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
2017年4月12日2时25分，浙江省杭州市临安市（现为杭州市临安区，考虑地震发生时行政区划名称为临安市，本文沿用临安市名称）发生4.2级地震，震中（30.08°N，119.34°E）位于临安市河桥镇与潜川镇交界附近的九龙坑，震源深度16.2km。震中附近的潜川镇、河桥镇震感强烈，於潜镇、太阳镇、湍口镇等地也有较明显的震感。地震发生后，浙江省地震局启动了Ⅲ级响应，组织工作队赶赴地震现场，在对震区地质构造概况、震源机制解、实际震情等情况进行分析的基础上，开展了烈度调查，获取了震区震害分布基本资料，并绘制了地震烈度分布图。
1. 震区地形地貌及地质构造概况
震区在地貌上属于浙西低山丘陵区，地势自西北、西南向东部倾斜。震区在大地构造上属于扬子准地台的钱塘台褶带，新构造运动主要表现为大面积的间歇性升降运动，以整体抬升为主，震区发育第四系早期的坡洪积物、侏罗系凝灰岩、志留系、奥陶系粉砂岩、泥岩及燕山期花岗岩等地层。震中附近发育区域性北东走向的马金-乌镇断裂带（图 1）。马金-乌镇断裂带是浙江省内1条重要的区域性断层（浙江省地质矿产局，1989），控制前新生代地层分区，总体走向约40°，倾向南东，倾角约80°，震区一带断层带宽12km、由多条分支组成，在东山畈采石场观察点见其中一主要分支断层的出露剖面（图 2），剖面上断层切割寒武纪厚层灰色灰岩，剖面中见3个断面（f1、f2、f3），性质皆逆断。其中，f1为单一断面，f2与f3则构成宽约2m的黄褐色粗碎裂岩；f2、f3延伸到冲沟对面，断面及黄褐色粗碎裂岩仍出露清楚（图 3），且沿2个断面还形成1—2cm的灰绿色断层泥，断层泥ESR样品测试结果为（151±30）ka BP，表明断层中更新世有过活动迹象。
图 2 东山畈附近调查照片及清绘剖面1Figure 2. Fault profile #1 near Dongshanfan1：厚层灰色灰岩；2：逆断层及黄褐色粗碎裂岩
图 3 东山畈附近断层照片及清绘剖面2Figure 3. Fault profile #2 near Dongshanfan1：厚层灰色灰岩；2：逆断层及黄褐色粗碎裂岩；3：逆断层及灰绿色断层泥；4：ESR样点2. 震源机制
采用CAP方法（Zhao等，1994；Zhu等，1996；Wang，2011），计算获得了此次地震的震源机制解。其中，节面Ⅰ走向为298°，倾向87°，滑动角-12°；节面Ⅱ走向为29°，倾向78°、滑动角为-177°；主压应力轴（P轴）方位角平均为253°；主张应力轴（T轴）方位角平均为344°。震源机制解具体数值见表 1，拟合波形如图 4所示，图中红色曲线为理论地震波形，黑色曲线为观测地震波形。
表 1 临安4.2级地震震源机制解参数Table 1. The parameters of focal mechanism solution of Lin'an M 4.2 earthquake最佳双力偶解 节面Ⅰ/° 节面Ⅱ/° 走向 倾向 滑动角 走向 倾向 滑动角 298 87 -12 29 78 -177 应力轴 T轴/° B轴/° P轴/° 方位角 倾角 方位角 倾角 方位角 倾角 344 6 104 78 253 11 
图 4 临安4.2级地震震源机制解参数Figure 4. The focal mechanism solution of the Lin'an M 4.2 earthquakeCAP方法求解震源机制解受震源深度影响较大。通过设置步长1km，搜索不同深度对应的震源机制解，拟合误差越小，深度越准确。最终，得到误差最小的16.2km为此次临安M 4.2地震最佳震源深度（图 5）。
震区现代构造应力场的特征以北东东向水平压应力、北北西向水平张应力为主，北东向断层容易发生右旋走滑错动，震源机制解显示本次地震受大范围构造应力的控制。
3. 现场调查与震害特征
3.1 现场调查
依据《地震现场工作（第3部分）：调查规范》、《地震现场工作（第4部分）：灾害直接损失评估》（中华人民共和国国家质量监督检验检疫总局等, 2012a, 2012b）及《中国地震烈度表》（GB/T 17742—2008）（中华人民共和国国家质量监督检验检疫总局等，2009）中的技术要求，主要根据震区人的感觉、器物反应、房屋震害程度等（夏坤等，2011）开展地震烈度调查与评定工作。根据当地政府反馈的震感情况，分别在潜川镇、河桥镇、於潜镇、太阳镇和湍口镇安排调查路线，共25个调查点，取得了震区大量的基础数据和第一手资料，调查范围基本上覆盖了本次地震震区。地震现场调查路线及调查点分布见图 6。
3.2 震区烈度分布情况
通过对25个调查点的震害评估与科学考察，同时收集了当地政府提供的人员伤亡、房屋受损排查情况以及山塘水库基础设施和地质灾害点排查情况，4个调查点的烈度评定为Ⅴ度，分别为潜川镇的五里亭、茶叶山、鱼潭和过水埠，主要分布在震中的东北和西南，Ⅴ度区面积约22.6km2；其余21个调查点烈度评定为Ⅳ度（图 7）。本次地震未造成人员伤亡和较大经济损失。
Ⅴ度区人和器物的反应特征主要为：①震区主要建筑为3层房屋，绝大多数调查点居民居住在2楼，反映震感强烈，多数人梦中惊醒，少数逃出户外，个别居民在室外过夜直至天明；②绝大多数被调查居民听到地声，且反映声音很响，如同打雷的轰轰声或放炮声，部分居民能明确指出声音由震源方向传来；③大多数被调查居民听到门窗、屋顶、屋架颤动作响，且门窗响声较大；④多数被调查居民感觉床和悬挂物有较大幅度的晃动。
Ⅴ度区房屋震害特征主要为：①个别土木、砖木结构房屋有老裂缝加宽、加长及墙皮脱落现象；②个别砌体结构房屋出现细微裂缝和老裂缝加宽、加长及灰土掉落现象（图 8）。
图 8 震中区个别老旧房屋震害特征Figure 8. Earthquake damage characteristics of some old houses at the epicenter area（a）五里亭某户砖木结构房屋二楼窗口下墙皮掉落；（b）新桥头某户土木结构房屋墙体老裂缝加长、加宽；（c）鱼潭村某户砌体房屋老缝加长，瓷砖出现细小裂纹通过调查分析本次地震的房屋破坏情况，认为造成破坏的主要因素有以下方面：
（1）房屋质量
震区内产生破坏的个别房屋属于老旧房屋，建造时基本没有采取任何抗震措施，而且房龄长，一般多在20多年以上，有的甚至30、40年，这些房屋多为夯土（砖、石）墙木结构，或者某一面承重墙为空斗砖墙，由于房龄长、年久失修且普遍存在裂缝，有的墙体已倾斜，特别是房屋的屋顶、屋内木架构，梁木多有腐烂现象；另外，震区内部分建造于2000年以前的砌体房屋中，仅有少数有地梁或圈梁，多数无地梁、圈梁和构造柱，抗震性能较差，加之地基基础的不均匀，个别房屋墙体出现细微裂缝或抹灰缝。
（2）场地效应
震区位于山区，多数自然村分布于陡坡、边坡等地，导致部分调查点上的个别房屋在建造时为天然地基加垒石形成的不均匀基础（属于抗震不利地段），地震时容易产生沉降差异，抗震稳定性差，易出现轻微破坏。
4. 结语
通过对临安4.2级地震开展现场调查，得出如下认识：
（1）震源机制解显示长轴方向为北东向，与马金-乌镇断裂带走向基本一致；地震现场地震烈度调查结果表明，本次地震的影响烈度最高为Ⅴ度，面积22.6km2，烈度圈长轴方向为北东向，与地震震源机制解及北东向马金-乌镇断裂带方向一致。
（2）本次地震震中附近的潜川镇、河桥镇震感强烈，但未造成人员伤亡和较大经济损失，震中区少数房屋有轻微开裂和老裂缝加长、加宽现象。
（3）与浙江省内其它类似震级大小的地震相比，此次地震震源深度较深（16km），地面的地震破坏影响相对较小，因此虽然震感强烈，但震害相对较轻。
-
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) 
下载: 导出CSV
-
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. -
下载:
点击查看大图
计量
- 文章访问数: 128
- HTML全文浏览量: 35
- PDF下载量: 10
- 被引次数: 0
