一种基层区域综合灾害预警模型构建方法、装置及电子设备

技术领域

本说明书实施例涉及灾害预警技术领域，尤其涉及一种基层区域综合灾害预警模型构建方法、装置及电子设备。

背景技术

为减小各种灾害对人民生命财产的影响和损失，目前在各地都设置有不同的灾害监测系统，例如各地的气象局、地震预警系统、分布在各个路口的摄像头等，以及时对可能发生的灾害进行预警。

但是这些灾害预警系统主要分布在省市级、区级等大的行政区，在基层区域，例如社区、学校、园区、片区等，并没有布置综合灾害预警监测系统。

发明内容

有鉴于此，本说明书实施例提供了一种基层区域综合灾害预警模型构建方法、装置及电子设备，用于解决现有技术中基层区域的综合灾害预警系统空白的问题。

本说明书实施例采用下述技术方案：

本说明书实施例提供一种基层区域综合灾害预警模型构建方法，包括：

对采集到的基层区域数据进行处理，得到基层信息库；

根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据；

基于所述基层信息库和所述灾害实时数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，以利用所述基层区域综合灾害预警模型对所述基层区域发生的灾害进行预警。

本说明书实施例还提供一种基层区域综合灾害预警模型构建装置，包括：

基层数据处理模块，对采集到的基层区域数据进行处理，得到基层信息库；

采集模块，根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据；

确定模块，基于所述基层信息库和所述灾害实时数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

模型构建模块，根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，以利用所述基层区域综合灾害预警模型对所述基层区域发生的灾害进行预警。

本说明书实施例还提供一种电子设备，包括至少一个处理器及存储器，存储器存储有程序，并且被配置成至少一个处理器执行以下步骤：

对采集到的基层区域数据进行处理，得到基层信息库；

根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据；

基于所述基层信息库和所述灾害实时数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，以利用所述基层区域综合灾害预警模型对所述基层区域发生的灾害进行预警。

本说明书实施例采用的上述至少一个技术方案能够达到以下有益效果：

通过对采集到的基层区域数据进行处理，得到基层信息库，并根据基层信息库在基层区域中配置灾害监测设备，以得到灾害实时隐患数据，根据基层信息库和灾害实时数据确定基层区域的脆弱性特征、承灾能力特征和致灾因子特征，再基于脆弱性特征、承灾能力特征和致灾因子特征构建基层综合灾害预警模型。

利用构建的基层综合灾害预警模型，可以对基层区域的综合灾害进行实时监测，并在综合灾害发生或者扩大之前进行预警，从而实现早发现、早预警、早研判、早处置，最低层级、最早时间，以相对最小成本，解决最突出问题，取得最佳综合效应。

附图说明

此处所说明的附图用来提供对本说明书实施例的进一步理解，构成本说明书实施例的一部分，本说明书的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：

图1为本说明书实施例提供的一种基层区域综合灾害预警模型构建方法的流程示意图；

图2为本说明书实施例提供的一种基层区域综合灾害预警模型构建方法的具体应用流程图；

图3为本说明书实施例提供的基层区域综合灾害预警模型的运行系统框图；

图4为本说明书实施例提供的基层区域综合灾害预警模型的运行系统的结构示意图；

图5为本说明书实施例提供的基层区域综合灾害预警模型进行灾害预警的系统页面示意图；

图6为本说明书实施例提供的具体应用中西三社区的脆弱性特征Va的模型示意图；

图7为本说明书实施例提供的具体应用中西三社区的承灾能力特征DCC的模型示意图；

图8为本说明书实施例提供的具体应用中西三社区的致灾因子特征DCF的模型示意图；

图9为本说明书实施例提供的具体应用中西三社区的基层区域综合灾害预警模型的模型示意图；

图10为本说明书实施例提供的一种基层区域综合灾害预警模型构建装置的结构示意图；

图11为本说明书实施例提供的一种基层区域综合灾害预警模型构建设备的结构示意图。

具体实施方式

一般情况下，传统的灾害监测预警系统的颗粒度一般是停留在市级或者区级，并未延伸到社区基层，而目前关于社区基层的灾害预警通常以社区消防安全、公共安全等监测要素为主，并不涉及到气象预警、地质灾害预警等，更加缺乏系统的综合灾害预警系统的建设。

因此，本说明书实施例提供一种基层区域综合灾害预警模型构建方法、装置及电子设备，通过对采集到的基层区域数据进行处理，得到基层信息库，并根据基层信息库在基层区域中配置灾害监测设备，以得到灾害实时隐患数据，根据基层信息库和灾害实时数据确定基层区域的脆弱性特征、承灾能力特征和致灾因子特征，再基于脆弱性特征、承灾能力特征和致灾因子特征构建基层综合灾害预警模型。

利用构建的基层综合灾害预警模型，可以对基层区域的综合灾害进行实时监测，并在综合灾害发生或者扩大之前进行预警，从而实现早发现、早预警、早研判、早处置，最低层级、最早时间，以相对最小成本，解决最突出问题，取得最佳综合效应。

为使本申请的目的、技术方案和优点更加清楚，下面将结合本说明书具体实施例及相应的附图对本申请技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

以下结合附图，详细说明本说明书各实施例提供的技术方案。

如图1所示，为本说明书实施例提供的一种基层区域综合灾害预警模型构建方法的流程示意图。

S101：对采集到的基层区域数据进行处理，得到基层信息库；

在本说明书实施例中，基层区域可以是指一个小的行政区域，例如社区、学校、园区、片区、村庄等，在此不做具体限定。

基层区域数据可以是指基层区域中与灾害相关的一系列数据，例如历史灾害信息、构成要素信息等，基层区域数据可以通过对基层区域的调研进行采集获取。

具体的，对采集到的基层区域数据进行处理，得到基层信息库，可以包括：

采集所述基层区域的历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息；

对所述历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息进行数字化处理，得到基层信息库。

在本说明书实施例中，历史灾害信息(Historical-Disasters，HD)，可以包括基层自然灾害、基层气象灾害、基层公共安全灾害、基层消防灾害、基层地质灾害等历史综合灾害信息，在此不做过多赘述，HD是一类静态数据。

构成要素信息(Basic-Elements，BE)，可以包括基层区域中的人、物、建筑、环境、设施设备等，在此不做过多赘述，BE是一类静态数据。

空间特性信息(Spatial-Information，SI)，可以包括地址、道路、周边水系、建筑高度、地下空间信息等，在此不做过多赘述，SI是一类静态数据。

灾害隐患信息(Dangerous-Points，DP)，可以包括易涝点、易高空坠物点、易积水区域、易拥堵区域、电瓶车充电区域、特种设备信息、老旧破小房屋信息、易冻水区域等，在此不做过多赘述，DP是一类静态数据。

救灾资源信息(Rescue-Resources，RR)，可以包括应急救援队伍、物资、仓库、避灾点等救灾资源信息，在此不做过多赘述，RR是一类静态数据。

进一步的，对所述历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息进行数字化处理，具体可以包括：

根据预设的数据格式对所述历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息进行数据转换处理，得到统一数据格式的历史灾害值、构成要素值、空间特性值、灾害隐患值、救灾资源值。

在所述基层信息库中，历史灾害值可以用HD标识，构成要素值可以用BE标识，空间特性值可以用SI标识，灾害隐患值可以用DP标识，救灾资源值可以用RR标识。

S103：根据所述基层信息库在所述基层区域中设置灾害监测设备，以得到采集的灾害实时数据；

在本说明书实施例中，根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据，可以包括：

根据所述灾害隐患值确定所述基层区域中存在的灾害隐患点及对应的灾害隐患类型；

根据所述灾害隐患类型在所述灾害隐患点配置对应的灾害监测设备，以对所述灾害隐患点进行灾害实时数据的采集，所述灾害监测设备至少包括不同类型的传感器、监控摄像头。

通过根据采集的灾害隐患值确定灾害隐患类型及对应的灾害隐患点，这样，就可以针对各灾害隐患点对应的灾害隐患类型进行灾害监测设备的配置，例如，在可能存在的高空抛物点配置向上监控的摄像头，在易涝点和易积水区域配置水位传感器等，在此不做具体限定。

S105：基于所述基层信息库和所述灾害实时数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

在本说明书实施例中，脆弱性特征可以是指基层区域容易发生的灾害类型，例如，对于老破小小区，由于设备老化、排水系统不完善等，脆弱性特征就可能是容易发生火灾、内涝等，而对于高层小区，由于楼层较高，且地底有地下车库，脆弱性特征就可能是容易发生高空坠物，地下车库容易发生内涝等。

承灾能力特征可以是指基层区域在灾害发生后能够内部进行处理灾害问题的能力，而在发生不能进行内部处理的灾害时，需要向外部哪些部门进行求救等。

致灾因子特征可以是指基层区域在某一时刻可能会引起灾害发生的因素，例如，监控到基层区域在某一时段会有大风雷雨天气，那么就可以确定基层区域在这一时段容易发生内涝、高空坠物、积水等。

进一步的，基于所述基层信息库和所述灾害数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征，可以包括：

基于所述历史灾害值、所述构成要素值和所述空间特性值确定所述脆弱性特征；

基于所述救灾资源值、所述构成要素值和所述空间特性值确定所述承灾能力特征；

基于所述历史灾害值、所述构成要素值、所述空间特性值和所述灾害实时数据确定所述致灾因子特征。

具体的，基于所述历史灾害值、所述构成要素值和所述空间特性值确定所述脆弱性特征，可以包括：

按照如下公式确定所述脆弱性特征Va：

Va＝(HD*a1+BE*b1+SI*c1)/3，其中，HD为所述历史灾害值，a1为所述历史灾害值对应的权重，BE为所述构成要素值，b1为所述构成要素值对应的权重，SI为所述空间特性值，c1为所述空间特性值对应的权重，a1+b1+c1＝1。

在本说明书实施例中，可以采用加权平均算法来计算基层区域的脆弱性特征(Vulnerability，Va)，所述历史灾害值、所述构成要素值和所述空间特性值各自对应的权重可以根据不同基层区域的具体情况进行配置，在此不做具体限定。所述脆弱性特征可以是一种静态数据。

具体的，基于所述救灾资源值、所述构成要素值和所述空间特性值确定所述承灾能力特征，包括：

按照如下公式确定所述承灾能力特征DCC：

DCC＝(RR*d1+BE*b2+SI*c2)/3，其中，RR为所述救灾资源值，d1为所述救灾资源值对应的权重，BE为所述构成要素值，b2为所述构成要素值对应的权重，SI为所述空间特性值，c2为所述空间特性值对应的权重d1+b2+c2＝1。

在本说明书实施例中，可以采用加权平均算法来计算基层区域的承灾能力特征(Disaster Carrying Capability，DCC)，所述救灾资源值、所述构成要素值和所述空间特性值各自对应的权重可以根据不同基层区域的具体情况进行配置，在此不做具体限定。所述承灾能力特征可以是一种静态数据。

具体的，基于所述历史灾害值、所述构成要素值、所述空间特性值和所述灾害实时数据确定所述致灾因子特征，包括：

按照如下公式确定所述致灾因子特征DCF：

DCF＝(HD*a2+BE*b3+SI*c3+ISD*e1)/4，其中，HD为所述历史灾害值，a2为所述历史灾害值对应的权重，BE为所述构成要素值，b3为所述构成要素值对应的权重，SI为所述空间特性值，c3为所述空间特性值对应的权重，ISD为所述灾害实时数据，e1为所述灾害实时数据对应的权重，a2+b3+c3+e1＝1。

在本说明书实施例中，可以采用加权平均算法来计算基层区域的致灾因子特征(Disaster Causing Factors，DCF)，所述历史灾害值、所述构成要素值、所述空间特性值和所述灾害实时数据各自对应的权重可以根据不同基层区域的具体情况进行配置，在此不做具体限定。所述致灾因子特征可以是一种实时动态数据。

S107：根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，以利用所述基层区域综合灾害预警模型对基层区域发生的灾害进行预警。

在本说明书实施例中，基层综合灾害预警模型(Monitoring and Pre-warningmodel，M&PW-M)可以是一种数学计算框架，需要结合静态数据Va、DCC、以及动态数据DCF。

具体的，根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，可以包括：

采用加权平均算法对所述脆弱性特征、所述承灾能力特征和所述致灾因子特征进行计算，得到所述基层综合灾害预警模型。

进一步的，可以按照如下公式计算所述基层综合灾害预警模型M&PW-M：

M&PW-M＝(l*Va+m*DCC+n*DCF)/3，其中，Va为所述脆弱性特征，l为所述脆弱性特征对应的权重，DCC为所述承灾能力特征，m为所述承灾能力特征对应的权重，DCF为所述致灾因子特征，n为所述致灾因子特征对应的权重，l+m+n＝1。

在具体应用场景中，权重l、m、n可以根据实际基层区域测试情况进行调整。

本说明书实施例提供的一种基层区域综合灾害预警模型构建方法，利用构建的基层综合灾害预警模型，可以对基层区域的综合灾害进行实时监测，并在综合灾害发生或者扩大之前进行预警，从而实现早发现、早预警、早研判、早处置，最低层级、最早时间，以相对最小成本，解决最突出问题，取得最佳综合效应。

需要说明的是，上述具体的基层区域综合灾害预警模型构建方法仅仅是作为具体应用实施例，而不造成对本说明书实施例范围的限定，还可以包含其他具体实施例，在此不再一一赘述。

基于同样的发明思路，图2为本说明书实施例提供的一种基层区域综合灾害预警模型构建方法的具体应用流程图。

S201：对需要监测的基层区域的对象进行基础信息调研，得到基层信息库；

在本说明书实施例中，可以采集基层区域的历史灾害信息HD、构成要素信息BE、空间特性信息SI、灾害隐患信息DP、救灾资源信息RR。

S202：根据所述灾害隐患信息DP在基层区域的灾害隐患点配置对应的灾害监测设备，以采集灾害实时数据；

灾害实时数据可以为实时智能感知数据(Intelligent Sensor Data，ISD)，是一种实时动态数据。

S203：根据所述基层信息库和所述灾害实时数据确定基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

S204：基于所述脆弱性特征、承灾能力特征和致灾因子特征构建基层综合灾害预警模型；

S205：利用所述基层综合灾害预警模型、以及灾害监测设备的传感器阈值告警结果对所述基层区域运行监测预警。

在具体应用场景中，图3所示为本说明书实施例提供的基层区域综合灾害预警模型的运行系统框图。

如图3所示，监测预警模型设计与模型管理器配置在后端平台层，在基层区域配置智能终端，智能终端配置有监测预警模型运行器工具软件。智能终端在安装部署到某个基层区域时，通过和后端平台互联，后端平台根据智能终端所在的基层信息库，从监测预警模型库中选择适合当前基层区域特性的基层综合灾害预警模型，并将模型下发到当前的智能终端。

智能终端在安装配置好该基层综合灾害预警模型后，和在基层区域的灾害隐患点配置的监测设备进行实时通信，获取在灾害隐患点布设的各种智能传感器的灾害实时数据。将基层区域的历史灾害信息、构成要素信息、空间特性信息和灾害实时数据进行实时计算，获得致灾因子特征，再结合基层综合灾害预警模型进行实时计算，从而触发相关的灾害预警。

对应的，图4为本说明书实施例提供的基层区域综合灾害预警模型的运行系统的结构示意图。

在本说明书实施例中，基层区域为一个高层小区，该基层区域的构成要素信息可以包括人口数据、建筑数据、消防数据等，空间特性信息可以包括地形数据、地下空间信息、排水能力等，灾害隐患信息可以包括通道占用数据、有害气体数据、道路积水数据、噪音数据等。

灾害实时数据可以包括架设的各种智能传感器数据、监控数据、气象地震等自然灾害数据。

在具体实施过程中，灾害实时数据通过无线数据传输给智能终端，智能终端运行有基层综合灾害预警模型，监测预警管理平台通过通讯链路对智能终端运行的模型进行设计与管理。

进一步的，在具体应用场景中，智能传感器可以设计多种告警阈值，以方便对灾害的严重程度进行预警。例如，水位传感器可以有4种告警阈值：

IV级告警(超过警戒水位5cm)；

III级告警(超过警戒水位10cm)；

II级告警(超过警戒水位15cm)；

I级告警(超过警戒水位20cm)；

当某个传感器超过警戒值，产生告警时，可以同时激活监测预警模型进行实时计算。

当基层综合灾害预警模型(M&PW-M)计算发现单个传感器告警有可能造成其他灾害或者有多个传感器产生告警，则系统在平台层产生预警，并将预警信息发送给相关处置人员。

如图5所示，为智能终端中基层综合灾害预警模型(M&PW-M)进行灾害预警的系统页面示意图。

图5中基层综合灾害预警模型进行了如下灾害预警：

(1)M&PW-M监测到黄山新城车库污水井水位超过警戒水位，并可能在30分钟左右造成车库积水的预警告警；

(2)M&PW-M监测到某村周边河道水位超过警戒水位，并可能在10分钟左右造成河道水位外溢的预警告警。

基于同样的发明思路，本说明书实施例针对浦东新区南码头街道西三社区进行基层区域的综合灾害监测预警。具体执行步骤如下所述：

步骤1，对西三社区进行基层区域的基础信息调研。

其中，西三社区的历史灾害信息(HD)，包括以下信息：

(1)社区由于自然灾害导致的事件和时间有：

①雷雨或暴雨(大概时间：每年的第四季度)

影响因素：

影响范围：□整个小区

影响程度：□大(指积水进入地下车库或小区一层且消除时间大于1小时)

中等程度(指积水在半小时消除)□一般(指积水未造成影响)

②下雪或冰冻(大概时间：2020.12)

影响因素：

影响范围：□整个小区

影响程度：□大(指影响程度导致超过30％以上居民生活受到影响)□中等程度(指影响小区出行但不影响居民生活)

③台风(大概时间：2019.8)

影响因素：

影响范围：□整个小区□地下车库

影响程度：□大(指影响时间超过2天，严重影响居民生活)□中等程度(指影响时间小于1天)

(2)44及45号楼之间的高空坠物。

西三社区的构成要素信息(BE)，可以包括以下要素：

(1)社区性质：

□多层小区□高层小区

(2)社区人口：3000人(东苑+西苑)，989户，其中：

户籍(常驻)人口：2008人(东苑+西苑)

外来人口：1607人(东苑+西苑)

60岁以上人口：153人(东苑+西苑)

14岁以下人口：277人(东苑+西苑)

残障人员数：53人(东苑+西苑)

(3)社区建成时间：2012年6月，包括建筑26栋

(4)社区建成后是否进行过改造：否

□排水管改造( 年改造，现管径为： )

□道路改造( 年改造)

□燃气管改造( 年改造)

□进水管改造( 年改造)

电网改造(2022年改造)

(5)社区是否有消防设施：

微型消防站(内有设备为：□灭火机/>

社区消防水源15处

社区消防登高面是否有明确标志□是/>

(6)社区是否有应对突发性自然灾害的应急处置预案

有□无□不知道

(7)社区是否有应对突发性自然灾害的应急处置物资

有□无□不知道

(8)社区储备的应对突发性自然灾害的应急物资种类有：

档水板/>

(9)社区应对自然灾害的主要处置单位(可多填)

居委会/>

(10)社区管线(主要供水管)裸露情况

大多已经采取相应的保温措施□部分采取保温措施□北向阳台部位由于阳台封闭局部有裸露□未采取保温措施

(11)社区集中绿化比例

低于10％□10％～30％□30～50％□50％以上

西三社区的空间特性信息(SI)，可以包括以下信息：

(1)社区建筑类型

□砖混结构□砖结构

(2)社区建筑状况直观检查

□混凝土结构性裂纹□不均匀变形

严重程度：□一般

(3)社区四至道路与社区关系

□道路标高与小区齐平□全部道路标高低于社区

(4)社区对电动车充电管理

□有集中充电区域并配有灭火装置

有集中充电装置未配有灭火装置

□无集中充电装置，电动车充电处于无序状态

电动车进入楼栋是否有监控/>

(5)社区周边100米是否存在下列情形□有

□地下交通□隧道、涵洞、下立交□大型集中管廊□配电站□燃气调压站□加油(气)站□其他

(6)社区内是存在下列现象

□有

□贯穿型自然河道河宽米

□社区边自然河道河亲水平台河宽米

□水池面积平方米，深度米

□防护栏□有□无

(7)社区车库状况：

地下车库□地面停车场□地下和地面停车

车库数量：1个(在西苑，未投入使用)

(8)社区内九小场所+康老中心数量

小商场1个(东苑地下商场和超市)/>

小餐饮场所12个/>

□小网吧个□小美容洗浴场所个

□小生产加工企业个□康老中心个

(9)其他

社区周边紧邻黄浦江水系。

西三社区的灾害隐患信息(DP)，可以包括易涝点(地下车库)、易高空坠物点(44和45号楼中间区域)、易积水区域(小区内部小广场、社区出入口)、易拥堵区域(小区出入口)、易燃区域(电瓶车充电区域)、安全隐患(电瓶车进电梯)、老旧破小房屋信息(8栋小高层)、易冻水区域(4栋高楼中的54和56号楼的顶层水管)。

西三社区的救灾资源信息(RR)，可以包括社区应急救援队伍2支(1支志愿者队伍和1支物业维修队)、物资(防汛物资以及灾害救助类物资)、仓库(防汛仓库和自然灾害救助物资库)、避灾点(1个)。

步骤2，对采集的历史灾害信息(HD)、构成要素信息(BE)、空间特性信息(SI)、灾害隐患信息(DP)和救灾资源信息(RR)进行数字化处理，得到西三社区的基层信息库。

步骤3，根据西三社区的历史灾害信息(HD)、构成要素信息(BE)、空间特性信息(SI)确定西三社区的脆弱性特征Va。具体的模型示意图如图6所示。

根据上述基层信息库可以看出，西三社区易受台风大雨影响造成内涝、积水和高坠，易受低温影响造成水管冻管。

进一步的，根据西三社区的构成要素信息(BE)、空间特性信息(SI)、救灾资源信息(RR)，确定西三社区的承灾能力特征DCC，具体的模型示意图如图7所示。

根据上述基层信息库可以看出，西三社区有应急队伍和配套的物资，小的灾害事件可以自闭环，稍大的灾害事件也有临时救助物资和避灾场地。

进一步的，根据灾害隐患信息(DP)在西三社区的灾害隐患点布设智能传感器，进行隐患监测实时数据的采集，形成灾害实时数据(ISD)。

例如，在地下空间布设水尺进行水位监测；在社区易积水点部署水位传感器监测积水情况；在易高坠区域部署风力风向传感器监测区域风；在2栋高楼易冻水管部署水管温度传感器，监测水管温度；在社区进出口区域对接视频监控分析拥堵情况；在电梯口架设智能视频分析摄像头，对电瓶车进电梯进行实时监测；并在社区安装雨量传感器、气温传感器用于辅助监测积水和高低温情况。

布设在西三社区的智能终端通过无线通讯链路和智能传感器进行无线传输，采集灾害实时数据。

智能终端可以根据西三社区的灾害实时数据(ISD)、历史灾害信息(HD)、构成要素信息(BE)、空间特性信息(SI)，实时计算生成致灾因子特征(DCF)，具体的模型示意图如图8所示。

步骤4，智能终端根据西三社区的脆弱性特征Va、承灾能力特征DCC和致灾因子特征DCF构建基层区域综合灾害预警模型，具体的模型示意图如图9所示。

步骤5，当智能传感器发生阈值告警时，智能终端利用基层区域综合灾害预警模型启动实时监测预警，并将相关灾害处置信息发送给相关平台。

基于同样的发明思路，本说明书实施例还提供了上述方法对应的装置。

如图10所示，为本说明书实施例提供的一种基层区域综合灾害预警模型构建装置的结构示意图。

其中，所述基层区域综合灾害预警模型构建装置可以包括：

基层数据处理模块1001，对采集到的基层区域数据进行处理，得到基层信息库；

采集模块1002，根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据；

确定模块1003，基于所述基层信息库和所述灾害实时数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

模型构建模块1004，根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，以利用所述基层区域综合灾害预警模型对所述基层区域发生的灾害进行预警。

基于图10的装置，本说明书实施例还提供了该装置的一些具体实施方案，下面进行说明。

可选的，对采集到的基层区域数据进行处理，得到基层信息库，可以包括：

采集所述基层区域的历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息；

对所述历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息进行数字化处理，得到基层信息库。

可选的，对所述历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息进行数字化处理，可以包括：

根据预设的数据格式对所述历史灾害信息、构成要素信息、空间特性信息、灾害隐患信息、救灾资源信息进行数据转换处理，得到统一数据格式的历史灾害值、构成要素值、空间特性值、灾害隐患值、救灾资源值。

可选的，根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据，可以包括：

根据所述灾害隐患值确定所述基层区域中存在的灾害隐患点及对应的灾害隐患类型；

根据所述灾害隐患类型在所述灾害隐患点配置对应的灾害监测设备，以对所述灾害隐患点进行灾害实时数据的采集，所述灾害监测设备至少包括不同类型的传感器、监控摄像头。

可选的，基于所述基层信息库和所述灾害数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征，可以包括：

基于所述历史灾害值、所述构成要素值和所述空间特性值确定所述脆弱性特征；

基于所述救灾资源值、所述构成要素值和所述空间特性值确定所述承灾能力特征；

基于所述历史灾害值、所述构成要素值、所述空间特性值和所述灾害实时数据确定所述致灾因子特征。

可选的，基于所述历史灾害值、所述构成要素值和所述空间特性值确定所述脆弱性特征，可以包括：

按照如下公式确定所述脆弱性特征Va：

Va＝(HD*a1+BE*b1+SI*c1)/3，其中，HD为所述历史灾害值，a1为所述历史灾害值对应的权重，BE为所述构成要素值，b1为所述构成要素值对应的权重，SI为所述空间特性值，c1为所述空间特性值对应的权重，a1+b1+c1＝1。

可选的，基于所述救灾资源值、所述构成要素值和所述空间特性值确定所述承灾能力特征，可以包括：

可以按照如下公式确定所述承灾能力特征DCC：

DCC＝(RR*d1+BE*b2+SI*c2)/3，其中，RR为所述救灾资源值，d1为所述救灾资源值对应的权重，BE为所述构成要素值，b2为所述构成要素值对应的权重，SI为所述空间特性值，c2为所述空间特性值对应的权重d1+b2+c2＝1。

可选的，基于所述历史灾害值、所述构成要素值、所述空间特性值和所述灾害实时数据确定所述致灾因子特征，可以包括：

可以按照如下公式确定所述致灾因子特征DCF：

DCF＝(HD*a2+BE*b3+SI*c3+ISD*e1)/4，其中，HD为所述历史灾害值，a2为所述历史灾害值对应的权重，BE为所述构成要素值，b3为所述构成要素值对应的权重，SI为所述空间特性值，c3为所述空间特性值对应的权重，ISD为所述灾害实时数据，e1为所述灾害实时数据对应的权重，a2+b3+c3+e1＝1。

可选的，根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，可以包括：

采用加权平均算法对所述脆弱性特征、所述承灾能力特征和所述致灾因子特征进行计算，得到所述基层综合灾害预警模型。

可选的，可以按照如下公式计算所述基层综合灾害预警模型M&PW-M：

M&PW-M＝(l*Va+m*DCC+n*DCF)/3，其中，Va为所述脆弱性特征，l为所述脆弱性特征对应的权重，DCC为所述承灾能力特征，m为所述承灾能力特征对应的权重，DCF为所述致灾因子特征，n为所述致灾因子特征对应的权重，l+m+n＝1。

本说明书实施例提供的一种基层区域综合灾害预警模型构建装置，利用构建的基层综合灾害预警模型，可以对基层区域的综合灾害进行实时监测，并在综合灾害发生或者扩大之前进行预警，从而实现早发现、早预警、早研判、早处置，最低层级、最早时间，以相对最小成本，解决最突出问题，取得最佳综合效应。

基于同样的发明思路，本说明书实施例还提供了上述方法对应的设备。

图11为本说明书实施例提供的对应于图1的一种基层区域综合灾害预警模型构建设备的结构示意图。如图11所示，设备1100可以包括：

至少一个处理器1110；以及，

与所述至少一个处理器通信连接的存储器1130；其中，

所述存储器1130存储有可被所述至少一个处理器1110执行的指令1120，所述指令被所述至少一个处理器1110执行，以使所述至少一个处理器1110能够：

对采集到的基层区域数据进行处理，得到基层信息库；

根据所述基层信息库在所述基层区域中配置灾害监测设备，以采集灾害实时数据；

基于所述基层信息库和所述灾害实时数据，确定所述基层区域的脆弱性特征、承灾能力特征和致灾因子特征；

根据所述脆弱性特征、所述承灾能力特征和所述致灾因子特征构建基层综合灾害预警模型，以利用所述基层区域综合灾害预警模型对所述基层区域发生的灾害进行预警。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于图11所示的设备而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

其中，处理器的其他功能还可以参见上述实施例中记载的内容，这里不再一一赘述。

在20世纪90年代，对于一个技术的改进可以很明显地区分是硬件上的改进(例如，对二极管、晶体管、开关等电路结构的改进)还是软件上的改进(例如，对于方法流程的改进)。然而，随着技术的发展，当今的很多方法流程的改进已经可以视为硬件电路结构的直接改进。设计人员几乎都通过将改进的方法流程编程到硬件电路中来得到相应的硬件电路结构。因此，不能说一个方法流程的改进就不能用硬件实体模块来实现。例如，可编程逻辑器件(Programmable Logic Device,PLD)(例如，现场可编程门阵列(Field ProgrammableGate Array，FPGA))就是这样一种集成电路，其逻辑功能由用户对器件编程来确定。由设计人员自行编程来把一个数字系统“集成”在一片PLD上，而不需要请芯片制造厂商来设计和制作专用的集成电路芯片。而且，如今，取代手工地制作集成电路芯片，这种编程也多半改用“逻辑编译器(logic compiler)”软件来实现，它与程序开发撰写时所用的软件编译器相类似，而要编译之前的原始代码也得用特定的编程语言来撰写，此称之为硬件描述语言(Hardware Description Language，HDL)，而HDL也并非仅有一种，而是有许多种，如ABEL(Advanced Boolean Expression Language)、AHDL(Altera Hardware DescriptionLanguage)、Confluence、CUPL(Cornell University Programming Language)、HDCal、JHDL(Java Hardware Description Language)、Lava、Lola、MyHDL、PALASM、RHDL(RubyHardware Description Language)等，目前最普遍使用的是VHDL(Very-High-SpeedIntegrated Circuit Hardware Description Language)与Verilog。本领域技术人员也应该清楚，只需要将方法流程用上述几种硬件描述语言稍作逻辑编程并编程到集成电路中，就可以很容易得到实现该逻辑方法流程的硬件电路。

控制器可以按任何适当的方式实现，例如，控制器可以采取例如微处理器或处理器以及存储可由该(微)处理器执行的计算机可读程序代码(例如软件或固件)的计算机可读介质、逻辑门、开关、专用集成电路(Application Specific Integrated Circuit，ASIC)、可编程逻辑控制器和嵌入微控制器的形式，控制器的例子包括但不限于以下微控制器：ARC 625D、Atmel AT91SAM、Microchip PIC18F26K20以及Silicone Labs C8051F320，存储器控制器还可以被实现为存储器的控制逻辑的一部分。本领域技术人员也知道，除了以纯计算机可读程序代码方式实现控制器以外，完全可以通过将方法步骤进行逻辑编程来使得控制器以逻辑门、开关、专用集成电路、可编程逻辑控制器和嵌入微控制器等的形式来实现相同功能。因此这种控制器可以被认为是一种硬件部件，而对其内包括的用于实现各种功能的装置也可以视为硬件部件内的结构。或者甚至，可以将用于实现各种功能的装置视为既可以是实现方法的软件模块又可以是硬件部件内的结构。

上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。

为了描述的方便，描述以上装置时以功能分为各种单元分别描述。当然，在实施本申请时可以把各单元的功能在同一个或多个软件和/或硬件中实现。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。

内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。

计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带、磁带式磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。

还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。

本申请可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本申请，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。

本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。

以上所述仅为本申请的实施例而已，并不用于限制本申请。对于本领域技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本申请的权利要求保护范围之内。