CN113486920A - 基于支持向量机的蓄盐沥青路面的凝冰预警系统 - Google Patents
基于支持向量机的蓄盐沥青路面的凝冰预警系统 Download PDFInfo
- Publication number
- CN113486920A CN113486920A CN202110568026.6A CN202110568026A CN113486920A CN 113486920 A CN113486920 A CN 113486920A CN 202110568026 A CN202110568026 A CN 202110568026A CN 113486920 A CN113486920 A CN 113486920A
- Authority
- CN
- China
- Prior art keywords
- ice
- early warning
- asphalt pavement
- condensation
- storage
- 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
Links
- 239000010426 asphalt Substances 0.000 title claims abstract description 46
- 238000012706 support-vector machine Methods 0.000 title claims description 18
- 238000005345 coagulation Methods 0.000 title description 6
- 230000015271 coagulation Effects 0.000 title description 6
- 238000009833 condensation Methods 0.000 claims abstract description 41
- 238000000034 method Methods 0.000 claims abstract description 31
- 238000007710 freezing Methods 0.000 claims abstract description 26
- 150000003839 salts Chemical class 0.000 claims abstract description 25
- 230000005494 condensation Effects 0.000 claims abstract description 18
- 230000008014 freezing Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims abstract description 6
- 239000011159 matrix material Substances 0.000 claims description 7
- 238000012544 monitoring process Methods 0.000 claims description 7
- 238000001556 precipitation Methods 0.000 claims description 5
- 230000005540 biological transmission Effects 0.000 claims description 4
- 238000004891 communication Methods 0.000 claims description 3
- 238000007781 pre-processing Methods 0.000 claims description 3
- 230000001629 suppression Effects 0.000 claims description 3
- 230000001174 ascending effect Effects 0.000 claims description 2
- 238000013461 design Methods 0.000 claims description 2
- 238000012423 maintenance Methods 0.000 claims description 2
- 238000013500 data storage Methods 0.000 claims 2
- 230000003111 delayed effect Effects 0.000 claims 1
- 238000007726 management method Methods 0.000 claims 1
- 230000000737 periodic effect Effects 0.000 claims 1
- 230000007547 defect Effects 0.000 abstract description 2
- 238000010801 machine learning Methods 0.000 abstract 1
- 230000006870 function Effects 0.000 description 17
- 238000011160 research Methods 0.000 description 4
- 238000012549 training Methods 0.000 description 4
- 230000000694 effects Effects 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000008018 melting Effects 0.000 description 3
- 238000002844 melting Methods 0.000 description 3
- 230000002159 abnormal effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000002401 inhibitory effect Effects 0.000 description 1
- 229910052500 inorganic mineral Inorganic materials 0.000 description 1
- 239000011707 mineral Substances 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003204 osmotic effect Effects 0.000 description 1
- 239000000843 powder Substances 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Physics & Mathematics (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Economics (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Artificial Intelligence (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Human Resources & Organizations (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Road Paving Structures (AREA)
Abstract
本发明是一种有机蓄盐沥青路面凝冰预警方法,适用于有机蓄盐沥青路面在极端低温条件下的凝冰预警。该预警方法通过采集气象信息,使用机器学习建立的凝冰预警算法,对路面状态进行短时预测,并通过系统进行预警。该系统由气象采集站、管理控制终端、信息发布设备等组成。凝冰预警的逻辑主要分为数据采集、数据处理、信息发布、决策处理四部分。该系统是通过现场气象采集站获取信息,通过算法计算当前环境的预测凝冰时间,判断是否超出设定阈值并向系统报警,以便及时通知相关人员,采取相应辅助措施。当凝冰问题得到解决时,可自行解除预警。本发明弥补了有机蓄盐沥青路面在应对极端低温天气时存在的不足,具有较强的实用性。
Description
技术领域
本发明涉及道路安全系统领域,提出一种基于支持向量机回归算法建立的凝冰预警方法,是一种适用于有机蓄盐沥青路面的冬季凝冰预警方法。
背景技术
近年来,一种主动融雪技术逐渐被人们熟知和应用,即蓄盐沥青路面。将蓄盐抑冰材料以替代矿粉的形式添加入沥青混合料中,并铺设成蓄盐沥青路面。在车辆的反复摩擦作用下,盐分通过渗透压作用和毛细管现象逐渐渗出,起到延缓路面结冰的效果。蓄盐沥青路面的主要成分为蓄盐抑冰材料,当蓄盐抑冰材料的主要成分为有机盐时,路面能够兼具融雪性能和环保性能。
然而有机蓄盐沥青路面抑冰和延缓凝冰的效果有限,经研究表明,有机蓄盐沥青路面在气候极端环境条件下只能延缓路面凝冰,路面仍存在凝冰危险。因此有机蓄盐沥青路面仍不能完全解决道路凝冰问题,仍需要精确构建有机蓄盐沥青路面的凝冰预测算法,准确评估有机蓄盐沥青路面的融冰效能,以便及时采取相应的除冰雪措施。
考虑到有机蓄盐沥青路面的特殊性,针对普通路面的凝冰预警算法明显不适用于有机蓄盐沥青路面。现阶段仍然缺乏针对有机蓄盐沥青路面路面的凝冰预警方法研究以及对冬季路面凝冰的预警系统的探索。
发明内容
本发明的目的就是,针对有机蓄盐沥青路面在应对极端天气时的不足,采用综合手段解决冬季道路凝冰问题,减少因路面凝冰带来交通安全隐患,提出一种适用于有机蓄盐沥青路面的凝冰预警算法。
本发明的目的可以通过以下技术方案来实现:
基于支持向量机的有机蓄盐沥青路面凝冰预警算法,可应用于铺筑有机蓄盐沥青路面的凝冰预警过程,所述的方法包括以下步骤:
S1、在所需预警的有机蓄盐沥青路面附近安装气象监测站,监测站将实时采集路面环境信息。
S2、通过数据传输设备将气象数据上传给系统,系统启动凝冰预测算法,获取该气象条件的预测凝冰时间。
S3、系统将根据预测的凝冰时间进行判断,根据凝冰时间长短判定当前路段是否安全,若安全则执行步骤S4,否则执行步骤S5;
S4、通过可变信息板对路上过往车辆进行提示,与此同时系统指示灯提示为黄色,提醒路面仍存在凝冰危险,需长期监测,系统终端确认接收消息后继续执行S1;
S5、通过可变信息板对路上车辆进行预警,提示路面湿滑易凝冰,请过往车辆减速慢行。与此同时系统指示灯提示为红色,提醒工作人员提前采取措施,当判断凝冰问题得到处理后,执行步骤S6;
S6、可变信息板预警解除,系统终端报警灯关闭,继续执行S1。
本发明基于支持向量机的有机蓄盐沥青路面凝冰预警系统是上述方法实现的硬件基础,所述系统和方法结合实现了有机蓄盐沥青路面的凝冰预警。
附图说明
图1为本发明道路凝冰预警系统构成;
图2为本发明预警方法的基本执行逻辑流程;
图3为算法建模的基本过程。
实施方式
下面将结合本发明实例,对发明实施例的技术方案进行完整的描述。
首先是对支持向量机的有机蓄盐沥青路面凝冰预警算法建立与实现的完整描述。
本专利主要采用支持向量机回归的方法建立有机蓄盐沥青路面的凝冰时间的预警算法,而支持向量机算法是一种有坚实理论基础的新颖的适用小样本学习方法,具有一定的泛化能力,支持向量机(Support Vector Machine,SVM)是一类按监督学习方式对数据进行二元分类的广义线性分类器,将SVM由分类问题推广至回归问题可以得到支持向量回归方法。
本专利采用离线的方法训练有机蓄盐沥青路面凝冰时间数据,将训练并调整好参数的算法封装成模块。这样在系统执行预测算法时,可直接调用该模块,系统将经过预处理的数据输入到保存的算法中,即可得到预测结果。
支持向量机建立算法时,有几类常用的核函数,本专利综合考虑各核函数对训练数据的解释程度、准确程度以及训练时间等因素,采用高斯核函数作为算法核函数,也称径向基函数。
支持向量机建立的凝冰预警时间(Tp)的求解过程表达式如下所示:
b为自然常数;
xi表示由温度、湿度、降水量三个特征值组成的特征向量矩阵;
φ(xi)表示核函数对三个特征值组成的特征向量矩阵做升维处理,这里为高斯径向基核函数。
一种基于支持向量机的有机蓄盐沥青路面凝冰预警算法实现,包括如下的几个步骤:
步骤一:基础数据采集
通过测试普通路面与有机蓄盐沥青路面盐分浓度,推算有机蓄盐沥青路面盐分析出情况,找到有机蓄盐沥青路面凝冰特性并确定实验数据范围。
通过实验室模拟各类环境气象数据与路面凝冰时间数据,得到足够样本并剔除异常样本数据。
步骤二:算法训练
首先对获取到的气象数据进行预处理,使用标准差和平均值将温度、湿度、降水量数据统一到同一量纲下,建立特征矩阵。
使用支持向量机回归算法,设定惩罚常数C为1,设定核函数分别为高斯径向基核函数,线性核函数,多项式核函数,通过比较不同核函数的回归算法的均方误差(MSE)和R2确定最优核函数。
确定最佳核函数为高斯径向基核函数,设定gamma取值范围,找到最大R2所对应的gamma值带入到算法中。
设定惩罚常数C取值范围,找到最大R2所对应的惩罚常数C带入到算法中,将算法保存为本地模块。
本发明建立的有机蓄盐沥青路面凝冰预警算法能够很好地对有机蓄盐沥青路面凝冰状况进行预测,表现为凝冰预测结果的准确率达95%,平均误差仅为6分钟。因此系统具有稳定性,有较好的预测效果。
步骤三:算法应用
将采集到的气象数据进行特征提取,对数据预处理,并使用算法得到预测的凝冰时间。
步骤四:预警判断
判断该凝冰时间是否应立即报警并采取相关措施。当需要进行预警,此时系统预测的凝冰时间应满足公式:
0<TP<Tc
Tc为设定的报警阈值。
TP为系统预测的凝冰时间。
步骤五:报警处理
通过算法得到路面状态的短时凝冰时间预测结果,即路面是否存在危险,如果存在立即向路面过往车辆以及系统终端管理人员报警。当采取措施后可关闭报警信息,并继续监测路面状态。若暂时不存在危险,则继续监测路面状态。
除此之外,算法可根据使用情况进行定期的优化,具体为:
定期采集气象数据以及其所对应的凝冰时间并加入到算法训练集中,定期更新算法数据库并对算法参数进行调整,提高算法的准确率。
路面凝冰报警的判定:通过气象部门的道路结冰预警信号预警时间节点,确定本研究中有机蓄盐沥青路面凝冰报警阈值的设定依据为:
道路结冰预警信号,是气象部门通过气象监测在道路结冰到来之前做出的预警信号。道路结冰预警信号共有三个级别,分别以黄色、橙色、红色表示。
当路表温度低于0℃,出现降水,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,此时道路结冰预警等级为红色。
本发明采用2小时作为路面安全状态的划分依据,当算法预测凝冰时间小于两小时,系统将向路面交通参与者及交通管理人员报警。当交通管理人员采取措施后可自行解除警报。当算法预测凝冰时间大于两小时,系统提醒交通管理人员注意路面状态,保持警惕。
一种基于支持向量机的有机蓄盐沥青路面凝冰预警系统根据硬件的功能,所述系统的设计架构,包括但不限于基础硬件层、数据支撑层、信息应用层以及终端控制层等。
一种基于支持向量机的有机蓄盐沥青路面凝冰预警算法,所述系统包括:
现场气象监测及收集站:由高清摄像头、道路凝冰检测器为主的设备组成,可实时监控路网道路凝冰状况,并通过温度,湿度等气象检测器收集当前气象数据。
管理监控中心:数据传输设备、数据存储设备、数据库服务器、 CPU控制终端等,除此之外管理监控中心还包含数据传输所需的通讯设备,专门负责不同设备间的通信协议的解析、上传和下发。
信息发布中心:共分为两个部分,一部分是针为现场工作人员提供道路凝冰信息的应用端,可使得不同路段的管理人员可实时对自己所管辖的区域道路凝冰状况进行监测,做到凝冰处理措施执行的准确性和及时性。一部分是针对路面上交通参与者,通过可变信息板、黄闪警示灯等方式提醒交通参与者注意路面凝冰状况。
系统管理维护中心:对高级科研人员及系统维护人员的内部管理系统。管理系统仅内网可访问,可应用于调整及时预测算法,把控整体状况。
显然,本发明的上述实施实例仅仅是为清楚的说明本发明所作的实例,而并非是对本发明的实施方法的限定。对于本领域的普通技术人员而言,可在实际应用中,在形式上和细节上做出各种改变,均应包含在本发明权利要求的保护范围之内。
Claims (8)
1.一种有机蓄盐沥青路面凝冰预警方法,其特征在于,包括以下步骤:
S1、在所需预警的有机蓄盐沥青路面附近安装气象监测站,监测站将实时采集路面环境信息;
S2、通过数据传输设备将气象数据上传给系统,系统使用凝冰预测算法,获取该气象条件的预测凝冰时间;
S3、系统将根据预测的凝冰时间进行判断,根据凝冰时间与设定报警阈值的比较判断当前路段是否安全,若安全则执行步骤S4,否则执行步骤S5;
S4、通过可变信息板对路上过往车辆进行提示,与此同时系统指示灯提示为黄色,提示路面仍存在凝冰危险,需长期监测,系统终端确认接收消息后继续执行S1;
S5、通过可变信息板对路上车辆进行预警,提示路面湿滑易凝冰,请过往车辆减速慢行;与此同时系统预警指示灯为红色,提示工作人员提前采取措施,当判断凝冰问题得到处理后,执行步骤S6;
S6、可变信息板清空,系统终端报警灯关闭,继续执行S1。
2.根据权利要求1所述的一种有机蓄盐沥青路面凝冰预警方法,其特征在于,所预警的蓄盐沥青路面不同于普通沥青路面,在-5℃及以上能够抑制、延缓路面凝冰,低于-5℃时,蓄盐沥青路面抑冰效果减弱。
3.根据权利要求1所述的一种有机蓄盐沥青路面凝冰预警方法,其特征在于,所述的路面凝冰预警算法是通过蓄盐沥青路面盐分析出程度,基于蓄盐沥青路面特点,获取实验基础数据、数据处理并进行参数调整所建立的算法。
5.根据权利要求1所述的一种有机蓄盐沥青路面凝冰预警方法,其特征在于,判断路面为安全的范围为设定报警阈值为Tc,Tc根据气象预警信号的等级确定的报警阈值,当系统预测的凝冰时间与报警阈值Tc满足如下公式时:
0<TP<Tc
立即向路面过往车辆以及系统终端管理人员报警。
6.根据权利要求1所述的一种有机蓄盐沥青路面凝冰预警方法,其特征在于,路面凝冰预警的算法执行过程为:
(1)首先对气象站上传的气象数据进行预处理,将各类数据基于平均值和标准差进行数据标准化处理;构建变量特征矩阵;
(2)系统终端调用基于支持向量机的蓄盐沥青路面凝冰预警算法,输入经过预处理的数据矩阵,输出该气候条件下预测的蓄盐沥青路面凝冰时间;
(3)通过算法得到路面状态的短时预测即路面是否存在危险;
如果存在立即向路面过往车辆以及系统终端管理人员报警;当采取措施后可关闭报警信息,并继续监测路面状态;若暂时不存在危险,则继续监测路面状态。
7.根据权利要求1所述的一种有机蓄盐沥青路面凝冰预警方法,其特征在于,实现的硬件基础,包括但不限于用于收集数据的现场气象站、用于数据储存及传输的通讯设备、数据存储设备、控制终端、信息发布设备以及系统定期维护设备。
8.根据权利要求1所述的一种有机蓄盐沥青路面凝冰预警方法,其特征在于,系统的设计架构,包括但不限于基础硬件层、数据支撑层、信息应用层以及终端控制层。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110568026.6A CN113486920A (zh) | 2021-05-25 | 2021-05-25 | 基于支持向量机的蓄盐沥青路面的凝冰预警系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110568026.6A CN113486920A (zh) | 2021-05-25 | 2021-05-25 | 基于支持向量机的蓄盐沥青路面的凝冰预警系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113486920A true CN113486920A (zh) | 2021-10-08 |
Family
ID=77933441
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110568026.6A Pending CN113486920A (zh) | 2021-05-25 | 2021-05-25 | 基于支持向量机的蓄盐沥青路面的凝冰预警系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113486920A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116559169A (zh) * | 2023-07-11 | 2023-08-08 | 中南大学 | 一种路面状态实时检测方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150914A (zh) * | 2013-02-04 | 2013-06-12 | 安徽达尔智能控制系统有限公司 | 基于WebGIS的可视化智能交通气象监测、预警管理系统 |
CN109147358A (zh) * | 2018-07-19 | 2019-01-04 | 郭忠印 | 一种山区高速公路降雨环境预警系统及方法 |
CN109523780A (zh) * | 2018-07-19 | 2019-03-26 | 郭忠印 | 一种山区高速公路降雪环境预警系统及方法 |
CN109887230A (zh) * | 2019-03-28 | 2019-06-14 | 象谱信息产业有限公司 | 一种道路凝冰预警及自动化处置系统控制方法 |
CN111245955A (zh) * | 2020-02-27 | 2020-06-05 | 贵州智诚科技有限公司 | 一种道路气象环境监测智能预警系统 |
-
2021
- 2021-05-25 CN CN202110568026.6A patent/CN113486920A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103150914A (zh) * | 2013-02-04 | 2013-06-12 | 安徽达尔智能控制系统有限公司 | 基于WebGIS的可视化智能交通气象监测、预警管理系统 |
CN109147358A (zh) * | 2018-07-19 | 2019-01-04 | 郭忠印 | 一种山区高速公路降雨环境预警系统及方法 |
CN109523780A (zh) * | 2018-07-19 | 2019-03-26 | 郭忠印 | 一种山区高速公路降雪环境预警系统及方法 |
CN109887230A (zh) * | 2019-03-28 | 2019-06-14 | 象谱信息产业有限公司 | 一种道路凝冰预警及自动化处置系统控制方法 |
CN111245955A (zh) * | 2020-02-27 | 2020-06-05 | 贵州智诚科技有限公司 | 一种道路气象环境监测智能预警系统 |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116559169A (zh) * | 2023-07-11 | 2023-08-08 | 中南大学 | 一种路面状态实时检测方法 |
CN116559169B (zh) * | 2023-07-11 | 2023-10-10 | 中南大学 | 一种路面状态实时检测方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Hendrikx et al. | Avalanche activity in an extreme maritime climate: The application of classification trees for forecasting | |
US20160217226A1 (en) | Methods and systems for infrastructure performance: monitoring, control, operations, analysis and adaptive learning | |
CN104614783B (zh) | 一种对电力系统输电杆塔周边环境的气象风险确定方法 | |
CN104732762A (zh) | 一种交通异常路段概率识别方法 | |
CN105788313A (zh) | 一种高速公路路面结冰的监测识别装置及方法 | |
KR102305720B1 (ko) | 도로 살얼음 대응 시스템 | |
CN109948839B (zh) | 架空输电线路舞动风险的预测和预警方法及系统 | |
CN207352782U (zh) | 一种公路交通养护维修安全布控智能管理系统 | |
CN113486920A (zh) | 基于支持向量机的蓄盐沥青路面的凝冰预警系统 | |
CN114999180B (zh) | 一种基于物联网的高速公路恶劣天气交通预警系统及方法 | |
CN114913672B (zh) | 一种基于评估山坡积雪稳定性的雪崩监测预警方法 | |
CN114118202A (zh) | 一种城市地下综合管廊异常事件预警方法 | |
CN112116780A (zh) | 基于物联网的道路结冰监测及预警方法 | |
CN105788288A (zh) | 用于公路路面结冰的智能监测系统及监测方法 | |
Liu et al. | Road icing warning system based on support vector classification | |
KR102380852B1 (ko) | 제설작업 의사 결정 시스템 및 방법 | |
CN111985080A (zh) | 一种动态地综合判断路面结冰的方法 | |
CN113129549B (zh) | 一种道路结冰预测方法及系统 | |
KR20220073567A (ko) | 빅데이터를 이용한 노면 상태 예측 시스템 | |
CN112396209A (zh) | 一种道路行车安全风险预测预警指标体系 | |
DiLorenzo et al. | Use of ice detection sensors for improving winter road safety | |
CN112670893A (zh) | 基于高度订正的线路覆冰实况计算方法及系统 | |
Wang et al. | Highway icing time prediction with deep learning approaches based on data from road sensors | |
CN111833656A (zh) | 一种航道安全预警方法、系统、计算机设备及存储介质 | |
CN112800844B (zh) | 视频监控智能控制系统 |
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 |