CN112577552A - 灯杆高危杆识别方法 - Google Patents

Abstract

本发明提供了一种灯杆高危杆识别方法，其包括如下步骤：灯杆采集实时位置偏移数据和实时风力数据；灯杆将采集的位置偏移数据、风力数据以及对应的采集时间传输至服务器；服务器接收灯杆实时采集的位置偏移数据、风力数据以及对应的采集时间；服务器根据位置偏移数据进行偏移量计算以计算出灯杆的每次晃动距离，并根据风力数据进行风力区间计算以计算出灯杆的每一预设时间段对应的风力区间；服务器将采集时间、每次晃动距离以及风力区间根据识别高危杆判断规则进行判断以识别出高危杆。与相关技术相比，本发明的灯杆高危杆识别方法易于维护灯杆且安全性高。

Description

灯杆高危杆识别方法

【技术领域】

本发明涉及路灯管理技术领域，尤其涉及灯杆高危杆识别方法。

【背景技术】

目前，路灯是人们日常生活中必不可少的照明工具，其为道路上的行人和车辆提供照明，以保障人们出行安全。其中，路灯主要有道路边上的多个灯杆组成。

然而，路灯通常设置在距离地面一定高度的空中，因而增加了路灯维护的困难和成本。现有路灯的灯杆的状况，依靠巡查人员观察或逐个连接部位检查。由于路灯数量大，容易遗漏，逐个检查更是工作量巨大。有部分灯杆安装了带倾斜传感器的单灯控制器或单独倾斜传感器，检测灯杆倾斜的程度。倾斜程度超过阈值时，检测到灯杆依据倾斜。虽然能够监测到灯杆已经倾斜，但不能事前识别哪些灯杆是高危杆。不能倾斜前排查原因进行维护或加固，因而不能减少损失，不能避免倾斜危害到人民的财产和生命安全。

因此，实有必要提供一种新的方法来解决上述技术问题。

【发明内容】

本发明的目的是克服上述技术问题，提供一种易于维护灯杆且安全性高的灯杆高危杆识别方法。

为了实现上述目的，本发明提供一种灯杆高危杆识别方法，其应用于多个路灯的灯杆，该方法包括如下步骤：

所述灯杆采集实时位置偏移数据和实时风力数据；

所述灯杆将采集的所述位置偏移数据、所述风力数据以及对应的采集时间传输至服务器，所述位置偏移数据用于所述服务器进行偏移量计算以计算出所述灯杆的每次晃动距离，所述风力数据用于所述服务器进行风力区间计算以计算出所述灯杆的每一预设时间段对应的风力区间，所述采集时间、所述每次晃动距离以及所述风力区间均用于所述服务器根据识别高危杆判断规则进行判断以识别出高危杆。

更优的，所述每次晃动距离通过将多个所述位置偏移数据识别出晃动端点，再通过将相邻的两个所述晃动端点的每间隔的距离或者方向夹角计算出，其中，所述每间隔的距离为所述灯杆晃动中的两个相邻的所述晃动端点之间的距离，所述方向夹角为所为所述灯杆晃动中的两个相邻的所述晃动端点的空间三维向量夹角，所述晃动端点为相邻的三个所述位置偏移数据中偏移量最大的端点。

更优的，所述识别高危杆判断规则为：若在相同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于晃动距离平均值时，则判断该灯杆为所述高危杆；所述晃动距离平均值为在相同预设时间段内且同一所述风力区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值。

更优的，所述识别高危杆判断规则为：若同一所述灯杆在不同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于预设阈值时，则判断该灯杆为所述高危杆。

更优的，所述预设阈值为在不同预设时间段内且同一所述风力区间内，同一所述灯杆的所有的所述每次晃动距离的平均值的1.15倍。

本发明还提供一种灯杆高危杆识别方法，其应用于服务器，所述服务器与多个路灯的灯杆形成通讯连接，该方法包括如下步骤：

所述服务器接收所述灯杆实时采集的位置偏移数据、风力数据以及对应的采集时间；

所述服务器根据所述位置偏移数据进行偏移量计算以计算出所述灯杆的每次晃动距离，并根据所述风力数据进行风力区间计算以计算出所述灯杆的每一预设时间段对应的风力区间；

所述服务器将所述采集时间、所述每次晃动距离以及所述风力区间根据识别高危杆判断规则进行判断以识别出高危杆。

更优的，所述每次晃动距离通过将多个所述位置偏移数据识别出晃动端点，再通过将相邻的两个所述晃动端点的每间隔的距离或者方向夹角计算出，其中，所述每间隔的距离为所述灯杆晃动中的两个相邻的所述晃动端点之间的距离，所述方向夹角为所为所述灯杆晃动中的两个相邻的所述晃动端点的空间三维向量夹角，所述晃动端点为相邻的三个所述位置偏移数据中偏移量最大的端点。

更优的，所述识别高危杆判断规则为：若在相同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于晃动距离平均值时，则判断该灯杆为所述高危杆；所述晃动距离平均值为在相同预设时间段内且同一所述风力区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值。

更优的，所述识别高危杆判断规则为：若同一所述灯杆在不同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于预设阈值时，则判断该灯杆为所述高危杆。

更优的，所述预设阈值为在不同预设时间段内且同一所述风力区间内，同一所述灯杆的所有的所述每次晃动距离的平均值的1.15倍。

与现有技术相比，本发明的灯杆高危杆识别方法包括如下步骤：灯杆采集实时位置偏移数据和实时风力数据；灯杆将采集的位置偏移数据、风力数据以及对应的采集时间传输至服务器；服务器接收灯杆实时采集的位置偏移数据、风力数据以及对应的采集时间；服务器根据位置偏移数据进行偏移量计算以计算出灯杆的每次晃动距离，并根据风力数据进行风力区间计算以计算出灯杆的每一预设时间段对应的风力区间；服务器将采集时间、每次晃动距离以及风力区间根据识别高危杆判断规则进行判断以识别出高危杆。通过上述步骤，本发明的灯杆高危杆识别方法通过灯杆采集数据和服务器识别出高危杆，从而达到自动识别出高危杆而不需要人工逐个检查，易于维护灯杆，从而提前识别高危杆，并延长灯杆寿命，减少极端天气带来的灯杆损耗，并避免高危杆倒下危害人民的财产和生命安全，使得安全性高。

【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它的附图，其中：

图1为本发明一种灯杆高危杆识别方法的流程框图；

图2为本发明另一种灯杆高危杆识别方法的流程框图；

图3为本发明一种灯杆高危杆识别系统的结构框图。

【具体实施方式】

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。

请参图1所示，图1为本发明一种灯杆高危杆识别方法的流程框图。本发明提供一种灯杆高危杆识别方法，其应用于多个路灯的灯杆，该方法包括如下步骤：

步骤S11、所述灯杆采集实时位置偏移数据和实时风力数据。

所述灯杆安装有倾斜传感器，所述倾斜传感器采集实时所述位置偏移数据。

所述灯杆还安装有风力传感器，所述风力传感器采集实时所述风力数据。所述风力传感器可以每个所述灯杆安装一个，也可以相邻的几个所述灯杆安装一个。当相邻的几个所述灯杆安装一个所述风力传感器时，相邻的几个所述灯杆的所述风力数据均为安装有所述风力传感器的该灯杆采集的所述风力数据。

所述灯杆还将采集实时所述位置偏移数据和实时所述风力数据的采集时间进行记录。

步骤S12、所述灯杆将采集的所述位置偏移数据、所述风力数据以及对应的采集时间传输至服务器。

其中，所述位置偏移数据用于所述服务器进行偏移量计算以计算出所述灯杆的每次晃动距离。所述风力数据用于所述服务器进行风力区间计算以计算出所述灯杆的每一预设时间段对应的风力区间。所述采集时间、所述每次晃动距离以及所述风力区间均用于所述服务器根据识别高危杆判断规则进行判断以识别出高危杆。

所述网络传输可以采用有线网络的数据传输，也可以采用无线网络的数据传输，例如3G/4G/5G通信数据传输。

本实施方式中，所述每次晃动距离通过将多个所述位置偏移数据识别出晃动端点，再通过将相邻的两个所述晃动端点的每间隔的距离或者方向夹角计算出。

其中，所述每间隔的距离为所述灯杆晃动中的两个相邻的所述晃动端点之间的距离。所述方向夹角为所为所述灯杆晃动中的两个相邻的所述晃动端点的空间三维向量夹角。

所述晃动端点为相邻的三个所述位置偏移数据中偏移量最大的端点。

以下通过所述灯光晃动的端点数据来说明所述每次晃动距离：

一、所述每次晃动距离通过所述每间隔的距离的计算出：

所述每间隔的距离的计算方式通过计算摇晃的两个偏移端点。具体为：

首先，通过将多个所述位置偏移数据识别出所述晃动端点。

所述步骤S11中所述灯杆3采集实时位置偏移数据，即所述灯杆3每次上传当时的坐标，比如间隔100ms采集上传一次。

通过比对相邻三次所述位置偏移数据，具体采集所述灯杆的坐标点的坐标值，所述灯杆3连续采集的三个所述位置偏移数据坐标值大于前后的采集的所述位置偏移数据坐标值，从而识别采集的端点是否为所述晃动端点。

举例来说：

所述灯杆3采集实时位置偏移数据中依次采集的端点坐标分别为P1(x1、y1、z1)、P12(x12、y12、z2)以及P13(x13、y13、z13),当x1+y1+z1>x12+y12+z12,并且x1+y1+z1>x13+y13+z13。其中，由于所述灯杆3晃动只会做往复运动，不做圆周运动，从而使得述灯杆3中间采集的P1(x1、y1、z1)端点坐标的原点在晃动范围内。从而识别出P1(x1、y1、z1)为晃动端点。同样识别出与P1相邻的晃动端点P2(x2、y2、z2)

在此，定义相邻的两个晃动端点，视为一次所述灯杆3的晃动。从而以两个晃动端点P1和晃动端点P2的绝对距离来计算所述每间隔的距离，具体为：

每间隔的距离为：

[(x2-x1)^2+(y2-y1)^2+(z2-z1)^2]^(1/2)。

通过上述公式，计算出所述每间隔的距离，就可计算出所述每次晃动距离。

以下通过实际测试得到的数据来说明具体的计算过程：

首先，所述灯杆3实时采集依次6个所述位置偏移数据，具体数据具体见下表，表1：

	时刻	X	Y	Z	X+Y+Z
						A1	100ms	1.1	3.01	2.18	6.29
A2	400ms	1.05	2.68	1.88	5.61
						A3	700ms	1.12	3.45	2.21	6.78
B1	1000ms	1.18	2.22	1.56	4.96
						B2	13000ms	2.53	3.21	2.68	8.42
B3	1600ms	1.62	2.85	1.98	6.45

表1，灯杆采集数据表。

由表中的各个点的坐标值，识别出A3为晃动端点P1；并识别出B2为晃动端点P2。

其次，通过A3(1.12、3.45、2.21)和B2(2.53、3.21、2.68)计算出该次所述灯杆3的所述每次晃动距离：

每间隔的距离为＝[(x2-x1)^2+(y2-y1)^2+(z2-z1)^2]^(1/2)＝[(2.53-1.12)^2+(3.45-3.21)^2+(2.68-2.21)^2]^(1/2)＝1.51

当然，不限于此，采用角向量的方式也可以同样计算出所述每间隔的距离。

二、所述每次晃动距离通过方向夹角为的计算出：

两个晃动端点P1和晃动端点P2通过方向夹角为的计算出。具体为：

方向夹角为θ的计算方式如下：

具体的，方向夹角为θ:

θ＝acos([((x1*x2)^2+(y1*y2)^2+(z1*z2)^2)]

/[(x1^2+y1^2+z1^2)^(1/2)]*[(x2^2+y2^2+z2^2)^(1/2)])*180/3.14

以表1中的数据来为例进行计算：

通过A3(1.12、3.45、2.21)和B2(2.53、3.21、2.68)计算：

计算步骤一：

((x1*x2)^2+(y1*y2)^2+(z1z*2)^2)

＝(2.53-1.12)^2+(3.45-3.21)^2+(2.68-2.21)^2]＝19.8309

计算步骤二：

[(x1^2+y1^2+z1^2)^(1/2)

＝(1.12^2+3.45^2+2.21^2)^(1/2)＝18.041^(1/2)＝4.24747

计算步骤三：

[(x2^2+y2^2+z2^2)^(1/2)

＝(2.25^2+3.21^2+2.68^2)^(1/2)＝23.8874^(1/2)＝4.88747

计算步骤四：

θ＝acos[19.8309/(4.24747*4.88747)]*180/3.14

＝17.20955°

通过上述公式，计算出所述方向夹角θ，就可以计算出所述每次晃动距离。

本实施方式中，识别出所述高危杆可以采用多个所述灯杆的横向比较判断得出。具体的，所述识别高危杆判断规则为：

若在相同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于晃动距离平均值时，则判断该灯杆为所述高危杆。所述晃动距离平均值为在相同预设时间段内且同一所述风力区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值。

在本实施方式中，预设时间段以分钟为量级，例如2分钟。所述风力区间则采用本领域常用的风力级别，例如：风力级别1～3级，4级、5级、6级。

为了防止出现误判，还可以采用所述灯杆的所述每次晃动距离大于晃动距离平均值的一个百分比时，则判断该灯杆为所述高危杆。

上述计算中所述服务器在数据管理上采用具体操作如下：首先，所述服务器的原始数据表存储每一所述灯杆的设备数据、所述采集时间，所述位置偏移数据以及所述风力数据。其次，对所述采集时间，所述位置偏移数据以及所述风力数据的各个区间进行转换归化，存储到所述服务器的归化表，所述归化表存储每一所述灯杆的设备数据、采集时间区间、所述风力区间、位置偏移数据。最后，通过对所述归化表存储的数据进行分类，并求出每一所述灯杆的同一区间的所述每次晃动距离中的最高值，并将其存储到所述服务器的区间晃动数据表，所述区间晃动数据表存储每一所述灯杆的设备数据、采集时间区间、所述风力区间以及所述每次晃动距离中的最高值。所述服务器根据识别高危杆判断规则进行判断以识别出高危杆时，直接调用所述区间晃动数据表的数据进行计算，从而使得计算量小且计算速度快。

以下以所述灯杆采集的数据计算出的多个所述每次晃动距离为例，具体见表2：

1号灯杆	2号灯杆	3号灯杆	4号灯杆	5号灯杆	6号灯杆	7号灯杆
							1.51	1.68	1.52	1.50	1.58	1.53	1.55

表2，在早上8:00到8.02时间段内，风力级别为3级的灯杆每次晃动距离。

其中，所述晃动距离平均值为在过去2小时内且同一风力级别为3级区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值为1.60。

因此，可以判断2号灯杆为所述高危杆。

当然，不限于此。识别出所述高危杆可以采用同一个所述灯杆的纵向比较判断得出。具体的，所述识别高危杆判断规则为：

若同一所述灯杆在不同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于预设阈值时，则判断该灯杆为所述高危杆。

其中，所述预设阈值为在不同预设时间段内且同一所述风力区间内，同一所述灯杆的所有的所述每次晃动距离的平均值的1.15倍。当然，所述预设阈值设置为1.15倍的数值范围左右都是可以，例如1.20倍。

本发明还可以提供一种计算机可读存储介质。所述计算机可读存储介质上存储有灯杆高危杆识别方法的程序，所述灯杆高危杆识别方法的程序被处理器执行时实现所述的灯杆高危杆识别方法的步骤。

请参图2所示，图2为本发明另一种灯杆高危杆识别方法的流程框图。

本发明另一种灯杆高危杆识别方法应用于服务器，所述服务器与多个路灯的灯杆形成通讯连接。所述灯杆高危杆识别方法包括如下步骤：

步骤S21、所述服务器接收所述灯杆实时采集的位置偏移数据、风力数据以及对应的采集时间。

所述灯杆安装有倾斜传感器，所述倾斜传感器采集实时所述位置偏移数据。

所述灯杆还安装有风力传感器，所述风力传感器采集实时所述风力数据。所述风力传感器可以每个所述灯杆安装一个，也可以相邻的几个所述灯杆安装一个。当相邻的几个所述灯杆安装一个所述风力传感器时，相邻的几个所述灯杆的所述风力数据均为安装有所述风力传感器的该灯杆采集的所述风力数据。

所述灯杆还将采集实时所述位置偏移数据和实时所述风力数据的采集时间进行记录。

所述网络传输可以采用有线网络的数据传输，也可以采用无线网络的数据传输，例如3G/4G/5G通信数据传输。

步骤S22、所述服务器根据所述位置偏移数据进行偏移量计算以计算出所述灯杆的每次晃动距离，并根据所述风力数据进行风力区间计算以计算出所述灯杆的每一预设时间段对应的风力区间。

本实施方式中，所述每次晃动距离通过将多个所述位置偏移数据识别出晃动端点，再通过将相邻的两个所述晃动端点的每间隔的距离或者方向夹角计算出。

其中，所述每间隔的距离为所述灯杆晃动中的两个相邻的所述晃动端点之间的距离。所述方向夹角为所为所述灯杆晃动中的两个相邻的所述晃动端点的空间三维向量夹角。

所述晃动端点为相邻的三个所述位置偏移数据中偏移量最大的端点。

以下通过所述灯光晃动的端点数据来说明所述每次晃动距离：

一、所述每次晃动距离通过所述每间隔的距离的计算出：

所述每间隔的距离的计算方式通过计算摇晃的两个偏移端点。具体为：

首先，通过将多个所述位置偏移数据识别出所述晃动端点。

所述步骤S11中所述灯杆3采集实时位置偏移数据，即所述灯杆3每次上传当时的坐标，比如间隔100ms采集上传一次。

通过比对相邻三次所述位置偏移数据，具体采集所述灯杆的坐标点的坐标值，所述灯杆3连续采集的三个所述位置偏移数据坐标值大于前后的采集的所述位置偏移数据坐标值，从而识别采集的端点是否为所述晃动端点。

举例来说：

所述灯杆3采集实时位置偏移数据中依次采集的端点坐标分别为P1(x1、y1、z1)、P12(x12、y12、z2)以及P13(x13、y13、z13),当x1+y1+z1>x12+y12+z12,并且x1+y1+z1>x13+y13+z13。其中，由于所述灯杆3晃动只会做往复运动，不做圆周运动，从而使得述灯杆3中间采集的P1(x1、y1、z1)端点坐标的原点在晃动范围内。从而识别出P1(x1、y1、z1)为晃动端点。同样识别出与P1相邻的晃动端点P2(x2、y2、z2)

在此，定义相邻的两个晃动端点，视为一次所述灯杆3的晃动。从而以两个晃动端点P1和晃动端点P2的绝对距离来计算所述每间隔的距离，具体为：

每间隔的距离为：

[(x2-x1)^2+(y2-y1)^2+(z2-z1)^2]^(1/2)。

通过上述公式，计算出所述每间隔的距离，就可计算出所述每次晃动距离。

以下通过实际测试得到的数据来说明具体的计算过程：

首先，所述灯杆3实时采集依次6个所述位置偏移数据，具体数据具体见下表，表3：

	时刻	X	Y	Z	X+Y+Z
						A1	100ms	1.1	3.01	2.18	6.29
A2	400ms	1.05	2.68	1.88	5.61
						A3	700ms	1.12	3.45	2.21	6.78
B1	1000ms	1.18	2.22	1.56	4.96
						B2	13000ms	2.53	3.21	2.68	8.42
B3	1600ms	1.62	2.85	1.98	6.45

表3，灯杆采集数据表。

由表中的各个点的坐标值，识别出A3为晃动端点P1；并识别出B2为晃动端点P2。

其次，通过A3(1.12、3.45、2.21)和B2(2.53、3.21、2.68)计算出该次所述灯杆3的所述每次晃动距离：

每间隔的距离为＝[(x2-x1)^2+(y2-y1)^2+(z2-z1)^2]^(1/2)

＝[(2.53-1.12)^2+(3.45-3.21)^2+(2.68-2.21)^2]^(1/2)＝1.51

当然，不限于此，采用角向量的方式也可以同样计算出所述每间隔的距离。

二、所述每次晃动距离通过方向夹角为的计算出：

两个晃动端点P1和晃动端点P2通过方向夹角为的计算出。具体为：

方向夹角为θ的计算方式如下：

具体的，方向夹角为θ:

θ＝acos([((x1*x2)^2+(y1*y2)^2+(z1*z2)^2)]

/[(x1^2+y1^2+z1^2)^(1/2)]*[(x2^2+y2^2+z2^2)^(1/2)])*180/3.14

以表1中的数据来为例进行计算：

通过A3(1.12、3.45、2.21)和B2(2.53、3.21、2.68)计算：

计算步骤一：

((x1*x2)^2+(y1*y2)^2+(z1z*2)^2)

＝(2.53-1.12)^2+(3.45-3.21)^2+(2.68-2.21)^2]＝19.8309

计算步骤二：

[(x1^2+y1^2+z1^2)^(1/2)

＝(1.12^2+3.45^2+2.21^2)^(1/2)＝18.041^(1/2)＝4.24747

计算步骤三：

[(x2^2+y2^2+z2^2)^(1/2)

＝(2.25^2+3.21^2+2.68^2)^(1/2)＝23.8874^(1/2)＝4.88747

计算步骤四：

θ＝acos[19.8309/(4.24747*4.88747)]*180/3.14

＝17.20955°

通过上述公式，计算出所述方向夹角θ，就可以计算出所述每次晃动距离。

步骤S23、所述服务器将所述采集时间、所述每次晃动距离以及所述风力区间根据识别高危杆判断规则进行判断以识别出高危杆。

识别出所述高危杆可以采用多个所述灯杆的横向比较判断得出。具体的，所述识别高危杆判断规则为：

若在相同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于晃动距离平均值时，则判断该灯杆为所述高危杆。所述晃动距离平均值为在相同预设时间段内且同一所述风力区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值。

预设时间段以分钟为量级，例如2分钟。所述风力区间则采用本领域常用的风力级别，例如：风力级别1～3级，4级、5级、6级。

为了防止出现误判，还可以采用所述灯杆的所述每次晃动距离大于晃动距离平均值的一个百分比时，则判断该灯杆为所述高危杆。

上述计算中所述服务器在数据管理上采用具体操作如下：首先，所述服务器的原始数据表存储每一所述灯杆的设备数据、所述采集时间，所述位置偏移数据以及所述风力数据。其次，对所述采集时间，所述位置偏移数据以及所述风力数据的各个区间进行转换归化，存储到所述服务器的归化表，所述归化表存储每一所述灯杆的设备数据、采集时间区间、所述风力区间、位置偏移数据。最后，通过对所述归化表存储的数据进行分类，并求出每一所述灯杆的同一区间的所述每次晃动距离中的最高值，并将其存储到所述服务器的区间晃动数据表，所述区间晃动数据表存储每一所述灯杆的设备数据、采集时间区间、所述风力区间以及所述每次晃动距离中的最高值。所述服务器根据识别高危杆判断规则进行判断以识别出高危杆时，直接调用所述区间晃动数据表的数据进行计算，从而使得计算量小且计算速度快。

以下以所述灯杆采集的数据计算出的多个所述每次晃动距离为例，具体见表4：

1号灯杆	2号灯杆	3号灯杆	4号灯杆	5号灯杆	6号灯杆	7号灯杆
							1.51	1.68	1.52	1.50	1.58	1.53	1.55

表4，在早上8:00到8.02时间段内，风力级别为3级的灯杆每次晃动距离。

其中，所述晃动距离平均值为在过去2小时内且同一风力级别为3级区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值为1.60。

因此，可以判断2号灯杆为所述高危杆。

当然，不限于此。识别出所述高危杆可以采用同一个所述灯杆的纵向比较判断得出。具体的，所述识别高危杆判断规则为：

若同一所述灯杆在不同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于预设阈值时，则判断该灯杆为所述高危杆。

其中，所述预设阈值为在不同预设时间段内且同一所述风力区间内，同一所述灯杆的所有的所述每次晃动距离的平均值的1.15倍。当然，所述预设阈值设置为1.15倍的数值范围左右都是可以，例如1.20倍。

本发明还可以提供一种计算机可读存储介质。所述计算机可读存储介质上存储有灯杆高危杆识别方法的程序，所述灯杆高危杆识别方法的程序被处理器执行时实现所述的灯杆高危杆识别方法的步骤。

请参图3所示，请参考本发明还提供一种灯杆高危杆识别系统100。所述灯杆高危杆识别系统100包括灯杆1和服务器2。所述灯杆1应用所述灯杆高危杆识别方法。所述服务器应用所述灯杆高危杆识别方法。

与现有技术相比，本发明的灯杆高危杆识别方法包括如下步骤：灯杆采集实时位置偏移数据和实时风力数据；灯杆将采集的位置偏移数据、风力数据以及对应的采集时间传输至服务器；服务器接收灯杆实时采集的位置偏移数据、风力数据以及对应的采集时间；服务器根据位置偏移数据进行偏移量计算以计算出灯杆的每次晃动距离，并根据风力数据进行风力区间计算以计算出灯杆的每一预设时间段对应的风力区间；服务器将采集时间、每次晃动距离以及风力区间根据识别高危杆判断规则进行判断以识别出高危杆。通过上述步骤，本发明的灯杆高危杆识别方法通过灯杆采集数据和服务器识别出高危杆，从而达到自动识别出高危杆而不需要人工逐个检查，易于维护灯杆，从而提前识别高危杆，并延长灯杆寿命，减少极端天气带来的灯杆损耗，并避免高危杆倒下危害人民的财产和生命安全，使得安全性高。

以上所述的仅是本发明的实施方式，在此应当指出，对于本领域的普通技术人员来说，在不脱离本发明创造构思的前提下，还可以做出改进，但这些均属于本发明的保护范围。

Claims (10)

1.一种灯杆高危杆识别方法，其应用于多个路灯的灯杆，其特征在于，该方法包括如下步骤：

所述灯杆采集实时位置偏移数据和实时风力数据；

所述灯杆将采集的所述位置偏移数据、所述风力数据以及对应的采集时间传输至服务器，所述位置偏移数据用于所述服务器进行偏移量计算以计算出所述灯杆的每次晃动距离，所述风力数据用于所述服务器进行风力区间计算以计算出所述灯杆的每一预设时间段对应的风力区间，所述采集时间、所述每次晃动距离以及所述风力区间均用于所述服务器根据识别高危杆判断规则进行判断以识别出高危杆。

2.根据权利要求1所述的灯杆高危杆识别方法，其特征在于，所述每次晃动距离通过将多个所述位置偏移数据识别出晃动端点，再通过将相邻的两个所述晃动端点的每间隔的距离或者方向夹角计算出，其中，所述每间隔的距离为所述灯杆晃动中的两个相邻的所述晃动端点之间的距离，所述方向夹角为所为所述灯杆晃动中的两个相邻的所述晃动端点的空间三维向量夹角，所述晃动端点为相邻的三个所述位置偏移数据中偏移量最大的端点。

3.根据权利要求1所述的灯杆高危杆识别方法，其特征在于，所述识别高危杆判断规则为：

若在相同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于晃动距离平均值时，则判断该灯杆为所述高危杆；所述晃动距离平均值为在相同预设时间段内且同一所述风力区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值。

4.根据权利要求1所述的灯杆高危杆识别方法，其特征在于，所述识别高危杆判断规则为：

若同一所述灯杆在不同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于预设阈值时，则判断该灯杆为所述高危杆。

5.根据权利要求4所述的灯杆高危杆识别方法，其特征在于，所述预设阈值为在不同预设时间段内且同一所述风力区间内，同一所述灯杆的所有的所述每次晃动距离的平均值的1.15倍。

6.一种灯杆高危杆识别方法，其应用于服务器，其特征在于，所述服务器与多个路灯的灯杆形成通讯连接，该方法包括如下步骤：

所述服务器接收所述灯杆实时采集的位置偏移数据、风力数据以及对应的采集时间；

所述服务器根据所述位置偏移数据进行偏移量计算以计算出所述灯杆的每次晃动距离，并根据所述风力数据进行风力区间计算以计算出所述灯杆的每一预设时间段对应的风力区间；

所述服务器将所述采集时间、所述每次晃动距离以及所述风力区间根据识别高危杆判断规则进行判断以识别出高危杆。

7.根据权利要求1所述的灯杆高危杆识别方法，其特征在于，所述每次晃动距离通过将多个所述位置偏移数据识别出晃动端点，再通过将相邻的两个所述晃动端点的每间隔的距离或者方向夹角计算出，其中，所述每间隔的距离为所述灯杆晃动中的两个相邻的所述晃动端点之间的距离，所述方向夹角为所为所述灯杆晃动中的两个相邻的所述晃动端点的空间三维向量夹角，所述晃动端点为相邻的三个所述位置偏移数据中偏移量最大的端点。

8.根据权利要求1所述的灯杆高危杆识别方法，其特征在于，所述识别高危杆判断规则为：

若在相同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于晃动距离平均值时，则判断该灯杆为所述高危杆；所述晃动距离平均值为在相同预设时间段内且同一所述风力区间内，各个所述灯杆的所述每次晃动距离中的最高值的平均值。

9.根据权利要求1所述的灯杆高危杆识别方法，其特征在于，所述识别高危杆判断规则为：

若同一所述灯杆在不同预设时间段内且同一所述风力区间内，所述灯杆的所述每次晃动距离大于预设阈值时，则判断该灯杆为所述高危杆。

10.根据权利要求9所述的灯杆高危杆识别方法，其特征在于，所述预设阈值为在不同预设时间段内且同一所述风力区间内，同一所述灯杆的所有的所述每次晃动距离的平均值的1.15倍。

Images