CN113009595B - 一种基于车载传感器的降雨监测方法及相关装置 - Google Patents

一种基于车载传感器的降雨监测方法及相关装置 Download PDF

Info

Publication number
CN113009595B
CN113009595B CN202110178616.8A CN202110178616A CN113009595B CN 113009595 B CN113009595 B CN 113009595B CN 202110178616 A CN202110178616 A CN 202110178616A CN 113009595 B CN113009595 B CN 113009595B
Authority
CN
China
Prior art keywords
rainfall
vehicle
attenuation coefficient
grid points
environment
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.)
Active
Application number
CN202110178616.8A
Other languages
English (en)
Other versions
CN113009595A (zh
Inventor
张国峰
杨立荣
张廷龙
楚志刚
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.)
Hainan Institute Of Meteorological Sciences
Original Assignee
Hainan Institute Of Meteorological Sciences
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 Hainan Institute Of Meteorological Sciences filed Critical Hainan Institute Of Meteorological Sciences
Priority to CN202110178616.8A priority Critical patent/CN113009595B/zh
Publication of CN113009595A publication Critical patent/CN113009595A/zh
Application granted granted Critical
Publication of CN113009595B publication Critical patent/CN113009595B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/14—Rainfall or precipitation gauges
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G01S13/951—Radar or analogous systems specially adapted for specific applications for meteorological use ground based
    • 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)
  • Remote Sensing (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Environmental & Geological Engineering (AREA)
  • Physics & Mathematics (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Electromagnetism (AREA)
  • Atmospheric Sciences (AREA)
  • Hydrology & Water Resources (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • General Physics & Mathematics (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

本发明公开了一种基于车载传感器的降雨监测方法，通过计算车辆所处环境对自身搭载的毫米波雷达产生的总衰减系数可以有效计算出车辆附近的降雨强度。而结合众多车辆行驶时的位置信息、时间信息及其计算的降雨强度，可以准确地计算目标区域内预先设置的离散网格的降雨强度。而车辆自身搭载的毫米波雷达测量间隔很短，从而具有很高的时间分辨率。本发明还提供了一种基于车载传感器的降雨监测装置、一种基于车载传感器的降雨监测设备以及一种计算机可读存储介质，同样具有上述有益效果。

Description

一种基于车载传感器的降雨监测方法及相关装置
技术领域
本发明涉及气象降雨监测技术领域，特别是涉及一种基于车载传感器的降雨监测方法、一种基于车载传感器的降雨监测装置、一种基于车载传感器的降雨监测设备以及一种计算机可读存储介质。
背景技术
降雨的精密监测对提高气象预报水平和气象服务能力具有重要意义。传统的基于站点的专用设备监测方式虽然具有精度高等特点，但是受限于人力和物力，空间分辨率一般都不高。卫星遥感虽然能对降雨进行高分辨率的监测，但精度不高。同样，天气雷达虽然能对降雨进行高时空分辨率的监测，监测精度也不高。因此，对降雨进行廉价、高精度、高时空分辨率的监测仍是当前技术上的一个重要问题。
近年来，为实现对降雨的廉价、高精度、高时空分辨率的监测，科学家们提出了基于降雨对微波链路的衰减作用对降雨进行监测的方案。这些方案朝实现降雨的廉价、高精度、高时空分辨率的监测前进了一大步。但这些方案在晴雨期的判断等方面仍存在一些问题。
当前，信息技术、传感器技术、人工智能等的发展正使得自动驾驶成为现实。然而，自动驾驶离不开摄像头、激光雷达、毫米波雷达、定位设备等传感器或其组合的支持。其中，毫米波雷达因具有体积小、探测距离远、抗干扰能力强、可全天候、全天时工作等特点，是自动驾驶不可或缺的传感器。所以如何基于车载传感器提供一种廉价、高精度、高时空分辨率的降雨监测方法是本领域技术人员急需解决的问题。
发明内容
本发明的目的是提供一种基于车载传感器的降雨监测方法，具有廉价、高精度、高时空分辨率等特点；本领域的另一目的在于提供一种基于车载传感器的降雨监测装置、一种基于车载传感器的降雨监测设备以及一种计算机可读存储介质，具有廉价、高精度、高时空分辨率等特点。
为解决上述技术问题，本发明提供一种基于车载传感器的降雨监测方法，包括：
根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本；所述目标地区预先设置有离散网格；所述样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当所述车辆所处环境未降雨时，所述总衰减系数为0；当所述车辆所处环境降雨时，所述总衰减系数为所述车辆所处环境对毫米波雷达的总衰减系数；
根据所述总衰减系数计算所述样本对应的降雨强度；
根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点；
对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
可选的，所述根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点包括：
将预设监测时间内获取的所述样本合成样本集；
剔除所述样本集内的异常样本，以及对所述样本集进行抽稀，得到待使用样本集；
根据所述待使用样本集将所述离散网格中的格点划分为有降雨格点和无降雨格点。
可选的，所述对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果包括：
对所述无降雨格点的降雨强度赋值为0；
通过插值法根据所述降雨强度对所述有降雨格点进行赋值；
在赋值后根据所有格点对应的降雨强度，分别累加计算所有格点的降雨量，得到降雨监测结果。
可选的，所述根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点包括：
采用时空指示插值法，根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点。
可选的，还包括：
根据所述车辆内设置的光电降雨传感器，或根据所述车辆设置的雨刮器状态确定所述车辆所处环境是否降雨；
当所述车辆所处环境降雨时，根据所述车辆设置的毫米波雷达探测的信息计算所述环境的总衰减系数。
可选的，在所述根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本之后，还包括：
当所述总衰减系数不为0时，计算环境因素所对应的环境衰减系数，并从所述总衰减系数扣除所述环境衰减系数得到降雨衰减系数；
所述根据所述总衰减系数计算所述样本对应的降雨强度包括：
根据所述降雨衰减系数计算所述样本对应的降雨强度。
可选的，所述环境衰减系数包括水汽衰减系数和干燥空气衰减系数。
本发明还提供了一种基于车载传感器的降雨监测装置，包括：
采样模块，用于根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本；所述目标地区预先设置有离散网格；所述样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当所述车辆所处环境未降雨时，所述总衰减系数为0；当所述车辆所处环境降雨时，所述总衰减系数为所述车辆所处环境对毫米波雷达的总衰减系数；
降雨强度模块，用于根据所述总衰减系数计算所述样本对应的降雨强度；
划分模块，用于根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点；
降雨监测结果模块，用于对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
本发明还提供了一种基于车载传感器的降雨监测设备，所述设备包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序时实现如上述任一项所述基于车载传感器的降雨监测方法的步骤。
本发明还提供了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计算机程序，所述计算机程序被处理器执行时实现如上述任一项所述基于车载传感器的降雨监测方法的步骤。
本发明所提供的一种基于车载传感器的降雨监测方法，包括根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取车辆的样本；目标地区预先设置有离散网格；样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当车辆所处环境未降雨时，总衰减系数为0；当车辆所处环境降雨时，总衰减系数为车辆所处环境对毫米波雷达的总衰减系数；根据总衰减系数计算样本对应的降雨强度；根据预设监测时间内获取的样本将离散网格中的格点划分为有降雨格点和无降雨格点；对无降雨格点的降雨强度赋值为0，并根据降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
通过计算车辆所处环境对自身搭载的毫米波雷达产生的总衰减系数可以有效计算出车辆附近的降雨强度。而结合众多车辆行驶时的位置信息、时间信息及其计算的降雨强度，可以准确地计算目标区域内预先设置的离散网格的降雨强度。而车辆自身搭载的毫米波雷达测量间隔很短，从而具有很高的时间分辨率。
本发明还提供了一种基于车载传感器的降雨监测装置、一种基于车载传感器的降雨监测设备以及一种计算机可读存储介质，同样具有上述有益效果，在此不再进行赘述。
附图说明
为了更清楚的说明本发明实施例或现有技术的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单的介绍，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他的附图。
图1为本发明实施例所提供的一种基于车载传感器的降雨监测方法的流程图；
图2为本发明实施例所提供的一种具体的基于车载传感器的降雨监测方法的流程图；
图3为本发明实施例所提供的一种基于车载传感器的降雨监测装置的结构框图；
图4为本发明实施例所提供的一种基于车载传感器的降雨监测设备的结构框图。
具体实施方式
本发明的核心是提供一种基于车载传感器的降雨监测方法。在现有技术中，传统的基于站点的专用设备监测方式虽然具有精度高等特点，但是受限于人力和物力，空间分辨率一般都不高。卫星遥感虽然能对降雨进行高分辨率的监测，但精度不高。同样，天气雷达虽然能对降雨进行高时空分辨率的监测，监测精度也不高。因此，对降雨进行廉价、高精度、高时空分辨率的监测仍是当前技术上的一个重要问题。
而本发明所提供的一种基于车载传感器的降雨监测方法，包括根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取车辆的样本；目标地区预先设置有离散网格；样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当车辆所处环境未降雨时，总衰减系数为0；当车辆所处环境降雨时，总衰减系数为车辆所处环境对毫米波雷达的总衰减系数；根据总衰减系数计算样本对应的降雨强度；根据预设监测时间内获取的样本将离散网格中的格点划分为有降雨格点和无降雨格点；对无降雨格点的降雨强度赋值为0，并根据降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
通过计算车辆所处环境对自身搭载的毫米波雷达产生的总衰减系数并扣除环境因素的衰减系数可以有效计算出车辆附近的降雨强度。而结合众多车辆行驶时的位置信息、时间信息及其计算的降雨强度，可以准确地计算目标区域内预先设置的离散网格的降雨强度。而车辆自身搭载的毫米波雷达测量间隔很短，从而具有很高的时间分辨率。
为了使本技术领域的人员更好地理解本发明方案，下面结合附图和具体实施方式对本发明作进一步的详细说明。显然，所描述的实施例仅仅是本发明一部分实施例，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他实施例，都属于本发明保护的范围。
请参考图1，图1为本发明实施例所提供的一种基于车载传感器的降雨监测方法的流程图。
参见图1，在本发明实施例中，基于车载传感器的降雨监测方法包括：
S101：根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取车辆的样本。
在本发明实施例中，所述目标地区预先设置有离散网格；所述样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当所述车辆所处环境未降雨时，所述总衰减系数为0；当所述车辆所处环境降雨时，所述总衰减系数为所述车辆所处环境对毫米波雷达的总衰减系数。
在本发明实施例中，需要预先针对需要进行降雨监测的区域建立离散网格，之后会在离散网格的基础上计算各个格点的降雨量以实现降雨监测。有关对目标区域进行离散网格划分的具体过程需要根据实际情况自行设定，在此不做具体限定。
在本发明实施例中，联网的车辆会以预设频率判断其自身所处环境是否降雨，有关判断降雨的具体过程将在下述发明实施例中做详细介绍，在此不再进行赘述。在本步骤中，车辆根据自身当前的位置信息以及当前时间生成 {位置信息、当前时间、总衰减系数}的样本，其中位置信息用于确定车辆在当前时间所处的位置，总衰减系数用于计算降雨强度。
具体的，当车辆确定自身所处环境未降雨时，会设置总衰减系数为0；而当车辆确定自身所处环境降雨时，会根据所述车辆设置的毫米波雷达探测的信息计算所述环境的总衰减系数。车载毫米波雷达工作在毫米波波段，不可避免地要受到降雨的影响，虽然从自动驾驶的角度来看是一种干扰，但对降雨的监测却是一种重要的信息。车载毫米波雷达是一种主动遥感方式，可同时收发电磁波，从而可以在不增加专用硬件的情况下得到车辆所处环境对电磁波的衰减系数，且具有很高的时间分辨率。
在本步骤中，车辆会以预设的频率，即预设的时间间隔将车辆生成的样本上传至服务器，相应的在本步骤即具体为根据预设时间间隔采集车辆生成的样本。换句话说，本发明实施例所提供的一种基于车载传感器的降雨监测方法具体应用于服务器，在本步骤中首先需要获取车辆上传的样本。
需要说明的是，本发明实施例在执行时，通常会有多辆符合条件的车辆行驶在目标区域，共同上传上述内容的样本，以实现对目标地区降雨量的监测。在本发明实施例中，在目标地区行驶的车辆越多，则对目标地区降雨量的监测精度越高。
S102：根据总衰减系数计算样本对应的降雨强度。
在本步骤中需要根据上述样本内包括的总衰减系数计算对应的降雨强度，通常情况下总衰减系数为0对应的降雨强度会直接设置为0.有关降雨强度具体的计算过程将在下述发明实施例中做详细介绍，在此不再进行赘述。
S103：根据预设监测时间内获取的样本将目标区域中的格点划分为有降雨格点和无降雨格点。
在本步骤中，会根据样本内包括的当前时间来选取预设监测时间内的样本，并根据选取的样本判断在预设监测时间内目标区域中的各个格点是否存在降雨。若存在降雨，就将该格点划分为有降雨格点；若不存在降雨，就将该格点划分为无降雨格点。有关有无降雨格点的具体划分方法将在下述发明实施例中做详细介绍，在此不再进行赘述。
S104：对无降雨格点的降雨强度赋值为0，并根据降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
在本步骤中，会对无降雨格点的降雨强度赋值为0，并根据降雨强度对所有格点的降雨量分别进行累加，以得到对应整个目标区域内预设离散网格的降雨监测结果。通常情况下，在本步骤之后会将上述降雨监测结果发送至客户端，以便用户查看。需要说明的是，在上述监测时间内有降雨格点与无降雨格点的位置可能会发生变换，即在监测时间内每个格点的状态可能会发生变换，因此在本申请中是对所有格点的降雨强度分别进行累加，得到降雨量。
本发明实施例所提供的一种基于车载传感器的降雨监测方法，包括根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取车辆的样本；目标地区预先设置有离散网格；样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当车辆所处环境未降雨时，总衰减系数为0；当车辆所处环境降雨时，总衰减系数为车辆所处环境对毫米波雷达的总衰减系数；根据总衰减系数计算样本对应的降雨强度；根据预设监测时间内获取的样本将离散网格中的格点划分为有降雨格点和无降雨格点；对无降雨格点的降雨强度赋值为0，并根据降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
通过计算车辆所处环境对自身搭载的毫米波雷达产生的总衰减系数可以有效计算出车辆附近的降雨强度。而结合众多车辆行驶时的位置信息、时间信息及其计算的降雨强度，可以准确地计算目标区域内预先设置的离散网格的降雨量。而车辆自身搭载的毫米波雷达测量间隔很短，从而具有很高的时间分辨率。
有关本发明所提供的一种基于车载传感器的降雨监测方法的具体内容将在下述发明实施例中做详细介绍。
请参考图2，图2为本发明实施例所提供的一种具体的基于车载传感器的降雨监测方法的流程图。
参见图2，在本发明实施例中，基于车载传感器的降雨监测方法包括：
S201：通过车辆内设置的光电降雨传感器，或根据车辆设置的雨刮器状态确定车辆所处环境是否降雨。
在本步骤中，具体可以通过车辆内设置的光电降雨传感器，或根据车辆设置的雨刮器状态，例如雨刮器是否工作等状态来判断车辆所处环境是否降雨。例如，当车辆雨刮器工作时，通常认为车辆所处环境正在降雨；当车辆雨刮器未工作时，通常认为车辆所处环境未降雨。
S202：当车辆所处环境降雨时，通过车辆设置的毫米波雷达探测的信息计算环境的总衰减系数。
在本步骤中，车辆具体会在自身处于降雨环境中时，通过车辆自身设置的毫米波雷达工作时所得到的探测信息计算车辆周围环境的总衰减系数。自动驾驶车载毫米波雷达的作用距离一般在几百米范围内且具有很高的径向分辨率。在车辆周围一定范围内，周围环境可以认为是匀质的，其对雷达回波的衰减作用是不变的。在这种条件下，根据雷达气象方程可推导出车辆所在位置周围环境对雷达回波的总衰减系数A的计算公式如下：
Figure SMS_1
其中，P1、P2的单位为dB，分别为无遮挡条件下距离毫米波雷达R1、R2公里处的回波强度。为提高本发明实施例中总衰减系数A的估计精度，可以先求取一定范围内多组数据的总衰减系数，然后求取它们的平均值，从而得到总衰减系数A的准确值。
S203：根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取车辆的样本。
本步骤与上述发明实施例中S101基本一致，详细内容请参考上述发明实施例，在此不再进行赘述。需要说明的是，本步骤与上述S201至S202通常由不同的线程执行，即S201至S202通常由车辆自行执行，而当车辆生成样本之后，会上传至服务器，即执行本步骤。
S204：当总衰减系数不为0时，计算环境因素所对应的环境衰减系数，并从总衰减系数扣除环境衰减系数得到降雨衰减系数。
在本步骤中，服务器会计算其他环境因素的衰减系数，即环境衰减系数，并从总衰减系数中扣除，得到降雨的降雨衰减系数Ar。当只考虑大气对毫米波的衰减作用时，大气对自动驾驶车载毫米波雷达的衰减作用主要为水汽和干燥空气的衰减作用。即上述环境衰减系数包括水汽衰减系数和干燥空气衰减系数。
当自动驾驶车载毫米波雷达的工作频率f介于77GHz～81GHz，即未来车载毫米波雷达的主流工作频段时，干燥空气衰减系数Ao dB/km可采用下式计算：
Figure SMS_2
其中：
Figure SMS_3
Figure SMS_4
Figure SMS_5
Figure SMS_6
rp＝p/1013
rt＝288/(273+t)
上式中p为大气压，单位hPa；t为大气温度，单位℃。
水汽衰减系数Aw，单位为dB/km可根据下式计算：
Figure SMS_7
其中：
η1＝0.955rprt 0.68+0.006ρ
η2＝0.735rprt 0.5+0.0353rt 4ρ
Figure SMS_8
上式中ρ是水汽密度g/m3，可根据相对湿度U并通过下式变换得到：
e＝Ruρrt
U＝(e/E)×100％
其中e为水汽压、Ru为水汽的比气体常数、E为当时温度下的饱和水汽压，其中饱和水汽压E可根据rt和Goff-Gratch公式计算得到。而在上述公式中大气压力p，大气温度t，相对湿度U可由服务器从气象部门实时获取格点化实况产品得到。
在本步骤中，需要将环境衰减系数从总衰减系数中扣除，通常是将干燥空气衰减系数和水汽衰减系数从总衰减系数中扣除，就可得到降雨导致的降雨衰减系数Ar，即：
Ar＝A-Ao-Aw
S205：根据降雨衰减系数计算样本对应的降雨强度。
在本步骤中，降雨衰减系数Ar与降雨强度R之间存在如下关系：
Ar＝kRα
k和α是与频率和极化角有关的参数，由下式确定：
Figure SMS_9
Figure SMS_10
其中，f为毫米波雷达的工作频率，单位为GHz。当采用水平极化方式时， k和α对应kH和αH。当采用垂直极化方式时，k和α对应kV和αV。对于水平或垂直极化方式，上式右边的系数a1j、b1j、c1j、mk、ck、a2j、b2j、c2j、mα、cα为常数，可查阅ITU-R P.838-3得到。
对于线极化和圆极化，k和α可以通过下式求得：
k＝[kH+kV+(kH-kV)cos2θcos2τ]/2
α＝[kHαH+kVαV+(kHαH-kVαV)cos2θcos2τ]/2k
其中，θ是路径斜角，τ是相对水平位置的极化斜角，对于圆极化，τ＝45°。对于车载毫米波雷达，kH与kV之间的差异很小，αH与αV之间的差异也很小。因此，可以将上式中的(kH-kV)cos2θcos2τ项和上式中的(kHαH-kVαV)cos2θcos2τ项略去。
通过上述S204至S205可以更加准确的对小量级降雨进行估计。
S206：将预设监测时间内获取的样本合成样本集。
在本步骤中，会将预设监测时间内获取的样本合成样本集，以便后续步骤的执行。
S207：剔除样本集内的异常样本，以及对样本集进行抽稀，得到待使用样本集。
在本步骤中，具体会提出异常样本以及对样本集进行抽稀的方式对样本集进行预处理，上述异常样本具体的评价标准可以根据实际情况自行设定，在此不做具体限定。需要说明的是，在本步骤中还可以通过其他方式对样本集进行预处理，在此不做具体限定。
S208：根据待使用样本集将目标区域中的格点划分为有降雨格点和无降雨格点。
在本步骤中，具体可以根据上述待使用样本集将目标区域中的格点划分为有降雨格点和无降雨格点。具体的，本步骤可以具体为：采用时空指示插值法，根据预设监测时间内获取的所述样本将所述目标区域中的格点划分为有降雨格点和无降雨格点。即在本步骤中具体可以通过时空指示插值法，根据上述待使用样本集将目标区域中的格点划分为有降雨格点和无降雨格点。采用时空指示插值法划分有降雨格点和无降雨格点，具体是指将一定时空范围内有降雨的样本的指示值定为1，无降雨的样本的指示值定为0，然后采用插值方法确定离散网格中各个格点的指示值，当离散格点的指示值大于某一阈值，比如0.5时，将其定为有降雨格点，否则定为无降雨格点。
S209：对无降雨格点的降雨强度赋值为0。
本步骤已在上述发明实施例中S104做详细介绍，在此不再进行赘述。需要说明的是，本步骤可以在下述S210之前执行，也可以在下述S210之后执行，也可以与S210并行的执行均可，在此不做具体限定。
S210：通过插值法根据降雨强度对有降雨格点进行赋值。
在本步骤中，通常会采用时空插值法对有降雨格点赋予其对应的降雨强度。有关时空插值法的具体内容请参考现有技术，在此不再进行赘述。
S211：在赋值后根据所有格点对应的降雨强度，分别累加计算所有格点的降雨量，得到降雨监测结果。
在本步骤中，会对所有格点根据上述计算得到的对应的降雨强度，通过累加的方式计算得到所有格点的降雨量，以得到对应整个目标网格的降雨监测结果。
本发明实施例所提供的一种基于车载传感器的降雨监测方法，通过计算车辆所处环境对自身搭载的毫米波雷达产生的总衰减系数并扣除环境因素的衰减系数可以有效计算出车辆附近的降雨强度。而结合众多车辆行驶时的位置信息、时间信息及其计算的降雨强度，可以准确地计算目标区域内预先设置的离散网格的降雨强度。而车辆自身搭载的毫米波雷达测量间隔很短，从而具有很高的时间分辨率。
下面对本发明实施例所提供的一种基于车载传感器的降雨监测装置进行介绍，下文描述的基于车载传感器的降雨监测装置与上文描述的基于车载传感器的降雨监测方法可相互对应参照。
请参考图3，图3为本发明实施例所提供的一种基于车载传感器的降雨监测装置的结构框图，参照图3，基于车载传感器的降雨监测装置可以包括：
采样模块100，用于根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本；所述目标地区预先设置有离散网格；所述样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当所述车辆所处环境未降雨时，所述总衰减系数为0；当所述车辆所处环境降雨时，所述总衰减系数为所述车辆所处环境对毫米波雷达的总衰减系数；
降雨强度模块200，用于根据所述总衰减系数计算所述样本对应的降雨强度；
划分模块300，用于根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点；
降雨监测结果模块400，用于对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果。
作为优选的，在本发明实施例中，所述划分模块300包括：
样本集单元，用于将预设监测时间内获取的所述样本合成样本集；
预处理单元，用于剔除所述样本集内的异常样本，以及对所述样本集进行抽稀，得到待使用样本集；
划分单元，用于根据所述待使用样本集将所述目标区域中的格点划分为有降雨格点和无降雨格点。
作为优选的，在本发明实施例中，所述降雨监测结果模块400包括：
无降雨单元，用于对所述无降雨格点的降雨强度赋值为0；
赋值单元，用于通过插值法根据所述降雨强度对所述有降雨格点进行赋值；
降雨累加单元，用于在赋值后根据所有格点对应的降雨强度，分别累加计算所有格点的降雨量，得到降雨监测结果。
作为优选的，在本发明实施例中，所述划分模块300具体用于：
采用时空指示插值法，根据预设监测时间内获取的所述样本将所述目标区域中的格点划分为有降雨格点和无降雨格点。
作为优选的，在本发明实施例中，还包括：
降雨判断模块，用于根据所述车辆内设置的光电降雨传感器，或根据所述车辆设置的雨刮器状态确定所述车辆所处环境是否降雨；
衰减系数模块，用于当所述车辆所处环境降雨时，根据所述车辆设置的毫米波雷达探测的信息计算所述环境的总衰减系数。
作为优选的，在本发明实施例中，还包括：
系数调整模块，用于当所述总衰减系数不为0时，计算环境因素所对应的环境衰减系数，并从所述总衰减系数扣除所述环境衰减系数得到降雨衰减系数；
所述降雨强度模块200具体用于：
根据所述降雨衰减系数计算所述样本对应的降雨强度。
作为优选的，在本发明实施例中，所述环境衰减系数包括水汽衰减系数和干燥空气衰减系数。
本实施例的基于车载传感器的降雨监测装置用于实现前述的基于车载传感器的降雨监测方法，因此基于车载传感器的降雨监测装置中的具体实施方式可见前文中的基于车载传感器的降雨监测方法的实施例部分，例如，采样模块100，降雨强度模块200，划分模块300，降雨监测结果模块400分别用于实现上述基于车载传感器的降雨监测方法中步骤S101，S102，S103和S104，所以，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
下面对本发明实施例提供的一种基于车载传感器的降雨监测设备进行介绍，下文描述的基于车载传感器的降雨监测设备与上文描述的基于车载传感器的降雨监测方法以及基于车载传感器的降雨监测装置可相互对应参照。
请参考图4，图4为本发明实施例所提供的一种基于车载传感器的降雨监测设备的结构框图。
参照图4，该基于车载传感器的降雨监测设备可以包括处理器11和存储器12。
所述存储器12用于存储计算机程序；所述处理器11用于执行所述计算机程序时实现上述发明实施例中所述的基于车载传感器的降雨监测方法的具体内容。
本实施例的基于车载传感器的降雨监测设备中处理器11用于安装上述发明实施例中所述的基于车载传感器的降雨监测装置，同时处理器11与存储器 12相结合可以实现上述任一发明实施例中所述的基于车载传感器的降雨监测方法。因此基于车载传感器的降雨监测设备中的具体实施方式可见前文中的基于车载传感器的降雨监测方法的实施例部分，其具体实施方式可以参照相应的各个部分实施例的描述，在此不再赘述。
本发明还提供了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计算机程序，所述计算机程序被处理器执行时实现上述任一发明实施例中所介绍的一种基于车载传感器的降雨监测方法。其余内容可以参照现有技术，在此不再进行展开描述。
本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其它实施例的不同之处，各个实施例之间相同或相似部分互相参见即可。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
专业人员还可以进一步意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、计算机软件或者二者的结合来实现，为了清楚地说明硬件和软件的可互换性，在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
结合本文中所公开的实施例描述的方法或算法的步骤可以直接用硬件、处理器执行的软件模块，或者二者的结合来实施。软件模块可以置于随机存储器(RAM)、内存、只读存储器(ROM)、电可编程ROM、电可擦除可编程ROM、寄存器、硬盘、可移动磁盘、CD-ROM、或技术领域内所公知的任意其它形式的存储介质中。
最后，还需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
以上对本发明所提供的一种基于车载传感器的降雨监测方法、一种基于车载传感器的降雨监测装置、一种基于车载传感器的降雨监测设备以及一种计算机可读存储介质进行了详细介绍。本文中应用了具体个例对本发明的原理及实施方式进行了阐述，以上实施例的说明只是用于帮助理解本发明的方法及其核心思想。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以对本发明进行若干改进和修饰，这些改进和修饰也落入本发明权利要求的保护范围内。

Claims (9)

1.一种基于车载传感器的降雨监测方法，其特征在于，包括：
根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本；所述目标地区预先设置有离散网格；所述样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当所述车辆所处环境未降雨时，所述总衰减系数为0；当所述车辆所处环境降雨时，所述总衰减系数为所述车辆所处环境对毫米波雷达的总衰减系数；
根据所述总衰减系数计算所述样本对应的降雨强度；
根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点；
对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果；
还包括：
根据所述车辆内设置的光电降雨传感器，或根据所述车辆设置的雨刮器状态确定所述车辆所处环境是否降雨；
当所述车辆所处环境降雨时，根据所述车辆设置的毫米波雷达探测的信息计算所述环境的总衰减系数；
总衰减系数A的计算公式如下：
Figure FDA0004138683640000011
其中P1、P2的单位为dB，分别为无遮挡条件下距离毫米波雷达R1、R2公里处的回波强度。
2.根据权利要求1所述的方法，其特征在于，所述根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点包括：
将预设监测时间内获取的所述样本合成样本集；
剔除所述样本集内的异常样本，以及对所述样本集进行抽稀，得到待使用样本集；
根据所述待使用样本集将所述离散网格中的格点划分为有降雨格点和无降雨格点。
3.根据权利要求2所述的方法，其特征在于，所述对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果包括：
对所述无降雨格点的降雨强度赋值为0；
通过插值法根据所述降雨强度对所述有降雨格点进行赋值；
在赋值后根据所有格点对应的降雨强度，分别累加计算所有格点的降雨量，得到降雨监测结果。
4.根据权利要求3所述的方法，其特征在于，所述根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点包括：
采用时空指示插值法，根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点。
5.根据权利要求1至4任一项权利要求所述的方法，其特征在于，在所述根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本之后，还包括：
当所述总衰减系数不为0时，计算环境因素所对应的环境衰减系数，并从所述总衰减系数扣除所述环境衰减系数得到降雨衰减系数；
所述根据所述总衰减系数计算所述样本对应的降雨强度包括：
根据所述降雨衰减系数计算所述样本对应的降雨强度。
6.根据权利要求5所述的方法，其特征在于，所述环境衰减系数包括水汽衰减系数和干燥空气衰减系数。
7.一种基于车载传感器的降雨监测装置，其特征在于，包括：
采样模块，用于根据预设时间间隔通过行驶在目标地区的车辆中设置的传感器获取所述车辆的样本；所述目标地区预先设置有离散网格；所述样本包括当前车辆的位置信息、当前时间以及当前环境的总衰减系数；当所述车辆所处环境未降雨时，所述总衰减系数为0；当所述车辆所处环境降雨时，所述总衰减系数为所述车辆所处环境对毫米波雷达的总衰减系数；
降雨强度模块，用于根据所述总衰减系数计算所述样本对应的降雨强度；
划分模块，用于根据预设监测时间内获取的所述样本将所述离散网格中的格点划分为有降雨格点和无降雨格点；
降雨监测结果模块，用于对所述无降雨格点的降雨强度赋值为0，并根据所述降雨强度对所有格点的降雨量分别进行累加，得到降雨监测结果；
还包括：
降雨判断模块，用于根据所述车辆内设置的光电降雨传感器，或根据所述车辆设置的雨刮器状态确定所述车辆所处环境是否降雨；
衰减系数模块，用于当所述车辆所处环境降雨时，根据所述车辆设置的毫米波雷达探测的信息计算所述环境的总衰减系数；
总衰减系数A的计算公式如下：
Figure FDA0004138683640000031
其中P1、P2的单位为dB，分别为无遮挡条件下距离毫米波雷达R1、R2公里处的回波强度。
8.一种基于车载传感器的降雨监测设备，其特征在于，所述设备包括：
存储器：用于存储计算机程序；
处理器：用于执行所述计算机程序时实现如权利要求1至6任一项所述基于车载传感器的降雨监测方法的步骤。
9.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如权利要求1至6任一项所述基于车载传感器的降雨监测方法的步骤。
CN202110178616.8A 2021-02-09 2021-02-09 一种基于车载传感器的降雨监测方法及相关装置 Active CN113009595B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110178616.8A CN113009595B (zh) 2021-02-09 2021-02-09 一种基于车载传感器的降雨监测方法及相关装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110178616.8A CN113009595B (zh) 2021-02-09 2021-02-09 一种基于车载传感器的降雨监测方法及相关装置

Publications (2)

Publication Number Publication Date
CN113009595A CN113009595A (zh) 2021-06-22
CN113009595B true CN113009595B (zh) 2023-05-02

Family

ID=76384343

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110178616.8A Active CN113009595B (zh) 2021-02-09 2021-02-09 一种基于车载传感器的降雨监测方法及相关装置

Country Status (1)

Country Link
CN (1) CN113009595B (zh)

Families Citing this family (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115214547A (zh) * 2021-11-25 2022-10-21 广州汽车集团股份有限公司 一种车辆雨刮控制方法及系统

Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11211846A (ja) * 1998-01-22 1999-08-06 Yokogawa Electric Corp 積雪深計
JP2011232193A (ja) * 2010-04-28 2011-11-17 Denso Corp 雨滴検出方法およびそれを用いた雨滴検出装置
WO2018059817A1 (de) * 2016-09-28 2018-04-05 Valeo Schalter Und Sensoren Gmbh Verfahren zum erkennen eines objekts in einer umgebung eines kraftfahrzeugs unter berücksichtigung einer streuung von abstandswerten eines ultraschallsensors, steuergerät, fahrerassistenzsystem sowie kraftfahrzeug
CN110850510A (zh) * 2019-11-05 2020-02-28 中国人民解放军国防科技大学 基于星地链路扫描重构垂直降雨场的方法
EP3633415A1 (en) * 2018-10-02 2020-04-08 Vaisala, OYJ A forward scatter sensor
CN111308581A (zh) * 2020-04-10 2020-06-19 海南省气象科学研究所 一种基于时空局部模型的雷达-雨量计联合降水估测方法

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101408997B1 (ko) * 2013-08-30 2014-06-18 한국건설기술연구원 차량을 이용한 기상관측 시스템
JP6709941B2 (ja) * 2016-08-25 2020-06-17 国立研究開発法人防災科学技術研究所 降水予測装置及び降水予測方法
CN106547036B (zh) * 2016-10-21 2019-01-01 中国人民解放军理工大学 一种多频段微波链路联合的区域降水测量方法
CN111666656A (zh) * 2020-05-09 2020-09-15 江苏微之润智能技术有限公司 基于微波雨衰的降雨估算方法及降雨监测系统
CN111639810B (zh) * 2020-06-01 2023-05-09 宁波市水利水电规划设计研究院有限公司 一种基于防汛需求的降雨预报精度评估方法

Patent Citations (6)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH11211846A (ja) * 1998-01-22 1999-08-06 Yokogawa Electric Corp 積雪深計
JP2011232193A (ja) * 2010-04-28 2011-11-17 Denso Corp 雨滴検出方法およびそれを用いた雨滴検出装置
WO2018059817A1 (de) * 2016-09-28 2018-04-05 Valeo Schalter Und Sensoren Gmbh Verfahren zum erkennen eines objekts in einer umgebung eines kraftfahrzeugs unter berücksichtigung einer streuung von abstandswerten eines ultraschallsensors, steuergerät, fahrerassistenzsystem sowie kraftfahrzeug
EP3633415A1 (en) * 2018-10-02 2020-04-08 Vaisala, OYJ A forward scatter sensor
CN110850510A (zh) * 2019-11-05 2020-02-28 中国人民解放军国防科技大学 基于星地链路扫描重构垂直降雨场的方法
CN111308581A (zh) * 2020-04-10 2020-06-19 海南省气象科学研究所 一种基于时空局部模型的雷达-雨量计联合降水估测方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
Comparison of cloud top heights derived from FY-2 meteorological satellites with heights derived from ground-based millimeter wavelength cloud radar;Zhe Wang 等;《Atmospheric Research》;第199卷;113-127 *

Also Published As

Publication number Publication date
CN113009595A (zh) 2021-06-22

Similar Documents

Publication Publication Date Title
De Vos et al. The potential of urban rainfall monitoring with crowdsourced automatic weather stations in Amsterdam
US11988805B2 (en) Real-time data pipeline techniques for improving a fast weather forecasting system
US20220244426A1 (en) Precipitation measurement method and device
CN108051872B (zh) 基于地基微波辐射计反演云中水汽相变过程的方法和装置
Matrosov et al. The utility of X-band polarimetric radar for quantitative estimates of rainfall parameters
KR100963532B1 (ko) 기상레이더의 강수량 추정 방법
CN110244387B (zh) 一种基于大气可降水量预测降雨天气的方法、装置、设备以及存储介质
WO2007007312A2 (en) Monitoring and mapping of atmospheric phenomena
CN112782701B (zh) 一种基于雷达的能见度感知的方法、系统及设备
CN105607062B (zh) 一种天气雷达图分析系统
CN113009595B (zh) 一种基于车载传感器的降雨监测方法及相关装置
KR20170013652A (ko) 레이더 빔 시뮬레이션 방법 및 이를 수행하기 위한 장치
EP4081835A1 (en) Methods, apparatuses, systems and computer program products for estimating road surface temperature
CN112305572B (zh) 空间去相关的卫星微波辐射计湿延迟评估方法
CN117493611A (zh) 基于本船观测的气象资料三维变分同化方法
CN111175720A (zh) 一种海面风场星上快速反演方法及系统
CN116184342B (zh) 一种基于多雷达组网的测云雷达数据校准方法及系统
Mile et al. Overview of mesoscale data assimilation developments at the Hungarian Meteorological Service
CN117687125A (zh) 构建覆冰格点数据集的方法、处理器、装置及存储介质
Kato et al. Very short time range forecasting using CReSS-3DVAR for a meso-γ-scale, localized, extremely heavy rainfall event: Comparison with an extrapolation-based nowcast
Stoffelen et al. C‐band High and Extreme‐Force Speeds (CHEFS)‐Final Report
KR101892502B1 (ko) 윈드프로파일러를 이용한 ｓｒｈ 산출 시스템 및 이를 이용한 ｓｒｈ 산출 방법
CN113064130B (zh) 粒子谱分布的确定方法、装置、存储介质及程序产品
CN112034007B (zh) 一种微波辐射计间接测量露点温度方法及系统
CN114200549B (zh) 一种基于稳定目标的遥感仪器辐射稳定性检测方法及系统

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