CN107479112B - 浓雾预测方法、装置及系统 - Google Patents
浓雾预测方法、装置及系统 Download PDFInfo
- Publication number
- CN107479112B CN107479112B CN201710551610.4A CN201710551610A CN107479112B CN 107479112 B CN107479112 B CN 107479112B CN 201710551610 A CN201710551610 A CN 201710551610A CN 107479112 B CN107479112 B CN 107479112B
- Authority
- CN
- China
- Prior art keywords
- data
- time period
- visibility
- atmospheric temperature
- window
- 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.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
Landscapes
- Environmental & Geological Engineering (AREA)
- Engineering & Computer Science (AREA)
- Life Sciences & Earth Sciences (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种浓雾预测方法、装置及系统,属于交通气象预警技术领域。所述方法包括:获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据,所述气象数据包括能见度数据和/或大气温度数据;根据获取的气象数据,判断所述第一时间段内的气象数据是否出现波动;若所述第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾,所述浓雾为能见度小于预设能见度值的雾。本发明提高了浓雾预测的准确度。本发明用于公路沿线的浓雾预测。
Description
技术领域
本发明涉及交通气象预警技术领域,特别涉及一种浓雾预测方法、装置及系统。
背景技术
在公路交通中,浓雾天气引发的事故屡见不鲜,因此,对公路沿线是否会出现浓雾的预测具有重大的意义。
相关技术中,气象部门主要采用数值预报模式进行浓雾的预测,具体的:将待预测浓雾的地区划分为多个矩形的子区域,采集多个矩形子区域的气象数据,并分别将每个矩形子区域的气象数据输入预先建立的数值预报模型中,然后,该数值预报模型根据输入的气象数据预测对应矩形子区域内是否会出现浓雾。
但是,目前的浓雾预测方法,预测的对象是每个矩形子区域,而每个矩形子区域的范围较大,例如:矩形子区域的范围通常为15千米×15千米,因此,无法实现小范围内的浓雾准确预测。
发明内容
为了解决相关技术无法实现小范围内的浓雾准确预测的问题,本发明实施例提供了一种浓雾预测方法、装置及系统。所述技术方案如下:
第一方面,提供了一种浓雾预测方法,应用于数据处理服务器,所述方法包括:
获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据,所述气象数据包括能见度数据和/或大气温度数据;
根据获取的气象数据,判断所述第一时间段内的气象数据是否出现波动;
若所述第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾,所述浓雾为能见度小于预设能见度值的雾。
可选地,所述第一时间段包括时长相等且依次排布的多个窗口时间段,
所述根据获取的气象数据,判断所述第一时间段内的气象数据是否出现波动,包括:
根据获取的气象数据,判断每个所述窗口时间段内的气象数据是否出现波动;
当任一所述窗口时间段内的气象数据出现波动,确定所述第一时间段内的气象数据出现波动;
当所有所述窗口时间段内的气象数据未出现波动,确定所述第一时间段内的气象数据未出现波动。
可选地,所述第一时间段包括时长相等且按照时间由近至远的顺序排布的多个窗口时间段,
所述根据获取的气象数据,判断每个所述窗口时间段内的气象数据是否出现波动,包括:
按照时间由近至远的顺序,依次判断每个所述窗口时间段内的气象数据是否出现波动,直至存在某一窗口时间段内的气象数据出现波动,停止判断所述某一窗口时间段之后的窗口时间段内的气象数据是否出现波动。
可选地,所述多个窗口时间段为多个连续的窗口时间段,且所述多个连续的窗口时间段不存在交集;
或者,所述多个窗口时间段为从所述第一时间段的开始时刻到所述第一时间段的结束时刻依次排布的多个时长相等的窗口时间段,每两个相邻的所述窗口时间段的结束时刻间隔预设时长,且所述预设时长小于一个窗口时间段的时长,所述多个窗口时间段中时间最近的一个窗口时间段的结束时刻为所述第一时间段的结束时刻。
可选地,所述气象数据包括能见度数据和大气温度数据,在所述若所述第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾之后,包括:
基于浓雾出现概率公式,确定浓雾在所述第二预设时间段内出现的概率,所述浓雾出现概率公式为:P=a×V1+b×V2;
其中,所述P为浓雾在所述第二预设时间段内出现的概率,所述a为反映能见度对浓雾是否出现的影响的权值,所述b为反映大气温度对浓雾是否出现的影响的权值,所述第一时间段内的能见度数据出现波动时所述V1取值为1,所述第一时间段内的能见度数据未出现波动时所述V1取值为0,所述第一时间段内的大气温度数据出现波动时所述V2取值为1,所述第一时间段内的大气温度数据未出现波动时所述V2取值为0。
可选地,所述判断每个所述窗口时间段内的气象数据是否出现波动,具体包括:
获取第一窗口时间段内最大的前n个能见度数据,所述第一窗口时间段为所述多个窗口时间段中任一窗口时间段,所述n为大于0的整数;
获取所述第一窗口时间段内最小的前m个能见度数据,所述m为大于0的整数;
若所述最大的前n个能见度数据的均值大于预设能见度上限阈值,且所述最小的前m个能见度数据的均值小于预设能见度下限阈值,确定所述第一窗口时间段内的能见度数据出现波动。
可选地,所述判断每个所述窗口时间段内的气象数据是否出现波动,具体包括:
获取第一窗口时间段内最大的前p个大气温度数据,以及所述最大的前p个大气温度数据中每个数据的第一获取时间,所述第一窗口时间段为所述多个窗口时间段中任一窗口时间段,所述p为大于0的整数;
获取所述第一窗口时间段内最小的前q个大气温度数据,以及所述最小的前q个大气温度数据中每个数据的第二获取时间,所述q为大于0的整数;
若所述最大的前p个大气温度数据的均值与所述最小的前q个大气温度数据的均值的差值大于或等于预设回温幅度阈值,且存在一个第一获取时间大于一个第二获取时间,确定所述第一窗口时间段内的大气温度数据出现波动。
可选地,所述判断所述第一时间段内的气象数据是否出现波动,包括:
获取当前时刻的大气相对湿度数据和风速数据;
判断所述大气相对湿度数据是否大于预设大气相对湿度阈值,且所述风速数据是否小于预设风速阈值;
当所述大气相对湿度数据大于所述预设大气相对湿度阈值,且所述风速数据小于所述预设风速阈值时,判断所述第一时间段内的气象数据是否出现波动。
第二方面,提供了一种浓雾预测装置,所述装置包括:
获取模块,用于获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据,所述气象数据包括能见度数据和/或大气温度数据;
判断模块,用于根据获取的气象数据,判断所述第一时间段内的气象数据是否出现波动;
预测模块,用于若所述第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾,所述浓雾为能见度小于预设能见度值的雾。
第三方面,提供了一种浓雾预测系统,包括:数据处理服务器和数据采集装置;
所述数据处理服务器用于执行第一方面任一所述的浓雾预测方法;
所述数据采集装置用于采集公路沿线的气象数据,并向所述数据处理服务器发送所述气象数据。
第四方面,提供了一种存储介质,所述存储介质中存储有指令,当所述存储介质在计算机上运行时,使得所述计算机执行第一方面任一所述的浓雾预测方法。
第五方面,提供了一种终端,包括存储器,处理器及存储在所述存储器上并可在处理器上运行的计算机程序,所述处理器执行所述计算机程序时,实现第一方面任一所述的浓雾预测方法。
本发明实施例提供的技术方案带来的有益效果是:
综上所述,本发明实施例提供的浓雾预测方法、装置及系统,通过根据获取的公路沿线的气象数据,判断第一时间段内的气象数据是否出现波动,且若第一时间段内的气象数据出现波动,预测第二预设时间段内公路沿线会出现浓雾,以实现对公路沿线的浓雾预测,相对于相关技术,能够将预测范围落在具体的公路沿线上,缩小了浓雾预测的范围,进而提高了浓雾预测的精确度。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1-1是本发明实施例提供的浓雾预测方法所涉及的浓雾预测系统的结构示意图;
图1-2是本发明实施例提供的一种浓雾预测方法的流程图;
图2是本发明实施例提供的另一种浓雾预测方法的流程图;
图3是本发明实施例提供的一种第一时间段内包括的多个窗口时间段的示意图;
图4-1是本发明实施例提供的一种数据处理服务器根据获取的能见度数据,判断第一时间段内的能见度数据是否出现波动的方法流程图;
图4-2是本发明实施例提供的一种数据处理服务器判断每个窗口时间段内的能见度数据是否出现波动的方法流程图;
图4-3是本发明实施例提供的一种能见度数据出现波动的曲线示意图;
图5-1是本发明实施例提供的又一种浓雾预测方法的流程图;
图5-2是本发明实施例提供的一种数据处理服务器根据获取的大气温度数据,判断第一时间段内的大气温度数据是否出现波动的方法流程图;
图5-3是本发明实施例提供的一种数据处理服务器判断每个窗口时间段内的大气温度数据是否出现波动的方法流程图;
图5-4是本发明实施例提供的一种大气温度数据出现波动的曲线示意图;
图6-1是本发明实施例提供的再一种浓雾预测方法的流程图;
图6-2是本发明实施例提供的一种数据处理服务器根据获取的能见度数据和大气温度数据,判断第一时间段内的能见度数据和大气温度数据是否出现波动的方法流程图;
图7-1是本发明实施例提供的一种浓雾预测装置的结构示意图;
图7-2是本发明实施例提供的一种判断模块的结构示意图;
图7-3是本发明实施例提供的另一种浓雾预测装置的结构示意图;
图7-4是本发明实施例提供的另一种判断模块的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合附图对本发明实施方式作进一步地详细描述。
请参见图1-1,其示出了本发明实施例中提供的浓雾预测方法所涉及的浓雾预测系统的结构示意图。如图1-1所示,该浓雾预测系统可以包括:数据处理服务器110和由数据处理服务器110管理的多个数据采集装置120。其中,多个数据采集装置120按照预设间距(可根据实际需要进行设置)设置在公路沿线,例如:在某条公路的公路沿线上每隔5千米设置一个数据采集装置120,数据处理服务器110可以是一台服务器,或者,由若干台服务器组成的服务器集群,或者是一个云计算服务中心,每个数据采集装置120中可以集成有一个传感器或多个传感器。
数据处理服务器110与数据采集装置120之间可以通过有线网络或无线网络建立连接。数据采集装置120可以采集公路沿线的气象数据,并向数据处理服务器110发送气象数据,数据处理服务器110可以获取数据采集装置120向其发送的气象数据,并根据获取的数据预测第二预设时间段内公路沿线是否会出现浓雾。
需要说明的是,实际的公路网中包括多条公路,且每条公路包括多个公路路段,图1-1所示的浓雾预测系统仅示出了多个数据采集装置120设置在一条公路的公路沿线的情况,公路网中其他公路中数据处理服务器及其管理的多个数据采集装置120的设置可相应参考图1-1中的设置方式,此处不再赘述。
本发明实施例提供了一种浓雾预测方法,应用于数据处理服务器,如图1-2所示,该方法可以包括:
步骤201、获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据。
其中,气象数据包括能见度数据和/或大气温度数据。
步骤202、根据获取的气象数据,判断第一时间段内的气象数据是否出现波动。
步骤203、若第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾。
其中,浓雾为能见度小于预设能见度值的雾,例如:预设能见度值200米。第二预设时间段为未来的时间段,例如:可以为未来1至3小时。
实际应用中,数据处理服务器获取的公路沿线的气象数据可以是公路沿线上某个公路路段对应的气象数据,根据该气象数据,数据处理服务器可以对该公路路段是否会出现浓雾进行预测,以将浓雾预测的预测范围落在具体的公路路段上。
综上所述,本发明实施例提供的浓雾预测方法,通过根据获取的公路沿线的气象数据,判断第一时间段内的气象数据是否出现波动,且若第一时间段内的气象数据出现波动,预测第二预设时间段内公路沿线会出现浓雾,以实现对公路沿线的浓雾预测,相对于相关技术,能够将预测范围落在具体的公路沿线上,缩小了能够对浓雾进行准确预测的范围,进而提高了浓雾预测的精确度。
在本发明实施例中,气象数据可以包括能见度数据和/或大气温度数据,当气象数据不同时,数据处理服务器根据获取的能见度数据和/或大气温度数据判断第一时间段内的气象数据是否出现波动,并对浓雾进行预测的过程也不同,本发明以以下三种可实现方式为例进行说明,以下三种可实现方式均可以应用于图1-1所示的浓雾预测系统,且由于在实际应用中,浓雾预测系统可以包括数据处理服务器和其管理的多个数据采集装置,以下三种可实现方式均以数据处理服务器和数据处理服务器管理的第一数据采集装置为例,对本发明实施例提出的浓雾预测方法进行说明,该第一数据采集装置为数据处理服务器管理的多个数据采集装置中的任一个,数据处理服务器和其他数据采集装置的动作可以参考数据处理服务器和第一数据采集装置的动作。
第一种可实现方式,数据处理服务器根据获取的能见度数据判断第一时间段内的能见度数据是否出现波动,并对浓雾进行预测的过程,如图2所示,可以包括:
步骤301、第一数据采集装置采集公路沿线的气象数据。
可选地,采集的气象数据可以包括大气温度数据、能见度数据、大气相对湿度数据和风速数据等数据,第一数据采集装置可以定时地采集气象数据,例如:第一数据采集装置每隔10分钟采集一次气象数据,或者,第一数据采集装置可以不定时地采集数据,例如:第一数据采集装置可以根据用户设置不定时地采集数据,本发明实施例对其不做具体限定。且多个数据采集装置是按照预设间距设置在公路沿线的,因此,第一数据采集装置可以只采集该预设间距内的气象数据,以保证其采集的数据的有效性,例如:当多个数据采集装置按照5千米的预设间距设置在公路沿线时,第一数据采集装置可以只采集其在公路沿线上以自身为起点向两侧各延伸3千米的公路沿线的气象数据。
步骤302、第一数据采集装置向数据处理服务器发送气象数据。
第一数据采集装置采集气象数据后可以将采集到的气象数据发送给数据处理服务器,具体地,其可以定时地将采集到的数据发送给数据处理服务器,例如:每10分钟向数据处理服务器发送一次该时段内采集到的气象数据,也可以在每次采集到气象数据时,即时地向数据处理服务器发送采集到的气象数据,本发明实施例对其不做具体限定。
步骤303、数据处理服务器获取当前时刻的大气相对湿度数据和风速数据。
该大气相对湿度数据和风速数据可以为当前时刻第一数据采集装置主动向数据处理服务器发送的数据,也可以是当前时刻数据处理服务器向第一数据采集装置发送数据获取请求后,第一数据采集装置接收该数据获取请求后向数据处理服务器发送的。
步骤304、数据处理服务器判断大气相对湿度数据是否大于预设大气相对湿度阈值,且风速数据是否小于预设风速阈值。
其中,预设大气相对湿度阈值可以是根据历史时间段中出现浓雾时的大气相对湿度数据统计得到的大气相对湿度阈值,该预设风速阈值可以是根据历史时间段中出现浓雾时的风速数据统计得到的风速阈值。
大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值是浓雾出现之前大概率地会出现的气象条件,当大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值时,浓雾才有可能出现,即才有必要执行步骤305,否则,当大气相对湿度数据不大于预设大气相对湿度阈值,和/或,风速数据不小于预设风速阈值时,需要返回步骤303,即重新获取大气相对湿度数据和风速数据,直至重新获取的大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值时,执行步骤305。
示例地,假设获取的大气相对湿度数据为90%,获取的风速数据为1.0米/秒,预设大气相对湿度阈值为85%,预设风速阈值为3.0米/秒,可以确定大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值,则执行步骤305。
步骤305、当大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值时,数据处理服务器根据获取的能见度数据,判断第一时间段内的能见度数据是否出现波动。
其中,第一时间段可以包括时长相等且依次排布的多个窗口时间段,具体地,第一时间段可以包括时长相等且按照时间由近至远的顺序排布的多个窗口时间段。进一步地,该多个窗口时间段还可以为多个连续的窗口时间段,且多个连续的窗口时间段不存在交集。或者,多个窗口时间段可以基于滑窗原理设置,也即是,多个窗口时间段为从第一时间段的开始时刻到第一时间段的结束时刻依次排布的多个时长相等的窗口时间段,该多个窗口时间段中每两个相邻的窗口时间段的结束时刻间隔预设时长,且预设时长小于一个窗口时间段的时长,多个窗口时间段中时间最近的一个窗口时间段的结束时刻为第一时间段的结束时刻。
示例地,第一时间段内包括的多个窗口时间段的示意图请参考图3,其中,第一时间段包括多个窗口时间段,图3中仅示出了第一窗口时间段(从时刻t1到时刻t0之间的时间段)、第二窗口时间段(从时刻t3到时刻t2之间的时间段)和第三窗口时间段(从时刻t5到时刻t4之间的时间段),未示出其余窗口时间段,且第一窗口时间段、第二窗口时间段和第三窗口时间段为从第一时间段的开始时刻t′到结束时刻t0依次排布的三个时长相等的窗口时间段,第一窗口时间段的结束时刻t0和第二窗口时间段的结束时刻t2、第二窗口时间段的结束时刻t2和第三窗口时间段的结束时刻t4均间隔预设时长,该预设时长小于一个窗口时间段的时长时间段。实际应用中,第一时间段的时长可以为120分钟(英文:min),一个窗口时间段的时长可以为15min,预设时长可以为3min,且第一时间段的时长、一个窗口时间段的时长以及预设时长的取值均可根据实际需要进行调整。
可选地,如图4-1所示,数据处理服务器根据获取的能见度数据,判断第一时间段内的能见度数据是否出现波动的过程,可以包括:
步骤3051、数据处理服务器根据获取的能见度数据,判断每个窗口时间段内的能见度数据是否出现波动。
具体地,数据处理服务器可以按照时间由近至远的顺序,依次判断每个窗口时间段内的能见度数据是否出现波动,直至存在某一窗口时间段内的能见度数据出现波动,停止判断某一窗口时间段之后的窗口时间段内的能见度数据是否出现波动。其中,数据处理服务器判断每个窗口时间段内的能见度数据是否出现波动的过程,如图4-2所示,具体可以包括:
步骤a1、数据处理服务器获取第一窗口时间段内最大的前n个能见度数据。
其中,第一窗口时间段为多个窗口时间段中任一窗口时间段,n为大于0的整数。
示例地,假设n=2,且第一窗口时间段内包括6个能见度数据,分别为650米、600米、590米、280米、270米和260米,可知该第一窗口时间段内最大的前2个能见度数据为650米和600米,即获取的第一窗口时间段内最大的前2个能见度数据为650米和600米。
步骤a2、数据处理服务器获取第一窗口时间段内最小的前m个能见度数据。
其中,m为大于0的整数,m的取值与n的取值可以相等或不等,且两者的取值均可以根据实际情况进行调整。
示例地,假设m=2,且第一窗口时间段内包括6个能见度数据,分别为650米、600米、590米、280米、270米和260米,可知该第一窗口时间段内最小的前2个能见度数据为270米和260米,即获取的第一窗口时间段内最小的前2个能见度数据为270米和260米。
步骤a3、若最大的前n个能见度数据的均值大于预设能见度上限阈值,且最小的前m个能见度数据的均值小于预设能见度下限阈值,数据处理服务器确定第一窗口时间段内的能见度数据出现波动。
最大的前n个能见度数据的均值大于预设能见度上限阈值,且最小的前m个能见度数据的均值小于预设能见度下限阈值,说明第一窗口时间段内的能见度出现振荡特征,该能见度出现振荡特征是浓雾出现之前大概率地会出现的气象条件,也即是,当该气象条件出现时,可以确定能见度数据出现波动,且可以根据该气象条件预测第二预设时间段内将出现浓雾,其中,能见度数据出现波动的曲线示意图请参考图4-3,图中第i窗口时间段内的能见度数据出现了波动。
示例地,假设预设能见度上限阈值为600米,预设能见度下限阈值为350米,数据处理服务器获取的第一窗口时间段内最大的前2个能见度数据分别为650米和600米,获取的第一窗口时间段内最小的前2个能见度数据分别为270米和260米,最大的前2个能见度数据的均值为625米,最小的前2个能见度数据的均值为265米,625米>600米,且265米<350米,则可以确定第一窗口时间段内的能见度数据出现波动。
步骤3052、当任一窗口时间段内的能见度数据出现波动,数据处理服务器确定第一时间段内的能见度数据出现波动。
在判断每个窗口时间段内的能见度数据是否出现波动的过程中,当第一时间段内的任一窗口时间段内的能见度数据出现波动时,即可确定第一时间段内的能见度数据出现波动,此时,执行步骤306。
步骤3053、当所有窗口时间段内的能见度数据未出现波动,数据处理服务器确定第一时间段内的能见度数据未出现波动。
在判断每个窗口时间段内的能见度数据是否出现波动的过程中,当所有窗口时间段内的能见度数据均未出现波动时,即可确定第一时间段内的能见度数据未出现波动,此时可继续根据获取的能见度数据,判断第一时间段内的能见度数据是否出现波动。
步骤306、若第一时间段内的能见度数据出现波动,数据处理服务器预测第二预设时间段内出现浓雾。
根据第一数据采集装置采集的能见度数据,预测出该第一数据采集装置所对应的公路路段在第二预设时间段内将出现浓雾,能够为该公路路段的交通事故的主动预防和公众出行信息服务等提供重要的参考依据。
第二种可实现方式,数据处理服务器根据获取的大气温度数据判断第一时间段内的大气温度数据是否出现波动,并对浓雾进行预测的过程,如图5-1所示,可以包括:
步骤501、第一数据采集装置采集公路沿线的气象数据。
此步骤的具体过程可以参考上述步骤301,本发明实施例对此不再赘述。
步骤502、第一数据采集装置向数据处理服务器发送气象数据。
此步骤的具体过程可以参考上述步骤302,本发明实施例对此不再赘述。
步骤503、数据处理服务器获取当前时刻的大气相对湿度数据和风速数据。
此步骤的具体过程可以参考上述步骤303,本发明实施例对此不再赘述。
步骤504、数据处理服务器判断大气相对湿度数据是否大于预设大气相对湿度阈值,且风速数据是否小于预设风速阈值。
此步骤的具体过程可以参考上述步骤304,本发明实施例对此不再赘述。
步骤505、当大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值时,数据处理服务器根据获取的大气温度数据,判断第一时间段内的大气温度数据是否出现波动。
可选地,如图5-2所示,数据处理服务器根据获取的大气温度数据,判断第一时间段内的大气温度数据是否出现波动的过程,可以包括:
步骤5051、数据处理服务器根据获取的大气温度数据,判断每个窗口时间段内的大气温度数据是否出现波动。
具体地,数据处理服务器可以按照时间由近至远的顺序,依次判断每个窗口时间段内的大气温度数据是否出现波动,直至存在某一窗口时间段内的大气温度数据出现波动,停止判断某一窗口时间段之后的窗口时间段内的大气温度数据是否出现波动。其中,数据处理服务器判断每个窗口时间段内的大气温度数据是否出现波动的过程,如图5-3所示,具体可以包括:
步骤b1、数据处理服务器获取第一窗口时间段内最大的前p个大气温度数据,以及最大的前p个大气温度数据中每个数据的第一获取时间。
其中,第一窗口时间段为多个窗口时间段中任一窗口时间段,p为大于0的整数。
示例地,假设p=2,且数据处理服务器获取的第一窗口时间段内所采集的6个大气温度数据,分别为8.2摄氏度、8.1摄氏度、8.3摄氏度、8.6摄氏度、8.8摄氏度和9.0摄氏度,该6个大气温度数据的中每个数据的获取时间分别为2:20、2:28、2:36、2:44、2:53和3:03,可知该第一窗口时间段内最大的前2个大气温度数据为8.8摄氏度和9.0摄氏度,该两个大气温度数据的第一获取时间分别为2:53和3:03。
步骤b2、数据处理服务器获取第一窗口时间段内最小的前q个大气温度数据,以及最小的前q个大气温度数据中每个数据的第二获取时间。
其中,q为大于0的整数,q的取值与p的取值可以相等或不等,且两者的取值均可以根据实际情况进行调整。
示例地,假设q=2,且数据处理服务器获取的第一窗口时间段内所采集的6个大气温度数据,分别为8.2摄氏度、8.1摄氏度、8.3摄氏度、8.6摄氏度、8.8摄氏度和9.0摄氏度,该6个大气温度数据的中每个数据的第一获取时间分别为2:20、2:28、2:36、2:44、2:53和3:03,可知该第一窗口时间段内最小的前2个大气温度数据为8.1摄氏度和8.2摄氏度,该两个大气温度数据的第二获取时间分别为2:28和2:20。
步骤b3、若最大的前p个大气温度数据的均值与最小的前q个大气温度数据的均值的差值大于或等于预设回温幅度阈值,且存在一个第一获取时间大于一个第二获取时间,数据处理服务器确定第一窗口时间段内的大气温度数据出现波动。
最大的前p个大气温度数据的均值与最小的前q个大气温度数据的均值的差值大于或等于预设回温幅度阈值,且存在一个第一获取时间大于一个第二获取时间,说明第一窗口时间段内的大气温度出现回温波动特征,该大气温度出现回温波动特征是指大气温度变化呈现为“下降—小幅度回升—继续下降”的趋势,其是浓雾出现之前大概率地会出现的气象条件,也即是,当该气象条件出现时,可以确定大气温度数据出现波动,且可以根据该气象条件预测第二预设时间段内将出现浓雾,大气温度数据出现波动的曲线示意图请参考图5-4,图中第i窗口时间段内的大气温度数据出现了波动。
示例地,假设预设回温幅度阈值为0.70摄氏度,获取的第一窗口时间段内最大的前2个大气温度数据为8.8摄氏度和9.0摄氏度,该最大的前2个大气温度数据的第一获取时间分别为2:53和3:03,获取的第一窗口时间段内最小的前2个大气温度数据为8.1摄氏度和8.2摄氏度,该最小的前2个大气温度数据的第二获取时间分别为2:28和2:20,最大的前2个大气温度数据的均值为8.9摄氏度,最小的前2个大气温度数据的均值为8.15摄氏度,两个均值的差值为0.75摄氏度,0.75摄氏度>0.70摄氏度,且存在一个第一获取时间3:03大于一个第二获取时间2:28,则可以确定第一窗口时间段内的大气温度数据出现波动。
步骤5052、当任一窗口时间段内的大气温度数据出现波动,数据处理服务器确定第一时间段内的大气温度数据出现波动。
在判断每个窗口时间段内的大气温度数据是否出现波动的过程中,当第一时间段内的任一窗口时间段内的大气温度数据出现波动时,即可确定第一时间段内的大气温度数据出现波动,此时,执行步骤506。
步骤5053、当所有窗口时间段内的大气温度数据未出现波动,数据处理服务器确定第一时间段内的大气温度数据未出现波动。
在判断每个窗口时间段内的大气温度数据是否出现波动的过程中,当所有窗口时间段内的大气温度数据均未出现波动时,即可确定第一时间段内的大气温度数据未出现波动,此时可继续根据获取的大气温度数据,判断第一时间段内的大气温度数据是否出现波动。
步骤506、若第一时间段内的大气温度数据出现波动,数据处理服务器预测第二预设时间段内出现浓雾。
第三种可实现方式,数据处理服务器根据获取的能见度数据和大气温度数据判断第一时间段内的能见度数据和大气温度数据是否出现波动,并对浓雾进行预测的过程,如图6-1所示,可以包括:
步骤601、第一数据采集装置采集公路沿线的气象数据。
此步骤的具体过程可以参考上述步骤301,本发明实施例对此不再赘述。
步骤602、第一数据采集装置向数据处理服务器发送气象数据。
此步骤的具体过程可以参考上述步骤302,本发明实施例对此不再赘述。
步骤603、数据处理服务器获取当前时刻的大气相对湿度数据和风速数据。
此步骤的具体过程可以参考上述步骤303,本发明实施例对此不再赘述。
步骤604、数据处理服务器判断大气相对湿度数据是否大于预设大气相对湿度阈值,且风速数据是否小于预设风速阈值。
此步骤的具体过程可以参考上述步骤304,本发明实施例对此不再赘述。
步骤605、当大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值时,数据处理服务器根据获取的能见度数据和大气温度数据,判断第一时间段内的能见度数据和大气温度数据是否出现波动。
可选地,如图6-2所示,数据处理服务器根据获取的能见度数据和大气温度数据,判断第一时间段内的能见度数据和大气温度数据是否出现波动的过程,可以包括:
步骤6051、数据处理服务器根据获取的能见度数据和大气温度数据,判断每个窗口时间段内的能见度数据和大气温度数据是否出现波动。
具体地,数据处理服务器可以按照时间由近至远的顺序,分别依次判断每个窗口时间段内的能见度数据和大气温度数据是否出现波动,当某一窗口时间段内的能见度数据和大气温度数据中的一个出现波动时,停止判断该出现波动的数据在该某一窗口时间段之后的窗口时间段内是否出现波动,此时,仍继续判断另一个未出现波动的数据在该某一窗口时间段之后的窗口时间段内是否出现波动。例如:在分别依次判断每个窗口时间段内的能见度数据和大气温度数据是否出现波动时,假设能见度数据在第三窗口时间段内的出现波动,此时,停止判断能见度数据在第三窗口时间段之后的窗口时间段内是否出现波动,并继续判断大气温度数据在第三窗口时间段之后的窗口时间段内是否出现波动。
其中,数据处理服务器判断每个窗口时间段内的能见度数据是否出现波动的过程请参考步骤a1至步骤a3,数据处理服务器判断每个窗口时间段内的大气温度数据是否出现波动的过程请参考步骤b1至步骤b3,此处不再赘述。
步骤6052、当任一窗口时间段内的能见度数据出现波动,和/或,任一窗口时间段内的大气温度数据出现波动,数据处理服务器确定第一时间段内的能见度数据和大气温度数据出现波动。
经过步骤6051的判断后,只要能见度数据和大气温度数据中的一个在第一时间段内出现波动即可认为第一时间段内的能见度数据和大气温度数据出现波动,然后,执行步骤606。
步骤6053、当所有窗口时间段内的能见度数据和大气温度数据未出现波动,数据处理服务器确定第一时间段内的能见度数据和大气温度数据未出现波动。
在判断每个窗口时间段内的能见度数据和大气温度数据是否出现波动的过程中,当所有窗口时间段内的能见度数据和大气温度数据均未出现波动时,即可确定第一时间段内的能见度数据和大气温度数据未出现波动,此时可继续根据获取的能见度数据和大气温度数据,判断第一时间段内的能见度数据和大气温度数据是否出现波动。
步骤606、若第一时间段内的能见度数据和大气温度数据出现波动,数据处理服务器预测第二预设时间段内出现浓雾。
当第一时间段内的能见度数据和大气温度数据出现波动时,数据处理服务器即可预测第二预设时间段内将出现浓雾,并且,还可以预测浓雾在第二预设时间段内出现的概率,即执行步骤607。
步骤607、数据处理服务器基于浓雾出现概率公式,确定浓雾在第二预设时间段内出现的概率。
其中,浓雾出现概率公式为:P=a×V1+b×V2,P为浓雾在第二预设时间段内出现的概率,a为反映能见度对浓雾是否出现的影响的权值,b为反映大气温度对浓雾是否出现的影响的权值,且a+b=1,第一时间段内的能见度数据出现波动时V1取值为1,第一时间段内的能见度数据未出现波动时V1取值为0,第一时间段内的大气温度数据出现波动时V2取值为1,第一时间段内的大气温度数据未出现波动时V2取值为0。
示例地,假设能见度对浓雾是否出现的影响的权值a=0.6,大气温度对浓雾是否出现的影响的权值b=0.4,且第一时间段内的能见度数据出现波动,即V1=1,第一时间段内的大气温度数据未出现波动,即V2=0,根据浓雾出现概率公式,可得浓雾在第二预设时间段内出现的概率P=a×V1+b×V2=0.6×1+0.4×0=0.6,即浓雾在第二预设时间段内出现的概率为60%。
需要说明的是,本发明实施例中预设能见度值、预设时长、a的取值、b的取值、预设能见度上限阈值、预设能见度下限阈值、预设回温幅度阈值、预设大气相对湿度阈值和预设风速阈值等参数均为预测的浓雾的能见度小于200米,且第二预设时间段为未来1至3小时时的参考值,实际应用中,上述参数的取值可根据实际情况进行调整,例如:可以对第一时间段之前出现浓雾的过程的历史气象数据进行统计和分析,然后根据统计和分析的结果确定上述参数。因此,实际应用中,在步骤304、步骤504和步骤604之前,数据处理服务器还可以根据接收的气象数据建立公路沿线的气象监测数据库,以便于为浓雾预测提供数据参考依据。例如:数据处理服务器可以根据接收到的当前时刻之前一年时间里接收到的所有气象数据建立公路沿线的气象监测数据库。并且,在建立气象监测数据库后,数据处理服务器还可以根据建立数据库后接收到的气象数据更新数据库,以便于提高气象监测数据库中记载的气象数据的准确性和及时性。
综上所述,本发明实施例提供的浓雾预测方法,通过根据获取的公路沿线的气象数据,判断第一时间段内的气象数据是否出现波动,且若第一时间段内的气象数据出现波动,预测第二预设时间段内公路沿线会出现浓雾,以实现对公路沿线的浓雾预测,相对于采用数值预报模式和人工修正的相关技术,能够将预测范围落在具体的公路沿线上,缩小了浓雾预测的范围,进而提高了浓雾预测的精确度。并且,相关技术中一般只能预测长时段内(例如:未来24小时)是否会出现浓雾,而本发明实施例提供的浓雾预测方法能够预测时长较短的第二时间段内(例如:未来1至3小时)是否会出现浓雾,提高了浓雾预测的时效性,能够及时地为浓雾天气下的交通事故的主动预防和公众出行信息服务等提供重要的参考依据,其具有工程化应用前景广阔和使用方便的特点。
需要说明的是,本发明实施例提供的浓雾预测方法步骤的先后顺序可以进行适当调整,步骤也可以根据情况进行相应增减,任何熟悉本技术领域的技术人员在本申请揭露的技术范围内,可轻易想到变化的方法,都应涵盖在本申请的保护范围之内,因此不再赘述。
图7-1为本发明实施例提供的一种浓雾预测装置的结构示意图,如图7-1所示,浓雾预测装置700可以包括:
获取模块701,用于获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据,气象数据包括能见度数据和/或大气温度数据。
判断模块702,用于根据获取的气象数据,判断第一时间段内的气象数据是否出现波动。
预测模块703,用于若第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾,浓雾为能见度小于预设能见度值的雾。
综上所述,本发明实施例提供的浓雾预测装置,通过判断模块根据获取的公路沿线的气象数据,判断第一时间段内的气象数据是否出现波动,且若第一时间段内的气象数据出现波动,预测模块预测第二预设时间段内公路沿线会出现浓雾,以实现对公路沿线的浓雾预测,相对于采用数值预报模式和人工修正的相关技术,能够将预测范围落在具体的公路沿线上,缩小了浓雾预测的范围,进而提高了浓雾预测的精确度。
可选地,第一时间段包括时长相等且依次排布的多个窗口时间段,如图7-2所示,判断模块702,可以包括:
第一判断子模块7021,用于根据获取的气象数据,判断每个窗口时间段内的气象数据是否出现波动。
确定子模块7022,用于当任一窗口时间段内的气象数据出现波动,确定第一时间段内的气象数据出现波动。
确定子模块7022,还用于当所有窗口时间段内的气象数据未出现波动,确定第一时间段内的气象数据未出现波动。
可选地,第一时间段包括时长相等且按照时间由近至远的顺序排布的多个窗口时间段,判断子模块7021,具体用于:
按照时间由近至远的顺序,依次判断每个窗口时间段内的气象数据是否出现波动,直至存在某一窗口时间段内的气象数据出现波动,停止判断某一窗口时间段之后的窗口时间段内的气象数据是否出现波动。
可选地,多个窗口时间段为多个连续的窗口时间段,且多个连续的窗口时间段不存在交集。
或者,多个窗口时间段为从第一时间段的开始时刻到第一时间段的结束时刻依次排布的多个时长相等的窗口时间段,每两个相邻的窗口时间段的结束时刻间隔预设时长,且预设时长小于一个窗口时间段的时长,多个窗口时间段中时间最近的一个窗口时间段的结束时刻为第一时间段的结束时刻。
可选地,气象数据包括能见度数据和大气温度数据,如图7-3所示,浓雾预测装置700还可以包括:
确定模块704,用于基于浓雾出现概率公式,确定浓雾在第二预设时间段内出现的概率,浓雾出现概率公式为:P=a×V1+b×V2。
其中,P为浓雾在第二预设时间段内出现的概率,a为反映能见度对浓雾是否出现的影响的权值,b为反映大气温度对浓雾是否出现的影响的权值,第一时间段内的能见度数据出现波动时V1取值为1,第一时间段内的能见度数据未出现波动时V1取值为0,第一时间段内的大气温度数据出现波动时V2取值为1,第一时间段内的大气温度数据未出现波动时V2取值为0。
可选地,第一判断子模块7021,具体可以用于:
获取第一窗口时间段内最大的前n个能见度数据,第一窗口时间段为多个窗口时间段中任一窗口时间段,n为大于0的整数。
获取第一窗口时间段内最小的前m个能见度数据,m为大于0的整数。
若最大的前n个能见度数据的均值大于预设能见度上限阈值,且最小的前m个能见度数据的均值小于预设能见度下限阈值,确定第一窗口时间段内的能见度数据出现波动。
可选地,第一判断子模块7021,具体可以用于:
获取第一窗口时间段内最大的前p个大气温度数据,以及最大的前p个大气温度数据中每个数据的第一获取时间,第一窗口时间段为多个窗口时间段中任一窗口时间段,p为大于0的整数。
获取第一窗口时间段内最小的前q个大气温度数据,以及最小的前q个大气温度数据中每个数据的第二获取时间,q为大于0的整数。
若最大的前p个大气温度数据的均值与最小的前q个大气温度数据的均值的差值大于或等于预设回温幅度阈值,且存在一个第一获取时间大于一个第二获取时间,确定第一窗口时间段内的大气温度数据出现波动。
可选地,如图7-4所示,判断模块702,还可以包括:
获取子模块7023,用于获取当前时刻的大气相对湿度数据和风速数据。
第二判断子模块7024,用于判断大气相对湿度数据是否大于预设大气相对湿度阈值,且风速数据是否小于预设风速阈值。
第三判断子模块7025,用于当大气相对湿度数据大于预设大气相对湿度阈值,且风速数据小于预设风速阈值时,判断第一时间段内的气象数据是否出现波动。
综上所述,本发明实施例提供的浓雾预测装置,通过判断模块根据获取的公路沿线的气象数据,判断第一时间段内的气象数据是否出现波动,且若第一时间段内的气象数据出现波动,预测模块预测第二预设时间段内公路沿线会出现浓雾,以实现对公路沿线的浓雾预测,相对于采用数值预报模式和人工修正的相关技术,能够将预测范围落在具体的公路沿线上,缩小了浓雾预测的范围,进而提高了浓雾预测的精确度。并且,该方法能够预测时长较短的第二时间段内是否出现浓雾,能够及时地为浓雾天气下的交通事故的主动预防和公众出行信息服务等提供重要的参考依据,其具有工程化应用前景广阔和使用方便的特点。
所属领域的技术人员可以清楚地了解到,为描述的方便和简洁,上述描述的装置、模块和子模块的具体工作过程,可以参考前述方法实施例中的对应过程,在此不再赘述。
本发明实施例还提供了一种浓雾预测系统,该系统可以为图1-1所示的浓雾预测系统,该系统可以包括:数据处理服务器和数据采集装置。
数据处理服务器用于执行上述方法实施例提供的浓雾预测方法。
数据采集装置用于采集公路沿线的气象数据,并向数据处理服务器发送气象数据。
本发明实施例还提供了一种存储介质,该存储介质可以为非易失性计算机可读存储介质,该存储介质中存储有指令,当该存储介质在计算机上运行时,使得计算机执行上述方法实施例提供的浓雾预测方法。
本发明实施例还提供了一种终端,包括存储器,处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时,实现上述方法实施例提供的浓雾预测方法。
本发明实施例还提供了一种包含指令的计算机程序产品,当其在计算机上运行时,使得计算机执行上述方法实施例提供的浓雾预测方法。
本领域普通技术人员可以理解实现上述实施例的全部或部分步骤可以通过硬件来完成,也可以通过程序来指令相关的硬件完成,所述的程序可以存储于一种计算机可读存储介质中,上述提到的存储介质可以是只读存储器,磁盘或光盘等。
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种浓雾预测方法,其特征在于,应用于数据处理服务器,所述方法包括:
获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据,所述气象数据包括能见度数据和/或大气温度数据,所述第一时间段包括时长相等且依次排布的多个窗口时间段;
获取第一窗口时间段内最大的前n个能见度数据,所述第一窗口时间段为所述多个窗口时间段中任一窗口时间段,所述n为大于0的整数;获取所述第一窗口时间段内最小的前m个能见度数据,所述m为大于0的整数;若所述最大的前n个能见度数据的均值大于预设能见度上限阈值,且所述最小的前m个能见度数据的均值小于预设能见度下限阈值,确定所述第一窗口时间段内的能见度数据出现波动;
获取第一窗口时间段内最大的前p个大气温度数据,以及所述最大的前p个大气温度数据中每个数据的第一获取时间,所述第一窗口时间段为所述多个窗口时间段中任一窗口时间段,所述p为大于0的整数;获取所述第一窗口时间段内最小的前q个大气温度数据,以及所述最小的前q个大气温度数据中每个数据的第二获取时间,所述q为大于0的整数;若所述最大的前p个大气温度数据的均值与所述最小的前q个大气温度数据的均值的差值大于或等于预设回温幅度阈值,且存在一个第一获取时间大于一个第二获取时间,确定所述第一窗口时间段内的大气温度数据出现波动;
若所述第一时间段内的能见度数据或大气温度数据出现波动,预测第二预设时间段内出现浓雾,所述浓雾为能见度小于预设能见度值的雾。
2.根据权利要求1所述的方法,其特征在于,
所述第一时间段包括时长相等且按照时间由近至远的顺序排布的多个窗口时间段,
所述根据获取的气象数据,判断每个所述窗口时间段内的气象数据是否出现波动,包括:
按照时间由近至远的顺序,依次判断每个所述窗口时间段内的气象数据是否出现波动,直至存在某一窗口时间段内的气象数据出现波动,停止判断所述某一窗口时间段之后的窗口时间段内的气象数据是否出现波动。
3.根据权利要求2所述的方法,其特征在于,
所述多个窗口时间段为多个连续的窗口时间段,且所述多个连续的窗口时间段不存在交集;
或者,所述多个窗口时间段为从所述第一时间段的开始时刻到所述第一时间段的结束时刻依次排布的多个时长相等的窗口时间段,每两个相邻的所述窗口时间段的结束时刻间隔预设时长,且所述预设时长小于一个窗口时间段的时长,所述多个窗口时间段中时间最近的一个窗口时间段的结束时刻为所述第一时间段的结束时刻。
4.根据权利要求1所述的方法,其特征在于,所述气象数据包括能见度数据和大气温度数据,在所述若所述第一时间段内的气象数据出现波动,预测第二预设时间段内出现浓雾之后,包括:
基于浓雾出现概率公式,确定浓雾在所述第二预设时间段内出现的概率,所述浓雾出现概率公式为:P=a×V1+b×V2;
其中,所述P为浓雾在所述第二预设时间段内出现的概率,所述a为反映能见度对浓雾是否出现的影响的权值,所述b为反映大气温度对浓雾是否出现的影响的权值,所述第一时间段内的能见度数据出现波动时所述V1取值为1,所述第一时间段内的能见度数据未出现波动时所述V1取值为0,所述第一时间段内的大气温度数据出现波动时所述V2取值为1,所述第一时间段内的大气温度数据未出现波动时所述V2取值为0。
5.一种浓雾预测装置,所述装置用于权利要求1-4任一所述的方法,其特征在于,所述装置包括:
获取模块,用于获取在第一时间段内的至少三个时间点所采集公路沿线的气象数据,所述气象数据包括能见度数据和/或大气温度数据,所述第一时间段包括时长相等且依次排布的多个窗口时间段;
能见度数据判断模块,用于获取第一窗口时间段内最大的前n个能见度数据,所述第一窗口时间段为所述多个窗口时间段中任一窗口时间段,所述n为大于0的整数;获取所述第一窗口时间段内最小的前m个能见度数据,所述m为大于0的整数;若所述最大的前n个能见度数据的均值大于预设能见度上限阈值,且所述最小的前m个能见度数据的均值小于预设能见度下限阈值,确定所述第一窗口时间段内的能见度数据出现波动;
大气温度数据判断模块,用于获取第一窗口时间段内最大的前p个大气温度数据,以及所述最大的前p个大气温度数据中每个数据的第一获取时间,所述第一窗口时间段为所述多个窗口时间段中任一窗口时间段,所述p为大于0的整数;获取所述第一窗口时间段内最小的前q个大气温度数据,以及所述最小的前q个大气温度数据中每个数据的第二获取时间,所述q为大于0的整数;若所述最大的前p个大气温度数据的均值与所述最小的前q个大气温度数据的均值的差值大于或等于预设回温幅度阈值,且存在一个第一获取时间大于一个第二获取时间,确定所述第一窗口时间段内的大气温度数据出现波动;
预测模块,用于若所述第一时间段内的能见度数据或大气温度数据出现波动,预测第二预设时间段内出现浓雾,所述浓雾为能见度小于预设能见度值的雾。
6.一种浓雾预测系统,其特征在于,包括:数据处理服务器和数据采集装置;
所述数据处理服务器用于执行权利要求1至4任一所述的浓雾预测方法;
所述数据采集装置用于采集公路沿线的气象数据,并向所述数据处理服务器发送所述气象数据。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710551610.4A CN107479112B (zh) | 2017-07-07 | 2017-07-07 | 浓雾预测方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710551610.4A CN107479112B (zh) | 2017-07-07 | 2017-07-07 | 浓雾预测方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107479112A CN107479112A (zh) | 2017-12-15 |
CN107479112B true CN107479112B (zh) | 2020-02-11 |
Family
ID=60596052
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710551610.4A Active CN107479112B (zh) | 2017-07-07 | 2017-07-07 | 浓雾预测方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107479112B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109239808A (zh) * | 2018-08-01 | 2019-01-18 | 平安科技(深圳)有限公司 | 天气预报方法、装置、计算机设备及存储介质 |
CN109932758B (zh) * | 2019-03-28 | 2023-08-04 | 厦门龙辉芯物联网科技有限公司 | 一种平流雾预报系统及预报方法 |
CN115616580B (zh) * | 2022-10-14 | 2023-06-30 | 宁波市气象网络与装备保障中心 | 一种近海航道海雾提取方法 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101447812A (zh) * | 2008-11-11 | 2009-06-03 | 华为技术有限公司 | 对用户站的发射功率进行调整的方法和装置 |
CN102156180B (zh) * | 2010-12-22 | 2013-08-21 | 清华大学深圳研究生院 | 一种区域能见度监视预测系统及方法 |
CN103745602A (zh) * | 2014-01-16 | 2014-04-23 | 银江股份有限公司 | 一种基于滑窗平均的交通流量预测方法 |
CN106526709A (zh) * | 2016-09-26 | 2017-03-22 | 北京无线电测量研究所 | 一种基于多源设备组网的机场云雾综合预警系统及方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20160370500A1 (en) * | 2015-06-18 | 2016-12-22 | J.F. Sabourin et associés Inc. | Method and server for providing alerts for rainfall return periods |
CN105373857A (zh) * | 2015-11-27 | 2016-03-02 | 许昌许继软件技术有限公司 | 一种光伏电站辐照度预测方法 |
-
2017
- 2017-07-07 CN CN201710551610.4A patent/CN107479112B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101447812A (zh) * | 2008-11-11 | 2009-06-03 | 华为技术有限公司 | 对用户站的发射功率进行调整的方法和装置 |
CN102156180B (zh) * | 2010-12-22 | 2013-08-21 | 清华大学深圳研究生院 | 一种区域能见度监视预测系统及方法 |
CN103745602A (zh) * | 2014-01-16 | 2014-04-23 | 银江股份有限公司 | 一种基于滑窗平均的交通流量预测方法 |
CN106526709A (zh) * | 2016-09-26 | 2017-03-22 | 北京无线电测量研究所 | 一种基于多源设备组网的机场云雾综合预警系统及方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107479112A (zh) | 2017-12-15 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107945507B (zh) | 行程时间预测方法及装置 | |
US20120130625A1 (en) | Systems and methods for determining traffic intensity using information obtained through crowdsourcing | |
CN107479112B (zh) | 浓雾预测方法、装置及系统 | |
KR102088040B1 (ko) | 도로 안전성 평가 방법 및 이를 수행하기 위한 장치 | |
EP3344951B1 (en) | Method and system for detecting an open navigable element | |
CN112435469B (zh) | 车辆预警控制方法、装置、计算机可读介质及电子设备 | |
US8892343B2 (en) | Determining a spatiotemporal impact of a planned event on traffic | |
US20110161048A1 (en) | Method to Optimize Prediction of Threshold Violations Using Baselines | |
KR101747848B1 (ko) | 교통 상황 예측 서버 및 방법 | |
EP2974182B1 (en) | Traffic analysis system using wireless networking devices | |
Lu et al. | Estimating freeway travel time and its reliability using radar sensor data | |
CN106887141A (zh) | 基于排队论的连续交通节点拥塞程度预测模型、系统及方法 | |
CN112819325B (zh) | 高峰时段确定方法、装置、电子设备和存储介质 | |
CN113256982B (zh) | 车辆违规行驶检测方法、装置、计算机设备及存储介质 | |
CN113538915B (zh) | 交通拥堵事件的处理方法、设备、存储介质及程序产品 | |
JP6777082B2 (ja) | 渋滞予測システム、渋滞予測方法、及び、プログラム | |
EP2874132A2 (en) | Apparatus and method for managing traffic | |
CN101673461B (zh) | 一种路况信息的处理方法、装置和系统 | |
US10140577B2 (en) | Data processing method and apparatus | |
KR20240032811A (ko) | 교통 정보를 생성하는 서버, 방법 및 컴퓨터 프로그램 | |
Maiti et al. | Estimation of local traffic conditions using Wi-Fi sensor technology | |
CN107077783B (zh) | 用于产生流量数据的方法及系统 | |
US9510152B2 (en) | System and method for scheduling location measurements | |
CN108288377B (zh) | 一种路况信息的生成方法及装置 | |
US20150348407A1 (en) | Recommendation Engine Based on a Representation of the Local Environment Augmented by Citizen Sensor Reports |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |