基于公路地理环境预测路面温度的系统及方法与流程

本发明涉及地理环境监测技术领域，具体涉及一种基于公路地理环境预测路面温度的系统及方法。

背景技术：

现有技术只是对监测站点路面的温度数值进行采集，通过基站的数据获取到路面的实时温度，无法根据天气的变化，预测出未来一个小时或者未来几小时的路面情况的变化，达不到提醒和警示的作用，在获取站点位置的测量数据信息，无法具体的反映出整个路段道路温度情况信息，只是进行静态的监测，也未对公路地理环境差异以及天气状况的监测，无法对公路路面的温度进行预测以及修正，不具有预测性和实用性。

技术实现要素：

(一)解决的技术问题

针对现有技术的不足，本发明提供了基于公路地理环境预测路面温度的系统及方法，解决了路面温度无法预测的问题，实现了路面温度的动态监测。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：一种基于公路地理环境预测路面温度的系统，用于预测路面的实时温度，所述的系统包括：

输入部分，用于输入实时基准监测站数据、实时移动探测车数据、实时气象数据；

模型构建部分，批量加载不同时间段的同一路段的历史监测数据，将获取到的不同时间段的同一路段的数据进行对比，获取到路面温度数据，根据温度差得到温度差异模型；

修正部分，利用实时气象数据和历史气象数据，对温度差异模型进行修正；

输出部分，输入数据通过温度差异模型后，获得预测的路面的实时温度。

优选的是，所述实时基准监测站数据，通过将基准监测站安装于测量路面中央隔离带或道路两旁，基准监测站单位距离间隔放置，实时获取测量数据。

优选的是，所述实时移动探测车数据，通过移动探测车获取到一个时间周期路面单位距离间隔路面温度数据。

一种基于公路地理环境预测路面温度的方法，所述的预测路面温度的方法包括：

第一步：构建模型，温度差异模型包含六个基本元素，即用一个六元组(s,a,b,c,d,e)来描述k时刻的值；其中s(k)表示预处理后，基准站测得k时刻的路面温度，a、b、c、d、e为权重因子s(k)＝a*l(k)+b*w(k)+c*h(k)+d*p(k)+e*o(k)，其中l(k)为基准站测得k时刻路面温度；

s’(k)＝l’(k)i(i＝1.2.3---n)，s’(k)为移动探测车测量k时刻时的路面温度，i为单位距离编码；

ds(k)i＝s’(k)i-s(k)(i＝1.2.3---n)；ds(k)为k时刻基准站和移动探测车测量单位路面温度的差值，得到温度差异模型。

第二步：修正构建模型，将实时气象数据和历史气象数据，对温度差异模型进行修正；

第三步：将获取到的实时基准监测站数据、实时移动探测车数据和实时气象数据输入到模型，得到预测的路面的实时温度。

优选的是，所述实时基准监测站数据，通过将基准监测站安装于测量路面中央隔离带或道路两旁，基准监测站单位距离间隔放置，实时获取测量数据。

优选的是，所述实时基准监测站数据的检测方式为l’(k+1)i＝s(k+1)+ds(k)i(i＝1.2.3---n)，得到第i个单位测量点的路面温度

优选的是，所述l(k)为基准站测得k时刻路面温度，w(k)为基准站测得k时刻风力和风向，h(k)为基准站测得k时刻降水，p(k)为基准站测得k时刻湿度，o(k)为基准站测得k时刻空气温度。

(三)有益效果

本发明具备以下有益效果：

1、基准监测站数据和移动探测车数据相结合，动静结合提高数据获取的广度；

2、通过构建模型的方式对路面温度情况进行预测，减少了使用人工的费用；

3、将气象数据与路面环境因素相融合提高路面温度预测的准确性，使得车辆运营方能够对路面紧急状况提前处置，提前规划线路和规避风险。

附图说明

图1为本发明的方法流程示意图；

图2为本发明的系统流程示意图。

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。

本发明的实施方式：参见图1-2，基于公路地理环境监测路面温度的系统，

输入部分，用于输入实时基准监测站数据、实时移动探测车数据、实时气象数据；

模型构建部分，批量加载不同时间段的同一路段的历史监测数据，将获取到的不同时间段的同一路段的数据进行对比，获取到路面温度数据，根据温度差得到温度差异模型，将输入部分的数据输入后，得到初步的预测的路面的温度；

修正部分，利用实时气象数据和历史气象数据，对温度差异模型进行修正；

输出部分，输入数据通过温度差异模型后，获得预测的实时路面温度。

以上数据的获取：主要包括基准监测站数据、移动探测车数据和历史气象数据。基准监测站主要安装在测量路面中央隔离带或者道路两旁，基准监测站单位距离间隔放置，也就是说按照一定的间距进行排放，用于实时获取测量数据，监测到气象和环境数据，气象和环境数据主要包括空气温度、湿度、风速、风向、降雨、降雪、路面温度等；移动探测车获取的主要是一个时间周期路面单位距离间隔路面温度数据，同时也具备一定的定位功能，可监测出经纬度坐标的位置，其作用主要是为了监测不同地理位置的路面温度的数据；历史监测数据主要是将路面所在当地的历史监测到的数据进行汇总，对于预测实时的路面温度起到一定的参考作用，除了上述三种数据外，还包括对于气象预报数据的监测。

数据模型的构建：批量加载不同时间段的同一路段的历史监测数据，将获取到的不同时间段的同一路段的数据进行对比，获取到路面温度数据，根据温度差得到温度差异模型，通过获取的基准监测站数据，移动探测车数据，气象预报数据以及历史监测站数据，利用基于地理环境差异的公路路面温度预测模型以历史监测数据为参考对象，移动探测车获取的一个时间周期内单位距离间隔路面温度数据为处理对象，基准监测站实时监测和移动探测车实时监测的一个时间周期内的路面周边环境变化情况，与获取的气象数据共同作为影响权重的因子，从而拟合预测出下一个时间周期内所监测的公路路面温度情况。

数据修正：由于气象因素具有周期性，所以可以利用基准监测站实时监测的气象和环境数据，再结合所在监测地的历史气象数据，对拟合预测出一个时间周期内路面温度情况进行修正，从而提高数据精度，所获取的基于公路地理环境差异预测路面温度数据可以对公路运营者提前预警道路情况从而做出相应的应急预案，以及通知驾驶者注意路面温度变化情况以便驾驶者提前对驾驶路线进行规划，从而躲避风险。

一种基于公路地理环境预测路面温度的方法，基于公路地理环境差异预测路面温度的系统，所述的预测路面温度的方法包括：

第一步：构建模型，s(k)＝a*l(k)+b*w(k)+c*h(k)+d*p(k)+e*o(k)，s(k)为预处理后，基准站测得k时刻的路面温度；

a,b,c,d,e:权重因子；

l(k):基准站测得k时刻路面温度；

w(k):基准站测得k时刻风力和风向；

h(k):基准站测得k时刻降水；

p(k):基准站测得k时刻湿度；

o(k):基准站测得k时刻空气温度；

s’(k)＝l’(k)i(i＝1.2.3---n)，s’(k):移动探测车测量k时刻时的路面温度，i：为单位距离编码；

ds(k)i＝s’(k)i-s(k)(i＝1.2.3---n)，ds(k):k时刻基准站和移动探测车测量单位路面温度的差值，以上为预测模型及温度差异模型，将监测地的所有的历史监测数据进行处理，得到该监测地独一无二的模型，也就是不同的监测地点，所获得的模型是不一样的，因此需要进行数据的处理，分管出不同地理位置的历史监测数据得到不同的模型；

第二步：修正模型，将实时气象数据和历史气象数据，对模型进行修正；

第三步：将获取到的实时基准监测站数据、实时移动探测车数据和实时气象数据输入到模型，得到预测的实时路面的温度，实时基准监测站数据和实时移动探测车数据的结合，实现了动静结合提高了数据获取的广度，较以往的方法具有较大的改观，以往的方法只是得到路面温度或者是只是从气象数据推测出来路面的温度；将实时监测到的气象数据和路面环境因素相融合提高了路面温度预测的准确性。

通过该方法结合气象云平台，可以对公路运营方提供更加精确的公路气象预警信息服务，提高运营方提前规避风险的能力以及紧急情况处置的能力，提高公路运营的效率，减少因天气原因造成的封路情况，降低事故发生率，减少运营损失，减少道路通行者的伤亡危险，减少人员投入数量。

对于道路运输方面，某些运输产品对于道路的情况要求较高，通过这个方法与气象云平台为公路物流运输企业进行集约化路线管理，降低因天气原因带来的风险，保障人身和财产安全，量化管理绩效，提高运营效率，增强企业竞争力。