CN105956986A - 高速公路雾灾风险等级预报技术实现方法 - Google Patents
高速公路雾灾风险等级预报技术实现方法 Download PDFInfo
- Publication number
- CN105956986A CN105956986A CN201610541921.8A CN201610541921A CN105956986A CN 105956986 A CN105956986 A CN 105956986A CN 201610541921 A CN201610541921 A CN 201610541921A CN 105956986 A CN105956986 A CN 105956986A
- Authority
- CN
- China
- Prior art keywords
- mist
- highway
- index
- forecast
- calamity
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 25
- 238000005516 engineering process Methods 0.000 title abstract description 4
- 239000003595 mist Substances 0.000 claims description 81
- 230000002085 persistent effect Effects 0.000 claims description 18
- 239000011159 matrix material Substances 0.000 claims description 10
- 239000013598 vector Substances 0.000 claims description 6
- 230000008878 coupling Effects 0.000 claims description 4
- 238000010168 coupling process Methods 0.000 claims description 4
- 238000005859 coupling reaction Methods 0.000 claims description 4
- 230000001939 inductive effect Effects 0.000 abstract description 5
- 238000004891 communication Methods 0.000 description 2
- 239000002131 composite material Substances 0.000 description 1
- 230000001419 dependent effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002045 lasting effect Effects 0.000 description 1
- 239000003973 paint Substances 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- Economics (AREA)
- General Health & Medical Sciences (AREA)
- Human Resources & Organizations (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Strategic Management (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种高速公路雾灾风险等级预报技术实现方法。本发明是按照气象灾害理论的概念,从致灾因子危险性、承灾体暴露性等方面入手,将高速公路雾灾风险指标量化、按照等级分别赋值,易计算、易理解,达到可预报性,实现了逐日、甚至是更短时效内计算和发布高速公路沿线相邻两个收费站未来一定时段内雾灾风险等级预报,改变了以往气象预报预警服务产品仅仅基于气象条件并且无法细分到局部路段的局面。本发明不仅基于气象因素,还综合考虑到了公路路网密度、车流量等因素,所建立的高速公路雾灾风险计算模型,可计算出高速公路雾灾风险等级预报结果,实现对高速公路雾灾综合风险的预报和预警。
Description
技术领域
本发明涉及一种应用气象技术,具体地说是一种高速公路雾灾风险等级预报技术实现方法。
背景技术
目前,我国高速公路的通车里程为世界之首。统计发现,高速公路通行受阻(即采取封闭管制措施)事件有38.3%是因气象因素(包括雾、路面结冰、降雨、大风等)造成的。其中以雾造成的封闭事件高达80.2%,同时雾造成的通行受阻时间也最长。可见,雾是对高速公路通行影响最为严重的灾害性天气。
然而,以往的灾害性天气预报预警几乎完全取决于气象条件,依照气象行业的标准和指标,而并没有考虑到公路交通方面的综合因素,也没有实现基于影响和风险的预报预警服务。
发明内容
本发明的目的就是提供一种高速公路雾灾风险等级预报技术实现方法,以解决高速公路交通服务中缺少基于影响和风险的预报预警服务的问题。
本发明是这样实现的:一种高速公路雾灾风险等级预报技术实现方法,包括以下步骤:
①、设定雾灾风险预报模型为:
其中,R为雾灾风险等级指数,P代表雾的强度分指标(这里用能见度最小值vmin表示),T代表雾的持续时间分指标,D代表路网密度分指标,N代表单项车流量分指标;p、t、d、n分别为各分指标对应的权重系数;
②、按下式确定雾的强度分指标P:
其中,vmin为能见度最小值;
③、确定雾的持续时间分指标Tj:为高速公路每个收费站匹配雾的持续时间预报,以小时为单位,能见度≤50m的持续时间记为T1,50m<能见度≤200m的持续时间记为T2,200m<能见度≤500m的持续时间记为T3;tj分别表示它们的权重系数;
④、按下式确定路网密度分指标D:
其中,ρ为路网密度值,单位为km/km2;
⑤、按下式确定单项车流量分指标N:
其中,l为高速公路某收费站预报时段内单项车流量(含上、下站口和过路车辆),单位为万辆;
⑥、各分指标按下式进行无量纲化处理后参与计算:
⑦、雾灾风险预报等级指数计算模型的权重系数的确定:
对因子进行两两比较建立成对比较矩阵,即每次取两个因子xi和xj,以aij表示xi和xj对某个指标Z的影响大小之比,引用数字1-9及其倒数作为影响程度的标度:
建立如下矩阵:
计算矩阵A的最大特征值和特征向量,通过一致性检验,作为最终的权重系数;
⑧、雾灾风险预报等级划分:
通过雾灾风险预报模型计算出R的数值序列,采用标准差分类法,以雾灾风险预报指数的平均值n和标准差m为依据,将雾灾风险预报指数分为以下四个等级:
当R<n-m时,高速公路雾灾风险预报等级为1级;
当n-m≤R<n时,高速公路雾灾风险预报等级为2级;
当n≤R<n+m时,高速公路雾灾风险预报等级为3级;
当R≥n+m时,高速公路雾灾风险预报等级为4级。
本发明还包括以下步骤:
⑨、根据每条高速公路的各个收费站计算得出的雾灾风险预报指数等级,绘制实时的雾灾风险等级预报图。
本发明中的雾灾风险预报模型是综合气象因素、公路交通因素,从致灾因子危险性和承灾体的空间脆弱性角度考虑,以雾的强度、持续时间(由于雾灾风险等级预报是针对高速公路沿线某个收费站或气象站具体点的,因此不需要将雾的空间影响范围考虑到致灾因子危险性指标)作为致灾因子危险性指标,以公路路网密度、逐日车流量作为承载体空间脆弱性指标,因子建立高速公路雾灾风险预报模型,计算出雾灾风险预报指数序列后,再进行雾灾风险预报等级划分。
本发明是按照气象灾害理论的概念,从致灾因子危险性、承灾体暴露性等方面入手,将高速公路雾灾风险指标量化、按照等级分别赋值,易计算、易理解,达到可预报性,实现了逐日、甚至是更短时效内计算和发布高速公路沿线相邻两个收费站未来一定时段内雾灾风险等级预报,改变了以往气象预报预警服务产品仅仅基于气象条件并且无法细分到局部路段的局面,解决了高速公路交通服务中缺少基于影响和风险的预报预警服务的问题。
本发明高速公路雾灾风险等级预报技术实现方法不仅基于气象因素,还综合考虑到了公路路网密度、车流量等因素,所建立的高速公路雾灾风险计算模型,根据模型计算出高速公路雾灾风险等级预报结果,实现了对高速公路雾灾综合风险的预报和预警。
附图说明
图1是河北省各高速公路收费站的某一时刻雾灾风险等级图表。
图2是河北省各高速公路某一时刻雾灾风险等级预报示意图。
具体实施方式
本发明以河北省2013年12月8日的大范围降雾天为例,进行雾灾风险等级预报,步骤如下:
第一步,确定雾灾风险预报模型:
其中,R为雾灾风险等级指数,P代表雾的强度分指标(这里用能见度最小值vmin表示),T代表雾的持续时间分指标,D代表路网密度分指标,N代表单项车流量分指标;p、t、d、n分别为各分指标对应的权重系数。
第二步,确定雾的强度分指标P:通过前一日未来24小时内能见度预报,为高速公路每个收费站匹配能见度最小值预报,能见度最小值vmin<50m的赋值为5,50m≤vmin<200m的赋值为4,200m≤vmin<500m的赋值为3,500m≤vmin<1000m的赋值为2,vmin≥1000m的赋值为1。
第三步,确定雾的持续时间分指标Tj:为高速公路每个收费站匹配雾的持续时间预报,以小时为单位;能见度≤50m的持续时间记为T1,50m<能见度≤200m的持续时间记为T2,200m<能见度≤500m的持续时间记为T3。
第四步,确定路网密度分指标D:利用Arc gis处理好高速公路各收费站处的路网密度数值(一定时段内是固定值,单位为km/km2),对各收费站的路网密度分指标进行赋值,路网密度<4.33的赋值为3,4.33≤路网密度<11.34的赋值为2,路网密度≥11.34的赋值为1。
第五步,确定单项车流量分指标N:对高速公路各收费站一天内单项车流量(含上、下站口和过路车辆)进行统计分析,得出规律,便于做车流量预报;利用各收费站八日单向车流量(含上、下站口和过路车辆,取单向最大值)对车流量分指标进行赋值,车流量在2万辆以上的赋值为3,车流量在0.5-2万辆之间的赋值为2,车流量小于0.5万辆的赋值为1。
第六步,利用以下公式:
对上述四个分指标(P、Tj、D、N)进行无量纲化处理,max1≤i≤n{xi}对于各分指标取最大等级对应的数值或取最大值,即雾的强度分指标P取5,雾的持续时间分指标Tj取24h,路网密度分指标D取3,单向车流量分指标N取3。
第七步,确定权重系数:
1、确定雾的持续时间分指标Tj中的权重系数ti,根据ti对该分指标的贡献,建立如下矩阵:
计算得出该矩阵的最大特征值为3.0649;特征向量为0.6491,0.2790,0.0719;一致性指标为0.0324,平均随机一致性指标取0.58,计算得出一致性比例为0.0559<0.1,因此三个特征向量可以作为ti的权重系数。
2、雾灾风险预报模型的权重系数p、t、d、n,针对四个分指标对雾灾风险等级的贡献,建立如下矩阵:
计算得出该矩阵的最大特征值为4.2272;特征向量为0.5255,0.3128,0.1000,0.0617;一致性指标为0.0757,平均随机一致性指标取0.9,计算得出一致性比例为0.0848<0.1,因此四个特征向量可以作为模型四个分指标的权重系数。
第八步,根据第一步确定的雾灾风险预报模型,计算出河北省各高速公路收费站的雾灾风险等级,并绘制成图表(见图1),河北省全省37条高速公路沿线345个收费站的雾灾风险等级指数在0-0.7之间。
第九步,划分雾灾风险:利用标准差分类法,以雾灾风险预报指数的平均值n和标准差m为依据,当R<n-m,n-m≤R<n,n≤R<n+m,R≥n+m时,高速公路雾灾风险预报等级分别对应1级、2级、3级、4级;
第十步,根据每条高速公路各个收费站计算得出的雾灾风险预报指数等级,绘制雾灾风险等级预报图(见图2)。
Claims (2)
1.一种高速公路雾灾风险等级预报技术实现方法,其特征是,包括以下步骤:
①、设定雾灾风险预报模型为:
其中,R为雾灾风险等级指数,P代表雾的强度分指标(这里用能见度最小值vmin表示),T代表雾的持续时间分指标,D代表路网密度分指标,N代表单项车流量分指标;p、t、d、n分别为各分指标对应的权重系数;
②、按下式确定雾的强度分指标P:
其中,vmin为能见度最小值;
③、确定雾的持续时间分指标Tj:为高速公路每个收费站匹配雾的持续时间预报,以小时为单位,能见度≤50m的持续时间记为T1,50m<能见度≤200m的持续时间记为T2,200m<能见度≤500m的持续时间记为T3;tj分别表示它们的权重系数;
④、按下式确定路网密度分指标D:
其中,ρ为路网密度值,单位为km/km2;
⑤、按下式确定单项车流量分指标N:
其中,l为高速公路某收费站预报时段内单项车流量(含上、下站口和过路车辆),单位为万辆;
⑥、各分指标按下式进行无量纲化处理后参与计算:
⑦、雾灾风险预报等级指数计算模型权重系数的确定:
对因子进行两两比较建立成对比较矩阵,即每次取两个因子xi和xj,以aij表示xi和xj对某个指标Z的影响大小之比,引用数字1-9及其倒数作为影响程度的标度:
建立如下矩阵:
计算矩阵A的最大特征值和特征向量,通过一致性检验,作为最终的权重系数;
⑧、雾灾风险预报等级划分:
通过雾灾风险预报模型计算出R的数值序列,采用标准差分类法,以雾灾风险预报指数的平均值n和标准差m为依据,将雾灾风险预报指数分为以下四个等级:
当R<n-m时,高速公路雾灾风险预报等级为1级;
当n-m≤R<n时,高速公路雾灾风险预报等级为2级;
当n≤R<n+m时,高速公路雾灾风险预报等级为3级;
当R≥n+m时,高速公路雾灾风险预报等级为4级。
2.根据权利要求1所述的高速公路雾灾风险等级预报技术实现方法,其特征是,还包括以下步骤:
⑨、根据每条高速公路计算得出的雾灾风险预报指数等级,绘制实时的雾灾风险等级预报图。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541921.8A CN105956986B (zh) | 2016-07-11 | 2016-07-11 | 高速公路雾灾风险等级预报技术实现方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201610541921.8A CN105956986B (zh) | 2016-07-11 | 2016-07-11 | 高速公路雾灾风险等级预报技术实现方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN105956986A true CN105956986A (zh) | 2016-09-21 |
CN105956986B CN105956986B (zh) | 2019-08-30 |
Family
ID=56899866
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201610541921.8A Active CN105956986B (zh) | 2016-07-11 | 2016-07-11 | 高速公路雾灾风险等级预报技术实现方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN105956986B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040199410A1 (en) * | 2003-01-07 | 2004-10-07 | Hans Feyen | Method for evaluating flood plain risks |
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
US8660480B2 (en) * | 2009-05-01 | 2014-02-25 | At&T Intellectual Property I, L.P. | Methods and systems for relaying out of range emergency information |
CN105260834A (zh) * | 2015-10-14 | 2016-01-20 | 成都信息工程大学 | 一种强降水致灾评估业务系统 |
-
2016
- 2016-07-11 CN CN201610541921.8A patent/CN105956986B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20040199410A1 (en) * | 2003-01-07 | 2004-10-07 | Hans Feyen | Method for evaluating flood plain risks |
US8660480B2 (en) * | 2009-05-01 | 2014-02-25 | At&T Intellectual Property I, L.P. | Methods and systems for relaying out of range emergency information |
CN103177301A (zh) * | 2013-03-12 | 2013-06-26 | 南京信息工程大学 | 一种台风灾害风险预估方法 |
CN105260834A (zh) * | 2015-10-14 | 2016-01-20 | 成都信息工程大学 | 一种强降水致灾评估业务系统 |
Non-Patent Citations (1)
Title |
---|
方伟 等: "基于湖南省雾情特征的公路交通防雾灾对策研究", 《交通发展研究》 * |
Also Published As
Publication number | Publication date |
---|---|
CN105956986B (zh) | 2019-08-30 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Lin et al. | A review of travel-time prediction in transport and logistics | |
CN104484994B (zh) | 基于阵列雷达的城市路网交通运行指数评价方法 | |
CN104852970B (zh) | 一种高速公路交通事故信息发布系统 | |
CN105206056B (zh) | 道路交通污染源智能预测方法及系统 | |
CN106504533B (zh) | 基于交通事故风险仿真分析的高速公路交织区确定方法 | |
CN103794061B (zh) | 基于多种定位数据计算道路融合行程车速的方法 | |
CN103745089A (zh) | 一种多维公共交通运行指数评价方法 | |
CN105070056A (zh) | 一种基于浮动车的交叉口交通拥堵指数计算方法 | |
CN104294720A (zh) | 一种高速公路设计方案安全性评价方法 | |
CN104408925A (zh) | 基于陈列雷达的交叉口运行状态评价方法 | |
CN104573873B (zh) | 一种基于模糊决策树的航站楼离港旅客流量预测方法 | |
CN104850676A (zh) | 一种公路桥梁随机车流仿真模拟方法 | |
CN104933284A (zh) | 一种基于实测数据的公路桥梁随机车流模拟方法 | |
CN107230350A (zh) | 一种基于卡口与手机流量话单数据的城市交通量获取方法 | |
CN105913658A (zh) | 一种交通流推测od位置及od矩阵的方法 | |
CN109572763A (zh) | 一种基于恶劣天气和晚点条件下列车车次安全性评估方法 | |
CN103163568A (zh) | 利用界聚法预报强降水的方法 | |
CN111009140A (zh) | 一种基于开源路况信息的智能交通信号控制方法 | |
CN105956986A (zh) | 高速公路雾灾风险等级预报技术实现方法 | |
CN109447352B (zh) | 一种公交出行od矩阵反推的组合方法 | |
CN105608315A (zh) | 公交停靠站安全服务水平定量评价方法及系统 | |
Wen | A work zone simulation model for travel time prediction in a connected vehicle environment | |
Ikeuchi et al. | Development of a statistical model to predict traffic congestion in winter seasons in Nagaoka, Japan using publicly available data | |
Gelpi et al. | Study of NWP parameterizations on extreme precipitation events over Basque Country | |
Nogi et al. | Estimation of Level of Service for Urban Arterial Road of Ahmedabad City |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |