[发明专利]基于物理模型的城市建筑群风灾保险保费厘定方法及装置有效

专利信息
申请号: 202310777869.6 申请日: 2023-06-29
公开(公告)号: CN116523663B 公开(公告)日: 2023-09-01
发明(设计)人: 顾栋炼;帅倩雯 申请(专利权)人: 北京科技大学
主分类号: G06Q40/08 分类号: G06Q40/08;G06Q10/04;G06V20/17;G06V20/10;G06V10/26;G06F16/2458;G06F16/29;G06F17/18
代理公司: 北京市广友专利事务所有限责任公司 11237 代理人: 付忠林;张仲波
地址: 100083*** 国省代码: 北京;11
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 基于 物理 模型 城市 建筑群 风灾 保险 保费 厘定 方法 装置
【权利要求书】:

1.一种基于物理模型的城市建筑群风灾保险保费厘定方法,其特征在于,所述基于物理模型的城市建筑群风灾保险保费厘定方法包括:

获取目标建筑群的地理信息系统数据、目标建筑群外立面窗户的几何信息以及目标建筑群所在城市与保单所保年限一致的最近几年的历史气象数据;

基于所述历史气象数据,建立目标建筑群的风灾数据库;其中,所述风灾数据库中包括风向概率分布信息和每一风向下的风速概率分布信息;

基于所述地理信息系统数据和所述风灾数据库,建立目标建筑群外立面风压分布模拟情景库;其中,所述目标建筑群外立面风压分布模拟情景库中包括目标建筑群在所述风灾数据库所涵盖的每一情景下的建筑外立面风压数据;其中,每一情景均由一组风向数据和对应风向下的风速数据组成;

基于所述目标建筑群外立面风压分布模拟情景库和目标建筑群外立面窗户的几何信息,建立目标建筑群的风灾损失模拟情景库;其中,所述风灾损失模拟情景库中包括每一情景下的目标建筑群中的每一栋建筑的损失情况;

基于所述风灾损失模拟情景库和所述风灾数据库,计算得到目标建筑群的风灾损失期望值,进而确定出目标建筑群的风灾保险的保费;

所述地理信息系统数据包括:目标建筑群中每栋建筑的底面轮廓所形成的多边形的各个顶点的经纬度数据和每栋建筑的海拔高度数据;

所述目标建筑群外立面窗户的几何信息的获取方式为:

采用无人机对目标建筑群进行倾斜摄影航拍,得到一系列倾斜摄影数据;其中,所述倾斜摄影数据包括:建筑的倾斜摄影照片、拍摄每张倾斜摄影照片时无人机所处的经纬度数据和海拔高度数据,以及无人机所携带相机的俯仰角、横滚角、航向角、焦距和像元大小;

任选地面上某经纬度的点位为原点,以正东方向为x轴正方向,以正北方向为y轴正方向,以竖直向上方向为z轴正方向,建立空间直角坐标系,将所述地理信息系统数据中的经纬度数据和海拔高度数据转换为所述空间直角坐标系中的xyz坐标,将所述倾斜摄影数据中的经纬度数据和海拔高度数据也转换为所述空间直角坐标系中的xyz坐标;

在将地理信息系统数据和倾斜摄影数据中的经纬度数据和海拔高度数据均转换为所述空间直角坐标系中的xyz坐标后,针对目标建筑群内每一栋建筑的每一个立面分别进行窗户几何信息提取;所述窗户几何信息提取过程包括:

针对当前立面,从所述倾斜摄影数据中筛选出当前立面的最优照片;其中,所述最优照片指的是在当前立面所涉及的所有倾斜摄影照片中,目标建筑物立面所占的像素点数最多,且目标建筑立面在照片中最接近于正视图中目标建筑立面图像特征的倾斜摄影照片;

根据拍摄所述最优照片时无人机在所述空间直角坐标系中所处的坐标以及无人机所携带相机的俯仰角、横滚角、航向角、焦距和像元大小,计算得到当前立面所形成的多边形的各个顶点在所述最优照片中的像素坐标,进而根据计算出的像素坐标从所述最优照片中截取出当前立面的图像,并通过图像矫正将截取出的当前立面的图像转换为正视图;

通过语义分割算法识别出所述正视图中代表窗户的所有像素,并采用长方形拟合得到所述正视图中每一扇窗户的外轮廓长方形的四个顶点的像素坐标;

根据当前立面所形成的多边形的各个顶点在所述空间直角坐标系中的xyz坐标,将当前立面的正视图中每一扇窗户的外轮廓长方形的四个顶点的像素坐标转换为所述空间直角坐标系中的xyz坐标,得到当前立面窗户的几何信息;

所述历史气象数据包括:历史风向数据和与历史风向数据对应的历史风速数据;其中,历史风向数据的记录间隔时间不超过预设时长;

基于所述历史气象数据,建立目标建筑群的风灾数据库,包括:

通过插值方法对所述历史气象数据中的缺项数据进行补充;

在完成缺项数据补充的历史气象数据中筛选出历史气象数据在多个方向的风向记录,绘制历史气象数据的风向概率分布图;并针对每一个风向的历史气象数据,以预设风速间隔绘制历史气象数据的风速概率分布图;

对所述风向概率分布图和所述风速概率分布图进行存储,通过所述风向概率分布图和所述风速概率分布图形成所述目标建筑群的风灾数据库;

基于所述地理信息系统数据和所述风灾数据库,建立目标建筑群外立面风压分布模拟情景库,包括:

基于目标建筑群的地理信息系统数据建立目标建筑群的计算流体力学模型库;其中,所述计算流体力学模型库包括目标建筑群在所述风灾数据库所涵盖的每一情景下的计算流体力学模型;

基于所述计算流体力学模型库和所述风灾数据库,建立目标建筑群外立面风压分布模拟情景库;

基于所述目标建筑群外立面风压分布模拟情景库和目标建筑群外立面窗户的几何信息,建立目标建筑群的风灾损失模拟情景库,包括:

S41,针对所述风灾数据库中的每一情景,根据所述目标建筑群外立面风压分布模拟情景库和所述目标建筑群外立面窗户的几何信息,计算得到当前情景下目标建筑群中每一栋建筑的每一扇窗户的外风压;

S42,采用蒙特卡洛模拟确定所述风灾数据库中的每一情景下目标建筑群的每一栋建筑的损失情况;其中,所述损失情况包括:窗户破坏面积、直接经济损失和间接经济损失;

S43,遍历所述风灾数据库中的所有情景,并在每一次遍历后重复S41和S42的操作,得到所述目标建筑群的风灾损失模拟情景库;

所述采用蒙特卡洛模拟确定所述风灾数据库中的每一情景下目标建筑群的每一栋建筑的损失情况,包括:

S421,确定窗户的抗风承载力的概率密度函数;

S422,将一次蒙特卡洛模拟称为一次实现,设定蒙特卡洛模拟次数n=1,设定蒙特卡洛模拟的实现的总次数N

S423,判断n是否大于N,如果n小于或等于N,则执行S424,如果n大于N,则执行S4210;

S424,根据窗户的抗风承载力的概率密度函数,随机确定目标建筑群中每一栋建筑的每一扇窗户的抗风承载力采样值;

S425,针对目标建筑群中每一栋建筑,比较每一扇窗户的抗风承载力采样值与外风压的大小,若抗风承载力采样值小于或等于外风压,则判定窗户发生破坏,若抗风承载力采样值大于外风压,则判定窗户完好;

S426,针对目标建筑群中每一栋建筑,若当前建筑存在窗户发生破坏,则将当前建筑所有已破坏窗户的外风压的矢量平均值作为当前建筑所有完好窗户的内风压值,将窗户的外风压与内风压进行矢量求和得到总风压,若抗风承载力采样值小于或等于总风压,则判定窗户发生破坏,否则,判定窗户完好;

S427,针对目标建筑群中每一栋建筑,重复S426,直至当前建筑不再出现新的窗户发生破坏,得到当前建筑的窗户破坏面积;

S428、遍历目标建筑群的所有建筑,重复S425~S427;遍历结束后执行S429;

S429,将n的值加1,然后跳转执行S423;

S4210,停止蒙特卡洛模拟;执行S4211;

S4211:根据多次实现的结果,计算目标建筑群的每栋建筑的窗户破坏面积、直接经济损失和间接经济损失,以及目标建筑群的风灾经济损失期望值;

其中,目标建筑群的每栋建筑的窗户破坏面积的计算公式为:

目标建筑群的每栋建筑的直接经济损失的计算公式为:

目标建筑群的每栋建筑的间接经济损失的计算公式为:

目标建筑群的风灾经济损失期望值的计算公式为:

其中,为目标建筑群的第i栋建筑在第n次实现下的窗户破坏面积;为求蒙特卡洛模拟的所有实现的的中位值;为目标建筑群的第i栋建筑的窗户破坏面积;为目标建筑群的第i栋建筑的直接经济损失;为目标建筑群的第i栋建筑的间接经济损失;为目标建筑群的第i栋建筑的修复所需材料费用,,其中,UPGUPGS分别为单位面积玻璃费用、单位面积封条费用;为目标建筑群的第i栋建筑的修复所需材料安装费用,;为目标建筑群的第i栋建筑的修复所需破损窗户拆卸费用,,其中,UPD为单位面积拆卸工作费用;为目标建筑群的第i栋建筑的修复所需管理费用,;为目标建筑群的第i栋建筑的修复所需室内财产损失,;为目标建筑群的第i栋建筑的修复所需每日产值;RS为窗户修复速度;为目标建筑群的风灾经济损失期望值;表示目标建筑群的建筑总数量;

所述目标建筑群的风灾损失期望值的计算公式为:

其中,EL为目标建筑群的风灾损失期望值;为所述风灾数据库中的第k个情景下目标建筑群的风灾经济损失期望值;为所述风灾数据库中的第k个情景的发生概率,,Ps表示在所述风灾数据库中第s个风向发生的概率;Pt表示在所述风灾数据库中的第s个风向情景中第t个风速发生的概率;表示所述风灾数据库的情景总数量;

所述目标建筑群的风灾保险的保费的计算公式为:

其中,H为目标建筑群的风灾保险的保费;α1为保险公司确定的安全符合系数。

2.一种基于物理模型的城市建筑群风灾保险保费厘定装置,其特征在于,所述基于物理模型的城市建筑群风灾保险保费厘定装置包括:

数据获取模块,用于获取目标建筑群的地理信息系统数据、目标建筑群外立面窗户的几何信息以及目标建筑群所在城市与保单所保年限一致的最近几年的历史气象数据;

风灾数据库构建模块,用于基于所述数据获取模块所获取的历史气象数据,建立目标建筑群的风灾数据库;其中,所述风灾数据库中包括风向概率分布信息和每一风向下的风速概率分布信息;

目标建筑群外立面风压分布模拟情景库构建模块,用于基于所述地理信息系统数据和所述风灾数据库,建立目标建筑群外立面风压分布模拟情景库;其中,所述目标建筑群外立面风压分布模拟情景库中包括目标建筑群在所述风灾数据库所涵盖的每一情景下的建筑外立面风压数据;其中,每一情景均由一组风向数据和对应风向下的风速数据组成;

目标建筑群的风灾损失模拟情景库构建模块,用于基于所述目标建筑群外立面风压分布模拟情景库和目标建筑群外立面窗户的几何信息,建立目标建筑群的风灾损失模拟情景库;其中,所述风灾损失模拟情景库中包括每一情景下的目标建筑群中的每一栋建筑的损失情况;

保费计算模块,用于基于所述风灾损失模拟情景库和风灾数据库,计算得到目标建筑群的风灾损失期望值,进而确定出目标建筑群的风灾保险的保费;

所述地理信息系统数据包括:目标建筑群中每栋建筑的底面轮廓所形成的多边形的各个顶点的经纬度数据和每栋建筑的海拔高度数据;

所述目标建筑群外立面窗户的几何信息的获取方式为:

采用无人机对目标建筑群进行倾斜摄影航拍,得到一系列倾斜摄影数据;其中,所述倾斜摄影数据包括:建筑的倾斜摄影照片、拍摄每张倾斜摄影照片时无人机所处的经纬度数据和海拔高度数据,以及无人机所携带相机的俯仰角、横滚角、航向角、焦距和像元大小;

任选地面上某经纬度的点位为原点,以正东方向为x轴正方向,以正北方向为y轴正方向,以竖直向上方向为z轴正方向,建立空间直角坐标系,将所述地理信息系统数据中的经纬度数据和海拔高度数据转换为所述空间直角坐标系中的xyz坐标,将所述倾斜摄影数据中的经纬度数据和海拔高度数据也转换为所述空间直角坐标系中的xyz坐标;

在将地理信息系统数据和倾斜摄影数据中的经纬度数据和海拔高度数据均转换为所述空间直角坐标系中的xyz坐标后,针对目标建筑群内每一栋建筑的每一个立面分别进行窗户几何信息提取;所述窗户几何信息提取过程包括:

针对当前立面,从所述倾斜摄影数据中筛选出当前立面的最优照片;其中,所述最优照片指的是在当前立面所涉及的所有倾斜摄影照片中,目标建筑物立面所占的像素点数最多,且目标建筑立面在照片中最接近于正视图中目标建筑立面图像特征的倾斜摄影照片;

根据拍摄所述最优照片时无人机在所述空间直角坐标系中所处的坐标以及无人机所携带相机的俯仰角、横滚角、航向角、焦距和像元大小,计算得到当前立面所形成的多边形的各个顶点在所述最优照片中的像素坐标,进而根据计算出的像素坐标从所述最优照片中截取出当前立面的图像,并通过图像矫正将截取出的当前立面的图像转换为正视图;

通过语义分割算法识别出所述正视图中代表窗户的所有像素,并采用长方形拟合得到所述正视图中每一扇窗户的外轮廓长方形的四个顶点的像素坐标;

根据当前立面所形成的多边形的各个顶点在所述空间直角坐标系中的xyz坐标,将当前立面的正视图中每一扇窗户的外轮廓长方形的四个顶点的像素坐标转换为所述空间直角坐标系中的xyz坐标,得到当前立面窗户的几何信息;

所述历史气象数据包括:历史风向数据和与历史风向数据对应的历史风速数据;其中,历史风向数据的记录间隔时间不超过预设时长;

基于所述历史气象数据,建立目标建筑群的风灾数据库,包括:

通过插值方法对所述历史气象数据中的缺项数据进行补充;

在完成缺项数据补充的历史气象数据中筛选出历史气象数据在多个方向的风向记录,绘制历史气象数据的风向概率分布图;并针对每一个风向的历史气象数据,以预设风速间隔绘制历史气象数据的风速概率分布图;

对所述风向概率分布图和所述风速概率分布图进行存储,通过所述风向概率分布图和所述风速概率分布图形成所述目标建筑群的风灾数据库;

基于所述地理信息系统数据和所述风灾数据库,建立目标建筑群外立面风压分布模拟情景库,包括:

基于目标建筑群的地理信息系统数据建立目标建筑群的计算流体力学模型库;其中,所述计算流体力学模型库包括目标建筑群在所述风灾数据库所涵盖的每一情景下的计算流体力学模型;

基于所述计算流体力学模型库和所述风灾数据库,建立目标建筑群外立面风压分布模拟情景库;

基于所述目标建筑群外立面风压分布模拟情景库和目标建筑群外立面窗户的几何信息,建立目标建筑群的风灾损失模拟情景库,包括:

S41,针对所述风灾数据库中的每一情景,根据所述目标建筑群外立面风压分布模拟情景库和所述目标建筑群外立面窗户的几何信息,计算得到当前情景下目标建筑群中每一栋建筑的每一扇窗户的外风压;

S42,采用蒙特卡洛模拟确定所述风灾数据库中的每一情景下目标建筑群的每一栋建筑的损失情况;其中,所述损失情况包括:窗户破坏面积、直接经济损失和间接经济损失;

S43,遍历所述风灾数据库中的所有情景,并在每一次遍历后重复S41和S42的操作,得到所述目标建筑群的风灾损失模拟情景库;

所述采用蒙特卡洛模拟确定所述风灾数据库中的每一情景下目标建筑群的每一栋建筑的损失情况,包括:

S421,确定窗户的抗风承载力的概率密度函数;

S422,将一次蒙特卡洛模拟称为一次实现,设定蒙特卡洛模拟次数n=1,设定蒙特卡洛模拟的实现的总次数N

S423,判断n是否大于N,如果n小于或等于N,则执行S424,如果n大于N,则执行S4210;

S424,根据窗户的抗风承载力的概率密度函数,随机确定目标建筑群中每一栋建筑的每一扇窗户的抗风承载力采样值;

S425,针对目标建筑群中每一栋建筑,比较每一扇窗户的抗风承载力采样值与外风压的大小,若抗风承载力采样值小于或等于外风压,则判定窗户发生破坏,若抗风承载力采样值大于外风压,则判定窗户完好;

S426,针对目标建筑群中每一栋建筑,若当前建筑存在窗户发生破坏,则将当前建筑所有已破坏窗户的外风压的矢量平均值作为当前建筑所有完好窗户的内风压值,将窗户的外风压与内风压进行矢量求和得到总风压,若抗风承载力采样值小于或等于总风压,则判定窗户发生破坏,否则,判定窗户完好;

S427,针对目标建筑群中每一栋建筑,重复S426,直至当前建筑不再出现新的窗户发生破坏,得到当前建筑的窗户破坏面积;

S428、遍历目标建筑群的所有建筑,重复S425~S427;遍历结束后执行S429;

S429,将n的值加1,然后跳转执行S423;

S4210,停止蒙特卡洛模拟;执行S4211;

S4211:根据多次实现的结果,计算目标建筑群的每栋建筑的窗户破坏面积、直接经济损失和间接经济损失,以及目标建筑群的风灾经济损失期望值;

其中,目标建筑群的每栋建筑的窗户破坏面积的计算公式为:

目标建筑群的每栋建筑的直接经济损失的计算公式为:

目标建筑群的每栋建筑的间接经济损失的计算公式为:

目标建筑群的风灾经济损失期望值的计算公式为:

其中,为目标建筑群的第i栋建筑在第n次实现下的窗户破坏面积;为求蒙特卡洛模拟的所有实现的的中位值;为目标建筑群的第i栋建筑的窗户破坏面积;为目标建筑群的第i栋建筑的直接经济损失;为目标建筑群的第i栋建筑的间接经济损失;为目标建筑群的第i栋建筑的修复所需材料费用,,其中,UPGUPGS分别为单位面积玻璃费用、单位面积封条费用;为目标建筑群的第i栋建筑的修复所需材料安装费用,;为目标建筑群的第i栋建筑的修复所需破损窗户拆卸费用,,其中,UPD为单位面积拆卸工作费用;为目标建筑群的第i栋建筑的修复所需管理费用,;为目标建筑群的第i栋建筑的修复所需室内财产损失,;为目标建筑群的第i栋建筑的修复所需每日产值;RS为窗户修复速度;为目标建筑群的风灾经济损失期望值;表示目标建筑群的建筑总数量;

所述目标建筑群的风灾损失期望值的计算公式为:

其中,EL为目标建筑群的风灾损失期望值;为所述风灾数据库中的第k个情景下目标建筑群的风灾经济损失期望值;为所述风灾数据库中的第k个情景的发生概率,,Ps表示在所述风灾数据库中第s个风向发生的概率;Pt表示在所述风灾数据库中的第s个风向情景中第t个风速发生的概率;表示所述风灾数据库的情景总数量;

所述目标建筑群的风灾保险的保费的计算公式为:

其中,H为目标建筑群的风灾保险的保费;α1为保险公司确定的安全符合系数。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京科技大学,未经北京科技大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202310777869.6/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top