用于预测桥梁路段道路结冰的方法、控制器及存储介质与流程

1.本技术涉及道路安全预测领域，具体地涉及一种用于预测桥梁路段道路结冰的方法、控制器及存储介质。


背景技术：

2.道路结冰会引起车辆与路面的摩擦力急剧降低，极易引发车辆碰撞并发生严重交通事故，造成人民生命财产巨大损失。近年来，道路结冰造成的事故频发。道路结冰已经越发成为影响交通安全的严重灾害之一。
3.现场调研结果发现：在相同的条件下，架空的桥面相比正常路面更容易结冰，经常出现桥面结冰而路面基本不结冰的现象。这主要是因为架空的桥面没有与土壤直接接触，缺少土壤加热作用，温度更低，因而更易结冰。同时，经过(或相邻)水体这一特殊地形区的桥梁相比一般桥梁更易结冰，这主要是水体使得桥梁周边空气水汽含量更为充足，更易附着在桥梁表面因而造成结冰。而现有的预报模型均不考虑桥面与路面差异、且均未考虑水体这一特殊区域对桥梁路段结冰的重要影响。
4.因此，现有技术具有不考虑存在桥梁及水体的特殊地形区的数据偏差，致使预报的精确度较低的问题。


技术实现要素：

5.本技术实施例的目的是提供一种用于预测桥梁路段道路结冰的方法、控制器及存储介质，用以解决现有技术中不考虑特殊地形区的数据偏差，致使预报的精确度较低的问题。
6.为了实现上述目的，本技术第一方面提供一种用于预测桥梁路段道路结冰的方法，该方法包括：
7.获取桥梁路段的环境历史数据；
8.根据环境历史数据确定结冰高风险路段；
9.按照预设网格分辨率对结冰高风险路段进行网格划分，以得到多个网格；
10.分别根据每个网格内的环境历史数据，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据；
11.根据环境预测数据确定桥梁路段的结冰厚度；
12.根据结冰厚度判断是否发送预警信息。
13.在本技术实施例中，该方法还包括：
14.获取天气预报模式区域模型；
15.从天气预报模式区域模型中选取多个物理参数化方案；
16.对多个物理参数化方案进行组合，以得到物理参数化组合方案；
17.通过泰勒图筛选物理参数化组合方案，以建立数值预报模式。
18.在本技术实施例中，泰勒图满足公式(1)：
19.rmse＝s
x2
+s
y2-2s
x
syr；
ꢀꢀꢀ
(1)
20.其中，s
x
为观测值的方差，sy为环境预测数据的方差，r为观测值和环境预测数据之间的相关系数，rmse为观测值和环境预测数据的均方根误差。
21.在本技术实施例中，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据还包括：
22.结合三维变分同化目标函数，根据前一采样周期的环境预测数据和观测值优化数值预报模式，以得到优化后的数值预报模式；
23.通过优化后的数值预报模式获取当前采样周期的环境预测数据。
24.在本技术实施例中，三维变分同化目标函数满足公式(2)：
[0025][0026]
其中，x为分析变量，xb为初始场，y0为观测值，b是背景误差协方差矩阵，r是观测误差协方差矩阵，h是观测算子。
[0027]
在本技术实施例中，根据环境预测数据确定桥梁路段的结冰厚度包括：
[0028]
通过反距离权重插值方法确定桥梁路段的背景数据；
[0029]
根据环境预测数据和背景数据确定桥梁路段的结冰厚度。
[0030]
在本技术实施例中，根据环境预测数据和背景数据确定桥梁路段的结冰厚度包括：
[0031]
修正环境预测数据，以得到修正后的环境预测数据；
[0032]
根据修正后的环境预测数据和背景数据确定桥梁路段的结冰厚度。
[0033]
在本技术实施例中，按照预设网格分辨率对结冰高风险路段进行网格划分，以得到多个网格包括：
[0034]
判断结冰高风险路段是否为水体路段；
[0035]
在结冰高风险路段为水体路段的情况下，将水体路段划分至一个网格或者多个相邻的网格中。
[0036]
本技术第二方面提供一种控制器，包括：
[0037]
存储器，被配置成存储指令；以及
[0038]
处理器，被配置成从存储器调用指令以及在执行指令时能够实现上述的用于预测桥梁路段道路结冰的方法。
[0039]
本技术第三方面提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的用于预测桥梁路段道路结冰的方法。
[0040]
本技术通过获取桥梁路段的环境历史数据，并根据环境历史数据确定结冰高风险路段。按照预设网格分辨率对结冰高风险路段进行网格划分，从而可以得到多个网格。分别根据每个网格内的环境历史数据，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据，再根据环境预测数据确定桥梁路段的结冰厚度。根据结冰厚度判断是否发送预警信息。本技术根据每个网格内的环境历史数据，通过数值预报模式确定桥梁路段的环境预测数据，再根据环境预测数据确定桥梁路段的结冰厚度，能够充分考虑特殊地形区的数据偏差，提高预测桥梁路段的道路结冰情况的精确度。
[0041]
本技术实施例的其它特征和优点将在随后的具体实施方式部分予以详细说明。
附图说明
[0042]
附图是用来提供对本技术实施例的进一步理解，并且构成说明书的一部分，与下面的具体实施方式一起用于解释本技术实施例，但并不构成对本技术实施例的限制。在附图中：
[0043]
图1示意性示出了根据本技术实施例的一种用于预测桥梁路段道路结冰的方法的流程图；
[0044]
图2示意性示出了根据本技术实施例的一种控制器的结构框图。
具体实施方式
[0045]
为使本技术实施例的目的、技术方案和优点更加清楚，下面将结合本技术实施例中的附图，对本技术实施例中的技术方案进行清楚、完整地描述，应当理解的是，此处所描述的具体实施方式仅用于说明和解释本技术实施例，并不用于限制本技术实施例。基于本技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本技术保护的范围。
[0046]
需要说明，若本技术实施例中有涉及方向性指示(诸如上、下、左、右、前、后
……
)，则该方向性指示仅用于解释在某一特定姿态(如附图所示)下各部件之间的相对位置关系、运动情况等，如果该特定姿态发生改变时，则该方向性指示也相应地随之改变。
[0047]
另外，若本技术实施例中有涉及“第一”、“第二”等的描述，则该“第一”、“第二”等的描述仅用于描述目的，而不能理解为指示或暗示其相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。另外，各个实施例之间的技术方案可以相互结合，但是必须是以本领域普通技术人员能够实现为基础，当技术方案的结合出现相互矛盾或无法实现时应当认为这种技术方案的结合不存在，也不在本技术要求的保护范围之内。
[0048]
图1示意性示出了根据本技术实施例的一种用于预测桥梁路段道路结冰的方法的流程图。如图1所示，本技术实施例提供一种用于预测桥梁路段道路结冰的方法，该方法可以包括下列步骤。
[0049]
步骤101、获取桥梁路段的环境历史数据；
[0050]
步骤102、根据环境历史数据确定结冰高风险路段；
[0051]
步骤103、按照预设网格分辨率对结冰高风险路段进行网格划分，以得到多个网格；
[0052]
步骤104、分别根据每个网格内的环境历史数据，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据；
[0053]
步骤105、根据环境预测数据确定桥梁路段的结冰厚度；
[0054]
步骤106、根据结冰厚度判断是否发送预警信息。
[0055]
在本技术实施例中，由于现有技术均不考虑桥梁路段与路面的环境数据差异，导致在进行结冰预报时存在误差，因此，处理器可以通过预测桥梁路段的结冰厚度判断是否需要发送预警信息。首先，处理器可以获取桥梁路段的环境历史数据，并根据环境历史数据确定结冰高风险路段。环境历史数据包括但不限于温度数据、湿度数据、风速、辐射量、水汽压数据。在确定结冰高风险路段的情况下，可以按照预设网格分辨率将结冰高风险路段均
匀划分为一个网格或多个网格。预设网格分辨率是指预设的网格边缘长度。在一个示例中，预设网格分辨率为30米。在完成对结冰高风险路段的网格划分后，处理器可以分别将每个网格内的环境历史数据输入至数值预报模式，以通过数值预报模式确定桥梁路段的环境预测数据。环境预测数据即未来预设时长的环境数据。同时，处理器可以通过三维变分同化目标函数优化数值预报模式，以提高数值预报模式预测的准确性。进一步地，处理器可以根据环境预测数据预测桥梁路段的结冰厚度，从而得到结冰预测数据，并将结冰预测数据发送至可视化平台，以实现结冰预测数据的可视化。在处理器预测的结冰厚度超过预设厚度值的情况下，处理器可以发送预警信息。预设厚度值是指根据实际情况确定的最大结冰厚度值。这样，处理器可以实现对桥梁路段的结冰预测。
[0056]
本技术通过获取桥梁路段的环境历史数据，并根据环境历史数据确定结冰高风险路段。按照预设网格分辨率对结冰高风险路段进行网格划分，从而可以得到多个网格。分别根据每个网格内的环境历史数据，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据，再根据环境预测数据确定桥梁路段的结冰厚度。根据结冰厚度判断是否发送预警信息。本技术根据每个网格内的环境历史数据，通过数值预报模式确定桥梁路段的环境预测数据，再根据环境预测数据确定桥梁路段的结冰厚度，能够充分考虑特殊地形区的数据偏差，提高预测桥梁路段的道路结冰情况的精确度。
[0057]
在本技术实施例中，该方法还可以包括：
[0058]
获取天气预报模式区域模型；
[0059]
从天气预报模式区域模型中选取多个物理参数化方案；
[0060]
对多个物理参数化方案进行组合，以得到物理参数化组合方案；
[0061]
通过泰勒图筛选物理参数化组合方案，以建立数值预报模式。
[0062]
具体地，处理器可以建立数值预报模式，以通过数值预报模式确定桥梁路段的环境预测数据。环境历史数据包括但不限于温度数据、湿度数据、风速、辐射量、水汽压数据。针对结冰高风险路段，处理器可以获取天气预报模式区域模型。在获取到天气预报模式区域模型的情况下，处理器从天气预报模式区域模型中选取不同的辐射、对流、边界层等物理参数化方案，并对不同的辐射、对流、边界层等物理参数化方案进行组合，以得到物理参数化组合方案。处理器可以通过泰勒图筛选物理参数化组合方案，得到使得环境预测数据的偏差值最小的物理参数化组合方案，并据此建立数值预报模式。这样，可以满足通过数值预报模式确定桥梁路段的环境预测数据的需求。
[0063]
在本技术实施例中，泰勒图可以满足公式(1)：
[0064]
rmse＝s
x2
+s
y2-2s
x
syr；
ꢀꢀꢀ
(1)
[0065]
其中，s
x
为观测值的方差，sy为环境预测数据的方差，r为观测值和环境预测数据之间的相关系数，rmse为观测值和环境预测数据的均方根误差。
[0066]
具体地，处理器可以通过泰勒图筛选物理参数化组合方案。泰勒图可以综合考量观测值和环境预测数据的方差、相关系数、均方根误差之间关系。观测值是指通过传感器等装置实时采集的环境数据。观测值的方差满足公式(3)：
[0067][0068]
其中，s
x
为观测值的方差，xi为观测值，x为观测值的平均值。
[0069]
环境预测数据的方差满足公式(4)：
[0070][0071]
其中，sy为环境预测数据的方差，yi为环境预测数据，y为环境预测数据的平均值。
[0072]
观测值和环境预测数据之间的相关系数满足公式(5)：
[0073][0074]
其中，r为观测值和环境预测数据之间的相关系数，xi为观测值，x为观测值的平均值，yi为环境预测数据，y为环境预测数据的平均值。
[0075]
由此，可以得到观测值和环境预测数据的均方根误差满足公式(6)：
[0076][0077]
其中，rmse为观测值和环境预测数据的均方根误差，xi为观测值，yi为环境预测数据。
[0078]
在本技术实施例中，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据还可以包括：
[0079]
结合三维变分同化目标函数，根据前一采样周期的环境预测数据和观测值优化数值预报模式，以得到优化后的数值预报模式；
[0080]
通过优化后的数值预报模式获取当前采样周期的环境预测数据。
[0081]
具体地，为提升数值预报模式预测桥梁路段及周边区域的环境数据的准确性，处理器可以在预报过程中实时同化周边可获取的环境数据，以建立更为准确的初始场。初始场即初值，在本技术实施例中，初始场指环境历史数据或者前一采样周期的环境预测数据。同时，处理器可采用循环同化方法，实时获取环境预测数据。在本技术实施例中，处理器可以结合三维变分同化目标函数，根据前一采样周期的环境预测数据和观测值优化数值预报模式，以得到优化后的数值预报模式，并通过优化后的数值预报模式获取当前采样周期的环境预测数据。
[0082]
在一个示例中，若以3小时为一个采样周期，在第0小时，处理器可以通过数值预报模式确定一个环境预测数据，以该环境预测数据为前一采样周期的环境预测数据。前一采样周期的环境预测数据可以预测未来预设时长的环境数据。若在第1小时，处理器获取到观测值，即通过传感器等装置实时采集的环境数据。处理器可以根据前一采样周期的环境预测数据和观测值优化数值预报模式，以得到优化后的数值预报模式，并通过优化后的数值预报模式确定当前采样周期的环境预测数据，即确定第3小时的环境预测数据。这样，既可以实现对数值预报模式的优化，又可以实现对桥梁路段道路结冰的滚动预测。
[0083]
在本技术实施例中，三维变分同化目标函数可以满足公式(2)：
[0084][0085]
其中，x为分析变量，xb为初始场，y0为观测值，b是背景误差协方差矩阵，r是观测误差协方差矩阵，h是观测算子。
[0086]
具体地，处理器可以通过三维变分同化目标函数实现对数值预报模式的优化。处
理器可以在预报过程中实时获取环境数据，从而建立更为准确的初始场。同时，处理器可以结合三维变分同化目标函数，根据前一采样周期的环境预测数据和观测值优化数值预报模式，以得到优化后的数值预报模式，并通过优化后的数值预报模式获取当前采样周期的环境预测数据。需要说明的是，观测值即实时获取的环境数据。
[0087]
在本技术实施例中，步骤105、根据环境预测数据确定桥梁路段的结冰厚度可以包括：
[0088]
通过反距离权重插值方法确定桥梁路段的背景数据；
[0089]
根据环境预测数据和背景数据确定桥梁路段的结冰厚度。
[0090]
具体地，地理属性有空间相关性，距离相近的数据会更相似，因此，处理器可以通过反距离权重插值方法确定桥梁路段的背景数据。反距离权重插值方法的基本原理是利用有限数据点的已知信息对待求点的未知信息进行插值，并通过得到插值点的值计算新的插值点的值。在确定桥梁路段的背景数据的情况下，处理器可以建立桥梁结冰计算模型。将环境预测数据输入至桥梁结冰计算模型，处理器可以得到桥梁路段的结冰厚度。通过确定环境预测数据和背景数据，可以使得处理器能够确定桥梁路段的结冰厚度。
[0091]
在本技术实施例中，根据环境预测数据和背景数据确定桥梁路段的结冰厚度可以包括：
[0092]
修正环境预测数据，以得到修正后的环境预测数据；
[0093]
根据修正后的环境预测数据和背景数据确定桥梁路段的结冰厚度。
[0094]
具体地，环境预测数据包括温度预测数据、湿度预测数据、风速预测数据、辐射量预测数据、水汽压预测数据。在本技术实施例中，处理器需要对温度预测数据、风速预测数据和水汽压预测数据进行修正。因此，修正后的环境预测数据包括修正后的温度预测数据、修正后的风速预测数据和修正后的水汽压预测数据。
[0095]
为保证数值预报模式的计算稳定性，数值预报模式会对桥梁路段进行平滑，使得数值预报模式中桥梁路段的地形和真实地形存在一定差异，致使温度预测数据产生偏差。同时，数值预报模式在确定环境预测数据的过程中，无法结合桥梁路段的高度，使得温度预测数据的偏差进一步增加。因此，处理器需要对通过数值预报模式得到的温度预测数据进行进一步修正。修正后的温度预测数据满足公式(7)：
[0096]
t2＝t
d0-γs(h
2-h+δh)；
ꢀꢀꢀ
(7)
[0097]
其中，t2为修正后的温度预测数据，t
d0
为温度预测数据，h2为真实地形海拔高度，h为数值式中的地形高度，δh为桥梁路段的高度，γs为空气的干绝热递减率，其取值一般为-1℃/100米。
[0098]
由于桥梁路段与风速预测数据之间存在一定夹角，使得经过桥梁路段的有效风速降低。因此，处理器需要对风速预测数据进行修正。修正后的风速预测数据满足公式(8)：
[0099]
u＝vcos(α
1-β)；
ꢀꢀꢀꢀꢀꢀ
(8)
[0100]
其中，u为修正后的风速预测数据，v为风速预测数据，α1为风向，β为桥梁路段的走向，α和β的范围均为0度至360度。
[0101]
在桥梁路段横跨过水体路段或者与水体路段的距离较近时，桥梁路段附近的空气在经过水体路段时，水汽压因湿度改变而发生变化，因此，处理器需要对水汽压预测数据进行修正。修正后的水汽压预测数据满足公式(9)：
[0102]
p＝δhα2(e
0-ea)+p0；
ꢀꢀꢀꢀ
(9)
[0103]
其中，p为修正后的水汽压预测数据，δh为桥梁路段的高度，ea为空气的水汽压，e0为饱和水汽压，由空气的露点温度导出，α2为水汽扩散系数。
[0104]
饱和水汽压与露点温度之间的关系满足公式(10)：
[0105][0106]
其中，e0为饱和水汽压，其单位为百帕，t为露点温度，单位为开尔文。
[0107]
通过修正环境预测数据，处理器可以得到修正后的环境预测数据，并根据修正后的环境预测数据、湿度预测数据、辐射量预测数据和背景数据确定桥梁路段的结冰厚度。
[0108]
在本技术实施例中，步骤103、按照预设网格分辨率对结冰高风险路段进行网格划分，以得到多个网格可以包括：
[0109]
判断结冰高风险路段是否为水体路段；
[0110]
在结冰高风险路段为水体路段的情况下，将水体路段划分至一个网格或者多个相邻的网格中。
[0111]
具体地，处理器可以将水体路段划分至一个网格或多个相邻的网格中，在本技术实施例中，需要综合考虑水体路段这一特殊地形区对桥梁路段道路结冰的影响，并且，处理器需要基于每个网格内的环境历史数据确定环境预测数据，因此，在结冰高风险路段为水体路段的情况下，处理器可以将水体路段划分至一个网格或者多个相邻的网格中，以便处理器能够考虑水体路段对桥梁路段道路结冰的影响，从而提高预测桥梁路段道路结冰情况的准确性。
[0112]
在本技术一具体实施例中，处理器可以获取桥梁路段及附近区域的风速、温度、湿度、辐射量、水汽压等环境历史数据，并将结冰时段的气象数据进行整理汇总。处理器通过使用30米分辨率的aster地形数据以及最新发布的landsat 8影像建立的全国最新土地利用及水体分布数据为基础地理信息数据集，以30米为网格分辨率将结冰高风险路段均匀划分为多个网格。在网格划分过程中，处理器将水体路段这一特殊地形区域划分至多个相邻网格内。
[0113]
针对结冰高风险路段，处理器使用欧洲中心ecmwf 9公里分辨率数据为驱动长，采用六层嵌套的方式构建数值预报模式。例如，分辨率由外向内可以分别为7290米、2430米、810米、270米、90米和30米。进一步地，处理器可以获取天气预报模式(the weather research and forecasting model，wrf)区域模型，在wrf区域模型中选取不同的辐射、对流、边界层等物理参数化方案并进行组合，以得到物理参数化组合方案，并通过泰勒图筛选物理参数化组合方案。筛选结果表明，在辐射参数化方案选取rrtmg方案，积云对流参数化方案选取bmj方案，边界层参数化方案选取ysu方案时，环境预测数据与观测值的平均偏差最小，因而处理器可以利用该物理参数化组合方案构建出一个数值预报模式。
[0114]
为提升数值预报模式对桥梁路段及周边区域的气象要素预测的准确性，进行预报过程中，在数值预报模式中使用三维变分同化目标函数同化结冰高风险路段内能够获取到的环境数据，例如，温度数据、湿度数据、风速、辐射量、水汽压数据。这样，处理器可以确定更为准确的初始场。并且，处理器采用循环更新的方法，每小时启动一次预报，获取未来3小时的环境预测数据。
[0115]
同时，处理器需要通过反距离权重插值方法确定桥梁路段的背景数据，并对环境预测数据进行修正，从而根据桥梁路段的背景数据和修正后的环境预测数据预测桥梁路段的结冰厚度。处理器在确定所有网格的结冰厚度后，可以得到结冰高风险路段内任一点的结冰预测数据，并对结冰预测数据进行可视化展示。
[0116]
图2示意性示出了根据本技术实施例的一种控制器的结构框图。如图2所示，本技术实施例提供一种控制器，可以包括：
[0117]
存储器210，被配置成存储指令；以及
[0118]
处理器220，被配置成从存储器210调用指令以及在执行指令时能够实现上述的用于预测桥梁路段道路结冰的方法。
[0119]
具体地，在本技术实施例中，处理器220可以被配置成：
[0120]
获取桥梁路段的环境历史数据；
[0121]
根据环境历史数据确定结冰高风险路段；
[0122]
按照预设网格分辨率对结冰高风险路段进行网格划分，以得到多个网格；
[0123]
分别根据每个网格内的环境历史数据，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据；
[0124]
根据环境预测数据确定桥梁路段的结冰厚度；
[0125]
根据结冰厚度判断是否发送预警信息。
[0126]
进一步地，处理器220还可以被配置成：
[0127]
获取天气预报模式区域模型；
[0128]
从天气预报模式区域模型中选取多个物理参数化方案；
[0129]
对多个物理参数化方案进行组合，以得到物理参数化组合方案；
[0130]
通过泰勒图筛选物理参数化组合方案，以建立数值预报模式。
[0131]
在本技术实施例中，泰勒图满足公式(1)：
[0132]
rmse＝s
x2
+s
y2-2s
x
syr；
ꢀꢀꢀꢀ
(1)
[0133]
其中，s
x
为观测值的方差，sy为环境预测数据的方差，r为观测值和环境预测数据之间的相关系数，rmse为观测值和环境预测数据的均方根误差。
[0134]
进一步地，处理器220还可以被配置成：
[0135]
结合三维变分同化目标函数，根据前一采样周期的环境预测数据和观测值优化数值预报模式，以得到优化后的数值预报模式；
[0136]
通过优化后的数值预报模式获取当前采样周期的环境预测数据。
[0137]
在本技术实施例中，三维变分同化目标函数满足公式(2)：
[0138][0139]
其中，x为分析变量，xb为初始场，y0为观测值，b是背景误差协方差矩阵，r是观测误差协方差矩阵，h是观测算子。
[0140]
进一步地，处理器220还可以被配置成：
[0141]
通过反距离权重插值方法确定桥梁路段的背景数据；
[0142]
根据环境预测数据和背景数据确定桥梁路段的结冰厚度。
[0143]
进一步地，处理器220还可以被配置成：
[0144]
修正环境预测数据，以得到修正后的环境预测数据；
[0145]
根据修正后的环境预测数据和背景数据确定桥梁路段的结冰厚度。
[0146]
进一步地，处理器220还可以被配置成：
[0147]
判断结冰高风险路段是否为水体路段；
[0148]
在结冰高风险路段为水体路段的情况下，将水体路段划分至一个网格或者多个相邻的网格中。
[0149]
本技术通过获取桥梁路段的环境历史数据，并根据环境历史数据确定结冰高风险路段。按照预设网格分辨率对结冰高风险路段进行网格划分，从而可以得到多个网格。分别根据每个网格内的环境历史数据，结合三维变分同化目标函数和数值预报模式确定桥梁路段的环境预测数据，再根据环境预测数据确定桥梁路段的结冰厚度。根据结冰厚度判断是否发送预警信息。本技术根据每个网格内的环境历史数据，通过数值预报模式确定桥梁路段的环境预测数据，再根据环境预测数据确定桥梁路段的结冰厚度，能够充分考虑特殊地形区的数据偏差，提高预测桥梁路段的道路结冰情况的精确度。
[0150]
本技术实施例还提供一种机器可读存储介质，该机器可读存储介质上存储有指令，该指令用于使得机器执行上述的用于预测桥梁路段道路结冰的方法。
[0151]
本领域内的技术人员应明白，本技术的实施例可提供为方法、系统、或计算机程序产品。因此，本技术可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本技术可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、cd-rom、光学存储器等)上实施的计算机程序产品的形式。
[0152]
本技术是参照根据本技术实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
[0153]
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
[0154]
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
[0155]
在一个典型的配置中，计算设备包括一个或多个处理器(cpu)、输入/输出接口、网络接口和内存。
[0156]
存储器可能包括计算机可读介质中的非永久性存储器，随机存取存储器(ram)和/或非易失性内存等形式，如只读存储器(rom)或闪存(flash ram)。存储器是计算机可读介质的示例。
[0157]
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法
或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(pram)、静态随机存取存储器(sram)、动态随机存取存储器(dram)、其他类型的随机存取存储器(ram)、只读存储器(rom)、电可擦除可编程只读存储器(eeprom)、快闪记忆体或其他内存技术、只读光盘只读存储器(cd-rom)、数字多功能光盘(dvd)或其他光学存储、磁盒式磁带，磁带磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
[0158]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个......”限定的要素，并不排除在包括要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0159]
以上仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。