CN111986464A - 一种基于动态方法预报道路结冰的系统 - Google Patents

一种基于动态方法预报道路结冰的系统 Download PDF

Info

Publication number
CN111986464A
CN111986464A CN202010679224.5A CN202010679224A CN111986464A CN 111986464 A CN111986464 A CN 111986464A CN 202010679224 A CN202010679224 A CN 202010679224A CN 111986464 A CN111986464 A CN 111986464A
Authority
CN
China
Prior art keywords
icing
data
grade
rainfall
road
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.)
Pending
Application number
CN202010679224.5A
Other languages
English (en)
Inventor
隆岩
宋单
刘锋
周宽
孙三宝
黄晓东
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.)
Zunyi Tongwang Intelligent Technology Co ltd
Original Assignee
Zunyi Tongwang Intelligent Technology Co ltd
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 Zunyi Tongwang Intelligent Technology Co ltd filed Critical Zunyi Tongwang Intelligent Technology Co ltd
Priority to CN202010679224.5A priority Critical patent/CN111986464A/zh
Publication of CN111986464A publication Critical patent/CN111986464A/zh
Pending legal-status Critical Current

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08B—SIGNALLING OR CALLING SYSTEMS; ORDER TELEGRAPHS; ALARM SYSTEMS
    • G08B31/00—Predictive alarm systems characterised by extrapolation or other computation using updated historic data
    • 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
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computational Mathematics (AREA)
  • Environmental & Geological Engineering (AREA)
  • Probability & Statistics with Applications (AREA)
  • Databases & Information Systems (AREA)
  • Atmospheric Sciences (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Operations Research (AREA)
  • Ecology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Evolutionary Biology (AREA)
  • Software Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Environmental Sciences (AREA)
  • Business, Economics & Management (AREA)
  • Computing Systems (AREA)
  • Emergency Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于动态方法预报道路结冰的系统，属于大气探测和气象预报技术领域，包括资料同化模块、数据校正模块、结冰等级判定模块和结冰预警模块；这种基于动态方法预报道路结冰的系统通过wrf算法和一定的优化算法得出的高精度地形（1～2km）的气象预报数据，应用一定规则，对未来1～168小时的道路结冰状态，进行判断；在判断的过程中，将地形地貌的环境因素列为重要的参考修正因素，提高了准确性；整个路况结冰信息的分析、处理，结冰分级工作都直接由系统自动完成，不需要人为的处理，更加的具有智能性，同大数据平台的结合使得对于结冰等级的划分更加的准确。

Description

一种基于动态方法预报道路结冰的系统
技术领域
本发明涉及大气探测和气象预报技术领域，具体为一种基于动态方法预报道路结冰的系统。
背景技术
近年来，随着全球气候的变化，出现了许多复杂的气候现象，特别是南方出现了极端的冻雨天气。复杂的天气条件严重影响路面状况，路面结冰现象时有发生，给公路的车辆行驶带来了巨大的风险，不仅严重影响交通运输，而且还造成国家财产和人民生命财产的严重损失。
针对此问题，道路结冰预警系统应运而生。通过研究分析道路结冰形成机理，动态监测气象环境和路面状态等关联因素，建立结冰预警云平台。基于云计算与大数据技术，实时发布路面结冰危险等级状况。
我国目前防治路面结冰的主要措施还是采用道路气象站监测的形式，气象站数量少，监测精度差，功能单一，只能简单采集路面状态数据，不能对数据计算和评估，更无法实时将数据上传给预警模块综合分析，提前预警，减少交通事故产生；道路结冰除了与各类气象要素有关外，各路段的地形地貌对当地道路结冰的影响同样重要；目前已有的结冰预警系统均为大面积、广泛的预报，距离精度不高。
发明内容
本发明的目的在于克服上述背景技术困难，提供一种基于动态方法预报道路结冰的系统。
为达到上述目的，采用的技术方案为：一种基于动态方法预报道路结冰的系统，包括以下模块：资料同化模块、数据校正模块、结冰等级判定模块和结冰预警模块；各模块的功能如下：
资料同化模块：利用大量的道路结冰的图片作为数据集，创建对应的训练集和测试集；将上述数据结果与欧洲中期气象预报中心的EC数值预报模式、美国国家环境预报中心的GFS数值预报模式初始场、边界场的数据导入数据池，然后通过运用三维变分算法进行资料同化；资料同化完成后，得到高精度地形的气象预报数据。
数据校正模块：首先，接入气象预报数据和该预报结冰地点的实况探测数据；
其次，采用建立多元线性回归模型的方式，将时间序列分为训练期、预报期；
在训练期，建立预报值与观测值的多元线性回归模型，通过使用预报值与观测值的多元线性回归分析，确定预报结果的权重系数，并以此权重系数获得预报期的最终预报结果。
结冰等级判定模块：利用发布或采集到的气象数据，包括降雨量、降雪量、气温、湿度、风力等级以及持续时间，对路面结冰的情况进行等级评定，具体方法如下：
从低到高设置蓝、黄、橙、红、紫五种等级预警，对常见的导致路面结冰的气象条件等级进行预警判定，包括：霜冻、降雨、凝冻、雨夹雪和降雪；再根据气象条件等级对路面结冰等级进行判定，路面结冰等级与出现的气象条件最高的等级一致，同时发生两个同等级预警，则结冰预警上调一级；具体判定规则如下表：
Figure BDA0002585233040000021
结冰预警模块：预测出整个区域的道路结冰状况，并将结冰情况划分为相应的结冰等级；等级划分结果发送到云端平台。
进一步，所述路面结冰等级判定的具体步骤为：S1、凝冻等级判定：地表温度小于0℃，且有降雨无降雪，即为凝冻现象；根据凝冻值和持续时间对凝冻等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000022
Figure BDA0002585233040000031
其中当地表温度在-1—0℃之间，每小时降雨量大于1mm时，凝冻值为1；地表温度在-1—0℃之间，每小时降雨量小于1mm时，凝冻值为2；地表温度小于-1℃，每小时降雨量大于1mm时，凝冻值为2；地表温度小于-1℃，每小时降雨量小于1mm时，凝冻值为3；
S2、霜冻等级判定：每小时降雨量小于1mm，空气中相对湿度高于90％，气温在0.5℃以下，容易出现霜冻现象；根据气温、湿度、持续时间和风力对霜冻等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000032
S3、降雨等级判定：降雨量大于1mm，气温小于2℃，路面易结冰，根据气温、降雨量和持续时间对降雨等级进行判定；具体判定规则如下表：
Figure BDA0002585233040000041
S4、雨夹雪等级判定：气象数据中同时出现降雨和降雪的数据，可判断为雨夹雪现象，且地表温度小于0.5℃，即可判定路面会结冰；根据气温、累计降雨量和降雪量、持续时间对雨夹雪等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000042
Figure BDA0002585233040000051
S5、降雪等级判定：气象数据中出现降雪的数据，且地表环境温度小于2℃，此时路面易结冰；根据气温、3小时降雪量和6小时降雪量对降雪等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000052
进一步，所述高精度地形范围为1～2km。
进一步，所述训练期为滑动训练期，系统不断接入后续的实况数据与预报结果，进行对比验证，获得最新的权重系数。
进一步，其特征是：所述雨夹雪气象条件的判断分为两种情况：降雨量大于0.5mm且降雪量大于0mm；降雨量大于0.5mm，气温小于1.5℃。
进一步，所述降雪气象条件的判断分为两种情况：降雨量为0mm,降雪量大于
0mm；气温小于0.5℃时，降雨量数值均转化成降雪量数值，累计为降雪量。
采用上述方案的有益效果为：这种基于动态方法预报道路结冰的系统通过wrf算法和一定的优化算法得出的高精度地形(1～2km)的气象预报数据，应用一定规则，对未来1～168小时的道路结冰状态，进行判断；在判断的过程中，将地形地貌的环境因素列为重要的参考修正因素，提高了准确性；整个路况结冰信息的分析、处理，结冰分级工作都直接由系统自动完成，不需要人为的处理，更加的具有智能性，同大数据平台的结合使得对于结冰等级的划分更加的准确。
附图说明
图1为本发明一种基于动态方法预报道路结冰的系统的实例图。
图2为本发明一种基于动态方法预报道路结冰的系统的实例图。
图3为本发明一种基于动态方法预报道路结冰的系统的实例图。
图4为本发明一种基于动态方法预报道路结冰的系统的实例图。
图5为本发明一种基于动态方法预报道路结冰的系统的实例图。
图6为本发明一种基于动态方法预报道路结冰的系统的实例图。
图7为本发明一种基于动态方法预报道路结冰的系统的框架示意图。
具体实施方式
下面结合本发明的具体实施例，对本发明的技术方案进行清楚、完整地描述。若涉及附图，附图中的相同数字表示相同或同种要素。所描述的实施例仅仅是本发明一部分实施例，而不是全部。基于本发明中的实施例，本领域技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
如图7，一种基于动态方法预报道路结冰的系统的框架示意图，包括资料同化模块、数据校正模块、结冰等级判定模块和结冰预警模块；各模块的具体功能为：
资料同化模块：
利用大量的道路结冰的图片作为数据集，创建对应的训练集和测试集，并根据道路结冰的程度划分为三个等级。
将上述数据结果与欧洲中期气象预报中心(ECMWF)的EC数值预报模式、美国国家环境预报中心(NECP)的GFS数值预报模式初始场、边界场的数据导入数据池，然后通过运用三维变分算法(3D-Var)进行资料同化。
资料同化完成后，得到高精度地形(1～2km)的气象预报数据。
数据校正模块：
首先，接入预报结果和该预报结冰地点的实况探测数据；
其次，采用建立多元线性回归模型的方式，将时间序列分为训练期、预报期。在训练期，建立预报值与观测值的多元线性回归模型，通过使用预报值与观测值的多元线性回归分析，确定预报结果的权重系数，并以此权重系数获得预报期的最终预报结果(地形地貌的环境因素是重要的参考修正因素)。
训练期为滑动训练期，系统不断接入后续的实况数据与预报结果，进行对比验证，获得最新的权重系数。
结冰等级判定模块：
利用发布或采集到的气象数据，包括降雨量、降雪量、气温、湿度、风力等级以及持续时间，对路面结冰的情况进行等级评定，包括以下步骤：
S1、从低到高设置蓝、黄、橙、红、紫五种等级预警，对常见的导致路面结冰的气象条件等级进行预警判定，包括：霜冻、降雨、凝冻、雨夹雪和降雪；再根据气象条件等级对路面结冰等级进行判定，路面结冰等级与出现的气象条件最高的等级一致，同时发生两个同等级预警，则结冰预警上调一级；具体判定规则如下表：
Figure BDA0002585233040000071
S2、凝冻等级判定：地表温度小于0℃，且有降雨无降雪，即为凝冻现象；根据凝冻值和持续时间对凝冻等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000072
其中当地表温度在-1—0℃之间，每小时降雨量大于1mm时，凝冻值为1；地表温度在-1—0℃之间，每小时降雨量小于1mm时，凝冻值为2；地表温度小于-1℃，每小时降雨量大于1mm时，凝冻值为2；地表温度小于-1℃，每小时降雨量小于1mm时，凝冻值为3；
S3、霜冻等级判定：每小时降雨量小于1mm，空气中相对湿度高于90％，气温在0.5℃以下，容易出现霜冻现象；根据气温、湿度、持续时间和风力对霜冻等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000081
S4、降雨等级判定：降雨量大于1mm，气温小于2℃，路面易结冰，根据气温、降雨量和持续时间对降雨等级进行判定；具体判定规则如下表：
Figure BDA0002585233040000082
Figure BDA0002585233040000091
S5、雨夹雪等级判定：气象数据中同时出现降雨和降雪的数据，可判断为雨夹雪现象，且地表温度小于0.5℃，即可判定路面会结冰；根据气温、累计降雨量和降雪量、持续时间对雨夹雪等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000092
S6、降雪等级判定：气象数据中出现降雪的数据，且地表环境温度小于2℃，此时路面易结冰；根据气温、3小时降雪量和6小时降雪量对降雪等级进行判定，具体判定规则如下表：
Figure BDA0002585233040000093
Figure BDA0002585233040000101
结冰预警模块：
预测出整个区域的道路结冰状况，并将结冰情况划分为相应的结冰等级；将等级划分结果发送到云端平台和用于显示作用的手机APP客户端中，实时的分享给用户。
实施例1
2018年12月27日预测2018年12月29日全天贵阳绕城大部分路段发生道路结冰情况，预测图示见图1，实际值如下表：
Figure BDA0002585233040000102
Figure BDA0002585233040000111
实施例2
2018年12月27日预测2018年12月29日全天贵阳绕城大部分路段发生道路结冰情况，预测图示见图2，实际值如下表：
Figure BDA0002585233040000112
实施例3
2018年12月6日预测2018年12月8日下午至晚上贵阳绕城小部分路段发生道路结冰情况，预测图示见图3，实际值如下表：
时间 气象站 结冰厚度(mm)
2018-12-08 16:31:14.0 白云2桥气象站 5.140
2018-12-08 19:44:54.0 白云2桥气象站 5.040
2018-12-08 20:02:52.0 白云2桥气象站 5.050
2018-12-08 20:57:46.0 白云2桥气象站 5.000
2018-12-08 21:57:40.0 白云2桥气象站 5.010
2018-12-08 22:57:35.0 白云2桥气象站 5.020
2018-12-08 23:57:28.0 白云2桥气象站 5.010
实施例4
2018年12月7日预测2018年12月9日凌晨至早上贵阳绕城小部分路段发生道路结冰情况，预测图示见图4，实际值如下表：
Figure BDA0002585233040000113
Figure BDA0002585233040000121
实施例5
2018年12月8日预测2018年12月10日凌晨至早上贵阳绕城小部分路段发生道路结冰情况，预测图示见图5，实际值如下表：
时间 气象站 结冰厚度(mm)
2018-12-10 00:58:02.0 白云2桥气象站 5.030
2018-12-10 01:57:57.0 白云2桥气象站 5.020
2018-12-10 02:57:51.0 白云2桥气象站 4.980
2018-12-10 03:57:45.0 白云2桥气象站 4.970
2018-12-10 04:57:39.0 白云2桥气象站 4.960
2018-12-10 05:57:33.0 白云2桥气象站 4.800
2018-12-10 06:57:27.0 白云2桥气象站 4.990
2018-12-10 07:57:22.0 白云2桥气象站 4.990
2018-12-10 08:57:15.0 白云2桥气象站 5.060
实施例6
2018年12月10日预测2018年12月12日凌晨至早上贵阳绕城小部分路段发生道路结冰情况，预测图示见图6，实际值如下表：
时间 气象站 结冰厚度(mm)
2018-12-12 00:43:24.0 白云2桥气象站 5.060
2018-12-12 01:02:22.0 白云2桥气象站 5.060
2018-12-12 01:57:16.0 白云2桥气象站 5.050
2018-12-12 02:58:10.0 白云2桥气象站 4.300
2018-12-12 03:58:04.0 白云2桥气象站 3.090
2018-12-12 04:57:58.0 白云2桥气象站 2.590
2018-12-12 05:57:53.0 白云2桥气象站 4.200
2018-12-12 06:57:46.0 白云2桥气象站 4.740
2018-12-12 07:57:41.0 白云2桥气象站 4.870
2018-12-12 08:57:35.0 白云2桥气象站 5.030
对于本领域技术人员而言，显然本发明不限于上述示范性实施例的细节，而且在不背离本发明的精神或基本特征的情况下，能够以其他的具体形式实现本发明。因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附权利要求而不是上述说明限定，因此旨在将落在权利要求的等同要件的含义和范围内的所有变化囊括在本发明内。不应将权利要求中的任何附图标记视为限制所涉及的权利要求。
此外，应当理解，虽然本说明书按照实施方式加以描述，但并非每个实施方式仅包含一个独立的技术方案，说明书的这种叙述方式仅仅是为清楚起见，本领域技术人员应当将说明书作为一个整体，各实施例中的技术方案也可以经适当组合，形成本领域技术人员可以理解的其他实施方式。

Claims (6)

1.一种基于动态方法预报道路结冰的系统，其特征是：包括以下模块：资料同化模块、数据校正模块、结冰等级判定模块和结冰预警模块；各模块的功能如下：
资料同化模块：利用大量的道路结冰的图片作为数据集，创建对应的训练集和测试集；将上述数据结果与欧洲中期气象预报中心的EC数值预报模式、美国国家环境预报中心的GFS数值预报模式初始场、边界场的数据导入数据池，然后通过运用三维变分算法进行资料同化；资料同化完成后，得到高精度地形的气象预报数据。
数据校正模块：首先，接入气象预报数据和该预报结冰地点的实况探测数据；其次，采用建立多元线性回归模型的方式，将时间序列分为训练期、预报期；在训练期，建立预报值与观测值的多元线性回归模型，通过使用预报值与观测值的多元线性回归分析，确定预报结果的权重系数，并以此权重系数获得预报期的最终预报结果。
结冰等级判定模块：利用发布或采集到的气象数据，包括降雨量、降雪量、气温、湿度、风力等级以及持续时间，对路面结冰的情况进行等级评定，具体方法如下：
从低到高设置蓝、黄、橙、红、紫五种等级预警，对常见的导致路面结冰的气象条件等级进行预警判定，包括：霜冻、降雨、凝冻、雨夹雪和降雪；再根据气象条件等级对路面结冰等级进行判定，路面结冰等级与出现的气象条件最高的等级一致，同时发生两个同等级预警，则结冰预警上调一级；具体判定规则如下表：
Figure FDA0002585233030000011
结冰预警模块：预测出整个区域的道路结冰状况，并将结冰情况划分为相应的结冰等级；等级划分结果发送到云端平台。
2.根据权利要求1所述的基于动态方法预报道路结冰的系统，其特征是：所述路面结冰等级判定的具体步骤为：S1、凝冻等级判定：地表温度小于0℃，且有降雨无降雪，即为凝冻现象；根据凝冻值和持续时间对凝冻等级进行判定，具体判定规则如下表：
Figure FDA0002585233030000021
其中当地表温度在-1—0℃之间，每小时降雨量大于1mm时，凝冻值为1；地表温度在-1—0℃之间，每小时降雨量小于1mm时，凝冻值为2；地表温度小于-1℃，每小时降雨量大于1mm时，凝冻值为2；地表温度小于-1℃，每小时降雨量小于1mm时，凝冻值为3；
S2、霜冻等级判定：每小时降雨量小于1mm，空气中相对湿度高于90％，气温在0.5℃以下，容易出现霜冻现象；根据气温、湿度、持续时间和风力对霜冻等级进行判定，具体判定规则如下表：
Figure FDA0002585233030000022
Figure FDA0002585233030000031
S3、降雨等级判定：降雨量大于1mm，气温小于2℃，路面易结冰，根据气温、降雨量和持续时间对降雨等级进行判定；具体判定规则如下表：
Figure FDA0002585233030000032
S4、雨夹雪等级判定：气象数据中同时出现降雨和降雪的数据，可判断为雨夹雪现象，且地表温度小于0.5℃，即可判定路面会结冰；根据气温、累计降雨量和降雪量、持续时间对雨夹雪等级进行判定，具体判定规则如下表：
Figure FDA0002585233030000033
Figure FDA0002585233030000041
S5、降雪等级判定：气象数据中出现降雪的数据，且地表环境温度小于2℃，此时路面易结冰；根据气温、3小时降雪量和6小时降雪量对降雪等级进行判定，具体判定规则如下表：
Figure FDA0002585233030000042
3.根据权利要求1所述的基于动态方法预报道路结冰的系统，其特征是：所述高精度地形范围为1～2km。
4.根据权利要求1所述的基于动态方法预报道路结冰的系统，其特征是：所述训练期为滑动训练期，系统不断接入后续的实况数据与预报结果，进行对比验证，获得最新的权重系数。
5.根据权利要求2所述的基于动态方法预报道路结冰的系统，其特征是：所述雨夹雪气象条件的判断分为两种情况：降雨量大于0.5mm且降雪量大于0mm；降雨量大于0.5mm，气温小于1.5℃。
6.根据权利要求2所述的基于动态方法预报道路结冰的系统，其特征是：所述降雪气象条件的判断分为两种情况：降雨量为0mm,降雪量大于0mm；气温小于0.5℃时，降雨量数值均转化成降雪量数值，累计为降雪量。
CN202010679224.5A 2020-07-15 2020-07-15 一种基于动态方法预报道路结冰的系统 Pending CN111986464A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202010679224.5A CN111986464A (zh) 2020-07-15 2020-07-15 一种基于动态方法预报道路结冰的系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010679224.5A CN111986464A (zh) 2020-07-15 2020-07-15 一种基于动态方法预报道路结冰的系统

Publications (1)

Publication Number Publication Date
CN111986464A true CN111986464A (zh) 2020-11-24

Family

ID=73438625

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010679224.5A Pending CN111986464A (zh) 2020-07-15 2020-07-15 一种基于动态方法预报道路结冰的系统

Country Status (1)

Country Link
CN (1) CN111986464A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114966898A (zh) * 2022-05-09 2022-08-30 广东省韶关市气象局 一种高速路段雨雪冰冻天气预警方法及系统
CN115047544A (zh) * 2022-08-16 2022-09-13 成都信息工程大学 一种覆冰预警方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020510A (zh) * 2014-06-23 2014-09-03 中国联合网络通信集团有限公司 气象分析方法和装置
KR101923675B1 (ko) * 2017-09-22 2018-12-03 해용정보통신주식회사 전동식 진입차단바를 이용한 빗물펌프장 예경보시스템
CN110211325A (zh) * 2019-06-27 2019-09-06 上海同望信息技术有限公司 一种基于气象大数据的区域道路结冰高精度监测预警系统
CN110310461A (zh) * 2019-07-09 2019-10-08 湖北民族大学 一种基于大数据的道路结冰实时预警系统
CN110782689A (zh) * 2019-11-22 2020-02-11 杭州普乐科技有限公司 一种道路限速提示系统
CN111009127A (zh) * 2019-12-24 2020-04-14 安徽虹湾信息技术有限公司 一种基于事故风险的城市动态预警系统及方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104020510A (zh) * 2014-06-23 2014-09-03 中国联合网络通信集团有限公司 气象分析方法和装置
KR101923675B1 (ko) * 2017-09-22 2018-12-03 해용정보통신주식회사 전동식 진입차단바를 이용한 빗물펌프장 예경보시스템
CN110211325A (zh) * 2019-06-27 2019-09-06 上海同望信息技术有限公司 一种基于气象大数据的区域道路结冰高精度监测预警系统
CN110310461A (zh) * 2019-07-09 2019-10-08 湖北民族大学 一种基于大数据的道路结冰实时预警系统
CN110782689A (zh) * 2019-11-22 2020-02-11 杭州普乐科技有限公司 一种道路限速提示系统
CN111009127A (zh) * 2019-12-24 2020-04-14 安徽虹湾信息技术有限公司 一种基于事故风险的城市动态预警系统及方法

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114966898A (zh) * 2022-05-09 2022-08-30 广东省韶关市气象局 一种高速路段雨雪冰冻天气预警方法及系统
CN114966898B (zh) * 2022-05-09 2024-06-04 广东省韶关市气象局 一种高速路段雨雪冰冻天气预警方法及系统
CN115047544A (zh) * 2022-08-16 2022-09-13 成都信息工程大学 一种覆冰预警方法及系统
CN115047544B (zh) * 2022-08-16 2022-12-30 成都信息工程大学 一种覆冰预警方法及系统

Similar Documents

Publication Publication Date Title
CN108227041B (zh) 基于站点实测数据和模式结果的水平能见度预报方法
CN111986464A (zh) 一种基于动态方法预报道路结冰的系统
CN107765348B (zh) 降水量气象报文数据误差修正方法、雨凇景观预测方法
CN116189446A (zh) 一种山区公路冰雪天气全天候通行综合治理方法及系统
CN112418500A (zh) 一种基于多源数据及复杂模型融合对山区降雨天气预警方法
Gouvas et al. Estimation of the monthly and annual mean maximum and mean minimum air temperature values in Greece
CN113484338A (zh) 一种基于被动微波遥感的多年冻土监测与分类方法
CN112215416A (zh) 智能规划巡检航线系统及方法
Yin et al. On statistical nowcasting of road surface temperature
CN112033870A (zh) 一种区域边界层pm2.5立体分布及总量推算的方法
Li et al. Evaluation and analysis of the impact of coastal urban impervious surfaces on ecological environments
Matthews et al. Operational winter severity indices in Canada–from concept to practice
CN110334318A (zh) 基于气象大数据的道路运营决策方法、服务平台及系统
Harwood et al. Wet weather exposure measures
Ibañez et al. Raindrop Size Distribution (RSD) Characteristics during the Southwest Monsoon Period in Western Luzon, Philippines.
CN115511192A (zh) 一种基于闪电资料同化的降水预报方法及系统
Gulia et al. Performance evaluation of ISCST3, ADMS-Urban and AERMOD for urban air quality management in a mega city of India
CN111985080A (zh) 一种动态地综合判断路面结冰的方法
CN108897074B (zh) 一种全球海洋降水反演方法
Laurinavičius et al. Data analysis and evaluation of road weather information system integrated in Lithuania
Leonovich et al. Road climatology: determination of calculated values of meteorological characteristics
Nordin Energy efficiency in winter road maintenance-a road climatological perspective
CN114626577B (zh) 一种利用人工智能预报冬季降水相态的方法
CN114562944B (zh) 一种模拟路面结冰的试验系统及方法
CN115561835A (zh) 一种基于气象统计降尺度的城市下凹桥区域降雨预测方法

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
RJ01 Rejection of invention patent application after publication

Application publication date: 20201124

RJ01 Rejection of invention patent application after publication