CN112116780A - 基于物联网的道路结冰监测及预警方法 - Google Patents

Abstract

本发明公开了一种基于物联网的道路结冰监测及预警方法，利用物联网中设置的路面装置，采集路面环境信息，根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件；若识别出当前路面满足所述结冰预警条件，则由信息传输装置将所述路面装置采集的所述路面环境信息发送至道路的安全管理中心；所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作；达到了基于物联网对道路结冰情况进行实时监测及预警的目的，提高了行车的安全性以及监控的准确性，节约了人力劳动，也更加智能、高效和便捷。

Description

基于物联网的道路结冰监测及预警方法

技术领域

本发明涉及物联网技术领域，特别涉及一种基于物联网的道路结冰监测及预警方法。

背景技术

目前现有的结冰预警系统，主要是通过安装气象六要素的方案，以历史数据、当前气候情况总结路面结冰的变化规律，对路面冰点进行预测分析；比如，进行信息收集并传送到后端系统，由后端系统管理人员手动控制信息的预警，人工调整限速指示标识牌；对于超速检测，没有远程合理手段进行数值设定，需要人工现场调整，实时性较差；而且现有的技术方案，信息互通性差，也不能做到及时地进行预警提示，未能打通限速提示屏、信息显示屏、超速检测系统，也不能根据结冰情况，根据国家的相关规定和条例，在道路结冰时，实现实时与测速系统对接，调整道路安全通行规定限速范围，也不能即时触发广播系统及监控系统。

同时，现有的这种采用气象六要素为主要检测依据的技术手段，受制于当前数学理论和分析方法，使得路面冰点的预测值与实际值存在较大差异。

发明内容

本发明提供一种基于物联网的道路结冰监测及预警方法，用以利用物联网技术，实时监测道路结冰情况并进行预警。

本发明提供了一种基于物联网的道路结冰监测及预警方法，所述方法包括：

利用物联网中设置的路面装置，采集路面环境信息，根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件；

若识别出当前路面满足所述结冰预警条件，则由信息传输装置将所述路面装置采集的所述路面环境信息发送至道路的安全管理中心；

所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作。

进一步地，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，包括：

所述安全管理中心根据所述路面环境信息，获取所述路面环境信息中的路面采集数据；

根据所述路面采集数据，构建初步神经网络模型并训练，得到训练后的深度神经网络模型；

利用所述深度神经网络模型，预测所述路面环境信息对应的预警提示等级；其中，所述预警提示等级包括：黄色预警、橙色预警和红色预警；

所述黄色预警对应的路面环境信息为：路表温度低于0℃，出现降水且12小时内可能出现对交通有影响的道路结冰；

所述橙色预警对应的路面环境信息为：路表温度低于0℃，出现降水且6小时内可能出现对交通有较大影响的道路结冰；

所述红色预警对应的路面环境信息为：路表温度低于0℃，出现降水且2小时内可能出现或者已经出现对交通有很大影响的道路结冰。

进一步地，所述根据所述路面采集数据，构建初步神经网络模型并训练，得到训练后的深度神经网络模型，包括步骤S41-S44：

步骤S41、根据所述路面采集数据

构建初步神经网络模型，则有：

pred(x)＝Relu(W₅*μ(W₄*μ(W₃*μ(W₂*μ(W₁x+b₁)+b₂)+b₃)+b₄)+b₅)； (1)

其中，x_i为m维实向量，x_i表示第i个所述路面采集数据中对应的参数，所述路面采集数据包括：路面电导率、路基温度、路面上空气湿度以及降水量，y_i表示得到所述路面采集数据x_i后的路面可能结冰时长，即得到所述路面采集数据x_i，在y_i时长后路面可能会结冰；其中，W₁为m×256维实矩阵；W₂为256×64维实矩阵；W₃为64×16维实矩阵；W₄为16×4维实矩阵；W₅为4×1维实矩阵；b₁为256维实向量，b₂为64维实向量，b₃为16维实向量，b₄为4维实向量，b₅为实数；所述N表示路面采集数据的总数量；

其中，函数μ()为SeLu函数，μ()的表达式为：

且

其中，α＝1.67326324，λ＝1.05050098；

步骤S42、利用梯度下降算法计算所述初步神经网络模型的参数；

此时，记θ＝{W₁,W₂,W₃,W₄,W₅,b₁,b₂,b₃,b₄,b₅}，令η为当前计算的学习率，则有参数更新公式：

同时，定义损失函数Loss，则有：

步骤S43、对所述初步神经网络模型进行训练，同时利用正则化方式防止训练所述初步神经网络模型时的过拟合，则有：

其中，λ为超参数，‖·‖_F是矩阵的Frobenius范数，即满足：

步骤S44、当对所述初步神经网络模型的训练满足预设训练终止条件时，停止对所述初步神经网络模型的训练，得到对应的深度神经网络模型。

进一步地，所述利用所述深度神经网络模型，预测所述路面环境信息对应的预警提示等级，包括：

利用所述深度神经网络模型，计算得到所述路面环境信息x对应的预测路面可能结冰时长pred(x)的取值；

若pred(x)的取值满足：pred(x)≤2，则预测所述预警提示等级为：红色预警；

若pred(x)的取值满足：2＜pred(x)≤6，则预测所述预警提示等级为：橙色预警；

若pred(x)的取值满足：6＜pred(x)≤12，则预测所述预警提示等级为：红色预警；

若pred(x)的取值满足：pred(x)＞12，则不触发预警提示。

进一步地，所述利用物联网中设置的路面装置，采集路面环境信息，之前还包括：

根据当前的生态环境和路面状态，配置对应的路面传感装置和路面遥感装置作为所述路面装置。

进一步地，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，包括：

所述安全管理中心根据所述路面环境信息，获取所述路面环境信息对应的安全驾驶系数；

根据获取的所述安全驾驶系数，查找预先配置的所述安全驾驶系数与预警提示等级对应的关系表；

根据对所述关系表的查找结果，得到与所述安全驾驶系数相匹配的预警提示等级。

进一步地，所述触发对应的预警提示，并执行所述预警提示对应的预警操作，包括：

根据与所述安全驾驶系数相匹配的预警提示等级，触发所述预警提示等级对应的预警提示；

根据所述预警提示，执行所述预警提示对应的预警操作。

进一步地，所述预警提示等级包括：普通级别、中等级别和严重级别；

触发的所述预警提示包括：屏显提示、限速调整提示、超速提示以及语音提示；

所述预警提示对应的预警操作包括：

道路显示预案：通过设置的道路显示装置显示道路结冰提示信息；

超速检测预案：通过超速检测系统，将设定的原始限速值调整为所述预警提示等级中对应的速度阈值，并基于调整后的所述速度阈值，实时监控在当前道路上行驶的各个车辆的当前行驶速度；同时，一旦检测到所述当前行驶速度在预设范围内接近所述速度阈值，则启动超速提醒操作；

以及道路广播预案：通过道路广播系统播放预警提示音频信息，以语音的形式提示驾驶员当前的路面环境信息。

进一步地，所述触发对应的预警提示，并执行所述预警提示对应的预警操作，包括：

基于获取的与所述路面环境信息相匹配的所述预警提示等级，触发的所述预警提示至少包括以下预警提示中的任意两种：屏显提示、限速调整提示、超速提示以及语音提示。

进一步地，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作，包括：

所述安全管理中心根据所述路面环境信息，若获取的与所述路面环境信息相匹配的预警提示等级为普通级别，则触发的预警提示为屏显提示，并将预警提示信息发送至对应的道路显示装置，触发所述道路显示预案，通过所述道路显示装置，显示道路结冰提示信息；

若获取的与所述路面环境信息相匹配的预警提示等级为中等级别，则触发所述道路显示预案的同时，将对应的预警提示信息发送至所述超速检测系统，并同时触发所述超速检测预案，将所述超速检测系统中设定的原始限速值调整为所述速度阈值；

若获取的与所述路面环境信息相匹配的预警提示等级为严重级别，则同步触发所述道路显示预案和超速检测预案的同时，将对应的预警提示信息发送至所述道路广播系统，触发所述道路广播预案，通过所述道路广播系统播放预警提示音频信息，以语音播报的形式进行提示。

进一步地，所述基于物联网的道路结冰监测及预警方法还包括：

预先设置所述安全驾驶系数与预警提示等级对应的关系表。

进一步地，所述预先设置所述安全驾驶系数与预警提示等级对应的关系表，包括：

基于当前路面环境信息，设置所述当前路面环境信息对应的地理位置范围；

根据设置的所述地理位置范围，调用预设历史时长内在所述地理位置范围内的所有历史路面环境信息，以及在不同的所述历史路面环境信息下对应的历史交通状态信息；

分析所述历史路面环境信息以及对应的历史交通状态信息，根据分析结果，设置所述安全驾驶系数与预警提示等级对应的关系表。

进一步地，所述根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件，包括：

根据采集的所述路面环境信息中的空气温度、空气湿度、风力和风向信息以及可能的气候变化趋势，并结合路面平整度信息、车流量信息和车辆平均车速信息，计算并获取可能发生交通事故的事故概率；

根据计算得到的所述事故概率，判断所述事故概率是否达到预先设置的概率阈值；

若所述事故概率达到所述概率阈值，则识别出当前路面满足所述结冰预警条件；

若所述事故概率未达到所述概率阈值，则识别出当前路面不满足所述结冰预警条件。

本发明一种基于物联网的道路结冰监测及预警方法可以达到如下有益效果：

利用物联网中设置的路面装置，采集路面环境信息，根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件；若识别出当前路面满足所述结冰预警条件，则由信息传输装置将所述路面装置采集的所述路面环境信息发送至道路的安全管理中心；所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作；达到了基于物联网对道路结冰情况进行实时监测及预警的目的，提高了行车的安全性；由于该系统是无人值守系统，因此，相较于传统的道路监测，本发明提高了监控的准确性，节约了人力劳动，也更加智能、高效和便捷。

本发明的其它特征和优点将在随后的说明书中阐述，并且，部分地从说明书中变得显而易见，或者通过实施本发明而了解。本发明的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所指出的内容来实现和获得。

下面通过附图和实施例，对本发明的技术方案做进一步描述。

附图说明

附图用来提供对本发明的进一步理解，并且构成说明书的一部分，与本发明的实施例一起用于解释本发明，并不构成对本发明的限制。在附图中：

图1是本发明基于物联网的道路结冰监测及预警方法的一种实施方式的流程示意图。

图2是本发明基于物联网的道路结冰监测及预警方法应用在一个具体的应用场景中的系统架构示意图。

图3是本发明基于物联网的道路结冰监测及预警方法中，获取预警提示等级的一种实施方式的流程示意图。

图4是图3所述实施例中的步骤S32的一种实施方式的流程示意图。

具体实施方式

以下结合附图对本发明的优选实施例进行说明，应当理解，此处所描述的优选实施例仅用于说明和解释本发明，并不用于限定本发明。

本发明提供了一种基于物联网的道路结冰监测及预警方法，旨在利用物联网技术，将传统的道路结冰监测系统升级为更加可靠的基于传感器的物联网的智能系统，从而可以实现道路结冰情况的实时监测，并在满足结冰预警的条件下进行预警，无人值守的系统更加智能、高效和便捷，在更大的程度上确保了行车安全。

如图1所示，图1是本发明基于物联网的道路结冰监测及预警方法的一种实施方式的流程示意图；本发明一种基于物联网的道路结冰监测及预警方法可以实施为如下描述的步骤S10-S30：

步骤S10、利用物联网中设置的路面装置，采集路面环境信息，根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件；

本发明实施例中，利用物联网中设置的路面装置进行路面环境信息的采集。其中，所述的路面装置包括但不限于：路面遥感装置、路面传感装置等，只要是可以用于道路上进行信息采集的传感设备均可。采集的所述路面环境信息包括但不限于：环境信息，比如：空气温度、空气湿度、风力和风向信息以及可能的气候变化趋势等。基于采集的上述路面信息，路面装置识别当前路面状况是否满足对应的预先设置的结冰预警条件。本发明实施例中的预设的结冰预警条件可以根据具体的应用场景进行配置，不同的地理环境、不同的道路状况、不同的路面信息等，其对应的结冰预警条件可以不同。

进一步地，所述路面装置在采集路面环境信息的同时，也可以与气象部门进行通信连接，获取相关气象部门监控并实时发布的天气信息以及天气变化趋势信息等，从而与所述路面装置自身采集的当前的路面环境信息进行结合，进结合后的信息，识别当前路面状况是否满足预设的结冰预警条件。

另外，在利用物联网中设置的路面装置进行路面环境信息的采集之前，需要根据具体的应用场景，比如当前的生态环境、路面状态等，配置该道路对应的路面传感装置、路面遥感装置等路面装置，进而针对配置后的路面装置，采集路面环境信息。进一步地，也可以根据实际情况和/或预设周期，更新路面装置的相应参数配置，以便更好地适应当前的路面环境，提高路面环境信息采集的准确度和全面性。

步骤S20、若识别出当前路面满足所述结冰预警条件，则由信息传输装置将所述路面装置采集的所述路面环境信息发送至道路的安全管理中心；

若路面装置识别出当前路面满足对应的结冰预警条件，则利用信息传输装置将上述路面装置采集的路面环境信息发送至道路的安全管理中心；若路面装置识别出当前路面不满足对应的结冰预警条件，则继续执行上述步骤S10，即利用路面装置，实时采集当前的路面环境信息并识别当前路面状况是否满足对应的结冰预警条件。本发明实施例中，为了便于维护，上述信息传输装置可以是独立的设备；也可以集成在路面装置中，即路面装置具备上述信息传输装置的全部功能，当路面装置采集路面环境信息后，直接由路面装置将采集的路面环境信息发送至道路的安全管理中心。

步骤S30、所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作。

安全管理中心根据上述路面环境信息，在满足预设的结冰预警条件的情况下，启动结冰预警操作，获取与上述路面环境信息相匹配的预警提示等级，根据获取的所述预警提示等级，触发与所述预警提示等级相匹配的预警提示，从而执行该预警提示对应的预警操作。

在一个实施例中，步骤S30中，安全管理中心在匹配预警提示等级时，可以将路面环境信息进行量化，并通过对应的参数进行匹配。比如，安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，可以按照如下方式实施：

所述安全管理中心根据所述路面环境信息，获取所述路面环境信息对应的安全驾驶系数；即将所述路面环境信息进行量化，从而计算得出在当前的路面环境信息下，车辆通过时所对应的安全驾驶系数。根据获取的所述安全驾驶系数，查找预先配置的所述安全驾驶系数与预警提示等级对应的关系表；进而，根据对所述关系表的查找结果，得到与所述安全驾驶系数相匹配的预警提示等级。

在这种实施方式中，需要预先配置安全驾驶系数与预警提示等级对应的上述关系表。在配置该关系表时，可以按照如下技术手段实施：

基于当前路面环境信息，设置所述当前路面环境信息对应的地理位置范围；根据设置的所述地理位置范围，调用预设历史时长内在所述地理位置范围内的所有历史路面环境信息，以及在不同的所述历史路面环境信息下对应的历史交通状态信息；分析所述历史路面环境信息以及对应的历史交通状态信息，根据分析结果，设置所述安全驾驶系数与预警提示等级对应的关系表。

进一步地，当安全管理中心根据当前的所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级时，基于获取的所述预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作，可以按照如下技术手段实施：

根据与所述安全驾驶系数相匹配的预警提示等级，触发所述预警提示等级对应的预警提示；根据所述预警提示，执行所述预警提示对应的预警操作。

在一个具体的应用场景中，所述预警提示等级可以划分为：普通级别、中等级别和严重级别；触发的所述预警提示可以基于具体的应用场景进行设置，本发明实施例中的上述预警提示包括但不限于：屏显提示、限速调整提示、超速提示以及语音提示。

基于描述的预警提示等级以及预警提示，所述预警提示对应的预警操作包括但不限于：道路显示预案、超速检测预案以及道路广播预案。

比如，针对道路显示预案可以设置为：通过设置的道路显示装置显示道路结冰提示信息。

针对超速检测预案可以设置为：通过超速检测系统，将设定的原始限速值调整为所述预警提示等级中对应的速度阈值，并基于调整后的所述速度阈值，实时监控在当前道路上行驶的各个车辆的当前行驶速度；同时，一旦检测到所述当前行驶速度在预设范围内接近所述速度阈值，则启动超速提醒操作。

针对道路广播预案可以设置为：通过道路广播系统播放预警提示音频信息，以语音的形式提示驾驶员当前的路面环境信息。

基于上述的预警提示等级以及所述预警提示对应的预警操作，在一种实施方式中，所述安全管理中心触发对应的预警提示，并执行所述预警提示对应的预警操作，可以按照如下技术手段实施：

基于获取的与所述路面环境信息相匹配的所述预警提示等级，触发的所述预警提示至少包括以下预警提示中的任意两种：屏显提示、限速调整提示、超速提示以及语音提示。

基于上述的预警提示等级以及所述预警提示对应的预警操作，在一种实施方式中，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作，可以按照如下技术手段实施：

所述安全管理中心根据所述路面环境信息，若获取的与所述路面环境信息相匹配的预警提示等级为普通级别，则触发的预警提示为屏显提示，并将预警提示信息发送至对应的道路显示装置，触发所述道路显示预案，通过所述道路显示装置，显示道路结冰提示信息；

若获取的与所述路面环境信息相匹配的预警提示等级为中等级别，则触发所述道路显示预案的同时，将对应的预警提示信息发送至所述超速检测系统，并同时触发所述超速检测预案，将所述超速检测系统中设定的原始限速值调整为所述速度阈值；

若获取的与所述路面环境信息相匹配的预警提示等级为严重级别，则同步触发所述道路显示预案和超速检测预案的同时，将对应的预警提示信息发送至所述道路广播系统，触发所述道路广播预案，通过所述道路广播系统播放预警提示音频信息，以语音播报的形式进行提示。

进一步地，基于图1所述实施例的描述，所述路面装置基于采集的所述路面环境信息，识别当前路面状况是否满足对应的结冰预警条件时，可以通过当前路面状况对应可能发生的交通事故的概率来实现。

如图1所示，在图1所述实施例中的步骤S10中，所述根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件，还可以按照如下技术手段实施：

根据采集的所述路面环境信息中的空气温度、空气湿度、风力和风向信息以及可能的气候变化趋势，并结合路面平整度信息、车流量信息和车辆平均车速信息，计算并获取可能发生交通事故的事故概率；也就是说，将上述采集的路面环境信息进行量化，并基于可能引发交通事故的因素，设置对应的计算参数，根据设置的计算参数，利用针对当前应用场景所配置的数据计算模型，计算并获取当前应用场景所可能发生交通事故的事故概率。

根据计算得到的所述事故概率，判断所述事故概率是否达到预先设置的概率阈值；本发明实施例中的预先设置的概率阈值，也可以基于当前的应用场景进行配置；或者，基于当前的应用场景、采集的当前的路面环境信息，同时参照当前应用场景下相同路段的历史交通事故记录的历史数据，设置对应的概率阈值；其中，设置的上述概率阈值可以基于实际情况进行动态更新和调整。

将计算得到的事故概率与上述概率阈值进行比较，若所述事故概率达到所述概率阈值，即所述事故概率大于或者等于所述概率阈值，则识别出当前路面满足所述结冰预警条件；若所述事故概率未达到所述概率阈值，即所述事故概率小于所述概率阈值，则识别出当前路面不满足所述结冰预警条件。

基于图1所述实施例的描述，图2是本发明基于物联网的道路结冰监测及预警方法应用在一个具体的应用场景中的系统架构示意图。

如图2所示，在一个具体的应用场景中，在硬件上的配置包括但不限于图2所示的：安全管理中心、中心机房、弱电箱以及车辆测速仪、道路结冰探测器、室外显示大屏和室外语音广播。通过图2设置的道路结冰探测器可以采集路面环境信息，并将采集的上述路面环境信息发送至控制器，控制器与网络交换机通信连接，通过网络交换机，控制车辆测速仪对当前路面上行驶的车辆的车速进行探测。安全管理中心通过与中心机房内的核心交换机和平台服务器的通信连接，获取对应的信息，并通过控制器控制室外显示大屏和室外语音广播，在触发对应的预警提示，并执行所述预警提示对应的预警操作时，即可通过室外显示大屏和室外语音广播实现。

本发明基于物联网的道路结冰监测及预警方法，利用物联网中设置的路面装置，采集路面环境信息，根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件；若识别出当前路面满足所述结冰预警条件，则由信息传输装置将所述路面装置采集的所述路面环境信息发送至道路的安全管理中心；所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作；达到了基于物联网对道路结冰情况进行实时监测及预警的目的，提高了行车的安全性；由于该系统是无人值守系统，因此，相较于传统的道路监测，本发明提高了监控的准确性，节约了人力劳动，也更加智能、高效和便捷。

基于图1和图2所述实施例的描述，如图3所示，图3是本发明基于物联网的道路结冰监测及预警方法中，获取预警提示等级的一种实施方式的流程示意图。在图3所述实施例中，本发明基于物联网的道路结冰监测及预警方法中，获取预警提示等级通过构建深度神经网络模型实现。

如图3所示，图1所述实施例中的“步骤S30、安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级”可以实施为如下描述的步骤S31-S33。

步骤S31、所述安全管理中心根据所述路面环境信息，获取所述路面环境信息中的路面采集数据。

本发明实施例中，所述安全管理中心根据所述路面环境信息，获取对应的路面采集数据，其中，所述路面采集数据包括但不限于：路面电导率、路基温度、路面上空气湿度以及降水量等。

比如，在一个实施例中，所述安全管理中心获取的所述路面采集数据为

其中，x_i∈R^m，x_i表示第i个所述路面采集数据中对应的参数，所述路面采集数据包括：路面电导率、路基温度、路面上空气湿度以及降水量，y_i表示得到所述路面采集数据x_i后的路面可能结冰时长，即得到所述路面采集数据x_i，在y_i时长后路面可能会结冰；R表示m维的实数域。

步骤S32、根据所述路面采集数据，构建初步神经网络模型并训练，得到训练后的深度神经网络模型。

步骤S33、利用所述深度神经网络模型，预测所述路面环境信息对应的预警提示等级。

本发明实施例中，针对需要进行预测的路面情况，根据采集的所述路面采集数据，输入对应的气象要素，比如所述路面采集数据中对应的参数x_i，则即可根据输出的可能的结冰时长，得到预测等级，从而得到所述路面环境信息对应的预警提示等级。

其中，所述预警提示等级包括：黄色预警、橙色预警和红色预警。所述黄色预警对应的路面环境信息为：路表温度低于0℃，出现降水且12小时内可能出现对交通有影响的道路结冰。所述橙色预警对应的路面环境信息为：路表温度低于0℃，出现降水且6小时内可能出现对交通有较大影响的道路结冰。所述红色预警对应的路面环境信息为：路表温度低于0℃，出现降水且2小时内可能出现或者已经出现对交通有很大影响的道路结冰。

进一步地，在一个实施例中，如图4所示，图4是图3所述实施例中的步骤S32的一种实施方式的流程示意图。在图4所述实施例中，图3实施例中的“步骤S32、根据所述路面采集数据，构建初步神经网络模型并训练，得到训练后的深度神经网络模型”，可以实施为如下描述的步骤S41-S44。

步骤S41、根据所述路面采集数据

构建初步神经网络模型，则有：

pred(x)＝Relu(W₅*μ(W₄*μ(W₃*μ(W₂*μ(W₁x+b₁)+b₂)+b₃)+b₄)+b₅)； (1)

其中，x_i为m维实向量，x_i表示第i个所述路面采集数据中对应的参数，所述路面采集数据包括：路面电导率、路基温度、路面上空气湿度以及降水量，y_i表示得到所述路面采集数据x_i后的路面可能结冰时长，即得到所述路面采集数据x_i，在y_i时长后路面可能会结冰；其中，W₁为m×256维实矩阵；W₂为256×64维实矩阵；W₃为64×16维实矩阵；W₄为16×4维实矩阵；W₅为4×1维实矩阵；b₁为256维实向量，b₂为64维实向量，b₃为16维实向量，b₄为4维实向量，b₅为实数；所述N表示路面采集数据的总数量；

其中，函数μ()为SeLu函数，μ()的表达式为：

且

其中，α＝1.67326324，λ＝1.05050098；本发明实施例中的所述参数α和λ，是通过严格的数据计算得到的，而不是随意选取的参数。

步骤S42、利用梯度下降算法计算所述初步神经网络模型的参数。

此时，记θ＝{W₁,W₂,W₃,W₄,W₅,b₁,b₂,b₃,b₄,b₅}，令η为当前计算的学习率，则有参数更新公式：

同时，定义损失函数Loss，则有：

步骤S43、对所述初步神经网络模型进行训练，同时利用正则化方式防止训练所述初步神经网络模型时的过拟合，则有：

其中，λ为超参数，‖·‖_F是矩阵的Frobenius范数，即满足：

在一个实施例中，利用初始学习率为0.005的SGD优化器，对所述初步神经网络模型进行训练。

步骤S44、当对所述初步神经网络模型的训练满足预设训练终止条件时，停止对所述初步神经网络模型的训练，得到对应的深度神经网络模型。

本发明实施例中，采用SGD优化器来训练所述初步神经网络模型，比如，利用初始学习率0.005，初始化对应的参数(W，b)的权重；当对所述初步神经网络模型的训练次数达到预设训练次数阈值例如500000次，或者使得所述损失函数Loss的取值达到预设取值范围比如Loss＜10^-6时，停止训练，从而得到停止训练时对应的参数W₁、W₂、W₃、W₄、W₅、b₁、b₂、b₃、b₄、b₅的值，作为所述深度神经网络模型pred(x)中各参数分别对应的取值，从而得到所述深度神经网络模型。

当需要根据路面环境信息进行监测和预警时，获取所述路面环境信息中的所述路面采集数据x，利用所述深度神经网络模型，计算得到所述路面采集数据x对应的预测路面可能结冰时长pred(x)的取值，根据所述预测路面可能结冰时长pred(x)的取值，获取对应的预警提示等级，从而触发对应的预警提示，执行相应的预警操作。

比如，若pred(x)的取值满足：pred(x)≤2，则预测所述预警提示等级为：红色预警；若pred(x)的取值满足：2＜pred(x)≤6，则预测所述预警提示等级为：橙色预警；若pred(x)的取值满足：6＜pred(x)≤12，则预测所述预警提示等级为：红色预警；若pred(x)的取值满足：pred(x)＞12，则不触发预警提示。

本发明实施例中通过利用深度神经网络模型将采集的路面环境信息进行参数化，并通过数学模型计算得到对应的预警提示等级，提高了道路结冰预警的准确性和智能性，同时也提高了道路结冰预警的实时性，使得道路结冰的预警更加的客观。

本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。

本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。

这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。

这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (10)

1.一种基于物联网的道路结冰监测及预警方法，其特征在于，所述方法包括：

利用物联网中设置的路面装置，采集路面环境信息，根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件；

若识别出当前路面满足所述结冰预警条件，则由信息传输装置将所述路面装置采集的所述路面环境信息发送至道路的安全管理中心；

所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作。

2.如权利要求1所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，包括：

所述安全管理中心根据所述路面环境信息，获取所述路面环境信息中的路面采集数据；

根据所述路面采集数据，构建初步神经网络模型并训练，得到训练后的深度神经网络模型；

利用所述深度神经网络模型，预测所述路面环境信息对应的预警提示等级；其中，所述预警提示等级包括：黄色预警、橙色预警和红色预警；

所述黄色预警对应的路面环境信息为：路表温度低于0℃，出现降水且12小时内可能出现对交通有影响的道路结冰；

所述橙色预警对应的路面环境信息为：路表温度低于0℃，出现降水且6小时内可能出现对交通有较大影响的道路结冰；

所述红色预警对应的路面环境信息为：路表温度低于0℃，出现降水且2小时内可能出现或者已经出现对交通有很大影响的道路结冰。

3.如权利要求2所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述根据所述路面采集数据，构建初步神经网络模型并训练，得到训练后的深度神经网络模型，包括步骤S41-S44：

步骤S41、根据所述路面采集数据

构建初步神经网络模型，则有：

pred(x)＝Relu(W₅*μ(W₄*μ(W₃*μ(W₂*μ(W₁x+b₁)+b₂)+b₃)+b₄)+b₅)； (1)

其中，x_i为m维实向量，x_i表示第i个所述路面采集数据中对应的参数，所述路面采集数据包括：路面电导率、路基温度、路面上空气湿度以及降水量，y_i表示得到所述路面采集数据x_i后的路面可能结冰时长，即得到所述路面采集数据x_i，在y_i时长后路面可能会结冰；其中，W₁为m×256维实矩阵；W₂为256×64维实矩阵；W₃为64×16维实矩阵；W₄为16×4维实矩阵；W₅为4×1维实矩阵；b₁为256维实向量，b₂为64维实向量，b₃为16维实向量，b₄为4维实向量，b₅为实数；所述N表示路面采集数据的总数量；

其中，函数μ()为SeLu函数，μ()的表达式为：

且

其中，α＝1.67326324，λ＝1.05050098；

步骤S42、利用梯度下降算法计算所述初步神经网络模型的参数；

此时，记θ＝{W₁,W₂,W₃,W₄,W₅,b₁,b₂,b₃,b₄,b₅}，令η为当前计算的学习率，则有参数更新公式：

同时，定义损失函数Loss，则有：

步骤S43、对所述初步神经网络模型进行训练，同时利用正则化方式防止训练所述初步神经网络模型时的过拟合，则有：

其中，λ为超参数，‖·‖_F是矩阵的Frobenius范数，即满足：

步骤S44、当对所述初步神经网络模型的训练满足预设训练终止条件时，停止对所述初步神经网络模型的训练，得到对应的深度神经网络模型。

4.如权利要求3所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述利用所述深度神经网络模型，预测所述路面环境信息对应的预警提示等级，包括：

利用所述深度神经网络模型，计算得到所述路面环境信息中所述路面采集数据x对应的预测路面可能结冰时长pred(x)的取值；

若pred(x)的取值满足：pred(x)≤2，则预测所述预警提示等级为：红色预警；

若pred(x)的取值满足：2＜pred(x)≤6，则预测所述预警提示等级为：橙色预警；

若pred(x)的取值满足：6＜pred(x)≤12，则预测所述预警提示等级为：红色预警；

若pred(x)的取值满足：pred(x)＞12，则不触发预警提示。

5.如权利要求1所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，包括：

所述安全管理中心根据所述路面环境信息，获取所述路面环境信息对应的安全驾驶系数；

根据获取的所述安全驾驶系数，查找预先配置的所述安全驾驶系数与预警提示等级对应的关系表；

根据对所述关系表的查找结果，得到与所述安全驾驶系数相匹配的预警提示等级。

6.如权利要求5所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述触发对应的预警提示，并执行所述预警提示对应的预警操作，包括：

根据与所述安全驾驶系数相匹配的预警提示等级，触发所述预警提示等级对应的预警提示；

根据所述预警提示，执行所述预警提示对应的预警操作；

其中，所述预警提示等级包括：普通级别、中等级别和严重级别；

触发的所述预警提示包括：屏显提示、限速调整提示、超速提示以及语音提示；

所述预警提示对应的预警操作包括：

道路显示预案：通过设置的道路显示装置显示道路结冰提示信息；

超速检测预案：通过超速检测系统，将设定的原始限速值调整为所述预警提示等级中对应的速度阈值，并基于调整后的所述速度阈值，实时监控在当前道路上行驶的各个车辆的当前行驶速度；同时，一旦检测到所述当前行驶速度在预设范围内接近所述速度阈值，则启动超速提醒操作；

以及道路广播预案：通过道路广播系统播放预警提示音频信息，以语音的形式提示驾驶员当前的路面环境信息。

7.如权利要求6所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述安全管理中心根据所述路面环境信息，获取与所述路面环境信息相匹配的预警提示等级，触发对应的预警提示，并执行所述预警提示对应的预警操作，包括：

所述安全管理中心根据所述路面环境信息，若获取的与所述路面环境信息相匹配的预警提示等级为普通级别，则触发的预警提示为屏显提示，并将预警提示信息发送至对应的道路显示装置，触发所述道路显示预案，通过所述道路显示装置，显示道路结冰提示信息；

若获取的与所述路面环境信息相匹配的预警提示等级为中等级别，则触发所述道路显示预案的同时，将对应的预警提示信息发送至所述超速检测系统，并同时触发所述超速检测预案，将所述超速检测系统中设定的原始限速值调整为所述速度阈值；

若获取的与所述路面环境信息相匹配的预警提示等级为严重级别，则同步触发所述道路显示预案和超速检测预案的同时，将对应的预警提示信息发送至所述道路广播系统，触发所述道路广播预案，通过所述道路广播系统播放预警提示音频信息，以语音播报的形式进行提示。

8.如权利要求5所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述方法还包括：

预先设置所述安全驾驶系数与预警提示等级对应的关系表。

9.如权利要求8所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述预先设置所述安全驾驶系数与预警提示等级对应的关系表，包括：

基于当前路面环境信息，设置所述当前路面环境信息对应的地理位置范围；

根据设置的所述地理位置范围，调用预设历史时长内在所述地理位置范围内的所有历史路面环境信息，以及在不同的所述历史路面环境信息下对应的历史交通状态信息；

分析所述历史路面环境信息以及对应的历史交通状态信息，根据分析结果，设置所述安全驾驶系数与预警提示等级对应的关系表。

10.如权利要求1至9任一项所述的基于物联网的道路结冰监测及预警方法，其特征在于，所述根据采集的所述路面环境信息，识别当前路面状况是否满足预设的结冰预警条件，包括：

根据采集的所述路面环境信息中的空气温度、空气湿度、风力和风向信息以及可能的气候变化趋势，并结合路面平整度信息、车流量信息和车辆平均车速信息，计算并获取可能发生交通事故的事故概率；

根据计算得到的所述事故概率，判断所述事故概率是否达到预先设置的概率阈值；

若所述事故概率达到所述概率阈值，则识别出当前路面满足所述结冰预警条件；

若所述事故概率未达到所述概率阈值，则识别出当前路面不满足所述结冰预警条件。

Images