CN110310501A - 一种机动车高速公路团雾监测预报方法 - Google Patents

一种机动车高速公路团雾监测预报方法 Download PDF

Info

Publication number
CN110310501A
CN110310501A CN201910560577.0A CN201910560577A CN110310501A CN 110310501 A CN110310501 A CN 110310501A CN 201910560577 A CN201910560577 A CN 201910560577A CN 110310501 A CN110310501 A CN 110310501A
Authority
CN
China
Prior art keywords
visibility
forecast
vehicle
mist
data
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
Application number
CN201910560577.0A
Other languages
English (en)
Other versions
CN110310501B (zh
Inventor
王兴
朱彬
卞浩瑄
王璐瑶
水泱
苗春生
周可
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Nanjing Xinatmospheric Image Science And Technology Research Institute Co Ltd
Nanjing University of Information Science and Technology
Original Assignee
Nanjing Xinatmospheric Image Science And Technology Research Institute Co Ltd
Nanjing University of Information Science and Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Nanjing Xinatmospheric Image Science And Technology Research Institute Co Ltd, Nanjing University of Information Science and Technology filed Critical Nanjing Xinatmospheric Image Science And Technology Research Institute Co Ltd
Priority to CN201910560577.0A priority Critical patent/CN110310501B/zh
Publication of CN110310501A publication Critical patent/CN110310501A/zh
Application granted granted Critical
Publication of CN110310501B publication Critical patent/CN110310501B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/02—Instruments for indicating weather conditions by measuring two or more variables, e.g. humidity, pressure, temperature, cloud cover or wind speed
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/09—Arrangements for giving variable traffic instructions
    • G08G1/0962—Arrangements for giving variable traffic instructions having an indicator mounted inside the vehicle, e.g. giving voice messages
    • G08G1/0967—Systems involving transmission of highway information, e.g. weather, speed limits
    • G08G1/096708—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control
    • G08G1/096725—Systems involving transmission of highway information, e.g. weather, speed limits where the received information might be used to generate an automatic action on the vehicle control where the received information generates an automatic action on the vehicle control
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/02—Services making use of location information
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W4/00—Services specially adapted for wireless communication networks; Facilities therefor
    • H04W4/30—Services specially adapted for particular environments, situations or purposes
    • H04W4/40—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P]
    • H04W4/44—Services specially adapted for particular environments, situations or purposes for vehicles, e.g. vehicle-to-pedestrians [V2P] for communication between vehicles and infrastructures, e.g. vehicle-to-cloud [V2C] or vehicle-to-home [V2H]
    • Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
    • Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
    • Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
    • Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
    • Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation

Landscapes

  • Engineering & Computer Science (AREA)
  • Environmental & Geological Engineering (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开一种机动车高速公路团雾监测预报方法，该方法利用车载环境气象传感器和能见度观测仪对高速公路沿线的气象条件进行实时观测，结合高速公路自动站等已有观测设备和数值预报产品，形成更加密集、更加精准的气象观测网格化资料和预报产品，为高速公路沿线的能见度预报，特别是空间小尺度的团雾预报，提供一种新的技术手段，本发明的机动车高速公路团雾监测预报方法对车载能见度观测数据进行质量控制和对数据质量指标进行评估，能够有效排除无效观测记录、异常观测记录和非经认证的车辆记录，为能见度预报提供更加准确、可靠的实况能见度数据，进而提升预报的准确性和客观性。

Description

一种机动车高速公路团雾监测预报方法
技术领域
本发明涉及一种利用机动车传感器对高速公路团雾进行实时监测，并对前方能见度进行预测，进而自动干预机动车行驶状态的方法，涉及一种机动车高速公路团雾监测预报方法，属于道路交通安全技术领域。
背景技术
团雾被称为高速公路上的流动杀手，是天气影响道路交通安全的重要因素之一。与常见的雾或霾不同，团雾往往表现出很强的局地性特征，它的势力范围较小，通常直径只有数十米至数百米，团雾外一般视线良好。但其覆盖范围内的能见度却极低，往往只有几米至数十米。因此，发生在高速公路上的团雾，尤其是公路转弯处，具有极强的隐避性和不可预见性。对于高速行驶的车辆来说，一旦在团雾中遭遇其他过往车辆，往往难以采取减速等安全措施并有效规避交通事故的发生。长期以来，对于团雾的预报是一项世界性难题。一方面受限于现有气象观测条件和技术的限制，对这类空间尺度较小的天气现象难以及时、有效地捕捉和识别。例如，高速公路沿线的自动气象站间隔往往有几公里至十几公里，而团雾的直径一般只有数十米至数百米，因此，这些自动气象站往往难以观测到团雾的发生。另一方面，由于团雾形成的物理和化学机制复杂，加之上述观测的难度大，使得准确预报其生消发展和移动演变的过程变得非常困难。
近些年，随着人工智能、计算机软硬件以及无线数据传输等技术的发展，汽车无人驾驶技术也取得了长足的进步。据不完全估计，无人驾驶能使交通事故率降低90％，对于突发性事件的响应和处理能力，无人驾驶在很多方面已然超过一般人类。尽管无人驾驶等技术日趋成熟，但对于团雾这类天气现象的应急响应机制，仍存在很大的改进空间，须做到缜密监测团雾、提早预知雾区、智能预警和采取合理干预措施，如提早缓慢制动，打开雾灯和示廓灯等，而不仅仅是在车辆驶入团雾区域，监测到能见度降低时，再紧急采取制动减速等措施。尽管无人驾驶车辆相较传统有人驾驶车辆而言，装备有更多探测距离和障碍物的设备，而不仅仅依靠视觉甄别，但对于有团雾笼罩的弯道等一些特殊环境，车载雷达、车载距离传感器和车载摄像头等设备的效用都将受到一定程度制约。
发明内容
为了解决现有技术中存在的问题，本发明提供一种能对高速公路团雾进行监测、预报、预警以及采取相应安全控制措施的团雾监测预报方法，该方法既适用于无人驾驶和自动驾驶车辆，也可应用于常规有人驾驶的车辆上，实现行车安全辅助，本发明的技术方案如下：
一种机动车高速公路团雾监测预报方法，采用机动车高速公路团雾监测预报系统进行监测预报；
其中，机动车高速公路团雾监测预报系统包括车载能见度监测模块C_M、车载无线通信模块C_T、车载团雾预警模块C_C、能见度预报模块S_VP、团雾预报模块S_FP、预报信息融合模块S_PM和云服务端数据通信模块S_T；其中，车载能见度监测模块C_M包括环境气象传感器C_M1、能见度观测子模块C_M2、能见度数据预处理子模块C_M3和大气环境成分分析子模块C_M4；
包括如下具体步骤：
1)车辆启动后，车载无线通信模块C_T获取车辆身份信息Mid，再通过内置GPS实时采集车辆所在位置的地理位置信息Pos，采集频率达到秒级或更高频率；
2)能见度观测子模块C_M2实时采集机动车所在位置的大气能见度O_V并传输至能见度数据预处理子模块C_M3，采集频率达到秒级或更高频率；
车载无线通信模块C_T与云服务端数据通信模块S_T建立数据通讯连接，云服务端数据通信模块S_T从外部数据源中读取当前时间机动车所在位置的环境平均能见度Avg_V和风速信息O_WS，并通过车载无线通信模块C_T将环境平均能见度Avg_V传输至能见度数据预处理子模块C_M3；
3)能见度数据预处理子模块C_M3对步骤2)得到的大气能见度O_V进行质量控制，得到对应的质量控制后的大气能见度O_V_QC，并传输至大气环境成分分析子模块C_M4，其中，质量控制的具体步骤为：
3.1)定义变量Count_V、阈值Thd_A和阈值Thd_B，并将Count_V的值初始化为0；其中，Count_V表示偏差计数器，Count_V≥0；阈值Thd_A的取值范围为[0.1,1]；阈值Thd_B的取值范围为[3,100]；
3.2)以当前时刻为截止时间，以Interval_V为时间间隔，计算该时间间隔内大气能见度O_V的中值，记为O_V_mid；
3.3)按下式计算步骤3.2)得到的O_V_mid与步骤2)得到的Avg_V的偏差率Bias_V：
3.4)当步骤3.3)偏差率Bias_V＞Thd_A时，偏差计数器Count_V自增1；反之，偏差计数器Count_V自减1，并且当Count_V＝0时，Count_V不再自减；
当偏差计数器Count_V≥阈值Thd_B时，则按下式对3.2)得到的大气能见度的中值O_V_mid进行偏差校正：
O_V_QC＝(Avg_V-O_V_mid)×β1+O-V_mid
式中，O_V_QC表示质量控制后的大气能见度；β1为质量控制系数，β1∈(0，1]；
当偏差率Bias_V≤Thd_A或偏差计数器Count_V＜Thd_B时，则不对O_V_mid进行偏差校正，即O_V_QC＝O_V_mid；
4)环境气象传感器C_M1实时采集机动车车身外围的温度O_T和相对湿度O_RH并传输至大气环境成分分析子模块C_M4，采集频率达到秒级或更高频率；
5)大气环境成分分析子模块C_M4对步骤3.4)质量控制后的大气能见度O_V_QC进行可信度评估，得到对应的能见度质量指数VQI，并同时将O_V_QC和VQI传输至车载无线通信模块C_T；其中可信度的评估公式如下；
其中，SS为季节因子，其取值与月份有关；func1为质量控制后的大气能见度O_V_QC、温度O_T和季节因子SS在气象学上函数关系；func2为质量控制后的大气能见度O_V_QC与相对湿度O_RH在气象学上的函数关系；func3为质量控制后的大气能见度O_V_QC与风速信息O_WS在气象学上的函数关系；V1、V2、V3分别为func1、func2和func3的值域，V1、V2、V3的取值范围均为[0，1]；k1、k2和k3均为权重系数，k1+k2+k3＝1；VQI为质量控制后的大气能见度O_V_QC的能见度质量指数，取值范围为[0，1]；
6)车载无线通信模块C_T将步骤1)中车辆所在位置的地理位置信息Pos、车辆身份信息Mid、步骤5)中质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI，四者作为一条数据记录发送到云服务端数据通信模块S_T，再由S_T传输至团雾预报模块S_FP；
7)能见度预报模块S_VP从现有数值天气预报中读取各经度、纬度和海拔高度的大气能见度预报信息MF_V(n×MF_t)，并传输至预报信息融合模块S_PM；其中，MF_t为数值天气预报的单位预报时效，n＝{1,2,3,…,N}，N为正整数；
8)团雾预报模块S_FP推算出未来t时刻大气能见度的地理空间分布情况，得到未来t时刻的团雾空间分布信息GF_V(t)，并传输至预报信息融合模块S_PM，具体推算方法为：
8.1)对步骤6得到的数据记录进行筛查，取符合数据格式规范的数据记录；
8.2)根据步骤6得到的车辆所在位置的地理位置信息Pos和质量控制后的大气能见度O_V_QC，利用空间插值算法，按下式计算出与步骤7中大气能见度预报信息MF_V(n×MF_t)具有相同地理空间范围和相同空间分辨率的能见度网格化数据G_V：
其中，G_V(x,y)表示任意一网格点(x，y)的能见度；O_V_QC(x+i,y+j)表示网格点(x+i,y+j)处质量控制后的大气能见度；n和m分别表示插值计算过程中，以(x,y)为中心位置向横坐标方向和纵坐标方向检索的最大范围；
8.3)运用外推预报法，计算出未来t时刻的团雾空间分布信息GF_V(t)，其中t<30分钟；
9)预报信息融合模块S_PM将步骤7中大气能见度预报信息MF_V(n×MF_t)和步骤8)中未来t时刻的团雾空间分布信息GF_V(t)进行融合，再将融合结果通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C，具体融合过程如下：
9.1)先在n×MF_t中找到预报时效最接近t时刻的预报时刻，记为t’，t’∈n×MF_t，并得到该预报时刻的大气能见度预报信息MF_V(t’)；
9.2)再按下式将上述MF_V(t’)和步骤8.3)中的GF_V(t)进行融合，得到未来t时刻的预报能见度信息P_V(t)(x,y)，并通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C：
P_V(t)(x,y)＝Min(MF_V(t’)(x,y),GF_V(t)(x,y))
其中，P_V(t)(x,y)为任一网格点(x,y)在未来t时刻的预报能见度信息；GF_V(t)(x,y)表示网格点(x,y)处由团雾预报模块预测出的未来t时刻的能见度信息；MF_V(t’)(x,y)表示任一网格点(x,y)处未来t’时刻的数值天气预报能见度信息；
10)对于传统非无人驾驶的车辆而言，车载团雾预警模块C_C将上述P_V(t)(x,y)通过车载音响系统和车载中控显示屏反馈给驾车人员；
对于无人驾驶车辆而言，车载团雾预警模块C_C将上述P_V(t)(x,y)结合当前车辆的地理位置信息反馈给无人驾驶车辆。
优选地，步骤3.2)时间间隔Interval_V的取值范围为60秒至10分钟；步骤3.4)中的质量控制系数β1取0.2或0.3。
优选地，步骤7中MF_t取值为30分钟，N取值为6。
优选地，步骤8.1)数据格式规范包括：
每条数据记录应当包括：数据记录发送时间、车辆所在位置的地理位置信息Pos、车辆身份信息Mid、质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI；
每条数据记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间间隔不超过OH分钟，OH∈[5,20]；
数据记录中能见度质量指数VQI≥0.5。
优选地，步骤8.2)在团雾预报模块S_FP计算能见度网格化数据G_V时，
对于没有数据记录的某一网格点，该网格点不参与上述空间插值计算；
对于仅有一条数据记录的某一网格点(x+i,y+j)，则将该数据记录中质量控制后的大气能见度O_V_QC作为该网格点的大气能见度O_V_QC(x+i,y+j)；
对于有多条数据记录的某一网格点(x+i,y+j)，则将各条数据记录中的各质量控制后的大气能见度O_V_QC对应的能见度质量指数VQI作为权重系数，按下式计算该网格点(x+i,y+j)的加权能见度值O_V_QC(x,y)作为该网格点的质量控制后的大气能见度O_V_QC：
式中，U表示网格点(x+i,y+j)对应的数据记录条数。
优选地，步骤2中所述外部数据源包括运行数值天气预报所需的气象观测资料和大气初始场资料数据。
本发明相对于现有技术具有如下有益效果：
本发明的机动车高速公路团雾监测预报方法，利用车载环境气象传感器和能见度观测仪对高速公路沿线的气象条件进行实时观测，结合高速公路自动站等已有观测设备和数值预报产品，形成更加密集且更加精准的气象观测网格化资料和预报产品，为高速公路沿线的能见度预报，特别是空间小尺度的团雾预报，提供一种新的技术手段。
本发明的机动车高速公路团雾监测预报方法，对车载能见度观测数据进行质量控制和对数据质量指标进行评估，能够有效排除无效观测记录、异常观测记录和非经认证的车辆记录，为能见度预报提供更加准确、可靠的实况能见度数据，进而提升预报的准确性和客观性。
本发明的机动车高速公路团雾监测预报方法，对于高速公路沿线团雾的预警，不仅适用于新型无人驾驶车辆，也适用于传统非无人驾驶的车辆，该预报方法的应用能够切实提高高速公路的行车安全，具有市场价值和社会价值。
附图说明
图1为实施例中机动车高速公路团雾监测预报系统结构图；
图2是实施例中一个时间间隔内的能见度观测数据示意图。
具体实施方式
下面结合附图以及具体实施例对本发明进行详细说明。
实施例一
本实施例的机动车高速公路团雾监测预报方法，采用机动车高速公路团雾监测预报系统进行监测预报；
其中，机动车高速公路团雾监测预报系统包括车载能见度监测模块C_M、车载无线通信模块C_T、车载团雾预警模块C_C、能见度预报模块S_VP、团雾预报模块S_FP、预报信息融合模块S_PM和云服务端数据通信模块S_T；其中，车载能见度监测模块C_M包括环境气象传感器C_M1、能见度观测子模块C_M2、能见度数据预处理子模块C_M3和大气环境成分分析子模块C_M4；
环境气象传感器C_M1依次通过大气环境成分分析子模块C_M4、车载无线通信模块C_T、云服务端数据通信模块S_T和团雾预报模块S_FP通信连接；
能见度观测子模块C_M2依次通过能见度数据预处理子模块C_M3和大气环境成分分析子模块C_M4、车载无线通信模块C_T、云服务端数据通信模块S_T和团雾预报模块S_FP通信连接；
云服务端数据通信模块S_T通过车载无线通信模块C_T分别和能见度数据预处理子模块C_M3与车载团雾预警模块C_C通信连接；
云服务端数据通信模块S_T还和团雾预报模块S_FP通信连接；
能见度预报模块S_VP和预报信息融合模块S_PM通信连接；
包括如下具体步骤：
1)车辆启动后，车载无线通信模块C_T获取车辆身份信息Mid，再通过内置GPS实时采集车辆所在位置的地理位置信息Pos，采集频率达到秒级或更高频率；
2)能见度观测子模块C_M2实时采集机动车所在位置的大气能见度O_V并传输至能见度数据预处理子模块C_M3，采集频率达到秒级或更高频率；
车载无线通信模块C_T与云服务端数据通信模块S_T建立数据通讯连接，云服务端数据通信模块S_T从外部数据源中读取当前时间机动车所在位置的环境平均能见度Avg_V和风速信息O_WS，并通过车载无线通信模块C_T将环境平均能见度Avg_V传输至能见度数据预处理子模块C_M3；步骤2中外部数据源包括运行数值天气预报所需的气象观测资料和大气初始场资料数据，这些数据可来源于气象、交通等业务部门或其他气象监测相关机构。
3)能见度数据预处理子模块C_M3对步骤1)得到的大气能见度O_V进行质量控制，得到对应的质量控制后的大气能见度O_V_QC，并传输至大气环境成分分析子模块C_M4，其中，质量控制的具体步骤为：
3.1)定义变量Count_V、阈值Thd_A和阈值Thd_B，并将初始化Count_V＝0；其中，Count_V表示偏差计数器，Count_V≥0；Thd_A的取值范围为[0.1,1]；Thd_B的取值范围为[3,100]；
3.2)以当前时刻为截止时间，以Interval_V为时间间隔，计算该时间间隔内(当前时刻向前取该时间间隔)大气能见度O_V的中值，记为O_V_mid；
3.3)按下式计算步骤3.2)得到的O_V_mid与2)得到的Avg_V的偏差率Bias_V：
由于大气环境的能见度Avg_V不可能为0，因此，对于上述偏差率Bias_V的计算中分母为0的情况，原则上不会发生，若发生，可在设计或程序编码阶段另做异常处理。
3.4)当步骤3.3)中偏差率Bias_V＞Thd_A时，偏差计数器Count_V自增1；反之，偏差计数器Count_V自减1，并且当Count_V＝0时，Count_V不再自减；
当偏差计数器Count_V≥阈值Thd_B时，则按下式对3.2)得到的大气能见度的中值O_V_mid进行质量控制：
O_V_QC＝(Avg_V-O_V_mid)×β1+O_V_mid
式中，O_V_QC表示质量控制后的大气能见度；β1为质量控制系数，β1∈(0，1]；但β1取值不宜过大，本实施例中的质量控制系数β1取0.2或0.3。经过几轮以Interval_V为时间间隔的能见度偏差校正，O_V_QC的取值将更加符合实际大气环境的能见度状况；
上述Interval_V的取值范围建议在60秒至10分钟之间。若Interval_V取值太小，即质量控制的时间间隔太短，O_V_mid数值的局地性太强，可能造成偏差过度校正；若取值太大，即质量控制的时间间隔过长，行驶在高速公路上的机动车可能在此期间经过了多个不同能见度环境的地理区域，而Avg_V的值只有一个，这将影响Avg_V数值的客观性，可能造成错误的偏差校正。本实施例Interval_V取10分钟
当偏差率Bias_V≤Thd_A或偏差计数器Count_V＜Thd_B时，则质量控制时不进行偏差校正，即O_V_QC＝O_V_mid。
4)环境气象传感器C_M1实时采集机动车车身外围的温度O_T和相对湿度O_RH并传输至大气环境成分分析子模块C_M4；采集频率达到秒级或更高频率；
5)大气环境成分分析子模块C_M4对经质量控制后的能见度O_V_QC的进行可信度评估，得到对应的能见度质量指数VQI，并将质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI传输至车载无线通信模块C_T，其中，评估的依据是参考气象学上，雾形成和发展过程中环境温度、相对温度和风速气象要素特征。可信度的评估公式如下；
其中，SS为季节因子，其取值与月份有关，，如当前为1月则SS＝1，12月则SS＝12；func1为质量控制后的大气能见度O_V_QC、温度O_T和季节因子SS在气象学上函数关系；func2为质量控制后的大气能见度O_V_QC与相对湿度O_RH在气象学上的函数关系；func3为质量控制后的大气能见度O_V_QC与风速信息O_WS在气象学上的函数关系；V1、V2、V3分别为func1、func2和func3的值域，即取值范围均为[0，1]；func1、func2和func3分别为了确定在当前温度O_T和季节因子SS、相对湿度O_RH以及风速信息O_WS的条件下，出现能见度O_V_QC的可信度，该可信度的值均在0～1之间，且数值越大其可信度越高。上述函数func1、func2和func3的构造，即函数的具体表达形式可在实际应用中确定，构造这些函数的前提约束是函数中各个自变量须符合气象学上的逻辑关系，函数表达式既可以是线性的，也可以是非线性的，既可以是连续函数，也可以是分段函数。k1、k2和k3均为权重系数，三者须满足关系：k1+k2+k3＝1；k1、k2和k3的具体值可在实际应用中动态修改、调优；VQI为质量控制后的能见度O_V_QC的能见度质量指数，取值范围为[0，1]；VQI的值越大，表示质量控制后的能见度O_V_QC越可靠；反之，则表示质量控制后的能见度O_V_QC越不可靠；
6)车载无线通信模块C_T将步骤1)中车辆所在位置的地理位置信息Pos、步骤5)中质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI，四者作为一条数据记录发送到云服务端数据通信模块S_T，再由S_T传输至团雾预报模块S_FP；
7)能见度预报模块S_VP从现有数值天气预报中读取各经度、纬度和海拔高度的大气能见度预报信息MF_V(n×MF_t)，并传输至预报信息融合模块S_PM；其中，MF_t为数值天气预报的单位预报时效，n＝{1，2，3，…，N}，N为正整数，MF_t和N的值取决于数值天气预报产品本身，MF_t的典型值有1小时、2小时、3小时和6小时，N×MF_t的典型值有72小时、168小时等；本实施例中，MF_t＝30分钟，N＝6，n＝{1，2，3，4，5，6}，则n×MF_t的最大值为3小时。
其中，能见度预报模块S_VP的核心部件是“数值天气预报”，气象上关于数值天气预报的定义为：根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。数值天气预报作为一种气象行业应用软件，有多个国家或机构从事该应用软件的研发，并存在许多不同的版本，常用的有如MM5、WRF和中国气象局自主研发的GRAPES全球预报系统等。本发明中，将数值天气预报作为一种已有的第三方应用软件，通过运行这类软件得到未来一段时间的大气运动状态和近地面温度、湿度、大气压强、风向、风速和水汽条件等天气现象的预报信息，再依靠这些预报信息，通过气象学的理论方法，换算成大气能见度信息。此外，还有一些数值天气预报能够直接输出大气能见度预报产品，如WRF-CHEM模式。
8)团雾预报模块S_FP，推算出未来t时刻大气能见度的地理空间分布情况，得到未来t时刻大气能见度的地理空间分布情况以及因低能见度造成的团雾的移动趋势预测，即未来t时刻的团雾空间分布信息GF_V(t)，并传输至预报信息融合模块S_PM，具体推算方法为：
8.1)对步骤6得到的数据记录进行筛查，取符合数据格式规范的记录；其中，数据格式规范包括：
数据记录具有完整性：每条数据记录应当包括：数据记录发送时间、车辆所在位置的地理位置信息Pos、车辆身份信息Mid、质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI；
数据记录具有时效性：每条数据记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间间隔不超过OH分钟，OH∈[5,20]；由于电子设备故障、无线数据传输阻塞、滞后等原因，可能造成团雾预报模块S_FP接收到的数据记录不是当前实时的。举例来说，某机动车因电子设备发生故障，将半小时前留存在设备缓存中的数据记录发送给团雾预报模块S_FP，通过分析数据记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间，可以识别出该数据信息存在过时问题；再如，车载无线通信模块C_T与云服务端数据通信模块S_T或云服务端数据通信模块S_T与团雾预报模块S_FP之间无线数据传输的网络发生故障，某机动车车载无线通信模块C_T实时发送的一条数据记录，在网络阻塞了5分钟后才送到团雾预报模块S_FP，通过分析记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间，可以识别出该数据信息存在滞后问题。
数据记录具有有效性：每条数据记录中所包含的车辆身份信息Mid为团雾预报模块S_FP中所包含车辆身份信息mid；为了提升本发明预报方法的数据处理性能，减少对无效数据信息的加工处理，还需要对每条数据记录车辆身份信息mid进行有效性检验，剔除长期上报无效记录、错误观测记录或无法识别车辆身份的记录。团雾预报模块S_FP作为服务端，除了提供和实现上述步骤所述的功能外，还应具有管理、维护和授权接入本预报方法所述车辆的功能，团雾预报模块S_FP记录了所有接入该系统的车辆身份信息Mid，并形成车辆身份信息Mid_DB。一方面，S_FP会将长期上报异常记录或与S_FP频繁建立异常通讯连接的车辆的Mid列入黑名单；另一方面，S_FP仅将Mid信息存在于Mid_DB数据库且不在黑名单中的数据记录视为有效记录。所述车辆身份信息Mid，由服务端的系统管理员、业务人员进行操作管理和维护。
数据质量具有可靠性：为了确保参与后续计算的质量控制后的能见度O_V_QC的准确性，减少对低能见度和团雾天气现象的漏报、空报，取数据记录中能见度质量指数VQI高于一定阈值的数据记录，本实施例中取数据记录中能见度质量指数VQI≥0.5的数据记录。
8.2)根据步骤6得到的车辆所在位置的地理位置信息Pos和质量控制后的大气能见度O_V_QC，利用空间插值算法，按下式计算出与7)中大气能见度预报信息MF_V(MF_t)具有相同地理空间范围和相同空间分辨率的能见度网格化数据G_V：
其中，G_V(x,y)表示任意一网格点(x，y)的能见度；O_V_QC(x+i,y+j)表示网格点(x+i,y+j)处质量控制后的大气能见度；n和m分别表示插值计算过程中，以(x,y)为中心位置向横坐标方向和纵坐标方向检索的最大范围；各个机动车所在位置，即属于哪个网格点，由Pos信息换算得到。另外，由于机动车在地理空间的分布很不均匀，主要集中在公路沿线，因此，有一些网格点位置上可能没有发送了数据记录的机动车，而另有一些网格点位置上可能有一辆或多辆发送了数据记录的机动车；
故团雾预报模块S_FP在计算能见度网格化数据G_V时，满足如下条件：
(1)对于没有数据记录的网格点，该网格点不参与上述空间插值计算；
(2)对于仅有一条数据记录的某一网格点(x+i,y+j)，则将该数据记录中质量控制后的大气能见度O_V_QC作为该网格点的大气能见度O_V_QC(x+i,y+j)；
(3)对于有多条数据记录的某一网格点(x+i,y+j)，则将各条数据记录中的各质量控制后的大气能见度O_V_QC对应的VQI作为权重系数，按下式计算该网格点的加权能见度值O_V_QC(x+i,y+j)，作为该网格点的大气能见度O_V_QC(x+i,y+j)：
式中，U表示网格点(x+i,y+j)对于数据记录条数；
若某一网格点(x,y)在与其空间相邻的所有网格点上，即(x-n,y-m)至(x+n,y+m)的范围内，都没有数据记录，那么该网格点以及与其空间相邻且没有数据记录的网格点的能见度网格化数据G_V(x,y)的取值为Max_V，而Max_V的值可在实际应用中设定，一般应大于或等于能见度观测设备的可探测的最大能见度数值，本实施例取999999。
8.3)运用外推预报法，计算出未来t时刻的团雾空间分布信息GF_V(t)且t<30分钟；
9)预报信息融合模块S_PM将步骤7得到的大气能见度预报信息MF_V(n×MF_t’)和步骤8)中未来t时刻的团雾空间分布信息GF_V(t)进行融合，再将融合结果通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C，，由于MF_V(n×MF_t’)和GF_V(t)具有相同的地理空间范围和相同的空间分辨率，因此，这两种数据任意同一坐标位置的网格点，其地理空间位置也是相同的，具体融合过程如下：
9.1)首先n×MF_t中找到预报时效最接近t时刻的预报时刻，记为t’，t’∈n×MF_t，并得到该预报时刻的大气能见度预报信息MF_V(t’)；；
9.2)再按下式将步骤9.1中MF_V(t’)和步骤8.3)中未来t时刻的团雾空间分布信息GF_V(t)进行融合得到未来t时刻的预报能见度信息，并通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C：
P_V(t)(x,y)＝Min(MF_V(t’)(x,y),GF_V(t)(x,y))
其中，P_V(t)(x,y)为任一网格点(x,y)在未来t时刻的预报能见度信息；GF_V(t)(x,y)表示网格点(x,y)处由团雾预报模块预测出的未来t时刻的能见度信息；MF_V(t’)(x,y)表示任一网格点(x,y)处未来t’时刻的数值天气预报能见度信息；
需要补充说明的是，由于数值天气预报模块数据更新的频率相对于团雾预报模块S_FP数据更新的频率要低很多，前者为小时级别，而后者为分钟级别，因此，在数值天气预报模块S_FP数据未发生更新之前，GF_V(t)有多个未来时刻的预报结果，即t有多个取值，而MF_V没有考虑时间要素。换言之，MF_V(n×MF_t)主要是作为能见度的背景场信息，该信息能够确保收到较粗时、空分辨率的能见度等气象信息，而GF_V(t)则是在MF_V(n×MF_t)信息的基础上，提升能见度预报信息在时间上的更新频率以及在空间上的分辨率，达到精细化预报的目的。
10)对于传统非无人驾驶的车辆而言，车载团雾预警模块C_C将预报信息融合模块S_PM发送的未来t时刻的预报能见度信息P_V(t)(x,y)通过车载音响系统发出提示音、车载中控显示屏反馈给驾车人员，也可以结合车载导航地图，提醒驾车人前方路段可能存在团雾或低能见度等天气现象。
对于无人驾驶车辆而言车载团雾预警模块C_C将预报信息融合模块S_PM发送的未来t时刻的预报能见度信息P_V(t)(x,y)结合当前车辆的地理位置信息反馈给无人驾驶车辆，例如，在临近能见度低的团雾区域1公里位置，根据当前车况以及车速开始缓慢制动、打开雾灯以及示廓灯并在特定情况下开启危险报警闪光灯。
实施例二
本实施例的机动车高速公路团雾监测预报方法，采用机动车高速公路团雾监测预报系统进行监测预报，如图1所示，机动车高速公路团雾监测预报系统包括车载团雾预警系统FP_C和团雾预报云服务系统FP_S；其中，车载团雾预警系统FP_C包括车载能见度监测模块C_M、车载无线通信模块C_T、车载团雾预警模块C_C；团雾预报云服务系统FP_S包括能见度预报模块S_VP、团雾预报模块S_FP、预报信息融合模块S_PM和云服务端数据通信模块S_T；车载能见度监测模块C_M包括环境气象传感器C_M1、能见度观测子模块C_M2、能见度数据预处理子模块C_M3和大气环境成分分析子模块C_M4；
环境气象传感器C_M1依次通过大气环境成分分析子模块C_M4、车载无线通信模块C_T、云服务端数据通信模块S_T和团雾预报模块S_FP通信连接；
能见度观测子模块C_M2依次通过能见度数据预处理子模块C_M3和大气环境成分分析子模块C_M4、车载无线通信模块C_T、云服务端数据通信模块S_T和团雾预报模块S_FP通信连接；
云服务端数据通信模块S_T通过车载无线通信模块C_T分别和能见度数据预处理子模块C_M3与车载团雾预警模块C_C通信连接；
云服务端数据通信模块S_T还和团雾预报模块S_FP通信连接；
能见度预报模块S_VP和预报信息融合模块S_PM通信连接；
包括如下具体步骤：
1)车辆启动后，车载无线通信模块C_T获取车辆身份信息Mid，再通过内置GPS实时采集车辆所在位置的地理位置信息Pos，采集频率达到秒级或更高频率；本实施例中，采集频率为1秒/次。
2)能见度观测子模块C_M2实时采集机动车所在位置的大气能见度O_V并传输至能见度数据预处理子模块C_M3，采集频率达到秒级或更高频率；能见度观测子模块C_M2通过测量特定采样容积的散射光强，计算光在大气中的衰减系数。本实施例中，采集频率为1秒/次。
云服务端数据通信模块S_T从外部数据源中读取当前时间机动车所在位置的环境平均能见度Avg_V和风速信息O_WS，并通过车载无线通信模块C_T将环境平均能见度Avg_V传输至能见度数据预处理子模块C_M3，本实施例中Avg_V＝1100。上述外部数据源包括运行数值天气预报所需的气象观测资料和大气初始场资料数据，这些数据可来源于气象、交通等业务部门或其他气象监测相关机构。
3)能见度数据预处理子模块C_M3对步骤1)得到的大气能见度O_V进行质量控制，得到对应的质量控制后的大气能见度O_V_QC，并传输至大气环境成分分析子模块C_M4，其中，质量控制的目的在于，一方面是为了降低因附着在设备上的水垢、烟尘等污染物造成对能见度测量准确性的影响，另一方面是为了校正C_M2因设备老化、污垢堆积等造成的测量系统性误差。质量控制的具体步骤为：
3.1)定义变量Count_V、阈值Thd_A和阈值Thd_B，并将初始化Count_V＝0；其中，Count_V表示偏差计数器，Count_V≥0；Thd_A的取值范围为[0.1,1]；Thd_B的取值范围为[3,100]；本实施例中Thd_A＝0.1，Thd_B＝5
3.2)以当前时刻为截止时间，以Interval_V为时间间隔，计算该时间间隔内大气能见度O_V的中值，记为O_V_mid；举例来说：假设当前时刻为截止时间，某一Interval_V的时间间隔内，C_M2观测的能见度数据如图2所示，由于C_M2数据更新的频率为1秒/次，在120秒的时间间隔内，共有120个观测值对应横坐标各个点，纵坐标为能见度值。将这120个观测值按数值大小进行排序，求取该有序数列中的中值，当有序数列的元素数量N为奇数时，取第|N/2|+1个元素的值，“||”表示取整；当有序数列的元素数量N为偶数时，取第N/2和第N/2+1这两个元素的平均值。当前有序数列的元素数量为120，则取第60个和第61个元素的平均值，当前即为O_V_mid＝(932+954)/2＝943。
3.3)按下式计算步骤3.2)得到的O_V_mid与2)得到的Avg_V的偏差率Bias_V：
由于大气环境的能见度Avg_V不可能为0，因此，对于上述偏差率Bias_V的计算中分母为0的情况，原则上不会发生，若发生，可在设计或程序编码阶段另做异常处理。
3.4)当步骤3.3)中偏差率Bias_V＞Thd_A时，偏差计数器Count_V自增1；反之，偏差计数器Count_V自减1，并且当Count_V＝0时，Count_V不再自减；
当偏差计数器Count_V≥阈值Thd_B时，则按下式对3.2)得到的大气能见度的中值O_V_mid进行质量控制：
O_V_QC＝(Avg_V-O-V_mid)×β1+O-V_mid
式中，O_V_QC表示质量控制后的大气能见度；β1为质量控制系数，β1∈(0，1]；但β1取值不宜过大，本实施例中的质量控制系数β1取0.2。经过几轮以Interva1_V为时间间隔的能见度偏差校正，O_V_QC的取值将更加符合实际大气环境的能见度状况；
上述Interval_V的取值范围建议在60秒至10分钟之间。若Interval_V取值太小，即质量控制的时间间隔太短，O_V_mid数值的局地性太强，可能造成偏差过度校正；若取值太大，即质量控制的时间间隔过长，行驶在高速公路上的机动车可能在此期间经过了多个不同能见度环境的地理区域，而Avg_V的值只有一个，这将影响Avg_V数值的客观性，可能造成错误的偏差校正。本实施例Interval_V取10分钟。
当偏差率Bias_V≤Thd_A或偏差计数器Count_V＜Thd_B时，则质量控制后的大气能见度O_V_QC＝O_V_mid。
假设当前Count_V＝10。由于Bias_V＞Thd_A，偏差率超出了阈值，因此，偏差计数器Count_V的数值自增1后，Count_V＝11，大于阈值Thd_B，于是按下式进行质量控制：
O_V_QC＝(1100-943)×0.2+943＝974.4
4)环境气象传感器C_M1实时采集机动车车身外围的温度O_T和相对湿度O_RH并传输至大气环境成分分析子模块C_M4；采集频率达到秒级或更高频率；
5)大气环境成分分析子模块C_M4对经质量控制后的能见度O_V_QC的进行可信度评估，得到对应的能见度质量指数VQI，并将质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI传输至车载无线通信模块C_T，其中，评估的依据是参考气象学上，雾形成和发展过程中环境温度、相对温度和风速气象要素特征。可信度的评估公式如下；
其中，SS为季节因子，其取值与月份有关，，如当前为1月则SS＝1，12月则SS＝12；func1为质量控制后的大气能见度O_V_QC、温度O_T和季节因子SS在气象学上函数关系；func2为质量控制后的大气能见度O_V_QC与相对湿度O_RH在气象学上的函数关系；func3为质量控制后的大气能见度O_V_QC与风速信息O_WS在气象学上的函数关系；V1、V2、V3分别为func1、func2和func3的值域，即取值范围均为[0，1]；func1、func2和func3分别为了确定在当前温度O_T和季节因子SS、相对湿度O_RH以及风速信息O_WS的条件下，出现能见度O_V_QC的可信度，该可信度的值均在0～1之间，且数值越大其可信度越高。上述函数func1、func2和func3的构造，主要是根据团雾所引发的低能见度，其环境温度、相对湿度以及风速的情况，利用多年气象资料统计得出，具有一定的客观性，但并不精确。实际上，低能见度天气与环境温度、相对湿度以及风速等气象要素之间的关系尚没有明确、共识的标准，它们之间存在密切相关性。上述函数func1、func2和func3的构造，即函数的具体表达形式可在实际应用中确定，构造这些函数的前提约束是函数中各个自变量须符合气象学上的逻辑关系，函数表达式既可以是线性的，也可以是非线性的，既可以是连续函数，也可以是分段函数。
本实施例中，func1设定为一个分段函数，其表现形式为：
其中，Thd_V＝200，该变量用于确定低能见度的指标，即当O_V_QC≤Thd_V时，判定为存在低能见度天气现象；反之，则判定为不存在低能见度天气现象；
func1设定为一个分段函数，其表现形式为：
其中，
其中，
k1、k2和k3均为权重系数，三者须满足关系：k1+k2+k3＝1；k1、k2和k3的具体值可在实际应用中动态修改、调优；VQI为质量控制后的能见度O_V_QC的能见度质量指数，取值范围为[0,1]；VQI的值越大，表示质量控制后的能见度O_V_QC越可靠；反之，则表示质量控制后的能见度O_V_QC越不可靠；
6)车载无线通信模块C_T将步骤1)中车辆所在位置的地理位置信息Pos、步骤5)中质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI，四者作为一条数据记录发送到云服务端数据通信模块S_T，再由S_T传输至团雾预报模块S_FP；
7)能见度预报模块S_VP从现有数值天气预报中读取各经度、纬度和海拔高度的大气能见度预报信息MF_V(n×MF_t)，并传输至预报信息融合模块S_PM；其中，MF_t为数值天气预报的单位预报时效，n＝{1,2,3,…,N}，N为正整数，MF_t和N的值取决于数值天气预报产品本身，MF_t的典型值有1小时、2小时、3小时和6小时，N×MF_t的典型值有72小时、168小时等；本实施例中，MF_t＝30分钟，N＝6，n＝{1,2,3,4,5,6}。
其中，能见度预报模块S_VP的核心部件是“数值天气预报”，气象上关于数值天气预报的定义为：根据大气实际情况，在一定的初值和边值条件下，通过大型计算机作数值计算，求解描写天气演变过程的流体力学和热力学的方程组，预测未来一定时段的大气运动状态和天气现象的方法。数值天气预报作为一种气象行业应用软件，有多个国家或机构从事该应用软件的研发，并存在许多不同的版本，常用的有如MM5、WRF和中国气象局自主研发的GRAPES全球预报系统等。本发明中，将数值天气预报作为一种已有的第三方应用软件，通过运行这类软件得到未来一段时间的大气运动状态和近地面温度、湿度、大气压强、风向、风速和水汽条件等天气现象的预报信息，再依靠这些预报信息，通过气象学的理论方法，换算成大气能见度信息。此外，还有一些数值天气预报能够直接输出大气能见度预报产品，如WRF-CHEM模式。本实施例中，即采用WRF-CHEM模式，输出未来3小时，逐3小时时间间隔的近地面大气能见度预报信息。
8)团雾预报模块S_FP，推算出未来t时刻大气能见度的地理空间分布情况，得到未来t时刻大气能见度的地理空间分布情况以及因低能见度造成的团雾的移动趋势预测，即未来t时刻的团雾空间分布信息GF_V(t)，并传输至预报信息融合模块S_PM，具体推算方法为：
8.1)对步骤6得到的数据记录进行筛查，取符合数据格式规范的记录；其中，数据格式规范包括：
数据记录具有完整性：每条数据记录应当包括：数据记录发送时间、车辆所在位置的地理位置信息Pos、车辆身份信息Mid、质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI；
数据记录具有时效性：每条数据记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间间隔不超过OH分钟，OH∈[5,20]；由于电子设备故障、无线数据传输阻塞、滞后等原因，可能造成团雾预报模块S_FP接收到的数据记录不是当前实时的。举例来说，某机动车因电子设备发生故障，将半小时前留存在设备缓存中的数据记录发送给团雾预报模块S_FP，通过分析数据记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间，可以识别出该数据信息存在过时问题；再如，车载无线通信模块C_T与云服务端数据通信模块S_T或云服务端数据通信模块S_T与团雾预报模块S_FP之间无线数据传输的网络发生故障，某机动车车载无线通信模块C_T实时发送的一条数据记录，在网络阻塞了5分钟后才送到团雾预报模块S_FP，通过分析记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间，可以识别出该数据信息存在滞后问题。
数据记录具有有效性：每条数据记录中所包含的车辆身份信息Mid为团雾预报模块S_FP中所包含车辆身份信息mid；为了提升本发明预报方法的数据处理性能，减少对无效数据信息的加工处理，还需要对每条数据记录车辆身份信息mid进行有效性检验，剔除长期上报无效记录、错误观测记录或无法识别车辆身份的记录。团雾预报模块S_FP作为服务端，除了提供和实现上述步骤所述的功能外，还应具有管理、维护和授权接入本预报方法所述车辆的功能，团雾预报模块S_FP记录了所有接入该系统的车辆身份信息Mid，并形成车辆身份信息Mid_DB。一方面，S_FP会将长期上报异常记录或与S_FP频繁建立异常通讯连接的车辆的Mid列入黑名单；另一方面，S_FP仅将Mid信息存在于Mid_DB数据库且不在黑名单中的数据记录视为有效记录。所述车辆身份信息Mid，由服务端的系统管理员、业务人员进行操作管理和维护。
数据质量具有可靠性：为了确保参与后续计算的质量控制后的能见度O_V_QC的准确性，减少对低能见度和团雾天气现象的漏报、空报，取数据记录中能见度质量指数VQI高于一定阈值的数据记录，本实施例中取数据记录中能见度质量指数VQI≥0.5的数据记录。
8.2)根据步骤6得到的车辆所在位置的地理位置信息Pos和质量控制后的大气能见度O_V_QC，利用空间插值算法，按下式计算出与7)中大气能见度预报信息MF_V(n×MF_t)具有相同地理空间范围和相同空间分辨率的能见度网格化数据G_V：
其中，G_V(x,y)表示任意一网格点(x，y)的能见度；O_V_QC(x+i,y+j)表示网格点(x+i,y+j)处质量控制后的大气能见度；n和m分别表示插值计算过程中，以(x,y)为中心位置向横坐标方向和纵坐标方向检索的最大范围；各个机动车所在位置，即属于哪个网格点，由Pos信息换算得到。另外，由于机动车在地理空间的分布很不均匀，主要集中在公路沿线，因此，有一些网格点位置上可能没有发送了数据记录的机动车，而另有一些网格点位置上可能有一辆或多辆发送了数据记录的机动车；
故团雾预报模块S_FP在计算能见度网格化数据G_V时，满足如下条件：
(1)对于没有数据记录的网格点，该网格点不参与上述空间插值计算；举例来说，在计算某一位置(x，y)处的G_V(x，y)时，与(x，y)空间相邻的某个位置(x+2，y-3)处没有一条数据记录，那么在该点的G_V(x，y)求和计算过程中，跳过λi×O_V_QC(x+2，y-3)的计算。
(2)对于仅有一条数据记录的某一网格点(x+i，y+j)，则将该数据记录中质量控制后的大气能见度O_V_QC作为该网格点的大气能见度O_V_QC(x+i，y+j)；
(3)对于有多条数据记录的某一网格点(x+i，y+j)，则将各条数据记录中的各质量控制后的大气能见度O_V_QC对应的VQI作为权重系数，按下式计算该网格点的加权能见度值O_V_QC(x+i，y+j)，作为该网格点的大气能见度O_V_QC(x+i，y+j)：
式中，U表示网格点(x+i，y+j)对应的数据记录条数；
若某一网格点(x，y)在与其空间相邻的所有网格点上，即(x-n，y-m)至(x+n，y+m)的范围内，都没有数据记录，那么该网格点以及与其空间相邻且没有数据记录的网格点的能见度网格化数据G_V(x，y)的取值为Max_V，而Max_V的值可在实际应用中设定，一般应大于或等于能见度观测设备的可探测的最大能见度数值，本实施例取999999。
8.3)运用外推预报法，计算出未来t时刻的团雾空间分布信息GF_V(t)且t＜30分钟；
9)预报信息融合模块S_PM将步骤7得到的大气能见度预报信息MF_V(n×MF_t)和步骤8)中未来t时刻的团雾空间分布信息GF_V(t)进行融合，并将融合结果传输至车载团雾预警模块C_C，由于MF_V(n×MF_t)和GF_V(t)具有相同的地理空间范围和相同的空间分辨率，因此，这两种数据任意同一坐标位置的网格点，其地理空间位置也是相同的，具体融合过程如下：
9.1)首先n×MF_t中找到预报时效最接近t时刻的预报时刻，记为t’，t’∈n×MF_t，并得到该预报时刻的大气能见度预报信息MF_V(t’)；
9.2)再按下式将步骤9.1中最接近t时刻的大气能见度预报信息MF_V(t’)和步骤8.3)中未来t时刻的团雾空间分布信息GF_V(t)进行融合得到未来t时刻的预报能见度信息，并通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C：
P_V(t)(x,y)＝Min(MF_V(t’)(x,y),GF_V(t)(x,y))
其中，P_V(t)(x,y)为任一网格点(x,y)在未来t时刻的预报能见度信息；
GF_V(t)(x,y)表示网格点(x,y)处由团雾预报模块预测出的未来t时刻的能见度信息；MF_V(t’)(x,y)表示任一网格点(x,y)处未来t’时刻的数值天气预报能见度信息；
需要补充说明的是，由于数值天气预报模块数据更新的频率相对于团雾预报模块S_FP数据更新的频率要低很多，前者为小时级别，而后者为分钟级别，因此，在数值天气预报模块S_FP数据未发生更新之前，GF_V(t)有多个未来时刻的预报结果，即t有多个取值，而MF_V没有考虑时间要素。换言之，MF_V(n×MF_t)主要是作为能见度的背景场信息，该信息能够确保收到较粗时、空分辨率的能见度等气象信息，而GF_V(t)则是在MF_V(n×MF_t)信息的基础上，提升能见度预报信息在时间上的更新频率以及在空间上的分辨率，达到精细化预报的目的。
11)对于传统非无人驾驶的车辆而言，车载团雾预警模块C_C将预报信息融合模块S_PM发送的未来t时刻的预报能见度信息P_V(t)(x,y)通过“声”“光”“电”的形式反馈给驾车人员，即通过车载音响系统发出提示音、车载中控显示屏反馈给驾车人员，也可以结合车载导航地图，提醒驾车人前方路段可能存在团雾或低能见度等天气现象。
对于无人驾驶车辆而言车载团雾预警模块C_C将预报信息融合模块S_PM发送的未来t时刻的预报能见度信息P_V(t)(x,y)结合当前车辆的地理位置信息反馈给无人驾驶车辆，例如，在临近能见度低的团雾区域1公里位置，根据当前车况以及车速开始缓慢制动、打开雾灯以及示廓灯并在特定情况下开启危险报警闪光灯。

Claims (6)

1.一种机动车高速公路团雾监测预报方法，采用机动车高速公路团雾监测预报系统进行监测预报；
其中，机动车高速公路团雾监测预报系统包括车载能见度监测模块C_M、车载无线通信模块C_T、车载团雾预警模块C_C、能见度预报模块S_VP、团雾预报模块S_FP、预报信息融合模块S_PM和云服务端数据通信模块S_T；其中，车载能见度监测模块C_M包括环境气象传感器C_M1、能见度观测子模块C_M2、能见度数据预处理子模块C_M3和大气环境成分分析子模块C_M4；
包括如下具体步骤：
1)车辆启动后，车载无线通信模块C_T获取车辆身份信息Mid，再通过内置GPS实时采集车辆所在位置的地理位置信息Pos，采集频率达到秒级或更高频率；
2)能见度观测子模块C_M2实时采集机动车所在位置的大气能见度O_V并传输至能见度数据预处理子模块C_M3，采集频率达到秒级或更高频率；
车载无线通信模块C_T与云服务端数据通信模块S_T建立数据通讯连接，云服务端数据通信模块S_T从外部数据源中读取当前时间机动车所在位置的环境平均能见度Avg_V和风速信息O_WS，并通过车载无线通信模块C_T将环境平均能见度Avg_V传输至能见度数据预处理子模块C_M3；
3)能见度数据预处理子模块C_M3对步骤2)得到的大气能见度O_V进行质量控制，得到对应的质量控制后的大气能见度O_V_QC，并传输至大气环境成分分析子模块C_M4，其中，质量控制的具体步骤为：
3.1)定义变量Count_V、阈值Thd_A和阈值Thd_B，并将Count_V的值初始化为0；其中，Count_V表示偏差计数器，Count_V≥0；阈值Thd_A的取值范围为[0.1,1]；阈值Thd_B的取值范围为[3,100]；
3.2)以当前时刻为截止时间，以Interval_V为时间间隔，计算该时间间隔内大气能见度O_V的中值，记为O_V_mid；
3.3)按下式计算步骤3.2)得到的O_V_mid与步骤2)得到的Avg_V的偏差率Bias_V：
3.4)当步骤3.3)偏差率Bias_V>Thd_A时，偏差计数器Count_V自增1；反之，偏差计数器Count_V自减1，并且当Count_V＝0时，Count_V不再自减；
当偏差计数器Count_V≥阈值Thd_B时，则按下式对3.2)得到的大气能见度的中值O_V_mid进行偏差校正：
O_V_QC＝(Avg_V-O_V_mid)×β1+O_V_mid
式中，O_V_QC表示质量控制后的大气能见度；β1为质量控制系数，β1∈(0,1]；
当偏差率Bias_V≦Thd_A或偏差计数器Count_V<Thd_B时，则不对O_V_mid进行偏差校正，即O_V_QC＝O_V_mid；
4)环境气象传感器C_M1实时采集机动车车身外围的温度O_T和相对湿度O_RH并传输至大气环境成分分析子模块C_M4，采集频率达到秒级或更高频率；
5)大气环境成分分析子模块C_M4对步骤3.4)质量控制后的大气能见度O_V_QC进行可信度评估，得到对应的能见度质量指数VQI，并同时将O_V_QC和VQI传输至车载无线通信模块C_T；其中可信度的评估公式如下；
其中，SS为季节因子，其取值与月份有关；func1为质量控制后的大气能见度O_V_QC、温度O_T和季节因子SS在气象学上函数关系；func2为质量控制后的大气能见度O_V_QC与相对湿度O_RH在气象学上的函数关系；func3为质量控制后的大气能见度O_V_QC与风速信息O_WS在气象学上的函数关系；V1、V2、V3分别为func1、func2和func3的值域，V1、V2、V3的取值范围均为[0,1]；k1、k2和k3均为权重系数，k1+k2+k3＝1；VQI为质量控制后的大气能见度O_V_QC的能见度质量指数，取值范围为[0,1]；
6)车载无线通信模块C_T将步骤1)中车辆所在位置的地理位置信息Pos、车辆身份信息Mid、步骤5)中质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI，四者作为一条数据记录发送到云服务端数据通信模块S_T，再由S_T传输至团雾预报模块S_FP；
7)能见度预报模块S_VP从现有数值天气预报中读取各经度、纬度和海拔高度的大气能见度预报信息MF_V(n×MF_t)，并传输至预报信息融合模块S_PM；其中，MF_t为数值天气预报的单位预报时效，n＝{1,2,3,…,N}，N为正整数；
8)团雾预报模块S_FP推算出未来t时刻大气能见度的地理空间分布情况，得到未来t时刻的团雾空间分布信息GF_V(t)，并传输至预报信息融合模块S_PM，具体推算方法为：
8.1)对步骤6得到的数据记录进行筛查，取符合数据格式规范的数据记录；
8.2)根据步骤6得到的车辆所在位置的地理位置信息Pos和质量控制后的大气能见度O_V_QC，利用空间插值算法，按下式计算出与步骤7中大气能见度预报信息MF_V(n×MF_t)具有相同地理空间范围和相同空间分辨率的能见度网格化数据G_V：
其中，G_V(x,y)表示任意一网格点(x，y)的能见度；O_V_QC(x+i,y+j)表示网格点(x+i,y+j)处质量控制后的大气能见度；n和m分别表示插值计算过程中，以(x,y)为中心位置向横坐标方向和纵坐标方向检索的最大范围；
8.3)运用外推预报法，计算出未来t时刻的团雾空间分布信息GF_V(t)，其中t<30分钟；
9)预报信息融合模块S_PM将步骤7中大气能见度预报信息MF_V(n×MF_t)和步骤8)中未来t时刻的团雾空间分布信息GF_V(t)进行融合，再将融合结果通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C，具体融合过程如下：
9.1)先在n×MF_t中找到预报时效最接近t时刻的预报时刻，记为t’，t’∈n×MF_t，并得到该预报时刻的大气能见度预报信息MF_V(t’)；
9.2)再按下式将上述MF_V(t’)和步骤8.3)中的GF_V(t)进行融合，得到未来t时刻的预报能见度信息P_V(t)(x,y)，并通过云服务端数据通信模块S_T发送到车载无线通信模块C_T，再由C_T传输至车载团雾预警模块C_C：
P_V(t)(x,y)＝Min(MF_V(t’)(x,y),GF_V(t)(x,y))
其中，P_V(t)(x,y)为任一网格点(x,y)在未来t时刻的预报能见度信息；GF_V(t)(x,y)表示网格点(x,y)处由团雾预报模块预测出的未来t时刻的能见度信息；MF_V(t’)(x,y)表示任一网格点(x,y)处未来t’时刻的数值天气预报能见度信息；
10)对于传统非无人驾驶的车辆而言，车载团雾预警模块C_C将上述P_V(t)(x,y)通过车载音响系统和车载中控显示屏反馈给驾车人员；
对于无人驾驶车辆而言，车载团雾预警模块C_C将上述P_V(t)(x,y)结合当前车辆的地理位置信息反馈给无人驾驶车辆。
2.根据权利要求1所述的机动车高速公路团雾监测预报方法，其特征在于：步骤3.2)时间间隔Interval_V的取值范围为60秒至10分钟；步骤3.4)中的质量控制系数β1取0.2或0.3。
3.根据权利要求2所述的机动车高速公路团雾监测预报方法，其特征在于：步骤7中MF_t取值为30分钟，N取值为6。
4.根据权利要求3所述的机动车高速公路团雾监测预报方法，其特征在于：步骤8.1)数据格式规范包括：
每条数据记录应当包括：数据记录发送时间、车辆所在位置的地理位置信息Pos、车辆身份信息Mid、质量控制后的大气能见度O_V_QC及其对应的能见度质量指数VQI；
每条数据记录中的数据记录发送时间与团雾预报模块S_FP中该条数据记录的数据记录接收时间间隔不超过OH分钟，OH∈[5,20]；
数据记录中能见度质量指数VQI≥0.5。
5.根据权利要求1-4任一所述的机动车高速公路团雾监测预报方法，其特征在于：
步骤8.2)在团雾预报模块S_FP计算能见度网格化数据G_V时，
对于没有数据记录的某一网格点，该网格点不参与上述空间插值计算；
对于仅有一条数据记录的某一网格点(x+i,y+j)，则将该数据记录中质量控制后的大气能见度O_V_QC作为该网格点的大气能见度O_V_QC(x+i,y+j)；
对于有多条数据记录的某一网格点(x+i,y+j)，则将各条数据记录中的各质量控制后的大气能见度O_V_QC对应的能见度质量指数VQI作为权重系数，按下式计算该网格点(x+i,y+j)的加权能见度值O_V_QC(x,y)作为该网格点的质量控制后的大气能见度O_V_QC：
式中，U表示网格点(x+i,y+j)对应的数据记录条数。
6.根据权利要求5所述的机动车高速公路团雾监测预报方法，其特征在于：步骤2中所述外部数据源包括运行数值天气预报所需的气象观测资料和大气初始场资料数据。
CN201910560577.0A 2019-06-26 2019-06-26 一种机动车高速公路团雾监测预报方法 Active CN110310501B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201910560577.0A CN110310501B (zh) 2019-06-26 2019-06-26 一种机动车高速公路团雾监测预报方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201910560577.0A CN110310501B (zh) 2019-06-26 2019-06-26 一种机动车高速公路团雾监测预报方法

Publications (2)

Publication Number Publication Date
CN110310501A true CN110310501A (zh) 2019-10-08
CN110310501B CN110310501B (zh) 2021-06-25

Family

ID=68077625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201910560577.0A Active CN110310501B (zh) 2019-06-26 2019-06-26 一种机动车高速公路团雾监测预报方法

Country Status (1)

Country Link
CN (1) CN110310501B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258853A (zh) * 2020-10-19 2021-01-22 洛阳云感科技有限公司 一种精细化公路雾区链式能见度监测预警系统
CN112782701A (zh) * 2021-02-10 2021-05-11 深圳成谷科技有限公司 一种基于雷达的能见度感知的方法、系统及设备
CN113484936A (zh) * 2021-07-05 2021-10-08 南通智天航天科技有限公司 一种机场警报评定方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2799818A2 (en) * 2013-05-03 2014-11-05 Honeywell International Inc. A system and method for graphically displaying weather hazards in a perspective view
CN205692398U (zh) * 2016-05-11 2016-11-16 南京信息工程大学 一种车载雾霾能见度显示预警系统
CN109374488A (zh) * 2018-11-14 2019-02-22 国网安徽省电力有限公司电力科学研究院 用于分布式光伏电站雾霾天气能见度的预测方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2799818A2 (en) * 2013-05-03 2014-11-05 Honeywell International Inc. A system and method for graphically displaying weather hazards in a perspective view
CN205692398U (zh) * 2016-05-11 2016-11-16 南京信息工程大学 一种车载雾霾能见度显示预警系统
CN109374488A (zh) * 2018-11-14 2019-02-22 国网安徽省电力有限公司电力科学研究院 用于分布式光伏电站雾霾天气能见度的预测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
薛峰，等: "雷达外推与数值模式动态融合降水概率预报方法", 《气象科学》 *

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN112258853A (zh) * 2020-10-19 2021-01-22 洛阳云感科技有限公司 一种精细化公路雾区链式能见度监测预警系统
CN112782701A (zh) * 2021-02-10 2021-05-11 深圳成谷科技有限公司 一种基于雷达的能见度感知的方法、系统及设备
CN112782701B (zh) * 2021-02-10 2024-04-02 深圳成谷科技有限公司 一种基于雷达的能见度感知的方法、系统及设备
CN113484936A (zh) * 2021-07-05 2021-10-08 南通智天航天科技有限公司 一种机场警报评定方法

Also Published As

Publication number Publication date
CN110310501B (zh) 2021-06-25

Similar Documents

Publication Publication Date Title
CN112368563B (zh) 一种利用公共交通工具监测空气质量的系统
US11554776B2 (en) System and method for predicting of absolute and relative risks for car accidents
CN109923595B (zh) 一种基于浮动车数据的城市道路交通异常检测方法
JP3526460B2 (ja) 交通流を評する定量的データ推定方法及びそれに適用する探査用車両
Johnston et al. Exposure to bushfire smoke and asthma: an ecological study
CN110310501A (zh) 一种机动车高速公路团雾监测预报方法
CN112305641B (zh) 一种高速公路交通安全气象物联网监测预警系统
US8599013B1 (en) System and method for providing environmental information to a wireless transmitter coverage area
CN111260933B (zh) 用于高分辨率机动车动态排放清单的小时交通量测算方法
CN110514255A (zh) 汽车排放量检测方法及其检测系统
US11587433B2 (en) Method, apparatus, and system for probe anomaly detection
CN117078020A (zh) 基于无人机的物流运输数据管理系统
CN117253341A (zh) 基于北斗与高分遥感技术的路域灾害监测预警方法与系统
Rashid et al. Automated traffic measurement system based on FCD and image processing
CN115829246A (zh) 行程时间不确定环境下公共交通站点可达性评价方法
CN211264434U (zh) 地理信息动态预警布控系统
CN112598238B (zh) 一种城市特种车辆服务真空区域智能识别方法
Hablas A study of inclement weather impacts on freeway free-flow speed
CN111397686A (zh) 一种城市内涝预警方法
CN114202944B (zh) 高速公路团雾预警方法、装置及系统
CN114819501B (zh) 一种公路交通气象物联网多源异构数据处理方法和系统
CN111681429B (zh) 基于gps数据的恶劣天气下脆弱路段识别方法及系统
CN113434619B (zh) 一种4g的高速公路智能交通路况监控系统
Allen Estimating Intersection Annual Average Daily Bicycle Traffic from 8-hour Turning Movement Counts
Kopp et al. A comprehensive verification of the weather radar-based hail metrics POH and MESHS and a recalibration of POH using dense crowdsourced observations from Switzerland

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