CN109961631A - 道路积水点识别方法及道路积水点识别系统 - Google Patents
道路积水点识别方法及道路积水点识别系统 Download PDFInfo
- Publication number
- CN109961631A CN109961631A CN201711408010.9A CN201711408010A CN109961631A CN 109961631 A CN109961631 A CN 109961631A CN 201711408010 A CN201711408010 A CN 201711408010A CN 109961631 A CN109961631 A CN 109961631A
- Authority
- CN
- China
- Prior art keywords
- ponding
- section
- rainfall
- evaluation
- estimate
- 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 description 48
- 238000011156 evaluation Methods 0.000 claims abstract description 85
- 238000007667 floating Methods 0.000 claims abstract description 78
- 238000012937 correction Methods 0.000 claims abstract description 45
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims abstract description 25
- 238000001514 detection method Methods 0.000 abstract description 18
- 238000012423 maintenance Methods 0.000 abstract description 4
- 238000002513 implantation Methods 0.000 abstract description 2
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 6
- 238000004458 analytical method Methods 0.000 description 5
- 238000012544 monitoring process Methods 0.000 description 5
- 230000002265 prevention Effects 0.000 description 5
- 241001269238 Data Species 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 230000002547 anomalous effect Effects 0.000 description 3
- 238000012279 drainage procedure Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000011897 real-time detection Methods 0.000 description 3
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000000903 blocking effect Effects 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000003694 hair properties Effects 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 239000012141 concentrate Substances 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000009795 derivation Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 230000003628 erosive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012806 monitoring device Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/29—Geographical information databases
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0112—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from the vehicle, e.g. floating car data [FCD]
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/065—Traffic control systems for road vehicles by counting the vehicles in a section of the road or in a parking area, i.e. comparing incoming count with outgoing count
Abstract
本发明涉及道路积水点识别系统包括：车速评价值设定单元，根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定被检测路段的车速评价值；车流量评价值设定单元，根据被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定被检测路段的车流量评价值；降雨积水概率修正系数设定单元，根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数；以及积水识别单元，将被检测路段的所述车速评价值、车流量评价值以及降雨积水概率修正系数相乘得到被检测路段的积水综合评价值，根据该积水综合评价值判定被检测路段是否为积水路段。本发明实现了无装置积水检测，大大降低了设备布设与维修的成本。
Description
技术领域
本发明涉及城市防涝技术，具体地涉及通过结合降雨量、浮动车车速、流量等多种相关数据，实现全路网不同程度积水情形的实时识别的基于朴素贝叶斯模型的道路积水智能识别方法及道路积水智能识别系统。
背景技术
治理内涝一直是各大城市的重点工作。但目前的防洪排涝应急工程基本还是“短、平、快”的小型项目，主要是为了缓解内涝，而难以短期内根治问题；另一方面，局部地区超标准偶发暴雨所导致的偶发性易涝点难以靠工程建设来根治。因此，加强对道路易涝点的积水监测与管理势在必行。
针对当前城市的积水问题，现有技术中已针对性地开发城市道路积水监测系统，可以使城市管理变得实时、智能、科学高效，能及时发现隐患，在较大程度上降低城市积水给市民造成的危害。但是，由于目前的道路积水监测主要是借助于液压水位传感器等道路积水监测装置进行积水检测，每套装置只能监测一个地点，投资巨大且由于积水频率低，系统大部分时间处于闲置状态而造成巨额浪费，或只适用于桥隧涵洞。
大数据可实现对道路积水历史规律的回溯以及对道路历史积水情况的识别。通过分析与积水相关的因素来推导道路积水情况，可以实现无检测设备下的积水识别。目前通过数据来智能识别道路积水的主要可分为两类，一类是根据积水形成的原因来推导可能积水的路段，另一类是根据积水造成的影响来识别已经积水的路段。前者主要通过分析降雨历时数据、排水管线数据和地表高程信息，对降雨过程中的地表径流和排水过程进行模拟，从而计算出可能积水的地点；后者则通过研究积水道路下的交通异常现象，结合降雨量、交通流量、车速等来推测出积水路段。相比而言，前者由于需要不同道路的地理信息数据及排水系统数据，采集数据与建立系统的难度更大，而且对由排水系统的偶发性堵塞引起的积水事件，由于排水参数无法实时检测与更新，因此无法准确识别。而后者目前则集中于对道路积水时交通状态的研究，而少有通过交通状态来反推道路积水的。刘军等虽然提出了根据车流量、速度来对快速路立交桥下积水进行识别的方法，但该方法仅适用于严重积水的情况，且没有从整个城市层面进行积水识别建模。
例如，中国专利公开公报CN104729622A中公开了一种城市公共道路积水智能监控系统。该系统通过压力传感器对道路积水进行压力感应，将压力数据处理为积水状态后发出指令于显示屏和报警器，实现对路面积水情况的实时检测与显示。此方法为传统的基于检测设备的积水识别，虽然在检测设备上具有一定创新，但依然无法解决一套设备只能检测一个点、布设及维护成本大的问题。
中国专利公开公报CN106021970A中，通过分析降雨历时数据、排水管线数据和地表高程信息，对降雨过程中的地表径流和排水过程进行模拟计算，以推导出可能积水的地点。但由于整个城市道路系统中各路段对应的地理信息皆不相同，且管道变更频繁、偶发性排水管道堵塞现象频发，仅通过对排水过程的模拟分析一方面需要的基础数据难以获取，另一方面对偶发性的堵塞现象也难以实时判断。
Boni Su等(文献出处：Hong Huang,Yuntao Li.Integrated simulation methodfor waterlogging and traffic congestion under urban rainstorms[J].NatureHazards(2016)81:23–40)模拟了降雨所造成道路积水的时间和空间分布，依据驾驶员对不同程度道路积水的行为反应而建立了微观仿真模型以评估降雨造成的积水对道路交通的影响。此方法重点分析了道路积水与道路交通的相关性，在一定程度上为基于浮动车行驶参数进行积水识别提供了理论支撑。但方法所提出的仿真模型参数较多且运行耗时较长，难以满足实时检测的需求。
刘军等(文献出处：刘军,宋国华,赵琦,高永.基于FCD的桥下积水导致城市交通拥堵点段识别方法研究[J].交通信息与安全.31(176):43-48.2013；[15]刘军.基于浮动车数据的桥下积水导致的城市快速路交通拥堵规律研究[D].北京交通大学.2014.)研究了快速路立交桥下积水所导致的交通拥堵蔓延规律，并提出了识别方法，但其仅研究了特定道路、严重积水情况下的交通特性，只适用于研究道路高危积水情形，而无法识别全路网层面上不同的积水等级，由于不同积水情况下道路交通运行特征差异较大，而且不同路段本身对应的交通状况也各异，因此该方法的普适性相对而言不强。
由上述介绍可知，现有积水检测技术主要可分为依靠硬件设备进行检测和依靠数据推导进行识别两大类。其各自存在的缺点为：
(1)设备检测类：一个检测设备仅能检测一个地点。如果需要大范围、全方位的对城市道路积水进行实时监测，则设备的布设成本很大。而且，积水检测设备由于易受雨水侵蚀，其维护成本也很高。目前布设积水检测设备的城市往往只在个别关键地点进行布设，难以做到全路网的把控。
(2)数据识别类：又可分为两类，一类是根据积水形成的原因来推导可能积水的路段，另一类是根据积水造成的影响来识别已经积水的路段。现有技术中，前者的缺点在于对道路地理信息及排水系统信息的收集难度较大，而且对由排水系统的偶发性堵塞引起的积水事件无法准确识别；后者则主要集中于降雨、积水对道路交通的影响研究上，而没有系统的建立起根据道路交通状态来推导积水点的过程，或者只研究了部分道路的严重积水情况下的识别方法，不具有推广到整个城市道路网络的普适性。
发明内容
技术问题
本发明是鉴于如上所述的现有技术的情况，其目的在于提供一种基于朴素贝叶斯模型的道路积水点识别方法及道路积水点识别系统，其通过结合降雨量、浮动车车速、流量等多种相关数据，实现全路网不同程度积水情形的实时识别。
问题解决方案
为了实现上述目的，本发明实施例的一方案的道路积水点识别系统，其特征在于，包括：车速评价值设定单元，根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定所述被检测路段的车速评价值；车流量评价值设定单元，根据所述被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定所述被检测路段的车流量评价值；降雨积水概率修正系数设定单元，根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数；以及积水识别单元，将所述被检测路段的所述车速评价值、所述车流量评价值以及所述降雨积水概率修正系数相乘得到所述被检测路段的积水综合评价值，根据该积水综合评价值判定所述被检测路段是否为积水路段。
进一步，上述道路积水点识别系统还可以包括阈值设定单元，根据历史浮动车数据设定所述路段积水车速阈值、所述路段积水浮动车流量阈值以及所述多个降雨阈值。
进一步，上述道路积水点识别系统还包括识别错误反馈单元，该当由所述积水识别单元判断为没有积水的路段实际积水或者由所述积水识别单元判断为积水的路段实际没有积水时，识别错误反馈单元反馈该判错信息及判错原因，所述阈值设定单元根据由上述识别错误反馈单元反馈的判错信息及判错原因，重新设定所述路段积水车速阈值、所述路段积水浮动车流量阈值、多个降雨阈值中相应的一个或多个阈值。
进一步，上述道路积水点识别系统，所述车速评价值设定单元在被检测路段的浮动车运行速度低于置信度取90％的路段积水车速阈值时，设定所述车速评价值为1，在被检测路段的浮动车运行速度低于置信度取80％的路段积水车速阈值时，设定所述车速评价值为0.8，在被检测路段的浮动车运行速度低于置信度取70％的路段积水车速阈值时，设定所述车速评价值为0.6，否则，设定所述车速评价值为0.2。
进一步，上述道路积水点识别系统，所述车流量评价值设定单元在被检测路段的浮动车流量低于置信度取90％的路段积水浮动车流量阈值时，设定所述车流量评价值为1，在被检测路段的浮动车流量低于置信度取80％的路段积水浮动车流量阈值时，设定所述车流量评价值为0.8，在被检测路段的浮动车流量低于置信度取70％的路段积水浮动车流量阈值时，设定所述车流量评价值为0.6，否则，设定所述车流量评价值为0.2。
进一步，上述道路积水点识别系统，所述降雨积水概率修正系数设定单元在被检测路段的小时降雨量低于2.5mm时，设定所述降雨积水概率修正系数为0，在被检测路段的小时降雨量大于2.5mm且小于等于8mm时，设定所述降雨积水概率修正系数为0.25，在被检测路段的小时降雨量大于8mm且小于等于18mm时，设定所述降雨积水概率修正系数为0.5，在小时降雨量大于18mm时，设定所述降雨积水概率修正系数为1。
本发明的另一方案的道路积水点识别方法，包括：车速评价值设定步骤，根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定所述被检测路段的车速评价值；车流量评价值设定步骤，根据所述被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定所述被检测路段的车流量评价值；降雨积水概率修正系数设定步骤，根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数；以及积水识别步骤元，将所述被检测路段的所述车速评价值、所述车流量评价值以及所述降雨积水概率修正系数相乘得到所述被检测路段的积水综合评价值，根据该积水综合评价值判定所述被检测路段是否为积水路段。
进一步，上述道路积水点识别方法还可以包括阈值设定步骤，根据历史浮动车数据设定所述路段积水车速阈值、所述路段积水浮动车流量阈值以及所述多个降雨阈值。
进一步，上述道路积水点识别方法还可以包括：识别错误反馈步骤，当由所述积水识别单元判断为没有积水的路段实际积水或者由所述积水识别单元判断为积水的路段实际没有积水时，反馈该判错信息及判错原因；以及阈值重调整步骤，根据在上述识别错误反馈步骤反馈的判错信息及判错原因，调整所述路段积水车速阈值、所述路段积水浮动车流量阈值、多个降雨阈值中相应的一个或多个阈值。
进一步，上述道路积水点识别方法中，优选在所述降雨积水概率修正系数设定步骤，在被检测路段的小时降雨量低于2.5mm时，设定所述降雨积水概率修正系数为0，在被检测路段的小时降雨量大于2.5mm且小于等于8mm时，设定所述降雨积水概率修正系数为0.25，在被检测路段的小时降雨量大于8mm且小于等于18mm时，设定所述降雨积水概率修正系数为0.5，在小时降雨量大于18mm时，设定所述降雨积水概率修正系数为1。
技术效果
本发明所提出的基于朴素贝叶斯模型的道路积水智能识别方法和道路积水智能识别系统，结合降雨量、浮动车车速、流量等多种相关数据，可实现全路网不同程度积水情形的实时识别。与目前的积水识别技术相比，具有的主要特点如下：
(1)区别于传统的硬件设备检测方法，本发明实现了无装置积水检测，大大降低了设备布设与维修的成本。
(2)综合考虑了积水成因(降雨)与积水影响(交通偶发性拥堵)，既避免了仅通过积水成因进行判断时对道路地理信息数据收集的繁琐，又保证了识别的精度。
(3)基于贝叶斯概率建立的模型具有算法简单、识别高效的特点，且具有很好的鲁棒性，可通过设置不同的概率区域来划分积水程度。
(4)各类相关数据皆可实时接入并分析，具有良好的时效性。
此外，本发明所提出的基于朴素贝叶斯模型的道路积水智能识别方法和道路积水智能识别系统，可应用于城市防涝系统中，为防涝工程的精准开展提供指导建议；并且，还可应用于城市交通管理系统中，为出行者提供及时的交通引导信息避开高危积水点。
附图说明
为了更清楚地说明本发明实施例的技术方案，下面对具体实施方式部分中所需要使用的附图做简单介绍，显而易见，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它的附图。
图1是第一实施例的道路积水点识别系统的示意图。
图2是第一实施例的道路积水点识别方法的示意图。
图3是第二实施例的道路积水点识别系统的示意图。
图4是第二实施例的道路积水点识别方法的示意图。
具体实施方式
下面，参考附图更详细地说明本发明的优选实施例。本发明的实施例可以变形为各种方式，本发明的范围不应解释为限定于下面说明的实施例。
<第一实施例>
图1是第一实施例的道路积水点识别系统的示意图。图2是第一实施例的道路积水点识别方法的示意图。
本实施例的道路积水点识别系统及道路积水点识别方法，使用实时接入的浮动车车速、流量、降雨量等数据，运用朴素贝叶斯模型综合考虑积水成因(降雨)与积水影响(交通偶发性拥堵)，以保证整个系统的实时性。
如图1所示，第一实施例的道路积水点识别系统100包括车速评价值设定单元110、车流量评价值设定单元120、降雨积水概率修正系数设定单元130以及积水识别单元140。
车速评价值设定单元110根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定所述被检测路段的车速评价值。
车流量评价值设定单元120根据所述被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定所述被检测路段的车流量评价值。
降雨积水概率修正系数设定单元130根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数。
其中，关于降雨量、车流量、平均车速，先将区域按照长宽均为一定距离进行网格划分，本实施例中所述一定距离优选为1km，每个网格为1Km*1Km的空间范围。按照一定时间(本实施例中优选每5分钟)的频率基于气象自动观测站实况监测数据进行ANUSPLINE插值计算，得到区域每个网格的降雨量数据。平均车速则以一定时间间隔(本实施例中优选5分钟)为频率，取各个路段上的浮动车车速数据的平均。流量则以一定时间间隔(本实施例中优选5分钟)为频率，取各个路段上的浮动车流量数据的总和。
所述的路段积水车速阈值、路段积水浮动车流量阈值和多个降雨阈值可以是根据经验值事先设定好的，也可以是根据待识别时间点实时地计算并设定的。本实施例中，优选由阈值设定单元150根据历史车速分布、历史浮动车流量分布等历史浮动车数据设定所述路段积水车速阈值、所述路段积水浮动车流量阈值以及所述多个降雨阈值。所述历史浮动车数据优选从待识别时间点往前半年的时间段内的数据。下面，具体说明优选的路段积水车速阈值、路段积水浮动车流量阈值、多个降雨阈值及车速评价值、车流量评价值以及降雨积水概率修正系数设定方式。
A.降雨阈值和降雨积水概率修正系数
降雨是积水最主要的水源，积水和降雨的发生时间以及强度息息相关。将降雨作为积水的必要条件，降雨未必造成道路积水，但道路积水必有强降雨，即：
P(E降雨|E积水)1
各路段在不同持续时间和降雨强度时积水的可能性不一，与路段的物理设计、周围地势以及排水网络等有关，由于当前无法对易涝点进行长期的观测与跟踪，因而无法得知P(E积水|E降雨)，但可以肯定的是相同路段在相同时段，积水的概率随着降雨强度的增加而加大，为此引入降雨积水概率修正系数。计R为不同降雨条件下的降雨积水概率修正系数，在本实施例中，阈值设定单元150优选设置第一降雨阈值2.5毫米、第二降雨阈值8毫米以及第三降雨阈值18毫米的三个降雨阈值。进而，运用朴素贝叶斯模型，R优选取值如下：
式(1)中，x为小时降雨量，小时降雨量低于2.5毫米(第一降雨阈值)时为小雨，介于2.5毫米(第一降雨阈值)至8毫米(第二降雨阈值)之间为中雨，介于8毫米(第二降雨阈值)至18毫米(第三降雨阈值)之间为大雨，超过18毫米(第三降雨阈值)为暴雨。
B.路段积水车速阈值和车速评价值
路段积水车速阈值指的是路段存在某种程度积水时的路段交通运行速度。研究表明，无论是连续交通流还是间断交通流，其路段交通运行速度基本符合正态分布。基于上述研究，路段i在第j类日期的第k个时段运行速度服从均值为方差为的正态分布。
根据历史浮动车数据，阈值设定单元150通过如下公式可近似计算出和
其中，Zα为置信度为α的正态分布单侧分位数。是判断路段是否处于路段积水状态的路段积水车速阈值。
设是指路段i在某日时段j至时段k路段积水识别的车速评价值，在本实施例中，运用朴素贝叶斯模型，当路段运行速度在该时期低于置信度取90％的车速阈值时，取1；否则低于置信度取80％的车速阈值时，取0.8；否则低于置信度取70％的车速阈值时，取0.6；否则取0.2。
C.路段积水浮动车流量阈值和车流量评价值
路段积水浮动车流量阈值指的是路段存在某种程度积水时的路段浮动车流量。当统计时间粒度为5分钟时，单个时段内样本车辆数波动大，这是因为一方面不同时段内绿灯时间往往不一，另一方面样本车辆并不是均匀等比例存在车队中，相邻时段内样本车辆数可能相差数倍，同一类型日期相同时段内样本车辆数亦可能相差数倍。随着统计时间粒度越大，样本车流量分布越收敛，通过非参数统计检验，当统计时间粒度超过30分钟，样本车流量服从正态分布。较小统计时间粒度内积水时段样本车流量与其余时段差异不明显，随着统计时间粒度的增大，积水时段样本车流量显著偏小。因此，选用30分钟为统计时间粒度，记Fij为第i个路段第j个时段的过去30分钟浮动车流量，fij为第i个路段第j个时段内的浮动车流量，那么有：
根据历史浮动车数据，阈值设定单元150通过如下公式可近似计算出和
其中，Zα为置信度为α的正态分布单侧分位数。就是判断路段是否处于路段积水状态的路段积水浮动车流量阈值。
设指路段i在某日时段j至时段k依据样本车流量识别的评价值，在本实施例中，运用朴素贝叶斯模型，当路段样本车流量在该时期低于置信度取90％的浮动车车流量阈值时，取1；否则当低于置信度取80％的福东侧车流量阈值时，取0.8；否则低于置信度取70％的浮动车流量阈值时，取0.6；否则取0.2。
积水识别单元140将所述被检测路段的所述车速评价值、所述车流量评价值以及所述降雨积水概率修正系数相乘得到所述被检测路段的积水综合评价值根据该积水综合评价值判定所述被检测路段是否为积水路段。
即，设为路段i某日时段j到时段k的积水综合评价值，其由以下公式计算而得。
如图2所示，本实施例的道路积水点识别方法，包括如下步骤。
车速评价值设定步骤S110：根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定所述被检测路段的车速评价值。
车流量评价值设定步骤S120：根据所述被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定所述被检测路段的车流量评价值。
降雨积水概率修正系数设定步骤S130：根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数。
积水识别步骤S140：将所述被检测路段的所述车速评价值、所述车流量评价值以及所述降雨积水概率修正系数相乘得到所述被检测路段的积水综合评价值，根据该积水综合评价值判定所述被检测路段是否为积水路段。
除此之外，本实施例的道路积水点识别方法还可以包括阈值设定步骤S160，根据历史浮动车数据设定所述路段积水车速阈值、所述路段积水浮动车流量阈值以及所述多个降雨阈值。
关于各阈值的设定和评价值的设定步骤，可以参考前面的对图1的说明，在此不再赘述。
本实施例基于朴素贝叶斯模型综合考虑积水成因(降雨)与积水影响(交通偶发性拥堵)，实现了无装置积水检测，无需借助任何硬件检测设施就能实现积水点的实时智能检测，并且运行效率高。此外，由于使用实时接入的数据，整个系统可保证实时性。
<第二实施例>
图3是第二实施例的道路积水点识别系统的示意图。图4是第二实施例的道路积水点识别方法的示意图。
第一实施例的道路积水点识别系统及道路积水点识别方法所识别出的结果多少会存在部分误判，其误判类型可归为两类：
1)遗漏：实际有积水，但没有被识别。其主要可能原因：
A.阈值设置过高，使得对异常事件的敏感性差；
B.积水对该路段交通影响不明显；
C.道路交通于积水时段属于常发性拥堵时段(如高峰时段)；
D.道路交通浮动车数据样本量低。
2)误判：实际没有积水，但被识别的。其主要可能原因：
A.阈值设置过低，使得对异常事件过于敏感；
B.道路交通在该时段出现其他因素造成的偶发性拥堵(如事故、施工、交通管制)；
C.异常天气本身对道路交通的影响较大而产生的干扰(降雨而无积水)。
鉴于此，如图3、4所示，第二实施例在第一实施例的基础上，道路积水点识别系统100还包括识别错误反馈单元160，当由所述积水识别单元判断为没有积水的路段实际积水或者由所述积水识别单元判断为积水的路段实际没有积水时，该识别错误反馈单元160反馈该判错信息及判错原因(S150)。
此时，所述阈值设定单元根据由上述识别错误反馈单元反馈的判错信息及判错原因，重新设定所述路段积水车速阈值、所述路段积水浮动车流量阈值、多个降雨阈值中相应的一个或多个阈值(S160)。
通过对错误类型的判断并找出错误原因，可反馈至相应的参数上，对参数进行修正，从而可实现识别精度的不断提升。
对于其他与第一实施例相同的部分，不再予以赘述。
本实施例同样基于朴素贝叶斯模型综合考虑积水成因(降雨)与积水影响(交通偶发性拥堵)，实现了无装置积水检测，无需借助任何硬件检测设施就能实现积水点的实时智能检测，并且运行效率高。此外，由于使用实时接入的数据，整个系统可保证实时性。
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做的任何修改、等同替换、改进等，均应包含在本发明保护的范围之内。
工业实用性
本发明可应用于城市防涝系统中，为防涝工程的精准开展提供指导建议；应用于城市交通管理系统中，为出行者提供及时的交通引导信息避开高危积水点。
Claims (10)
1.一种道路积水点识别系统，其特征在于，包括：
车速评价值设定单元，根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定所述被检测路段的车速评价值；
车流量评价值设定单元，根据所述被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定所述被检测路段的车流量评价值；
降雨积水概率修正系数设定单元，根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数；以及
积水识别单元，将所述被检测路段的所述车速评价值、所述车流量评价值以及所述降雨积水概率修正系数相乘得到所述被检测路段的积水综合评价值，根据该积水综合评价值判定所述被检测路段是否为积水路段。
2.如权利要求1所述的道路积水点识别系统，其特征在于，
还包括阈值设定单元，根据历史浮动车数据设定所述路段积水车速阈值、所述路段积水浮动车流量阈值以及所述多个降雨阈值。
3.如权利要求2所述的道路积水点识别系统，其特征在于，
还包括识别错误反馈单元，该当由所述积水识别单元判断为没有积水的路段实际积水或者由所述积水识别单元判断为积水的路段实际没有积水时，识别错误反馈单元反馈该判错信息及判错原因，
所述阈值设定单元根据由上述识别错误反馈单元反馈的判错信息及判错原因，重新设定所述路段积水车速阈值、所述路段积水浮动车流量阈值、多个降雨阈值中相应的一个或多个阈值。
4.如权利要求1～3中任一项所述的道路积水点识别系统，其特征在于，
所述车速评价值设定单元在被检测路段的浮动车运行速度低于置信度取90％的路段积水车速阈值时，设定所述车速评价值为1，在被检测路段的浮动车运行速度低于置信度取80％的路段积水车速阈值时，设定所述车速评价值为0.8，在被检测路段的浮动车运行速度低于置信度取70％的路段积水车速阈值时，设定所述车速评价值为0.6，否则，设定所述车速评价值为0.2。
5.如权利要求1～3中任一项所述的道路积水点识别系统，其特征在于，
所述车流量评价值设定单元在被检测路段的浮动车流量低于置信度取90％的路段积水浮动车流量阈值时，设定所述车流量评价值为1，在被检测路段的浮动车流量低于置信度取80％的路段积水浮动车流量阈值时，设定所述车流量评价值为0.8，在被检测路段的浮动车流量低于置信度取70％的路段积水浮动车流量阈值时，设定所述车流量评价值为0.6，否则，设定所述车流量评价值为0.2。
6.如权利要求1～3中任一项所述的道路积水点识别系统，其特征在于，
所述降雨积水概率修正系数设定单元在被检测路段的小时降雨量低于2.5mm时，设定所述降雨积水概率修正系数为0，在被检测路段的小时降雨量大于2.5mm且小于等于8mm时，设定所述降雨积水概率修正系数为0.25，在被检测路段的小时降雨量大于8mm且小于等于18mm时，设定所述降雨积水概率修正系数为0.5，在小时降雨量大于18mm时，设定所述降雨积水概率修正系数为1。
7.一种道路积水点识别方法，其特征在于，包括：
车速评价值设定步骤，根据被检测路段上的浮动车的当前平均车速和路段积水车速阈值，设定所述被检测路段的车速评价值；
车流量评价值设定步骤，根据所述被检测路段上的当前浮动车流量和路段积水浮动车流量阈值，设定所述被检测路段的车流量评价值；
降雨积水概率修正系数设定步骤，根据被检测路段的当前小时降雨量和多个降雨阈值，设定降雨积水概率修正系数；以及
积水识别步骤元，将所述被检测路段的所述车速评价值、所述车流量评价值以及所述降雨积水概率修正系数相乘得到所述被检测路段的积水综合评价值，根据该积水综合评价值判定所述被检测路段是否为积水路段。
8.如权利要求7所述的道路积水点识别方法，其特征在于，
还包括阈值设定步骤，根据历史浮动车数据设定所述路段积水车速阈值、所述路段积水浮动车流量阈值以及所述多个降雨阈值。
9.如权利要求8所述的道路积水点识别方法，其特征在于，
还包括：
识别错误反馈步骤，当由所述积水识别单元判断为没有积水的路段实际积水或者由所述积水识别单元判断为积水的路段实际没有积水时，反馈该判错信息及判错原因；以及
阈值重调整步骤，根据在上述识别错误反馈步骤反馈的判错信息及判错原因，调整所述路段积水车速阈值、所述路段积水浮动车流量阈值、多个降雨阈值中相应的一个或多个阈值。
10.如权利要求7-9中任一项所述的道路积水点识别方法，其特征在于，
在所述降雨积水概率修正系数设定步骤，在被检测路段的小时降雨量低于2.5mm时，设定所述降雨积水概率修正系数为0，在被检测路段的小时降雨量大于2.5mm且小于等于8mm时，设定所述降雨积水概率修正系数为0.25，在被检测路段的小时降雨量大于8mm且小于等于18mm时，设定所述降雨积水概率修正系数为0.5，在小时降雨量大于18mm时，设定所述降雨积水概率修正系数为1。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711408010.9A CN109961631B (zh) | 2017-12-22 | 2017-12-22 | 道路积水点识别方法及道路积水点识别系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201711408010.9A CN109961631B (zh) | 2017-12-22 | 2017-12-22 | 道路积水点识别方法及道路积水点识别系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN109961631A true CN109961631A (zh) | 2019-07-02 |
| CN109961631B CN109961631B (zh) | 2023-12-26 |
Family
ID=67019706
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201711408010.9A Active CN109961631B (zh) | 2017-12-22 | 2017-12-22 | 道路积水点识别方法及道路积水点识别系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN109961631B (zh) |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN111311034A (zh) * | 2020-05-14 | 2020-06-19 | 中电科新型智慧城市研究院有限公司 | 道路内涝风险预测方法、装置、设备及存储介质 |
| CN111724598A (zh) * | 2020-06-29 | 2020-09-29 | 北京百度网讯科技有限公司 | 用于规划路径的方法、装置、设备以及存储介质 |
| CN111815955A (zh) * | 2020-09-11 | 2020-10-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于交通流基本图的城市道路积水智能识别方法 |
| CN112712693A (zh) * | 2019-10-24 | 2021-04-27 | 丰田自动车株式会社 | 水淹检测装置、水淹检测系统以及计算机可读存储介质 |
| CN117012006A (zh) * | 2023-08-28 | 2023-11-07 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012141840A (ja) * | 2011-01-04 | 2012-07-26 | Nippon Telegr & Teleph Corp <Ntt> | 突発浸水リスク回避システムおよび方法 |
| CN103578272A (zh) * | 2013-08-30 | 2014-02-12 | 百度在线网络技术（北京）有限公司 | 一种异常路况识别方法及装置 |
| CN103875028A (zh) * | 2011-07-19 | 2014-06-18 | 阿卜杜拉国王科技大学 | 用于监视交通和道路积水状况的装置、系统及方法 |
| CN106448171A (zh) * | 2016-11-25 | 2017-02-22 | 北京掌行通信息技术有限公司 | 一种积水路段预测方法及装置 |
| DE102016210545A1 (de) * | 2016-06-14 | 2017-12-14 | Continental Automotive Gmbh | Verfahren und System zur Erfassung von Eigenschaften von Wasseransammlungen auf einem Fahrweg |
-
2017
- 2017-12-22 CN CN201711408010.9A patent/CN109961631B/zh active Active
Patent Citations (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2012141840A (ja) * | 2011-01-04 | 2012-07-26 | Nippon Telegr & Teleph Corp <Ntt> | 突発浸水リスク回避システムおよび方法 |
| CN103875028A (zh) * | 2011-07-19 | 2014-06-18 | 阿卜杜拉国王科技大学 | 用于监视交通和道路积水状况的装置、系统及方法 |
| CN103578272A (zh) * | 2013-08-30 | 2014-02-12 | 百度在线网络技术（北京）有限公司 | 一种异常路况识别方法及装置 |
| DE102016210545A1 (de) * | 2016-06-14 | 2017-12-14 | Continental Automotive Gmbh | Verfahren und System zur Erfassung von Eigenschaften von Wasseransammlungen auf einem Fahrweg |
| CN106448171A (zh) * | 2016-11-25 | 2017-02-22 | 北京掌行通信息技术有限公司 | 一种积水路段预测方法及装置 |
Cited By (8)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN112712693A (zh) * | 2019-10-24 | 2021-04-27 | 丰田自动车株式会社 | 水淹检测装置、水淹检测系统以及计算机可读存储介质 |
| CN111311034A (zh) * | 2020-05-14 | 2020-06-19 | 中电科新型智慧城市研究院有限公司 | 道路内涝风险预测方法、装置、设备及存储介质 |
| CN111724598A (zh) * | 2020-06-29 | 2020-09-29 | 北京百度网讯科技有限公司 | 用于规划路径的方法、装置、设备以及存储介质 |
| CN111724598B (zh) * | 2020-06-29 | 2022-04-05 | 北京百度网讯科技有限公司 | 用于自动驾驶规划路径的方法、装置、设备以及存储介质 |
| CN111815955A (zh) * | 2020-09-11 | 2020-10-23 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于交通流基本图的城市道路积水智能识别方法 |
| CN111815955B (zh) * | 2020-09-11 | 2021-03-26 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于交通流基本图的城市道路积水智能识别方法 |
| CN117012006A (zh) * | 2023-08-28 | 2023-11-07 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
| CN117012006B (zh) * | 2023-08-28 | 2024-03-08 | 浪潮智慧科技有限公司 | 一种城市道路的洪涝灾害预警方法、设备及介质 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN109961631B (zh) | 2023-12-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN109961631A (zh) | 道路积水点识别方法及道路积水点识别系统 | |
| US10754061B2 (en) | Systems and methods for event-based modeling of runoff and pollutant benefits of sustainable stormwater management | |
| Kwon et al. | Development and field evaluation of variable advisory speed limit system for work zones | |
| WO2023016036A1 (zh) | 市政道路积水多因素复合型预警预报方法 | |
| Viglione et al. | Quantifying space-time dynamics of flood event types | |
| Hiribarren et al. | Real time traffic states estimation on arterials based on trajectory data | |
| CN107143750B (zh) | 一种管网爆管监控网络的空间布置方法 | |
| Efstratiadis et al. | Flood design recipes vs. reality: can predictions for ungauged basins be trusted? | |
| Garcia et al. | A real time urban flood monitoring system for metro Manila | |
| CN104574968A (zh) | 一种临界交通状态参数的确定方法 | |
| Joshi et al. | Rainfall-Runoff Simulation in Cache River Basin, Illinois, Using HEC-HMS | |
| CN111062125B (zh) | 海绵型综合管廊水文效应评估方法 | |
| Saghafian et al. | Application of the WEPP model to determine sources of run‐off and sediment in a forested watershed | |
| Sheshukov et al. | Accuracy of topographic index models at identifying ephemeral gully trajectories on agricultural fields | |
| CN110929359A (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
| Liu et al. | How do natural climate variability, anthropogenic climate and basin underlying surface change affect streamflows? A three-source attribution framework and application | |
| Yan et al. | Land cover based simulation of urban stormwater runoff and pollutant loading | |
| Steven et al. | Fleet size estimation for spreading operation considering road geometry, weather and traffic | |
| Nasrin et al. | Modelling impact of extreme rainfall on sanitary sewer system by predicting rainfall derived infiltration/inflow | |
| Shannak | The effects of green infrastructure on exceedance of critical shear stress in Blunn Creek watershed | |
| CN116126963A (zh) | 非线性多源异构排水模型诊断入流入渗方法 | |
| Chowdary et al. | Runoff simulation using distributed hydrological modeling approach, remote sensing and GIS techniques: A case study from an Indian agricultural watershed | |
| Marasabessy et al. | Development of flood forecasting model and warning systems at Way Ruhu–Ambon | |
| Huat et al. | Web based real time monitoring system along North-South Expressway, Malaysia | |
| Syarifudin | Determination Of Flood Discharge Of Moyan Weir With Hec-Ras Program |
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 |