Data Flow Monitoring and Analysis of Earthquake Early Warning System
-
摘要: 为实现地震预警网络环境实时监控与分析,明确各业务系统之间的数据流向和范围,根据地震预警系统业务分区梳理关键业务、网段和终端,并通过数据流分析实现地震预警系统网络流量监控。通过数据包采集与解码技术,实现对主要业务系统关键指标的监控,从而对地震预警系统的网络访问性能、系统服务性能、应用响应性能等关键指标进行综合监控与分析,实现以业务为核心的网络环境监控与支撑。Abstract: This paper studies the data flow monitoring of the Earthquake Early Warning system based on the connection of the core components. We sort out the key servers, network segments and terminals of the EEW system, and then analysis the data flow, extract key indicators by data packet acquisition and decoding technology, so as to comprehensively monitor and analyze the key performance indicators such as network access performance, system service performance and application response performance of the full life cycle of EEW system.
-
引言
从近十几年国内外地震震害来看,房屋破坏是造成人员伤亡和经济损失的最主要原因。房屋建筑资料等信息一直是灾情快速评估的重要基础,尤其是房屋结构的合理分类,决定着评估结果的准确性(聂高众等,2002;帅向华等,2009;姜立新等,2012)。
近年来,随着遥感影像技术的迅速发展,高分卫星遥感分辨率提升至亚米级,为房屋基本信息的快速获取提供了途径。王晓青等(2004)和窦爱霞等(2012)通过遥感技术获取灾区震后遥感影像,并提出了遥感震害指数与定量分析模型,成功应用于汶川、玉树地震等的震害快速定量化评估中。郭建兴等(2020)提出了利用遥感影像结合居民地建筑物数据评估地震烈度的方法。马建等(2020)通过获取震后高分辨率无人机影像,对房屋进行结构分类和震害解译。李昌珑等(2019)利用三维图像模式识别各类建筑物的数量分布,并建立不同建筑物易损性模型。汶川、玉树地震等震害多次暴露出我国村镇房屋抗震能力较脆弱,快速、全面、准确掌握村镇房屋抗震能力一直是研究的重点方向(周强等,2016;李皓等,2018)。
目前,主要利用遥感影像进行震后房屋震害识别,较少用于房屋抗震能力的研究。因各地房屋结构复杂、形式多样,实际调查难度大,通过遥感技术快速获取房屋结构类型等基本信息,对分析房屋抗震能力具有现实意义。刘贾贾等(2019,2021)通过遥感影像对城镇和农村建筑物进行分类,并根据建筑物分类结果对震害风险进行初步划分。
本文通过无人机航拍和遥感影像获取房屋基本信息,通过人机交互方式提取村镇房屋结构类型,结合实地调查统计得到其他信息,建立当地村镇房屋抗震能力指数体系,分析村镇房屋抗震能力。利用遥感影像实现房屋基本信息的快速提取,提高房屋信息获取的便捷性,且具有较高的准确性和可靠性,对于地震灾害损失评估、风险普查、风险区划等工作具有重要意义。
1. 研究区域
张家口市位于河北省西北部,京晋冀蒙交界地带,是“首都圈”地区地震重点监视防御区和晋冀蒙交界地震重点危险区,属于张家口—渤海地震构造带与汾渭地震构造带交汇地区,具备发生中等破坏性地震的条件和背景(李书进等,2010;张肖等,2019;茅远哲等,2019)。
根据张家口市所处的地理位置、经济发展情况,部分地区新农村建设发展迅速,按抗震设防建造的房屋抗震能力存在差异。而部分地区发展较慢,存在无抗震能力的旧房,如土木、砖木、土窑结构房屋等(刘龙等,2019)。万全区位于张家口市西北部,地理位置险要,受地质构造控制,地形北高南低,东西向为西高东低,是川、丘、山并存的地区(图1),本文以该区域作为研究对象。
2. 现场调查
调查数据作为万全区房屋抗震性能分析的重要基础数据,为后期房屋抗震能力分析奠定基础。基于随机均匀分布原则,对于研究区每个乡镇,选取不少于2个调查点,调查范围确定了22个村镇(图2),包括新河口村、代家房村、西湾村、武家庄村、新开口村、望虎台村、刘虎庄村、板山村、阳门堡村、旧羊屯村、吴家窑村、上营房村、西柳林村、洗马林镇、万全镇、沙家庄村、陈家沟村、高庙堡村、羊窖沟村、岸庄屯村、安家堡村、赵家梁村。采取拍取房屋照片、填写房屋信息、无人机测航调查点等方式开展调查,普查主要侧重于结构类型、抗震设防水平、构造措施等基本情况,详查是在普查的基础上,对调查区域内房屋进行随机抽样,更加详细地调查建造年代、层数、用途等信息(周强等,2016)。
3. 建筑物数据提取
目前,利用遥感影像提取房屋数据包括人工目视判读和计算机自动解译2种方式。其中,人工目视判读精度较高,但费时费力,效率较低。计算机自动解译效率高,但易受周边背景的影响(赵春霞等,2004)。针对上述方式优缺点,本文采用eCognition软件处理与人工目视判读提取无人机影像图的房屋信息(刘贾贾等,2019)。
本文以大疆无人机为测航平台,以Pix4D软件为地理空间航片拼接工具,对万全区村镇进行抽样拍摄。所用无人机遥感影像具有高空间分辨率特点,可使地物几何结构和纹理信息显示更清晰。从拍摄影像图来看,研究区内房屋多为红瓦、青瓦房顶,且房顶多为尖顶,以屋脊为界,向两侧倾斜。无人机遥感影像中的房屋屋顶纹理清晰,形状规则,颜色与耕地、林地等有显著区别(胡勇等,2016)。图3所示为无人机拍摄的调查点影像图,主要技术流程如图4所示。本文以赵家梁村为例进行详细介绍,由于无人机影像(像素分辨率约为0.12 m)与91卫图助手遥感影像(像素分辨率为0.11 m)分辨率接近,其余村镇采用91卫图助手遥感影像进行识别,识别步骤与无人机影像一致。
影像处理流程如图5所示,为提高正确率,采用eCognition软件首先对遥感影像进行预处理,分别选择30、40、50尺度进行分割。将3种尺度的分割效果进行对比,发现分割尺度为40时,建筑物能较好地同其他地物进行区分,提取建筑物较完整,未出现“粘连”现象。由此得出分割尺度为40,形状指数为0.4,紧密度为0.5。利用特征库的阈值分类法将建筑物与非建筑物进行区分,与调查结果对比修正后提取影像图房屋面积。
根据实地调查情况,张家口农村地区土木、砖木结构房屋普遍占地面积为40~60 m2,屋顶多为灰瓦小尖顶,颜色较暗沉,房屋进深多为3~4 m。砖混结构房屋占地面积为60~90 m2,屋顶多为灰瓦屋顶,颜色较鲜艳,房屋进深多为4~4.6 m。根据以上特征,采用样本邻近分类方法,将房屋类型识别为2类,分别为土木、砖木结构房屋和砖混结构房屋。
通过人工目视校核和编辑进一步识别房屋类型,对照无人机拍摄的实地房屋侧面照片(图4)与无人机影像图(图3)进行对比匹配,最终给出房屋结构和层数提取结果。通过对图3进行辨识,将房屋类型划分为4类(图6),包括砌体结构房屋,工业厂房、公共空旷房屋,砖木结构房屋,土、木、石结构房屋。对于一般性居民地,可不考虑工业厂房和公共空旷房屋面积。表1为计算得出的3类房屋面积,赵家梁村砌体结构房屋面积为55 478.99 m2,砖木结构房屋面积为21 807.27 m2,土、木、石结构房屋面积为19 233.63 m2。
通过无人机遥感影像与91卫图助手遥感影像对22个调查点分别进行房屋结构与面积的提取,并结合实际调查和无人机拍摄房屋侧面照片,修正22个调查点提取的房屋信息数据。因遥感影像无法判断砌体结构房屋是否设防,故砌体结构房屋中设防房屋与未设防房屋占比通过实地调查得到。
表 1 22个调查点房屋信息Table 1. House area summary o for 22 survey points序号 调查点 砌体结构房屋
面积/m2砖木结构
房屋面积/m²土、木、石结构房屋
面积/m2序号 调查点 砌体结构
房屋面积/m2砖木结构
房屋面积/m2土、木、石结构房屋
面积/m21 新河口村 17 181 40 492 14 168 12 上营房村 49 995 16 078 7 481 2 代家房村 7 335 15 503 3 693 13 西柳林村 2 044 5 492 821 3 西湾村 1 727 3 121 709 14 洗马林镇 263 798 98 653 54 821 4 武家庄村 48 671 111 185 31 716 15 万全镇 36 337 13 895 3 686 5 新开口村 70 999 44 171 13 381 16 沙家庄村 69 798 21 931 8 306 6 望虎台村 7 107 7 934 3 042 17 陈家沟村 20 917 43 403 15 590 7 刘虎庄村 15 150 39 950 13 182 18 高庙堡村 212 719 84 412 50 936 8 板山村 19 045 8 172 9 802 19 羊窖沟村 48 847 44 772 9 339 9 阳门堡村 124 920 130 124 42 232 20 岸庄屯村 84 151 109 636 21 021 10 旧羊屯村 124 071 127 114 43 988 21 安家堡村 277 443 92 840 50 190 11 吴家窑村 40 342 13 275 5 845 22 赵家梁村 55 479 21 807 19 234 4. 房屋抗震能力分析
获取房屋结构类型比例是分析房屋抗震能力的重要环节。通过建立遥感影像获取不同类型建筑物面积,得到研究区内建筑物结构比例,结合抽样调查得到的各影响因素类型和分布比例关系,得出不同时代建筑物面积所占比例及层数所占比例。利用样本建筑物房屋类型抗震能力指数,分析万全区建筑物综合房屋类型抗震能力指数。
4.1 影响建(构)筑物抗震能力的因素
无数震害实例表明,提高建(构)筑物抗震能力是减轻震害最有效的途径。因此,提高建(构)筑物抗震能力是防震减灾重要环节(张风华等,2004;刘莉,2009)。归纳震害经验,同时考虑建(构)筑物抗震能力影响因素和数据易获取性,将房屋抗震设防水平、结构类型、建造年代和层数作为抗震能力指标。
4.2 划分建(构)筑物抗震能力指数等级
根据《建(构)筑物地震破坏等级划分》(GB/T 24335—2009)(中华人民共和国国家质量监督检验检疫总局等,2009),将建(构)筑物地震破坏分为5个等级,即基本完好、轻微破坏、中等破坏、严重破坏、毁坏。将建(构)筑物抗震能力量化为抗震能力指数,其代表建(构)筑物抵御地震灾害的能力,取值范围为0~1,数值越大表明抗震能力越好,越小表明抗震能力越差(谢礼立,2006),基本完好、轻微破坏、中等破坏、严重破坏、毁坏对应的抗震能力指数分别为1.0、0.8、0.6、0.4、0.2。
4.3 建(构)筑物抗震能力指数的确定
《建筑抗震设计规范》(GB 50011—2010)(中华人民共和国住房和城乡建设部等,2010)规定,地震区建筑必须按规定设防,因此不同的基本烈度地区设防标准不同,震害矩阵也不同。本文依据《中国大陆地震灾害损失评估汇编》收集到的1989—2016年华北片区成灾地震的震害记录和相关数据,参考河北省地震应急基础数据库震害矩阵,修改得到适用于本研究区的震害矩阵。根据《地震现场工作 第4部分:灾害直接损失评估》(GB/T 18208.4—2011)(中华人民共和国国家质量监督检验检疫总局等,2011)将房屋类别划分为钢结构房屋,钢筋混凝土房屋,砌体房屋,砖木房屋,土、木、石结构房屋,工业厂房和公共空旷房屋。鉴于张家口地区农村房屋多为砌体房屋、砖木、土木结构房屋,可将房屋类别划分为A、B、C、D类,其中A类为土、木、石结构房屋,包括土墙木屋架的土坯房、砖柱土坯房、土坯窑洞、碎石砌筑房屋;B类为砖木房屋,包括砖墙、木房架的多层砖木结构、砖木平房;C类为未设防的砌体房屋,即未经设防的砖砌体房屋;D类为设防的砌体房屋,即按照Ⅶ度设防的砖砌体房屋,选用的震害矩阵如表2~5所示。
表 2 A类房屋震害矩阵(%)Table 2. Earthquake damage matrix of A type buildings(Unit:%)破坏等级 地震烈度 Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ 基本完好 32.00 16.50 7.00 2.50 0 轻微破坏 26.50 18.50 12.00 8.50 1.50 中等破坏 22.50 20.00 16.50 14.00 7.50 严重破坏 16.50 26.00 27.00 25.00 18.50 毁坏 2.50 19.00 37.50 50.00 72.50 表 3 B类房屋震害矩阵(%)Table 3. Earthquake damage matrix of B type buildings(Unit:%)破坏等级 地震烈度 Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ 基本完好 47.35 26.85 11.53 7.45 1.98 轻微破坏 27.09 21.01 15.94 10.36 4.48 中等破坏 15.83 21.88 22.43 17.29 11.45 严重破坏 7.84 20.84 29.90 25.97 17.28 毁坏 1.89 9.42 20.20 38.93 64.81 表 4 C类房屋震害矩阵(%)Table 4. Earthquake damage matrix of C type buildings(Unit:%)破坏等级 地震烈度 Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ 基本完好 56.11 42.49 25.59 13.47 2.85 轻微破坏 27.76 23.75 21.43 16.76 7.30 中等破坏 10.89 16.65 21.58 23.16 17.40 严重破坏 4.29 12.38 20.36 22.15 24.86 毁坏 0.96 4.73 11.04 24.46 47.59 表 5 D类房屋震害矩阵(%)Table 5. Earthquake damage matrix of D type buildings(Unit:%)破坏等级 地震烈度 Ⅵ Ⅶ Ⅷ Ⅸ Ⅹ 基本完好 69.29 67.24 53.28 33.65 10.96 轻微破坏 24.91 21.71 23.33 23.41 16.14 中等破坏 4.62 7.56 14.40 22.22 25.53 严重破坏 1.06 2.80 6.67 13.67 26.27 毁坏 0.12 0.69 2.32 7.05 21.10 因遥感影像无法区别设防与未设防的砌体房屋,所以通过实地调查对利用遥感影像提取到的砌体房屋进行分类,即分为C类或D类。一般来说,设防的砌体结构房屋所占比例高的地区建(构)筑物抗震能力强。不同地区建(构)筑物抗震能力在很大程度上取决于A、B、C、D类房屋面积比例。因此,本文采用谢礼立(2006)确定的抗震能力指数公式计算不同地区建(构)筑物震害矩阵:
$$ P\left[ {{D_i}/J,I} \right] = \sum\limits_{s = 1}^4 {{\omega _s}} {P_s}\left[ {{D_i}/J,I} \right] $$ (1) 式中:
$P\left[ {{{{D_i}} / {J,I}}} \right]$ 表示设防烈度为J的建筑物遭遇I烈度地震时的震害矩阵;${P_s}\left[ {{{{D_i}} / {J,I}}} \right]$ 表示s类结构设防烈度为J的建筑物遭遇I烈度地震时的震害矩阵;${\omega _s}$ 表示s类结构建筑物面积比例。不同地区建(构)筑物平均抗震能力计算公式如下:
$$ IL1(J,I) = {\boldsymbol{K}}\times P\left( {{D_i}/J,I} \right) $$ (2) 式中:
$IL1\left({J,I} \right)$ 表示城镇设防烈度为J的建(构)筑物遭受I烈度地震时的平均抗震能力指数;K表示抗震能力等级矩阵,为$ \{1,0.8,0.6,0.4,0.2\}$ 。通过收集的单体样本数据库考虑建造年代和层数对抗震能力的影响。考虑某年代对抗震能力指数的影响时,将单体样本数据库中去除这个年代后得到震害矩阵,比较原震害矩阵抗震能力指数和去除该年代后得出的震害矩阵抗震能力指数的差别,得出该年代对抗震能力的修正值,公式如下:
$$ {K_j} = \frac{{{F_{\rm{V}}}({{ {\rm{Newly}} }})}}{{{F_{\rm{V}}}({{ {\rm{Original}} }})}} $$ (3) 式中:
${{F_{\rm{V}}}({{ {\rm{Newly}} }})}$ 表示在单体样本数据库中去除j因素(年代)后得出的抗震能力指数;${{F_{\rm{V}}}({{ {\rm{Original}} }})}$ 表示根据原有震害矩阵得出的抗震能力指数;Kj表示第j个因素对抗震能力的影响值。根据式(3),得到建造年代和层数对抗震能力的修正值,如表6、7所示。
表 6 建造年代修正参考值Table 6. Reference value of building age correction建造年代 1979年以前 1980—1989年 1990—1999年 2000—2019年 修正值 0.700 0.800 0.934 1.000 表 7 层数修正参考值Table 7. Corrected reference value of layers层数 平房 2~6层 7层以上 修正值 0.822 0.863 1.000 基于上述分析,可以给出某地区建(构)筑物抗震能力指数计算公式为:
$$ IL = IL1 \times (0.7 \times a1\% + 0.8 \times a2\% + 0.934 \times a3\% + 1 \times a4\% )\\ \times (0.822 \times b1\% + 0.863 \times b2\% + 1.0 \times b3\% ) $$ (4) 式中:a1、a2、a3、a4分别表示1979年以前、1980—1989年、1990—1999年、2000—2019年建筑物面积占比;b1、b2、b3分别表示平房、2~6层、7层以上建筑物面积占比。
建筑物抗震能力等级划分如表8所示。
表 8 建筑物抗震能力等级划分Table 8. Classification of seismic capacity of buildings建筑物抗震能力分级 优良 中等 差 范围 $ 0.8 \leqslant IL < 1$ $ 0.6 \leqslant IL < 0.8$ $ IL < 0.6$ 5. 结果分析
本文选取不同类型的建筑物面积数据(表1),得到研究区内房屋结构类型比例,并结合实际调查中的详查资料,对研究区域内房屋建造年代、层数进行统计与分类,得到22个调查点房屋建造年代、层数比例,进而计算房屋抗震能力指数。表9所示为22个调查点不同结构类型、建造年代和层数对应的抗震能力指数。根据《建筑工程抗震设防分类标准》(GB 50223—2008)(中华人民共和国住房和城乡建设部,2008),万全区村镇抗震设防水平应按Ⅶ度设防。
表 9 22个调查点房屋抗震能力指数Table 9. Seismic capacity index of 22 survey points调查点 新河口村 代家房村 西湾村 武家庄村 新开口村 望虎台村 刘虎庄村 板山村 阳门堡村 旧羊屯村 吴家窑村 结构类型 A类房屋 0.1851 0.3616 0.1348 0.1590 0.7604 0.1640 0.1855 0.2562 0.3438 0.1460 0.0940 B类房屋 0.5416 0.5368 0.6266 0.5574 0.1934 0.4278 0.5622 0.2136 0.5814 0.4219 0.2135 C类房屋 0.2632 0.1016 0.2386 0.2694 0.0462 0.2543 0.2523 0.5302 0.0515 0.3496 0.5876 D类房屋 0.0101 0 0 0.0142 0 0.1539 0 0 0.0233 0.0825 0.1049 建造年代 1979年以前 0.1234 0.1163 0.1047 0.1211 0.1011 0.1798 0.1221 0.1246 0.3563 0.1452 0.1254 1980—1989年 0.3164 0.3397 0.3451 0.3385 0.1384 0.3269 0.3199 0.3144 0.2364 0.3749 0.3154 1990—1999年 0.3423 0.3543 0.2456 0.3521 0.5916 0.3164 0.3384 0.3287 0.2963 0.3465 0.3336 2000—2019年 0.2179 0.1897 0.3046 0.1885 0.1689 0.1769 0.2196 0.2323 0.111 0.1334 0.2256 层数 平房 0.9659 0.9975 0.9834 0.7489 0.9746 0.8461 0.9644 0.9784 0.8831 0.8313 0.7290 3层以下楼房 0.0341 0.0025 0.0166 0.1746 0.0254 0.1539 0.0356 0.0216 0.1169 0.1569 0.1846 4层以上楼房 0 0 0 0.0765 0 0 0 0 0 0 0 调查点 上营房村 西柳林村 洗马林镇 万全镇 沙家庄村 陈家沟村 高庙堡村 羊窖沟村 岸庄屯村 安家堡村 赵家梁村 结构类型 A类房屋 0.0952 0.0969 0.1287 0.0674 0.0809 0.1908 0.1447 0.0894 0.0956 0.1165 0.1834 B类房屋 0.2046 0.6482 0.2316 0.2541 0.2136 0.5312 0.2398 0.4286 0.4986 0.2155 0.2080 C类房屋 0.5966 0.2549 0.5236 0.5461 0.6189 0.2780 0.5123 0.4131 0.3264 0.5784 0.6086 D类房屋 0.1036 0 0.1161 0.1324 0.0865 0 0.1032 0.0689 0.0794 0.0896 0 建造年代 1979年以前 0.1033 0.1661 0.093 0.0454 0.0765 0.1215 0.0821 0.0965 0.1569 0.1023 0.1651 1980—1989年 0.2985 0.3216 0.3469 0.2947 0.3621 0.3946 0.3416 0.3765 0.3263 0.2989 0.3547 1990—1999年 0.3045 0.3611 0.3136 0.3399 0.3611 0.3108 0.3656 0.3248 0.3625 0.3516 0.2812 2000—2019年 0.2937 0.1512 0.2465 0.3200 0.2003 0.1731 0.2107 0.2022 0.1543 0.2472 0.1990 层数 平房 0.8558 0.9347 0.6725 0.6214 0.8764 0.9036 0.6652 0.8996 0.8088 0.7102 0.9658 3层以下楼房 0.1442 0.0653 0.2036 0.2158 0.1236 0.0964 0.1879 0.1004 0.1123 0.1695 0.0342 4层以上楼房 0 0 0.1239 0.1628 0 0 0.1469 0 0.0789 0.1203 0 根据式(1)~(4)和修正系数得出22个调查点建筑物抗震能力指数值,如图7所示。
采用平均数算法得到万全区房屋抗震设防水平,不同结构类型、建造年代和层数对应的抗震能力指数如表10所示。
表 10 万全区房屋抗震能力指数Table 10. Seismic capacity index of buildings in Wanquan district结构类型 A类其他房屋 0.135 8 B类旧式房屋 0.380 7 C类砌体房屋 0.411 9 D类砌体房屋 0.062 2 建造年代 1979年以前 0.118 6 1980—1989年 0.343 1 1990—1999年 0.332 8 2000—2019年 0.239 4 层数 平房 0.827 5 3层以下楼房 0.123 7 4层以上楼房 0.048 8 通过式(1)计算万全区建筑物震害矩阵,从而得到建(构)筑物平均抗震能力指数为:
$$\begin{split} & IL 1(J,I) = K\times P\left( {{D_i}/J,I} \right)=\\ &[0.902 \;6,0.714 \;4,0.532 \;2,0.405 \;5,0.262 \;9] \end{split} $$ (5) 万全区建(构)筑物抗震能力指数为:
$$ \begin{split} & I L=I L 1 \times(0.7 \times a 1 \%+0.8 \times a 2 \%+0.934 \times a 3 \%+1 \times a 4 \%) \times\\ & (0.822 \times b 1 \%+0.863 \times b 2 \%+1.0 \times b 3 \%)=\\ & [0.684\;7,0.542\;0,0.403\;7,0.307\;6,0.199\;4] \end{split} $$ (6) 可得万全区遭遇VI~Ⅹ度地震时,抗震能力指数为:[0.684 7,0.542 0,0.403 7,0.307 6,0.199 4]。
6. 分析与讨论
本文利用无人机遥感技术获得高分辨率遥感影像图,通过eCognition软件处理初步得到建筑物面积及分类,结合无人机拍摄的侧面照片,通过人工辅助进行识别与修正,并与实地调查相结合,使提取的村镇房屋信息数据更准确,为地震灾害风险评估和地震风险普查工作提供参考。本文在建筑物抗震能力指数计算中考虑了设防与未设防的砌体房屋情况,得到了较精准的建筑物抗震能力情况。但目前无法通过遥感影像识别砌体房屋是否设防,需通过实地调查确定。本研究村镇房屋结构较单一,需对进一步提高城市房屋识别正确率进行研究与探索。
由万全区村镇建筑物抗震能力指数计算结果可知,万全区房屋整体抗震能力较弱,以未设防的砌体结构和砖木、土木结构房屋为主。抗震能力指数为0.6~0.7,基本可抵御VI度地震,当遭遇VI度地震时,万全区村镇建筑物抗震能力为中等,除个别土木结构房屋集中的地区外,房屋不至于大面积损坏,也不会造成巨大损失。当遭遇Ⅶ度地震时,万全区村镇建筑物抗震能力较差。
通过对万全区房屋进行现场调查,发现交通较发达的地方砖木结构房屋较多,偏远难行的地方土木结构房屋较多。老旧的土窑洞、土木结构房屋由于建设年代较早,抗震性能普遍较差。砖木结构房屋普遍未采取抗震措施,木屋架多为硬山搁檩形式,与墙体无可靠拉结,整体性较差。同时,普遍存在门窗开洞过大、窗间墙过窄的现象,造成墙体抗剪能力减弱、房屋刚度不均匀,对房屋整体抗震不利。房屋多采用石砌基础,基础埋深为30~100 cm,部分基础砌筑不牢,影响房屋抗震性能。普遍存在附属设施安全隐患,其中出屋面烟囱、门楼、围墙、挑檐等震后均可能出现掉落、倒塌,进而导致伤人,应予以重视。
地震烈度为VI度时,万全区房屋基本完好。地震烈度为Ⅶ度以上时,房屋会发生大面积损坏,由此看来,张家口地区农村房屋抗震性能仍不足,地震风险偏大,防震减灾形势严峻,应加大农村地区抗震减灾力度。
-
表 1 核心应用
Table 1. List of core applications
业务分区 分系统部署单元 部署方式 IP地址 数据接入区 波形流服务(分流服务) 物理机 10.×.×.5(国家项目台站流) 10.×.×.6(省项目台站流1) 10.×.×.7(省项目台站流2) 10.×.×.8(唐山台站流) 10.×.×.9(张家口台站流) 10.×.×.10(背景场台站流) 10.×.×.11(一般站) 汇集交换区 波形流服务(综合) 物理机 10.×.×.12 波形流服务(触发流) 物理机 10.×.×.13 波形流服务(台网中心) 未知 10.×.×.14 波形流服务(备份中心) 未知 10.×.×.15 波形流服务(北京局) 未知 10.×.×.16 波形流服务(天津局) 未知 10.×.×.17 业务处理区 预警处理软件(JEEW) 物理机 10.×.×.18 预警处理软件(EEW) 物理机 10.×.×.19 烈度速报 物理机 10.×.×.20 决策平台 物理机 10.×.×.21 决策平台(台网中心) 未知 10.×.×.22 数据存储区 数据存储AWS 物理机 10.×.×.23 信息发布区 信息发布子系统 集群 10.×.×.24;10.×.×.25 消息中间件 主备 10.×.×.26 消息通道:预警终端政府 集群 10.×.×.27 消息通道:预警终端学校 集群 10.×.×.28 消息通道:PC端、通信运营商、新闻媒体通道、特殊行业通道 集群 10.×.×.29 消息通道:市级转发通道 集群 10.×.×.30;10.×.×.31 Nginx(负载均衡) 主备 10.×.×.32 MYSQL(紧急地震信息服务) 主备 10.×.×.12 预警转发平台(IPTV、广电等预警信息发布) 集群 10.×.×.33 运维监控区 站点监控 集群(负载均衡) 10.×.×.34 业务系统监控/预警终端 10.×.×.35 观测数据监控 主备 10.×.×.36 NTP 单机 10.×.×.37 表 2 预警业务网段划分
Table 2. Network segments of EEW system
地址段划分 业务分区 VLAN 网关 10.×.0.0/24 专线预警发布区(接入政府专线) 2100 10.×.0.254 10.×.1.0/24 互联网对外发布区 2101 10.×.1.254 10.×.2.0/24 DMZ区 2102 10.×.2.254 10.×.7.0/24 预警数据交换区 2107 10.×.7.254 10.×.8.0/24 预警数据处理区 2108 10.×.8.254 10.×.9.0/24 预警数据存储与备份区 2109 10.×.9.254 10.×.10.0/24 预警运行监控与展示区 2110 10.×.10.254 10.×.11.0/24 预警数据信息服务区 2111 10.×.11.254 10.×.13.0/24 预警系统安全管理区 2113 10.×.13.254 10.×.63.0/24 测试区 2163 10.×.63.254 表 3 预警台站网段划分
Table 3. Network segments of EEW stations
地市 台站数 网段 总带宽/Mbps 廊坊 9 15.×.4.0/22 18 保定 17 15.×.8.0/22 34 邢台 16 15.×.12.0/22 32 唐山 13 15.×.16.0/22 26 沧州 13 15.×.20.0/22 26 邯郸 15 15.×.24.0/22 30 衡水 11 15.×.28.0/22 22 承德 5 15.×.32.0/22 10 石家 4 15.×.36.0/22 8 张家口 34 15.×.40.0/22 68 表 4 监控指标
Table 4. Network monitoring metrics
监控类别 监控指标名称 网络性能 数据流量
(上行和下行)3次握手平均RTT
(客户端、服务端)ACK时延
(客户端、服务端)丢包率 重传率 丢包重传比 应用性能 响应时间 超时比例 交易次数 交易响应率 主机性能 会话数量 连接状态 服务器窗口尺寸 客户端窗口尺寸 表 5 主要应用监控指标
Table 5. Monitoring metrics of core applications
类别 监控指标 波形流服务
(综合)台网中心流交换 广东流服务
(备份)北京流交换 波形流服务
(分流)流服务
(一般站)决策
系统连接类型 长连接 长连接 长连接 长连接 长连接 短连接 短连接 网络性能 比特率/Mbps 142.84 21.85 22.49 19.30 6.20 9.54 0.064 上行比特率/Mbps 1.79 20.07 20.45 16.28 2.14 8.37 0.032 下行比特率/Mbps 141.05 1.79 2.05 3.02 4.06 1.18 0.032 客户端平均ACK时延/ms 2.85 1 693.50 0.00 1.86 1.27 282.38 29.08 服务器平均ACK时延/ms 1.18 15.95 39.41 0.00 26.04 34.30 33.10 TCP重传率/% 0.09 0 0.03 0 0 0.39 0 应用性能 平均响应时间/ms 0.39 0 0 0 0 1.48 0.31 服务器响应平均传输时间/ms 0.05 0 0 0 0 137.73 1.13 主机性能 活动会话数 10 1 1 1 134 552 10 客户端平均窗口大小/KB 662.78 1.00 1.00 164.92 9.38 18.82 382.75 服务器平均窗口大小/KB 37.33 5.45 25.48 64.19 8.32 62.77 56.84 注:监控时间段为2022年3月15日08:05—2022年3月15日08:10。 表 6 台站链路监控指标
Table 6. Monitoring metrics of station links
地市 台站数 数据流量/Kbps 上行流量/Kbps 上行丢包数/个 TCP重传率/% 客户端3次握手
平均RTT/ms服务器3次握手
平均RTT/ms平均ACK
时延/ms廊坊 9 161.78 141.77 1 386 0 13.33 0.01 20.73 张家口 34 492.07 453.99 44 0 16.70 75.95 38.07 保定 17 324.12 288.55 2 278 0.01 71.19 1.29 19.47 邢台 16 285.91 250.55 2 856 0 8.11 0.17 20.54 唐山 13 251.64 231.60 1 862 0 165.34 1.29 25.08 沧州 13 229.89 203.44 9 675 0.01 45.67 0.59 20.24 邯郸 15 218.83 201.43 0 0 82.60 0.22 39.12 衡水 11 207.44 184.05 1 539 0 4.24 0.43 19.72 承德 5 89.99 83.03 217 0.01 11.66 4.62 27.13 石家庄 4 81.67 73.84 549 0.02 1.27 0.28 18.11 -
陈军华, 王忠民, 2006. BGP/MPLS VPN实现原理. 计算机工程, 32(23): 124—126Chen J. H. , Wang Z. M. , 2006. Theory and implementation of BGP/MPLS VPN. Computer Engineering, 32(23): 124—126. (in Chinese) 陈琳, 南洋, 2017. 一种面向大规模系统域网络性能管理系统. 计算机工程与科学, 39(9): 1588—1593Chen L. , Nan Y. , 2017. A performance management system for large-scale system area networks. Computer Engineering & Science, 39(9): 1588—1593. (in Chinese) 凯文 R. 福尔, W. 理查德·史蒂文斯, 2016. TCP/IP详解-卷1: 协议. 吴英, 张玉, 许昱伟, 译. 北京: 机械工业出版社, 423—427Fall K. R., Stevens W. R., 2016. TCP/IP illustrated-volume 1: the protocols. Wu Y., Zhang Y., Xu Y. H., trans. Beijing: China Machine Press, 423—427. (in Chinese) 刘恩海, 刘微, 樊世燕等, 2015. 增强的NetFlow数据采集系统设计与实现. 计算机工程与设计, 36(5): 1150—1155Liu E. H. , Liu W. , Fan S. Y. , et al. , 2015. Design and implementation of enhanced Netflow data collection system. Computer Engineering and Design, 36(5): 1150—1155. (in Chinese) 孙路强, 张春莉, 徐小远等, 2020. 地震综合信息多渠道发布系统设计与实现. 震灾防御技术, 15(3): 563—570Sun L. Q. , Zhang C. L. , Xu X. Y. , et al. , 2020. Design and implementation of multi-channel release system of seismic comprehensive information. Technology for Earthquake Disaster Prevention, 15(3): 563—570. (in Chinese). 王红蕾, Walter M. , 高景春等, 2019. 美国地震预警系统ShakeAlert测试与评估. 国际地震动态, (5): 17—25Wang H. L. , Walter M. , Gao J. C. , et al. , 2019. Instruction of earthquake early warning ShakeAlert testing platform. Recent Developments in World Seismology, (5): 17—25. (in Chinese) 王俊, 刘红桂, 周昱辰, 2021. 地震预警技术的应用与展望. 防灾减灾工程学报, 41(4): 874—882Wang J. , Liu H. G. , Zhou Y. C. , 2021. Application and prospect of earthquake early warning technology. Journal of Disaster Prevention and Mitigation Engineering, 41(4): 874—882. (in Chinese) 王颀, 刘丰, 张彬等, 2021. SNMP与NetStream流量监控方法的对比分析. 海洋信息, 36(3): 18—25Wang Q. , Liu F. , Zhang B. , et al. , 2021. Comparative analysis of SNMP and netstream traffic monitoring methods. Marine Information, 36(3): 18—25. (in Chinese) 许可, 郭巍, 高也等, 2019. 天津简易烈度计地震预警试验区建设. 震灾防御技术, 14(2): 456—463Xu K. , Guo W. , Gao Y. , et al. , 2019. Development of simple intensity meter in Tianjin early warn experimental site. Technology for Earthquake Disaster Prevention, 14(2): 456—463. (in Chinese) 张红才, 金星, 李军等, 2013. 地震预警系统研究及应用进展. 地球物理学进展, 28(2): 706—719Zhang H. C. , Jin X. , Li J. , et al. , 2013. Progress of research and application of earthquake early warning system (EEWs). Progress in Geophysics, 28(2): 706—719. (in Chinese) Allen R. M. , Melgar D. , 2019. Earthquake early warning: advances, scientific challenges, and societal needs. Annual Review of Earth and Planetary Sciences, 47: 361—388. doi: 10.1146/annurev-earth-053018-060457 Ganguli S., Bhalla V., Prasad P., 2018. Gartner magic quadrant for network performance monitoring and diagnostics. (2018-02-21)[2022-04-21].https://www.gartner.com/en/documents/3859467. Given D. D., Allen R. M., Baltay A. S., et al., 2018. Revised technical implementation plan for the ShakeAlert system—An earthquake early warning system for the West Coast of the United States. Reston: USGS, 15—17. Peng C. Y. , Jiang P. , Ma Q. , et al. , 2022. Chinese nationwide earthquake early warning system and its performance in the 2022 Lushan M6.1 earthquake. Remote Sensing, 14(17): 4269. doi: 10.3390/rs14174269 Saito H. , Chusho T. , 2005. Development of performance evaluation system for network systems by client observation. Electronics and Communications in Japan (Part I: Communications), 88(2): 71—80. doi: 10.1002/ecja.20083 Siswanto A., Syukur A., Kadir E. A., et al., 2019. Network traffic monitoring and analysis using packet sniffer. In: 2019 International Conference on Advanced Communication Technologies and Networking (CommNet). Rabat: IEEE, 1—4. 期刊类型引用(9)
1. 施唯,王东明. 全国房屋设施抗震设防信息化管理平台设计与实现. 震灾防御技术. 2024(02): 229-240 . 本站查看
2. 管庆伟,任金铜,樊祖洪. 基于RS和经验估计的区域房屋抗震能力评估——以纳雍县勺窝乡为例. 贵州工程应用技术学院学报. 2023(03): 139-146 . 百度学术
3. 张树君,朱耿青,郑超,郑韵,林岩钊,王辉山. 遥感技术在房屋抗震设防能力初判中的应用探析. 地理空间信息. 2023(08): 118-121 . 百度学术
4. 赵杰,王跃杰,程紫燕,王飞剑,郑树平. 基于遥感影像和经验估计初判山西省建筑物抗震能力. 山西地震. 2023(03): 18-22 . 百度学术
5. 郑韵,姜立新,张颖,朱耿青,张树君,黄玲珠. 基于遥感影像的仙游县建筑物抗震水平初判. 地震地磁观测与研究. 2023(04): 48-56 . 百度学术
6. 杨钦杰,李蕾,聂冠军,赵修敏. 广西南部农村群体建筑抗震能力评价. 世界地震工程. 2023(04): 116-123 . 百度学术
7. 李姜,李铁纯,张兴,郭彦宇. 农村人口流动对地震灾害人员伤亡评估的影响研究-以张家口为例. 震灾防御技术. 2022(03): 557-568 . 本站查看
8. 黄文涛,熊永良,张莹,赵真,赵雪慧,周琦. 川南地区民居建筑地震易损性研究. 华北地震科学. 2022(04): 40-49 . 百度学术
9. 陈波,王芳,肖本夫. “情景-应对”型理论体系的发展及其在地震灾害应急管理中的应用探讨. 震灾防御技术. 2021(04): 605-616 . 本站查看
其他类型引用(1)
-