本说明书实施例公开了一种用于灾后救援的道路诱导方法及设备，涉及灾后侦测技术领域，方法包括：通过道路侦测子系统中的空基侦测模块，获取受灾地点的位置信息，以便于道路侦测子系统中的天基侦测模块，根据受灾地点的位置信息，采集受灾地点对应预设区域内的灾后道路信息，通过侦测信息云平台对多个灾后路段图像分别进行识别，生成每个灾后路段的受损参数，在多个救援车辆中确定出多个指定救援车辆，将灾后道路中每个灾后路段的受损参数分别发送至每个指定救援车辆，指定救援车辆的车载诱导子系统根据每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导指定救援车辆按照行驶路线行驶至受灾地点。
1.一种用于灾后救援的道路诱导方法，其特征在于，应用于道路受损侦测系统，其中，所述道路受损侦测系统包括道路侦测子系统、侦测信息云平台以及设置在多个救援车辆中的车载诱导子系统，所述方法包括：通过所述道路侦测子系统中的天基侦测模块，获取受灾地点的位置信息，以便于所述道路侦测子系统中的空基侦测模块，根据所述受灾地点的位置信息，采集所述受灾地点对应预设区域内的灾后道路信息，其中，所述灾后道路信息包括灾后道路图像，所述灾后道路图像包括多个灾后路段图像；
通过所述侦测信息云平台，对所述灾后道路信息中的所述灾后道路图像中的多个灾后路段图像分别进行识别，生成灾后道路中每个灾后路段的受损参数，其中，所述路段的受损参数包括若干受损道路分别对应的道路受损面积、道路受损类型、路障尺寸中的任意一项或多项；
获取所述多个救援车辆的实时位置信息，根据所述多个救援车辆的实时位置信息以及所述受灾地点的位置信息，在所述多个救援车辆中，确定出多个指定救援车辆，其中，每个指定救援车辆均位于所述受灾地点的预设范围内；
将所述灾后道路中每个灾后路段的受损参数，分别发送至所述每个指定救援车辆，以便于所述指定救援车辆的车载诱导子系统，根据所述灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导所述指定救援车辆按照所述行驶路线行驶至所述受灾地点；
所述灾后道路信息还包括每个灾后路段的位置区域坐标集合；
通过所述侦测信息云平台，对所述灾后道路信息中的所述灾后道路图像进行识别，生成灾后道路中每个灾后路段的受损参数，具体包括：获取所述灾后道路信息中每个灾后路段的所述灾后道路图像和每个灾后路段的灾后路段位置区域坐标集合；
根据所述灾后道路位置区域坐标集合，确定受损道路中每个灾后路段的道路标识，以便于通过所述受损道路中每个灾后路段的道路标识，在预先存储的道路灾前初始图像数据集中，获取所述受损道路中每个灾后路段的道路灾前初始图像；
根据所述每个灾后路段的道路灾前初始图像，对每个灾后路段的所述灾后道路图像中的受损路段进行识别，确定出每个灾后路段的所述灾后道路图像中的受损区域；
根据每个灾后路段的所述灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的所述受损参数；
根据每个灾后路段的所述灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的所述受损参数，具体包括：提取每个灾后路段的所述灾后道路图像中的受损区域，作为受损区域图像；
基于指定均值漂移算法，对所述受损区域图像进行分割，生成多个受损子区域，其中，所述指定均值漂移算法为考虑图像纹理特征的均值漂移算法；
将所述多个受损子区域输入至预先训练的道路受损识别模型，得到所述受损区域图像对应的受损类型，其中，所述受损类型包括落石遮挡、积水淹没、道路裂缝以及路面塌陷中的任意一项或多项；
将所述灾后道路图像进行色彩通道分离，获取所述灾后道路图像对应的预设通道受损图像，以便于检测出所述预设通道受损图像中的多个受损像素点；
将所述道路灾前初始图像进行色彩通道分离，获取所述道路灾前初始图像对应的指定通道无受损图像，以便于检测所述指定通道无受损图像中的多个道路边缘点；
构建所述指定通道无受损图像的网格坐标系作为第一坐标系，获取每个道路边缘点的在所述第一坐标系中的网格坐标；
构建所述预设通道受损图像的网格坐标系作为第二坐标系，根据所述每个道路边缘点的在所述第一坐标系中的网格坐标，在所述第二坐标系中确定出每个道路边缘点在所述第二坐标系中的网格坐标；
获取所述多个受损像素点在所述第二坐标系中的网格坐标，根据所述多个受损像素点在所述第二坐标系中的网格坐标，以及所述每个道路边缘点在所述第二坐标系中的网格坐标，计算出受损道路对应的道路受损面积；
基于每个灾后路段的所述灾后道路图像中的受损区域对应的受损类型，确定待测算的所述路障尺寸；
当所述受损类型为所述落石遮挡时，所述路障为落石，所述路障尺寸包括落石最长长度；
当所述受损类型为所述积水淹没时，所述路障为积水，所述路障尺寸包括所述积水的积水表面积和积水深度；
当所述受损类型为所述道路裂缝时，所述路障为裂缝区域，所述路障尺寸包括所述裂缝区域的裂缝长度和裂缝宽度；
当所述受损类型为所述路面塌陷时，所述路障为塌陷道路，所述路障尺寸包括所述塌陷道路的塌陷深度和塌陷宽度；
对所述受损区域图像进行三维建模，得到所述受损区域图像对应的三维图像，以便于在所述三维图像中对所述待测算的路障尺寸进行测量，得到所述灾后路段的路障尺寸。
2.根据权利要求1所述的一种用于灾后救援的道路诱导方法，其特征在于，根据所述灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，具体包括：根据预先存储的公共交通路网数据以及实时获取的所述每个指定救援车辆的实时位置，生成所述每个指定救援车辆到达所述受灾地点的多条路线；
预先获取所述灾后道路的每个灾后路段的地理位置，以便于根据所述灾后道路中每个灾后路段的地理位置，在所述多条路线中确定出多个指定路段，其中，每个指定路段均对应一个灾后路段；
根据所述灾后道路中每个灾后路段的所述受损参数，判断所述多个指定路段中是否存在符合要求的指定路段，其中，所述符合要求的指定路段的受损参数满足预设参数阈值；
当所述多个指定路段中存在多个符合要求的指定路段时，根据所述预先存储的公共交通路网数据，确定出所述每个指定路段对应的指定路线，以得到多条指定路线；
根据所述预先存储的公共交通路网数据，确定每条指定路线对应的预计通行时间，以便于根据所述每条指定路线对应的预计通行时间，在所述多条指定路线中，确定出所述预计通行时间最小的指定路线，将所述预计通行时间最小的指定路线作为所述救援车辆的行驶路线。
3.根据权利要求1所述的一种用于灾后救援的道路诱导方法，其特征在于，根据所述每个灾后路段的道路灾前初始图像，对每个灾后路段的所述灾后道路图像中的受损路段进行识别，确定出每个灾后路段的所述灾后道路图像中的受损区域，具体包括：对每个灾后路段的所述道路灾前初始图像进行道路特征提取，获取每个灾后路段的所述道路灾前初始图像中道路边缘对应的多个灾前特征点，并确定出所述多个灾前特征点组成的道路区域；
在每个灾后路段的所述道路灾前初始图像中，确定所述每个灾前特征点的像素值，并获取每个灾前特征点在所述道路灾前初始图像中的位置信息；
根据每个灾前特征点在所述道路灾前初始图像中的位置信息，在所述灾后道路图像中确定出与每个灾前特征点对应的灾后特征点；
获取所述每个灾后特征点的像素值，并计算所述每个灾后特征点的像素值与对应的灾前特征点的像素值的差值，确定出多个符合要求的灾后特征点；其中，所述符合要求的灾后特征点的像素值与对应的灾前特征点的像素值的差值大于预设阈值；
获取所述多个符合要求的灾后特征点，将所述多个符合要求的灾后特征点组成的区域作为受损路段对应的受损区域。
4.根据权利要求1所述的一种用于灾后救援的道路诱导方法，其特征在于，根据所述灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，具体包括：根据预先存储的公共交通路网数据，以及实时获取的所述每个指定救援车辆的实时位置，生成所述每个指定救援车辆到达所述受灾地点的多条路线；
当所述灾后路段的受损参数中的受损类型为落石遮挡、道路裂缝以及路面塌陷中的任意一项或多项时，根据每个所述灾后路段的受损参数中的路障尺寸与道路受损面积，在所述多条路线中确定出多条可通行路线；
其中，每个所述可通行路线中的灾后路段的受损参数中的路障尺寸均小于预设路障尺寸阈值，且每个所述可通行路线中的灾后路段的受损参数中的所述道路受损面积均小于所述道路受损面积阈值；
获取每条可通行路线的预计通行时间，在所述多条可通行路线中确定出预计通行时间最少的通行路线，作为所述指定救援车辆的行驶路线；
当所述每个灾后路段的受损参数中的受损类型为积水淹没时，根据所述受损参数中的道路受损面积与预设道路受损面积阈值的关系，在所述灾后路段中确定出第一类受损路段，其中，所述第一类受损路段的受损参数中的道路受损面积大于所述预设道路受损面积阈值；
在所述每个指定救援车辆到达所述受灾地点的多条路线中，剔除第一类路线，得到多条剩余路线，其中，各个所述第一类路线中，均包括至少一个路段为第一类受损路段；
在所述多条剩余路线中，确定出所述指定救援车辆的行驶路线。
5.根据权利要求4所述的一种用于灾后救援的道路诱导方法，其特征在于，在所述多条剩余路线中，确定出所述指定救援车辆的行驶路线，具体包括：获取每条剩余路线中的每个所述灾后路段与所述指定救援车辆之间的距离；
在所述多条剩余路线中，确定出指定剩余路线，其中，所述指定剩余路线中的所述灾后路段与所述指定救援车辆之间的距离最短；
将所述指定救援车辆诱导至所述指定剩余路线中的灾后路段处，以便于通过所述指定救援车辆，获取所述指定剩余路线中的所述灾后路段的积水深度，并将所述指定剩余路线中的所述灾后路段的积水深度发送至侦测信息云平台；
判断所述指定剩余路线中的所述灾后路段的积水深度，与预设积水深度阈值之间的关系；
若所述指定剩余路线中的所述灾后路段的积水深度，不大于所述预设积水深度阈值，则诱导所述指定救援车辆按照所述指定剩余路线行驶至所述受灾地点。
6.根据权利要求2所述的一种用于灾后救援的道路诱导方法，其特征在于，诱导所述指定救援车辆按照所述行驶路线行驶至所述受灾地点之后，所述方法还包括：在所述多个指定受损路段中，确定出非通行状态对应的第一路段；
获取所述第一路段的地理位置，以所述第一路段的地理位置为圆心，设置指定范围；
获取多个道路维护车辆的实时位置，其中，每个道路维护车辆对应的道路维护类型不同；
根据所述多个道路维护车辆的实时位置，确定出在所述指定范围内的多个指定维护车辆；
通过所述第一路段对应的受损参数中的道路受损类型，在所述多个指定维护车辆中，确定出第一道路维护车辆，其中，所述第一道路维护车辆的道路维护类型与所述第一路段的道路受损类型相对应；
根据所述第一道路维护车辆的实时位置和所述第一路段的地理位置，生成道路维护的诱导路线，以便于诱导所述第一道路维护车辆，按照所述道路维护的诱导路线行驶至所述第一路段，对所述第一路段进行道路维护。
7.根据权利要求6所述的一种用于灾后救援的道路诱导方法，其特征在于，诱导所述第一道路维护车辆，按照所述道路维护的诱导路线行驶至所述第一路段，对所述第一路段进行道路维护之后，所述方法还包括：通过所述第一道路维护车辆的视频采集装置，采集所述第一路段的实时路段图像；
将所述第一路段的实时路段图像与预先获取的第一路段对应的道路灾前初始图像进行对比，判断所述第一路段的实时路段图像中是否存在受损区域；
当所述第一路段的实时路段图像中不存在所述受损区域时，将所述第一路段的通行状态更新为可通行状态，并发送至所述侦测信息云平台，以便于所述侦测信息云平台将所述第一路段的通行状态发送至所述多个指定救援车辆。
8.一种用于灾后救援的道路诱导设备，其特征在于，所述设备包括：
所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：通过道路侦测子系统中的天基侦测模块，获取受灾地点的位置信息，以便于所述道路侦测子系统中的空基侦测模块，根据所述受灾地点的位置信息，采集所述受灾地点对应预设区域内的灾后道路信息，其中，所述灾后道路信息包括灾后道路图像，所述灾后道路图像包括多个灾后路段图像；
通过侦测信息云平台，对所述灾后道路信息中的所述灾后道路图像中的多个灾后路段图像分别进行识别，生成灾后道路中每个灾后路段的受损参数，其中，所述路段的受损参数包括若干受损道路分别对应的道路受损面积、道路受损类型、路障尺寸中的任意一项或多项；
获取所述多个救援车辆的实时位置信息，根据所述多个救援车辆的实时位置信息以及所述受灾地点的位置信息，在所述多个救援车辆中，确定出多个指定救援车辆，其中，每个指定救援车辆均位于所述受灾地点的预设范围内；
将所述灾后道路中每个灾后路段的受损参数，分别发送至所述每个指定救援车辆，以便于所述指定救援车辆的车载诱导子系统，根据所述灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导所述指定救援车辆按照所述行驶路线行驶至所述受灾地点；
所述灾后道路信息还包括每个灾后路段的位置区域坐标集合；
通过所述侦测信息云平台，对所述灾后道路信息中的所述灾后道路图像进行识别，生成灾后道路中每个灾后路段的受损参数，具体包括：获取所述灾后道路信息中每个灾后路段的所述灾后道路图像和每个灾后路段的灾后路段位置区域坐标集合；
根据所述灾后道路位置区域坐标集合，确定受损道路中每个灾后路段的道路标识，以便于通过所述受损道路中每个灾后路段的道路标识，在预先存储的道路灾前初始图像数据集中，获取所述受损道路中每个灾后路段的道路灾前初始图像；
根据所述每个灾后路段的道路灾前初始图像，对每个灾后路段的所述灾后道路图像中的受损路段进行识别，确定出每个灾后路段的所述灾后道路图像中的受损区域；
根据每个灾后路段的所述灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的所述受损参数；
根据每个灾后路段的所述灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的所述受损参数，具体包括：提取每个灾后路段的所述灾后道路图像中的受损区域，作为受损区域图像；
基于指定均值漂移算法，对所述受损区域图像进行分割，生成多个受损子区域，其中，所述指定均值漂移算法为考虑图像纹理特征的均值漂移算法；
将所述多个受损子区域输入至预先训练的道路受损识别模型，得到所述受损区域图像对应的受损类型，其中，所述受损类型包括落石遮挡、积水淹没、道路裂缝以及路面塌陷中的任意一项或多项；
将所述灾后道路图像进行色彩通道分离，获取所述灾后道路图像对应的预设通道受损图像，以便于检测出所述预设通道受损图像中的多个受损像素点；
将所述道路灾前初始图像进行色彩通道分离，获取所述道路灾前初始图像对应的指定通道无受损图像，以便于检测所述指定通道无受损图像中的多个道路边缘点；
构建所述指定通道无受损图像的网格坐标系作为第一坐标系，获取每个道路边缘点的在所述第一坐标系中的网格坐标；
构建所述预设通道受损图像的网格坐标系作为第二坐标系，根据所述每个道路边缘点的在所述第一坐标系中的网格坐标，在所述第二坐标系中确定出每个道路边缘点在所述第二坐标系中的网格坐标；
获取所述多个受损像素点在所述第二坐标系中的网格坐标，根据所述多个受损像素点在所述第二坐标系中的网格坐标，以及所述每个道路边缘点在所述第二坐标系中的网格坐标，计算出受损道路对应的道路受损面积；
基于每个灾后路段的所述灾后道路图像中的受损区域对应的受损类型，确定待测算的所述路障尺寸；
当所述受损类型为所述落石遮挡时，所述路障为落石，所述路障尺寸包括落石最长长度；
当所述受损类型为所述积水淹没时，所述路障为积水，所述路障尺寸包括所述积水的积水表面积和积水深度；
当所述受损类型为所述道路裂缝时，所述路障为裂缝区域，所述路障尺寸包括所述裂缝区域的裂缝长度和裂缝宽度；
当所述受损类型为所述路面塌陷时，所述路障为塌陷道路，所述路障尺寸包括所述塌陷道路的塌陷深度和塌陷宽度；
对所述受损区域图像进行三维建模，得到所述受损区域图像对应的三维图像，以便于在所述三维图像中对所述待测算的路障尺寸进行测量，得到所述灾后路段的路障尺寸。
一种用于灾后救援的道路诱导方法及设备
技术领域
[0001] 本说明书涉及灾后侦测技术领域，尤其涉及一种用于灾后救援的道路诱导方法及设备。
背景技术
[0002] 地震、台风、洪涝、滑坡等自然灾害，每年都带来巨大的人身危害和经济损失。一旦发生各类地质与气象灾害，高速公路、城市道路、乡村道路等通行道路将面临桥梁隧道受损、路基沉陷崩塌、洪水淹没、泥石流掩埋等隐患，给救援车辆及物资配送车辆的行车路线带来不确定性和不安全性。
[0003] 近年来，车路协同、组合导航、卫星通信等技术已逐步应用到救灾减灾工作中。现有的道路受损侦测技术是在道路旁布设路侧侦测系统，通过路侧侦测系统获取实时路侧信息，并通过无线网络或者卫星通信向车载导航系统播发预警信息。但是现有的道路侦测技术只能根据采集的一些路侧信息向车载导航系统进行预警信息的播发，无法对道路受损严重程度进行识别，往往救援车辆及物资配送车辆会途径无法通行的受损道路，进而不能及时到达救援现场，错过最佳救援时间，也增加了人力物力成本。
发明内容
[0004] 本说明书一个或多个实施例提供了一种用于灾后救援的道路诱导方法及设备，用于解决如下技术问题：现有的道路侦测技术只能根据采集的一些路侧信息向车载导航系统进行预警信息的播发，无法对道路受损严重程度进行识别，往往救援车辆及物资配送车辆会途径无法通行的受损道路，进而不能及时到达救援现场，错过最佳救援时间，也增加了人力物力成本。
[0005] 本说明书一个或多个实施例采用下述技术方案：
[0006] 本说明书一个或多个实施例提供一种用于灾后救援的道路诱导方法，应用于道路受损侦测系统，其中，所述道路受损侦测系统包括道路侦测子系统、侦测信息云平台以及设置在多个救援车辆中的车载诱导子系统，所述方法包括：通过所述道路侦测子系统中的天基侦测模块，获取受灾地点的位置信息，以便于所述道路侦测子系统中的空基侦测模块，根据所述受灾地点的位置信息，采集所述受灾地点对应预设区域内的灾后道路信息，其中，所述灾后道路信息包括灾后道路图像，所述灾后道路图像包括多个灾后路段图像；通过所述侦测信息云平台，对所述灾后道路信息中的所述灾后道路图像中的多个灾后路段图像分别进行识别，生成灾后道路中每个灾后路段的受损参数，其中，所述路段的受损参数包括若干受损道路分别对应的道路受损面积、道路受损类型、路障尺寸中的任意一项或多项；获取所述多个救援车辆的实时位置信息，根据所述多个救援车辆的实时位置信息以及所述受灾地点的位置信息，在所述多个救援车辆中，确定出多个指定救援车辆，其中，每个指定救援车辆均位于所述受灾地点的预设范围内；将所述灾后道路中每个灾后路段的受损参数，分别发送至所述每个指定救援车辆，以便于所述指定救援车辆的车载诱导子系统，根据所述灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导所述指定救援车辆按照所述行驶路线行驶至所述受灾地点。
[0007] 本说明书一个或多个实施例提供一种用于灾后救援的道路诱导设备，包括：
[0008] 至少一个处理器；以及，
[0009] 与所述至少一个处理器通信连接的存储器；其中，
[0010] 所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：通过道路侦测子系统中的天基侦测模块，获取受灾地点的位置信息，以便于所述道路侦测子系统中的空基侦测模块，根据所述受灾地点的位置信息，采集所述受灾地点对应预设区域内的灾后道路信息，其中，所述灾后道路信息包括灾后道路图像，所述灾后道路图像包括多个灾后路段图像；通过侦测信息云平台，对所述灾后道路信息中的所述灾后道路图像中的多个灾后路段图像分别进行识别，生成灾后道路中每个灾后路段的受损参数，其中，所述路段的受损参数包括若干受损道路分别对应的道路受损面积、道路受损类型、路障尺寸中的任意一项或多项；获取所述多个救援车辆的实时位置信息，根据所述多个救援车辆的实时位置信息以及所述受灾地点的位置信息，在所述多个救援车辆中，确定出多个指定救援车辆，其中，每个指定救援车辆均位于所述受灾地点的预设范围内；将所述灾后道路中每个灾后路段的受损参数，分别发送至所述每个指定救援车辆，以便于所述指定救援车辆的车载诱导子系统，根据所述灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导所述指定救援车辆按照所述行驶路线行驶至所述受灾地点。
[0011] 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：避免了自然灾害对设置在道路两侧的路测侦测系统产生的损害，增加了道路侦测子系统的稳定性；保证了侦测结果的精确度和全面性。对采集到的灾后道路信息进行识别，对灾后道路的受损程度设置道路受损等级，将受损程度进行量化处理，进一步提高了受损程度的判定客观性，避免了主观判断所产生的判断误差。将灾后路段的受损情况和通行状态发送至救援车辆处，根据每个灾后路段的受损情况和通行状态，与交通路网数据进行融合，生成救援路线，避免了将救援车辆导航至无法通行的路段，节省救援时间，保证了救援车辆的安全性。
附图说明
[0012] 为了更清楚地说明本说明书实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。在附图中：
[0013] 图1为本说明书实施例提供的一种用于灾后救援的道路诱导方法的流程示意图；
[0014] 图2为本说明书实施例提供的一种道路受损侦测系统的组成示意图；
[0015] 图3为本说明书实施例提供的一种道路侦测子系统的侦测方法的流程示意图；
[0016] 图4为本说明书实施例提供的一种车载诱导子系统的组成示意图；
[0017] 图5为本说明书实施例提供的另一种用于灾后救援的道路诱导方法的流程示意图；
[0018] 图6为本说明书实施例提供的一种路径规划展示图；
[0019] 图7为本说明书实施例提供的另一种路径规划展示图；
[0020] 图8为本说明书实施例提供的一种用于灾后救援的道路诱导设备的结构示意图。
具体实施方式
[0021] 为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书一部分实施例，而不是全部的实施例。基于本说明书实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本说明书保护的范围。
[0022] 本说明书实施例提供一种用于灾后救援的道路诱导方法，需要说明的是，本说明书实施例中的执行主体可以是服务器，也可以是任意一种具备数据处理能力的设备。本说明书的一个实施例中，一种用于灾后救援的道路诱导方法应用于道路受损侦测系统，也可以称为道路损毁侦测与诱导系统，本说明书实施例在此不作具体限定。图1为本说明书实施例提供的一种用于灾后救援的道路诱导方法的流程示意图，图2为本说明书实施例提供的一种道路受损侦测系统的组成示意图，如图2所示，道路受损侦测系统包括道路侦测子系统、侦测信息云平台以及车载诱导子系统，其中车辆诱导子系统设置在多个救援车辆中。道路侦测子系统用于获取灾后道路损毁情况信息，并将信息传输给侦测信息云平台；侦测信息云平台用于对道路侦测子系统采集的道路损毁情况信息进行接收、处理、识别、判断、存储与播发，道路损毁情况信息包含合成孔径雷达(Synthetic Aperture Radar，SAR)遥感影像、卫星光学影像、无人机高清影像；车载诱导子系统用于救援车辆的高精度定位导航、路径动态规划及诱导。
[0023] 如图1所示，方法主要包括如下步骤：
[0024] 步骤S101，通过道路侦测子系统中的天基侦测模块，获取受灾地点的位置信息，以便于道路侦测子系统中的空基侦测模块，根据受灾地点的位置信息，采集受灾地点对应预设区域内的灾后道路信息。
[0025] 现有技术中，通过路侧侦测系统对灾后环境进行侦测，由于路侧侦测系统布设在道路两侧，只能采集较小范围内的道路环境，使得道路覆盖程度有限，侦测范围小。并且，当发生地震、洪水、台风、滑坡、泥石流等自然灾害时，由于自然灾害会对道路产生影响，导致设置在道路两侧的路侧侦测系统非常容易因自然灾害造成损坏，失去侦测功能，进而使得向车载导航系统的预警信息播发中断，致使救援车辆无法进行安全、高效的行驶。
[0026] 在本说明书的一个实施例中，道路侦测子系统包括空基侦测模块和天基侦测模块，空基侦测模块可以称为空基子系统，天基侦测模块可以称为天基子系统。如图2所示，天基子系统由SAR卫星、光学卫星以及通信卫星构成，SAR卫星、光学卫星均与通信卫星相连，SAR卫星用于提供SAR遥感影像，光学卫星用于提供光学影像，通信卫星用于将SAR卫星及光学卫星的影像数据传输给侦测信息云平台。空基子系统包括无人机和无人机远程控制模块，无人机搭载高清摄像头、高精度定位模块、通信模块，通过高清摄像头采集高清图像数据，并将高清图像图像数据通过无线通信网络传输给侦测信息云平台，高精度定位模块可以是全球导航卫星系统(Global Navigation Satellite System，GNSS)和惯性导航系统(Inertial Navigation System，INS)的组合定位。无人机远程控制模块用于对无人机进行远程控制，例如飞行路线规划、控制图像采集以及控制数据传输。
[0027] 在本说明书的一个实施例中，通过道路侦测子系统，采集灾后道路信息，图3为本说明书实施例提供的一种道路侦测子系统的侦测方法的流程示意图，如图3所示，通过卫星对受灾区域进行大范围侦测，通过天基侦测模块中的SAR卫星和光学卫星，采集灾后环境SAR遥感影像数据和光学影像数据，并获取灾后环境的地理位置坐标。也就是说，通过天基侦测模块采集灾后环境的多源遥感数据，多源遥感数据包括SAR遥感影像数据和光学影像数据，在多源遥感数据中，获取受灾地点对应的灾后环境图像和灾后地点的位置信息，此处的位置信息可以是地理坐标。之后，将多源遥感数据通过通信卫星发送至侦测信息云平台。通过侦测信息云平台进行大范围道路损毁位置的快速侦测与定位，对灾后环境图像进行识别，确定出灾后环境图像中的受灾地点。
[0028] 根据灾后环境图像中的受灾地点和受灾地点的位置信息，确定出受灾道路中各个灾后路段的地理坐标。通过空基侦测模块中的无人机远程控制模块，根据受灾道路的地理坐标，控制无人机前往受灾道路的每个灾后路段处进行二次侦测，并使用无人机搭载的高清摄像图采集受灾道路的灾后道路信息，实现道路损毁的高精度侦测，需要说明的是，灾后道路信息包括灾后道路图像，灾后道路图像包括多个灾后路段图像，灾后道路包括多个灾后路段，此处的灾后道路可以是一条道路，由于每条道路的道路长度较长，可以将道路分为多个路段。通过无人机搭载的通信模块，将灾后道路信息中的每个灾后路段的灾后道路图像发送至侦测信息云平台。
[0029] 通过上述技术方案，设置天基侦测模块和空基侦测模块，避免了自然灾害对设置在道路两侧的路测侦测系统产生的损害，增加了道路侦测子系统的稳定性；并且，采用天基侦测模块进行大范围侦测，使用空基侦测模块进行小范围高精度侦测，保证了侦测结果的精确度和全面性；此外，天基侦测模块和空基侦测模块均设置在空中，采集范围更广泛。
[0030] 步骤S102，通过侦测信息云平台，对灾后道路信息中的灾后道路图像中的多个灾后路段图像分别进行识别，生成灾后道路中每个灾后路段的受损参数。
[0031] 当发生自然灾害时，自然灾害的种类不同，对道路产生的损害不同。例如，当自然灾害为地震时，可能会造成道路出现裂缝，或者由于地震时的落石坠落，导致出现落石遮挡的情况；当产生洪涝灾害时，道路可能会处于被积水淹没的状态。不论属于哪种自然灾害，对道路损害的严重程度可以用受损参数决定，路段的受损参数包括若干受损道路分别对应的道路受损面积、道路受损类型、路障尺寸中的任意一项或多项。
[0032] 现有的路侧侦测系统只能根据采集的一些路侧信息向车载导航系统进行一些预警信息播发，也就是说，只能播报“前方出现泥石流”等预警类的信息，而无法对道路损毁严重程度进行识别。
[0033] 需要说明的是，本说明书实施例中的侦测信息云平台用于对智能侦测子系统采集的道路损毁情况信息，包含卫星SAR遥感影像、卫星光学影像、无人机高清影像，进行接收、处理、识别、判断、存储与播发。由数据通信子系统、数据处理子系统、数据存储子系统构成。数据通信子系统主要用于接收智能侦测子系统采集的道路损毁情况信息，并将数据处理子系统处理完的受损路段的识别与判断信息发送给车载诱导子系统。数据通信子系统包含卫星通信模块和互联网通信模块。卫星通信模块用于跟天基子系统的通信卫星及车载诱导系统的车载通信子系统进行卫星通信，互联网通信模块用于跟空基子系统的无人机及车载诱导系统的车载通信子系统进行无线网络通信。数据处理子系统主要用于将智能侦测系统采集的道路损毁情况信息进行处理，基于地理坐标信息与道路矢量数据，融合卫星SAR遥感影像、卫星光学影像、无人机高清影像数据，对受损路段进行识别与判断。数据存储子系统用于将智能侦测系统采集的道路损毁情况信息及数据处理子系统的处理信息进行存储。
[0034] 具体地，该灾后道路信息还包括每个灾后路段的位置区域坐标集合；通过该侦测信息云平台，对该灾后道路信息中的该灾后道路图像进行识别，生成灾后道路中每个灾后路段的受损参数，具体包括：获取该灾后道路信息中每个灾后路段的该灾后道路图像和每个灾后路段的灾后路段位置区域坐标集合；根据该灾后道路位置区域坐标集合，确定受损道路中每个灾后路段的道路标识，以便于通过该受损道路中每个灾后路段的道路标识，在预先存储的道路灾前初始图像数据集中，获取该受损道路中每个灾后路段的道路灾前初始图像；根据该每个灾后路段的道路灾前初始图像，对每个灾后路段的该灾后道路图像中的受损路段进行识别，确定出每个灾后路段的该灾后道路图像中的受损区域；根据每个灾后路段的该灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的该受损参数。
[0035] 在本说明书的一个实施例中，灾后道路信息还包括每个灾后路段的位置区域坐标集合，获取灾后道路信息中每个灾后路段的灾后道路位置坐标和灾后道路图像。通过每个灾后路段的灾后道路位置坐标，确定灾后道路每个灾后路段的道路标识，此处的道路标识可以是道路名称，也可以是预先设置的区分道路不同路段的标志，也可以根据灾后路段所在道路的道路名称确定出对应的灾后道路，再根据每个灾后路段的灾后道路位置坐标，在灾后道路中确定出对应的灾后路段的路段名称。
[0036] 通过道路名称在预先存储的道路灾前初始图像数据集中，获取对应道路的灾前初始图像，并根据每个灾后路段的灾后道路位置坐标，获取受损道路中每个灾后路段的道路灾前初始图像。需要说明的是，在道路灾前初始图像数据集中存储有所有道路中所包括的路段的灾前初始图像，也就是在自然灾害发生前道路的初始状态。
[0037] 一般情况下，采集到每个灾后路段的道路灾前初始图像中存在道路区域和非道路区域，道路区域为正常道路；发生自然灾害后，若道路受损，在灾后道路图像中会呈现出受损路段的图像特征。通过道路灾前初始图像，对灾后道路图像中的受损路段进行识别，在灾后道路图像中确定出受损路段对应的受损区域，以便于根据每个灾后路段的所述灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的所述受损参数。
[0038] 根据该每个灾后路段的道路灾前初始图像，对每个灾后路段的该灾后道路图像中的受损路段进行识别，确定出每个灾后路段的该灾后道路图像中的受损区域，具体包括：对每个灾后路段的该道路灾前初始图像进行道路特征提取，获取每个灾后路段的该道路灾前初始图像中道路边缘对应的多个灾前特征点，并确定出该多个灾前特征点组成的道路区域；在每个灾后路段的该道路灾前初始图像中，确定该每个灾前特征点的像素值，并获取每个灾前特征点在该道路灾前初始图像中的位置信息；根据每个灾前特征点在该道路灾前初始图像中的位置信息，在该灾后道路图像中确定出与每个灾前特征点对应的灾后特征点；获取该每个灾后特征点的像素值，并计算该每个灾后特征点的像素值与对应的灾前特征点的像素值的差值，确定出多个符合要求的灾后特征点；其中，该符合要求的灾后特征点的像素值与对应的灾前特征点的像素值的差值大于预设阈值；获取该多个符合要求的灾后特征点，将该多个符合要求的灾后特征点组成的区域作为受损路段对应的受损区域。
[0039] 在本说明书的一个实施例中，以单一灾后路段为例，进行说明。在道路灾前初始图像中除了道路对应的道路区域之外，还存在除道路之外的其他区域，如两侧的绿化区域、环境区域等，对道路灾前初始图像进行道路特征提取，提取出道路灾前初始图像中的道路部分。一般情况下，道路通常是道路边缘和路面组成，获取该道路灾前初始图像中道路边缘，并获取道路边缘对应的多个像素点，作为多个灾前特征点，并将多个灾前特征点组成的区域作为道路区域，也就是多个道路边缘组成的道路区域。
[0040] 确定出道路边缘对应的多个灾前特征点之后，在道路灾前初始图像中，获取每个灾前特征点的像素值。并获取每个灾前特征点在该道路灾前初始图像中的位置信息，需要说明的是，此处的位置可以是位置坐标的形式，对道路灾前初始图像构建坐标系，例如，可以将道路灾前初始图像固定，将图像左下角的像素点作为坐标原点，经过坐标原点并指向右下角像素点的方向为X轴正方向，经过坐标原点并指向左上角像素点的方向为Y轴正方向，构建直角坐标系，直角坐标系的单位长度可以根据需求设置。根据每个灾前特征点在直角坐标系中的坐标，生成每个灾前特征点在道路灾前初始图像中的位置信息。
[0041] 根据每个灾前特征点在该道路灾前初始图像中的位置，在该灾后道路图像中确定出与每个灾前特征点对应的灾后特征点。需要说明的是，灾后道路图像的拍摄角度与道路灾前初始图像的拍摄角度可以相同。按照对道路灾前初始图像构建坐标系的方式，在灾后道路图像中构建直角坐标系，并根据每个灾前特征点在直角坐标系中的坐标，在灾后道路图像中确定出对应的灾后特征点，灾前特征点与灾后特征点为一一对应的关系。
[0042] 在灾后道路图像中，获取该每个灾后特征点的像素值，计算每个灾后特征点的像素值与对应的灾前特征点的像素值的差值，确定出差值大于预设阈值的多个符合要求的灾后特征点。一般情况下，发生自然灾害时，所造成的道路损害一般是桥梁隧道损毁、路基沉陷崩塌、洪水淹没以及泥石流掩埋等，不管是哪种道路损害，在图像中展示出来的是道路区域的图像与初始状态的像素值发生变化，例如，泥石流掩埋的情形下，道路灾前初始图像中道路的像素值对应的是道路特征，但是在灾后道路图像中，由于道路被泥石流掩埋，所采集到的像素值对应的泥石流特征，道路特征与泥石流特征对应的像素值是不同的。因此，可以根据灾前灾后对应图像中的像素值进行比对，得到的符合要求的灾后特征点为受损区域对应的道路边缘。将多个符合要求的灾后特征点组成的区域作为受损路段对应的受损区域。
[0043] 根据每个灾后路段的该灾后道路图像中的受损区域，通过预设路障测算法，生成每个受损区域的该受损参数，具体包括：提取每个灾后路段的该灾后道路图像中的受损区域，作为受损区域图像；基于指定均值漂移算法，对该受损区域图像进行分割，生成多个受损子区域，其中，该指定均值漂移算法为考虑图像纹理特征的均值漂移算法；将该多个受损子区域输入至预先训练的道路受损识别模型，得到该受损区域图像对应的受损类型，其中，该受损类型包括落石遮挡、积水淹没、道路裂缝以及路面塌陷中的任意一项或多项；将该灾后道路图像进行色彩通道分离，获取该灾后道路图像对应的预设通道受损图像，以便于检测出该预设通道受损图像中的多个受损像素点；将该道路灾前初始图像进行色彩通道分离，获取该道路灾前初始图像对应的指定通道无受损图像，以便于检测该指定通道无受损图像中的多个道路边缘点；构建该指定通道无受损图像的网格坐标系作为第一坐标系，获取每个道路边缘点的在该第一坐标系中的网格坐标；构建该预设通道受损图像的网格坐标系作为第二坐标系，根据该每个道路边缘点的在该第一坐标系中的网格坐标，在该第二坐标系中确定出每个道路边缘点在该第二坐标系中的网格坐标；获取该多个受损像素点在该第二坐标系中的网格坐标，根据该多个受损像素点在该第二坐标系中的网格坐标，以及该每个道路边缘点在该第二坐标系中的网格坐标，计算出受损道路对应的道路受损面积；基于每个灾后路段的该灾后道路图像中的受损区域对应的受损类型，确定待测算的该路障尺寸；当该受损类型为该落石遮挡时，该路障为落石，该路障尺寸包括落石最长长度；当该受损类型为该积水淹没时，该路障为积水，该路障尺寸包括该积水的积水表面积和积水深度；当该受损类型为该道路裂缝时，该路障为裂缝区域，该路障尺寸包括该裂缝区域的裂缝长度和裂缝宽度；当该受损类型为该路面塌陷时，该路障为塌陷道路，该路障尺寸包括该塌陷道路的塌陷深度和塌陷宽度；对该受损区域图像进行三维建模，得到该受损区域图像对应的三维图像，以便于在该三维图像中对该待测算的路障尺寸进行测量，得到该灾后路段的路障尺寸。
[0044] 在本说明书的一个实施例中，提取每个灾后路段的该灾后道路图像中的受损区域，作为受损区域图像。灾后道路图像为无人机采集到的遥感影像，受损区域图像为灾后道路图像中的一部分，为避免遥感影像存在缺陷数据，影响识别结果，可以对受损区域图像进行畸变差校正、匀色匀光处理。无人机在飞行中的姿态不稳定，因此采集到的灾后道路图像会存在畸变现象，需要对影像进行畸变差校正。此外，无人机采集到的图像因曝光时间间隔、天气影响会导致灾后道路图像存在颜色、光照等差异，还需要对影像进行匀色、匀光处理。
[0045] 在对受损区域图像进行处理之后，需要通过卷积神经网络模型对受损区域图像进行分类识别，确定出受损区域对应的道路受损类型。现有的卷积神经网络分类方法需要确定每个像素所属的类别，效率较低。在遥感图像中，同类地物在相同的地形、光照等条件下的光谱信息和空间信息特征相近，因此，可以考虑图像的纹理特征信息，采用考虑纹理特征的均值漂移算法分割处理后的受损区域图像，作为道路受损识别模型的输入数据。需要说明的是，均值漂移算法是一种自适应快速上升方法，通过计算每个像素点的均值漂移矢量，对比均值漂移矢量与采样点的差值，循环求差值直到小于给定的阈值，即达到收敛到概率密度最大的点。传统的均值漂移算法进行图像分割时，仅考虑空间位置和颜色特征信息，并未考虑图像纹理特征信息。
[0046] 因此，本说明书实施例基于考虑图像纹理特征信息的均值漂移算法，对受损区域图像进行分割，生成多个受损子区域，考虑图像纹理特征信息的均值漂移算法可以描述不同尺度内的图像纹理信息，且对任何灰度的单调变化均能保持基本不变，同时能够有效避免数据量过大，对数据进行降维的同时能保留图像的绝大部分关键信息。
[0047] 另外，搭建预训练的深度卷积神经网络DCNN(Deep Convolutional Neural Network)框架，包括1个输入层、4个卷积层(卷积层+池化层)、2个全连接层、1个输出层，输出层包含两个类别结果，类别1为线状地类，类别2为非线状地类。其中，网络中各层神经元均采用ReLU(Rectified Linear Units，修正线性单元)型神经元：第一层卷积层窗口大小为5*5，卷积核数量为64个；第二层至第四层卷积层窗口大小为3*3，卷积核数量为128个，卷积层的步幅均为1；池化层的窗口大小均为2*2，步幅为2。输出层包含两个类别结果，类别1为线状地类，类别2为非线状地类。使用预先构建的样本数据数据集对DCNN模型进行训练。之后，构建道路受损识别模型，保持DCNN模型的特征参数不变，将其迁移到道路受损类型数据集上进行微调，连接1个新的输出层，输出层包含两个新的类别，类别1为道路受损类型结果，类别2为非受损结果，构建道路受损识别模型。将多个受损子区域输入至预先训练的道路受损识别模型，得到该受损区域图像对应的受损类型，其中，该受损类型包括落石遮挡、积水淹没、道路裂缝以及路面塌陷中的任意一项或多项。需要说明的是，由于泥石流掩埋与积水淹没对道路产生的损害均为覆盖道路，并且其影响道路通行的因素相同，能否通行取决于泥石流或积水的深度，以及泥石流或积水对应的受损路段面积，由此可知，泥石流淹没可以认为属于积水淹没的受损类型，其他与落石遮挡、积水淹没、道路裂缝以及路面塌陷相似的受灾类型在此不作赘述。
[0048] 在本说明书的一个实施例中，还需要确定出受损道路对应的道路受损面积。将灾后道路图像进行色彩通道分离，可以得到三个通道分别对应的通道受损图像，包括R通道受损图像、G通道受损图像以及B通道受损图像。其中，R通道受损图像中只保留了红色像素，将绿色像素和蓝色像素在图像中进行了剔除，在此情况下，图像轮廓更为清晰，可以更精准的识别出道路轮廓；G通道受损图像只保留了绿色像素，剔除了红色像素和蓝色像素，图像的层次感更加明显；B通道受损图像只保留了蓝色像素，剔除了红色像素和绿色像素，图像中的块状部分更加明显。根据不同通道图像对应的图像特征，获取灾后道路图像对应的蓝色通道受损图像，蓝色通道受损图像中块状部分更加明显，道路受损时图像中一般呈现块状特征，检测出蓝色通道受损图像中的多个受损像素点。同样地，为了识别出道路灾前初始图像中的道路边缘，可以使用将道路灾前初始图像进行色彩通道分离，得到三个通道分别对应的通道无受损图像，获取道路灾前初始图像对应的红色通道无受损图像，检测红色通道无受损图像中的多个道路边缘点。
[0049] 构建红色通道无受损图像的网格坐标系作为第一坐标系，获取每个道路边缘点的在该第一坐标系中的网格坐标；构建蓝色通道受损图像的网格坐标系作为第二坐标系，根据每个道路边缘点的在该第一坐标系中的网格坐标，在第二坐标系中确定出每个道路边缘点在第二坐标系中的网格坐标，也就是说，将道路边缘和受损区域边缘放在同一个坐标系中，道路边缘组成的区域为初始道路区域，受损区域边缘组成的是受损区域，受损区域与道路区域相交的区域，即为道路受损，可以通过坐标的形式进行计算道路受损面积。获取多个受损像素点在第二坐标系中的网格坐标，根据多个受损像素点在该第二坐标系中的网格坐标，以及每个道路边缘点在该第二坐标系中的网格坐标，通过几何面积拆分计算的方法计算出受损道路对应的道路受损面积。需要说明的是，此处的几何面积拆分计算是指，将道路受损区域拆分为多个规则几何，计算每个规则几何的面积并进行加和，即可得到道路受损面积。
[0050] 在本说明书的一个实施例中，还需要确定出受损路段对应的路障尺寸。需要说明的是，不同自然灾害对应不同的受损类型，不同的受损类型所对应的路障不同，相应地路障尺寸所包括的尺寸明细也不相同。当受损类型为落石遮挡时，路障为落石，路障尺寸包括落石最长长度；当受损类型为该积水淹没时，路障为积水，路障尺寸包括积水的积水表面积和积水深度；当受损类型为道路裂缝时，路障为裂缝区域，路障尺寸包裂缝区域的裂缝长度和裂缝宽度；当该受损类型为路面塌陷时，路障为塌陷道路，路障尺寸包括该塌陷道路的塌陷深度和塌陷宽度。
[0051] 对受损区域图像进行三维建模，得到受损区域图像对应的三维图像，在三维图像中对待测算的路障尺寸进行测量，得到灾后路段的路障尺寸。为了实现对受损区域图像的三维建模，可以获取从不同方向获取的受损区域的图像，通过自标定方法获取无人机采集内参数，采用图像拼接融合技术对多个图像进行分析、合成，生成拼接融合后的区域受损图像，并对拼接融合后的图像进行特征点提取和点云匹配，获取全景图空间特征点三维点云，作为受损区域图像对应的三维图像。
[0052] 还可以使用尺度不变特征转换(Scale‑Invariant Feature Transform，SIFT)算法来进行受损区域图像的特征提取，然后基于运动恢复结构(Structure From Motion，SFM)算法进行稀疏三维重建，三维重建点是由特征匹配提供的，这些匹配点天生不密集。重建后所得到的模型存在较多空洞，点云数量过于稀疏且基于此算法只能粗略地描绘规则物体的三维结构，因此需采用基于多视图密集重建(Multi View Stereo，MVS)算法来对不规则物体以及目标对象的细节特征来进行密集点云重建，得到稠密点云数据，最后使用泊松算法对稠密点云进行表面重建，再基于SFM算法对相机位姿进行纹理映射，得到受损区域图像对应的三维图像。
[0053] 通过上述技术方案，对采集到的灾后道路信息进行识别，计算路段的受损参数用于表示灾后道路的受损程度，将受损程度进行量化处理，进一步提高了受损程度的判定客观性，避免了主观判断所产生的判断误差。
[0054] 步骤S103，获取多个救援车辆的实时位置信息，根据多个救援车辆的实时位置信息以及所述受灾地点的位置信息，在多个救援车辆中，确定出多个指定救援车辆。
[0055] 其中，每个指定救援车辆均位于受灾地点的预设范围内。
[0056] 救援车辆一般聚集在多个地点，分为不同的救援车队，当某地发生自然灾害时，为了提高救援速度，节省救援时间，可以根据每个救援车辆的实时位置信息以及受灾地点的位置信息，确定出距离受灾地点较近的指定救援车辆。另外，可以以受灾地点为圆心，以指定距离为半径，将该范围作为预设范围，此处的指定距离可以是十公里，根据实际情况设置即可，在此不做具体限定。
[0057] 步骤S104，将灾后道路中每个灾后路段的受损参数，分别发送至每个指定救援车辆，以便于指定救援车辆的车载诱导子系统，根据灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导指定救援车辆按照行驶路线行驶至受灾地点。
[0058] 现有技术中，车载导航系统的电子地图是基于实时公共交通路网数据进行在线更新，包括道路拥堵情况、道路拥堵原因、天气情况等，由于现有的路侧侦测系统无法识别道路损毁的程度，导致无法将受损路段与路网数据实时拟合匹配，致使路径规划时可能将救援车辆诱导至因灾害受损的路段导致无法继续前行，大大浪费救援时间，且对救援车辆存在很大的安全隐患。
[0059] 图4为本说明书实施例提供的一种车载诱导子系统的组成示意图，如图4所示，车载诱导子系统由车载定位组件、车载通信组件、车载路径规划组件和人机交互组件构成。
[0060] 车载通信组件主要用于接收侦测信息云平台处理完的受损路段的识别与判断信息，包含卫星通信模块和互联网通信模块，正常情况下利用无线通信网络接收侦测信息云平台的播发信息。当地面通信基站受损导致无线通信网络中断，则利用卫星通信进行应急通信接收信息。更优的，同时建立车/车、车/平台之间的实时双向通信，用于实现紧急情况上报、报警求救等功能。车载定位组件主要用于救援车辆的高精度定位与导航。GNSS长时间处于遮挡环境下(如隧道、高大建筑物)时，仅依靠INS仍会产生较大误差，利用GNSS模块、INS模块、高清摄像头、激光雷达等传感器，GNSS/INS/视觉/激光雷达多源融合进行组合定位，可有效提升定位精度、减少定位误差。车载路径规划组件主要用于救援车辆的路径动态规划诱导。基于侦测信息云平台的受损路段识别与判断信息，将受损路段与公共交通路网数据匹配拟合，将受损路段与识别判断信息标注在电子地图上，对灾后道路网进行应急路径规划。在救援车辆行进过程中，实时更新受损路段与路网数据信息，及时补充新出现的受损路段信息，实现在途交通诱导路径动态重构，确保救援车辆安全、及时的到达目的地。人机交互组件由触摸式显示屏构成，主要用于电子地图显示、导航路径显示、车辆定位信息显示、受损路段信息显示。
[0061] 生成每个救援车辆的形式路线可以通过两种方式实现，第一种是通过设置路段的通行状态，根据路段的通行状态确定出诱导行驶路线。
[0062] 具体地，根据该灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，具体包括：根据预先存储的公共交通路网数据以及实时获取的该每个指定救援车辆的实时位置，生成该每个指定救援车辆到达该受灾地点的多条路线；预先获取该灾后道路的每个灾后路段的地理位置，以便于根据该灾后道路中每个灾后路段的地理位置，在该多条路线中确定出多个指定路段，其中，每个指定路段均对应一个灾后路段；根据该灾后道路中每个灾后路段的该受损参数，确定该灾后道路中每个灾后路段的通行状态，其中，该通行状态包括可通行状态、非通行状态和非必要不通行状态；根据该灾后道路中每个灾后路段的通行状态，判断该多个指定路段中是否存在符合要求的指定路段，其中，该符合要求的指定路段的通行状态为可通行状态；当该多个指定路段中存在多个符合要求的指定路段时，根据该预先存储的公共交通路网数据，确定出该每个指定路段对应的指定路线，以得到多条指定路线；根据该预先存储的公共交通路网数据，确定每条指定路线对应的预计通行时间，以便于根据该每条指定路线对应的预计通行时间，在该多条指定路线中，确定出该预计通行时间最小的指定路线，将该预计通行时间最小的指定路线作为该救援车辆的行驶路线。
[0063] 在本说明书的一个实施例中，根据灾后道路中每个灾后路段的受损参数，确定灾后道路中每个灾后路段的通行状态，通过车载诱导子系统，将灾后道路中每个灾后路段的通行状态与预先存储的公共交通路网数据进行匹配，生成救援车辆的行驶路线。一般情况下，道路受损严重时，灾后道路应避免通行，道路受损较轻时，可以允许通行。一些特殊情况下，无法预先识别出对应的路障尺寸，可以将此路段设置为非必要不通行的状态，例如积水深度，可以将救援车辆导航至此处，通过救援车辆实地采集积水深度，再根据实时采集情况将非必要不通行状态更新为通行状态或非通行状态。
[0064] 在本说明书的一个实施例中，当灾后路段的受损参数中的受损类型为落石遮挡时，在此情况下，需要考虑道路受损面积和落石宽度，此时的道路受损面积为落石在道路上占用的道路面积，占用的道路面积无法通行，当道路受损面积大于预设道路受损面积阈值，且该路障尺寸大于预设落石宽度阈值时，灾后路段的通行状态为非通行状态，相反地，若道路受损面积低于道路受损面积阈值，且落石宽度小于预设宽度阈值时，灾后路段的通行状态为通行状态。此处的道路受损面积阈值和落石宽度可以根据道路面积和道路初始宽度决定，例如，落石宽度阈值可以设置为道路初始宽度的三分之一，保证落石某一侧可以使得车辆通行即可。
[0065] 当灾后路段的受损参数中的受损类型为道路裂缝时，需要考虑裂缝长度和裂缝宽度，当路障尺寸中的裂缝长度大于预设裂缝长度阈值，且路障尺寸中的裂缝宽度大于预设裂缝宽度阈值时，灾后路段的通行状态为非通行状态。相反地，路障尺寸中的裂缝长度小于预设裂缝长度阈值，且路障尺寸中的裂缝宽度小于预设裂缝宽度阈值时，灾后路段的通行状态为通行状态，此处的裂缝长度阈值可以根据路段长度设置，裂缝宽度阈值可以根据道路宽度设置。
[0066] 当该灾后路段的受损参数中的受损类型为路面塌陷时，此时需要考虑的时塌陷深度以及道路塌陷区的面积，其中道路塌陷区的面积即为道路受损面积，当道路受损面积大于预设道路受损面积阈值，且路障尺寸中的塌陷深度大于预设塌陷深度阈值时，该灾后路段的通行状态为非通行状态。相反地，当道路受损面积小于预设道路受损面积阈值，且路障尺寸中的塌陷深度小于预设塌陷深度阈值时，灾后路段的通行状态为通行状态。此处的塌陷深度可以根据救援车辆的车辆结构设置，例如车辆底盘与地面的高度。
[0067] 当灾后路段的受损参数中的受损类型为积水淹没时，首先需要根据道路受损面积确定是否处于通行状态，当道路受损面积大于预设道路受损面积阈值时，说明积水所占的道路面积较大，因此设置为非通行状态。若道路受损面积不大于预设道路受损面积阈值，将灾后路段的通行状态设置为非必要不通行状态。当该灾后路段属于救援车辆的行驶路线时，通过救援车辆获取灾后路段的积水深度，若灾后路段的积水深度大于预设积水深度阈值，将灾后路段的通行状态由非必要不通行状态更新为非通行状态。若灾后路段的积水深度小于预设积水深度阈值，将灾后路段的通行状态由非必要不通行状态更新为通行状态。
[0068] 根据预先存储的公共交通路网数据以及实时获取的每个指定救援车辆的实时位置，生成每个指定救援车辆到达受灾地点的多条路线，需要说明的是，此处的公共交通路网数据是指形成电子地图所需的公共交通数据，例如，可以包括道路名称、道路走向以及每个区域内所包括的所有道路数据等用于形成电子地图所需的交通数据。预先获取灾后道路中每个灾后路段对应的地理位置，根据灾后道路中每个灾后路段的地理位置，在多条路线中确定出每个灾后路段对应的多个指定路段。需要说明的是，指定路段与灾后路段为一一对应的关系。根据灾后道路中每个灾后路段的通行状态，判断多个指定路段中是否存在可通行状态的指定路段，当该多个指定路段中存在可通行状态的指定路段时，获取该可通行状态的指定路段对应的指定路线，将该指定路线作为该救援车辆的行驶路线。若多个指定路段中不存在可通行状态的指定路段时，则获取通行状态为非必要不通行的路段，并将此路段对应的路线作为救援车辆的行驶路线。当多个指定路段中存在多个可通行路段时，获取每个可通行路段对应的可通行路线，得到多条指定路线。在预先存储的公共交通路网数据中进行路径规划，根据每条指定路线的道路总长度、沿线交通拥堵情况，计算每条指定路线的预计通行时间，在多条指定路线中确定出预计通行时间最少的制定路线作为该救援车辆的行驶路线。
[0069] 第二种方式是直接根据灾后路段的受损参数，确定出救援车辆的诱导行驶路线。具体如下：
[0070] 根据预先存储的公共交通路网数据，以及实时获取的该每个指定救援车辆的实时位置，生成该每个指定救援车辆到达该受灾地点的多条路线；当该灾后路段的受损参数中的受损类型为落石遮挡、道路裂缝以及路面塌陷中的任意一项或多项时，根据每个该灾后路段的受损参数中的路障尺寸与道路受损面积，在该多条路线中确定出多条可通行路线；其中，每个该可通行路线中的灾后路段的受损参数中的路障尺寸均小于预设路障尺寸阈值，且每个该可通行路线中的灾后路段的受损参数中的该道路受损面积均小于该道路受损面积阈值；获取每条可通行路线的预计通行时间，在该多条可通行路线中确定出预计通行时间最少的通行路线，作为该指定救援车辆的行驶路线；当该每个灾后路段的受损参数中的受损类型为积水淹没时，根据该受损参数中的道路受损面积与预设道路受损面积阈值的关系，在该灾后路段中确定出第一类受损路段，其中，该第一类受损路段的受损参数中的道路受损面积大于该预设道路受损面积阈值；在该每个指定救援车辆到达该受灾地点的多条路线中，剔除第一类路线，得到多条剩余路线，其中，各个该第一类路线中，均包括至少一个路段为第一类受损路段；在该多条剩余路线中，确定出该指定救援车辆的行驶路线。
[0071] 在本说明书的一个实施例中，根据预先存储的公共交通路网数据，以及实时获取的每个指定救援车辆的实时位置，生成每个指定救援车辆到达受灾地点的多条路线，在确定出多条线路中，包括多个受损路段，根据受损路段的受损参数，确定出指定救援车辆的行驶路线。
[0072] 当灾后路段的受损参数中的受损类型为落石遮挡、道路裂缝以及路面塌陷中的任意一项或多项时，将受损参数中的路障尺寸小于预设路障尺寸阈值，以及受损参数中的道路受损面积小于道路受损面积阈值，所对应的受损路段所在的路线作为救援车辆可以通行的通行路线。为了保证及时到达受灾地点，在多条通行路线中，根据每条通行路线的长度、路况以及道路拥堵情况，计算指定救援车辆按照各个通行线路行驶的预计通行时间，在多条可通行路线中确定出预计通行时间最少的通行路线，作为指定救援车辆的行驶路线，将指定救援车辆按照预计通行时间最少的通行路线进行道路诱导。
[0073] 当每个灾后路段的受损参数中的受损类型为积水淹没时，在灾后路段中确定出受损参数中的道路受损面积大于该预设道路受损面积阈值的第一类受损路段。由于此类受损路段的道路受损面积较大，例如整条路段均被积水淹没，此时不适合车辆通行，车辆持续在较长积水路段通行会导致车辆发生故障。因此，在每个指定救援车辆到达受灾地点的多条路线中，剔除包括第一类灾后路段的第一类路线，得到多条剩余路线，在多条剩余路线中，确定出指定救援车辆的行驶路线。需要说明的是，此处也可以在灾后路段中确定出，受损参数中的道路受损面积不大于预设道路受损面积阈值的受损路段，在此类受损路段所在的路线中确定出指定救援车辆的行驶路线。
[0074] 其中，在该多条剩余路线中，确定出该指定救援车辆的行驶路线，具体包括：获取每条剩余路线中的每个该灾后路段与该指定救援车辆之间的距离；在该多条剩余路线中，确定出指定剩余路线，其中，该指定剩余路线中的该灾后路段与该指定救援车辆之间的距离最短；将该指定救援车辆诱导至该指定剩余路线中的灾后路段处，以便于通过该指定救援车辆，获取该指定剩余路线中的该灾后路段的积水深度，并将指定剩余路线中的灾后路段的积水深度发送至侦测信息云平台；判断该指定剩余路线中的该灾后路段的积水深度，与预设积水深度阈值之间的关系；若该指定剩余路线中的该灾后路段的积水深度，不大于该预设积水深度阈值，则诱导该指定救援车辆按照该指定剩余路线行驶至受灾地点。
[0075] 在本说明书的一个实施例中，当受损类型为积水淹没时，当道路受损面积不大于预设道路受损面积阈值时，此类情况下，并不能保证救援车辆可以在此路段通过。在积水淹没的受损类型下，还需要考虑积水深度。即使道路受损面积仅占灾后路段的一小部分，但是若积水深度过深，车辆仍然无法通行，但是积水深度的确定无法通过图像数据中得到准确数据，因此，可以通过诱导救援车辆行驶至灾后路段，通过救援车辆获取灾后路段处的积水深度。
[0076] 可以根据救援车辆与受损路段之间的距离，将指定救援车辆诱导至灾后路段进行实地积水深度的采集，若灾后路段的积水深度不大于预设积水深度阈值，则诱导救援车辆按照当前线路继续行驶至受灾地点，并将此灾后路段的积水深度发送至侦测信息云平台，以便于侦测信息云平台将此受损路段的积水深度发送至其他救援车辆的车载诱导子系统。
[0077] 若灾后路段的积水深度大于预设积水深度阈值，说明此路线无法通行，则将该灾后路段的积水深度发送至侦测信息云平台。为了诱导指定救援车辆行驶至受灾地点，将指定救援车辆诱导至，距离该灾后路段最近的其他灾后路段，通过指定救援车辆采集其他灾后路段处的积水深度，将积水深度发送至侦测信息云平台，并判断积水深度与预设积水深度阈值之间的关系，直至确定出积水深度小于预设积水深度阈值的灾后路段，诱导指定救援车辆按照此灾后路段所在的路线行驶至受灾地点。具体地，诱导该指定救援车辆按照该行驶路线行驶至该受灾地点之后，该方法还包括：在该多个指定受损路段中，确定出非通行状态对应的第一路段；获取该第一路段的地理位置，以该第一路段的地理位置为圆心，设置指定范围；获取多个道路维护车辆的实时位置，其中，每个道路维护车辆对应的道路维护类型不同；根据该多个道路维护车辆的实时位置，确定出在该指定范围内的多个指定维护车辆；通过该第一路段对应的受损参数中的道路受损类型，在该多个指定维护车辆中，确定出第一道路维护车辆，其中，该第一道路维护车辆的道路维护类型与该第一路段的道路受损类型相对应；根据该第一道路维护车辆的实时位置和该第一路段的地理位置，生成道路维护的诱导路线，以便于诱导该第一道路维护车辆，按照该道路维护的诱导路线行驶至该第一路段，对该第一路段进行道路维护。
[0078] 具体地，诱导该第一道路维护车辆，按照该道路维护的诱导路线行驶至该第一路段，对该第一路段进行道路维护之后，该方法还包括：通过该第一道路维护车辆的视频采集装置，采集该第一路段的实时路段图像；将该第一路段的实时路段图像与预先获取的第一路段对应的道路灾前初始图像进行对比，判断该第一路段的实时路段图像中是否存在受损区域；当该第一路段的实时路段图像中不存在该受损区域时，将该第一路段的通行状态更新为可通行状态，并发送至该侦测信息云平台，以便于该侦测信息云平台将该第一路段的通行状态发送至该多个指定救援车辆。
[0079] 在自然灾害发生后，为了保证救援车辆可以及时到达受灾地点进行实地救援，还设置有道路维护车辆，不同的道路维护车辆所维护的受损类型不同，例如，当受损类型为落石遮挡时，为了清除道路上的落石，此时的道路维护车辆可以是铲车。需要说明的是，可以在道路维护车辆中设置道路诱导子系统，通过道路诱导子系统接收灾后路段的受损参数，也可以通过在道路维护车辆中设置车辆终端，通过车辆终端接收侦测信息云平台的受损路段的受损参数，也就是说，通过车辆终端建立维护车辆和侦测信息云平台之间的通信连接，此处的车辆终端可以是车载电脑，本说明书实施例在此不作具体限定。
[0080] 在本说明书的一个实施例中，以非通行状态对应的路段的地理位置为圆心，指定距离为半径，设置指定范围。获取多个道路维护车辆的实时位置，其中，每个道路维护车辆对应的道路维护类型不同；根据多个道路维护车辆的实时位置，确定出在指定范围内的多个指定维护车辆，可以保证维护车辆及时到达非通行状态的受损路段，进行道路维护。由于不同的道路维护车辆所维护的受损类型不同，可以通过非通行状态路段对应的受损参数中的道路受损类型，在多个指定维护车辆中，确定出与道路维护车辆的维护类型相同的维护车辆，并根据该维护车辆的实时位置和待维护路段的地理位置，生成道路维护的诱导路线，以便于诱导该维护车辆行驶至待维护路段进行道路维护。
[0081] 当维护车辆对待维护路段维护之后，通过该维护车辆的视频采集装置，采集待维护路段的实时路段图像，将待维护路段的实时路段图像，与预先获取的待维护路段对应的道路灾前初始图像进行对比，判断待维护路段的实时路段图像中是否还存在受损区域；若待维护路段的实时路段图像中不存在受损区域时，说明已经维护完成，此路段可以通行，将待维护路段的通行状态更新为可通行状态，并发送至该侦测信息云平台，以便于该侦测信息云平台将该待维护路段通行状态发送至该多个指定救援车辆。
[0082] 通过上述技术方案，将灾后路段的受损情况和通行状态发送至救援车辆处，根据每个灾后路段的受损情况和通行状态，与交通路网数据进行融合，生成救援路线，避免了将救援车辆导航至无法通行的路段，节省救援时间，保证了救援车辆的安全性。
[0083] 本说明书实施例还提供另一种用于灾后救援的道路诱导方法，如图5所示，图5为本说明书实施例提供的另一种用于灾后救援的道路诱导方法的流程示意图，应用于灾后场景道路损毁智能侦测与诱导系统，由智能侦测系统、侦测信息云平台和车载诱导系统组成。
[0084] 自然灾害发生后，智能侦测系统利用天基子系统的卫星对受灾区域进行大范围的侦测，通过光学影像数据和SAR遥感影像数据，实现大范围道路损毁位置快速侦测与定位。基于天基子系统对受损路段的位置侦测与定位，空基子系统使用无人机搭载高清摄像头，前往受损路段进行二次精细化侦测，实现道路损毁的高精度侦测。可采用单体无人机侦测，更优的可采用无人机群多机协同侦测，提高侦测效率。
[0085] 侦测信息云平台通过卫星通信模块和互联网通信模块分别接收卫星SAR遥感影像数据、卫星光学影像数据、无人机高清影像数据等智能侦测系统采集的道路损毁情况信息，基于地理坐标信息与道路矢量数据，融合卫星SAR遥感影像、卫星光学影像、无人机高清影像数据，对受损路段进行识别。确定道路损毁的地理位置以及道路损毁的类型，道路损毁的类型包括桥梁隧道损毁、路基沉陷崩塌、洪水淹没、泥石流掩埋等，并确定道路损毁的严重程度，道路损毁的严重程度包括轻度损毁、中度损毁和重度损毁。根据道路损毁的严重程度对受损路段是否具备可通行性进行判断，轻度损毁对应的通行状态为可通行；中度损毁对应的通行状态为非必要不通行；重度损毁对应的通行状态为不可通行，并将受损路段的识别与判断信息通过卫星通信模块或者互联网通信模块播发给车载诱导系统。同时将道路损毁情况信息及受损路段识别与判断信息分别进行存储。
[0086] 车载诱导系统基于侦测信息云平台的受损路段识别与判断信息，将受损路段与公共交通路网数据匹配拟合，将受损路段与识别判断信息标注在电子地图上，对灾后道路网进行应急路径规划。
[0087] 例如，假设从出发地到目的地共有8个路段：1a，1b，2a，2b，3a，3b，3c，3d，共有6种组合路线，如图6所示，图6为本说明书实施例提供的一种路径规划展示图。6条路线分别是路线1、路线2、路线3、路线4、路线5以及路线6，在每条路线中包括的路段如表1所示，表1为每条路线的路线明细。车载诱导子系统根据路段受损严重程度用绿、黄、红三色标注，其中，未损毁或者轻微损毁路段，对应轻度损毁，对应的通行状态为可通行状态，使用绿色对道路进行标注；中度损毁时对应的通行状态为非必要不通行，使用黄色对道路进行标注；重度损毁时对应的通行状态为非通行状态，使用红色对道路进行标注，并同时将标注出的识别信息显示在电子地图对应的受损路段上。
[0088] 表1每条路线的路线明细
[0089]
[0090] 车载诱导系统接收侦测信息云平台的受损路段识别与判断信息，将受损路段与公共交通路网数据匹配拟合，确定路段2b发生泥石流掩埋，重度损毁，不可通行，红色标注；确定路段3d路基沉陷崩塌，中度损毁，非必要不通行，黄色标注。则路线1、路线2、路线5均为安全可通行路线，如图5与表1所示。结合路线1、路线2、路线5的路程长度、沿路交通拥堵情况，计算路线预估耗时，选取耗时最短路线(假设路线1)诱导救援车辆前往目的地。
[0091] 当救援车辆按照路线1(1a‑2a‑3a)行驶至2a路段时，车载诱导子系统接收到新的受损路段判断信息，确定路段3a刚发生桥梁重度损毁，为道路重度损毁，对应的通行状态非通状态，在电子地图中使用红色进行标注，如图7所示，图7为本说明书实施例提供的另一种路径规划展示图，车载诱导子系统根据接收到的灾后路段的通行状态，进行动态重构，重新规划路径，由原来的2a‑3a路线变更为2a‑3b路线，保障救援车辆安全及时的到达目的地。
[0092] 在救援车辆行进过程中，实时更新受损路段与路网数据信息，及时补充新出现的受损路段信息，实现在途交通诱导路径动态重构，确保救援车辆安全、及时的到达目的地。
[0093] 本说明书实施例还提供一种用于灾后救援的道路诱导设备，如图8所示，设备包括：至少一个处理器；以及，与至少一个处理器通信连接的存储器；其中，存储器存储有可被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：通过道路侦测子系统中的天基侦测模块，获取受灾地点的位置信息，以便于该道路侦测子系统中的空基侦测模块，根据该受灾地点的位置信息，采集该受灾地点对应预设区域内的灾后道路信息，其中，该灾后道路信息包括灾后道路图像，该灾后道路图像包括多个灾后路段图像；通过侦测信息云平台，对该灾后道路信息中的该灾后道路图像中的多个灾后路段图像分别进行识别，生成灾后道路中每个灾后路段的受损参数，其中，该路段的受损参数包括若干受损道路分别对应的道路受损面积、道路受损类型、路障尺寸中的任意一项或多项；获取该多个救援车辆的实时位置信息，根据该多个救援车辆的实时位置信息以及该受灾地点的位置信息，在该多个救援车辆中，确定出多个指定救援车辆，其中，每个指定救援车辆均位于该受灾地点的预设范围内；将该灾后道路中每个灾后路段的受损参数，分别发送至该每个指定救援车辆，以便于该指定救援车辆的车载诱导子系统，根据该灾后道路中每个灾后路段的受损参数与预先存储的公共交通路网数据，生成每个指定救援车辆的行驶路线，以便于诱导该指定救援车辆按照该行驶路线行驶至该受灾地点。
[0094] 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，对于装置、设备、非易失性计算机存储介质实施例而言，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。
[0095] 上述对本说明书特定实施例进行了描述。其它实施例在所附权利要求书的范围内。在一些情况下，在权利要求书中记载的动作或步骤可以按照不同于实施例中的顺序来执行并且仍然可以实现期望的结果。另外，在附图中描绘的过程不一定要求示出的特定顺序或者连续顺序才能实现期望的结果。在某些实施方式中，多任务处理和并行处理也是可以的或者可能是有利的。
[0096] 以上该仅为本说明书的一个或多个实施例而已，并不用于限制本说明书。对于本领域技术人员来说，本说明书的一个或多个实施例可以有各种更改和变化。凡在本说明书的一个或多个实施例的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本说明书的权利要求范围之内。
