浅谈城市排水管网洪涝仿真与智能化管理平台应用

浅谈城市排水管网洪涝仿真与智能化管理平台应用

林国清

广州市市政工程设计研究总院有限公司   广东广州 510650

摘要：排水管网是城市最重要的基础设施之一，直接影响城市的公共安全和环境保护。总体来看我国城市洪涝的监测、监控技术仍停留在大量依靠人工的模式，信息采集慢，准确率低。因此，面对日益严峻的城市洪涝灾害,减少城市洪涝灾害造成的损失和提升对突发性暴雨洪水事件作出快速反应和应急处置的水平，以智慧化手段提升排水管网的管养和服务能力，已成为城市管理迫在眉睫需要解决的问题。其中城市排水管网系统缺陷智能监测预警方法与大数据平台的融合研究是实现城市管网的高效管理、正常运营、日常维护、安全保障的关键手段。

关键词：排水管网；监测预警；CIM

1城市管网智能化检测与数据融合分析技术

排水管网的智能化管理系统指将基础地理信息和排水管网信息有效地融合为一体，并通过互联网、物联网技术建立不同的平台[1]，实现排水管网智能化数据采集、分析诊断，主要包含以下三大模块。

1.1城市管网智能检测手段

目前常规的管道检测技术以CCTV成像检测为主，检测手段单一，检测条件限制较多且成本高（例如需封闭管道抽水等）。研究涵盖“视、声、光、电”等各种检测手段的新型城市管网内窥检测技术，这些检测手段使用条件灵活，适用于不同条件下的管道检测工作，可真实反映管道状况并输出可视可量化的直观成果，及时发现管网淤积、堵塞等管道功能异常现象。基于城市管网腐蚀监测技术实现地下管网外腐蚀监检测和内腐蚀监检测。

1.2多维检测手段的数据融合技术

通常管道检测数据量大，受限于人力及图形数据非数字化，数据的甄别和纠错工作不易满足项目要求。研究采用数字化技术对多种数据相互补充，校正和验证。以管网检测位置点为单元，融合多维检测手段的检测数据，形成单元数据集。输入各类检测数据之间的物理关系，进行数据匹配、补充完善、校正和验证，剔除错误数据。形成每个单元的多种类型检测数据的“多维信息模型”。针对部分检测数据不足及样本不平衡，利用StyleGANS模型技术融合多维检测数据，合成高质量排水管网缺陷图片，并按缺陷类型进行分类。

1.3城市管网智能检测手段

人工智能（CNN卷积神经网络/语义分割）用于数据诊断和预处理：常规管道缺陷的诊断识别依赖专业人力工作，工作量大，工作周期长且容易出现错误。研究采用新型人工智能技术，无需人工评估手段，用机器学习自动评估管道运行和缺陷状态，并进行定量化地等级划分。对多纬检测手法成像中六种常见的管道状态(裂缝、错口,障碍物、残墙坝根、树根和正常类别)的管道状态、管道周边存在的空洞、脱空、疏松体、富水体等病害的大小与分布以及管道周边土壤回填密实度或灌浆密实度的原始数据进行注释和分类，按一定比例划分训练、验证及测试样本数量，用于对人工智能模型训练和测试。经过训练和能力验证的人工智能系统可用识别诊断本研究中的管道缺陷类型及管道周边地下介质的病害。

2实时监控方法与洪涝仿真模型研究

当前洪涝预测系统建设中，洪涝实测信息系统相对缺失，导致洪涝模型的自身验证较为困难，且洪涝模型的实时预测功能缺乏数据输入。研究基于地理信息系统（GIS)，应用物联网技术，建立实时数据采集平台，通过智能感知设备实时采集城市管网运行中的关键点位或监测网格点位的降雨、液位、流速、流量、可燃气体浓度（沼气）、窨井井盖状态及城市低洼地段积水状况及相关视频等数据。

2.1基于长短期记忆网络模型的人工智能模拟技术的风险评估、预测和定位

当前的物理仿真模型建模成本高，模拟预测结果精确性依赖于建模数据准确性及完整性，模型的规模庞大且复杂，其维护工作量大和更新速度慢。研究采新型人工智能模拟技术，无需搭建物理模型，直接基于历史检测数据，建立管道运行模型，模拟管道数据规律，建立管道运行状态的数据模型。建立的管网模型可用于评估区域管道运行/洪涝风险，并对异常运行状态及问题节点/位置进行预警，且管网模型可及时更新。

2.2基于一维/二维耦合水动力的城市管网洪涝模拟技术验证改造及扩建方案

物理仿真模型可针对预设的方案进行建模，方案评估对现状数据需求较低，可研究采用软件如SWMM, Mike Urban或者自己研发的洪涝模拟模型，预测不同降雨及旱季流量情境下，管网系统的运行状态，包括管道流量，水深、溢流节点、超载管道、地面洪涝位置、水流方向及流速等，用于洪涝防治系统的管理及改造方案的验证完善。

3基于CIM技术的可视化预警平台的建立与应用方法

选择典型研究区域，根据CIM技术平台最新规范和标准，选择大数据平台，结合已有CIM平台模型数据与无人机倾斜摄影相结合的方式，构建包含城市建模模型、排水管道模型、地理信息等数据的城市信息平台。

3.1模型与各类检测数据的整合与集成管理

利用模型与数据传输IFC协议框架，设定传感器实体信息的描述机制以及IFC信息的扩展方法，提出基于“通用

属性集+类型属性集”的IfcSensor实体模型与检测数据属性扩展方法，并对管网监测所涉及的水位、流速和加速度等传感器的信息进行扩展。提出基于数据库的监测信息管理方法，采用SQLServer建立针对于地下管线的监测信息数据库，并通过ADO.NET与Winform技术实现了监测信息的自动加载、交互式数据查询、超限预警以及监测数据导出等的功能。

3.2可视化监控与实时预警方法

针对前面产生的管线IFC文件的监测信息录入需求，开发IFC自动化读写程序，实现从监测信息数据库中自动读取各测点最新的监测信息，并以GUID作为标识，将监测信息自动写入至IFC文件中，实现IFC监测信息的表达。同时基于Revit+Dynamo搭建了可视化系统，结合Python与RevitAPI实现系统中每个模块的功能。在系统中，通过选择IFC模型中的传感器构件，能自动化地提取并分析对应测点的监测数据，并通过不同的颜色来显示隧道结构的健康状况，实现基于BIM模型的可视化监测预警。

3.3基于CIM技术的可视化预警平台的建立与应用创新点

提出的新型管道检测及监测技术具备了适应更多条件能力，能采用多种检测技术实现多排水管网信息的全方位获取，并通过StyleGANS模型将不同数据及不平衡的样本融合，为人工智能准确识别管道状况奠定了基础。在此基础上可利用人工智能模型对管道多维数据的识别诊断，实现更高识别准确度及管道多类型病害的同步识别。

提出了基于深度学习的人工智能排水管网运行模型分析方法，为排水管网模拟及洪涝预测提供新的技术路线。不同于通常使用的仿真物理模型的全流程模拟计算方法(降雨-地面产流-地面汇流-管渠流-地表漫流-地面积水),人工智能排水管网运行模型通过实测数据的机器深度学习,建立降雨-管渠流-地面积水的直接关系,本质是一种水文学中的黑箱模型,而通过人工智能深度学习的方式,这样的黑箱模型可被快速建立,并且可以根据排水管渠道及气候变化迅速调整,快速适应物理世界的变化,这是传统水文学的黑箱模型不具备的。通过贴近实际人工智能模型与物理仿真模型进行比对，可实现物理仿真模型参数率定。

提出了基于城市信息模型（CIM）技术的城市管网实时监控和仿真预警方法，综合应用GIS+BIM+IOT系统设计，创新性地IFC集成开发和通用数据库技术，解决了CIM管理平台设计，监控数据多源集成和可视化实时预警等技术难题，为智慧水务平台的建设和发展提供新方法。

结束语

总而言之，城市排水管网洪涝仿真与智能化管理平台应用是当前智慧城市建设和发展的前沿热点问题，在包括城市管网维护管理、城市防灾减灾和智慧城市建设等领域的工程建设、管理运维和设备研发等领域产生深远影响，由此在经济上可以大量减少排水系统重复建设及不当维护、洪涝灾害及项目方案不完善导致的经济损失和生态损失以及社会损失，根据目前全国城市管网体量，每年经济价值超过万亿。

参考文献：

[1]施为兵.城市排水管网智能化管理平台的建设设想[J].城市勘测,2017(05):136-138.