Algorithm of Accurate Location of Buried Personnel in Special Environment after Earthquake
-
摘要: 针对目前对震后压埋人员定位精度较低、探测设备成本高且易受环境影响等不足,提出适用于压埋环境特性的压埋人员手机WiFi定位方法,通过衰减因子模型对WiFi探针获取的RSSI数据进行距离解算,结合简化压埋环境内部信号传输方式,采用高斯-卡尔曼滤波对获取的RSSI数据进行处理,通过模型测定的距离,利用改进附有参数的加权最小二乘平差方法,结合粒子群优化算法,最终得到压埋人员手机平面坐标位置。研究结果表明,该方法具有较高精度,在10 m×10 m范围内其平面坐标定位误差在0.3 m左右,可为震后压埋人员应急救援提供辅助决策。Abstract: In view of the current shortcomings of the positioning accuracy of the buried people after the earthquake, the high cost of the detection equipment and the vulnerability to environmental impact, in this paper we propose a WiFi Positioning Method to search for the buried people's mobile phones, which is suitable for the characteristics of the signals from buried environment. The RSSI data obtained by the WiFi probe is calculated by the attenuation factor model. Combined with the simplified internal signal transmission mode of the buried environment, the obtained RSSI data is processed by Gauss Kalman filter. Through the distance measured by the model, using the improved weighted least square adjustment method with parameters, combined with particle swarm optimization algorithm, it is capab le to obtain the plane coordinate position of the buried personnel's mobile phone.The experimental results show that this method has high accuracy, with the average error of plane coordinate positioning about 0.3 m within the range of 10 m × 10 m, which can provide auxiliary decision-making for emergency rescue of buried personnel after earthquake.
-
引言
地质学家已经确定全球范围的全新世火山约有1500多座(许建东,2011)。火山类型主要为成层火山、复合式火山、熔岩锥、破火山口、盾状火山等(刘若新等,1999)。此外,还有众多火山位于深海海底,它们的喷发很少能到达水面,因此少有观察和记录。大部分火山的形成是板块运动的结果,是地球动力学过程的重要现象(Press等,1982)。全球现今活动构造划分为环太平洋、大洋中脊和大陆三大构造系统(马宗晋等,2003)。全球火山活动分西太平洋火山活动区、东太平洋火山活动区以及大西洋火山活动区(洪汉净等, 2003, 2009)。位于太平洋板块西南缘的印度尼西亚、菲律宾和日本等国家,拥有的火山数量为全球正在活动火山数量的1/3(Siebert等,2010),2017年该区域活动强度最大的火山为印度尼西亚巴厘岛的阿贡火山(王佳龙等,2018a)。
本文数据主要来自全球火山计划网站2,该网站由华盛顿国家自然历史博物馆矿物科学部门(Department of Mineral Sciences,National Museum of Natural History,Washington D.C)的史密森全球火山项目(Smithsonian Institution Global Volcanism Program)支撑,汇集了世界各地活动火山监测机构的监测信息及相应的火山监测网站链接,并于每周四发布监测周报。文中的活动火山指2016年12月30日—2017年12月31日发生活动并被该网站记录下来的火山。
2 http://volcano.si.edu/reports_weekly.cfm
通过整理该网站2017年发布的约858条全球火山监测活动信息,总结2017年度全球火山活动的时空关系,并针对阿贡火山的喷发过程进行了追踪,为监测火山喷发、研究火山活动机理、预测火山灾害等提供参考。
1. 2017年全球活动火山空间分布特征
火山警戒等级是衡量火山活动危险程度的标识,USGS火山灾害项目1将火山预警等级划分为正常(Ⅰ级)、咨询(Ⅱ级)、注意(Ⅲ级)和警戒(Ⅳ级)4个等级,其代表的危险程度依次上升,火山活动越强烈,引发的火山灾害也越严重。具体划分标准为:Ⅰ级,火山警戒级别为正常,航空颜色代码为绿色,火山有活动迹象,但活动处于正常范围内,主要表现为火山喷气及火山灰柱飘散;Ⅱ级,火山警戒级别为低度警戒,航空颜色代码为黄色,火山活动信号上升,高于正常范围,主要表现为火山出现热异常,火山喷气柱升高,出现火山爆炸声,火山由正常活动向危险活动过渡,该类型火山一般不稳定;Ⅲ级,火山警戒级别为中度警戒,航空颜色代码为橙色,火山活动信号进一步上升,具有喷发的前兆,主要表现为火山地震频率和强度增大,可以监测到熔岩流溢出,热异常和火山灰柱活动都有所加强;Ⅳ级,火山警戒级别为高度警戒,航空颜色代码为红色,表现为火山即将喷发或正在喷发。一般情况下,火山的警戒等级随火山活动的强弱而改变,可能会在数月内出现连续变化(张传杰等,2016)。
1 https://volcanoes.usgs.gov/vhp/about_alerts.html
全球活动火山约有80%分布在环太平洋地区(Siebert等,2010)。2017年度的活动火山约有90%分布在环太平洋地区,其中,太平洋北部阿留申群岛、堪察加半岛和北方四岛等分布12座活动火山,其警戒等级为Ⅱ级和Ⅲ级,警戒等级Ⅲ级的活动火山相对比较活跃;位于太平洋板块西缘的日本岛弧和东部海岛分布11座活动火山,警戒等级为Ⅰ级的火山相对比较活跃;位于澳大利亚板块北缘的印度尼西亚等一系列岛链,由澳大利亚板块向北俯冲到缅甸板块、欧亚板块和太平洋板块之下形成,构造复杂,火山活动能量大,2017年此区域有21座活动火山,包括3座警戒等级Ⅲ级的活动火山,可见其活动频度和强度都极高。
全球火山分布图(图 1)的底图来源于USGS,对其做罗宾逊投影变换,中央子午线设为155.0°E。若某火山2017年每周均有持续活动,则将该火山的活动频率设为1;若火山全年无任何活动,则将火山的活动频率设为0。火山的活动频率一般介于0和1之间,它反映了火山的活跃程度。
2. 2017年全球活动火山时间分布特征
2017年全球范围内,平均每月约有30座火山喷发的记录,最多达34座,最少为26座(图 2)。年度内火山活动数量和活动强度有逐渐增多、增强的趋势,表明俯冲板块活动的加剧。可将活动的火山分为3种类型(图 3):①“冒泡”型,一般活动强度较弱,持续时间较短,警戒等级一般为Ⅰ级或Ⅱ级,活动形式主要表现为火山喷气、火山震颤、火山地震等,通常不会造成地质灾害和影响周围居民的生活,典型代表有冰岛的卡特拉火山(Katla)、美国的希沙尔丁火山(Shishaldin)、印度尼西亚的赛梅鲁火山(Semeru)和俄罗斯的朱帕诺夫斯基火山(Zhupanovsky)等;②“持续”型,基本常年处于持续喷发状态,警戒等级一般为Ⅱ级或Ⅲ级,活动形式主要表现为火山喷气、火山地震、岩浆活动、火山碎屑流等,这类火山是全球火山监测的重点,对其进行的火山喷发监测和火山灾害预防都较为成熟,典型代表有美国夏威夷的基拉韦厄火山(Kilauea)(Fontijn等,2015;王佳龙,2018b)、印度尼西亚的锡纳朋火山(Sinabung)、秘鲁的萨班卡亚火山(Sabancaya)和俄罗斯勘察加半岛的希韦卢奇火山(Sheveluch),这几座火山几乎常年都在活动,火山区周围常引发地质灾害;③“剧烈”型,常年处于稳定状态,偶尔几周或几个月突然爆发,警戒等级一般为Ⅲ级或Ⅳ级,喷发的形式主要表现为喷发柱的突然上升,有时高达几千米至十几千米,随后火山碎屑物质喷出火口并造成坍塌,引发火山碎屑流,最后岩浆溢出形成熔岩流,典型代表有日本的新燃岳火山(Kirishimayama)、菲律宾的马荣火山(Mayon)以及印度尼西亚的阿贡火山(Agung)(王佳龙,2018a)。
3. 阿贡火山的喷发过程
全球的活火山主要分布在环太平洋地区,此区域也是著名的“火环”,而印度尼西亚岛链是西南太平洋最为活跃的1条“火链”(图 4,图中火山名称下方数字,如2003/46/2代表的含义为2003年第1次监测到该火山的活动,目前共计活动了46周,2017年度从2月开始变活跃),其居民数量为世界之最,阿贡火山则是该“火链”中最为活跃的火山之一(Self等1996)。阿贡火山的喷发周期约50年,最近1次喷发于1963年(Zen等1964;Marinelli等,1968),距今56年。据印尼国家灾害管理局1(Badan Nasional Penanggulangan Bencana)的监测数据,自2017年8月开始,阿贡火山的地震明显增多,有复苏和再次喷发的前兆,9月份火山警戒等级升至Ⅲ级,10月份开始有喷发柱喷出,11月喷发柱急剧上升至4km并开始有岩浆活动,警戒等级也升至最高级Ⅳ级。印度尼西亚岛链位于澳大利亚板块与欧亚板块之间,由于澳大利亚板块向北的俯冲,在此区域形成了1套完整的沟-弧-盆体系。5—6级地震的震中主要位于岛链与巽他海沟之间,与岛链大致平行,距离岛链约100—150km,地震震源深度约100km;活火山主要位于岛链内部,岩浆来源大致在深度150—200km板块的交汇处。由此可见,由澳大利亚板块俯冲而下的矿物在岛链下方150—200km处发生脱水作用,脱水诱导下覆地震的部分熔融,产生低盐度、钙碱性岩浆;岩浆上升侵入上覆板块的岩石圈中。
4. 阿贡火山喷发过程中的形变
在火山喷发过程中,前期地下岩浆活动,地表热异常,火山开始膨胀;当压力达到一定程度后,火山气体首先冲出,火山通道内部的压力减小,岩浆成分挥发,火山灰喷出,随后岩浆补给,岩浆爆炸喷出或溢出火口,后期岩浆冷却收缩,火口坍塌。目前,阿贡火山处在火山灰的喷发过程,未出现岩浆溢出。自2017年6月开始,阿贡火山有所膨胀,至2017年12月膨胀近15cm,随后开始逐渐收缩(图 5)。膨胀的中心位于阿贡火山北侧附近,并未在火山的正下方,说明岩浆通道向北倾斜。
采用“二通”法对收集到的SAR复数影像进行干涉差分处理。在处理过程中,使用SRTM4 DEM数据消除地形相位影响,同时,为保证较高的配准精度,采用结合轨道和地形数据的图像配准技术,配准精度优于0.001个像元。由于巴厘岛大部分地区为山地,且气候温和多雨,岛上植被茂盛,易造成干涉像对的失相干,同时SAR影像在山区易出现叠掩、透视收缩、阴影等,也将加剧失相干的程度。失相干区或低相干区将导致相位解缠误差,为此,使用迭代自适应滤波算法进行降噪处理,并采用基于狄洛尼三角剖分的最小费用流算法(MCF)。首先,对高质量的相位区进行解缠获得可靠的参考相位模型,再利用参考相位实现对低相干区域的解缠,从而得到全局的最优结果,最后,经过地理编码获取了阿贡火山喷发过程的InSAR形变场。
5. 阿贡火山喷发柱高度变化
阿贡火山自2017年9月开始活动以来,活动特征明显,浅源小震持续增多、热异常明显。2017年10月后,阿贡火山开始出现不同规模的爆炸,爆炸产生的火山灰柱上升至高空并随风向飘逸,爆炸的规模直接决定了喷发柱的高度。阿贡火山的整个喷发过程以及爆炸与喷发柱变化的关系,如图 6所示。由图可见,阿贡火山在2017年10月份主要表现为火山地震和震颤,是地下岩浆通过管道向上运移的过程,此时山体表面也开始不断膨胀,该过程一直持续到11月27日,当日发生1次剧烈爆炸,造成火山剧烈喷发,喷发柱升至海拔4km,大量火山碎屑流顺火山翼冲下,当地居民被迫迁移,航班被迫取消;在随后的3个月内,不断有地下岩浆补给,经常性地发生爆炸并产生喷发柱;在2018年2月27日之后,岩浆补给减弱,火山警戒等级下降,爆炸规模减小,喷发柱高度降低,火山表面逐渐收缩;自2017年9月末至2018年3月末,阿贡火山历经了整个喷发过程,从开始的地震活动,到喷发时大规模爆炸,再到最后阶段的平静收缩,此过程对研究其它“剧烈”型火山具有借鉴意义。
6. 结论
2017年全球火山喷发较往年强烈,年度内火山数量和强度均有增大的趋势(图 7)。其中“剧烈”型火山造成的火山灾害较为严重,应对其加强监测和防灾。活火山主要分布在环太平洋地区,位于太平洋西南的印度尼西亚是2017年受灾最为严重的地区,据印尼国家灾害管理局的统计,阿贡火山的喷发造成10万余人无家可归。阿贡火山历时半年多的活动过程从膨胀到收缩,从平静到爆炸再到平静,使我们对火山喷发的过程有了更全面的了解。
-
表 1 模拟压埋环境下平面坐标定位结果(单位:米)
Table 1. Results of plane positioning in simulated buried environment(Unit:m)
点号 方案1 方案2 定位结果 测距中误差 定位误差 定位结果 测距中误差 定位误差 真实位置 P1 (4.86,1.79) 1.63 3.21 (5.18,4.86) 0.25 0.23 (5,5) P2 (5.21,0.58) 2.3 3.51 (6.14,4.21) 0.32 0.25 (6,4) P3 (5.42,4.37) 2.8 1.73 (6.28,5.84) 0.54 0.32 (6,6) P4 (3.80,3.42) 2.5 2.59 (4.51,5.86) 0.43 0.53 (4,6) -
柴伦尚,2014. 基于灾害现场定位搜救技术的无线信道研究. 杭州:浙江大学.Chai L. S., 2014. Research of radio channel based on a localization rescue system in disasters. Hangzhou:Zhejiang University. (in Chinese) 陈国良,张言哲,汪云甲等. 2015. WiFi-PDR室内组合定位的无迹卡尔曼滤波算法. 测绘学报, 44 (12):1314−1321Chen G. L., Zhang Y. Z., Wang Y. J., et al. 2015. Unscented Kalman filter algorithm for WiFi-PDR integrated indoor positioning. Acta Geodaetica et Cartographica Sinica, 44 (12): 1314−1321. (in Chinese) 陈群,高星伟,郭杭等. 2012. ZigBee网络中RSSI的测距模型分析. 测绘科学, 37(5):38−39, 75.Chen Q., Gao X. W., Guo H., et al. 2012. Analysis of RSSI ranging model at ZigBee network. Science of Surveying and Mapping, 37(5): 38−39, 75. (in Chinese) 陈雪纯,张入千,王立新. 2018. 基于Wi-Fi信号强度衰减模型的地震埋压人员定位方法研究. 华南地震, 38(4):10−16.Chen X. C., Zhang R. Q., Wang L. X. 2018. Research on positioning method of earthquake buried personnel based on signal strength attenuation model of wireless network. South China Journal of Seismology, 38(4): 10−16. (in Chinese) 何成文,袁运斌,潭冰峰. 2021. 一种基于UWB TDOA定位模式的迭代最小二乘算法. 大地测量与地球动力学, 41(8):806−809.He C. W., Yuan Y. B., Tan B. F. 2021. An iterative least squares algorithm based on UWB TDOA positioning model. Journal of Geodesy and Geodynamics, 41(8): 806−809. (in Chinese) 胡洋,田忠,伍习光等. 2018. 基于RSSI的无源信号定位算法研究. 自动化仪表,39(6):31−34.Hu Y., Tian Z., Wu X. G., et al. 2018. Study on the passive signal positioning algorithm based on RSSI. Process Automation Instrumentation, 39(6): 31−34. (in Chinese) 景裕,曹育森,朱明明等. 2021. 非接触式生命探测技术研究现状与发展. 中国医疗设备,36(1):1−4.Jing Y., Cao Y. S., Zhu M. M., et al. 2021. Research status and development of non-contact life detection technology. China Medical Devices, 36(1): 1−4. (in Chinese) 李惠芬,蒋向前,李柱. 2004. 高斯滤波稳健性能的研究与改进. 仪器仪表学报,25(5):633−637.Li H. F., Jiang X. Q., Li Z. 2004. Study and improvement of robust performance of Gaussian filtering. Chinese Journal of Scientific Instrument, 25(5): 633−637. (in Chinese) 李亦纲,张媛,李志伟. 2010. 地震现场倒塌建筑物的搜救策略研究. 震灾防御技术,5(4):477−483.Li Y. G., Zhang Y., Li Z. W. 2010. Research of search and rescue plan for collapsed buildings on earthquake disaster site. Technology for Earthquake Disaster Prevention, 5(4): 477−483. (in Chinese) 李桢,黄劲松,2016. 基于RSSI抗差滤波的WiFi定位. 武汉大学学报·信息科学版,41(3):361−366.Li Z., Huang J. S. 2016. WiFi positioning using robust filtering with RSSI. Geomatics and Information Science of Wuhan University, 41(3): 361−366. (in Chinese) 刘晶晶,宁宝坤,吕瑞瑞等,2017. 震后典型建筑物倒塌分类及救援特点分析. 震灾防御技术,12(1):220−229.Liu J. J., Ning B. K., Lv R. R., et al. 2017. Classification of typical building collapse and analysis of rescue characteristics after the earthquake. Technology for Earthquake Disaster Prevention, 12(1): 220−229. (in Chinese) 罗尚,肖东升,2020. 一种面向震后压埋人员的RSSI快速定位算法. 测绘科学,45(6):142−149.Luo S., Xiao D. S. 2020. An RSSI fast localization algorithm for buried personnel after earthquake. Science of Surveying and Mapping, 45(6): 142−149. (in Chinese) 裴凌,刘东辉,钱久超,2017. 室内定位技术与应用综述. 导航定位与授时,4(3):1−10.Pei L., Liu D. H., Qian J. C. 2017. A survey of indoor positioning technology and application. Navigation Positioning and Timing, 4(3): 1−10. (in Chinese) 武有文,洪利,姚振静等,2017. 地震废墟环境下Wi-Fi无线信号传播模型参数测量. 震灾防御技术,12(1):210−219.Wu Y. W., Hong L., Yao Z. J., et al. 2017. Parameter measurement of Wi-Fi radio signal propagating in constrction ruins by earthquake. Technology for Earthquake Disaster Prevention, 12(1): 210−219. (in Chinese) 肖东升,钟祖峰,2021. 基于人类动力学的地震压埋人员先验在室率研究. 灾害学,36(1):54−59.Xiao D. S., Zhong Z. F. 2021. Research on indoor rate of the earthquake buried personnel based on human dynamics. Journal of Catastrophology, 36(1): 54−59. (in Chinese) 赵大龙,白凤山,董思宇等,2015. 一种基于卡尔曼和线性插值滤波的改进三角质心定位算法. 传感技术学报,28(7):1086−1090.Zhao D. L., Bai F. S., Dong S. Y., et al. 2015. An improved triangle centroid location algorithm based on Kalman filtering and linear interpolation. Chinese Journal of Sensors and Actuators, 28(7): 1086−1090. (in Chinese) Ahn S., Lee G., Han D., 2018. A location estimating method of buried victims in collapsing area using Wi-Fi signals. In: Proceedings of the 2nd International Conference on Vision, Image and Signal Processing. Las Vegas: ACM, 49. Bouet M., Pujolle G. 2009. L-VIRT: range-free 3-D localization of RFID tags based on topological constraints. Computer Communications, 32(13−14): 1485−1494. Burian A., Kuosmanen P. 2002. Tuning the smoothness of the recursive median filter. IEEE Transactions on Signal Processing, 50(7): 1631−1639. Choi J. S., Lee H., Elmasri R., et al., 2009. Localization systems using passive UHF RFID. In: 2009 Fifth International Joint Conference on INC, IMS and IDC. Seoul: IEEE, 1727−1732. Hata M. 1980. Empirical formula for propagation loss in land mobile radio services. IEEE Transactions on Vehicular Technology, 29(3): 317−325. doi: 10.1109/T-VT.1980.23859 Joho D., Plagemann C., Burgard W., 2009. Modeling RFID signal strength and tag detection for localization and mapping. In: 2009 IEEE International Conference on Robotics and Automation. Kobe: IEEE, 3160−3165. Lima A. G. M., Menezes L. F., 2005. Motley-Keenan model adjusted to the thickness of the wall. In: SBMO/IEEE MTT-S International Conference on Microwave and Optoelectronics. Brasilia: IEEE, 180−182. Moon H., Kim C., Lee W. 2016. A UAV based 3-D positioning framework for detecting locations of buried persons in collapsed disaster area. The International Archives of the Photogrammetry Remote Sensing and Spatial Information Sciences, XLI-B8: 121−124. Pan J. J., Tang Y. Y., Pan B. C., 2007. The algorithm of fast mean filtering. In: 2007 International Conference on Wavelet Analysis and Pattern Recognition. Beijing: IEEE, 244−248. Tang S. Y., Shu X. M., Shen S. F., et al. 2014. Study of personnel positioning in large area based on pseudo base station. Procedia Engineering, 71: 481−485. 期刊类型引用(2)
1. 韩迪,朱大庆,顾国辉,曹戎机. 2021年全球火山活动综述. 防灾减灾学报. 2022(04): 59-64 . 百度学术
2. 王佳龙,熊威,邹颖,孙嘉祥,张雯倩. 喀拉喀托火山喷发过程与巽他海啸成因. 华北地震科学. 2019(04): 13-17 . 百度学术
其他类型引用(2)
-