基于传感器的团雾生成预警方法与流程

本发明涉及交通控制领域，特别涉及基于传感器的团雾生成预警方法。

背景技术：

1、团雾，本质上是雾，是由于地面辐射冷却，是贴近地面的空气变冷、饱和比湿下降导致水汽凝结而形成的，其与普通的雾有所不同，其势力范围较小，团雾外视线良好，团雾内则是一片朦胧，高度公路由于路面白天温度较高，昼夜温差较大的环境因素，更有利于团雾的形成，每年在高速公路上发生的交通事故，四分之一的事故原因为不良天气状况，其中团雾等特殊的气象原因更是高速公路道路安全的最大阻碍和威胁。

2、现有技术中，主要依靠人工采用视频轮巡的方式对视频监控覆盖范围内路面气象情况进行监测、预警。通过人工的方式分析效率低下，并且团雾这种异常气象一般发生在凌晨或傍晚，这两个时段的可见度较低肉眼无法有效发现团雾信息并及时进行警示、管控。

3、因此，需要提供基于传感器的团雾生成预警方法，用于实现团雾生成的自动化预警。

技术实现思路

1、本发明提供基于传感器的团雾生成预警方法，包括：获取目标区域的历史团雾信息，基于所述历史团雾信息确定所述目标区域内的多个待监测位置；基于所述多个待监测位置，建立多个团雾监测站点及多个边缘计算站点；获取所述目标区域的天气预报信息，基于所述目标区域的天气预报信息确定所述多个待监测位置的天气预报信息；获取所述目标区域的污染物预报信息，基于所述目标区域的污染物预报信息确定所述多个待监测位置的污染物预报信息；基于所述多个待监测位置的天气预报信息和污染物预报信息，预测团雾发生区域及团雾生成信息；基于所述团雾发生区域及团雾生成信息，生成并发布团雾预警信息；基于所述团雾发生区域及团雾生成信息，从所述多个团雾监测站点中确定目标团雾监测站点及所述目标团雾监测站点对应的最佳图像采集位姿，从所述多个边缘计算站点中确定目标边缘计算站点，其中，所述目标团雾监测站点用于基于所述最佳图像采集位姿，采集团雾图像，所述目标边缘计算站点用于基于所述团雾图像，确定团雾实时状态，并基于所述团雾实时状态更新所述团雾发生区域及团雾生成信息；基于更新后的所述团雾发生区域及团雾生成信息，调整并发布团雾预警信息。

2、进一步地，基于所述目标区域的天气预报信息确定所述多个待监测位置的天气预报信息，包括：根据所述目标区域的地形信息，将所述目标区域划分为多个子区域；获取所述多个子区域的历史天气信息，基于所述多个子区域的历史天气信息，确认任意两个所述子区域的天气关联度；获取所述多个待监测位置的历史天气信息，基于所述多个待监测位置的历史天气信息，确认任意两个所述待监测位置的天气关联度；建立天气预报模型；基于所述多个子区域的历史天气信息、任意两个所述子区域的天气关联度、所述多个待监测位置的历史天气信息及任意两个所述待监测位置的天气关联度，训练所述天气预报模型；通过训练后的天气预报模型基于所述目标区域的天气预报信息确定所述多个待监测位置的天气预报信息。

3、进一步地，所述天气预报模型包括子区域天气预报单元、子区域天气预报验证单元、位置天气预报单元及位置天气预报验证单元；基于所述多个子区域的历史天气信息、任意两个所述子区域的天气关联度、所述多个待监测位置的历史天气信息及任意两个所述待监测位置的天气关联度，训练所述天气预报模型，包括：基于所述目标区域的历史天气信息和所述多个子区域的历史天气信息，建立多个第一训练样本，其中，所述第一训练样本包括所述目标区域在一个第一历史时间点的历史天气信息和所述多个子区域在所述第一历史时间点的历史天气信息；基于所述多个子区域的历史天气信息和所述多个待监测位置的历史天气信息，建立多个第二训练样本，其中，所述第二训练样本包括所述多个子区域在一个第二历史时间点的历史天气信息和所述多个待监测位置在所述第二历史时间点的历史天气信息；基于所述目标区域的历史天气信息、所述多个子区域的历史天气信息和所述多个待监测位置的历史天气信息，建立多个第三训练样本，其中，所述第三训练样本包括所述目标区域在一个第三历史时间点的历史天气信息、所述多个子区域在所述第三历史时间点的历史天气信息和所述多个待监测位置在所述第三历史时间点的历史天气信息；基于所述多个第一训练样本、所述多个第二训练样本及所述多个第三训练样本，训练所述天气预报模型。

4、进一步地，基于所述多个第一训练样本、所述多个第二训练样本及所述多个第三训练样本，训练所述天气预报模型，包括：将所述第一训练样本包括的所述目标区域在一个第一历史时间点的历史天气信息和任意两个所述子区域的天气关联度，输入至所述子区域天气预报单元，所述子区域天气预报单元输出预测的多个子区域的第一历史天气预报信息；基于所述子区域天气预报单元预测的多个子区域的第一历史天气预报信息和所述第一训练样本包括的所述多个子区域在所述第一历史时间点的历史天气信息，计算第一损失值；将所述第一训练样本包括的所述多个子区域在所述第一历史时间点的历史天气信息和任意两个所述子区域的天气关联度，输入至所述子区域天气预报验证单元，所述子区域天气预报验证单元输出预测的目标区域的历史天气预报信息；基于所述子区域天气预报验证单元预测的目标区域的历史天气预报信息和所述第一训练样本包括的所述目标区域在一个第一历史时间点的历史天气信息，计算第二损失值；基于所述第一损失值和所述第二损失值对所述子区域天气预报单元和所述子区域天气预报验证单元进行第一轮参数优化；所述子区域天气预报单元和所述子区域天气预报验证单元完成第一轮参数优化后，将所述第二训练样本包括的所述多个子区域在一个第二历史时间点的历史天气信息和任意两个所述待监测位置的天气关联度，输入至所述位置天气预报单元，所述位置天气预报单元输出预测的多个待监测位置的第一历史天气预报信息；基于所述位置天气预报单元预测的多个待监测位置的第一历史天气预报信息和所述第二训练样本包括的所述多个待监测位置在所述第二历史时间点的历史天气信息，计算第三损失值；将所述第二训练样本包括的所述多个待监测位置在所述第二历史时间点的历史天气信息和任意两个所述待监测位置的天气关联度，输入至所述位置天气预报验证单元，所述位置天气预报验证单元输出预测的多个子区域的历史天气预报信息；基于所述位置天气预报验证单元预测的多个子区域的历史天气预报信息和所述第二训练样本包括的所述多个子区域在一个第二历史时间点的历史天气信息，计算第四损失值；基于所述第三损失值和所述第四损失值对所述位置天气预报单元和所述位置天气预报验证单元进行第二轮参数优化；所述位置天气预报单元和所述位置天气预报验证单元完成参数优化后，将所述第三训练样本包括的所述目标区域在一个第三历史时间点的历史天气信息和任意两个所述子区域的天气关联度，输入至所述子区域天气预报单元，所述子区域天气预报单元输出预测的多个子区域的第二历史天气预报信息；基于所述子区域天气预报单元预测的多个子区域的第二历史天气预报信息和所述第三训练样本包括的所述多个子区域在所述第三历史时间点的历史天气信息，计算第五损失值；将所述子区域天气预报单元预测的多个子区域的第二历史天气预报信息和任意两个所述待监测位置的天气关联度输入至所述位置天气预报单元，所述位置天气预报单元输出预测的多个待监测位置的第二历史天气预报信息；基于所述位置天气预报单元预测的多个待监测位置的第二历史天气预报信息和所述第三训练样本包括的所述多个待监测位置在所述第三历史时间点的历史天气信息，计算第六损失值；基于所述第五损失值和所述第六损失值对所述子区域天气预报单元和所述位置天气预报单元进行第三轮参数优化；所述训练后的天气预报模型包括完成第三轮参数优化后的子区域天气预报单元和位置天气预报单元。

5、进一步地，所述第一损失值基于以下第一损失函数计算：

6、

7、其中，l1为第一损失值，v((k,forecast),i)为所述子区域天气预报单元预测的第i个子区域的第k种气象因子的值，v((k,real),i)为所述第一训练样本包括的第i个子区域的第k种气象因子的值，k为气象因子的总数，i为子区域的总数，p1为预设参数，且p1>0；

8、所述第三损失值基于以下第三损失函数计算：

9、

10、其中，l3为第三损失值，v((k,forecast),j)为所述位置天气预报单元预测的第j个待监测位置的第k种气象因子的值，v((k,real),j)为所述第二训练样本包括的第j个待监测位置的第k种气象因子的值，j为待监测位置的总数，p2为预设参数，且p2>0。

11、进一步地，基于所述目标区域的污染物预报信息确定所述多个待监测位置的污染物预报信息，包括：获取所述多个子区域的历史污染物信息，基于所述多个子区域的历史污染物信息，确认任意两个所述子区域的污染物关联度；获取所述多个待监测位置的历史污染物信息，基于所述多个待监测位置的历史污染物信息，确认任意两个所述待监测位置的污染物关联度；建立污染物预报模型；基于所述多个子区域的历史污染物信息、任意两个所述子区域的污染物关联度、所述多个待监测位置的历史污染物信息及任意两个所述待监测位置的污染物关联度，训练所述污染物预报模型；通过训练后的污染物预报模型基于所述目标区域的污染物预报信息确定所述多个待监测位置的污染物预报信息。

12、进一步地，基于所述多个待监测位置的天气预报信息和污染物预报信息，预测团雾发生区域及团雾生成信息，包括：获取所述多个待监测位置的历史团雾信息，基于所述多个待监测位置的历史团雾信息，确认任意两个所述待监测位置的团雾关联度；对于每个所述待监测位置，通过局部团雾预测模型基于所述待监测位置的天气预报信息和污染物预报信息，确定所述待监测位置的初始团雾发生区域及初始团雾生成信息；通过全局团雾预测模型基于每个所述待监测位置的初始团雾发生区域及初始团雾生成信息和任意两个所述待监测位置的团雾关联度，确定团雾发生区域及团雾生成信息。

13、进一步地，基于所述团雾发生区域及团雾生成信息，生成团雾预警信息，包括：基于所述团雾发生区域，确定交通预警道路；基于所述团雾生成信息，确定所述交通预警道路的交通管制措施。

14、进一步地，所述目标边缘计算站点基于所述团雾图像，确定团雾实时状态，包括：使用卷积神经网络模型对所述团雾图像进行识别，确定所述团雾实时状态。

15、进一步地，基于所述团雾实时状态更新所述团雾发生区域及团雾生成信息，包括：通过长短期记忆网络模型基于多个历史时间点的团雾实时状态和预测的预测团雾发生区域及团雾生成信息，生成实时调整后的团雾发生区域及团雾生成信息。

16、相比于现有技术，本发明提供的基于传感器的团雾生成预警方法，至少具备以下有益效果：

17、1、通过目标区域内的多个待监测位置，实现有重点的团雾预警，避免了大量无效数据的处理和团雾监测，通过对多个待监测位置的天气预报信息和污染物预报信息进行预测，为后续团雾发生区域及团雾生成信息的预测提供准确且全面的数据支持，在此基础之上，通过目标团雾监测站点和目标边缘计算站点，实现已生成的团雾的实时状态监测，以便实时调整团雾预警信息，为交通管制提供实时性更高且准确度更高的团雾预警信息。

18、2、先使用第一训练样本，基于第一损失值和所述第二损失值对子区域天气预报单元和子区域天气预报验证单元进行第一轮参数优化，使用第二训练样本，基于第三损失值和第四损失值对位置天气预报单元和位置天气预报验证单元进行第二轮参数优化，实现子区域天气预报单元和子区域天气预报验证单元、位置天气预报单元和位置天气预报验证单元的独立训练，并且通过先预测后验证的损失，可以使得天气预报模型隐式地学习不同子区域、不同待监测位置、不同气象变量之间复杂的非线性映射关系，在独立训练完成后，提取独立训练后的区域天气预报单元和位置天气预报单元进行联合训练，通过先独立训练再联合训练的方式，保证了训练后的天气预报模型的预测精度的同时，提高了模型训练的效率。

19、3、通过确认任意两个子区域的天气关联度以及任意两个待监测位置的天气关联度，为天气预报模型提供更多维的信息，引导天气预报模型生成更加准确的多个待监测位置的天气预报信息，通过确认任意两个子区域的污染物关联度以及任意两个待监测位置的污染物关联度，为污染物预报模型提供更多维的信息，引导污染物预报模型生成更加准确的多个待监测位置的污染物预报信息。