CN114327914B - 基于多因子边缘计算的山岳景区登山决策方法及系统 - Google Patents
基于多因子边缘计算的山岳景区登山决策方法及系统 Download PDFInfo
- Publication number
- CN114327914B CN114327914B CN202210216909.5A CN202210216909A CN114327914B CN 114327914 B CN114327914 B CN 114327914B CN 202210216909 A CN202210216909 A CN 202210216909A CN 114327914 B CN114327914 B CN 114327914B
- Authority
- CN
- China
- Prior art keywords
- road surface
- precipitation
- edge calculation
- mountain
- center
- 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
Links
Images
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明提供一种基于多因子边缘计算的山岳景区登山决策方法及系统,其中采集模块采集目标路面的路面温度、环境温度、积雪深度、第一降水量以及第二降水量;云数据中心获取采集的数据,并加载到待分配计算任务矩阵,计算每个任务与每一个边缘计算中心的拟合度,将计算任务分配给拟合度最大的边缘计算中心进行计算;进行判断,判断目标路面状态,并确定登山指数。本发明使用大数据高并发计算的方式提高了计算效率以及准确性,可以实现大面积的山岳景区登山指数判断,实用性强,便于实施。
Description
技术领域
本发明涉及登山决策技术领域,尤其涉及一种基于多因子边缘计算的山岳景区登山决策方法及系统。
背景技术
山岳景区是以自然山体为主要风景资源和构景要素的具有较高生态价值、观赏价值以及科研价值的地域综合体,其因为未布置气象站或者布置的气象采集点较少,属于气象观测数据盲区,导致了针对山岳景区的涉及气象的登山决策产品的服务针对性不强,准确性不高,严重影响了登山决策服务产品的服务质量和估算效果。
登山决策方法通常涉及对于登山路面状态的判断,而在现有的针对山岳景区路面状态检测方法中,通常采用对降雨、积雪覆盖进行等级划分,并对采集图像进行降雨、积雪覆盖等级标注,构建深度神经网络模型并对网络参数进行训练。但是,这种方法完全依赖于神经网络算法的精度,当神经网络算法存在一定缺陷时会极大降低计算判断的精度。
现有的针对山岳景区路面状态检测方法中,还可以通过路面温度数据通过神经网络算法来预测路面结冰情况,但是同样也依赖于神经网络算法的精度。
发明内容
基于上述问题,本发明提供一种基于多因子边缘计算的山岳景区登山决策方法及系统,通过传感器采集温度、湿度、积水高度、积雪深度数据并进行综合计算,不依赖于神经网络算法,用以解决现有技术中存在的缺陷。
本发明提供一种基于多因子边缘计算的山岳景区登山决策方法及系统,通过边缘计算中心拟合计算判断山岳景区登山指数,本发明方法具体包括:
步骤11,采集模块采集目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;其中,信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器;
步骤12,云数据中心获取采集的数据,并加载到待分配计算任务矩阵,计算每个任务与每一个边缘计算中心的拟合度,将计算任务分配给拟合度最大的边缘计算中心进行计算;
步骤13,进行判断,判断目标路面状态,并确定登山指数。
进一步地,步骤13具体为,若边缘计算中心判断获知第一降水量不为空,则基于环境温度确定降水相态,并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,在确定目标路面状态之后,根据预先设置的目标路面状态对应的山岳景区登山指数映射关系确定登山指数,决策当前时间段是否适宜登山。
进一步地,拟合度计算具体包括:
信息采集综合体将采集到的路面信息位置信息传送到云数据中心,提出计算请求;
其中,s表示待分配计算任务编号,a表示信息采集综合体编号,x表示信息采集综合体位置横坐标,y表示信息采集综合体位置纵坐标,Z表示信息采集综合体传输的路面信息;
其中,xi表示第i个边缘计算中心位置横坐标,yi表示第i个边缘计算中心位置纵坐标;Fi表示第i个边缘计算中心负载均衡度,进一步的获取第i个边缘计算中心剩余计算能力作为负载均衡度。Li表示第i个边缘计算中心等待计算任务排队长度;
将计算任务分配给拟合度H最大的边缘计算中心,边缘计算中心接收计算任务进行计算并判断。
进一步地,边缘计算中心基于包括第一降水量、第二降水量、积雪深度以及路面温度的多因子,确定登山指数。
本发明还提供一种基于多因子边缘计算的山岳景区登山决策系统,包括:
采集模块31,用于采集山岳景区目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;其中,信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器;
计算模块32,用于根据云数据中心获取采集的数据,并加载到待分配计算任务矩阵,计算每个任务与每一个边缘计算中心的拟合度,将计算任务分配给拟合度最大的边缘计算中心进行计算;
判断模块33,用于判断目标路面状态,并确定登山指数。
本发明还提供一种电子设备,包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如上述任一种基于多因子边缘计算的山岳景区登山决策方法的步骤。
本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现如上述任一种基于多因子边缘计算的山岳景区登山决策方法的步骤。
本发明提供的基于多因子边缘计算的山岳景区登山决策方法及系统,首先信息采集综合体获取山岳景区目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取第一降水量以及第二降水量;然后信息采集综合体将数据发送至云数据计算中心,云数据计算中心计算任务和边缘计算中心的拟合度,将任务发送至拟合度最大的边缘计算中心,边缘计算中心在第一降水量不为空时,进一步基于环境温度确定降水相态;最后,基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态。该方法不需要对山岳景区目标路面进行破坏即可实现对其路面状态的判断,可以节约山岳景区登山指数判断的成本,并且无需依赖于神经网络算法本身的精度。而且,通过该方法可以实现大面积的山岳景区登山指数判断,实用性强,便于实施。该方法可以处理大数据高并发计算,提升了计算效率以及准确性。
附图说明
为了更清楚地说明本发明或现有技术中的技术方案,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地介绍,显而易见地,下面描述中的附图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是本发明提供的基于多因子边缘计算的山岳景区登山决策方法的流程示意图之一;
图2是本发明提供的基于多因子边缘计算的山岳景区登山决策方法的流程示意图之二;
图3是本发明提供的基于多因子边缘计算的山岳景区登山决策系统的结构示意图;
图4是本发明提供的电子设备的结构示意图。
具体实施方式
为使本发明的目的、技术方案和优点更加清楚,下面将结合本发明中的附图,对本发明中的技术方案进行清楚、完整地描述,显然,所描述的实施例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。
如图1所示,为本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策方法的流程示意图,通过传感器采集温度、湿度、积水高度、积雪深度数据,并通过边缘计算中心拟合计算判断山岳景区登山指数,不依赖于神经网络算法自身精度,该方法包括:
S1,在被监测路段区域设置m个信息采集综合体。信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器等。信息采集综合体获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;信息采集综合体将采集到的路面信息位置信息传送到云数据中心,提出计算请求。
S2,云数据计算中心计算任务和边缘计算中心的拟合度,将任务发送至拟合度最大的边缘计算中心,边缘计算中心若判断获知第一降水量不为空,则基于环境温度确定降水相态(降水相态分为雨、雨夹雪、雪),并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态。
具体地,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策方法,其执行主体为服务器,该服务器可以是本地服务器,也可以是云端服务器,本地服务器具体可以是计算机、平板电脑以及智能手机等,本发明实施例中对此不作具体限定。
首先执行步骤S1,在被监测路段区域设置m个信息采集综合体。信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器等。信息采集综合体获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量。
信息采集综合体获取目标路面的路面温度Ts、目标路面的环境温度Ta以及目标路面的积雪深度Sd。其中,路面温度可以通过设置于路面的温度传感器进行测量,温度传感器的数量可以根据目标路面的面积进行确定,如果温度传感器的数量为多个,则目标路面的路面温度可以为多个温度传感器的温度均值。环境温度可以是目标路面所在区域的大气温度,可以通过天气预报获取,也可以通过设置于空气中的温度传感器测量得到,此处不作具体限定。本发明实施例中,环境温度可以是目标路面所在区域在临近当前时刻的第一预设时间段内的大气温度的最低值。
目标路面的积雪深度可以通过积雪实况和降雪量之间的线性关系转化而来的。例如,积雪深度可以通过如下公式计算得到:
Y=0.75X+0.15
其中,Y为积雪深度变化值,单位为cm,X为降雪量,单位为mm,不同地区降雪量的系数与常数项有所不同。
在步骤S1中,还可以分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量p1h以及目标路面在临近当前时刻的第二预设时间段内的第二降水量p3h。
第一预设时间段以及第二预设时间段的长度均可以根据需要进行设置,通常第一预设时间段的长度短于第二预设时间段。例如第一预设时间段的长度可以设置为0.5小时、1小时等,第二预设时间段的长度可以设置为3小时、5小时等。
第一降水量可以表示第一预设时间段内的所有降水量之和,第二降水量可以表示第二预设时间段内的所有降水量之和,第一降水量以及第二降水量均可以通过降水量测量设备测量得到,也可以由自动气象站直接采集,还可以是通过多源数据融合做出的降水实况,此处不作具体限定。信息采集综合体将采集到的路面信息位置信息传送到云数据中心,提出计算请求。
然后执行步骤S2,云数据中心获取信息采集综合体传输数据,并加载到待分配计
算任务矩阵中。其中s表示待分配计算任务编号,a表示信息采集综合
体编号,x表示信息采集综合体位置横坐标,y表示信息采集综合体位置纵坐标。Z表示信息
采集综合体传输的路面信息。
其中,xi表示第i个边缘计算中心位置横坐标,yi表示第i个边缘计算中心位置纵坐标。Fi表示第i个边缘计算中心负载均衡度,进一步的获取第i个边缘计算中心剩余计算能力作为负载均衡度。Li表示第i个边缘计算中心等待计算任务排队长度。
将计算任务分配给拟合度H最大的边缘计算中心。边缘计算中心接收计算任务,并做以下计算:
当第一降水量不为空时,则基于环境温度确定降水相态,并结合第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或结合第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态。
如果第一降水量为空,即降水量测量设备示数为0,说明目标路面所在区域在第一预设时间段内未降水,如果第一降水量不为空,即降水量测量设备示数不为0,说明目标路面所在区域在第一预设时间段内有降水。
当目标路面的第一降水量不为空时,可以进一步结合环境温度确定降水相态,降水相态可以包括雨、雪以及雨夹雪等。此处,可以获取目标路面所在区域的环境温度,并根据环境温度与环境温度阈值的大小关系确定降水相态。环境温度阈值可以包括多个,例如可以包括第一环境温度阈值和第二环境温度阈值,第一环境温度阈值小于第二环境温度阈值。
第一环境温度阈值可以为-2℃,第二环境温度阈值可以为2℃。当环境温度小于-2℃,则可以确定降水相态为雪,当环境温度大于2℃,则可以确定降水相态为雨,当环境温度大于等于-2℃,且小于2℃,则可以确定降水相态为雨夹雪。
考虑降水相态、积雪深度以及路面温度,并结合第一降水量或第一降水量以及第二降水量,确定目标路面的路面状态。可选地,可以通过降水相态的具体类型、路面温度的取值大小,以及第一降水量的取值大小或第一降水量的取值大小以及第二降水量的取值大小,并结合积雪深度是否为空对目标路面的路面状态进行判断。
在确定目标路面状态之后,根据预先设置的目标路面状态对应的山岳景区登山指数映射关系决策当前时间段是否适宜登山。需要说的是,预先设置的目标路面状态对应的山岳景区登山指数映射关系是预先存储于数据库中的映射关系,例如路面状态分别为干燥路面、潮湿路面、雨雪路面、冰雪路面、厚雪路面,分别对应的山岳景区登山指数为10、6、4、2、1。
本发明提供的基于多因子边缘计算的山岳景区登山决策方法,还包括在确定山岳景区登山指数后,根据路面材质引入修正系数,计算得出修正后的山岳景区登山指数。为进一步提高山岳景区登山指数决策的准确性,还可以对目标路面的材质进行判断,根据路面材质引入修正系数,通过将山岳景区登山指数与修正系数相乘,从而对山岳景区登山指数进行进一步的修正和细分。例如路面状态判断为干燥路面,路面材质分别为沥青、水泥、石板、木质,各路面材质对应的修正系数分别为0.96、0.64、0.67、0.85,当干燥路面对应的山岳景区登山指数为10时,干燥的沥青、水泥、石板、木质路面的修正后的山岳景区登山指数分别为9.6、6.4、6.7、8.5。不同材质在潮湿路面、雨雪路面、冰雪路面、厚雪路面的修正系数可根据实验确定得出。
对目标路面的材质进行判断,具体包括:步骤(a)向目标路面发射信号并接收反射信号,通过一个或多个一维卷积层提取反射信号的一维特征向量;步骤(b)将一维特征向量作为输入,在具有一个或多个层的人工神经网络中估计每种材质类型的概率值,根据每个材质类型的估计概率值确定材质类型。
步骤(a)中,向目标路面发射信号并接收反射信号,可通过卫星信号发射模块、卫星信号接收模块完成。卫星信号发射模块向目标路面发射信号,而从路面反射的信号被卫星信号接收模块接收。使用卫星信号发射模块、卫星信号接收模块,信号传感器具有宽阔的视野,可以方便地检测大面积的山岳景区。
卫星信号接收模块接收到的反射信号是代表反射强度随时间变化的信号,通过在时域中以预定的时间间隔划分反射信号并对每个划分的反射信号进行短时傅里叶变换,计算出时频域的信号,即二维频谱图,计算出的二维频谱图被转换为每个时间的一维信号,然后进行卷积,卷积可以通过一个或多个卷积层进行。
步骤(b)中,通过一个或多个卷积层计算的一维特征向量被输入分类器,分类器是具有多层的人工神经网络。使用该人工神经网络的分类器是通过使用具有相同层配置的人工神经网络中的训练数据学习权重值来确定为最终的分类器模型。用于计算分类器的一维特征向量的一个或多个卷积层和具有多层人工神经网络的分类器共同构成卷积神经网络。上述权重可以为人工神经网络的一个或多个层的连接值的权重,人工神经网络的一个或多个层的连接值的权重可以通过机器学习确定。训练数据被输入到人工神经网络中,可使用梯度下降法在输出值和实际正确答案之间按照损失最小的方向进行优化。卷积神经网络模型为所反射的每种材质的路面估计一个概率值,路面的材质类型可以被确定为具有最大概率值的类型。
具体地,在判断模块33根据计算模块32给出的数据判断的过程中,若边缘计算中心判断获知第一降水量为空,则基于第二降水量、积雪深度以及路面温度,确定路面状态;
若边缘计算中心判断获知第二降水量为空且积雪深度为空,则确定路面状态为干燥路面;否则,基于路面温度,确定路面状态,或基于路面温度以及第二降水量,确定路面状态。
本发明实施例中,目标路面的路面状态是指气象条件导致目标路面附着雨、雪、冰等物质的状态,可以至少包括干燥路面(The dry pavement)、潮湿路面(the wetpavement)、积水路面(the pavement covered with water)、雨雪路面(Sleet on thepavement)、薄雪路面(the pavement covered with thin snow)、厚雪路面(the pavementcovered with thick snow)、结冰路面(the icy pavement)以及冰雪路面(the pavementcovered with snow and ice)等。
干燥路面是指表面无积水、积冰、积雪或润湿的印痕,而且在过去第二预设时间段内没有降水的路面。潮湿路面是指表面潮湿的路面,此处是指第一预设时间段内的第一降水量小于0.5mm,同时第二预设时间段内的第二降水量小于3mm形成的路面状态。积水路面是指表面有积水的路面,此处是指第一预设时间段内的第一降水量不小于0.5mm,或者第一预设时间段内的第一降水量小于0.5mm,同时第二预设时间段内的第二降水量不小于3mm形成的路面状态。雨雪路面是指表面覆盖雨雪混合物的路面,雨雪混合物由雨夹雪以及积雪半融化形成。薄雪路面是指表面少量积雪的路面,通常是指降雪导致干路面少量积雪,而且尚未压实的路面,此处指小于0.5mm的降水形成的路面状态。厚雪路面是指表面有明显积雪的路面,此处指陈旧积雪、不小于0.5mm降雪或者二者叠加形成的路面状态。结冰路面是指雨雪后积水或积雪融化导致表面冻结成冰的路面。冰雪路面是指包含有冰雪混合物的路面,冰雪混合物可以是冰路面上具有少量积雪或通过积雪部分融化结冰形成。
本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策方法,首先获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取第一降水量以及第二降水量;然后在第一降水量不为空时,进一步基于环境温度确定降水相态;最后,基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数。该方法不需要对目标路面进行破坏即可实现对其路面状态的判断,可以节约路面状态判断的成本。而且,通过该方法可以实现大面积的山岳景区登山指数判断,实用性强,便于实施。
本发明实施例中,通过第一降水量、第二降水量、降水相态、路面温度、积雪深度、相对湿度以及风速等因子实现多因子联合判断,进而确定路面状态、登山指数,可以提高登山指数判断方法的准确性。
基于第一降水量、第二降水量、降水相态、路面温度、积雪深度、相对湿度以及风速等因子实现多因子联合判断的具体实施例判断参见图2和表1,图2中的内容可以汇总至表1中。其中,Ts为路面温度,Sd为目标路面的积雪深度,Rh为相对湿度,V为风速,pph1h为降水相态,p1h为第一降水量,p3h为第二降水量。
表1 山岳景区路面状态判断表
如表1第2行所示,本发明实施例提供的基于多因子边缘计算的山岳景区登山决策系统中,如果路面温度大于等于第一路面温度阈值、第一降水量小于第二降水量阈值且第二降水量小于第一降水量阈值,即有Ts≥2、p1h<0.5、p3h<3,且积雪深度为空,则确定路面状态为潮湿路面。
如图3所示,在上述实施例的基础上,本发明实施例中提供了一种基于多因子边缘计算的山岳景区登山决策系统,包括:
采集模块31,可以理解的是,采集模块31包括至少一信息综合采集体,信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器等,用于获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;
其中s表示待分配计算任务编号,a表示信息采集综合体编号,x表示信息采集综合体位置横坐标,y表示信息采集综合体位置纵坐标,Z表示信息采集综合体传输的路面信息。
其中,xi表示第i个边缘计算中心位置横坐标,yi表示第i个边缘计算中心位置纵坐标。Fi表示第i个边缘计算中心负载均衡度,进一步的获取第i个边缘计算中心剩余计算能力作为负载均衡度。Li表示第i个边缘计算中心等待计算任务排队长度。将计算任务分配给拟合度H最大的边缘计算中心。
判断模块33,可以理解的是,判断模块33为一边缘计算中心,用于若判断获知第一降水量不为空,则基于环境温度确定降水相态(降水相态分为雨、雨夹雪、雪),并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态。在确定目标路面状态之后,根据预先设置的目标路面状态对应的山岳景区登山指数映射关系决策当前时间段是否适宜登山。需要说的是,预先设置的目标路面状态对应的山岳景区登山指数映射关系是预先存储于数据库中的映射关系,例如路面状态分别为干燥路面、潮湿路面、雨雪路面、冰雪路面、厚雪路面,分别对应的山岳景区登山指数为10、6、4、2、1。
具体地,在判断模块33根据计算模块32给出的数据判断的过程中,若边缘计算中心判断获知第一降水量为空,则基于第二降水量、积雪深度以及路面温度,确定路面状态;
若边缘计算中心判断获知第二降水量为空且积雪深度为空,则确定路面状态为干燥路面;否则,基于路面温度,确定路面状态,或基于路面温度以及第二降水量,确定路面状态。
若边缘计算中心判断获知第二降水量为空、积雪深度不为空且路面温度大于等于第一路面温度阈值,则确定路面状态为雨雪路面;若边缘计算中心判断获知第二降水量为空、积雪深度不为空且路面温度小于等于第二路面温度阈值,则确定路面状态为冰雪路面;若边缘计算中心判断获知第二降水量为空、积雪深度不为空、路面温度大于第二路面温度阈值且小于第一路面温度阈值,则确定路面状态为厚雪路面。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块具体用于:若边缘计算中心判断获知第二降水量为空且积雪深度为空,则确定路面状态为干燥路面;否则,基于路面温度,确定路面状态,或基于路面温度以及第二降水量,确定路面状态。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块还具体用于:若边缘计算中心判断获知第二降水量为空、积雪深度不为空且路面温度大于等于第一路面温度阈值,则确定路面状态为雨雪路面;若边缘计算中心判断获知第二降水量为空、积雪深度不为空且路面温度小于等于第二路面温度阈值,则确定路面状态为冰雪路面;若边缘计算中心判断获知第二降水量为空、积雪深度不为空、路面温度大于第二路面温度阈值且小于第一路面温度阈值,则确定路面状态为厚雪路面。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块还具体用于:若边缘计算中心判断获知第二降水量不为空、积雪深度不为空且路面温度大于第二路面温度阈值,则确定路面状态为雨雪路面;若边缘计算中心判断获知第二降水量不为空、积雪深度不为空且路面温度小于等于第二路面温度阈值,则确定路面状态为冰雪路面;若边缘计算中心判断获知第二降水量不为空、积雪深度为空、路面温度大于第二路面温度阈值且第二降水量小于第一降水量阈值,则确定路面状态为潮湿路面;若边缘计算中心判断获知第二降水量不为空、积雪深度为空、路面温度大于第二路面温度阈值且第二降水量大于等于第一降水量阈值,则确定路面状态为积水路面;若边缘计算中心判断获知第二降水量不为空、积雪深度为空且路面温度小于等于第二路面温度阈值,则确定路面状态为冰雪路面。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块具体用于:若边缘计算中心判断获知降水相态为雨、路面温度大于第二路面温度阈值、积雪深度为空、第一降水量小于第二降水量阈值且第二降水量小于第一降水量阈值,则确定路面状态为潮湿路面;若边缘计算中心判断获知降水相态为雨、路面温度大于第二路面温度阈值、积雪深度为空、第一降水量小于第二降水量阈值且第二降水量大于等于第一降水量阈值,则确定路面状态为积水路面;若边缘计算中心判断获知降水相态为雨、路面温度大于第二路面温度阈值、积雪深度为空、第一降水量大于等于第二降水量阈值,则确定路面状态为积水路面;若边缘计算中心判断获知降水相态为雨、路面温度大于第二路面温度阈值且积雪深度不为空,则确定路面状态为雨雪路面;若边缘计算中心判断获知降水相态为雨、路面温度小于等于第二路面温度阈值且积雪深度为空,则获取目标路面的相对湿度以及目标路面所在区域的风速,并基于第一降水量、相对湿度以及风速,确定路面状态;若边缘计算中心判断获知降水相态为雨、路面温度小于等于第二路面温度阈值且积雪深度不为空,则确定路面状态为冰雪路面;其中,第一降水量阈值大于第二降水量阈值。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块还具体用于:若边缘计算中心判断获知相对湿度大于湿度阈值且风速小于等于风速阈值,则确定路面状态为结冰路面;若边缘计算中心判断获知第一降水量小于第二降水量阈值,且相对湿度小于等于湿度阈值或风速小于等于风速阈值,则确定路面状态为潮湿路面;若边缘计算中心判断获知第一降水量大于等于第二降水量阈值,且相对湿度小于等于湿度阈值或风速小于等于风速阈值,则确定路面状态为积水路面。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块还具体用于:若边缘计算中心判断获知降水相态为雨夹雪、路面温度大于等于第一路面温度阈值、积雪深度为空、第一降水量小于第二降水量阈值且第二降水量小于第一降水量阈值,则确定路面状态为潮湿路面;若边缘计算中心判断获知降水相态为雨夹雪、路面温度大于等于第一路面温度阈值、积雪深度为空、第一降水量小于第二降水量阈值且第二降水量大于等于第一降水量阈值,则确定路面状态为积水路面;若边缘计算中心判断获知降水相态为雨夹雪、路面温度大于等于第一路面温度阈值、积雪深度为空、第一降水量大于等于第二降水量阈值,则确定路面状态为积水路面;若边缘计算中心判断获知降水相态为雨夹雪、路面温度大于等于第一路面温度阈值且积雪深度不为空,则确定路面状态为雨雪路面;若边缘计算中心判断获知降水相态为雨夹雪、路面温度大于第二路面温度阈值且小于第一路面温度阈值,则确定路面状态为雨雪路面;若边缘计算中心判断获知降水相态为雨夹雪、路面温度小于等于第二路面温度阈值且积雪深度为空,则确定路面状态为结冰路面;若边缘计算中心判断获知降水相态为雨夹雪、路面温度小于等于第二路面温度阈值且积雪深度不为空,则确定路面状态为冰雪路面。
在上述实施例的基础上,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统,判断模块还具体用于:若边缘计算中心判断获知降水相态为雪、路面温度大于等于第一路面温度阈值、积雪深度为空且第一降水量小于第二降水量阈值,则确定路面状态为潮湿路面;若边缘计算中心判断获知降水相态为雪、路面温度大于等于第一路面温度阈值、积雪深度为空且第一降水量大于等于第二降水量阈值,则确定路面状态为积水路面;若边缘计算中心判断获知降水相态为雪、路面温度大于等于第一路面温度阈值且积雪深度不为空,则确定路面状态为雨雪路面;若边缘计算中心判断获知降水相态为雪、路面温度大于第二路面温度阈值且小于第一路面温度阈值,则确定路面状态为雨雪路面;若边缘计算中心判断获知降水相态为雪、路面温度小于等于第二路面温度阈值、积雪深度为空且第一降水量小于第二降水量阈值,则确定路面状态为薄雪路面;若边缘计算中心判断获知降水相态为雪、路面温度小于等于第二路面温度阈值、积雪深度为空且第一降水量大于等于第二降水量阈值,则确定路面状态为厚雪路面;若边缘计算中心判断获知降水相态为雪、路面温度小于等于第一路面温度阈值且积雪深度不为空,则确定路面状态为冰雪路面。
本发明提供的基于多因子边缘计算的山岳景区登山决策系统,还包括修正模块,用于在确定山岳景区登山指数后,根据路面材质引入修正系数,计算得出修正后的山岳景区登山指数。为进一步提高山岳景区登山指数决策的准确性,还可以对目标路面的材质进行判断,根据路面材质引入修正系数,通过将山岳景区登山指数与修正系数相乘,从而对山岳景区登山指数进行进一步的修正和细分。例如路面状态判断为干燥路面,路面材质分别为沥青、水泥、石板、木质,各路面材质对应的修正系数分别为0.96、0.64、0.67、0.85,当干燥路面对应的山岳景区登山指数为10时,干燥的沥青、水泥、石板、木质路面的修正后的山岳景区登山指数分别为9.6、6.4、6.7、8.5。不同材质在潮湿路面、雨雪路面、冰雪路面、厚雪路面的修正系数可根据实验确定得出。
修正模块用于对目标路面的材质进行判断,其具体包括:信号收发模块,其用于向目标路面发射信号并接收反射信号,通过一个或多个一维卷积层提取反射信号的一维特征向量;估算模块,其用于将一维特征向量作为输入,在具有一个或多个层的人工神经网络中估计每种材质类型的概率值,根据每个材质类型的估计概率值确定材质类型。
信号收发模块,其向目标路面发射信号并接收反射信号,可通过卫星信号发射模块、卫星信号接收模块完成。卫星信号发射模块向目标路面发射信号,而从路面反射的信号被卫星信号接收模块接收。使用卫星信号发射模块、卫星信号接收模块,信号传感器具有宽阔的视野,可以方便地检测大面积的山岳景区。
卫星信号接收模块接收到的反射信号是代表反射强度随时间变化的信号,通过在时域中以预定的时间间隔划分反射信号并对每个划分的反射信号进行短时傅里叶变换,计算出时频域的信号,即二维频谱图,计算出的二维频谱图被转换为每个时间的一维信号,然后进行卷积,卷积可以通过一个或多个卷积层进行。
在估算模块中,通过一个或多个卷积层计算的一维特征向量被输入分类器,分类器是具有多层的人工神经网络。使用该人工神经网络的分类器是通过使用具有相同层配置的人工神经网络中的训练数据学习权重值来确定为最终的分类器模型。用于计算分类器的一维特征向量的一个或多个卷积层和具有多层人工神经网络的分类器共同构成卷积神经网络。上述权重可以为人工神经网络的一个或多个层的连接值的权重,人工神经网络的一个或多个层的连接值的权重可以通过机器学习确定。训练数据被输入到人工神经网络中,可使用梯度下降法在输出值和实际正确答案之间按照损失最小的方向进行优化。卷积神经网络模型为所反射的每种材质的路面估计一个概率值,路面的材质类型可以被确定为具有最大概率值的类型。
具体地,本发明实施例中提供的基于多因子边缘计算的山岳景区登山决策系统中各模块的作用与上述方法类实施例中各步骤的操作流程是一一对应的,实现的效果也是一致的,具体参见上述实施例,本发明实施例中对此不再赘述。
图4示例了一种电子设备的实体结构示意图,如图4所示,该电子设备可以包括:处理器(processor)410、通信接口(CommunicationsInterface)420、存储器(memory)430和通信总线440,其中,处理器410,通信接口420,存储器430通过通信总线440完成相互间的通信。处理器410可以调用存储器430中的逻辑指令,以执行上述各实施例提供的基于多因子边缘计算的山岳景区登山决策方法,该方法包括:获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;若判断获知第一降水量不为空,则基于环境温度确定降水相态,并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数。
此外,上述的存储器430中的逻辑指令可以通过软件功能单元的形式实现并作为独立的产品销售或使用时,可以存储在一个计算机可读取存储介质中。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的部分可以以软件产品的形式体现出来,该计算机软件产品存储在一个存储介质中,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行本发明各个实施例方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,RandomAccessMemory)、磁碟或者光盘等各种可以存储程序代码的介质。
另一方面,本发明还提供一种计算机程序产品,计算机程序产品包括存储在非暂态计算机可读存储介质上的计算机程序,计算机程序包括程序指令,当程序指令被计算机执行时,计算机能够执行上述各实施例提供的基于多因子边缘计算的山岳景区登山决策方法,该方法包括:获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;若判断获知第一降水量不为空,则基于环境温度确定降水相态,并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数。
又一方面,本发明还提供一种非暂态计算机可读存储介质,其上存储有计算机程序,该计算机程序被处理器执行时实现以执行上述各实施例提供的基于多因子边缘计算的山岳景区登山决策方法,该方法包括:获取目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;若判断获知第一降水量不为空,则基于环境温度确定降水相态,并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态和登山指数。
以上所描述的装置实施例仅仅是示意性的,其中作为分离部件说明的单元可以是或者也可以不是物理上分开的,作为单元显示的部件可以是或者也可以不是物理单元,即可以位于一个地方,或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性的劳动的情况下,即可以理解并实施。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件。基于这样的理解,上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品可以存储在计算机可读存储介质中,如ROM/RAM、磁碟、光盘等,包括若干指令用以使得一台计算机设备(可以是个人计算机,服务器,或者网络设备等)执行各个实施例或者实施例的某些部分的方法。
最后应说明的是:以上实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种基于多因子边缘计算的山岳景区登山决策方法,其特征在于,包括:
步骤11,在被监测路段区域设置m个信息采集综合体,信息采集综合体采集目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;其中,信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器;信息采集综合体将采集到的目标路面的路面信息、位置信息传送到云数据中心,提出计算请求;
步骤12,云数据中心获取采集的数据,并加载到待分配计算任务矩阵,计算每个任务与每一个边缘计算中心的拟合度,将计算任务分配给拟合度最大的边缘计算中心;
步骤13,边缘计算中心接收计算任务进行计算,并判断确定目标路面状态,输出与目标路面状态对应的山岳景区登山指数;
步骤14,根据路面材质引入修正系数,计算得出修正后的山岳景区登山指数;
其中,步骤12具体包括:
云数据中心获取信息采集综合体传输的数据,并加载到待分配计算任务矩阵 Ds(a, x,y, Z)中;其中,s表示待分配计算任务编号,a表示信息采集综合体编号,x表示信息采集综合体位置横坐标,y表示信息采集综合体位置纵坐标,Z表示信息采集综合体传输的路面信息;
云数据中心计算待分配计算任务矩阵Ds(a, x, y, Z)中每个任务与n个边缘计算中心中的每一个边缘计算中心的拟合度H:
其中,xi表示第i个边缘计算中心位置横坐标,yi表示第i个边缘计算中心位置纵坐标;Fi表示第i个边缘计算中心负载均衡度,获取第i个边缘计算中心剩余计算能力作为负载均衡度;Li表示第i个边缘计算中心等待计算任务排队长度;
将计算任务分配给拟合度H最大的边缘计算中心;
其中,步骤14具体包括:对目标路面的材质进行判断,根据路面材质引入修正系数,通过将山岳景区登山指数与修正系数相乘,从而对山岳景区登山指数进行修正和细分;
其中,对目标路面的材质进行判断,具体包括:步骤141,向目标路面发射信号并接收反射信号,通过一个或多个一维卷积层提取反射信号的一维特征向量;步骤142,将一维特征向量作为输入,在具有一个或多个层的人工神经网络中估计每种材质类型的概率值,根据每个材质类型的估计概率值确定材质类型。
2.根据权利要求1所述的基于多因子边缘计算的山岳景区登山决策方法,其特征在于,步骤13具体为:
若边缘计算中心判断获知第一降水量为空,则基于第二降水量、积雪深度以及路面温度,确定目标路面的路面状态;
若边缘计算中心判断获知第一降水量不为空,则基于环境温度确定降水相态,并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态;
在确定目标路面状态之后,根据预先设置的目标路面状态对应的山岳景区登山指数映射关系确定登山指数,决策当前时间段是否适宜登山。
3.根据权利要求1所述的基于多因子边缘计算的山岳景区登山决策方法,其特征在于,步骤13包括:
若边缘计算中心判断获知第一降水量为空,则基于第二降水量、积雪深度以及路面温度,确定路面状态;
若边缘计算中心判断获知第二降水量为空且积雪深度为空,则确定路面状态为干燥路面;否则,基于路面温度,确定路面状态,或基于路面温度以及第二降水量,确定路面状态。
4.根据权利要求3所述的基于多因子边缘计算的山岳景区登山决策方法,其特征在于,基于路面温度,确定路面状态,具体包括:
若边缘计算中心判断获知第二降水量为空、积雪深度不为空且路面温度大于等于第一路面温度阈值,则确定路面状态为雨雪路面;
若边缘计算中心判断获知第二降水量为空、积雪深度不为空且路面温度小于等于第二路面温度阈值,则确定路面状态为冰雪路面;
若边缘计算中心判断获知第二降水量为空、积雪深度不为空、路面温度大于第二路面温度阈值且小于第一路面温度阈值,则确定路面状态为厚雪路面。
5.一种基于多因子边缘计算的山岳景区登山决策系统,其特征在于,包括:
信息采集综合体,用于采集目标路面的路面温度、目标路面的环境温度以及目标路面的积雪深度,并分别获取目标路面在临近当前时刻的第一预设时间段内的第一降水量以及目标路面在临近当前时刻的第二预设时间段内的第二降水量;其中,信息采集综合体包含温度传感器、湿度传感器、积水高度测量传感器、积雪深度测量传感器、风速监测传感器、位置传感器;信息采集综合体将采集到的目标路面的路面信息、位置信息传送到云数据中心,提出计算请求;
云数据中心,用于获取采集的数据,并加载到待分配计算任务矩阵,计算每个任务与每一个边缘计算中心的拟合度,将计算任务分配给拟合度最大的边缘计算中心;
边缘计算中心,用于接收计算任务进行计算,并判断确定目标路面状态,输出与目标路面状态对应的山岳景区登山指数;
修正模块,用于根据路面材质引入修正系数,计算得出修正后的山岳景区登山指数;
其中,云数据中心具体用于:
获取信息采集综合体传输的数据,并加载到待分配计算任务矩阵Ds(a, x, y, Z)中;其中,s表示待分配计算任务编号,a表示信息采集综合体编号,x表示信息采集综合体位置横坐标,y表示信息采集综合体位置纵坐标,Z表示信息采集综合体传输的路面信息;
云数据中心计算待分配计算任务矩阵Ds(a, x, y, Z)中每个任务与n个边缘计算中心中的每一个边缘计算中心的拟合度H:
其中,xi表示第i个边缘计算中心位置横坐标,yi表示第i个边缘计算中心位置纵坐标;Fi表示第i个边缘计算中心负载均衡度,获取第i个边缘计算中心剩余计算能力作为负载均衡度;Li表示第i个边缘计算中心等待计算任务排队长度;
将计算任务分配给拟合度H最大的边缘计算中心;
其中,修正模块具体用于:对目标路面的材质进行判断,根据路面材质引入修正系数,通过将山岳景区登山指数与修正系数相乘,从而对山岳景区登山指数进行修正和细分;
其中,修正模块具体包括:信号收发模块,用于向目标路面发射信号并接收反射信号,通过一个或多个一维卷积层提取反射信号的一维特征向量;估算模块,用于将一维特征向量作为输入,在具有一个或多个层的人工神经网络中估计每种材质类型的概率值,根据每个材质类型的估计概率值确定材质类型。
6.根据权利要求5所述的基于多因子边缘计算的山岳景区登山决策系统,其特征在于,边缘计算中心具体用于:
若边缘计算中心判断获知第一降水量为空,则基于第二降水量、积雪深度以及路面温度,确定目标路面的路面状态;
若边缘计算中心判断获知第一降水量不为空,则基于环境温度确定降水相态,并基于第一降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态,或基于第一降水量、第二降水量、降水相态、积雪深度以及路面温度,确定目标路面的路面状态;
在确定目标路面状态之后,根据预先设置的目标路面状态对应的山岳景区登山指数映射关系确定登山指数,决策当前时间段是否适宜登山。
7.一种电子设备,其特征在于,电子设备包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序,处理器执行计算机程序时实现如权利要求1-4任一所述基于多因子边缘计算的山岳景区登山决策方法的步骤。
8.一种非暂态计算机可读存储介质,其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1-4任一所述基于多因子边缘计算的山岳景区登山决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210216909.5A CN114327914B (zh) | 2022-03-07 | 2022-03-07 | 基于多因子边缘计算的山岳景区登山决策方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210216909.5A CN114327914B (zh) | 2022-03-07 | 2022-03-07 | 基于多因子边缘计算的山岳景区登山决策方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114327914A CN114327914A (zh) | 2022-04-12 |
CN114327914B true CN114327914B (zh) | 2022-05-06 |
Family
ID=81030268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210216909.5A Active CN114327914B (zh) | 2022-03-07 | 2022-03-07 | 基于多因子边缘计算的山岳景区登山决策方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114327914B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013173911A1 (en) * | 2012-05-23 | 2013-11-28 | Omer Raqib | Road surface condition classification method and system |
CN112749010A (zh) * | 2020-12-31 | 2021-05-04 | 中南大学 | 融合推荐系统的边缘计算任务分配方法 |
CN113129549A (zh) * | 2019-12-31 | 2021-07-16 | 北京四维智联科技有限公司 | 一种道路结冰预测方法及系统 |
WO2021230670A1 (ko) * | 2020-05-13 | 2021-11-18 | 에스케이플래닛 주식회사 | 노면 상태 탐지 장치 및 시스템, 이를 이용한 노면 상태 탐지 방법 |
CN113917564A (zh) * | 2021-08-13 | 2022-01-11 | 江西方兴科技有限公司 | 多参数分析遥感式路面气象状况检测仪及检测方法 |
-
2022
- 2022-03-07 CN CN202210216909.5A patent/CN114327914B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2013173911A1 (en) * | 2012-05-23 | 2013-11-28 | Omer Raqib | Road surface condition classification method and system |
CN113129549A (zh) * | 2019-12-31 | 2021-07-16 | 北京四维智联科技有限公司 | 一种道路结冰预测方法及系统 |
WO2021230670A1 (ko) * | 2020-05-13 | 2021-11-18 | 에스케이플래닛 주식회사 | 노면 상태 탐지 장치 및 시스템, 이를 이용한 노면 상태 탐지 방법 |
CN112749010A (zh) * | 2020-12-31 | 2021-05-04 | 中南大学 | 融合推荐系统的边缘计算任务分配方法 |
CN113917564A (zh) * | 2021-08-13 | 2022-01-11 | 江西方兴科技有限公司 | 多参数分析遥感式路面气象状况检测仪及检测方法 |
Non-Patent Citations (1)
Title |
---|
陕西省高速公路路面温度特征及预报模型;张曦等;《干旱气象》;20191231(第06期);第1028-1034页 * |
Also Published As
Publication number | Publication date |
---|---|
CN114327914A (zh) | 2022-04-12 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526708B (zh) | 一种基于机器学习的气象强对流天气的智能预警分析方法 | |
US8818029B1 (en) | Weather forecasting systems and methods | |
Beyrich et al. | Results from one-year continuous operation of a large aperture scintillometer over a heterogeneous land surface | |
Sharma | Integrating terrain and vegetation indices for identifying potential soil erosion risk area | |
US20160097679A1 (en) | Method for estimating land surface termperature lapse rate using infrared image | |
Moreno et al. | Effects of sample and grid size on the accuracy and stability of regression‐based snow interpolation methods | |
KR102173797B1 (ko) | 도로 노면 상태 예측 방법 및 시스템 | |
JP6689396B2 (ja) | 気象予測装置、気象予測方法、およびプログラム | |
Udnæs et al. | Improving runoff modelling using satellite-derived snow covered area? | |
CN110738187A (zh) | 一种基于Google Earth Engine的湖泊面积动态变化快速遥感估算方法 | |
EP3951439B1 (en) | Advection fog forecasting system and forecasting method | |
Sokol et al. | Nowcasting of precipitation–advective statistical forecast model (SAM) for the Czech Republic | |
JP2003021687A (ja) | 狭域天気予報方法、狭域天気予報配信方法、商品販売促進方法、天気予報装置及び天気予報情報提供システム | |
CN114327914B (zh) | 基于多因子边缘计算的山岳景区登山决策方法及系统 | |
Pedersen et al. | Measurements from a cold climate site in Canada: Boundary conditions and verification methods for CFD icing models for wind turbines | |
CN114868043B (zh) | 估计路面温度的方法、装置、系统和计算机程序产品 | |
JP3851641B2 (ja) | 降雨量予測方法及び降雨量予測プログラム | |
CN114155700B (zh) | 路面湿滑状态监测方法及系统 | |
Sokol et al. | Nowcasting of hailstorms simulated by the NWP model COSMO for the area of the Czech Republic | |
CN111914933A (zh) | 降雪检测方法、装置、计算机设备和可读存储介质 | |
JP6941484B2 (ja) | 雨量予測装置 | |
CN114283344A (zh) | 一种森林生态水文过程自动实时监测方法及系统 | |
CN114545529B (zh) | 一种基于高频格点化雨量探测方法、系统、介质及设备 | |
CN117146888B (zh) | 一种基于数据分析处理的山洪动态预警方法及系统 | |
JP2006030139A (ja) | 路面状態予測システム、路面状態予測方法及び路面状態予測プログラム |
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 |