基于四维实景交通仿真的恶劣天气预警管理系统及方法与流程

本发明涉及车辆行人跟踪定位技术、车牌抓拍技术、车辆行人三维仿真技术、道路视频监控技术、道路环境监控技术、虚拟摄像机布设监控技术、交通状况仿真技术、网络通信技术、车路协同技术、气象仿真技术、环境仿真技术、计算机图形技术、视频渲染技术、三维高精gis地图技术、虚拟现实融合技术以及车路协同技术、导航技术、预警技术、自学习技术领域，特别涉及一种基于雷达跟踪定位的四维实景交通路况感知预警监控管理系统。

背景技术

随着我国高速公路通车里程的迅速增长和车流量的加大，高速公路运输在国民经济的地位越来越高。现有的恶劣天气下，驾驶员受各类环境干扰和光线干扰是无法清楚看到路面信息的。而高速行车速度，速度较快，驾驶员只能，目视当前环境的天气，无法提前预知，即将途径的目的地的天气，而天气变化快，经常出现东边日出西边雨或者局部天气恶劣，而其他临近区域天气和缓的状况，如果前方路段是恶劣天气，例如前方路段出现大雾、冰雹、暴雨、大雪等天气时；而当前行驶路段正好可以绕过恶劣天气路段，但是现有的交通预警设备并不具备推送临近路段天气的功能，驾驶员不能及时了解到即将途径的路段的天气状况，由此增加了行车的风险，驾驶员不能通过及时了解到的天气状况，及时进行优选路径转换，导致由于天气原因封堵高速时，造成交通数到压力增大。

技术实现要素：

本发明的目的旨在至少解决所述的技术缺陷之一。

为了实现上述目的，本发明一方面的实施例提供一种基于四维实景交通仿真的恶劣天气预警管理系统，包括车辆抓拍摄像机、数据采集分析处理器、多要素全方位跟踪检测雷达、云处理服务器、四维实景交通仿真监控管理站等主要设备；所述多要素全方位跟踪检测雷达传感器设备通过360°全方位扫描的方式，将雷达区域内所有移动的车辆或行人进行实时跟踪定位并获取每一个目标的实时位置和雷达的原始数据信息；全方位跟踪检测雷达传感器为本方案前段核心数据采集的核心部件，该雷达采用由主频为77ghz高频发射单元、信号接收单元、数据处理单元和通信单元等等组，其核心数据处理单元采用多线程高速处理器能够同时跟踪定位不少于1000个目标物体。该雷达检测器采用360°高速扫描方式能够对以雷达为中心，半径500米全区域内不少于1000个目标物体进行时跟踪定位，其目标跟踪定位精度误差小于17.5厘米，雷达探测目标移动速度范围为0-250km/h，与被跟踪目标每秒钟800次的数据交互完全满足车辆实现全速智能驾驶的定位要求，此外该雷达还可以提供一公里内每一个车辆的即时速度、运动方向、经纬度、目标尺寸、id编号、方向角等重要信息。多要素全方位跟踪检测雷达传感器自身所带的多要素传感器以及综合其他传感器采集的气象数据和综合气体数据包括：风速、风向、雨量、气压、温度、湿度、光照、光强、二氧化硫、二氧化碳、一氧化碳、甲烷、挥发物；该雷达传感器采用一体化设计，为保证雷达使用寿命设备整体采用ip67安全防护等级。雷达所有部件全部选用和采用低功耗设计和器件。雷达采用100m网口与外部进行数据通信。

所述车牌抓拍摄像机主要来获取并抓拍行驶在道路上的车辆车牌信息和图片信息，再通过图形分析技术，来获取道路上行驶的每一辆车的特征信息，所述车牌抓拍摄像机的触发信号由多要素全方位跟踪检测雷达传感器通过数据采集分析处理器来实现同步触发抓拍，数据采集分析处理器同时获取该雷达触发车牌抓拍摄像机抓拍该车辆当时的雷达数据信息(跟踪定位信息)与车牌抓拍摄像机抓取的车辆照片信息与车辆牌照信息进行数据汇总并打包传输到所述云处理服务器，所述云处理服务器对该数据进行解析分析处理和数据还原；

所述数据采集分析处理器用于获取所述多要素全方位跟踪检测雷达传感器发送过来的原始雷达扫描数据，之后对原始数据进行干扰滤除、形成跟踪、汇总、分析以及判断给出每一辆车或行人的实时跟踪定位信息，再通过传输通信设备发送至云处理服务器在此对数据进行处理，n个区域重叠的多要素全方位跟踪检测雷达传感器数据通过路侧安装的数据采集分析处理器或所述云处理服务器进行数据传递，被跟踪的车辆或行人通过这种方式实现全程跟踪实时不间断的跟踪定位，直到被跟踪的车辆或行人离开n个连续雷达的所覆盖的检测区域为止，其中，同一车辆在通过被n个检测区域重叠的多要素全方位跟踪检测雷达传感器的道路上行驶时，系统会为该车辆分配唯一的识别信息，道路上所有行驶的车辆都会赋予唯一识别代码来保持车辆在四维实景交通路况感知预警监控管理系统中信息的唯一性和可持续性，数据采集分析处理器还要完成一下内容：

1)给雷达设定检测区域、检测车道

2)调取数学运算模型获取每目标物体实时的运动速度、方向、距离、目标夹角、轨迹、行驶时间、所在区域等重要信息

3)获取数据信息送入到预先设定好的报警判定规则模型和报警类型判定规则模型中进行校验，筛选出复合条件的目标进行标定输出警报。

4)启动跟踪摄像机监控摄像机对目标物体进行实时跟踪查看

5)获取跟踪摄像机视频图像送到监控中心供管理人员实时查看录像使用

6)获取本地多要素传感器采集的各类数据，通过数据分析报警模型进行实时分析判断，当满足预先设定的判断机制中

7)检测事件类型包括：车辆停驶、交通事故、车辆拥堵、车辆排队、车辆逆行、车辆慢行、抛洒物、行人、违章变道以及特定区域的非法入侵、异常天气等等重要事件

所述云处理服务器获取前端数据采集分析处理器二次处理打包发送过来的当前路段的节点天气信息、综合气体数据信息、车辆图像特征信息、车辆雷达数据信息，进行交通状态、路况环境四维仿真并启动预警规则，通过获取车辆行人的位置信息判断车辆行人即将途径的路段，采用点对点或广播的方式将告警信息发送到对即将途经该路段的车辆行人进行告警提示。根据四维实景交通仿真模拟，供道路管理者制定应急预案、道路管控、事故车辆行人抢救使用，推送信息避行规划路径，降低恶劣天气下，高速出行的风险

所述四维实景管理工作站根据所述云处理服务器发送的数据，调用并生成三维高精仿真gis地图，该三维高精仿真gis地图是基于3dgis图形渲染引擎为底层，在通过无人机拍摄、激光扫描获取道路数据并结合与之对应的三维仿真软件合并而成，

所述云处理服务器主要与前方的数据采集分析处理器进行通信，获取数据采集分析处理器发过来的数据信息、报警信息、视频信息等，并对对数据采集分析处理器下发控制指令、参数设定指令、联动指令等，云处理服务器启动数据库对系统中的所有数据进行存储，并于人机交互工作进行数据通信，回报报警信息、并接受并完成工作站下发过来的所有信息以及控制指令，完成系统中所有数据采集分析处理器配置信息、搭建系统架构、建立网络数据链路、本地或远程维护、数据查看、筛选、导出等重要工作。处理所有潜在的或可能形成事故的关键信息，启动相应的决策规则加以处理，与监控数据服务器进行信息交互，可向道路监控系统或第三方提供sdk二次开发包或api数据接口，实现与监控系统(含视频控制平台)的联动、声音报警等。设备主要完成以下工作：数据交换、存储功能、系统通讯、维护、集中报警、预案生成、联动方案执行、加载gis电子地图、图形加速引擎、车辆行人异常事故事件检测与报警、图像存储、数据存储、报警事件录像存查、报表生产、与第三方联动指令发送、设备系统参数设定、发送预设方案、日常操作人机界面集中警报。

其中，所述车牌抓拍摄像机将抓取的车辆照片以及车辆牌照信息送入到数据采集采集分析处理器进行图形分析来获取的车辆特征信息送入到所述云处理服务器中进行图形分析和数据分析，所述云处理服务器的数据库中存有各种与实际车辆相同的三维模型和与之对应的车辆特征数据信息，服务器获取车牌抓拍摄像机送过来的每一辆车的车辆照片和车辆特征信息后与本地数据库中三维车辆模型数据进行一对一对比和匹配，将与数据一致或接近的车辆三维模型提取出来。其次、多要素全方位跟踪检测雷达传感器再将该车辆的实时雷达获取的车辆跟踪定位数据信息与该车辆的三维模型做进一步融合匹配，并同时将该车辆三维模型显示在三维高清仿真gis地图上，通过数据补偿技术结合图形渲染加速引擎处理后就可以得到了与实际道路上运动方向、运动速度、实时位置、车辆颜色、车辆外形相同的三维车辆仿真动画，通过监控三维仿真动画中的每一辆车的运动轨迹、运通状态就可以实现对道路上实际运动车辆进行一对一的监控了，再将多要素全方位跟踪检测雷达传感器采集的多要素天气数据信息、空气质量数据、光照数据和时钟信息，送入到本系统中进行全方位的环境仿真模拟就可以更加逼真的对交通路况、交通状态和行驶的车辆以及所在环境进行全方位的仿真，并可以高质量的四维图形画面给使用管理者展现出来。

所述云处理服务器接收并存储所有的匹配后的车辆特征信息、车辆跟踪定位信息和气象数据信息、综合气体数据信息以及获取的第三方数据后；利用四维实景仿真模块根据接收到车辆特征信息和车辆跟踪定位信息与预存的所有三维车辆模型进行特征信息匹配，提取与实际道路上行驶车辆一样的三维车辆模型，并将每一辆汽车的雷达扫描到的实时跟踪定位信息、车辆三维模型和云处理服务器中预存的三维高精度gis地图进行多数据融合仿真，形成四维实景仿真显示、查看、监视方案，通过对四维实景仿真中车辆天气环境的监测，对实际道路上行驶的车辆所在天气环境的实时检测；云处理服务器根据接收到的报警信息，利用预设的当前路段的天气信息预警规则、即将驶入路段的天气预警规则和未来多个时段的天气预警规则，根据人工智能学习方法进行大数据综合分析，生成预警处理预案，并将预警预案发送至四维仿真监控管理站；

所述四维仿真监控管理站接收云处理服务器发送的三维车辆仿真融合数据和四维仿真行驶路径与天气环境下进行仿真动画显示；根据接收的报警事件进行报警事件存查、生成报警事件报表。

优选的，多要素全方位跟踪检测雷达传感器自身所带的多要素传感器以及综合其他传感器采集的气象数据和综合气体数据包括：风速、风向、雨量、气压、温度、湿度、光照、光强、二氧化硫、二氧化碳、一氧化碳、甲烷、挥发物；所述车辆信息包括：车辆牌照信息、车辆尺寸、车身颜色、车辆型号、车型、车系、车标；所述雷达扫描数据包括：即时速度、运动方向、经纬度、id编号和方向角、xyz三维坐标。

优选的，还包括云处理服务器对车辆即将驶入的路段进行预判，根据车辆行驶方向前方路段的是否为交叉路段和高速换行路段进行第一优先级预判；根据车辆行驶方向的前方路段日均车流量进行第二优先级预判。

优选的，所述云处理服务器功能还包括路径规划、四维实景仿真、道路状态路况环境仿真模拟、预警输出、与三方告警提示设备包括：汽车导航、手机导航、车路协同设备、道路情报板、雾区诱导等进行数据通信。经过系统获取的历史数据或现在交通状态数据、路况状态数据以及其他数据以数值递增的方式来进行四维实景交通气象路况仿真模拟，根据模拟仿真后的结果判断是否该路段会出现恶劣天气；当根据系统判断为恶劣天气并发出告警提示时，系统启用路径规划功能模块或启用人工路径规划功能模块，进行安全路径规划，采取交通管制并将告警信息通过第三方(移动、联通、电信、高德、百度)或路侧安装的车路协同设备、路况情报板设备等采用点对点的方式或广播的方式将告警信息、路况信息、交通状态信息、安全提示信息、交通管制信息、故障车辆避让信息等推送至该路段或区域内的司乘人员进行安全告警提示。

优选的，在所述云处理服务器数据库中存有所有品牌车辆各种系列的车型三维车辆模型以及三维模型对应的数据信息包括：车型特征信息、车身颜色信息、车辆车型信息、车辆的外观信息、车辆尺寸信息和车标品牌信息，云处理服务器根据车辆抓拍摄像机拍摄的车辆照片进行图像处理，根据车牌抓拍摄像机获取的车辆图片经过图形分析后获得车型特征信息、车身颜色信息、车辆车型信息、车辆的外观信息、车辆尺寸信息和车标品牌信息；在通过信息匹配技术调取与所拍摄的车辆照片最相符的车辆三维模型，显示在云处理服务器中预先获取的三维高精gis地图中，再根据云处理服务器获取数据采集分析处理器发送过来的雷达扫描的每个车辆的雷达跟踪数据，将给该雷达车辆实时跟踪数据与显示在三维高精gis地图中与之对应的三维车辆模型进行融合，采用惯性车辆数据补偿技术图形处理技术启用图形渲染引擎进行图形加速处理；再将云服务处理器获取前端数据采集分析处理器发送过来的多要素环境数据包括：温湿度数据、综合气体(二氧化硫、二氧化碳、一氧化碳、甲烷、挥发物)数据、亮度光强数据、雨量数据、风速风向数据，叠加并调用环境仿真、路况仿真、交通仿真，从而形成了基于四维实景交通仿真的恶劣天气预警管理系统，启用相应的预警条件判断模块，满足时对外发出告警实现多方位联动处理，以在四维仿真监控管理工作站上进行人机交互与实时显示。

本发明还提供一种基于四维实景仿真路况感知预警监控管理系统的恶劣天气交通预警方法，用于上述所述的恶劣天气交通预警系统，包括以下步骤：

步骤s1，利用多要素全方位跟踪检测雷达传感器获取当前高速公路上行驶的每一辆车的雷达扫描跟踪定位数据，多要素全方位跟踪检测雷达传感器同时按照预设频率实时获取的该路段气象数据和综合气数据，雷达同步触发车牌抓拍摄像机获取被跟踪车辆的图像信息，并将该车辆雷达扫描跟踪数据、车辆图像数据、该路段节点的气象数据和综合气体数据分别发送到数据采集分析处理器中进行数据初步处理；

步骤s2，所述数据采集分析处理器根据接收到的车辆图像数据后，启动图像识别技术提取车辆特征信息，根据接收到的雷达扫描数据提取车辆跟踪定位信息；并将车辆特征信息、车辆跟踪定位信息、气象数据、综合气体数据打包后发送至云处理服务器对数据再次进行二次处理；所述数据采集分析处理器根据初次接收到的车辆雷达扫描原始数据启用目标物体跟踪算法、杂波图算法、惯性运动数据补偿算法、动态数据补偿算法并根据服务器发送过来的各类异常事件事故车辆判断条件、检测区域、检测车道等参数对原始进行筛选、过滤分析并最终形成有效数据，并为每个跟踪目标包括车辆、行人分配目标雷达跟踪定位识别信息。数据采集分析处理器同时获取同步触发安装在车道上方的车牌抓拍摄像机抓取的车辆图像信息，以及触发该车牌抓拍摄像机的雷达车辆跟踪定位信息(该信息通过数据整形后形成脉冲触发信号触发车牌抓拍摄像机进行抓拍)，从而保证服务器接收到的数据为该车辆的同步的图像信息和雷达跟踪定位数据信息。

步骤s3，所述云处理服务器接收并存储所有的匹配后的车辆特征信息、车辆跟踪定位信息和气象参数；利用三维仿真模块根据接收到车辆特征信息和车辆跟踪定位信息与预存的所有三维车辆模型进行特征信息匹配，提取与实际道路上行驶车辆一样的三维车辆模型，并将每一辆汽车的雷达扫描到的实时跟踪定位信息、车辆三维模型和云处理服务器中预存的三维高精度gis地图进行多数据融合仿真，形成四维实景仿真显示、查看、监视方案，通过对四维实景仿真中车辆天气环境的监测，对实际道路上行驶的车辆所在天气环境的实时检测；云处理服务器根据接收到的报警信息，利用预设的当前路段的天气信息预警规则、即将驶入路段的天气预警规则和未来多个时段的天气预警规则，根据人工智能学习方法进行大数据综合分析，生成预警处理预案，并将预警预案发送至四维仿真监控管理站；

步骤s4；四维仿真监控管理站接收云处理服务器发送的三维车辆仿真融合数据和四维仿真行驶路径在天气环境下进行仿真动画显示；根据接收的报警事件进行报警事件存查、生成报警事件报表。

优选的，在步骤s1中，基于四维实景交通仿真的恶劣天气预警管理系统，其特征在于，在步骤s1中，所述车辆的雷达实时数据包括：车辆的跟踪定位信息、即时速度信息、运动方向信息、经纬度信息、目标尺寸信息、id编号信息、类型信息、运动方向角、xyz三维坐标等重要信息；所述车辆的特征数据包括：颜色、车系、外观、车型、品牌、型号、年代、车辆牌照信息等；所述多要素环境数据包括：温湿度数据、综合气体(二氧化硫、二氧化碳、一氧化碳、甲烷、挥发物)数据、亮度光强数据、雨量数据、风速风向数据。

优选的，在步骤s3中，还包括云处理服务器对车辆即将驶入的路段进行预判，根据车辆行驶方向前方路段的是否为交叉路段和高速换行路段进行第一优先级预判；根据车辆行驶方向的前方路段日均车流量进行第二优先级预判。

优选的，还包括步骤s4，所述云处理服务器功能还包括路径规划、四维实景仿真、道路状态路况环境仿真模拟、预警输出、与三方告警提示设备包括：汽车导航、手机导航、车路协同设备、道路情报板、雾区诱导等进行数据通信。经过系统获取的历史数据或现在交通状态数据、路况状态数据以及其他数据以数值递增的方式来进行四维实景交通气象路况仿真模拟，根据模拟仿真后的结果判断是否该路段会出现恶劣天气；当根据系统判断为恶劣天气并发出告警提示时，系统启用路径规划功能模块或启用人工路径规划功能模块，进行安全路径规划，采取交通管制并将告警信息通过第三方(移动、联通、电信、高德、百度)或路侧安装的车路协同设备、路况情报板设备等采用点对点的方式或广播的方式将告警信息、路况信息、交通状态信息、安全提示信息、交通管制信息、故障车辆避让信息等推送至该路段或区域内的司乘人员进行安全告警提示。

优选的，在步骤s2中，在所述云处理服务器数据库中存有所有品牌车辆各种系列的车型三维车辆模型以及三维模型对应的数据信息包括：车型特征信息、车身颜色信息、车辆车型信息、车辆的外观信息、车辆尺寸信息和车标品牌信息，云处理服务器根据车辆抓拍摄像机拍摄的车辆照片进行图像处理，根据车牌抓拍摄像机获取的车辆图片经过图形分析后获得车型特征信息、车身颜色信息、车辆车型信息、车辆的外观信息、车辆尺寸信息和车标品牌信息；在通过信息匹配技术调取与所拍摄的车辆照片最相符的车辆三维模型，显示在云处理服务器中预先获取的三维高精gis地图中，再根据云处理服务器获取数据采集分析处理器发送过来的雷达扫描的每个车辆的雷达跟踪数据，将给该雷达车辆实时跟踪数据与显示在三维高精gis地图中与之对应的三维车辆模型进行融合，采用惯性车辆数据补偿技术图形处理技术启用图形渲染引擎进行图形加速处理；再将云服务处理器获取前端数据采集分析处理器发送过来的多要素环境数据包括：温湿度数据、综合气体(二氧化硫、二氧化碳、一氧化碳、甲烷、挥发物)数据、亮度光强数据、雨量数据、风速风向数据，叠加并调用环境仿真、路况仿真、交通仿真，从而形成了基于四维实景交通仿真的恶劣天气预警管理系统，启用相应的预警条件判断模块，满足时对外发出告警实现多方位联动处理，以在四维仿真监控管理工作站上进行人机交互与实时显示。

根据本发明实施例提供的一种基于四维实景交通仿真的恶劣天气预警管理系统，相比于现有的高速检测装置，至少具有以下优点：

1、通过在道路沿线密布的多要素全方位跟踪检测多要素全方位雷达传感器中的多要素传感器采集到的大量天气参数结合通过互联网中获取的气象数据，实现每个id编号行驶车辆在当前路段的更加真实的模拟仿真出实际的交通状况。

2、天气预警模块根据提取的当前速度参数和当前位置参数，进行车辆途经路段预判，根据预判的车辆途经路段，调取预判的途经路段当前多要素气象传感器上传的气象参数，并按照车辆距离预判的车辆途经路段的由近到远的顺序，逐一推送预判的车辆途经路段天气信息；实现了对前方路段天气进行提前监控，有利于驾驶员及时选择合适路段，规避恶劣天气路段。

3、当四维仿真监控管理站根据天气参数判断该路段为恶劣天气路段时，进一步提取车辆的速度参数和相邻车辆的车距等参数，当车辆速度过低，车距过小时，判断为当前天气状况不适宜高速行驶，路径规划模块根据前方路段天气参数，生成避行规划路径，并推送至司乘人员；实现了提前进行车辆疏散，有利于缓解高速路关闭造成的交通压力。

本发明附加的方面和优点将在下面的描述中部分给出，部分将从下面的描述中变得明显，或通过本发明的实践了解到。

附图说明

本发明的上述和/或附加的方面和优点从结合下面附图对实施例的描述中将变得明显和容易理解，其中：

图1为本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统的连接结构图；

图2为本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统的方法流程图；

图3本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统中多要素气象传感器结构示意图；

图4本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统中前端设备采集数据到中心数据融合四维实景交通仿真到预警报警信息发送的流程示意图；

图5本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统中云处理服务器人工智能学习流程转换图；

图6本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统中恶劣天气预警中路径规划示意图；

具体实施方式

下面详细描述本发明的实施例，所述实施例的示例在附图中示出，其中自始至终相同或类似的标号表示相同或类似的元件或具有相同或类似功能的元件。下面通过参考附图描述的实施例是示例性的，旨在用于解释本发明，而不能理解为对本发明的限制。

如图1所示，本发明实施例提供的基于四维实景交通仿真的恶劣天气预警管理系统，包括多要素全方位跟踪检测雷达传感器、车辆抓拍摄像机、数据采集分析处理器、云处理服务器和四维仿真监控管理站以及其他辅助设备和信息接收发送、显示设备；

多要素全方位跟踪检测雷达传感器获取当前高速公路上行驶的每一辆车的雷达扫描跟踪定位数据，多要素全方位跟踪检测雷达传感器同时按照预设频率实时获取的该路段气象数据和综合气数据，雷达同步触发车牌抓拍摄像机获取被跟踪车辆的图像信息，并将该车辆雷达扫描跟踪数据、车辆图像数据、该路段节点的气象数据和综合气体数据分别发送到数据采集分析处理器中进行数据初步处理

如图4所示，多要素全方位跟踪检测雷达传感器自身的多要素传感器和综合气体传感器用于获取多个节点布设多要素全方位跟踪检测雷达传感器周围高速公路的气象数据和综合气体数据，并按照预设频率将获取的该路段气象参数发送至数据采集分析处理器；

其中如图1所示，多要素全方位跟踪检测雷达传感器自身所带的多要素传感器以及综合其他传感器采集的气象数据和综合气体数据包括：风速、风向、雨量、气压、温度、湿度、光照、光强、二氧化硫、二氧化碳、一氧化碳、甲烷、挥发物；所述车辆信息包括：车辆牌照信息、车辆尺寸、车身颜色、车辆型号、车型、车系、车标；所述雷达扫描数据包括：即时速度、运动方向、经纬度、id编号和方向角、xyz三维坐标。

数据采集分析处理器同时接收的车辆图像、雷达扫描数据并实时接收所有路段的气象参数，根据车辆图像提取车辆特征信息，根据雷达扫描数据提取车辆跟踪定位信息；并将车辆特征信息、车辆跟踪定位信息和气象参数发送至云处理服务器；所述数据采集分析处理器根据初次接收到的车辆雷达扫描数据为每辆车分配唯一标识的id编号；提取该id编号车辆的雷达扫描数据得到车辆跟踪定位信息，并根据接受的车辆图像提取车辆特征信息，将该id编号的车辆跟踪定位信息与车辆特征信息进行匹配；将匹配后的车辆特征信息和车辆跟踪定位信息发送至云处理服务器；所述数据采集分析处理器获取在云处理服务器中设定的天气预警规则，所述数据采集分析处理器按照天气预警规则，根据车辆跟踪定位信息提取车辆当前行驶速度和当前位置信息，进行当前路段的天气信息预警、即将驶入路段的天气预警和未来多个时段的天气预警，并将预警信息发送至云处理服务器。

如图4所示通过在道路沿线密布的多要素全方位跟踪检测多要素全方位雷达传感器中的多要素传感器采集到的大量气候变化数据或通过互联网中获取的气象数据，日照(亮度光强)数据等并结合时间节点的变化(如：24小时时间变化，季节变化等等)，将这些数据送入到云处理服务器中去，就可以让系统更加真实的模拟仿真出实际的交通状况，并可以根据现有的交通环境继续推演来仿真未来天气状况对交通的影响重要程度，更可以让最终用户使用者能够制定出更加详细周全的出行方案。

需要说明的是，云处理服务器中预存的天气预警规则包括实时天气预警和未来时刻的天气预警，其中，未来时刻天气预警时，云处理服务器获取互联网上的历史数据和实时的气象卫星云图信息，根据气象云图信息显示并结合记载的历史天气数据，自动生成未来24小时、48小时、甚至72小时的天气预报信息，根据用户选定的时刻，进行天气预警。例如，当汽车在临海海域或者沙漠等易出现风暴的高速路上行驶时，需要根据气象卫星云图上显示的台风中心或沙尘暴中心等运动的速度和方向结合记载的历史该时刻天气信息，进行天气预警。

实时天气预警一方面包括云处理服务器根据实时接受到的当前路段的气象参数，对行驶在该路段上的车辆进行实时的天气推送，实现当前路段的实时天气预警；另一方面包括云处理服务求根据实时接收到的该车辆将要驶入的路段的气象参数，对即将驶入该路段的车辆实时提供该路段的气象信息，在此过程中，对云处理服务器车辆即将驶入的路段进行预判。

在本发明的一个实施例中，云处理服务器进行车辆途经路段预判时，根据车辆行驶方向前方路段的是否为交叉路段和高速换行路段进行第一优先级预判；根据车辆行驶方向的前方路段日均车流量进行第二优先级预判。

在本实施例中，车辆在高速路段行驶时，根据车辆的行驶速度，如果车辆的行驶速度维持在100km/h时，四维仿真监控管理站实时获取前方20km处的路段的天气状况并发送至驾驶员，如果前方20km以内距离车辆10km处，存在为交叉路段和高速换行路段，则优先推送交叉路段和高速换行路段的天气状况，并根据历史统计数据在高速换行路段中，提前推送车流量较大的路段的天气。以车辆在g45大广高速行驶为例，当车辆在g45大广高速行驶时，行驶至雄安路段时，前方20km处为霸州路段，而前方10km处为g45大广高速和g18荣乌高速的交叉口，优先推送交叉口的天气状况，并根据统计的交叉口车流量信息，进行进一步推送，经过历史统计数据分析，途径g45大广高速和g18荣乌高速的交叉口，前往g45大广高速北京方向的路段的车流量远高于，通过g18荣乌高速前往天津方向的车流量，因此在推送天气信息时，优先推送g45大广高速前往北京方向路段的天气，直至车辆驶过交叉口，已经选择行驶路段，则推送前方20km处路段的天气。

如图4所示，所述云处理服务器接收并存储所有的匹配后的车辆特征信息、车辆跟踪定位信息和气象参数；利用三维仿真模块根据接收到车辆特征信息和车辆跟踪定位信息与预存的所有三维车辆模型进行特征信息匹配，提取与实际道路上行驶车辆一样的三维车辆模型，并将每一辆汽车的雷达扫描到的实时跟踪定位信息、车辆三维模型和云处理服务器中预存的三维高精度gis地图进行多数据融合仿真，形成四维实景仿真显示、查看、监视方案，通过对四维实景仿真中车辆天气环境的监测，对实际道路上行驶的车辆所在天气环境的实时检测；云处理服务器根据接收到的报警信息，利用预设的当前路段的天气信息预警规则、即将驶入路段的天气预警规则和未来多个时段的天气预警规则，根据人工智能学习方法进行大数据综合分析，生成预警处理预案，并将预警预案发送至四维仿真监控管理站；需要说明的是，如图5所示，采用人工智能学习方法对气象参数生成报警预案，云处理服务器获取互联网上的实时气象信息和历史天气信息，根据上述信息进行实施模拟，并根据生成长期策略；其中实时模拟包括对未来交通状态的感知，未来气象灾害的天气感知；通过获取的交通状态和气象灾害程度，生成交通疏预案，其中交通疏导预案，包括交通状态的防范和交通路径的优化。优选的，云处理服务器将每辆车的车辆信息和该车的雷达扫描数据进行匹配时，云处理服务器中预设所有品牌车辆下的，各系列车型的车辆模型，云处理服务器根据车辆抓拍摄像机拍摄的车辆照片进行图像处理，根据拍摄照片中的车型特征、车身颜色、车辆尺寸和车标品牌；调取与所拍摄的车辆照片最相符的车辆模型，根据获取的雷达扫描数据和车辆当前路段的天气参数，生成车辆模型的实时路况模拟行驶动画，用以在四维仿真监控管理站显示。

优选的，云处理服务器实时获取的该路段天气参数，判断是否该路段出现恶劣天气；当根据天气参数判断为恶劣天气时，所述云处理服务器将接收到的每个id编号的车辆的雷达扫描数据，提取速度参数，当所有车辆行驶的速度参数低于60km/h时，判断为当前天气状况不适宜高速行驶，路径规划模块根据前方路段天气参数，生成避行规划路径，由数据采集分析处理器，推送至司乘人员。

所述四维仿真监控管理站接收云处理服务器发送的三维车辆仿真融合数据和四维仿真行驶路径进行仿真动画显示；根据接收的报警事件进行报警事件存查、生成报警事件报表。

如图5所示，在本发明的另一个实施例中，当云处理服务器通过实时采集的天气参数和从互联网获取的参数，分析得出前方路段出现大雾、大雨、大雪等恶劣天气时，四维仿真监控管理站及时推送天气信息的同时，根据同步获取的车辆行驶位置信息，规划车辆的避行路径；其中，避行路径包括根据车辆位置及时推送该车辆应当下高速的收费站，并从互联网及时获取该收费站距离最近的国道、省道的道路拥堵状况，生成最优选的换行路径；提醒驾驶员通过国道或者省道进行换行，避免由于高速封堵，导致车辆在高速路口或服务区滞留。

在雨雪天、沙尘天气、雾霾天气、夜间行车，对于监控管理者来说是非常茫然的，主要是普通监控摄像机在这种条件的情况下已经被致盲，无法在继续发挥监视和控制的作用了，更无法实现对车辆的诱导工作了。现有高速公路虽然安装了车辆诱导系统，但是都是被动方式，没有真正意义上来做到车辆诱导，只是起到了车辆行驶警示作用。自身还有很多的遗留问题没有解决，比如无法判断车辆是否发生交通事故、无法判断道路是否出现拥堵或其他异常情况的出现。但是雷达检测设备本身不受这样子的气候和光线影响，在通过三维gis地图和四维仿真系统全部融合，可将道路上被“埋没”的摄像机完全给重现出来，给交通管理者实现主动实时诱导和异常事件事故快速处理和快速查询提供了很大帮助，在同过雷达自身的通信端口或车路协同通信设备可以将道路上实际交通路况信息和车辆位置信息发送给路侧安装的诱导系统和手机导航或汽车导航系统，便可以有效而完美的实现真正意义上的智慧交通管理系统了。

当遇上特殊情况需要临时封闭道路或实施交通管制时，为了尽量较少道路通行压力和减少不必要的不可预见性的损失。可以提前通过交通通行以及路况仿真的形式来制定更加详细的和确切的交通管制和疏导方案。本系统可以采用真实准确的历史数据并结合现有交通状况，进行道路实时管制仿真和封闭车道影响交通状况仿真，该仿真基本原理是以安装在道路两侧的多要素全方位跟踪检测雷达传感器与车牌抓拍摄像机以及其他数据采集设备发送回来的实时数据信息和历史信息进行汇总分析，由小型云服务器启动人工智能深入学习模块和三维仿真模块以及自动预案生成模块实时评估当前和预测未来路网短时出行需求和交通管制后道路通行状态，在经过路径分配算法，将出行需求分配至仿真路网，模拟和再现路网交通运行状态，给出相应的应对策略和方案。

如图2所示，本发明提供一种基于四维实景仿真路况感知预警监控管理系统的恶劣天气交通预警方法，应用于上述恶劣天气交通预警系统，包括以下步骤：

步骤s1，利用多要素全方位跟踪检测雷达同时获取当前对应高速路段上行驶的每一辆车的车辆图像和当前每一辆车的雷达扫描数据，多要素天气传感器按照预设频率实时获取的该路段气象参数，并将车辆图像、雷达扫描数据和天气参数发送至数据采集分析处理器。

优选的，在步骤s1中，多要素气象传感器采集的气象参数包括风速、风向、液态降水、大气压、温度和相对湿度；车辆信息包括牌照编号、车辆尺寸、车身颜色、车辆型号和车标；雷达扫描数据包括行驶速度、运动方向、经纬度、id编号和方向角。

步骤s2，数据采集分析处理器同时接收的车辆图像、雷达扫描数据并实时接收所有路段的气象参数，根据车辆图像提取车辆特征信息，根据雷达扫描数据提取车辆跟踪定位信息；并将车辆特征信息、车辆跟踪定位信息和气象参数发送至云处理服务器；所述数据采集分析处理器根据初次接收到的车辆雷达扫描数据为每辆车分配唯一标识的id编号；提取该id编号车辆的雷达扫描数据得到车辆跟踪定位信息，并根据接受的车辆图像提取车辆特征信息，将该id编号的车辆跟踪定位信息与车辆特征信息进行匹配；将匹配后的车辆特征信息和车辆跟踪定位信息发送至云处理服务器；所述数据采集分析处理器获取在云处理服务器中设定的天气预警规则，所述数据采集分析处理器按照天气预警规则，根据车辆跟踪定位信息提取车辆当前行驶速度和当前位置信息，进行当前路段的天气信息预警、即将驶入路段的天气预警和未来多个时段的天气预警，并将预警信息发送至云处理服务器。

步骤s3，所述云处理服务器接收并存储所有的匹配后的车辆特征信息、车辆跟踪定位信息和气象参数；利用三维仿真模块根据接收到车辆特征信息和车辆跟踪定位信息与预存的所有三维车辆模型进行特征信息匹配，提取与实际道路上行驶车辆一样的三维车辆模型，并将每一辆汽车的雷达扫描到的实时跟踪定位信息、车辆三维模型和云处理服务器中预存的三维高精度gis地图进行多数据融合仿真，形成四维实景仿真显示、查看、监视方案，通过对四维实景仿真中车辆天气环境的监测，对实际道路上行驶的车辆所在天气环境的实时检测；云处理服务器根据接收到的报警信息，利用预设的当前路段的天气信息预警规则、即将驶入路段的天气预警规则和未来多个时段的天气预警规则，根据人工智能学习方法进行大数据综合分析，生成预警处理预案，并将预警预案发送至四维仿真监控管理站。

步骤s4；四维仿真监控管理站接收云处理服务器发送的三维车辆仿真融合数据和四维仿真行驶路径进行仿真动画显示；根据接收的报警事件进行报警事件存查、生成报警事件报表。

在本实施例中，通过在道路沿线密布的多要素全方位跟踪检测多要素全方位雷达传感器中的多要素传感器采集到的大量气候变化数据或通过互联网中获取的气象数据，日照(亮度光强)数据等并结合时间节点的变化(如：24小时时间变化，季节变化等等)，将这些数据送入到云处理服务器中去，就可以让系统更加真实的模拟仿真出实际的交通状况，并可以根据现有的交通环境继续推演来仿真未来天气状况对交通的影响重要程度，更可以让最终用户使用者能够制定出更加详细周全的出行方案。

在步骤2中，云处理服务器中预存的天气预警规则包括实时天气预警和未来时刻的天气预警，其中，未来时刻天气预警时，云处理服务器获取互联网上的历史数据和实时的气象卫星云图信息，根据气象云图信息显示并结合记载的历史天气数据，自动生成未来24小时、48小时、甚至72小时的天气预报信息，根据用户选定的时刻，进行天气预警。例如，当汽车在临海海域或者沙漠等易出现风暴的的高速路上行驶时，需要根据气象卫星云图上显示的台风中心或沙尘暴中心等运动的速度和方向结合记载的历史该时刻天气信息，进行天气预警。

实时天气预警一方面包括云处理服务器根据实时接受到的当前路段的气象参数，对行驶在该路段上的车辆进行实时的天气推送，实现当前路段的实时天气预警；另一方面包括云处理服务求根据实时接收到的该车辆将要驶入的路段的气象参数，对即将驶入该路段的车辆实时提供该路段的气象信息，在此过程中，对云处理服务器车辆即将驶入的路段进行预判。

在本发明的一个实施例中，云处理服务器进行车辆途经路段预判时，根据车辆行驶方向前方路段的是否为交叉路段和高速换行路段进行第一优先级预判；根据车辆行驶方向的前方路段日均车流量进行第二优先级预判。

车辆在高速路段行驶时，根据车辆的行驶速度，如果车辆的行驶速度维持在100km/h时，云处理服务器实时获取前方20km处的路段的天气状况并发送至驾驶员，如果前方20km以内距离车辆10km处，存在为交叉路段和高速换行路段，则优先推送交叉路段和高速换行路段的天气状况，并根据历史统计数据在高速换行路段中，提前推送车流量较大的路段的天气。以车辆在g45大广高速行驶为例，当车辆在g45大广高速行驶时，行驶至雄安路段时，前方20km处为霸州路段，而前方10km处为g45大广高速和g18荣乌高速的交叉口，优先推送交叉口的天气状况，并根据统计的交叉口车流量信息，进行进一步推送，经过历史统计数据分析，途径g45大广高速和g18荣乌高速的交叉口，前往g45大广高速北京方向的路段的车流量远高于，通过g18荣乌高速前往天津方向的车流量，因此在推送天气信息时，优先推送g45大广高速前往北京方向路段的天气，直至车辆驶过交叉口，已经选择行驶路段，则推送前方20km处路段的天气。

如图4所示，云处理服务器采用人工智能学习方法对气象参数生成报警预案，云处理服务器获取互联网上的实时气象信息和历史天气信息，根据上述信息进行实施模拟，并根据生成长期策略；其中实时模拟包括对未来交通状态的感知，未来气象灾害的天气感知；通过获取的交通状态和气象灾害程度，生成交通疏预案，其中交通疏导预案，包括交通状态的防范和交通路径的优化。优选的，云处理服务器将每辆车的车辆信息和该车的雷达扫描数据进行匹配时，云处理服务器中预设所有品牌车辆下的，各系列车型的车辆模型，云处理服务器根据车辆抓拍摄像机拍摄的车辆照片进行图像处理，根据拍摄照片中的车型特征、车身颜色、车辆尺寸和车标品牌；调取与所拍摄的车辆照片最相符的车辆模型，根据获取的雷达扫描数据和车辆当前路段的天气参数，生成车辆模型的实时路况模拟行驶动画，用以在四维仿真监控管理站显示。

优选的，还包括步骤s5，四维仿真监控管理站实时获取的该路段天气参数，判断是否该路段出现恶劣天气；当根据天气参数判断为恶劣天气时，四维仿真监控管理站将接收到的每个id编号的车辆的雷达扫描数据，提取速度参数，当所有车辆行驶的速度参数低于60km/h时，判断为当前天气状况不适宜高速行驶，路径规划模块根据前方路段天气参数，生成避行规划路径，并推送至司乘人员。在本发明的另一个实施例中，当四维仿真监控管理站通过实时采集的天气参数和从互联网获取的参数，分析得出前方路段出现大雾、大雨、大雪等恶劣天气时，四维仿真监控管理站及时推送天气信息的同时，根据同步获取的车辆行驶位置信息，规划车辆的避行路径；其中，避行路径包括根据车辆位置及时推送该车辆应当下高速的收费站，并从互联网及时获取该收费站距离最近的国道、省道的道路拥堵状况，生成最优选的换行路径；提醒驾驶员通过国道或者省道进行换行，避免由于高速封堵，导致车辆在高速路口或服务区滞留。

如图6所示，在本发明的另一个实施例中，当云处理服务器通过实时采集的天气参数和从互联网获取的参数，分析得出前方路段出现大雾、大雨、大雪等恶劣天气时，四维仿真监控管理站及时推送天气信息的同时，根据同步获取的车辆行驶位置信息，规划车辆的避行路径；其中，避行路径包括根据车辆位置及时推送该车辆应当下高速的收费站，并从互联网及时获取该收费站距离最近的国道、省道的道路拥堵状况，生成最优选的换行路径；提醒驾驶员通过国道或者省道进行换行，避免由于高速封堵，导致车辆在高速路口或服务区滞留。

在雨雪天、沙尘天气、雾霾天气、夜间行车，对于监控管理者来说是非常茫然的，主要是普通监控摄像机在这种条件的情况下已经被致盲，无法在继续发挥监视和控制的作用了，更无法实现对车辆的诱导工作了。现有高速公路虽然安装了车辆诱导系统，但是都是被动方式，没有真正意义上来做到车辆诱导，只是起到了车辆行驶警示作用。自身还有很多的遗留问题没有解决，比如无法判断车辆是否发生交通事故、无法判断道路是否出现拥堵或其他异常情况的出现。但是雷达检测设备本身不受这样子的气候和光线影响，在通过三维gis地图和四维仿真系统全部融合，可将道路上被“埋没”的摄像机完全给重现出来，给交通管理者实现主动实时诱导和异常事件事故快速处理和快速查询提供了很大帮助，在同过雷达自身的通信端口或车路协同通信设备可以将道路上实际交通路况信息和车辆位置信息发送给路侧安装的诱导系统和手机导航或汽车导航系统，便可以有效而完美的实现真正意义上的智慧交通管理系统了。

当遇上特殊情况需要临时封闭道路或实施交通管制时，为了尽量较少道路通行压力和减少不必要的不可预见性的损失。可以提前通过交通通行以及路况仿真的形式来制定更加详细的和确切的交通管制和疏导方案。本系统可以采用真实准确的历史数据并结合现有交通状况，进行道路实时管制仿真和封闭车道影响交通状况仿真，该仿真基本原理是以安装在道路两侧的多要素全方位跟踪检测雷达传感器与车牌抓拍摄像机以及其他数据采集设备发送回来的实时数据信息和历史信息进行汇总分析，由小型云服务器启动人工智能深入学习模块和三维仿真模块以及自动预案生成模块实时评估当前和预测未来路网短时出行需求和交通管制后道路通行状态，在经过路径分配算法，将出行需求分配至仿真路网，模拟和再现路网交通运行状态，给出相应的应对策略和方案。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。

尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例性的，不能理解为对本发明的限制，本领域的普通技术人员在不脱离本发明的原理和宗旨的情况下在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。本发明的范围由所附权利要求及其等同限定。