CN116740935A - 一种高速公路环境预测方法、装置、设备及存储介质 - Google Patents
一种高速公路环境预测方法、装置、设备及存储介质 Download PDFInfo
- Publication number
- CN116740935A CN116740935A CN202310761405.6A CN202310761405A CN116740935A CN 116740935 A CN116740935 A CN 116740935A CN 202310761405 A CN202310761405 A CN 202310761405A CN 116740935 A CN116740935 A CN 116740935A
- Authority
- CN
- China
- Prior art keywords
- state
- road pile
- coefficient
- pile
- road
- 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
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000007613 environmental effect Effects 0.000 claims abstract description 100
- 238000009825 accumulation Methods 0.000 claims description 51
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 37
- 230000002159 abnormal effect Effects 0.000 claims description 34
- 238000012544 monitoring process Methods 0.000 claims description 24
- 238000004364 calculation method Methods 0.000 claims description 8
- 238000004590 computer program Methods 0.000 claims description 3
- 238000007789 sealing Methods 0.000 abstract description 16
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012545 processing Methods 0.000 description 9
- 206010039203 Road traffic accident Diseases 0.000 description 8
- 238000004891 communication Methods 0.000 description 8
- 238000010586 diagram Methods 0.000 description 8
- 230000006870 function Effects 0.000 description 8
- 238000010276 construction Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000003287 optical effect Effects 0.000 description 3
- 239000002699 waste material Substances 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 230000008014 freezing Effects 0.000 description 2
- 238000007710 freezing Methods 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 230000006978 adaptation Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008901 benefit Effects 0.000 description 1
- 230000000903 blocking effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000001771 impaired effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000009877 rendering Methods 0.000 description 1
Classifications
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01W—METEOROLOGY
- G01W1/00—Meteorology
- G01W1/10—Devices for predicting weather conditions
-
- 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
- G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
- G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
-
- 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
- Environmental & Geological Engineering (AREA)
- Analytical Chemistry (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Chemical & Material Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Engineering & Computer Science (AREA)
- Atmospheric Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Ecology (AREA)
- Environmental Sciences (AREA)
- Traffic Control Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请提供一种高速公路环境预测方法和装置，方法包括：获取当前时刻高速公路预设范围内的气象雷达数据；计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；高速公路存在普通路桩和特殊路桩；获取各特殊路桩发送的环境信息；结合环境信息和总和数据，得到各特殊路桩所在位置在预设时长后的第一环境状态；根据第一环境状态，得到普通路桩所在位置在预设时长后的第二环境状态；结合各第一环境状态和各所述第二环境状态，得到高速公路预设范围在预设时长后的环境状态。本申请具有的技术效果是：对高速公路的环境进行精准预测，从而进行精准封路，减少高速公路运营单位和行驶人员的经济损失。
Description
技术领域
本申请涉及环境监测技术领域，具体涉及一种高速公路环境预测方法和装置。
背景技术
高速公路的建设是国家现代化建设的重要组成部分，高速公路连接了各地，缩短了地域间的距离，方便了货物和人员的流动，提高了经济效益；因此，大力发展高速公路对于促进经济发展、改善交通状况、提高人民生活水平都具有重要意义。
但是随着高速公路的大力建设，经常出现因为高速公路上环境的突然变化，导致执勤交警管控不及时或不全面的情况出现。目前，当高速公路局部出现恶劣天气时，为了避免发生交通事故，各地高速公路执勤交警会加长高速公路管控距离，并延时解封；这就导致通行效率被影响，从而对高速公路运营单位和驾驶人员造成损失。
因此，亟需一种高速公路环境预测方法和装置，用于对高速公路的环境进行精准预测，从而进行精准封路，减少高速公路运营单位和行驶人员的经济损失。
发明内容
本申请提供一种高速公路环境预测方法和装置，用于对高速公路的环境进行精准预测，从而进行精准封路，减少高速公路运营单位和行驶人员的经济损失。
第一方面，本申请提供了一种高速公路环境预测方法，应用于计算机设备，所述方法包括：获取当前时刻高速公路预设范围内的气象雷达数据；根据所述气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；其中，所述高速公路存在多个路桩，所述多个路桩包括普通路桩和特殊路桩，所述特殊路桩为设有环境监测站点的路桩；获取各所述特殊路桩发送的环境信息；结合所述环境信息和所述总和数据，得到各所述特殊路桩所在位置在所述预设时长后的第一环境状态；根据各所述特殊路桩所在位置在所述预设时长后的第一环境状态，得到各所述特殊路桩相邻的普通路桩所在位置在所述预设时长后的第二环境状态；结合各所述第一环境状态和各所述第二环境状态，得到所述高速公路预设范围在所述预设时长后的环境状态。
通过采用上述技术方案，通过获取当前时刻高速公路预设范围内的气象雷达数据，从而预测高速公路预设时长后的气象雷达数据；由于整条高速公路上存在多个路桩，根据气象雷达数据，可以得到各个路桩所在位置的气象雷达数据，实现对高速公路的环境进行精准预测；然后结合温度信息从而能够确定各个路桩所在位置的环境信息，根据各个路桩所处位置的环境信息，进行精准封路，尽量避免误封路或多封路给高速公路运营单位和行使人员带来经济损失的情况出现，大幅降低高速公路因突发异常天气环境引发的重大人员伤亡的交通事故。
可选的，所述预设时长包括多个第一预设时长，所述根据所述气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据，包括：根据所述气象雷达数据，预测所述多个第一预设时长内的所述各个路桩所在位置的气象雷达数据，得到多个数据；将所述各个路桩所在位置的所述多个数据相加，得到总数据，所述总数据为所述总和数据。
通过采用上述技术方案，将预设时长划分为多个第一预设时长，分别预测多个第一预设时长后的各个路桩所在位置的气象雷达数据，得到多个数据，再将所有数据相加，从而得到总和数据。综上所述，将预设时长进行划分，得到多个预设数据，将多个数据进行相加，使得最终预测的环境信息结果更加准确，从而进行精准封路，尽量避免误封路或多封路给高速公路运营单位和行使人员带来经济损失的情况出现。
可选的，所述结合所述环境信息和所述总和数据，得到各所述特殊路桩所在位置在所述预设时长后的第一环境状态，包括：根据所述总和数据，得到所述预设时长后所述特殊路桩所在位置的天气状态；获取所述环境信息，所述环境信息包括温度值；若所述温度值处于第一预设区间且所述天气状态为异常状态，则判定所述特殊路桩所在位置在所述预设时长后的所述第一环境状态为结冰状态，其中，第一预设区间小于第二预设区间和第三预设区间，所述第二预设区间小于第三预设区间；若所述温度值处于所述第二预设区间且所述天气状态为异常状态，则判定所述特殊路桩所在位置在所述预设时长后的所述第一环境状态为降雪状态；若所述温度值处于所述第三预设区间且所述天气状态为异常状态，则判定所述特殊路桩所在位置在所述预设时长后的所述第一环境状态为降雨状态。
通过采用上述技术方案，根据温度信息和环境信息可以准确判断出预设时长后整条高速公路的环境状态；环境状态为正常状态和异常状态，而异常状态包括降雨、降雪及结冰，若判断出预设时长后环境状态为异常状态，则可以根据预设时长后的异常状态提前做出防范，从而避免交通事故的发生，以及减少高速运营单位和行使人员的经济损失。
可选的，所述普通路桩相邻位置均存在一个所述特殊路桩，所述根据各所述特殊路桩所在位置在所述预设时长后的第一环境状态，得到各所述特殊路桩相邻的普通路桩所在位置在所述预设时长后的第二环境状态，包括：根据所述总和数据，得到所述预设时长后所述普通路桩所在位置的天气状态；获取所述特殊路桩所在位置的温度值，得到第一温度值；根据所述第一温度值，得到第二温度值，所述第二温度值为所述特殊路桩相邻位置的所述普通路桩所在位置的温度值；若所述第二温度值处于所述第一预设区间且所述天气状态为异常状态，则判定所述普通路桩所在位置在所述预设时长后的所述第二环境状态为所述结冰状态；若所述第二温度值处于所述第二预设区间且所述天气状态为异常状态，则判定所述普通路桩所在位置在所述预设时长后的所述第二环境状态为所述降雪状态；若所述第二温度值处于所述第三预设区间且所述天气状态为异常状态，则判定所述普通路桩所在位置在所述预设时长后的所述第二环境状态为所述降雨状态。
通过采用上述技术方案，由于高速公路存在多个路桩，若对所有路桩设置环境监测站点，则会导致造成资源浪费；若仅对部分路桩设置环境监测站点，则不能准确预测整条高速公路的环境状态，而将路桩划分为普通路桩和特殊路桩，普通路桩可以使用相邻特殊路桩监测到的环境状态，然后结合总和数据，可以实现对普通路桩所处位置的天气情况进行预测，在设置最少的环境监测站点的前提下也能准确预测普通路桩所在位置的环境状态，合理利用资源，尽量避免资源浪费的情况出现；若天气情况为降雨、降雪及结冰中的任意一种或多种，则可以提前做出防范，从而避免交通事故的发生，以及减少高速运营单位和行使人员的经济损失。
可选的，所述方法还包括：若所述第一环境状态为所述结冰状态，则根据所述总和数据，得到结冰原因；若所述结冰原因为所述雨雪原因，则通过第一公式：Fn＝Bn/Zn计算动态结冰系数；其中，Fn为第n个特殊路桩所在位置的动态结冰厚度系数；Bn为第n个特殊路桩所在位置的结冰厚度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；若所述第一环境状态为所述降雪状态，则通过第二公式：Hn＝Xn/Zn计算动态积雪系数；其中，Hn为第n个特殊路桩所在位置的动态积雪系数；Xn为第n个特殊路桩所在位置的积雪深度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；若所述第一环境状态为所述降雨状态，则通过第三公式：Sn＝Ln/Zn计算动态积水系数；其中，Sn为第n个特殊路桩所在位置的动态积水系数；Ln为第n个特殊路桩所在位置的积水深度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；根据所述动态结冰系数计算相邻的所述普通路桩所在位置的结冰厚度、根据所述动态积雪系数计算相邻的所述普通路桩所在位置的积雪厚度、根据所述动态积水系数计算相邻的所述普通路桩所在位置的积水深度。
通过采用上述技术方案，根据特殊路桩检测到的实际情况，可以得到动态结冰系数、动态积雪系数及动态积水系数，通过特殊路桩检测到的动态结冰系数、动态积雪系数及动态积水系数可以对应计算出普通路桩所处位置的结冰厚度、积雪深度及积水深度，根据预设时长后的异常状态提前做出防范，从而避免交通事故的发生，以及减少高速运营单位和行使人员的经济损失。
可选的，根据所述动态结冰系数计算相邻的所述普通路桩所在位置的结冰厚度、根据所述动态积雪系数计算相邻的所述普通路桩所在位置的积雪厚度、根据所述动态积水系数计算相邻的所述普通路桩所在位置的积水深度，包括：获取所述特殊路桩所在位置的所述动态结冰系数，得到第一系数，所述第一系数为所述特殊路桩相邻的所述普通路桩所在位置的动态结冰系数；结合所述第一系数和所述普通路桩所在位置的所述总和数据，得到所述普通路桩所在位置的所述结冰厚度；获取所述特殊路桩所在位置的所述动态积雪系数，得到第二系数，所述第二系数为所述特殊路桩相邻的所述普通路桩所在位置的动态积雪系数；结合所述第二系数和所述普通路桩所在位置的所述总和数据，得到所述普通路桩所在位置的所述积雪厚度；获取所述特殊路桩所在位置的所述动态积水系数，得到第三系数，所述第三系数为所述特殊路桩相邻的所述普通路桩所在位置的动态积水系数；结合所述第三系数和所述普通路桩所在位置的所述总和数据，得到所述普通路桩所在位置的所述积雪厚度。
通过采用上述技术方案，通过特殊路桩检测到的动态结冰系数、动态积雪系数及动态积水系数可以对应计算出普通路桩所处位置的结冰厚度、积雪深度及积水深度，对整条高速公路预设时长后的环境状态进行精准预测，从而进行精准封路，尽量避免交通事故的发生，以及减少高速运营单位和行使人员的经济损失。
可选的，所述结合各所述第一环境状态和各所述第二环境状态，得到所述高速公路预设范围在所述预设时长后的环境状态之后，还包括：判断各所述第一环境状态是否需要符合预设标准，得到第一判断结果；判断各所述第二环境状态是否符合所述预设标准，得到第二判断结果；结合所述第一判断结果和所述第二判断结果，制定封锁计划。
通过采用上述技术方案，通过第一环境状态和第二环境状态可以精准预测整条高速公路预设时长后的环境状态，从而根据环境状态对高速公路制定封锁计划，从而进行精准封路，尽量避免交通事故的发生，以及减少高速运营单位和行使人员的经济损失。
第二方面，本申请提供一种高速公路环境预测装置，所述装置包括：获取模块、计算模块、结合模块及输出模块；其中，所述获取模块用于获取当前时刻高速公路预设范围内的气象雷达数据；所述获取模块还用于获取各所述特殊路桩发送的环境信息；所述计算模块用于根据所述气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；其中，所述高速公路存在多个路桩，所述多个路桩包括普通路桩和特殊路桩，所述特殊路桩为设有环境监测站点的路桩；所述结合模块用于结合所述环境信息和所述总和数据，得到各所述特殊路桩所在位置在所述预设时长后的第一环境状态；所述结合模块还用于结合各所述第一环境状态和各所述第二环境状态，得到所述高速公路预设范围在所述预设时长后的环境状态；所述输出模块用于根据各所述特殊路桩所在位置在所述预设时长后的第一环境状态，得到各所述特殊路桩相邻的普通路桩所在位置在所述预设时长后的第二环境状态。
通过采用上述技术方案，通过获取当前时刻高速公路预设范围内的气象雷达数据，从而预测高速公路预设时长后的气象雷达数据；由于整条高速公路上存在多个路桩，根据气象雷达数据，可以得到各个路桩所在位置的气象雷达数据，实现对高速公路的环境进行精准预测；然后结合温度信息从而能够确定各个路桩所在位置的环境信息，根据各个路桩所在位置的环境信息，进行精准封路，尽量避免误封路或多封路给高速公路运营单位和行使人员带来经济损失的情况出现。
第三方面，本申请提供一种电子设备，采用如下技术方案：包括处理器、存储器、用户接口及网络接口，所述存储器用于存储指令，所述用户接口和网络接口用于给其他设备通信，所述处理器用于执行所述存储器中存储的指令，以使所述电子设备执行如上述任一种高速公路环境预测方法的计算机程序。
第四方面，本申请提供一种计算机可读存储介质，采用如下技术方案：存储有能够被处理器加载并执行上述任一种高速公路环境预测方法的计算机程序。
综上所述，本申请包括以下至少一种有益技术效果：
1.根据各个路桩所在位置的环境信息，进行精准封路，尽量避免误封路或多封路给高速公路运营单位和行使人员带来经济损失的情况出现，大幅降低高速公路因突发异常天气环境引发的重大人员伤亡的交通事故；
2.在设置最少的环境监测站点的前提下也能准确预测普通路桩所在位置的环境状态，合理利用资源，尽量避免资源浪费的情况出现。
附图说明
图1是本申请实施例提供的一种处理流程示意图；
图2是本申请实施例提供的一种高速公路环境预测方法的流程示意图；
图3是本申请实施例提供的一种高速公路桩号及建站示意图；
图4是本申请实施例提供的一种高速公路环境预测装置的结构示意图；
图5是本申请实施例提供的一种电子设备的结构示意图。
附图标记说明：1、获取模块；2、计算模块；3、结合模块；4、输出模块；1000、电子设备；1001、处理器；1002、通信总线；1003、用户接口；1004、网络接口；1005、存储器。
具体实施方式
为了使本技术领域的人员更好地理解本说明书中的技术方案，下面将结合本说明书实施例中的附图，对本说明书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申请一部分实施例，而不是全部的实施例。
在本申请实施例的描述中，“示性的”、“例如”或者“举例来说”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示性的”、“例如”或者“举例来说”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示性的”、“例如”或者“举例来说”等词旨在以具体方式呈现相关概念。
图1是本申请实施例提供的一种处理流程示意图。如图所示，整个方案的处理流程可以理解为，通过气象大数据和高速公路沿线监测的气象数据，可以得到当前整个高速公路的环境情况。一般来说，高速公路上存在多个路桩，从高速公路的起点开始，每隔一段距离设置一个路桩，例如武广高速K105，表示武广高速从武汉开始的105公里处。在得到整个高速公路的环境情况之后，由于一条高速公路可能横跨多个省份，为了更加精确的得到高速公路上每段路程的环境情况，可以获取各个路桩所在位置的环境信息，从而精准的获取到整条高速公路当前的环境状态，然后根据当前环境状态预测预设时长后的环境状态，预设时长可以为半小时；在得到预测结果后将预测结果发送给交警指挥调度平台和高速公路运营监控平台，若预设时长后的高度公路的部分路段存在异常，则交警指挥调度平台发送异常信息给执勤交警；高速公路运营平台将异常信息发送给高速公路运营人员；以使执勤交警和高速公路运行人员进行提前封控。
图2是本申请实施例提供的一种高速公路环境预测方法的流程示意图。应该理解的是，虽然图2的流程图中的各个步骤按照箭头的指示依次显示，但是这些步骤并不是必然按照箭头指示的顺序依次执行；除非本文中有明确的说明，这些步骤的执行并没有严格的顺序限制，这些步骤可以以其它的顺序执行；并且图2中的至少一部分步骤可以包括多个子步骤或者多个阶段，这些子步骤或者阶段并不必然是在同一时刻执行完成，而是可以在不同的时刻执行，这些子步骤或者阶段的执行顺序也不必然是依次进行，而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
本申请公开了一种高速公路环境预测方法，如图1所示，该方法包括S101-S106。
步骤S101，获取当前时刻高速公路预设范围内的气象雷达数据。
在一个示例中，气象数据可以通过天气预报或者一些气象设备来获取；在本申请中为了使获取到的气象数据更加准确，采用光流法技术，光流法技术是一种基于图像处理的计算机视觉技术，可用于估算图像序列中物体运动的速度和方向。它的基本原理是，通过对连续的图像帧进行比较，计算出像素在时间上的位移量，从而得出物体的运动速度和方向。将雷达数据进行预处理，去除掉多普勒频移和地物回波等杂波干扰，提取出目标区域的雷达数据，将两帧相邻的雷达图像进行比较，通过计算像素点之间的运动位移，得到光流场，即雷达图像中物体的运动速度和方向。通过采用上述方法，可以得到当前时刻高速公路预设范围内的气象雷达数据，这里的预设范围不宜过大，也不宜过小，一般预设范围可以为50公里，因此可以获取到当前高速公路沿线50公里内的气象雷达数据。
预设时长包括多个第一预设时长，根据气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据，包括：根据气象雷达数据，预测多个第一预设时长内的各个路桩所在位置的气象雷达数据，得到多个数据；将各个路桩所在位置的多个数据相加，得到总数据，总数据为总和数据。
在一个示例中，每个路桩所在位置都对应一个气象雷达数据，图3为例，可以直接得到Kn+2和Kn+3的气象雷达数据。由于需要根据当前时刻的气象雷达数据预测预设时长后的气象雷达数据，为了便于准确计算，可以先预测六分钟以后的雷达数据，再依次预测十二分钟后、十八分钟后、二十四分钟后三十分钟后这五个气象雷达数据，并将五个数据相加，得到总数据，总数据即为总和数据。
步骤S102，根据气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；其中，高速公路存在多个路桩，多个路桩包括普通路桩和特殊路桩，特殊路桩为设有环境监测站点的路桩。
在一个示例中，如图3所示，图3是本申请实施例提供的一种高速公路桩号及建站示意图。以图3为例，图中共有7个路桩，当然，实际情况中路桩的个数主要根据高速公路的长度而定，一般来说每隔一公里设置一个路桩。在得到预设范围内的气象雷达数据之后，可以预测整条高速公路预设时长后的环境状态，这里的环境状态可以理解为预设时长后天气是否正常、是否存在雨雪或者结冰等，预设时长也不宜过长或过短，一般为半小时。如图3，图中的降雨降雪云团可以理解为当前时刻高速公路预设范围内的气象雷达数据，根据云团的移动方向，可以预测半小时后各个路桩所在位置的气象雷达数据。气象雷达每隔六分钟完成一次扫描，产出1km*1km网格数据，即雷达回波值，雷达回波值即为雷达回波数据，回波值一般在0～100DBZ之间，0代表晴天，值越大表示雨(雪)越大，一定范围内的值用一个1km*1km颜色框表示，拼成一张颜色图，称之为雷达图，颜色越深表示雨雪越大。每个路桩所在位置都对应一个气象雷达数据，由于当前预设时长为半小时，并且气象雷达每隔六分钟完成一次扫描，所以总共需要预测五次气象雷达数据，得到五次预测气象雷达数据，将五次预测气象雷达数据相加，得到总和数据，进而可以通过当前时刻高速公路预设范围内的气象雷达数据预测半小时后的高速公路各个路桩所在位置的气象雷达数据。而这里定义的路桩可以理解为，如图3所示，设有气象环境监测站点的路桩为特殊路桩，没有设有气象环境监测站点的路桩为普通路桩，环境监测站点可以用于检测降雨、温度、湿度、积水深度、冰、雪深度等多个环境参数。
步骤S103，获取各特殊路桩发送的环境信息。
在一个示例中，为了准确获取高速公路不同位置的不同环境信息，环境信息可以为降雨、温度、湿度、降雪等，并且为了便于节省资源，在部分路桩安装气象环境监测站点，如图3所示，分别在Kn、Kn+3、Kn+6位置安装气象环境监测站点；气象环境监测站点将监测到的环境信息实时同步到计算机设备。
步骤S104，结合环境信息和总和数据，得到各特殊路桩所在位置在预设时长后的第一环境状态。
在一个示例中，在本实施例中，环境信息可以为温度；这里为了便于叙述，以图3中的Kn+3处的路桩为例，先通过获取当前Kn+3处的气象雷达数据，得到预设时长后Kn+3处的环境状态，从而判断预设时长后Kn+3处的环境为正常状态还是异常状态，这里的正常状态或异常状态则为第一环境状态；若预设时长后Kn+3处的环境为正常状态，则无需采取任何行动；若预设时长后Kn+3处的环境为异常状态，则获取Kn+3处的气象环境监测站点发送的温度信息，若温度小于0摄氏度则预测Kn+3处预设时长后会结冰；若温度大于等于0摄氏度且小于2摄氏度则Kn+3处预设时长后会降雪；若温度大于或等于2摄氏度，则Kn+3处预设时长后会降雨。
结合环境信息和总和数据，得到各特殊路桩所在位置在预设时长后的第一环境状态，包括：根据总和数据，得到预设时长后特殊路桩所在位置的天气状态；获取环境信息，环境信息包括温度值；若温度值处于第一预设区间且天气状态为异常状态，则判定特殊路桩所在位置在预设时长后的第一环境状态为结冰状态，其中，第一预设区间小于第二预设区间和第三预设区间，第二预设区间小于第三预设区间；若温度值处于第二预设区间且天气状态为异常状态，则判定特殊路桩所在位置在预设时长后的第一环境状态为降雪状态；若温度值处于第三预设区间且天气状态为异常状态，则判定特殊路桩所在位置在预设时长后的第一环境状态为降雨状态。
在一个示例中，这里的第一预设区间可以为0摄氏度以下；第二预设区间为大于等于0摄氏度且小于2摄氏度；第三预设区间为大于或等于2摄氏度；然后结合各个特殊路桩的气象环境监测站点发送的温度值和各个特殊路桩所处位置的气象雷达数据，得到预设时长环境状态为正常状态或者降雪、降雨及结冰中的一种或多种环境状态。
所述方法还包括：若第一环境状态为结冰状态，则根据总和数据，得到结冰原因；若结冰原因为雨雪原因，则通过第一公式：Fn＝Bn/Zn计算动态结冰系数；其中，Fn为第n个特殊路桩所在位置的动态结冰厚度系数；Bn为第n个特殊路桩所在位置的结冰厚度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；若第一环境状态为降雪状态，则通过第二公式：Hn＝Xn/Zn计算动态积雪系数；其中，Hn为第n个特殊路桩所在位置的动态积雪系数；Xn为第n个特殊路桩所在位置的积雪深度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；若第一环境状态为降雨状态，则通过第三公式：Sn＝Ln/Zn计算动态积水系数；其中，Sn为第n个特殊路桩所在位置的动态积水系数；Ln为第n个特殊路桩所在位置的积水深度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；根据动态结冰系数计算相邻的普通路桩所在位置的结冰厚度、根据动态积雪系数计算相邻的普通路桩所在位置的积雪厚度、根据动态积水系数计算相邻的普通路桩所在位置的积水深度。
在一个示例中，由于特殊路桩设有气象环境监测站点，因此可以直接预测预设时长后的特殊路桩所处位置的环境状态，例如，是否下雨和积水深度、是否下雪和积雪厚度、是否结冰和结冰厚度等。这里以下雨和积水深度为例，以图3中的Kn+3为例，当通过当前气象雷达数据预测到预设时长后的天气状态为下雨，因此，计算机设备会根据Kn+3处的排水系统和预测的预设时长后的气象雷达数据(即预测的下雨量)而计算出预设时长后Kn+3处的积水量，并通过积水量和气象雷达数据的总和Zn得到Kn+3处动态积水系数Sn，这里的动态积水系数Sn则可以用于预测Kn+2和Kn+4处的积水量，特殊路桩处设的气象环境监测站点所监测到的环境信息和计算出的一些值均可以用于相邻的普通路桩。同理，这里的积雪量和结冰厚度均可参照本实施例所提供的方法获得，在此不再进行过多赘述。最终可以采用本实施例所提供的方法得到任意一个特殊路桩所处位置的动态结冰厚度系数Fn、动态积雪系数Hn及动态积水系数Sn。
需要说明的是，对于计算结冰厚度或者是否结冰还可以采用湿度，当任意路桩所处位置的湿度大于90％，且路面的积水深度大于0.1mm和所处位置的温度小于0摄氏度时，则可以判断未来30分钟该路桩所处位置会结冰。
根据根据动态结冰系数计算相邻的普通路桩所在位置的结冰厚度、根据动态积雪系数计算相邻的普通路桩所在位置的积雪厚度、根据动态积水系数计算相邻的普通路桩所在位置的积水深度，包括：获取特殊路桩所在位置的动态结冰系数，得到第一系数，第一系数为特殊路桩相邻的普通路桩所在位置的动态结冰系数；结合第一系数和普通路桩所在位置的总和数据，得到普通路桩所在位置的结冰厚度；获取特殊路桩所在位置的动态积雪系数，得到第二系数，第二系数为特殊路桩相邻的普通路桩所在位置的动态积雪系数；结合第二系数和普通路桩所在位置的总和数据，得到普通路桩所在位置的积雪厚度；获取特殊路桩所在位置的动态积水系数，得到第三系数，第三系数为特殊路桩相邻的普通路桩所在位置的动态积水系数；结合第三系数和普通路桩所在位置的总和数据，得到普通路桩所在位置的积雪厚度。
在一个示例中，根据上述实施例得到的特殊路桩的动态积雪系数、动态积水系数及动态结冰系数可以计算出普通路桩所处位置的积雪厚度、积水深度及结冰厚度。这里以积水为例来举例说明，如图3中的Kn+2为普通路桩，要计算该路桩所处位置在预设时长后的积水深度可以先获取相邻的特殊路桩Kn+3处的动态积水系数，特殊路桩Kn+3处的动态积水系数即为Kn+2的动态积水系数，根据动态积水系数和公式Ln+2＝Sn+3*Zn+2，计算出Kn+2所处位置的积水深度，这里的Zn+2为桩号Kn+2所处位置的未来30分钟的雷达数据总和，进而可以得到30分钟后的积水深度。同理，积雪深度和结冰厚度均可以通过本实施例提供的方法计算，在此不在进行过多赘述。
步骤S105，根据各特殊路桩所在位置在预设时长后的第一环境状态，得到各特殊路桩相邻的普通路桩所在位置在预设时长后的第二环境状态。
在一个示例中，如图3所示，在得到Kn、Kn+3、Kn+6三个位置在预设时长后的第一环境状态之后，可以通过Kn、Kn+3、Kn+6三个位置在预设时长后的第一环境状态直接得到剩余路桩所处位置的环境状态，这里以Kn+2为例，计算普通路桩在预设时长后的环境状态，普通路桩所处位置的环境状态计算方式和特殊路桩相似，唯一不同的是普通路桩未设置气象环境监测站点，所以这里普通路桩所处位置的环境信息可以参考相邻的特殊路桩，这里Kn+2就可以参考Kn+3的温度信息；同理，若预设时长后Kn+2处的环境为异常状态，则获取Kn+3处的气象环境监测站点发送的温度信息，若温度小于0摄氏度则预测Kn+2处预设时长后会结冰；若温度大于等于0摄氏度且小于2摄氏度则Kn+2处预设时长后会降雪；若温度大于等于2摄氏度，则Kn+2处预设时长后会降雨。
普通路桩相邻位置均存在一个特殊路桩，根据各特殊路桩所在位置在预设时长后的第一环境状态，得到各特殊路桩相邻的普通路桩所在位置在预设时长后的第二环境状态，包括：根据总和数据，得到预设时长后普通路桩所在位置的天气状态；获取特殊路桩所在位置的温度值，得到第一温度值；根据第一温度值，得到第二温度值，第二温度值为特殊路桩相邻位置的普通路桩所在位置的温度值；若第二温度值处于第一预设区间且天气状态为异常状态，则判定普通路桩所在位置在预设时长后的第二环境状态为结冰状态；若第二温度值处于第二预设区间且天气状态为异常状态，则判定普通路桩所在位置在预设时长后的第二环境状态为所述降雪状态；若第二温度值处于第三预设区间且天气状态为异常状态，则判定普通路桩所在位置在预设时长后的第二环境状态为降雨状态。
在一个示例中，在得到各特殊路桩所处位置的第一环境状态后，可以得到各普通路桩所处位置的第二环境状态，根据特殊路桩所处位置的温度信息可以得到各普通路桩所处位置的温度值，从而得到各普通路桩所处位置的环境状态，环境状态包括正常状态和异常状态，异常状态包括降雨、降雪及结冰等，在此不再进行过多赘述。
步骤S106，结合各第一环境状态和各第二环境状态，得到高速公路预设范围在预设时长后的环境状态。
在一个示例中，在得到普通路桩和特殊路桩在预设时长后的环境状态之后，结合各个路桩在预设时长后的环境状态，可以得到整条高速公路的在预设时长后的环境状态，从而进行精准封控。
结合各第一环境状态和各第二环境状态，得到高速公路预设范围在预设时长后的环境状态之后，还包括：判断各第一环境状态是否符合预设标准，得到第一判断结果；判断各第二环境状态是否符合预设标准，得到第二判断结果；结合第一判断结果和第二判断结果，制定封锁计划。
在一个实例中，得到所有路桩的环境状态后，若存在路桩在预设时长后的环境状态不符合设定要求，即第一判断标准和/或第二判断标准不符合预设要求，这里的预设要求可以根据实际情况进行设定；获取不符合预设要求的路桩所处的位置，制定一个封锁计划进行封锁相关高速公路出入口。这里需要说明的是，并不是对所有情况都需要进行封锁，例如，虽然当前存在一个路桩所处位置存在积水量超标，但是同时该路桩也存在排水系统，并且该路桩所处位置与高速公路出入口也存在一定距离，计算出车辆的平均速度，得到当前车辆到达该路桩位置时需要花费的时间，当车辆从当前位置到达该路桩位置时，该路桩所处位置通过排水系统将积水量降到允许测量安全通行的量，这种情况下便不需要进行封控，这里的积雪和结冰也是同样的，在此不再进行过多赘述。
基于上述方法，本申请还公开了一种高速公路环境预测装置，如图4所示，图4是本申请实施例提供一种高速公路环境预测装置的结构示意图。
一种高速公路环境预测装置，包括：获取模块1、计算模块2、结合模块3及输出模块4；其中，获取模块1用于获取当前时刻高速公路预设范围内的气象雷达数据；获取模块1还用于获取各特殊路桩发送的环境信息；计算模块2用于根据气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；其中，高速公路存在多个路桩，多个路桩包括普通路桩和特殊路桩，特殊路桩为设有环境监测站点的路桩；结合模块3用于结合环境信息和总和数据，得到各特殊路桩所在位置在预设时长后的第一环境状态；结合模块3还用于结合各第一环境状态和各第二环境状态，得到高速公路预设范围在预设时长后的环境状态；输出模块4用于根据各特殊路桩所在位置在预设时长后的第一环境状态，得到各特殊路桩相邻的普通路桩所在位置在预设时长后的第二环境状态。
需要说明的是：上述实施例提供的装置在实现其功能时，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将设备的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。另外，上述实施例提供的装置和方法实施例属于同一构思，其具体实现过程详见方法实施例，这里不再赘述。
请参见图5，为本申请实施例提供了一种电子设备的结构示意图。如图5所示，所述电子设备1000可以包括：至少一个处理器1001，至少一个网络接口1004，用户接口1003，存储器1005，至少一个通信总线1002。
其中，通信总线1002用于实现这些组件之间的连接通信。
其中，用户接口1003可以包括显示屏(Display)、摄像头(Camera)，可选用户接口1003还可以包括标准的有线接口、无线接口。
其中，网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。
其中，处理器1001可以包括一个或者多个处理核心。处理器1001利用各种接口和线路连接整个服务器内的各个部分，通过运行或执行存储在存储器1005内的指令、程序、代码集或指令集，以及调用存储在存储器1005内的数据，执行服务器的各种功能和处理数据。可选的，处理器1001可以采用数字信号处理(Digital Signal Processing，DSP)、现场可编程门阵列(Field-Programmable Gate Array，FPGA)、可编程逻辑阵列(ProgrammableLogic Array，PLA)中的至少一种硬件形式来实现。处理器1001可集成中央处理器(CentralProcessing Unit，CPU)、图像处理器(Graphics Processing Unit，GPU)和调制解调器等中的一种或几种的组合。其中，CPU主要处理操作系统、用户界面和应用程序等；GPU用于负责显示屏所需要显示的内容的渲染和绘制；调制解调器用于处理无线通信。可以理解的是，上述调制解调器也可以不集成到处理器1001中，单独通过一块芯片进行实现。
其中，存储器1005可以包括随机存储器(Random Access Memory，RAM)，也可以包括只读存储器(Read-Only Memory)。可选的，该存储器1005包括非瞬时性计算机可读介质(non-transitory computer-readable storage medium)。存储器1005可用于存储指令、程序、代码、代码集或指令集。存储器1005可包括存储程序区和存储数据区，其中，存储程序区可存储用于实现操作系统的指令、用于至少一个功能的指令(比如触控功能、声音播放功能、图像播放功能等)、用于实现上述各个方法实施例的指令等；存储数据区可存储上面各个方法实施例中涉及的数据等。存储器1005可选的还可以是至少一个位于远离前述处理器1001的存储装置。如图5所示，作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及一种高速公路环境预测方法的应用程序。
在图5所示的电子设备1000中，用户接口1003主要用于为用户提供输入的接口，获取用户输入的数据；而处理器1001可以用于调用存储器1005中存储一种高速公路环境预测方法的应用程序，当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。
一种电子设备可读存储介质，所述电子设备可读存储介质存储有指令。当由一个或多个处理器执行时，使得电子设备执行如上述实施例中一个或多个所述的方法。
需要说明的是，对于前述的各方法实施例，为了简单描述，故将其都表述为一系列的动作组合，但是本领域技术人员应该知悉，本申请并不受所描述的动作顺序的限制，因为依据本申请，某些步骤可以采用其他顺序或者同时进行。其次，本领域技术人员也应该知悉，说明书中所描述的实施例均属于优选实施例，所涉及的动作和模块并不一定是本申请所必需的。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述的部分，可以参见其他实施例的相关描述。
在本申请所提供的几个实施例中，应该理解到，所披露的装置，可通过其他的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如所述单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些服务接口，装置或单元的间接耦合或通信连接，可以是电性或其他的形式。
所述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单元来实现本实施例方案的目的。
另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。
所述集成的单元如果以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器中。基于这样的理解，本申请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全部或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器中，包括若干指令用以使得一台计算机设备(可为个人计算机、服务器或者网络设备等)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储器包括：U盘、移动硬盘、磁碟或者光盘等各种可以存储程序代码的介质。
以上所述者，仅为本公开的示例性实施例，不能以此限定本公开的范围。即但凡依本公开教导所作的等效变化与修饰，皆仍属本公开涵盖的范围内。本领域技术人员在考虑说明书及实践这里的公开后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未记载的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的范围和精神由权利要求限定。
Claims (10)
1.一种高速公路环境预测方法，其特征在于，应用于计算机设备，所述方法包括：
获取当前时刻高速公路预设范围内的气象雷达数据；
根据所述气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；其中，所述高速公路存在多个路桩，所述多个路桩包括普通路桩和特殊路桩，所述特殊路桩为设有环境监测站点的路桩；
获取各所述特殊路桩发送的环境信息；
结合所述环境信息和所述总和数据，得到各所述特殊路桩所在位置在所述预设时长后的第一环境状态；
根据各所述特殊路桩所在位置在所述预设时长后的第一环境状态，得到各所述特殊路桩相邻的普通路桩所在位置在所述预设时长后的第二环境状态；
结合各所述第一环境状态和各所述第二环境状态，得到所述高速公路预设范围在所述预设时长后的环境状态。
2.根据权利要求1所述的一种高速公路环境预测方法，其特征在于，所述预设时长包括多个第一预设时长，所述根据所述气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据，包括：
根据所述气象雷达数据，预测所述多个第一预设时长内的所述各个路桩所在位置的气象雷达数据，得到多个数据；
将所述各个路桩所在位置的所述多个数据相加，得到总数据，所述总数据为所述总和数据。
3.根据权利要求1所述的一种高速公路环境预测方法，其特征在于，所述结合所述环境信息和所述总和数据，得到各所述特殊路桩所在位置在所述预设时长后的第一环境状态，包括：根据所述总和数据，得到所述预设时长后所述特殊路桩所在位置的天气状态；
获取所述环境信息，所述环境信息包括温度值；
若所述温度值处于第一预设区间且所述天气状态为异常状态，则判定所述特殊路桩所在位置在所述预设时长后的所述第一环境状态为结冰状态，其中，第一预设区间小于第二预设区间和第三预设区间，所述第二预设区间小于所述第三预设区间；
若所述温度值处于所述第二预设区间且所述天气状态为异常状态，则判定所述特殊路桩所在位置在所述预设时长后的所述第一环境状态为降雪状态；
若所述温度值处于所述第三预设区间且所述天气状态为异常状态，则判定所述特殊路桩所在位置在所述预设时长后的所述第一环境状态为降雨状态。
4.根据权利要求3所述的一种高速公路环境预测方法，其特征在于，所述普通路桩相邻位置均存在一个所述特殊路桩，所述根据各所述特殊路桩所在位置在所述预设时长后的第一环境状态，得到各所述特殊路桩相邻的普通路桩所在位置在所述预设时长后的第二环境状态，包括：
根据所述总和数据，得到所述预设时长后所述普通路桩所在位置的天气状态；
获取所述特殊路桩所在位置的温度值，得到第一温度值；
根据所述第一温度值，得到第二温度值，所述第二温度值为所述特殊路桩相邻位置的所述普通路桩所在位置的温度值；
若所述第二温度值处于所述第一预设区间且所述天气状态为异常状态，则判定所述普通路桩所在位置在所述预设时长后的所述第二环境状态为所述结冰状态；
若所述第二温度值处于所述第二预设区间且所述天气状态为异常状态，则判定所述普通路桩所在位置在所述预设时长后的所述第二环境状态为所述降雪状态；
若所述第二温度值处于所述第三预设区间且所述天气状态为异常状态，则判定所述普通路桩所在位置在所述预设时长后的所述第二环境状态为所述降雨状态。
5.根据权利要求3所述的一种高速公路环境预测方法，其特征在于，所述方法还包括：
若所述第一环境状态为所述结冰状态，则根据所述总和数据，得到结冰原因；
若所述结冰原因为所述雨雪原因，则通过第一公式：Fn＝Bn/Zn计算动态结冰系数；
其中，Fn为第n个特殊路桩所在位置的动态结冰厚度系数；Bn为第n个特殊路桩所在位置的结冰厚度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；
若所述第一环境状态为所述降雪状态，则通过第二公式：Hn＝Xn/Zn计算动态积雪系数；其中，Hn为第n个特殊路桩所在位置的动态积雪系数；Xn为第n个特殊路桩所在位置的积雪深度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；
若所述第一环境状态为所述降雨状态，则通过第三公式：Sn＝Ln/Zn计算动态积水系数；
其中，Sn为第n个特殊路桩所在位置的动态积水系数；Ln为第n个特殊路桩所在位置的积水深度；Zn为第n个特殊路桩所在位置在预设时长之前的气象雷达数据的总和；
根据所述动态结冰系数计算相邻的所述普通路桩所在位置的结冰厚度、根据所述动态积雪系数计算相邻的所述普通路桩所在位置的积雪厚度、根据所述动态积水系数计算相邻的所述普通路桩所在位置的积水深度。
6.根据权利要求5所述的一种高速公路环境预测方法，其特征在于，根据所述动态结冰系数计算相邻的所述普通路桩所在位置的结冰厚度、根据所述动态积雪系数计算相邻的所述普通路桩所在位置的积雪厚度、根据所述动态积水系数计算相邻的所述普通路桩所在位置的积水深度，包括：
获取所述特殊路桩所在位置的所述动态结冰系数，得到第一系数，所述第一系数为所述特殊路桩相邻的所述普通路桩所在位置的动态结冰系数；结合所述第一系数和所述普通路桩所在位置的所述总和数据，得到所述普通路桩所在位置的所述结冰厚度；
获取所述特殊路桩所在位置的所述动态积雪系数，得到第二系数，所述第二系数为所述特殊路桩相邻的所述普通路桩所在位置的动态积雪系数；结合所述第二系数和所述普通路桩所在位置的所述总和数据，得到所述普通路桩所在位置的所述积雪厚度；
获取所述特殊路桩所在位置的所述动态积水系数，得到第三系数，所述第三系数为所述特殊路桩相邻的所述普通路桩所在位置的动态积水系数；结合所述第三系数和所述普通路桩所在位置的所述总和数据，得到所述普通路桩所在位置的所述积雪厚度。
7.根据权利要求1所述的一种高速公路环境预测方法，其特征在于，所述结合各所述第一环境状态和各所述第二环境状态，得到所述高速公路预设范围在所述预设时长后的环境状态之后，还包括：
判断各所述第一环境状态是否符合预设标准，得到第一判断结果；
判断各所述第二环境状态是否符合所述预设标准，得到第二判断结果；
结合所述第一判断结果和所述第二判断结果，制定封锁计划。
8.一种高速公路环境预测装置，其特征在于，所述装置包括：获取模块(1)、计算模块(2)、结合模块(3)及输出模块(4)；其中，
所述获取模块(1)用于获取当前时刻高速公路预设范围内的气象雷达数据；
所述获取模块(1)还用于获取各所述特殊路桩发送的环境信息；
所述计算模块(2)用于根据所述气象雷达数据，计算各个路桩所在位置在预设时长内的气象雷达数据的总和，得到总和数据；其中，所述高速公路存在多个路桩，所述多个路桩包括普通路桩和特殊路桩，所述特殊路桩为设有环境监测站点的路桩；
所述结合模块(3)用于结合所述环境信息和所述总和数据，得到各所述特殊路桩所在位置在所述预设时长后的第一环境状态；
所述结合模块(3)还用于结合各所述第一环境状态和各所述第二环境状态，得到所述高速公路预设范围在所述预设时长后的环境状态；
所述输出模块(4)用于根据各所述特殊路桩所在位置在所述预设时长后的第一环境状态，得到各所述特殊路桩相邻的普通路桩所在位置在所述预设时长后的第二环境状态。
9.一种电子设备，其特征在于，包括处理器(1001)、存储器(1005)、用户接口(1003)及网络接口(1004)，所述存储器(1005)用于存储指令，所述用户接口(1003)和网络接口(1004)用于给其他设备通信，所述处理器(1001)用于执行所述存储器中存储的指令，以使所述电子设备(1000)执行如权利要求1-7任意一项所述的方法。
10.一种计算机可读存储介质，其特征在于，存储有能够被处理器加载并执行如权利要求1-7任意一项所述的方法的计算机程序。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310761405.6A CN116740935B (zh) | 2023-06-26 | 2023-06-26 | 一种高速公路环境预测方法、装置、设备及存储介质 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202310761405.6A CN116740935B (zh) | 2023-06-26 | 2023-06-26 | 一种高速公路环境预测方法、装置、设备及存储介质 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN116740935A true CN116740935A (zh) | 2023-09-12 |
| CN116740935B CN116740935B (zh) | 2024-04-30 |
Family
ID=87904340
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202310761405.6A Active CN116740935B (zh) | 2023-06-26 | 2023-06-26 | 一种高速公路环境预测方法、装置、设备及存储介质 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN116740935B (zh) |
Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150241242A1 (en) * | 2014-02-21 | 2015-08-27 | Iteris, Inc. | Short-term travel-time prediction modeling augmented with radar-based precipitation predictions and scaling of same |
| KR20170131094A (ko) * | 2016-05-20 | 2017-11-29 | 길기순 | 주행 기상 멀티 센싱 장치 및 주행 기상정보 시스템 |
| CN107703564A (zh) * | 2017-10-13 | 2018-02-16 | 中国科学院深圳先进技术研究院 | 一种降雨预测方法、系统及电子设备 |
| KR101834275B1 (ko) * | 2017-11-08 | 2018-03-06 | 주식회사 크리에이티브솔루션 | 교통 안전정보 전파 시스템 및 방법 |
| CN211044510U (zh) * | 2019-07-22 | 2020-07-17 | 北京交通大学 | 高速公路路面积雪结冰监测预警系统 |
| CN111985080A (zh) * | 2020-07-15 | 2020-11-24 | 遵义同望智能科技有限公司 | 一种动态地综合判断路面结冰的方法 |
| CN112488477A (zh) * | 2020-11-23 | 2021-03-12 | 清华珠三角研究院 | 高速公路应急管理系统及方法 |
| CN112835131A (zh) * | 2021-01-22 | 2021-05-25 | 交通运输部公路科学研究所 | 一种高速公路结冰风险路段动态短临预警方法 |
| CN113706899A (zh) * | 2021-07-20 | 2021-11-26 | 山东高速集团有限公司创新研究院 | 一种基于高速公路桥面气象结冰预测的交通运行风险防控方法 |
| CN114966898A (zh) * | 2022-05-09 | 2022-08-30 | 广东省韶关市气象局 | 一种高速路段雨雪冰冻天气预警方法及系统 |
| CN114999113A (zh) * | 2022-05-18 | 2022-09-02 | 江西交通职业技术学院 | 一种高速公路路面结冰状态实时预测方法 |
| CN116184438A (zh) * | 2023-02-08 | 2023-05-30 | 山东正中信息技术股份有限公司 | 一种基于激光雷达识别恶劣天气的数据处理方法 |
| CN116189446A (zh) * | 2022-09-28 | 2023-05-30 | 四川省公路规划勘察设计研究院有限公司 | 一种山区公路冰雪天气全天候通行综合治理方法及系统 |
-
2023
- 2023-06-26 CN CN202310761405.6A patent/CN116740935B/zh active Active
Patent Citations (13)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20150241242A1 (en) * | 2014-02-21 | 2015-08-27 | Iteris, Inc. | Short-term travel-time prediction modeling augmented with radar-based precipitation predictions and scaling of same |
| KR20170131094A (ko) * | 2016-05-20 | 2017-11-29 | 길기순 | 주행 기상 멀티 센싱 장치 및 주행 기상정보 시스템 |
| CN107703564A (zh) * | 2017-10-13 | 2018-02-16 | 中国科学院深圳先进技术研究院 | 一种降雨预测方法、系统及电子设备 |
| KR101834275B1 (ko) * | 2017-11-08 | 2018-03-06 | 주식회사 크리에이티브솔루션 | 교통 안전정보 전파 시스템 및 방법 |
| CN211044510U (zh) * | 2019-07-22 | 2020-07-17 | 北京交通大学 | 高速公路路面积雪结冰监测预警系统 |
| CN111985080A (zh) * | 2020-07-15 | 2020-11-24 | 遵义同望智能科技有限公司 | 一种动态地综合判断路面结冰的方法 |
| CN112488477A (zh) * | 2020-11-23 | 2021-03-12 | 清华珠三角研究院 | 高速公路应急管理系统及方法 |
| CN112835131A (zh) * | 2021-01-22 | 2021-05-25 | 交通运输部公路科学研究所 | 一种高速公路结冰风险路段动态短临预警方法 |
| CN113706899A (zh) * | 2021-07-20 | 2021-11-26 | 山东高速集团有限公司创新研究院 | 一种基于高速公路桥面气象结冰预测的交通运行风险防控方法 |
| CN114966898A (zh) * | 2022-05-09 | 2022-08-30 | 广东省韶关市气象局 | 一种高速路段雨雪冰冻天气预警方法及系统 |
| CN114999113A (zh) * | 2022-05-18 | 2022-09-02 | 江西交通职业技术学院 | 一种高速公路路面结冰状态实时预测方法 |
| CN116189446A (zh) * | 2022-09-28 | 2023-05-30 | 四川省公路规划勘察设计研究院有限公司 | 一种山区公路冰雪天气全天候通行综合治理方法及系统 |
| CN116184438A (zh) * | 2023-02-08 | 2023-05-30 | 山东正中信息技术股份有限公司 | 一种基于激光雷达识别恶劣天气的数据处理方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN116740935B (zh) | 2024-04-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| US10636294B1 (en) | Computer system and method for state prediction of a traffic system | |
| US20140222321A1 (en) | Traffic state estimation with integration of traffic, weather, incident, pavement condition, and roadway operations data | |
| US8744822B2 (en) | Pavement condition analysis from modeling impact of traffic characteristics, weather data and road conditions on segments of a transportation network infrastructure | |
| CN111081020B (zh) | 一种基于云边结合的车载交通事故预警装置 | |
| CN110579823B (zh) | 一种强降雨短临预报方法及系统 | |
| US9207098B2 (en) | Short-term travel-time prediction modeling augmented with radar-based precipitation predictions and scaling of same | |
| CN108734357A (zh) | 气象预测系统及方法 | |
| CN105631115A (zh) | 输电线路精细化覆冰模型建立方法 | |
| CN105139603A (zh) | 一种城市积水智能监测预警系统 | |
| CN112488477A (zh) | 高速公路应急管理系统及方法 | |
| CN112434260A (zh) | 一种公路的交通状态检测方法、装置、存储介质及终端 | |
| CN116740935B (zh) | 一种高速公路环境预测方法、装置、设备及存储介质 | |
| CN109471205A (zh) | 一种基于网格化气象数据在电网运行中的监测预警方法 | |
| CN113821861A (zh) | 一种基于多元回归的路基路面压实质量测量方法和系统 | |
| CN109541725A (zh) | 一种基于gis的电网工程气象监测预警方法 | |
| CN116432956B (zh) | 一种基于客流量的公交车调配方法、系统、设备及介质 | |
| EP4081835B1 (en) | Methods, apparatuses, systems and computer program products for estimating road surface temperature | |
| CN115472007B (zh) | 一种车辆排队长度预测方法、装置、存储介质及终端 | |
| Wasiq et al. | Probabilistic pavement performance modeling using hybrid Markov Chain: a case study in Afghanistan | |
| CN117214979B (zh) | 一种相控阵雷达资料同化方法、装置及设备 | |
| CN117037547B (zh) | 一种航道关键节点的拥堵程度评价方法、系统及存储介质 | |
| KR20230046090A (ko) | 딥러닝 이용 결빙 예측 지역에 대한 교통 사고 위험도 실시간 예측 방법 및 시스템 | |
| Xu et al. | An adaptive signal control using connected-vehicle data | |
| Mi et al. | The Application of Artificial Intelligence in the Field of Transportation | |
| Wu et al. | Weather event characterization: a catalyst for improved spatial mapping and benefit quantification in winter road maintenance |
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 |