[发明专利]一种高速公路能见度时空连续性观测方法

说明书

本发明涉及一种高速公路能见度时空连续性观测方法，通过获取高速公路沿线的交通观测站气象观测资料和视频监控实时影像资料，收集交通观测站点和视频监控点的能见度离散型数据，完成能见度影响因子分析和能见度数据探索，筛选与能见度密切相关的因子，选取相邻两个交通观测站点的能见度值和各相关气象因子的观测值，结合气象卫星通道数据和DEM高程数据，利用神经网络沿线插值模型，沿公路方向对站点间视频探头位置进行沿线插值，基于收敛的神经网络沿线插值算法模型，加密站点间的插值点个数，缩小公路沿线插值点的距离，完成解析高速公路各段的能见度观测值。本发明能有效解决现有观测方式难以完全实现公路沿线能见度值，观测结果不够精确的问题。

技术领域

本发明涉及道路能见度观测技术领域，具体为一种高速公路能见度时空连续性观测方法。

背景技术

随着计算机视觉技术及人工智能科学的发展，以监控摄像机代替能见度仪，并以仿人类视觉的方式完成能见度实时监测，在现有技术中已经存在很多基于视频图像理解的能见观测算法，包括基于Kohler的一致对比度的视频能见度检测算法，基于亮度特征的能见度检测算法以及基于路面标志物的能见度检测算法；这些方法能利用摄像机标定换算出最大可视距离，离散的获取公路沿线的能见度值，很好弥补高速公路能见度观测点部署密度稀疏的问题，但不能完全实现公路沿线的所有点能见度值观测，因此，准确的能见度空间分布数据，理论上可由高密度站网采集，气象相关数据的观测主要依赖气象台站，但是目前台站空间分布不均，密度最少十几公里以上，因此，站点外区域的气象数据通常只能由临近的站点的观测值进行估算，即气象信息空间插值。

近年来，已有较多关于气象要素插值的专门讨论和研究。空间数据内插就是根据一组已知的离散或分区域数据，按照某种数学关系推求出其他未知点或未知区域数据的数学过程。目前常用的传统方法有最近邻近法(泰森多边形法)、移动平均法、样条函数法(spline法)、空间自协方差最佳插值法(Kriging法)等。此外，人工神经网络作为解决非线性问题强有力的工具，受到越来越多的学者的关注，相较于由各种算法根据样本学习得到学习型网络而言，通过构造法得到的网络克服了学习型网络易于陷入局部最小值及收敛速度慢的缺点，神经网络以其高度的非线性特征，更能刻画非线性问题的特征，对于神经网络的插值问题已有一些成果，章莉等人证明了对R上一般界Sigmoidal激活函数，精准插值网络存在所满足的条件，银俊成和曹怀信也构造了小波插值神经网络。但是如何将神经网络等人工智能算法与气象数据相结合进行利用，是亟需解决的技术问题。

发明内容

本发明的目的是提供一种高速公路能见度时空连续性观测方法，能有效解决现有观测方式难以完全实现公路沿线能见度值，观测结果不够精确的问题。

为解决上述技术问题，本发明采用了以下技术方案：

一种高速公路能见度时空连续性观测方法，包括：

获取高速公路沿线的交通观测站点气象观测资料和视频监控点的实时影像资料，通过视频图像理解的能见观测算法，收集交通观测站点和视频监控点的能见度离散型数据；

采用相关分析和主成分分析法对能见度影响因子进行分析，筛选出与高速公路能见度密切相关的因子，选取相邻两个交通观测站点的能见度值和两站点间的各个密切相关因子的观测值；

结合气象卫星通道数据和DEM高程数据，在相邻交通观测站点之间利用神经网络沿线插值算法模型，沿高速公路方向对交通观测站点间视频监控点位置进行沿线插值；

之后引入交通视频标定的能见度最大可视距离，基于神经网络沿线插值算法模型，缩小高速公路沿线插值点的距离，完成解析高速公路各段的能见度观测值。

具体包括以下步骤：

S1.获取高速公路沿线交通观测站点和交通视频监控探头的经纬度数据，计算各交通观测站点间向各视频监控探头位置插值点的插值方向以及交通视频监控探头和相邻两个站点的直线距离，之后将插值方向和距离值保存在数据库中；