CN118038691A - 一种基于物联网的智能监控指挥系统 - Google Patents
一种基于物联网的智能监控指挥系统 Download PDFInfo
- Publication number
- CN118038691A CN118038691A CN202410441842.4A CN202410441842A CN118038691A CN 118038691 A CN118038691 A CN 118038691A CN 202410441842 A CN202410441842 A CN 202410441842A CN 118038691 A CN118038691 A CN 118038691A
- Authority
- CN
- China
- Prior art keywords
- road
- road section
- traffic
- sections
- section
- 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
- 238000012544 monitoring process Methods 0.000 title claims abstract description 68
- 238000001556 precipitation Methods 0.000 claims description 27
- 238000000034 method Methods 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 17
- 238000012806 monitoring device Methods 0.000 claims description 17
- 230000008569 process Effects 0.000 claims description 16
- 230000006698 induction Effects 0.000 claims description 7
- 238000004364 calculation method Methods 0.000 claims description 6
- 238000009434 installation Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 3
- 230000002159 abnormal effect Effects 0.000 description 20
- 238000012545 processing Methods 0.000 description 13
- 206010039203 Road traffic accident Diseases 0.000 description 6
- 230000015572 biosynthetic process Effects 0.000 description 4
- 230000005856 abnormality Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 3
- 239000000463 material Substances 0.000 description 3
- 230000009467 reduction Effects 0.000 description 3
- 238000009825 accumulation Methods 0.000 description 2
- 230000006399 behavior Effects 0.000 description 2
- 230000006866 deterioration Effects 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 230000010485 coping Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 239000013618 particulate matter Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000011946 reduction process Methods 0.000 description 1
- 239000011435 rock Substances 0.000 description 1
- 238000012876 topography Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
- G08G1/07—Controlling traffic signals
-
- 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
- G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
- G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
-
- 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
- G08G1/017—Detecting movement of traffic to be counted or controlled identifying vehicles
-
- 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
-
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
- H04L67/00—Network arrangements or protocols for supporting network services or applications
- H04L67/01—Protocols
- H04L67/12—Protocols specially adapted for proprietary or special-purpose networking environments, e.g. medical networks, sensor networks, networks in vehicles or remote metering networks
-
- 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
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Engineering & Computer Science (AREA)
- Health & Medical Sciences (AREA)
- Computing Systems (AREA)
- General Health & Medical Sciences (AREA)
- Medical Informatics (AREA)
- Computer Networks & Wireless Communication (AREA)
- Signal Processing (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明属于监控指挥技术领域,具体为一种基于物联网的智能监控指挥系统,本发明通过将高速公路进行路段划分,并由各路段上设置的监控设备进行气象信息、车流信息的实时监控,由此分析各路段的通行环境恶劣情况和通行路况拥堵情况,进而依据分析结果利用各路段上设置的指挥终端进行交通指挥,实现了高速公路上交通异常的及时识别与交通异常的及时处理,大大降低了交通异常进一步恶化的发生率,同时在依据各路段的通行环境恶劣情况和通行路况拥堵情况识别出交通异常路段时通过增加交通异常路段分布特点的获取,由此针对性选取需要高速出入口开封处理的路段,该选取方式更加合理,能够最大限度避免交通异常情况的进一步加剧。
Description
技术领域
本发明属于监控指挥技术领域,特别涉及高速公路监控指挥技术,具体为一种基于物联网的智能监控指挥系统。
背景技术
高速公路是车辆密度较高、行驶速度较快的道路,极易引发交通事故,特别是在恶劣天气下、通行路况拥堵时,通过监控指挥可以及时发现道路上的事故、堵塞、违法行为等异常情况,并迅速采取措施应对,减少事故发生的可能性,保护驾驶员和乘客的生命安全。
然而现有技术中高速公路的监控指挥通常是当出现交通异常时由交警到达现场进行监控指挥,但交警到达现场需要一定的时间,可能会延迟到达,在这段延迟期间,交通异常可能已经造成了严重的影响,导致交通事故或交通拥堵进一步恶化,再者交警的人力、物力资源有限,无法实现对高速公路全程的实时监控。
另外当通行天气较为恶劣、通行较为拥堵时常规指挥措施为封闭高速入口,开放高速出口引导车辆从高速出口进入其他道路,由于高速公路的里程通常较长,在进行高速出入口的开封处理时一般是按照道路段进行处理,而现有技术中大多只针对交通异常路段进行高速出入口的开封处理,这种方式没有考虑到交通异常路段的分布特点,特别是相邻交通异常路段中交通正常路段的间隔问题,由于交通正常路段未进行高速出入口的开封处理,容易在间隔交通正常路段时车辆大量涌入交通正常路段,使得该路段的交通负荷急剧增加,进而在一定程度上增加了原本交通正常路段转变成交通异常路段的发生率,同时由于交通正常路段是间隔在相邻交通异常路段之间,使得涌入交通正常路段的车辆必然会进入到交通异常路段,现有交通异常情况可能会进一步加剧,进而给交通指挥疏导带来更大的困难,不利于交通异常的及时处理。
发明内容
鉴于以上所述现有技术的缺点,本发明的目的在于提供一种基于物联网的智能监控指挥系统,有效解决了现有技术存在的问题。
本发明的目的可以通过以下技术方案实现:一种基于物联网的智能监控指挥系统,包括以下模块:高速公路路段划分模块,用于统计高速公路上安装的车流监控设备数量,并定位各车流监控设备的安装位置,由此将高速公路进行路段划分,得到若干路段,并将划分的各路段按照距离高速公路起点由近到远的顺序进行编号,同时定位各路段内存在的高速入口、高速出口位置。
控制终端设置模块,用于在各路段设置气象监测终端、车辆感应终端和指挥终端,其中指挥终端包括显示大屏和语音提示器。
气象环境监测模块,用于利用各路段内的气象监测设备实时对各路段高速公路进行气象环境监测,得到各路段高速公路的气象环境信息。
通行环境恶劣分析模块,用于基于各路段高速公路的气象环境信息分析各路段高速公路对应的通行环境恶劣情况。
通行智能指挥模块,用于依据各路段高速公路对应的通行环境恶劣情况进行智能指挥。
道路车流监控模块,用于利用各路段内的车流监控设备实时对各路段进行车流监控,得到各路段的道路车流信息,其中道路车流信息包括车辆分布密度和车辆通行速度。
通行路况拥堵分析模块,用于依据各路段的道路车流信息分析各路段高速公路对应的通行路况拥堵情况。
通行智能引导模块,用于依据各路段高速公路对应的通行路况拥堵情况进行智能引导。
在一种可替换的实施方式中,所述将高速公路进行路段划分的实施过程如下:基于各车流监控设备的安装位置获取各车流监控设备对应的道路覆盖区域。
从道路覆盖区域中提取起点线和终点线,其中起点线和终点线构成了路段,由此将高速公路划分成各路段。
在一种可替换的实施方式中,所述气象环境信息包括能见度、降水量、降雪覆盖厚度和降雪覆盖面积。
在一种可替换的实施方式中,所述各路段高速公路对应的通行环境恶劣情况分析如下:从各路段对应的道路覆盖区域中获取各路段的道路面积。
将各路段高速公路的气象环境信息结合道路面积导入分析式:得到各路段高速公路对应的通行环境恶劣度,式中表
示路段编号,,、、、分别表示第路段高速公路对应的能见度、降
水量、降雪覆盖厚度、降雪覆盖面积,表示第路段高速公路的长度,表示第路段的道
路面积,、分别表示第路段对应的适宜降水量阈值、适宜降雪覆盖厚度阈值,表
示自然常数,其中的获取过程如下:定位各路段高铁公路所属行政区域,并将其与各气
候类型对应的分布地区进行比对,得到各路段对应的气候类型。
将各路段对应的气候类型与各气候类型对应的降雨倾向因子和降雪倾向因子进行匹配,得到各路段对应的降雨倾向因子和降雪倾向因子。
从高速公路布局图中统计各路段对应的排水设施布设数量。
从高速公路的历史通行数据中提取各路段高速公路对应的常态交通流量。
将各路段对应的降雨倾向因子、排水设施布设数量和常态交通流量代入表达式:得到各路段对应的适宜降水量阈值,式中、、分别表示第路段对应的降雨倾向因子、排水设施布设数量、常态交通流量,表示
常规设定的降雨量阈值。
在一种可替换的实施方式中,所述的获取过程如下:基于各路段高速公路所属
行政区域获取各路段对应的海拔高度。
将各路段对应的降雪倾向因子、海拔高度和常态交通流量代入表达式:得到各路段对应的适宜降雪覆盖厚度阈值,
式中、分别表示第路段对应的降雪倾向因子、海拔高度,表示常规设定的降雪覆
盖厚度阈值。
在一种可替换的实施方式中,所述依据各路段高速公路对应的通行环境恶劣情况进行智能指挥参见下述过程:将各路段高速公路对应的通行环境恶劣度与系统设置的一级允许通行环境恶劣度进行对比,若某路段高速公路对应的通行环境恶劣度大于一级允许通行环境恶劣度,则将该路段记为高危路段,反之则将该路段记为非高危路段。
获取高速公路的行进方向,进而将高危路段按照高速公路行进方向进行排列,由此识别相邻高危路段之间是否间隔非高危路段,若相邻高危路段之间间隔非高危路段,则获取相邻高危路段中存在的所有路段均作为目标路段,若相邻高危路段之间不间隔非高危路段,则将相邻高危路段作为目标路段,并与交管中心联动执行目标路段的高速入口封闭和高速出口开放操作,与此同时利用车辆感应终端进行目标路段的车辆感应,若感应到车辆,则启动目标路段的语音提示器引导车辆进入高速出口。
在一种可替换的实施方式中,所述依据各路段高速公路对应的通行环境恶劣情况进行智能指挥还包括下述过程:将各路段高速公路对应的通行环境恶劣度与系统设置的二级允许通行环境恶劣度进行对比,若某路段高速公路对应的通行环境恶劣度大于二级允许通行环境恶劣度且小于或等于一级允许通行环境恶劣度,则将该路段记为风险路段。
利用车辆感应终端进行风险路段的车辆感应,若感应到车辆,则启动风险路段的语音提示器进行行驶降速提示。
在一种可替换的实施方式中,所述各路段的道路车流信息获取过程如下:利用各路段安装的交通监测设备实时采集各路段的交通状态图像,得到当前采集时刻中各路段的交通状态图像,进而从图像中统计通行车辆数量,并记录各通行车辆的车牌号,同时定位各通行车辆的行车位置。
将当前采集时刻中各路段的通行车辆数量除以相应路段的道路面积得到当前采集时刻中各路段的车辆分布密度。
将当前采集时刻与上一采集时刻出现的通行车辆进行对比,从中筛选出对比一致的通行车辆,作为当前采集时刻对应的参照通行车辆。
将当前采集时刻对应参照通行车辆的行车位置进行对比,得到参照通行车辆的行车距离,并结合相邻采集时刻的间隔时长计算得到当前采集时刻对应各通行车辆的移动速度。
将当前采集时刻对应各通行车辆的移动速度进行均值计算,得到当前采集时刻对应的车辆通行速度。
在一种可替换的实施方式中,所述各路段高速公路对应的通行路况拥堵情况分析
如下:获取当前采集时刻各路段对应的行驶限速值,进而将各路段的道路车流信息结合行
驶限速值导入分析式:得到各路段高速公路对
应的通行路况拥堵度,式中、分别表示第路段对应的车辆分布密度、车辆通行速
度,表示当前采集时刻第路段对应的行驶降速值。
在一种可替换的实施方式中,所述依据各路段高速公路对应的通行路况拥堵情况进行智能引导参见下述过程:将当前采集时刻各路段高速公路对应的通行路况拥堵度与系统预配的允许通行路况拥堵度进行对比,进而将通行路况拥堵度大于允许通行路况拥堵度的路段记为拥堵路段。
统计当前采集时刻识别到的拥堵路段数量,并获取各拥堵路段的编号,同时将各
拥堵路段按照编号由大到小的顺序进行排列,得到拥堵路段的排列结果,由此计算拥堵连
续指数,计算表达式为,式中、分别表示排列结果中排在第、位拥堵路段的编号,表示拥堵路段的排位编号,,表示拥堵路段
的排位总数量。
将拥堵连续指数与限定值进行对比,若拥堵连续指数大于限定值,则从拥堵路段的排列结果中提取排在未位和首位拥堵路段的编号,分别记为起始编号和结束编号,并取起始编号与结束编号之间所有的路段作为重点路段,反之若拥堵连续指数小于或等于限定值,则将拥堵路段作为重点路段,与此同时启动目标路段的语音提示器进行高速入口封闭和高速出口开放提示,进而与交管中心联动执行各重点路段的高速入口封闭和高速出口开放操作,并将采集的相应重点路段交通状态图像显示在该路段的显示大屏上。
相较于现有技术,本发明的有益效果如下:(1)本发明通过将高速公路进行路段划分,并由各路段上设置的监控设备进行气象环境信息、车流信息的实时监控,由此分析各路段的通行环境恶劣情况和通行路况拥堵情况,进而依据分析结果利用各路段上设置的指挥终端进行交通指挥,不仅实现了高速公路上交通异常的及时识别,也实现了交通异常的及时指挥处理,大大规避了由交警到达现场进行监控指挥造成的延迟滞后性,不仅降低了交通异常进一步恶化的发生率,还最大限度节约了监控指挥的人力物力资源。
(2)本发明在依据各路段的通行环境恶劣情况和通行路况拥堵情况识别出交通异常路段时通过增加交通异常路段分布特点的获取,由此针对性选取需要进行高速出入口开封处理的路段,相比现有技术中只对交通异常路段进行高速出入口开封处理,该选取方式更加合理且符合实际需求,能够最大限度避免交通异常情况的进一步加剧,从而为交通疏导提供了极大便利性,有利于提高交通异常的处理效率。
附图说明
为了更清楚地说明本发明实施例的技术方案,下面将对实施例描述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为本发明中系统各模块连接示意图。
图2为本发明中相邻高危路段之间间隔非高危路段的示意图。
附图标记:1——高危路段,2——非高危路段,3——高速公路行进方向。
具体实施方式
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。
本发明提出一种基于物联网的智能监控指挥系统,包括高速公路路段划分模块、控制终端设置模块、气象环境监测模块、通行环境恶劣分析模块、通行智能指挥模块、道路车流监控模块、通行路况拥堵分析模块和通行智能引导模块。
上述中高速公路路段划分模块分别与控制终端设置模块和道路车流监控模块连接,控制终端设置模块与气象环境监测模块连接,气象环境监测模块与通行环境恶劣分析模块连接,通行环境恶劣分析模块与通行智能指挥模块连接,道路车流监控模块与通行路况拥堵分析模块,通行路况拥堵分析模块与通行智能引导模块连接。
其中模块之间的连接关系参见图1所示。
所述高速公路路段划分模块用于统计高速公路上安装的车流监控设备数量,并定位各车流监控设备的安装位置,由此将高速公路进行路段划分,得到若干路段,并将划分的各路段按照距离高速公路起点由近到远的顺序进行编号,同时定位各路段内存在的高速入口、高速出口位置。
在上述方案的实施例中,车流监控设备具体为监控摄像仪。
在上述方案的进一步实施中,将高速公路进行路段划分的实施过程如下:基于各车流监控设备的安装位置获取各车流监控设备对应的道路覆盖区域。
需要知道的是,车流监控设备对应的道路覆盖区域即为车流监控设备的监控覆盖区域,通过依据车流监控设备的监控覆盖区域将高速公路进行路段划分,可以使划分的各路段能够处于相应车流监控设备的监控范围内,可以实现对高速公路各个路段的实时精细化监控。这样可以及时发现交通事故、拥堵、违规行为等情况,便于交通管理部门及时采取应对措施。
从道路覆盖区域中提取起点线和终点线,其中起点线和终点线构成了路段,由此将高速公路划分成各路段。
所述控制终端设置模块用于在各路段设置气象监测终端、车辆感应终端和指挥终端,所述气象监测终端可以包括红外测距仪、雨量计、微波雷达传感器和热红外设备,其中红外测距仪用于检测能见度,雨量计用于检测降雨量,微波雷达传感器用于检测降雪覆盖厚度,热红外设备用于检测降雪覆盖面积。所述车辆感应终端可以为声波传感器,用于感应车辆,特别是在恶劣天气下,声波传感器可以探测到车辆行驶时产生的声音,从而检测到车辆的存在。所述指挥终端包括显示大屏和语音提示器。
更具体地,红外测距仪对能见度的检测是通过红外测距仪发射红外光束,测量光束经过大气中颗粒物后的散射情况。能见度较好时,散射较弱;而在能见度较差时,散射会增强。通过测量散射强度的变化,可以估计能见度的变化。
微波雷达传感器对降雪覆盖厚度的检测是通过微波雷达传感器发射微波信号,并接收信号的反射。当微波信号穿过雪层并与地面接触时,一部分信号会被雪层表面反射,另一部分信号穿过雪层并与地面接触后被反射。通过分析接收到的反射信号强度和特征,微波雷达传感器可以估计雪层的厚度。一般来说,反射信号的强度与雪层的厚度呈反比关系:雪层越厚,反射信号越弱。通过对不同反射信号的强度进行分析,传感器可以推断出降雪覆盖的厚度。
热红外设备对降雪覆盖面积的检测是通过采集高速公路的热图像,当地表覆盖有雪时,雪会反射和吸收太阳辐射,并且通常会表现出比周围环境更高的表面温度,从而识别降雪覆盖面积。
本发明通过将高速公路进行路段划分,并由各路段上设置的监控设备进行气象环境信息、车流信息的实时监控,由此分析各路段的通行环境恶劣情况和通行路况拥堵情况,进而依据分析结果利用各路段上设置的指挥终端进行交通指挥,不仅实现了高速公路上交通异常的及时识别,也实现了交通异常的及时指挥处理,大大规避了由交警到达现场进行监控指挥造成的延迟滞后性,不仅降低了交通异常进一步恶化的发生率,还最大限度节约了监控指挥的人力物力资源。
所述气象环境监测模块用于利用各路段内的气象监测设备实时对各路段高速公路进行气象环境监测,得到各路段高速公路的气象环境信息,其中气象环境信息包括能见度、降水量、降雪覆盖厚度和降雪覆盖面积。
需要补充的是,考虑到高速公路引发通行异常最常见的原因即为通行环境恶劣和通行拥堵,而本发明对各路段气象环境的监测是为了反映各路段的通行环境恶劣情况,其中能见度、降水量、降雪覆盖厚度和降雪覆盖面积是衡量高速公路通行环境是否恶劣的重要指标,因为它们直接影响了驾驶条件和道路状况,从而影响了交通安全和通行效率,具体体现在能见度是指能够清晰看到前方物体的程度,在能见度低的情况下,驾驶员的视野受到限制,可能导致无法及时发现前方的障碍物、车辆或行人,增加了交通事故的风险。因此,能见度低通常被认为是交通环境恶劣的一个重要指标。
降水量反映了降水的强度和持续时间,大雨或暴雨可能导致道路积水,降低车辆的抓地力,增加打滑和失控的风险。此外,降水量较大还可能导致山体滑坡、泥石流等自然灾害,对道路安全构成威胁。
在寒冷地区或冬季季节,降雪覆盖厚度和面积的增加会导致路面结冰或积雪,降低了道路的抓地力,增加了车辆行驶的危险性。此外,大范围的降雪覆盖可能导致道路封闭、交通拥堵或交通事故增加,对交通通行效率造成影响。
所述通行环境恶劣分析模块用于基于各路段高速公路的气象环境信息分析各路段高速公路对应的通行环境恶劣情况,具体分析如下:从各路段对应的道路覆盖区域中提取道路覆盖区域的轮廓,由此得到各路段的道路面积。
将各路段高速公路的气象环境信息结合道路面积导入分析式:得到各路段高速公路对应的通行环境恶劣度,
式中表示路段编号,,、、、分别表示第路段高速公路对应的能
见度、降水量、降雪覆盖厚度、降雪覆盖面积,表示第路段高速公路的长度,表示第路
段的道路面积,、分别表示第路段对应的适宜降水量阈值、适宜降雪覆盖厚度阈
值,表示自然常数,从式中可以看出能见度越小、降水量越大、降雪覆盖厚度越打、降雪覆
盖面积越大,通行环境恶劣度越大。
上述式中的获取过程如下:定位各路段高铁公路所属行政区域,并将其与各气
候类型对应的分布地区进行比对,得到各路段对应的气候类型,示例性地,气候类型包括亚
热带季风气候、热带草原气候、热带季风气候等。
将各路段对应的气候类型与各气候类型对应的降雨倾向因子和降雪倾向因子进行匹配,得到各路段对应的降雨倾向因子和降雪倾向因子。
需要理解的是,不同气候类型的形成主要受大气环流系统的影响,这些大气环流系统会影响水汽输送和降水形成的机制,从而决定了不同气候类型的降雨倾向和降雪倾向。
在进一步的实施中,各气候类型对应的降雨倾向因子和降雪倾向因子获取方式为:首先从各气象类型对应分布地区的气象部门收集各地区的年平均降水量和年平均降雪量。
将各气象类型对应分布地区中各地区的年平均降水量和年平均降雪量进行聚类对比,得到各气象类型对应的年倾向降雨量和年倾向降雪量。
将各气象类型对应的年倾向降雨量、年倾向降雪量除以所有气象类型对应的年倾向降雨量、年倾向降雪量总和,得到各气象类型对应的降雨倾向因子和降雪倾向因子。
从高速公路布局图中统计各路段对应的排水设施布设数量。
从高速公路的历史通行数据中提取各路段高速公路对应的历史平均交通流量,作为常态交通流量。
将各路段对应的降雨倾向因子、排水设施布设数量和常态交通流量代入表达式:得到各路段对应的适宜降水量阈值,式中、、分别表示第路段对应的降雨倾向因子、排水设施布设数量、常态交通流量,表示
常规设定的降雨量阈值,正常来说,一个路段的排水设施布设数量不会为0。
需要补充的是,在设定各路段对应的适宜降水量阈值时不是统一设定,而是考虑到降雨量阈值的设定通常与地区气候特征、地形和排水系统、交通流量有关,具体为第一、不同气候类型的降雨特征存在差异,例如,热带地区可能经常出现短时强降雨,而温带地区则可能更常见持续性小雨,因而当路段所处地区经常出现降雨时需要设定较低的降雨量阈值;第二、在排水系统不完善的地区即使是较小的降雨量也可能导致积水和洪涝,因此对于排水系统不完善的道路需要设置较低的降雨量阈值;第三、在道路的交通流量较高时降雨可能会增加道路的湿滑程度,增加交通事故的风险,因而为了确保交通安全,可能会设置较低的降雨量阈值以便及时采取预防措施或限制交通。
由此可见降雨量阈值的设定是一个综合考虑地区气候特征、排水系统、交通情况等多方面因素的过程,另外当高速公路里程较长时,每个路段的里程也可能较长,这就可能存在每个路段对应的地区气候特征、排水系统、交通流量存在差异,这就需要对每个路段针对性设定降雨量阈值,这样可以根据具体情况进行定制化的管理和控制,确保降雨量阈值更加准确和适用,而统一设定降雨量阈值可能导致一些路段被过度限制,而其他路段可能没有得到足够的保护。
再更一步地实施中,的获取过程如下:基于各路段高速公路所属行政区域获取
各路段对应的海拔高度。
将各路段对应的降雪倾向因子、海拔高度和常态交通流量代入表达式:得到各路段对应的适宜降雪覆盖厚度阈值,
式中、分别表示第路段对应的降雪倾向因子、海拔高度,表示常规设定的降雪覆
盖厚度阈值。
需要补充的是,在设定各路段对应的适宜降雪覆盖厚度阈值时可以同理参见上述适宜降雨量阈值设定,具体地冰雪覆盖厚度阈值的设定通常与气候条件、海拔高度和交通状况有关,其中气候条件对冰雪覆盖厚度阈值设定的影响在于在不同地区的气候条件对积雪和冰冻形成具有直接影响,在寒冷地区,降雪量大、气温低,积雪和冰冻的形成速度较快,因此可能需要更低的阈值来确保交通安全。
海拔高度对冰雪覆盖厚度阈值设定的影响在于在山区或海拔较高的地区,由于气温较低,积雪和结冰的风险较高,因此可能需要设置较低的阈值。
交通流量对冰雪覆盖厚度阈值设定的影响在于:道路上的交通流量也会影响冰雪覆盖厚度阈值的设定。交通流量较大的道路需要更低的阈值,因为更多的车辆通行可能会加剧路面积雪的压实,增加路面结冰的风险。
所述通行智能指挥模块用于依据各路段高速公路对应的通行环境恶劣情况进行智能指挥,具体参见下述过程:将各路段高速公路对应的通行环境恶劣度与系统设置的一级允许通行环境恶劣度进行对比,若某路段高速公路对应的通行环境恶劣度大于一级允许通行环境恶劣度,则将该路段记为高危路段,反之则将该路段记为非高危路段。
获取高速公路的行进方向,进而将高危路段按照高速公路行进方向进行排列,由此识别相邻高危路段之间是否间隔非高危路段,若相邻高危路段之间间隔非高危路段,参见图2所示,则获取相邻高危路段中存在的所有路段均作为目标路段,若相邻高危路段之间不间隔非高危路段,则将相邻高危路段作为目标路段,并与交管中心联动执行目标路段的高速入口封闭和高速出口开放操作,与此同时利用车辆感应终端进行目标路段的车辆感应,若感应到车辆,则启动目标路段的语音提示器引导车辆进入高速出口。
需要补充的是,各路段设置有联动控制器能够与交管中心联动,向交管中心传达信息。
将各路段高速公路对应的通行环境恶劣度与系统设置的二级允许通行环境恶劣度进行对比,若某路段高速公路对应的通行环境恶劣度大于二级允许通行环境恶劣度且小于或等于一级允许通行环境恶劣度,则将该路段记为风险路段。其中一级允许通行环境恶劣度>二级允许通行环境恶劣度。
利用车辆感应终端进行风险路段的车辆感应,若感应到车辆,则启动风险路段的语音提示器进行行驶降速提示。这里的行驶降速是指低于正常状态下高速公路的限速值,示例性地,正常状态下高速公路的限速值为120km/h,当通行环境恶劣时可以进行行驶降速。
所述道路车流监控模块用于利用各路段内的车流监控设备实时对各路段进行车流监控,得到各路段的道路车流信息,其中道路车流信息包括车辆分布密度和车辆通行速度。
在一个优选实施方式中,道路车流信息获取过程如下:利用各路段安装的交通监测设备实时采集各路段的交通状态图像,得到当前采集时刻中各路段的交通状态图像,进而从图像中统计通行车辆数量,并记录各通行车辆的车牌号,同时定位各通行车辆的行车位置。
将当前采集时刻中各路段的通行车辆数量除以相应路段的道路面积得到当前采集时刻中各路段的车辆分布密度。
将当前采集时刻与上一采集时刻出现的通行车辆进行对比,从中筛选出对比一致的通行车辆,作为当前采集时刻对应的参照通行车辆。
将当前采集时刻对应参照通行车辆的行车位置进行对比,得到参照通行车辆的行车距离,并结合相邻采集时刻的间隔时长计算得到当前采集时刻对应各通行车辆的移动速度。
将当前采集时刻对应各通行车辆的移动速度进行均值计算,得到当前采集时刻对应的车辆通行速度。
所述通行路况拥堵分析模块用于依据各路段的道路车流信息分析各路段高速公
路对应的通行路况拥堵情况,具体分析如下:获取当前采集时刻各路段对应的行驶限速值,
进而将各路段的道路车流信息结合行驶降速值导入分析式得到各路段高速公路对应的通行路况拥堵度,式中、分别表示第路段对应的车辆分布密度、车辆通行速度,表示当前采集时
刻第路段对应的行驶降速值。
需要说明的是,上述提到的行驶限速值具体为当路段未出现通行环境恶劣时行驶限速值即为正常状态下高速公路的限速值,当路段出现通行环境恶劣时行驶限速值即为行驶降速处理的限速值。
所述通行智能引导模块用于依据各路段高速公路对应的通行路况拥堵情况进行智能引导,具体实施过程为:将当前采集时刻各路段高速公路对应的通行路况拥堵度与系统预配的允许通行路况拥堵度进行对比,示例性地,允许通行路况拥堵度可以配置为0.4,进而将通行路况拥堵度大于允许通行路况拥堵度的路段记为拥堵路段。
统计当前采集时刻识别到的拥堵路段数量,并获取各拥堵路段的编号,同时将各
拥堵路段按照编号由大到小的顺序进行排列,得到拥堵路段的排列结果,由此计算拥堵连
续指数,计算表达式为,式中、分别表示排列结果中排在第
、位拥堵路段的编号,表示拥堵路段的排位编号,,表示拥堵路段的
排位总数量,其中相邻拥堵路段之间的编号差越小,拥堵连续指数越大,表明拥堵路段之间
间隔非拥堵路段越少。
将拥堵连续指数与限定值进行对比,示例性地,限定值可以为0.6,若拥堵连续指数大于限定值,表明拥堵路段之间几乎不间隔非拥堵路段,拥堵路段所占比例较高,为了避免加重交通拥堵,则从拥堵路段的排列结果中提取排在未位和首位拥堵路段的编号,分别记为起始编号和结束编号,并取起始编号与结束编号之间所有的路段作为重点路段,反之若拥堵连续指数小于或等于限定值,表明拥堵路段所占比例还是不高的,此时只需要将拥堵路段作为重点路段,与此同时启动目标路段的语音提示器进行高速入口封闭和高速出口开放提示,进而与交管中心联动执行各重点路段的高速入口封闭和高速出口开放操作,并将采集的相应重点路段交通状态图像显示在该路段的显示大屏上,可以帮助和驾驶员更好地了解路况,从而采取相应的交通措施,如改变道路方向,以减少拥堵和提高通行效率。
本发明在依据各路段的通行环境恶劣情况和通行路况拥堵情况识别出交通异常路段时通过增加交通异常路段分布特点的获取,由此针对性选取需要进行高速出入口开封处理的路段,相比现有技术中只对交通异常路段进行高速出入口开封处理,该选取方式更加合理且符合实际需求,能够最大限度避免交通异常情况的进一步加剧,从而为交通疏导提供了极大便利性,有利于提高交通异常的处理效率。
以上内容仅仅是对本发明的构思所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的构思或者超越本发明所定义的范围,均应属于本发明的保护范围。
Claims (10)
1.一种基于物联网的智能监控指挥系统,其特征在于,包括以下模块:
高速公路路段划分模块,用于统计高速公路上安装的车流监控设备数量,并定位各车流监控设备的安装位置,由此将高速公路进行路段划分,得到若干路段,并将划分的各路段按照距离高速公路起点由近到远的顺序进行编号,同时定位各路段内存在的高速入口、高速出口位置;
控制终端设置模块,用于在各路段设置气象监测终端、车辆感应终端和指挥终端,其中指挥终端包括显示大屏和语音提示器;
气象环境监测模块,用于利用各路段内的气象监测设备实时对各路段高速公路进行气象环境监测,得到各路段高速公路的气象环境信息;
通行环境恶劣分析模块,用于基于各路段高速公路的气象环境信息分析各路段高速公路对应的通行环境恶劣情况;
通行智能指挥模块,用于依据各路段高速公路对应的通行环境恶劣情况进行智能指挥;
道路车流监控模块,用于利用各路段内的车流监控设备实时对各路段进行车流监控,得到各路段的道路车流信息,其中道路车流信息包括车辆分布密度和车辆通行速度;
通行路况拥堵分析模块,用于依据各路段的道路车流信息分析各路段高速公路对应的通行路况拥堵情况;
通行智能引导模块,用于依据各路段高速公路对应的通行路况拥堵情况进行智能引导。
2.如权利要求1所述的一种基于物联网的智能监控指挥系统,其特征在于:所述将高速公路进行路段划分的实施过程如下:
基于各车流监控设备的安装位置获取各车流监控设备对应的道路覆盖区域;
从道路覆盖区域中提取起点线和终点线,其中起点线和终点线构成了路段,由此将高速公路划分成各路段。
3.如权利要求1所述的一种基于物联网的智能监控指挥系统,其特征在于:所述气象环境信息包括能见度、降水量、降雪覆盖厚度和降雪覆盖面积。
4.如权利要求3所述的一种基于物联网的智能监控指挥系统,其特征在于:所述各路段高速公路对应的通行环境恶劣情况分析如下:
从各路段对应的道路覆盖区域中获取各路段的道路面积;
将各路段高速公路的气象环境信息结合道路面积导入分析式
得到各路段高速公路对应的通行环境恶劣度/>,式中/>表示路段编号,/>,/>、/>、/>、/>分别表示第/>路段高速公路对应的能见度、降水量、降雪覆盖厚度、降雪覆盖面积,/>表示第/>路段高速公路的长度,/>表示第/>路段的道路面积,/>、/>分别表示第/>路段对应的适宜降水量阈值、适宜降雪覆盖厚度阈值,/>表示自然常数,其中/>的获取过程如下:
定位各路段高铁公路所属行政区域,并将其与各气候类型对应的分布地区进行比对,得到各路段对应的气候类型;
将各路段对应的气候类型与各气候类型对应的降雨倾向因子和降雪倾向因子进行匹配,得到各路段对应的降雨倾向因子和降雪倾向因子;
从高速公路布局图中统计各路段对应的排水设施布设数量;
从高速公路的历史通行数据中提取各路段高速公路对应的常态交通流量;
将各路段对应的降雨倾向因子、排水设施布设数量和常态交通流量代入表达式:得到各路段对应的适宜降水量阈值,式中/>、、/>分别表示第/>路段对应的降雨倾向因子、排水设施布设数量、常态交通流量,/>表示常规设定的降雨量阈值。
5.如权利要求4所述的一种基于物联网的智能监控指挥系统,其特征在于:所述的获取过程如下:
基于各路段高速公路所属行政区域获取各路段对应的海拔高度;
将各路段对应的降雪倾向因子、海拔高度和常态交通流量代入表达式:得到各路段对应的适宜降雪覆盖厚度阈值,式中/>、/>分别表示第/>路段对应的降雪倾向因子、海拔高度,/>表示常规设定的降雪覆盖厚度阈值。
6.如权利要求4所述的一种基于物联网的智能监控指挥系统,其特征在于:所述依据各路段高速公路对应的通行环境恶劣情况进行智能指挥参见下述过程:
将各路段高速公路对应的通行环境恶劣度与系统设置的一级允许通行环境恶劣度进行对比,若某路段高速公路对应的通行环境恶劣度大于一级允许通行环境恶劣度,则将该路段记为高危路段,反之则将该路段记为非高危路段;
获取高速公路的行进方向,进而将高危路段按照高速公路行进方向进行排列,由此识别相邻高危路段之间是否间隔非高危路段,若相邻高危路段之间间隔非高危路段,则获取相邻高危路段中存在的所有路段均作为目标路段,若相邻高危路段之间不间隔非高危路段,则将相邻高危路段作为目标路段,并与交管中心联动执行目标路段的高速入口封闭和高速出口开放操作,与此同时利用车辆感应终端进行目标路段的车辆感应,若感应到车辆,则启动目标路段的语音提示器引导车辆进入高速出口。
7.如权利要求6所述的一种基于物联网的智能监控指挥系统,其特征在于:所述依据各路段高速公路对应的通行环境恶劣情况进行智能指挥还包括下述过程:
将各路段高速公路对应的通行环境恶劣度与系统设置的二级允许通行环境恶劣度进行对比,若某路段高速公路对应的通行环境恶劣度大于二级允许通行环境恶劣度且小于或等于一级允许通行环境恶劣度,则将该路段记为风险路段;
利用车辆感应终端进行风险路段的车辆感应,若感应到车辆,则启动风险路段的语音提示器进行行驶降速提示。
8.如权利要求1所述的一种基于物联网的智能监控指挥系统,其特征在于:所述各路段的道路车流信息获取过程如下:
利用各路段安装的交通监测设备实时采集各路段的交通状态图像,得到当前采集时刻中各路段的交通状态图像,进而从图像中统计通行车辆数量,并记录各通行车辆的车牌号,同时定位各通行车辆的行车位置;
将当前采集时刻中各路段的通行车辆数量除以相应路段的道路面积得到当前采集时刻中各路段的车辆分布密度;
将当前采集时刻与上一采集时刻出现的通行车辆进行对比,从中筛选出对比一致的通行车辆,作为当前采集时刻对应的参照通行车辆;
将当前采集时刻对应参照通行车辆的行车位置进行对比,得到参照通行车辆的行车距离,并结合相邻采集时刻的间隔时长计算得到当前采集时刻对应各通行车辆的移动速度;
将当前采集时刻对应各通行车辆的移动速度进行均值计算,得到当前采集时刻对应的车辆通行速度。
9.如权利要求8所述的一种基于物联网的智能监控指挥系统,其特征在于:所述各路段高速公路对应的通行路况拥堵情况分析如下:
获取当前采集时刻各路段对应的行驶限速值,进而将各路段的道路车流信息结合行驶限速值导入分析式得到各路段高速公路对应的通行路况拥堵度/>,式中/>、/>分别表示第/>路段对应的车辆分布密度、车辆通行速度,/>表示当前采集时刻第/>路段对应的行驶限速值。
10.如权利要求9所述的一种基于物联网的智能监控指挥系统,其特征在于:所述依据各路段高速公路对应的通行路况拥堵情况进行智能引导参见下述过程:
将当前采集时刻各路段高速公路对应的通行路况拥堵度与系统预配的允许通行路况拥堵度进行对比,进而将通行路况拥堵度大于允许通行路况拥堵度的路段记为拥堵路段;
统计当前采集时刻识别到的拥堵路段数量,并获取各拥堵路段的编号,同时将各拥堵路段按照编号由大到小的顺序进行排列,得到拥堵路段的排列结果,由此计算拥堵连续指数,计算表达式为,式中/>、/>分别表示排列结果中排在第/>、/>位拥堵路段的编号,/>表示拥堵路段的排位编号,/>,/>表示拥堵路段的排位总数量;
将拥堵连续指数与限定值进行对比,若拥堵连续指数大于限定值,则从拥堵路段的排列结果中提取排在未位和首位拥堵路段的编号,分别记为起始编号和结束编号,并取起始编号与结束编号之间所有的路段作为重点路段,反之若拥堵连续指数小于或等于限定值,则将拥堵路段作为重点路段,与此同时启动目标路段的语音提示器进行高速入口封闭和高速出口开放提示,进而与交管中心联动执行各重点路段的高速入口封闭和高速出口开放操作,并将采集的相应重点路段交通状态图像显示在该路段的显示大屏上。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410441842.4A CN118038691B (zh) | 2024-04-12 | 2024-04-12 | 一种基于物联网的智能监控指挥系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202410441842.4A CN118038691B (zh) | 2024-04-12 | 2024-04-12 | 一种基于物联网的智能监控指挥系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN118038691A true CN118038691A (zh) | 2024-05-14 |
CN118038691B CN118038691B (zh) | 2024-06-21 |
Family
ID=90991776
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202410441842.4A Active CN118038691B (zh) | 2024-04-12 | 2024-04-12 | 一种基于物联网的智能监控指挥系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN118038691B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07282387A (ja) * | 1994-04-12 | 1995-10-27 | Nippon Signal Co Ltd:The | 車両速度計測方法 |
CN101105893A (zh) * | 2006-07-14 | 2008-01-16 | 沈阳江龙软件开发科技有限公司 | 一种车辆视频识别测速方法 |
CN104318780A (zh) * | 2014-10-31 | 2015-01-28 | 重庆大学 | 考虑气象因素、道路线形因素的高速公路事件检测方法 |
CN112562337A (zh) * | 2020-12-10 | 2021-03-26 | 之江实验室 | 一种基于深度学习的高速公路实时交通事故风险评估方法 |
CN112927503A (zh) * | 2021-01-25 | 2021-06-08 | 河北上元智能科技股份有限公司 | 一种雨天高速公路主线速度限制和匝道融合协调控制方法 |
CN114999180A (zh) * | 2022-05-12 | 2022-09-02 | 广东省韶关市气象局 | 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 |
WO2023039620A1 (de) * | 2021-09-17 | 2023-03-23 | AIT Austrian Institute of Technology GmbH | Verfahren zur messung der verkehrsstärke mit das |
-
2024
- 2024-04-12 CN CN202410441842.4A patent/CN118038691B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH07282387A (ja) * | 1994-04-12 | 1995-10-27 | Nippon Signal Co Ltd:The | 車両速度計測方法 |
CN101105893A (zh) * | 2006-07-14 | 2008-01-16 | 沈阳江龙软件开发科技有限公司 | 一种车辆视频识别测速方法 |
CN104318780A (zh) * | 2014-10-31 | 2015-01-28 | 重庆大学 | 考虑气象因素、道路线形因素的高速公路事件检测方法 |
CN112562337A (zh) * | 2020-12-10 | 2021-03-26 | 之江实验室 | 一种基于深度学习的高速公路实时交通事故风险评估方法 |
CN112927503A (zh) * | 2021-01-25 | 2021-06-08 | 河北上元智能科技股份有限公司 | 一种雨天高速公路主线速度限制和匝道融合协调控制方法 |
WO2023039620A1 (de) * | 2021-09-17 | 2023-03-23 | AIT Austrian Institute of Technology GmbH | Verfahren zur messung der verkehrsstärke mit das |
CN114999180A (zh) * | 2022-05-12 | 2022-09-02 | 广东省韶关市气象局 | 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 |
Also Published As
Publication number | Publication date |
---|---|
CN118038691B (zh) | 2024-06-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN110570664B (zh) | 一种高速公路交通事件自动检测系统 | |
CN109859500B (zh) | 一种基于车路协同的高速合流区安全预警方法 | |
CN112837535B (zh) | 交通信息处理方法、装置、系统、设备及存储介质 | |
CN108550262B (zh) | 基于毫米波雷达的城市交通感知系统 | |
Rämä | Effects of weather-controlled variable speed limits and warning signs on driver behavior | |
CN102231231A (zh) | 区域公路网交通安全态势预警系统及其方法 | |
CN109147358B (zh) | 一种山区高速公路降雨环境预警系统及方法 | |
CN112085950B (zh) | 交通状态判别指标的估计方法、系统、存储介质及应用 | |
Kononov | Identifying locations with potential for accident reductions: Use of direct diagnostics and pattern recognition methodologies | |
CN112712697A (zh) | 面向车路协同应用的车道级交通状态判别方法及系统 | |
CN114999181A (zh) | 一种基于etc系统数据的高速公路车辆速度异常识别方法 | |
CN115019514B (zh) | 一种基于车联网的公路巡查系统 | |
KR102297801B1 (ko) | 사업용 차량을 이용하여 도로 위험정보를 탐지하는 방법 및 장치 | |
DiLorenzo et al. | Use of ice detection sensors for improving winter road safety | |
CN117238139B (zh) | 一种基于气象数据的路况实时预警系统 | |
CN118038691B (zh) | 一种基于物联网的智能监控指挥系统 | |
KR102212991B1 (ko) | 블랙 아이스 감지 시스템 및 그 방법 | |
CN113919571A (zh) | 基于边缘计算的危化品运输保费预估方法 | |
CN116631187B (zh) | 一种案件现场勘查信息智能采集分析系统 | |
CN117315939A (zh) | 高速公路交通安全态势预警方法及系统 | |
CN116740964A (zh) | 一种隧道预警和交通导流方法 | |
CN116165655A (zh) | 一种基于毫米波雷达组群的全域车辆轨迹跟踪系统 | |
CN115188194A (zh) | 一种高速公路交通车道级精准诱导系统及方法 | |
Ambros et al. | Identification of road horizontal alignment inconsistencies–A pilot study from the Czech Republic | |
GB2373619A (en) | Measurement of traffic density |
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 |