CN114202944A - 高速公路团雾预警方法、装置及系统 - Google Patents
高速公路团雾预警方法、装置及系统 Download PDFInfo
- Publication number
- CN114202944A CN114202944A CN202111516690.2A CN202111516690A CN114202944A CN 114202944 A CN114202944 A CN 114202944A CN 202111516690 A CN202111516690 A CN 202111516690A CN 114202944 A CN114202944 A CN 114202944A
- Authority
- CN
- China
- Prior art keywords
- fog
- early warning
- cluster
- level
- agglomerate
- 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.)
- Granted
Links
Images
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/09—Arrangements for giving variable traffic instructions
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/01—Detecting movement of traffic to be counted or controlled
- G08G1/048—Detecting movement of traffic to be counted or controlled with provision for compensation of environmental or other condition, e.g. snow, vehicle stopped at detector
-
- 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
Abstract
本发明涉及智能交通应用技术领域,具体公开了一种高速公路团雾预警方法,其中,包括:获取备案记录中团雾多发路段的实时视频流数据;对实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;将团雾等级与预设团雾风险等级进行比对,若团雾等级低于预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;根据异常信号以及风险因素确定是否生成团雾预警;当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,预警前端服务器能够在团雾预警信号的有效性被确认后生成路面管控信号。本发明还公开了一种高速公路团雾预警装置及高速公路团雾预警系统。本发明提供的高速公路团雾预警方法能够实现团雾的精准监测。
Description
技术领域
本发明涉及智能交通应用技术领域,尤其涉及一种高速公路团雾预警方法、高速公路团雾预警装置及高速公路团雾预警系统。
背景技术
团雾天气路段极易造成驾驶人行车时骤然失去视线、应对不及时,从而酿成重大交通事故,造成人员伤亡和财产损失。团雾成因较为复杂,常在极小区域、较短时间内生成,增加了监测预报预警难度。目前,气象部门与高速公路管理部门合作,在部分高速公路沿线布设能见度自动观测仪器,用于监测能见度。大多数高速公路能见度自动观测空间距离的间隔约为15公里,而大雾易发路段间隔常小于10公里,而仅仅单一倚靠气象能见度检测数据并不能完全监测到团雾,另外单独的视频监控数据检测存在同样的问题。
因此,如何能够全面准确的监测团雾以便能够精确进行团雾预警成为本领域技术人员亟待解决的技术问题。
发明内容
本发明提供了一种高速公路团雾预警方法、高速公路团雾预警装置及高速公路团雾预警系统,解决相关技术中存在的团雾监测结果可信度低的问题。
作为本发明的第一个方面,提供一种高速公路团雾预警方法,其中,包括:
获取备案记录中团雾多发路段的实时视频流数据;
对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;
将所述团雾等级与预设团雾风险等级进行比对,若所述团雾等级低于所述预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;
根据所述异常信号以及风险因素确定是否生成团雾预警;
当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,所述预警前端服务器能够在所述团雾预警信号的有效性被确认后生成路面管控信号。
进一步地,所述根据所述异常信号以及风险因素确定是否生成团雾预警,包括:
根据所述异常信号查询对应的团雾多发路段;
根据层次分析法对所述异常信号对应的团雾多发路段的风险因素与所述异常信号进行综合分析计算,得到团雾风险预警可信度值;
当所述团雾风险预警可信度值超过预设的预警可信度阈值时,确定生成团雾预警。
进一步地,所述根据所述根据层次分析法对所述异常信号对应的团雾多发路段的风险因素与所述异常信号进行综合分析计算,得到团雾风险预警可信度值,包括:
确定所述异常信号对应的团雾多发路段的风险因素;
根据预设的层次判断矩阵计算风险因素的权重,所述层次判断矩阵包括每个风险因素相对于另一风险因素的可信度值;
根据所述风险因素的权重计算每个风险因素的可信度值;
根据每个风险因素的可信度值结合是否有气象观测数据计算得到所述团雾风险预警可信度值。
进一步地,所述风险因素包括:气象设备能见度检测值、视频能见度识别数据、气象观测数据、多发路段信息、多发月份和多发时段。
进一步地,所述对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级,包括:
根据深度学习算法对所述实时视频流数据进行分析计算,得到当前团雾多发路段的能见度值;
将所述当前团雾多发路段的能见度值与气象学能见度等级进行比对,以确定当前团雾多发路段的团雾等级。
进一步地,所述将所述当前团雾多发路段的能见度值与气象学能见度等级进行比对,以确定当前团雾多发路段的团雾等级,包括:
将当前团雾多发路段的能见度值与气象学能见度等级进行比对,确定当前团雾多发路段的能见度等级;
根据所述气象学能见度等级与所述团雾等级的对应关系确定所述当前团雾多发路段的团雾等级;
其中,所述气象学能见度等级包括:0~50米、50~100米、100~200米、200~500米、500~1000米和1000米以上共六个能见度等级,所述团雾等级包括一级、二级、三级、四级、五级和六级,且与所述气象学能见度等级一一对应。
进一步地,所述获取备案记录中团雾多发路段的实时视频流数据,包括:
根据GIS地图信息选取所述备案记录中团雾多发路段预设距离范围内的气象设备和视频监控设备,并将所述气象设备和视频监控设备与所述团雾多发路段进行关联;
获取所述气象设备和视频监控设备的实时视频流数据。
进一步地,所述路面管控信号包括警示灯控制信号和声音提示报警信号。
作为本发明的另一个方面,提供一种高速公路团雾预警装置,用于实现前文所述的高速公路团雾预警方法,其中,包括:
获取模块,用于获取备案记录中团雾多发路段的实时视频流数据;
分析计算模块,用于对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;
比对模块,用于将所述团雾等级与预设团雾风险等级进行比对,若所述团雾等级超过所述预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;
确定模块,用于根据所述异常信号以及风险因素确定是否生成团雾预警;
预警模块,用于当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,所述预警前端服务器能够在所述团雾预警信号的有效性被确认后生成路面管控信号。
作为本发明的另一个方面,提供一种高速公路团雾预警系统,其中,包括:预警前端服务器和后台服务器,所述后台服务器和所述预警前端服务器通信连接,所述后台服务器包括前文所述的高速公路团雾预警装置。
本发明提供的高速公路团雾预警方法,通过对团雾多发路段的视频流进行分析得到团雾等级,且当确认当前的团雾等级存在团雾风险时,发出异常信号,并根据异常信号结合风险因素进行层次分析进一步确定是否要生成团雾预警,且在确认生成团雾预警时发出预警信号。这种高速公路团雾预警方法通过多种检测源融合多源数据进行叠加分析,能够全面准确的监测团雾,生成可信度高的团雾预警,从而减少由于团雾引起交通事故现象的发生,有效保障高速公路的行车安全。
附图说明
附图是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,与下面的具体实施方式一起用于解释本发明,但并不构成对本发明的限制。在附图中:
图1为本发明提供的高速公路团雾预警方法的流程图。
具体实施方式
需要说明的是,在不冲突的情况下,本发明中的实施例及实施例中的特征可以相互结合。下面将参考附图并结合实施例来详细说明本发明。
为了使本领域技术人员更好地理解本发明方案,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,所描述的实施例仅仅是本发明一部分的实施例,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,都应当属于本发明保护的范围。
需要说明的是,本发明的说明书和权利要求书及上述附图中的术语“第一”、“第二”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。应该理解这样使用的数据在适当情况下可以互换,以便这里描述的本发明的实施例。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包括,例如,包含了一系列步骤或单元的过程、方法、系统、产品或设备不必限于清楚地列出的那些步骤或单元,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。
在本实施例中提供了一种高速公路团雾预警方法,图1是根据本发明实施例提供的高速公路团雾预警方法的流程图,如图1所示,包括:
S110、获取备案记录中团雾多发路段的实时视频流数据;
在本发明实施例中,具体可以包括:
根据GIS地图信息选取所述备案记录中团雾多发路段预设距离范围内的气象设备和视频监控设备,并将所述气象设备和视频监控设备与所述团雾多发路段进行关联;
获取所述气象设备和视频监控设备的实时视频流数据。
本发明实施例中,例如可以选取所述备案记录中团雾多发路段周边5公里范围内的气象设备和视频监控设备。
应当理解的是,所述团雾多发路段具体可以基于团雾多发路段的规律进行确定。例如,是否处于浓雾多发的山区和水网地区、是否附近有秸秆焚烧或工业粉尘污染、是否处于多发月份、是否处于常发时段,结合历史气象数据、团雾引发事故数据,确定团雾多发路段。
还应当理解的是,上述团雾多发路段均为已经备案的路段,即根据交管部门记录的由于团雾而引发的交通事故的备案数据确定团雾多发路段。通过分析团雾引发事故的历史数据,结合环境、时间等因素,初步确定团雾多发路段并进行备案,根据GIS地图位置信息,关联路段上的视频监控设备和气象设备。
在本发明实施例中,所述风险因素具体可以包括:气象设备能见度检测值、视频能见度识别数据、气象观测数据、多发路段信息、多发月份和多发时段。
S120、对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;
在本发明实施例中,具体可以包括:
根据深度学习算法对所述实时视频流数据进行分析计算,得到当前团雾多发路段的能见度值;
将所述当前团雾多发路段的能见度值与气象学能见度等级进行比对,以确定当前团雾多发路段的团雾等级。
应当理解的是,具体可以基于已经训练得到的神经网络对实时视频流进行识别,得到具有团雾路段的图片,然后对该具有团雾路段的图片进行图像分析处理,得到该图片所表示的团雾路段的能见度值。具体通过神经网络进行视频流中的团雾路段图片识别的具体识别过程为本领域技术人员所熟知,此处不再赘述。
进一步具体地,所述将所述当前团雾多发路段的能见度值与气象学能见度等级进行比对,以确定当前团雾多发路段的团雾等级,包括:
将当前团雾多发路段的能见度值与气象学能见度等级进行比对,确定当前团雾多发路段的能见度等级;
根据所述气象学能见度等级与所述团雾等级的对应关系确定所述当前团雾多发路段的团雾等级;
其中,所述气象学能见度等级包括:0~50米、50~100米、100~200米、200~500米、500~1000米和1000米以上共六个能见度等级,所述团雾等级包括一级、二级、三级、四级、五级和六级,且与所述气象学能见度等级一一对应。
在本发明实施例中,团雾等级中的一级对应着气象学能见度中的0~50米,团雾等级中的二级对应着气象学能见度中的50~100米,团雾等级中的三级对应着气象学能见度中的100~200米,团雾等级中的四级对应着气象学能见度中的200~500米,团雾等级中的五级对应着气象学能见度中的500~1000米,团雾等级中的六级对应着气象学能见度中的1000米以上。
S130、将所述团雾等级与预设团雾风险等级进行比对,若所述团雾等级低于所述预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;
在本发明实施例中,具体可以设置所述预设团雾等级为五级,即若所述团雾等级在五级以下,则表明当前能见度比较低,存在团雾风险,并生成异常信号。
应当理解的是,所述预设团雾等级可以根据需要进行设定,此处不做限定。
S140、根据所述异常信号以及风险因素确定是否生成团雾预警;
在本发明实施例中,具体可以包括:
根据所述异常信号查询对应的团雾多发路段;
根据层次分析法对所述异常信号对应的团雾多发路段的风险因素与所述异常信号进行综合分析计算,得到团雾风险预警可信度值;
当所述团雾风险预警可信度值超过预设的预警可信度阈值时,确定生成团雾预警。
在本发明实施例中,所述根据所述异常信号查询对应的团雾多发路段,具体可以理解为,根据所述异常信号确定当前是哪一路段可能存在团雾,即所述异常信号所对应的团雾多发路段。
具体地,所述根据所述根据层次分析法对所述异常信号对应的团雾多发路段的风险因素与所述异常信号进行综合分析计算,得到团雾风险预警可信度值,包括:
确定所述异常信号对应的团雾多发路段的风险因素;
根据预设的层次判断矩阵计算风险因素的权重,所述层次判断矩阵包括每个风险因素相对于另一风险因素的可信度值;
根据所述风险因素的权重计算每个风险因素的可信度值;
根据每个风险因素的可信度值结合是否有气象观测数据计算得到所述团雾风险预警可信度值。
如前文所述,本发明实施例的风险因素具体可以包括:气象设备能见度检测值X1、视频能见度识别数据X2、气象观测数据X3、多发路段信息X4、多发月份X5和多发时段X6。
根据经验评估打分等确定每个风险因素相对于另一风险因素的可信度值,形成层次判断矩阵,如表1所示。
表1层次判断矩阵
表1中的每个风险因素相对于另一风险因素的可信度值,具体可以理解为,例如X1相对于X2的可信度值为2,X1相对于X3的可信度值为5,X1相对于X4的可信度值为6,X1相对于X5的可信度值为9,X1相对于X6的可信度值为7;而X2相对于X1的可信度值为1/2,X3相对于X1的可信度值为1/5,X4相对于X1的可信度值为1/6,X5相对于X1的可信度值为1/9,X6相对于X1的可信度值为1/7。X2相对于X3的可信度值为4,……,X2相对于X6的可信度值为7;X3相对于X2的可信度值为1/4,X3相对于X4的可信度值为5,……,X3相对于X6的可信度值为6;……,等等。具体相对的可信度值可以对照上表1,此处不再赘述。
由上表1可知,可信度值最大的为X1相对于X5的可信度值,可信度值最小的为X5相对于X1的可信度值。
1)根据上述判断矩阵,计算出每行元素的几何平均值:
把上述几何平均值进行归一化,并计算出权重ωi:
3)根据权重ωi计算每个风险因素的可信度值的最大特征值,最大特征值λmax的计算公式为:
其中,
则:
4)根据最大特征值计算置信区间CI,并进行一致性校验:
由层次分析中的随机一致性指标RI取值表可知,当n=6时,RI=1.24,此时:
由结论可知,此判断矩阵的一致性达到了要求,由此:
ω=(0.4074,0.3055,0.1527,0.0716,0.0214,0.0415)
因此得到:X1的可信度值Y1为0.41,X2的可信度值Y2为0.31,X3的可信度值Y3为0.15,X4的可信度值Y4为0.07,X5的可信度值Y5为0.02,X6的可信度值Y6为0.04。即如下表2所示。
表2每个风险因素所对应的可信度值
最后根据每个风险因素的可信度值结合是否有气象观测数据进行计算得到团雾风险预警可信度值Z:
Z=Y1*A+Y2*A+Y3*B+Y4*A+Y5*A+Y6*A,
其中,A表示是否有异常信号,如接收到异常信号,则A=1,若没有接收到异常信号则A=0,B表示是否有气象观测数据,如收到气象观测数据则B=1,如没有收到气象观测数据则B=0。
S150、当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,所述预警前端服务器能够在所述团雾预警信号的有效性被确认后生成路面管控信号。
应当理解的是,当上述团雾风险预警可信度值超过预设的预警可信度阈值时确定生成团雾预警,则向预警前端服务器发出团雾预警信号。
此处需要说明的是,当生成团雾预警后,将该团雾预警发送至预警前端服务器,工作人员根据收到的团雾预警调阅周边视频及卡口图像进一步对该团雾预警的有效性进行确认,当工作人员判断为有效预警时,则生成路面管控信号。
在本发明实施例中,所述路面管控信号包括警示灯控制信号和声音提示报警信号。
即可以通过警示灯控制信号控制LED警示灯进行闪烁,以及通过声音提示报警信号控制声音提示设备发出提醒信号,必要情况下还可以对路段进行封闭管制,以提升路面行驶安全性。
本发明实施例以徐州G3京台高速某重点管控路段为例对上述团雾预警进行说明。
1月17日6时左右,通过视频流分析推送异常信号,且对应团雾等级为3级,则对应气象设备能见度为200-500米,而气象观测预报本路段无雾,路段属于已备案的团雾多发路段。
因此,根据Z=Y1*A+Y2*A+Y3*B+Y4*A+Y5*A+Y6*A计算得到团雾风险预警可信度值Z=1*0.41+1*0.31+0*0.15+1*0.07+1*0202+1*0.04=0.85(其中因为有异常信号,所以A=1,而气象观测预报本路段无雾,则表明B=0),高于预设的预警可信度阈值0.75,因此,后台会产生团雾预警并推送给前端。(徐州11月-2月为团雾多发月份,0点-8点属于团雾多发时段)。
综上,本发明实施例提供的高速公路团雾预警方法,通过对团雾多发路段的视频流进行分析得到团雾等级,且当确认当前的团雾等级存在团雾风险时,发出异常信号,并根据异常信号结合风险因素进行层次分析进一步确定是否要生成团雾预警,且在确认生成团雾预警时发出预警信号。这种高速公路团雾预警方法通过多种检测源融合多源数据进行叠加分析,能够全面准确的监测团雾,生成可信度高的团雾预警,从而减少由于团雾引起交通事故现象的发生,有效保障高速公路的行车安全。
作为本发明的另一实施例,提供一种高速公路团雾预警装置,用于实现前文所述的高速公路团雾预警方法,其中,包括:
获取模块,用于获取备案记录中团雾多发路段的实时视频流数据;
分析计算模块,用于对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;
比对模块,用于将所述团雾等级与预设团雾风险等级进行比对,若所述团雾等级超过所述预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;
确定模块,用于根据所述异常信号以及风险因素确定是否生成团雾预警;
预警模块,用于当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,所述预警前端服务器能够在所述团雾预警信号的有效性被确认后生成路面管控信号。
关于本发明实施例提供的高速公路团雾预警装置的工作原理可以参照前文的高速公路团雾预警方法的描述,此处不再赘述。
作为本发明的另一实施例,提供一种高速公路团雾预警系统,其中,包括:预警前端服务器和后台服务器,所述后台服务器和所述预警前端服务器通信连接,所述后台服务器包括前文所述的高速公路团雾预警装置。
本发明实施例提供的高速公路团雾预警系统,由于采用了前文的高速公路团雾预警装置,能够全面准确的实现对高速公路团雾的监测,且能够得到精准的监测结果,从而能够减少由于团雾引起交通事故现象的发生,有效保障高速公路的行车安全。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种高速公路团雾预警方法,其特征在于,包括:
获取备案记录中团雾多发路段的实时视频流数据;
对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;
将所述团雾等级与预设团雾风险等级进行比对,若所述团雾等级低于所述预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;
根据所述异常信号以及风险因素确定是否生成团雾预警;
当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,所述预警前端服务器能够在所述团雾预警信号的有效性被确认后生成路面管控信号。
2.根据权利要求1所述的高速公路团雾预警方法,其特征在于,所述根据所述异常信号以及风险因素确定是否生成团雾预警,包括:
根据所述异常信号查询对应的团雾多发路段;
根据层次分析法对所述异常信号对应的团雾多发路段的风险因素与所述异常信号进行综合分析计算,得到团雾风险预警可信度值;
当所述团雾风险预警可信度值超过预设的预警可信度阈值时,确定生成团雾预警。
3.根据权利要求2所述的高速公路团雾预警方法,其特征在于,所述根据所述根据层次分析法对所述异常信号对应的团雾多发路段的风险因素与所述异常信号进行综合分析计算,得到团雾风险预警可信度值,包括:
确定所述异常信号对应的团雾多发路段的风险因素;
根据预设的层次判断矩阵计算风险因素的权重,所述层次判断矩阵包括每个风险因素相对于另一风险因素的可信度值;
根据所述风险因素的权重计算每个风险因素的可信度值;
根据每个风险因素的可信度值结合是否有气象观测数据计算得到所述团雾风险预警可信度值。
4.根据权利要求1至3中任意一项所述的高速公路团雾预警方法,其特征在于,所述风险因素包括:气象设备能见度检测值、视频能见度识别数据、气象观测数据、多发路段信息、多发月份和多发时段。
5.根据权利要求1所述的高速公路团雾预警方法,其特征在于,所述对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级,包括:
根据深度学习算法对所述实时视频流数据进行分析计算,得到当前团雾多发路段的能见度值;
将所述当前团雾多发路段的能见度值与气象学能见度等级进行比对,以确定当前团雾多发路段的团雾等级。
6.根据权利要求5所述的高速公路团雾预警方法,其特征在于,所述将所述当前团雾多发路段的能见度值与气象学能见度等级进行比对,以确定当前团雾多发路段的团雾等级,包括:
将当前团雾多发路段的能见度值与气象学能见度等级进行比对,确定当前团雾多发路段的能见度等级;
根据所述气象学能见度等级与所述团雾等级的对应关系确定所述当前团雾多发路段的团雾等级;
其中,所述气象学能见度等级包括:0~50米、50~100米、100~200米、200~500米、500~1000米和1000米以上共六个能见度等级,所述团雾等级包括一级、二级、三级、四级、五级和六级,且与所述气象学能见度等级一一对应。
7.根据权利要求1所述的高速公路团雾预警方法,其特征在于,所述获取备案记录中团雾多发路段的实时视频流数据,包括:
根据GIS地图信息选取所述备案记录中团雾多发路段预设距离范围内的气象设备和视频监控设备,并将所述气象设备和视频监控设备与所述团雾多发路段进行关联;
获取所述气象设备和视频监控设备的实时视频流数据。
8.根据权利要求1所述的高速公路团雾预警方法,其特征在于,所述路面管控信号包括警示灯控制信号和声音提示报警信号。
9.一种高速公路团雾预警装置,用于实现权利要求1至8中任意一项所述的高速公路团雾预警方法,其特征在于,包括:
获取模块,用于获取备案记录中团雾多发路段的实时视频流数据;
分析计算模块,用于对所述实时视频流数据进行分析计算,得到团雾多发路段的团雾等级;
比对模块,用于将所述团雾等级与预设团雾风险等级进行比对,若所述团雾等级超过所述预设团雾风险等级,则确定当前存在团雾风险,并生成异常信号;
确定模块,用于根据所述异常信号以及风险因素确定是否生成团雾预警;
预警模块,用于当确定生成团雾预警时,向预警前端服务器发出团雾预警信号,所述预警前端服务器能够在所述团雾预警信号的有效性被确认后生成路面管控信号。
10.一种高速公路团雾预警系统,其特征在于,包括:预警前端服务器和后台服务器,所述后台服务器和所述预警前端服务器通信连接,所述后台服务器包括权利要求9所述的高速公路团雾预警装置。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111516690.2A CN114202944B (zh) | 2021-12-13 | 2021-12-13 | 高速公路团雾预警方法、装置及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111516690.2A CN114202944B (zh) | 2021-12-13 | 2021-12-13 | 高速公路团雾预警方法、装置及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114202944A true CN114202944A (zh) | 2022-03-18 |
CN114202944B CN114202944B (zh) | 2023-06-16 |
Family
ID=80652888
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111516690.2A Active CN114202944B (zh) | 2021-12-13 | 2021-12-13 | 高速公路团雾预警方法、装置及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114202944B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530770A (zh) * | 2016-12-01 | 2017-03-22 | 清华大学 | 团雾路段行车安全智能检测及预警方法及系统 |
CN108022440A (zh) * | 2018-01-19 | 2018-05-11 | 天津职业技术师范大学 | 基于无人飞机和车路协同的高速公路团雾预警系统及预警方法 |
CN108932859A (zh) * | 2018-07-18 | 2018-12-04 | 上海市政工程设计研究总院(集团)有限公司 | 一种全范围实时监测的高速公路团雾预警及诱导系统 |
CN109377726A (zh) * | 2018-10-29 | 2019-02-22 | 江苏大学 | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 |
CN109409336A (zh) * | 2018-11-30 | 2019-03-01 | 安徽继远软件有限公司 | 一种基于图像识别的大雾预警系统及方法 |
CN112419745A (zh) * | 2020-10-20 | 2021-02-26 | 中电鸿信信息科技有限公司 | 一种基于深度融合网络的高速公路团雾预警系统 |
CN112863201A (zh) * | 2021-01-07 | 2021-05-28 | 武汉理工大学 | 一种基于高速公路团雾区域多级预警系统的引导方法 |
-
2021
- 2021-12-13 CN CN202111516690.2A patent/CN114202944B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106530770A (zh) * | 2016-12-01 | 2017-03-22 | 清华大学 | 团雾路段行车安全智能检测及预警方法及系统 |
CN108022440A (zh) * | 2018-01-19 | 2018-05-11 | 天津职业技术师范大学 | 基于无人飞机和车路协同的高速公路团雾预警系统及预警方法 |
CN108932859A (zh) * | 2018-07-18 | 2018-12-04 | 上海市政工程设计研究总院(集团)有限公司 | 一种全范围实时监测的高速公路团雾预警及诱导系统 |
CN109377726A (zh) * | 2018-10-29 | 2019-02-22 | 江苏大学 | 一种基于车联网的高速公路团雾精确警示、诱导系统及方法 |
CN109409336A (zh) * | 2018-11-30 | 2019-03-01 | 安徽继远软件有限公司 | 一种基于图像识别的大雾预警系统及方法 |
CN112419745A (zh) * | 2020-10-20 | 2021-02-26 | 中电鸿信信息科技有限公司 | 一种基于深度融合网络的高速公路团雾预警系统 |
CN112863201A (zh) * | 2021-01-07 | 2021-05-28 | 武汉理工大学 | 一种基于高速公路团雾区域多级预警系统的引导方法 |
Also Published As
Publication number | Publication date |
---|---|
CN114202944B (zh) | 2023-06-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Li et al. | Analysis of road traffic fatal accidents using data mining techniques | |
Abdel-Aty et al. | Calibrating a real-time traffic crash-prediction model using archived weather and ITS traffic data | |
US9401089B2 (en) | Road weather hazard system | |
CN105324661B (zh) | 采用基于传感器的照明器探测能见度降低的区域及其移动方向的装置和方法 | |
CN102231231A (zh) | 区域公路网交通安全态势预警系统及其方法 | |
CN111667695B (zh) | 一种基于高音喇叭队列的交通风险预警系统和方法 | |
US11170639B2 (en) | Transportation threat detection system | |
CN107134158B (zh) | 高速公路智能控制系统 | |
CN105719510B (zh) | 车联网环境下道路交通事故链阻断系统的效率评价方法 | |
CN113538946A (zh) | 一种基于分布式的高速公路突发情况预警系统、方法 | |
CN110599791A (zh) | 信息监控方法、装置和设备 | |
CN110310501B (zh) | 一种机动车高速公路团雾监测预报方法 | |
Wu et al. | A novel skateboarder-related near-crash identification method with roadside LiDAR data | |
Shepard | Reduced visibility due to fog on the highway | |
CN116153095B (zh) | 一种基于边缘计算的高速公路团雾预警方法 | |
CN114202944A (zh) | 高速公路团雾预警方法、装置及系统 | |
CN113919571A (zh) | 基于边缘计算的危化品运输保费预估方法 | |
CN110390451A (zh) | 一种道路行车安全风险预测预警指标体系 | |
CN211209826U (zh) | 一种用于热海景区的监控系统 | |
DE112021005269T5 (de) | Risikoverwaltungsvorrichtung, Risikoverwaltungsverfahren, und Risikoverwaltungssystem | |
CN113284340A (zh) | 道路交通安全分级系统 | |
Andrášik et al. | Identification of Curves and Straight Sections on Road Networks from Digital Vector Data | |
CN115035722B (zh) | 基于时空特征和社交媒体相结合的道路安全风险预测方法 | |
CN113916307A (zh) | 基于深度学习的土木工程环境监测预警方法 | |
El Esawey et al. | Improving Variable Speed Limit Systems: investigation of the impact of weather and pavement conditions on operating speed. |
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 |