源數據進行采集生產，掌握重點災情隱患地區的精細化實景三維模型，災時快速構建的災害現場三維地形模型以及實時傳輸的二維圖像數據，包括紅外熱成像圖像和高清可見光圖像。因此，對數據的采集不僅包括人口、氣象、國土和地形地貌數據，還涉及傳感器數據，如水位，降雨量，位移計等。在此基礎上，災前構建重點災情隱患地區的精細化實景三維模型時，需要根據目標區域的面積、生成三維模型的分辨率要求等要素制定飛行方案，選取合適的無人機飛行器機型以及搭載的圖像傳感設備，對無人機飛行航線進行規劃優化，設計和布測像控點，使用無人機傾斜攝影高效率的采集目標區域各個角度的高清圖像。無人機采集到目標區域圖像后，將圖像導入高性能圖像渲染服務器集群，經過圖像預處理、稀疏重建、稠密重建、點云分割、單體建模等步驟后，最終支持生成多種格式的精細化災情隱患區域大規模實景三維模型。

在災害發生的第一時間，需要對災情現場進行初步了解后迅速制定飛行方案，操縱無人機進行快速不間斷的飛行，利用傾斜攝影技術采集到目標現場的高清圖像，將采集到的圖像導入帶至現場的高性能服務器中，進行快速的三維地形模型生成，在第一時間構建出災情現場的三維地形模型。針對自然災害的復雜現場，需要開展災害現場多源數據實時采集回傳：首先，要提供具有良好抗風性和適應性的無人機機型，保證在山高林密、火場氣流復雜、風向易變的山林地及惡劣氣候條件下做到穩定的飛行，同時具有超長的續航能力，加上電池的熱拔插技術，可以24 小時不間斷飛行，保障了災情現場偵察的連續作業。其次，根據災情現場的不同狀況，在機身上靈活配置搭載超高像素變焦和廣角的高性能相機及眾多混合傳感器，采集災情現場紅外熱成像圖像和高清可見光圖像。第三為了保證在不同場景下現場圖像都能實時回傳到應急管理指揮中心，通過進行多途徑的圖像實時回傳，包括使用4G/5G 技術，使用通信運營商提供的應急通信保障設備以及各種遠距離私有圖像回傳協議。與此同時，將嘗試和應急管理部門現有自然災害監測系統對接，將其部署在通信鐵塔或高山位置的視頻監控信號集成到應急管理平臺中，實現多源數據的有效融合。

3.2 應急管理平臺研發

運用GIS 和人工智能等先進技術，構建一個模塊化面向應急管理的可視化智能化平臺。該平臺能支持重點隱患區域和災害現場的實景三維模型的快速加載和顯示，利用WebGL 技術，結合TML+CSS+JavaScript，實現PC 和移動端的跨平臺瀏覽，并可基于GPU 圖形硬件加速，全面支持現有主流瀏覽器，如IE、Chrome、Firefox 等，無需安裝任何插件即可在瀏覽器中實現對受災現場的全方位三維可視化瀏覽，幫助參與救災人員了解災害現場的地形地貌特征。在突發自然災害的應急管理中，通過三維圖像了解災害現場的全方位地形地貌特征是必須的，因此需要實現二三維多源數據一體化融合和展示。比如通過二三維數據視角的聯動,支持在應急管理平臺上同時展現三維模型和二維圖像，并完成視角同步功能，即便是平臺上進行視角變化時，也能實現二維圖像和三維模型視角的同步變化；二三維地理信息數據的同步，使用相同的開放地理空間信息聯盟(Open Geospatial Consortium，OGC)標準來表示和保存二維和三維的地理信息數據，實現兩者間地理信息數據的同步；通過多種二維專題圖表方式展示災害現場的各種數據實現二三維數據分析結果的同步，不僅以二維方式展現，還將會把分析結果聯動到三維模型中進行標注。

應急管理平臺可實現面向應急管理的交互式二三維地理空間展示分析功能。如在救災應急管理中，通過GPS 信號獲取救援車輛、人員、無人機飛手、無人機設備等的詳細位置信息，利用GIS 技術通過應急管理平臺實時展示并跟蹤。針對森林火災的應急管理，實現火災著火區域模擬仿真，以簡單直觀方式讓應急指揮人員了解當前著火區域的范圍和火點數量、位置；針對洪澇災害應急管理，實現洪水模擬淹沒仿真。平臺還將提供受災面積測量等特色功能。

3.3 人工智能技術在應急管理中的具體應用

應對自然災害和城市災害的信息化平臺只有融入了基于深度學習的人工智能技術，才能在自然災害和城市災害的災前預警、災中監測、災后評估等應急管理的全流程中應用。災前預警中，要在重點時間節點對重點山林區域、城市空間等進行實時監控，通過對無人機實時回傳圖像進行煙霧檢測及時發現在農事、林事、祭祀、大型重要聚集活動中突發的危險行為。為了避免干擾，需要采用YOLOv5 為基準網絡模型，在數據標注時通過網絡爬取、實地現場采集等方式獲取不同山林煙霧圖像、災害現場重點進行標注，采用隨機翻轉、隨機縮放、色彩偏移等樣本增強方式進一步提高樣本模型的多樣性和代表性。如在森林火災災中監測中，實現基于紅外熱成像圖像的實時火點判識和火點數量統計，在紅外熱成像圖像中，火焰及火點的溫度顯著高于周圍林木區域，因此可以通過基于YOLO 或其它物體檢測深度網絡模型抽取火點在紅外熱成像圖像中的顏色、紋理、形狀等特征，實現實時的火點判別、定位和火點數量統計。通過采集不同時間段的火場圖片，并比較多次火點判識的結果后，結合當前的風速、火場的地形特征，可以自動進行火情發展趨勢研判，輔助應急管理人員進行決策。

而針對洪澇災害應急管理中實時了解當前洪水淹沒區域的需求，就要探尋實現洪水區域分割檢測功能。該功能基于編碼器-解碼器（Encoder-Decoder）的深度神經網絡模型，編碼器使用卷積層和池化層將輸入的原圖進行特征提取，解碼器將抽取出的特征還原成原來的全局視野，實現像素級別的洪水水體語義分割，精確評估當前洪災的嚴重程度和影響范圍。針對洪水區域語義分割標注數據較難獲取的問題，可以嘗試以下兩種方法解決：第一種方法使用標注工具labelme，人工識別出樣本圖像中的洪水區域后，手工將洪水區域用labelme 框選出來。第二種方法將樣本圖像載入Photoshop，使用磁性套索或其它工具對其進行標注圖色，然后將對應的顏色映射為洪水區域。

針對森林火災或城市火災的災后評估，首先通過無人機拍攝獲取受災區域的高清正射圖片，然后根據相同區域災前是否已有對應的正射圖片采用兩種不同策略進行受災面積評估。如果已有災前圖像，則將兩次不同時相采集到的圖像進行比對，首先進行圖像的配準，將相同位置的圖像對齊，然后利用孿生網絡進行變化監測。如果該受災區域災前尚未采集正射圖片，則根據過火區域在顏色等外觀特征，對受災區域進行監測識別。