KR101435648B1 - Extremely short term precipitation prediction system of specific point using analysis of radar image - Google Patents

Extremely short term precipitation prediction system of specific point using analysis of radar image Download PDF

Info

Publication number
KR101435648B1
KR101435648B1 KR1020140057383A KR20140057383A KR101435648B1 KR 101435648 B1 KR101435648 B1 KR 101435648B1 KR 1020140057383 A KR1020140057383 A KR 1020140057383A KR 20140057383 A KR20140057383 A KR 20140057383A KR 101435648 B1 KR101435648 B1 KR 101435648B1
Authority
KR
South Korea
Prior art keywords
precipitation
detection line
representative value
specific point
module
Prior art date
Application number
KR1020140057383A
Other languages
Korean (ko)
Inventor
김성일
양승구
Original Assignee
진양공업주식회사
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by 진양공업주식회사 filed Critical 진양공업주식회사
Priority to KR1020140057383A priority Critical patent/KR101435648B1/en
Application granted granted Critical
Publication of KR101435648B1 publication Critical patent/KR101435648B1/en

Links

Images

Classifications

    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01W—METEOROLOGY
    • G01W1/00—Meteorology
    • G01W1/10—Devices for predicting weather conditions
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01C—MEASURING DISTANCES, LEVELS OR BEARINGS; SURVEYING; NAVIGATION; GYROSCOPIC INSTRUMENTS; PHOTOGRAMMETRY OR VIDEOGRAMMETRY
    • G01C11/00—Photogrammetry or videogrammetry, e.g. stereogrammetry; Photographic surveying
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01S—RADIO DIRECTION-FINDING; RADIO NAVIGATION; DETERMINING DISTANCE OR VELOCITY BY USE OF RADIO WAVES; LOCATING OR PRESENCE-DETECTING BY USE OF THE REFLECTION OR RERADIATION OF RADIO WAVES; ANALOGOUS ARRANGEMENTS USING OTHER WAVES
    • G01S13/00—Systems using the reflection or reradiation of radio waves, e.g. radar systems; Analogous systems using reflection or reradiation of waves whose nature or wavelength is irrelevant or unspecified
    • G01S13/88—Radar or analogous systems specially adapted for specific applications
    • G01S13/95—Radar or analogous systems specially adapted for specific applications for meteorological use
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/20—Image preprocessing
    • G06V10/30—Noise filtering
    • 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

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Remote Sensing (AREA)
  • General Physics & Mathematics (AREA)
  • Radar, Positioning & Navigation (AREA)
  • Environmental & Geological Engineering (AREA)
  • Theoretical Computer Science (AREA)
  • Multimedia (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Atmospheric Sciences (AREA)
  • Biodiversity & Conservation Biology (AREA)
  • Ecology (AREA)
  • Environmental Sciences (AREA)
  • Electromagnetism (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Radar Systems Or Details Thereof (AREA)

Abstract

The present invention relates to an extremely short term precipitation prediction system of a specific point using analysis of a radar image. The extremely short term precipitation prediction system includes a detection line definition module which defines a detection line using a coordinate of a specific point in a radar image as a center point, and applies a weight to an image pixel constituting the detection line based on the center point; a representative value calculation module which calculates a representative value and a variation amount thereof using the applied weight according to each detection line; and a precipitation determining module which determines whether a precipitation phenomenon occurs at the specific point using the variation amount of the representative value according to the calculated detection line. According to the extremely short term precipitation prediction system of a specific point using analysis of a radar image of the present invention, a representative value is calculated according to a detection line based on a specific point in a radar image to determine whether a precipitation phenomenon occurs at the specific point, therefore a calculation amount to determine presence of the precipitation may be small, thereby enabling processing of the image at a high rate. Also, an extremely short term precipitation may be predicted by implementing a real time operation, and a precipitation prediction result may be output in real time through a smart device or a website to improve satisfaction of the user.

Description

레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템{EXTREMELY SHORT TERM PRECIPITATION PREDICTION SYSTEM OF SPECIFIC POINT USING ANALYSIS OF RADAR IMAGE}TECHNICAL FIELD [0001] The present invention relates to a precipitation prediction system,

본 발명은 강수 예측 시스템에 관한 것으로서, 보다 구체적으로는 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에 관한 것이다.The present invention relates to a precipitation prediction system, and more particularly, to a near-term precipitation prediction system at a specific point through a radar image analysis.

일반적으로 기상(氣象)레이더는 전자기파를 발사하여 기상학적 목표물에 반사 또는 산란되어 오는 전파신호의 크기를 계산하는 장비로써, 넓은 영역(유효관측반경: 240㎞)을 매우 빠르게(10분) 감시할 수 있기 때문에 넓은 영역의 강수량을 산출하는 가장 효율적인 원격탐사장비 중 하나이다.
In general, a meteorological radar is a device that calculates the magnitude of a radio signal that is reflected or scattered on a meteorological target by emitting an electromagnetic wave. It monitors the wide area (effective observation radius: 240 km) very quickly (10 minutes) Which is one of the most efficient remote sensing instruments to produce large areas of precipitation.

이러한 기상레이더는 강수량을 직접 계산하는 것이 아니라 전자기파를 발사하여 대기 중에 존재하는 목표물에서 반사 또는 산란되어 오는 신호의 크기로 강수량을 정량적으로 산출하게 된다.
Such a weather radar does not directly calculate precipitation but emits electromagnetic waves and quantitatively calculates the amount of precipitation by the magnitude of a signal reflected or scattered from a target existing in the atmosphere.

목표물에 산란되어 오는 신호(반사도)는 기상레이더에서 발사되는 펄스 볼륨 내에 존재하는 물방울의 크기분포와 관계가 있으며, 지상에 떨어지는 강수량도 물방울의 크기분포의 함수이므로 레이더 반사도와 지상 강수량과의 Z-R관계식(Z=aRb)을 사용하면 레이더 반사도로부터 지상 강수량을 추정해 낼 수 있다.
The signal (reflectivity) scattered on the target is related to the size distribution of water droplets in the pulse volume emitted from the weather radar. Since the amount of precipitation falling on the ground is also a function of the water droplet size distribution, the ZR relation between the radar reflectivity and the ground water precipitation (Z = aRb) can be used to estimate ground-level precipitation from radar reflectivity.

이와 관련하여, 레이더 반사도의 공간적 변동에 의한 강수량 추정의 오차를 극복하여 초단시간 강수량 예측 시 신뢰도를 향상시킬 수 있는 기상레이더의 강수량 추정 방법이 개시된바 있다(등록특허 제10-0963532호).
In this connection, there has been disclosed a method for estimating the precipitation amount of a weather radar which can improve the reliability in estimating the initial time precipitation amount by overcoming the error of the precipitation amount estimation due to the spatial fluctuation of the radar reflectivity (Patent No. 10-0963532).

한편, 레이더 영상을 이용하면 강수 에코의 이동을 분석할 수 있다. 기상청이나 기상 사업자들은 웹사이트나 스마트폰 애플리케이션 프로그램을 통해 레이더 영상을 일반인들에게 제공하고 있으나, 일반인들은 레이더 영상을 보고 강수 에코의 이동을 파악하기 위한 기초 지식이 없는 경우가 많으므로, 제공되는 레이더 영상을 충분히 활용하지 못하고 있다. 또한, 대부분의 일반인은 레이더 영상의 제공보다는 특정 지점의 강수 유무에만 관심이 있는 경우가 많으므로, 실시간으로 신속하게 강수 예측을 하기 위한 시스템의 개발이 시급히 필요한 실정이다.On the other hand, the radar image can be used to analyze the movement of the precipitation echo. Meteorological stations and weather service providers provide radar images to the general public through web sites or smartphone application programs. However, since the general public do not have the basic knowledge to understand the movement of precipitation echoes when viewing radar images, I can not fully utilize the image. In addition, most of the general public are interested only in the presence or absence of precipitation at a certain point rather than providing the radar image, so it is urgently necessary to develop a system for predicting precipitation quickly in real time.

본 발명은 기존에 제안된 방법들의 상기와 같은 문제점들을 해결하기 위해 제안된 것으로서, 레이더 영상에서 특정 지점을 중심으로 검출선에 따라 대푯값을 산출하여 특정 지점에 강수 현상이 접근하는지 여부를 판단함으로써, 강수 여부 판단을 위한 계산량이 적어 고속으로 영상 처리가 가능하고, 실시간 동작 구현을 통해 초단기 강수 예측을 할 수 있으며, 스마트 디바이스나 웹사이트를 통해서 실시간으로 강수 예측 결과의 출력이 가능하여 사용자 만족도를 향상시킬 수 있는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템을 제공하는 것을 그 목적으로 한다.The present invention has been proposed in order to solve the above-mentioned problems of the previously proposed methods. The present invention calculates a representative value along a detection line around a specific point in a radar image, determines whether a precipitation phenomenon approaches a specific point, It is capable of high-speed image processing with low computational complexity to determine precipitation, real-time operation can be implemented to predict short and long term precipitation, and precipitation prediction results can be output in real time through smart device or website to improve user satisfaction The present invention has been made to solve the above problems.

상기한 목적을 달성하기 위한 본 발명의 특징에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템은,According to an aspect of the present invention, there is provided a system for predicting near-end precipitation at a specific point through analysis of a radar image,

레이더 영상에서 특정 지점의 좌표를 중심점으로 하여 검출선을 정의하고, 상기 검출선을 구성하는 영상 픽셀에 상기 중심점을 기준으로 가중치를 부여하는 검출선 정의 모듈;A detection line defining module that defines a detection line with the coordinates of a specific point as a center point in the radar image and assigns a weight to the image pixels constituting the detection line based on the center point;

상기 각각의 검출선에 따라, 상기 부여된 가중치를 이용하여 대푯값 및 대푯값의 변화량을 실시간으로 산출하는 대푯값 산출 모듈; 및A representative value calculation module for calculating a variation amount of a representative value and a representative value in real time using the weighted value according to each of the detection lines; And

상기 산출된 검출선에 따른 대푯값의 변화량을 이용하여, 상기 특정 지점에 강수 현상이 접근하는지 여부를 판단하는 강수 판단 모듈을 포함하는 것을 그 구성상의 특징으로 한다.
And a precipitation determination module for determining whether or not the precipitation phenomenon approaches the specific point using the variation amount of the representative value according to the calculated detection line.

바람직하게는,Preferably,

상기 레이더 영상에 잡음 제거 및 균일화 작업을 포함하는 선행 처리를 수행하는 선행 처리 모듈을 더 포함하며,Further comprising a pre-processing module for performing pre-processing including noise removal and equalization to the radar image,

상기 검출선 정의 모듈은, 상기 선행 처리된 영상에서 특정 지점의 좌표를 중심점으로 하여 검출선을 정의할 수 있다.
The detection line definition module can define a detection line with the coordinates of a specific point as a center point in the pre-processed image.

바람직하게는, 상기 검출선 정의 모듈은,Preferably, the detection line definition module includes:

상기 중심점을 기준으로 동, 북동, 북, 북서, 서, 남서, 남 및 남동 방향을 포함하는 8개의 검출선을 정의할 수 있다.
Eight detection lines including east, northeast, north, northwest, west, southwest, south, and southeast directions can be defined based on the center point.

바람직하게는, 상기 검출선 정의 모듈은,Preferably, the detection line definition module includes:

상기 중심점에 가까운 영상 픽셀일수록 가중치를 크게, 상기 중심점에서 먼 영상 픽셀일수록 가중치를 작게 부여할 수 있다.
The image pixel closer to the center point may have a larger weight and the image pixel farther from the center point may have a smaller weight.

바람직하게는, 상기 대푯값 산출 모듈은,Preferably, the representative value calculation module includes:

현재 레이더 영상으로부터 산출된 대푯값에서 직전 레이더 영상으로부터 산출된 대푯값을 차감하여 상기 대푯값의 변화량을 실시간으로 산출할 수 있다.
The representative value calculated from the current radar image can be subtracted from the representative value calculated from the previous radar image to calculate the change amount of the representative value in real time.

바람직하게는,Preferably,

상기 강수 판단 모듈의 판단 결과에 따라 강수 예보 또는 경보를 출력하는 예경보 모듈을 더 포함할 수 있다.And a warning alarm module for outputting a precipitation forecast or an alarm according to the determination result of the precipitation determination module.

본 발명에서 제안하고 있는 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에 따르면, 레이더 영상에서 특정 지점을 중심으로 검출선에 따라 대푯값을 산출하여 특정 지점에 강수 현상이 접근하는지 여부를 판단함으로써, 강수 여부 판단을 위한 계산량이 적어 고속으로 영상 처리가 가능하고, 실시간 동작 구현을 통해 초단기 강수 예측을 할 수 있으며, 스마트 디바이스나 웹사이트를 통해서 실시간으로 강수 예측 결과의 출력이 가능하여 사용자 만족도를 향상시킬 수 있다.According to the present invention, a representative point is calculated according to a detection line around a specific point in a radar image to determine whether a precipitation phenomenon approaches a specific point, It is capable of high-speed image processing with low computational complexity to determine precipitation, real-time operation can be implemented to predict short and long term precipitation, and precipitation prediction results can be output in real time through smart device or website to improve user satisfaction .

도 1은 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템의 구성을 도시한 도면.
도 2는 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템을 이용한 강수 예측 방법을 도시한 도면.
도 3은 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 검출선 정의 모듈에 의해 정의되는 검출선을 예를 들어 도시한 도면.
도 4는 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서 부여된 가중치를 예를 들어 도시한 도면.
도 5는 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 특정 지점 주변의 레이더 영상 및 검출선을 예를 들어 도시한 도면.
도 6은 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 검출선의 단면을 예를 들어 도시한 도면.1 is a diagram illustrating a configuration of a near-end precipitation prediction system at a specific point through analysis of a radar image according to an embodiment of the present invention.
2 is a diagram illustrating a precipitation prediction method using a near-end precipitation prediction system at a specific point through a radar image analysis according to an embodiment of the present invention.
3 is a diagram illustrating a detection line defined by a detection line definition module in a near-term precipitation prediction system at a specific point through analysis of a radar image according to an exemplary embodiment of the present invention.
FIG. 4 is a view showing a weighted value given in a near-term precipitation prediction system at a specific point through a radar image analysis according to an embodiment of the present invention; FIG.
5 is a diagram illustrating a radar image and a detection line around a specific point in a near-term precipitation prediction system at a specific point through analysis of a radar image according to an exemplary embodiment of the present invention.
6 is a diagram illustrating a cross section of a detection line in a near-term precipitation prediction system at a specific point through analysis of a radar image according to an embodiment of the present invention.

이하, 첨부된 도면을 참조하여 본 발명이 속하는 기술분야에서 통상의 지식을 가진 자가 본 발명을 용이하게 실시할 수 있도록 바람직한 실시예를 상세히 설명한다. 다만, 본 발명의 바람직한 실시예를 상세하게 설명함에 있어, 관련된 공지 기능 또는 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우에는 그 상세한 설명을 생략한다. 또한, 유사한 기능 및 작용을 하는 부분에 대해서는 도면 전체에 걸쳐 동일한 부호를 사용한다.
Hereinafter, preferred embodiments of the present invention will be described in detail with reference to the accompanying drawings, in order that those skilled in the art can easily carry out the present invention. In the following detailed description of the preferred embodiments of the present invention, a detailed description of known functions and configurations incorporated herein will be omitted when it may make the subject matter of the present invention rather unclear. In the drawings, like reference numerals are used throughout the drawings.

덧붙여, 명세서 전체에서, 어떤 부분이 다른 부분과 ‘연결’ 되어 있다고 할 때, 이는 ‘직접적으로 연결’ 되어 있는 경우뿐만 아니라, 그 중간에 다른 소자를 사이에 두고 ‘간접적으로 연결’ 되어 있는 경우도 포함한다. 또한, 어떤 구성요소를 ‘포함’ 한다는 것은, 특별히 반대되는 기재가 없는 한 다른 구성요소를 제외하는 것이 아니라 다른 구성요소를 더 포함할 수 있다는 것을 의미한다.
In addition, in the entire specification, when a part is referred to as being 'connected' to another part, it may be referred to as 'indirectly connected' not only with 'directly connected' . Also, to "include" an element means that it may include other elements, rather than excluding other elements, unless specifically stated otherwise.

도 1은 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템의 구성을 도시한 도면이다. 도 1에 도시된 바와 같이, 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템은, 검출선 정의 모듈(200), 대푯값 산출 모듈(300) 및 강수 판단 모듈(400)을 포함하여 구성될 수 있으며, 선행 처리 모듈(100) 및 예경보 모듈(500)을 더 포함하여 구성될 수 있다.
1 is a diagram showing a configuration of a near-end precipitation prediction system at a specific point through a radar image analysis according to an embodiment of the present invention. As shown in FIG. 1, the near-term precipitation prediction system at a specific point through analysis of a radar image according to an embodiment of the present invention includes a detection line definition module 200, a representative value calculation module 300 and a precipitation determination module 400, And may further include a pre-processing module 100 and a pre-alarm module 500.

도 2는 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템을 이용한 강수 예측 방법을 도시한 도면이다. 도 2에 도시된 바와 같이, 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템은, 검출선 정의 단계(S200), 가중치 부여 단계(S300), 대푯값 산출 단계(S400), 대푯값의 변화량 산출 단계(S500) 및 강수 판단 단계(S600)를 포함하여 강수 예측을 할 수 있으며, 선행 처리 단계(S100) 및 예경보 출력 단계(S700)를 더 포함하여 구현될 수도 있다.
FIG. 2 is a diagram illustrating a precipitation prediction method using a near-end precipitation prediction system at a specific point through a radar image analysis according to an embodiment of the present invention. As shown in FIG. 2, the near-end precipitation prediction system for a specific point through the radar image analysis according to an embodiment of the present invention includes a detection line definition step S200, a weighting step S300, a representative value calculation step S400 (Step S500) and a precipitation determination step (step S600), and may further include a pre-processing step S100 and a warning output step S700.

즉, 선행 처리 모듈(100)이 레이더 영상을 전처리하고(S100), 검출선 정의 모듈(200)은 전 처리된 레이더 영상을 전달받아 검출선을 정의하고(S200) 검출선을 구성하는 각 영상 픽셀에 가중치를 부여할 수 있다(S300). 대푯값 산출 모듈(300)은, 정의된 검출선에 따라 대푯값을 산출하며(S400), 산출된 현재 시점의 대푯값 및 직전 시점에서 산출된 대푯값을 이용해 대푯값의 변화량을 산출할 수 있다(S500). 강수 판단 모듈(400)은 산출된 대푯값의 변화량을 이용해 특정 지점에 강수 현상이 접근하는지를 판단하고(S600), 예경보 모듈(500)이 판단 결과에 따라 강수 예보 또는 경보를 출력할 수 있다(S700).
That is, the preprocessing module 100 preprocesses the radar image (S100), and the detection line definition module 200 receives the preprocessed radar image to define a detection line (S200) (S300). The representative value calculation module 300 calculates a representative value according to the defined detection line (S400), and calculates the variation of the representative value using the calculated representative value of the current time and the representative value calculated at the immediately preceding time (S500). The precipitation determination module 400 determines whether a precipitation phenomenon approaches a specific point using the calculated variation of the representative value in operation S600 and the forecasting alarm module 500 may output a precipitation forecast or an alarm in accordance with the determination result ).

이하에서는, 도 1 및 도 2를 참조하여 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템을 구성하는 각 구성요소에 대하여 상세히 설명하도록 한다.
Hereinafter, each component constituting the near-end precipitation prediction system at a specific point through the radar image analysis according to an embodiment of the present invention will be described in detail with reference to FIG. 1 and FIG.

선행 처리 모듈(100)은, 레이더 영상에 잡음 제거 및 균일화 작업을 포함하는 선행 처리를 수행할 수 있다. 선행 처리 모듈(100)은 레이더 영상이 수집되면, 먼저 불필요한 주변 정보 및 노이즈를 제거하는 잡음 제거 처리를 수행할 수 있다. 이때, 잡음 제거를 위하여 각종 필터링(filtering) 기법이 레이더 영상에 적용될 수 있다. 그 다음, 선행 처리 모듈(100)은 잡음이 제거된 레이더 영상을 흑백 영상으로 변환하는 균일화 작업을 처리할 수 있다. 흑백 영상으로 균일화하여 분석하게 되면 보다 고속으로 영상 처리를 할 수 있다.
The pre-processing module 100 can perform a pre-processing including a noise elimination and smoothing operation on the radar image. When the radar image is collected, the pre-processing module 100 may first perform noise removal processing for removing unnecessary peripheral information and noise. At this time, various filtering techniques can be applied to the radar image to remove noise. Then, the preprocessing module 100 can process a smoothing operation for converting the noise-removed radar image into a monochrome image. If the image is homogenized and analyzed in black and white image, the image processing can be performed at higher speed.

검출선 정의 모듈(200)은, 레이더 영상에서 특정 지점의 좌표를 중심점으로 하여 검출선을 정의하고, 검출선을 구성하는 영상 픽셀에 중심점을 기준으로 가중치를 부여할 수 있다. 이때, 특정 지점은 강수 예측이 필요한 지점으로써, 미리 설정될 수 있다. 검출선 정의 모듈(200)은, 선행 처리된 영상에서 특정 지점의 좌표를 중심점으로 하여 검출선을 정의할 수 있다.
The detection line definition module 200 can define a detection line with the coordinates of a specific point in the radar image as a center point and weight the image pixels constituting the detection line based on the center point. At this time, the specific point can be set in advance as a point where precipitation prediction is required. The detection line definition module 200 can define a detection line with the coordinates of a specific point as a center point in the pre-processed image.

도 3은 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 검출선 정의 모듈(200)에 의해 정의되는 검출선을 예를 들어 도시한 도면이다. 도 3에 도시된 바와 같이, 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템의 검출선 정의 모듈(200)은, 특정 지점의 좌표를 중심점(0)으로 설정하고, 중심점(0)을 기준으로 바깥 방향으로 검출선(1 내지 8)을 정의할 수 있다.
FIG. 3 is a diagram illustrating a detection line defined by the detection line definition module 200, for example, in a near-term precipitation prediction system at a specific point through analysis of a radar image according to an embodiment of the present invention. 3, the detection line defining module 200 of the near-term precipitation prediction system of a specific point through the radar image analysis according to the embodiment of the present invention sets the coordinates of a specific point as a center point 0 , And the detection lines 1 to 8 can be defined outward with respect to the center point (0).

예를 들어, 검출선 정의 모듈(200)은, 중심점을 기준으로 동, 북동, 북, 북서, 서, 남서, 남 및 남동 방향을 포함하는 8개의 검출선을 정의할 수 있다. 즉, 도 3에 도시된 바와 같이, 중심점에서 동쪽 방향의 검출선(1), 북동 방향의 검출선(2), 북쪽 방향의 검출선(3) 등을 정의할 수 있다. 이때, 검출선은 특정 지점이 어디인지에 관계없이 미리 설정된 방향 및 길이에 의해 정의될 수 있다.
For example, the detection line definition module 200 can define eight detection lines including directions of east, north, east, north, northwest, west, southwest, south, and southeast with respect to the center point. 3, the detection line 1 in the east direction, the detection line 2 in the northeast direction, and the detection line 3 in the north direction can be defined at the center point. At this time, the detection line can be defined by a predetermined direction and a length irrespective of a specific point.

또한, 검출선 정의 모듈(200)은, 복수의 검출선을 정의한 다음 가중치를 부여할 수 있는데, 중심점에 가까운 영상 픽셀일수록 가중치를 크게, 중심점에서 먼 영상 픽셀일수록 가중치를 작게 부여할 수 있다. 즉, 레이더 영상은 수많은 영상 픽셀로 구성될 수 있는데, 검출선이 지나가는 영상 픽셀에 대하여 가중치를 부여하되, 특정 지점을 나타내는 중심점 쪽에 높은 가중치를, 바깥쪽에 낮은 가중치를 부여할 수 있다.
In addition, the detection line defining module 200 can assign a weight after defining a plurality of detection lines. The image pixel closer to the center point has a larger weight, and the image pixel farther from the center point has a smaller weight. That is, the radar image can be composed of a number of image pixels. The weighting of the image pixels passing through the detection line can be weighted, and a high weight can be given to the center point and a low weight can be given to the outside.

도 4는 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서 부여된 가중치를 예를 들어 도시한 도면이다. 도 4에 도시된 바와 같이, 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 검출선(1)은 총 10개의 영상 픽셀로 구성될 수 있는데, 중심점(0)에 가까운 영상 픽셀에 가장 큰 가중치인 10을 부여하고, 중심점(0)에서 멀어질수록 가중치가 감소하도록 할 수 있다. 이때, 도 4에서는 가중치가 중심점으로부터 선형적으로 감소하였으나, 실시예에 따라서는 2차 함수, 지수함수 등 다양한 함수 형태로 가중치가 부여될 수 있다.
FIG. 4 is a view showing a weight given in a near-term precipitation prediction system at a specific point through a radar image analysis according to an embodiment of the present invention. As shown in FIG. 4, in the system for predicting the short-term precipitation of a specific point through the radar image analysis according to the embodiment of the present invention, the detection line 1 can be constituted by a total of ten image pixels, ) To the image pixel nearest to the central point (0), and to decrease the weight as the distance from the central point (0) increases. In this case, although the weight is linearly decreased from the center point in FIG. 4, weight values may be given in various functions such as a quadratic function and an exponential function depending on the embodiment.

대푯값 산출 모듈(300)은, 각각의 검출선에 따라, 부여된 가중치를 이용하여 대푯값 및 대푯값의 변화량을 실시간으로 산출할 수 있다. 레이더 영상은 통상적으로 강수 강도(㎜/hr)로 표시되므로, 대푯값 산출 모듈(300)은 검출선을 구성하는 영상 픽셀의 강수 강도에 해당 영상 픽셀에 부여된 가중치를 곱하고, 평균 또는 합산하여 대푯값을 산출할 수 있다.
The representative score calculation module 300 can calculate the variation amount of the representative value and the representative value in real time using the weighted value according to each detection line. Since the radar image is usually expressed in terms of the precipitation intensity (mm / hr), the representative value calculation module 300 multiplies the rainfall intensity of the image pixels constituting the detection line by the weight given to the image pixel, and averages or adds the representative values Can be calculated.

또한, 대푯값 산출 모듈(300)은, 현재 레이더 영상으로부터 산출된 대푯값에서 직전 레이더 영상으로부터 산출된 대푯값을 차감하여 대푯값의 변화량을 실시간으로 산출할 수 있다. 레이더 영상은 10분 간격으로 수집되는 것이 일반적이므로, 대푯값 산출 모듈(300)은 10분 간격으로 각 검출선마다 대푯값을 산출할 수 있으며, 10분 전의 해당 검출선의 대푯값을 이용해 대푯값의 시간 변화량을 산출할 수 있다.
Also, the representative value calculation module 300 can calculate the variation amount of the representative value in real time by subtracting the representative value calculated from the immediately preceding radar image from the representative value calculated from the current radar image. Since the radar image is generally collected at intervals of 10 minutes, the representative value calculation module 300 can calculate a representative value for each detection line at intervals of 10 minutes, and calculates a time variation of the representative value using the representative value of the corresponding detection line 10 minutes ago can do.

도 5는 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 특정 지점 주변의 레이더 영상 및 검출선을 예를 들어 도시한 도면이다. 도 5에 도시된 바와 같이, 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템의 대푯값 산출 모듈(300)은, 총 8개의 검출선에 대하여 대푯값을 산출하게 되는데, 10:10과 10:20 모두에서 1 내지 4, 6 내지 8의 검출선에 대해서는 강수 에코가 없어서 대푯값이 0이 되므로 무시하고, 검출선 5에서 유의미한 대푯값이 산출될 수 있다.
5 is a diagram illustrating a radar image and a detection line around a specific point in a near-term precipitation prediction system at a specific point through analysis of a radar image according to an embodiment of the present invention. As shown in FIG. 5, the representative value calculation module 300 of the near-term precipitation prediction system at a specific point through the radar image analysis according to an embodiment of the present invention calculates a representative value for a total of eight detection lines. For the detection lines 1 to 4 and 6 to 8 at both 10:10 and 10:20, there is no precipitation echo, so that the representative value is 0, so it can be ignored and a significant representative value can be calculated at the detection line 5.

도 6은 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템에서, 검출선의 단면을 예를 들어 도시한 도면이다. 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템의 대푯값 산출 모듈(300)은, 도 6에 도시된 바와 같은 검출선 5에 대하여 대푯값을 산출할 수 있다. 이때, 도 4를 참조하여 중심점(0)에 가장 가까운 영상 픽셀에는 가중치 10, 가장 바깥쪽의 영상 픽셀에는 가중치 1이 부여되어 있다고 가정할 수 있다. 도 6에 도시된 바와 같이, 중심부터 10㎜/hr, 5㎜/hr, 1㎜/hr로 표시된 각 영상 픽셀의 강수 강도에 해당 영상 픽셀에 부여된 가중치를 곱하고 이를 합산하여 대푯값을 산출하면, 10:10의 시각에서는 44, 10:20의 시각에서는 124로 각각 대푯값이 산출될 수 있다. 따라서 대푯값 산출 모듈(300)은 대푯값의 변화량을 80으로 계산할 수 있다.
FIG. 6 is a diagram illustrating a cross section of a detection line in a near-term precipitation prediction system at a specific point through analysis of a radar image according to an embodiment of the present invention. The representative value calculation module 300 of the near-term precipitation prediction system at a specific point through the radar image analysis according to an embodiment of the present invention can calculate a representative value for the detection line 5 as shown in FIG. At this time, it can be assumed that weight 10 is assigned to the image pixel closest to the center point 0 and weight 1 is assigned to the outermost image pixel with reference to FIG. As shown in FIG. 6, when a representative value is calculated by multiplying the weights given to the image pixels by the intensity of each image pixel indicated by 10 mm / hr, 5 mm / hr, and 1 mm / hr from the center, A representative value can be calculated at 44 at 10:10 and at 124 at 10:20, respectively. Therefore, the representative score calculation module 300 can calculate the variation of the representative score as 80. [

강수 판단 모듈(400)은, 산출된 검출선에 따른 대푯값의 변화량을 이용하여, 특정 지점에 강수 현상이 접근하는지 여부를 판단할 수 있다. 즉, 대푯값의 변화량이 양수인 경우 특정 지점에 강수 현상이 접근하는 것으로 판단할 수 있고, 음수인 경우 특정 지점에서 강수 현상이 멀어지는 것으로 판단할 수 있다. 전술한 바와 같은 예에서, 대푯값의 변화량이 80으로 양수이므로 강수 판단 모듈(400)은 특정 지점에 강수 현상이 접근하는 것으로 판단할 수 있으며, 도 5에 도시된 바와 같이 강수 판단 모듈(400)의 판단 결과가 사실과 부합함을 확인할 수 있다.
The precipitation determination module 400 can determine whether or not the precipitation phenomenon approaches a specific point by using the variation amount of the representative value according to the calculated detection line. In other words, if the variation of the representative value is a positive number, it can be judged that the precipitation phenomenon approaches to a specific point, and if it is negative, it can be judged that the precipitation phenomenon moves away from a specific point. In the example described above, since the variation amount of the representative value is positive at 80, the precipitation determination module 400 can determine that the precipitation phenomenon approaches at a specific point. As shown in FIG. 5, It can be confirmed that the judgment result is in agreement with the fact.

이와 같이, 본 발명의 일실시예에 따른 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템은, 관측되는 레이더 영상을 실시간으로 분석하여 특정 지점에 강수 현상이 접근하는지를 예측하므로, 30분 정도의 초단기 예보에 사용될 수 있다.
As described above, the near-term precipitation prediction system of a specific point through the radar image analysis according to an embodiment of the present invention analyzes the observed radar image in real time and predicts whether the precipitation phenomenon approaches the specific point, Can be used for forecasting.

또한, 정해진 특정 지점에 대해서만 계산하면 되고 계산 과정이 복잡하지 않으므로, 검출선 정의 모듈(200), 대푯값 산출 모듈(300) 및 강수 판단 모듈(400)의 계산량이 적으며, 고속으로 영상을 처리하여 강수 예측을 할 수 있다. 특히, 적은 계산 자원으로도 신속하게 강수 판단이 가능하므로, 스마트폰, 태블릿 PC, 웨어러블 컴퓨터 등 모바일 스마트 디바이스에 설치된 애플리케이션 프로그램이나 웹사이트, 모바일 웹 등을 이용해 실시간으로 초단기 강수 예측을 할 수 있다.
In addition, since the calculation process is not complicated, it is only necessary to calculate the specific point. Therefore, the amount of calculation of the detection line definition module 200, the representative value calculation module 300, and the precipitation determination module 400 is small, Precipitation prediction can be done. Especially, it can predict the precipitation quickly with a few computational resources, so it can predict the very short period of precipitation in real time using application programs installed on mobile smart devices such as smart phones, tablet PCs, wearable computers, websites, and mobile webs.

예경보 모듈(500)은, 강수 판단 모듈(400)의 판단 결과에 따라 강수 예보 또는 경보를 출력할 수 있다. 예경보 모듈(500)은, 스마트 디바이스에 설치된 애플리케이션 프로그램이나 웹사이트, 모바일 웹 등을 통해, 강수 예보 또는 경보를 출력할 수 있다.
The warning module 500 may output a precipitation forecast or an alarm according to the determination result of the precipitation determination module 400. [ The warning module 500 may output a precipitation forecast or an alarm through an application program installed on the smart device, a website, a mobile web, and the like.

특히, 스마트 디바이스에 설치된 애플리케이션 프로그램이나 웹사이트, 모바일 웹 등을 통해 사용자가 특정 지점을 설정하면, 강수 예측 시스템에서 설정된 특정 지점에 대하여 레이더 영상을 분석하며, 해당 특정 지점의 강수 예보를 실시간으로 출력하여 확인 가능하도록 할 수 있다. 또한, 예경보 모듈(500)은, 사용자 설정에 따라 특정 지점에 강수 현상이 접근할 경우, 푸시메시지 등으로 강수 경보를 출력할 수도 있다.
In particular, when a user sets a specific point through an application program installed on a smart device, a web site, or a mobile web, the radar image is analyzed for a specific point set in the precipitation prediction system, and the precipitation forecast of the specific point is output So that it can be confirmed. Also, the warning module 500 may output a precipitation warning by a push message or the like when the precipitation phenomenon approaches a specific point according to user setting.

이상 설명한 본 발명은 본 발명이 속한 기술분야에서 통상의 지식을 가진 자에 의하여 다양한 변형이나 응용이 가능하며, 본 발명에 따른 기술적 사상의 범위는 아래의 특허청구범위에 의하여 정해져야 할 것이다.The present invention may be embodied in many other specific forms without departing from the spirit or essential characteristics of the invention.

100: 선행 처리 모듈 200: 검출선 정의 모듈
300: 대푯값 산출 모듈 400: 강수 판단 모듈
500: 예경보 모듈 S100: 선행 처리 단계
S200: 검출선 정의 단계 S300: 가중치 부여 단계
S400: 대푯값 산출 단계 S500: 대푯값의 변화량 산출 단계
S600: 강수 판단 단계 S700: 예경보 출력 단계100: Preprocessing module 200: Detection line definition module
300: a representative value calculation module 400: a precipitation judgment module
500: Yes Alarm module S100: Preprocessing step
S200: Detection line definition step S300: weighting step
S400: Representative value calculation step S500: Calculate variation value of representative value
S600: precipitation determination step S700: YES alarm output step

Claims (6)

강수 예측 시스템으로서,
레이더 영상에서 특정 지점의 좌표를 중심점으로 하여 검출선을 정의하고, 상기 검출선을 구성하는 영상 픽셀에 상기 중심점을 기준으로 가중치를 부여하는 검출선 정의 모듈(200);
상기 각각의 검출선에 따라, 상기 부여된 가중치를 이용하여 대푯값 및 대푯값의 변화량을 실시간으로 산출하는 대푯값 산출 모듈(300); 및
상기 산출된 검출선에 따른 대푯값의 변화량을 이용하여, 상기 특정 지점에 강수 현상이 접근하는지 여부를 판단하는 강수 판단 모듈(400)을 포함하는 것을 특징으로 하는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템.
As a precipitation prediction system,
A detection line defining module (200) for defining a detection line with the coordinates of a specific point as a center point in a radar image and giving a weight to the image pixels constituting the detection line with reference to the center point;
A representative value calculation module (300) for calculating, in real time, a variation amount of a representative value and a representative value using the weighted value according to each of the detection lines; And
And a precipitation determination module (400) for determining whether the precipitation phenomenon approaches the specific point using the variation amount of the representative value according to the calculated detection line. Precipitation prediction system.
제1항에 있어서,
상기 레이더 영상에 잡음 제거 및 균일화 작업을 포함하는 선행 처리를 수행하는 선행 처리 모듈(100)을 더 포함하며,
상기 검출선 정의 모듈(200)은, 상기 선행 처리된 영상에서 특정 지점의 좌표를 중심점으로 하여 검출선을 정의하는 것을 특징으로 하는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템.
The method according to claim 1,
Further comprising a pre-processing module (100) for performing pre-processing including noise removal and equalization to the radar image,
Wherein the detection line definition module (200) defines a detection line with the coordinates of a specific point as a center point in the pre-processed image.
제1항에 있어서, 상기 검출선 정의 모듈(200)은,
상기 중심점을 기준으로 상, 하, 좌, 우 및 4방향의 대각선을 포함하는 8개의 검출선을 정의하는 것을 특징으로 하는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템.
2. The apparatus of claim 1, wherein the detection line definition module (200)
Wherein eight detection lines including upper, lower, left, right and diagonal lines in four directions are defined based on the center point.
제1항에 있어서, 상기 검출선 정의 모듈(200)은,
상기 중심점에 가까운 영상 픽셀일수록 가중치를 크게, 상기 중심점에서 먼 영상 픽셀일수록 가중치를 작게 부여하는 것을 특징으로 하는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템.
2. The apparatus of claim 1, wherein the detection line definition module (200)
Wherein the weights of the image pixels closer to the center point are larger and the weights of the image pixels farther from the center point are smaller than the center point of the center point.
제1항에 있어서, 상기 대푯값 산출 모듈(300)은,
현재 레이더 영상으로부터 산출된 대푯값에서 직전 레이더 영상으로부터 산출된 대푯값을 차감하여 상기 대푯값의 변화량을 실시간으로 산출하는 것을 특징으로 하는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템.
The method of claim 1, wherein the representative value calculation module (300)
Wherein a representative value calculated from a current radar image is subtracted from a representative value calculated from a previous radar image to calculate a change amount of the representative value in real time.
제1항에 있어서,
상기 강수 판단 모듈(400)의 판단 결과에 따라 강수 예보 또는 경보를 출력하는 예경보 모듈(500)을 더 포함하는 것을 특징으로 하는, 레이더 영상 분석을 통한 특정 지점의 초단기 강수 예측 시스템.The method according to claim 1,
Further comprising an alarm module (500) for outputting a precipitation forecast or an alarm according to the determination result of the precipitation determination module (400).
KR1020140057383A 2014-05-13 2014-05-13 Extremely short term precipitation prediction system of specific point using analysis of radar image KR101435648B1 (en)

Priority Applications (1)

Application Number Priority Date Filing Date Title
KR1020140057383A KR101435648B1 (en) 2014-05-13 2014-05-13 Extremely short term precipitation prediction system of specific point using analysis of radar image

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
KR1020140057383A KR101435648B1 (en) 2014-05-13 2014-05-13 Extremely short term precipitation prediction system of specific point using analysis of radar image

Publications (1)

Publication Number Publication Date
KR101435648B1 true KR101435648B1 (en) 2014-08-28

Family

ID=51751588

Family Applications (1)

Application Number Title Priority Date Filing Date
KR1020140057383A KR101435648B1 (en) 2014-05-13 2014-05-13 Extremely short term precipitation prediction system of specific point using analysis of radar image

Country Status (1)

Country Link
KR (1) KR101435648B1 (en)

Cited By (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101672810B1 (en) 2015-08-24 2016-11-04 부경대학교 산학협력단 Method for radar short-trem precipitation forecasting blending with numerical weather prediction considering orographic effect
CN110135654A (en) * 2019-05-24 2019-08-16 北京百度网讯科技有限公司 Method and apparatus for predicting strong convective weather
KR102260990B1 (en) * 2020-08-25 2021-06-04 주식회사 엘피에스코리아 Lightning Prediction Method
CN113341483A (en) * 2021-06-21 2021-09-03 安徽省大气探测技术保障中心 Rainfall phenomenon appearance raindrop particle diameter grain speed simulation detection device

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002350560A (en) 2001-05-30 2002-12-04 Foundation Of River & Basin Integrated Communications Japan Radar rainfall correction/distribution system
JP2005106601A (en) 2003-09-30 2005-04-21 Mitsubishi Electric Corp Device for predicting travel of rainfall and method for predicting travel of rainfall
JP2005331491A (en) 2004-05-19 2005-12-02 Takashi Nishimura Meteorological information providing system
JP2005351866A (en) 2004-06-14 2005-12-22 Kansai Electric Power Co Inc:The Rainfall forecast method and program

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP2002350560A (en) 2001-05-30 2002-12-04 Foundation Of River & Basin Integrated Communications Japan Radar rainfall correction/distribution system
JP2005106601A (en) 2003-09-30 2005-04-21 Mitsubishi Electric Corp Device for predicting travel of rainfall and method for predicting travel of rainfall
JP2005331491A (en) 2004-05-19 2005-12-02 Takashi Nishimura Meteorological information providing system
JP2005351866A (en) 2004-06-14 2005-12-22 Kansai Electric Power Co Inc:The Rainfall forecast method and program

Cited By (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
KR101672810B1 (en) 2015-08-24 2016-11-04 부경대학교 산학협력단 Method for radar short-trem precipitation forecasting blending with numerical weather prediction considering orographic effect
CN110135654A (en) * 2019-05-24 2019-08-16 北京百度网讯科技有限公司 Method and apparatus for predicting strong convective weather
KR20200135125A (en) * 2019-05-24 2020-12-02 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. Method and apparatus for predicting severe convection weather
KR102337776B1 (en) * 2019-05-24 2021-12-09 베이징 바이두 넷컴 사이언스 앤 테크놀로지 코., 엘티디. Method and apparatus for predicting severe convection weather
US11555921B2 (en) 2019-05-24 2023-01-17 Beijing Baidu Netcom Science And Technology Co., Ltd. Method and apparatus for predicting severe convection weather
KR102260990B1 (en) * 2020-08-25 2021-06-04 주식회사 엘피에스코리아 Lightning Prediction Method
CN113341483A (en) * 2021-06-21 2021-09-03 安徽省大气探测技术保障中心 Rainfall phenomenon appearance raindrop particle diameter grain speed simulation detection device

Similar Documents

Publication Publication Date Title
US11555921B2 (en) Method and apparatus for predicting severe convection weather
KR101435648B1 (en) Extremely short term precipitation prediction system of specific point using analysis of radar image
CN113012176B (en) Sample image processing method and device, electronic equipment and storage medium
US20220006979A1 (en) Surveillance system, surveillance method, and program
CN107843774B (en) Electromagnetic situation calculation imaging method and electromagnetic situation imaging system
JP2014528118A (en) System and method for determining highway throughput
KR101983938B1 (en) System and method for warning lightning
JP7471470B2 (en) Anomaly detection based on statistical image processing to prevent cable cuts
CN110705759B (en) Water level early warning monitoring method and device, storage medium and electronic equipment
JP2018022343A (en) Image processing system and image processing method
US11630428B2 (en) Real-time analysis of vibration samples for operating environment classification and anomaly detection
CN112863187A (en) Detection method of perception model, electronic equipment, road side equipment and cloud control platform
JP2020524343A5 (en) Systems, methods and programs for determining events
US20210253116A1 (en) System and method for enhancing sensor operation in a vehicle
CN113344906A (en) Vehicle-road cooperative camera evaluation method and device, road side equipment and cloud control platform
CN116432007B (en) Optical fiber early warning mode identification method based on airspace characteristics and machine learning
JP4266858B2 (en) Local heavy rain monitoring system
CN114186726A (en) Meteorological data processing method, and prompting method and device based on meteorological data
US20200209386A1 (en) Weather radar apparatus and severe rain prediction method
JP7110004B2 (en) Processing device, processing method, and program
CN117985053B (en) Sensing capability detection method and device
KR101302060B1 (en) Target detection system using a active threshold value based on a vibration sensor and target detection method thereof
CN114581615B (en) Data processing method, device, equipment and storage medium
CN112560548B (en) Method and device for outputting information
CN116564093A (en) Road congestion state detection method and device, electronic equipment and road side unit

Legal Events

Date Code Title Description
E701 Decision to grant or registration of patent right
GRNT Written decision to grant
FPAY Annual fee payment

Payment date: 20170803

Year of fee payment: 4

FPAY Annual fee payment

Payment date: 20180921

Year of fee payment: 5

FPAY Annual fee payment

Payment date: 20190822

Year of fee payment: 6