基于深度学习的道路积水智能监测方法

白岗岗,侯精明,韩 浩,夏军强,李丙尧,张阳维,卫志豪

(1.西安理工大学省部共建西北旱区生态水利国家重点实验室，陕西 西安 710048；2.武汉大学水资源与水电工程科学国家重点实验室，湖北 武汉 430072)

随着全球气候变化加剧，极端降雨频次不断增多，与此同时城镇化进程快速推进，极大地改变了下垫面条件，致使城市内涝积水问题日益突出[1-5]。2012年北京“7·21”特大暴雨引发了严重的城市内涝，造成严重的人员伤亡和经济损失。2018年8月辽宁大连突降大到暴雨，路面积水使灯箱漏电，致一名蹚水行走的男子不幸触电身亡。可见高效、安全、精准地开展城市内涝积水监测对降低内涝成灾风险、减少内涝引起的城市交通及市民出行安全等隐患具有重要意义[6]。

目前针对城市内涝积水信息监测的主要方法有人工观测法、仪器测量法等，其中人工观测法需要消耗大量的人力物力，效率较低且存在严重的安全隐患；仪器测量法通过传感器进行量测，有着方便快捷且精度较高的优点，但缺点也较明显，如仪器成本较高且受外界的干扰较大[7]。因此，需寻找一种安全、效率高且成本低的监测方法来监测城市内涝积水。

近年来随着深度学习技术的不断提高，人工智能飞速发展，卷积神经网络(convolutional neural network, CNN)作为深度学习的代表算法，在图像识别领域中的应用取得了大量突破性成果。Hua等[8]针对大场景遥感影像中多个物体和微物体的实时检测，提出了一种将视觉感知和CNN相结合的遥感影像实时物体检测算法，该算法不仅能保证检测精度，且可大幅度提高目标检测的效率。……