[发明专利]一种基于位置大数据的城市抗灾韧性阈值检测方法及系统

权利要求书

1.一种基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：包括以下步骤，

步骤1，以历史或实时的定位请求数据为输入，提取目标城市的人类活动稳定区范围，并基于该范围提取城市所有降雨事件；

步骤2，提取人类活动稳定区范围内每个格网的人类活动行为响应，提取城市尺度人类活动响应，判定一次降雨事件是否触发城市抗灾韧性阈值，如果触发了城市抗灾韧性阈值，标记该次降雨事件为Y0，反之则标记该次降雨事件为非Y0；

步骤3，根据Y0与非Y0事件的降雨特征差异，计算公众感知的抗灾韧性阈值，若某次降雨事件过程中降雨指标观测值超过目标城市的抗灾韧性阈值，发出告警信息。

2.根据权利要求1所述基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：步骤1包括以下子步骤，

步骤1.1，从定位请求数据集提取小时定位请求平均值大于预设次数的所有格网作为人类活动稳定区；

步骤1.2，首先使用最近邻插值法将降水栅格数据集重采样到与定位请求数据相同的时空分辨率，然后统计每个小时落在城市人类活动稳定区范围内的平均降雨量，构成城市小时降雨时间序列，进而提取城市所有的降雨事件。

3.根据权利要求1所述基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：所述提取人类活动稳定区范围内每个格网的人类活动行为响应，实现方式如下，

对人类活动稳定区范围内每个格网的定位请求数据时间序列进行归一化处理；

从定位请求数据时间序列中有效检测出单元值高于常态的正异常和单元值低于常态的负异常。

4.根据权利要求1所述基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：所述提取城市尺度人类活动响应，实现方式如下，

统计目标城市人类活动稳定区范围内每个小时所有格网中检测出的正异常格网数量和负异常格网数量，组成目标城市逐小时正/负异常格网数量的时间序列Rainfall PTLR/NTLR；

统计时间序列Rainfall PTLR/NTLR中同时段所有值的中位数，得到无雨期间的正/负异常格网数量时间序列Normal PTLR/NTLR。

5.根据权利要求4所述基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：所述判定一次降雨事件是否触发城市抗灾韧性阈值，实现方式如下，

提取降雨事件过程中的Rainfall PTLR子序列和Normal PTLR子序列；

利用统计检验来判断两个子序列的均值是否存在差异；如果是，则认为人类活动行为已经异于常态下的人类活动行为，判定该次降雨事件触发了抗灾韧性阈值，标记该次降雨事件为Y0，反之则标记该次降雨事件为非Y0。

6.根据权利要求1所述基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：步骤3包括以下子步骤，

步骤3.1，分别提取Y0和非Y0期间的降雨量指标R_i和降雨时间指标R_t；

步骤3.2，构建线性二元分类器来提取降雨阈值R_crit，当降雨指标I_e的观测值超过R_crit，判定这次降雨事件超出城市的抗灾韧性阈值。

7.根据权利要求6所述基于位置大数据的城市抗灾韧性阈值检测方法，其特征在于：所述降雨量指标R_i采用小时降雨量，降雨时间指标R_t采用降雨时长。