[发明专利]一种道路交通地质灾害预警方法、装置及存储介质在审

专利信息
申请号: 202110354758.5 申请日: 2021-03-31
公开(公告)号: CN113034859A 公开(公告)日: 2021-06-25
发明(设计)人: 褚端峰;赵晨阳;陆丽萍;吴超仲 申请(专利权)人: 武汉理工大学
主分类号: G08B21/10 分类号: G08B21/10;G08G1/048
代理公司: 武汉智嘉联合知识产权代理事务所(普通合伙) 42231 代理人: 陈建军
地址: 430070 湖*** 国省代码: 湖北;42
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 道路交通 地质灾害 预警 方法 装置 存储 介质
【说明书】:

发明涉及一种道路交通地质灾害预警方法、装置及计算机可读存储介质,所述方法包括获取地质灾害预测数据,对所述地质灾害预测数据进行多点数据融合,获取预测数据融合值;以回归参数和运动平均参数作为变量,建立预测序列数学模型;将预测数据融合值导入训练完备的预测序列数学模型,获取预测数据,根据所述预测数据进行灾害预警。本发明提供的道路交通地质灾害预警方法,可以提高道路交通地质灾害的预警精准度。

技术领域

本发明涉及灾害预警技术领域,尤其涉及一种道路交通地质灾害预警方法、装置及计算机可读存储介质。

背景技术

目前国内外大部分采用的道路交通预警系统为“基础设施-数据存储-应用支撑-服务模块”的总体结构框架。首先,利用交通气象地面观测资料、基础地理信息提取气象、地质的相关数据,其次,通过通信、数据传感等设备将数据传输至数据存储设备中,经大数据、云计算等技术对多源数据进行分类、计算、分析,最后,通过单要素监测实况、多要素实况、道路反演实况等模块,进行对道路交通场景的监测与预警。同时,道路交通的地质灾害的预警对于降低因地质灾害导致的交通事故率有很大的意义和价值。

因此,如何避免因恶劣天气及地质灾害导致的交通事故,并能够提前做出精确、有效的预警以及合理、安全的车速、车道的规划,仍然是道路交通预警领域的一项重要的挑战。目前国内外学者对道路交通地质灾害预警的研究主要有用贝叶斯网络、神经网络、模糊理论等方法进行交通事故的判别与预警预报,以及建立单因素预测模型、多因素预测模型实现对道路交通安全的预警。但是,预警的精准度较低,尚且还不能够保证完全避免气象、地质灾害带来的危险,其直观性、实时性较差。

发明内容

有鉴于此,有必要提供一种道路交通地质灾害预警方法、装置及计算机可读存储介质,用以解决现有道路交通地质灾害的预警精准度较低的问题。

本发明提供了一种道路交通地质灾害预警方法,包括以下步骤:

获取地质灾害预测数据,对所述地质灾害预测数据进行多点数据融合,获取预测数据融合值;

以回归参数和运动平均参数作为变量,建立预测序列数学模型;

将预测数据融合值导入训练完备的预测序列数学模型,获取预测数据,根据所述预测数据进行灾害预警。

进一步地,所述地质灾害预测数据包括气象、地质、交通流的数据。

进一步地,对所述地质灾害预测数据进行多点数据融合,得到预测数据融合值,具体包括:通过多点数据融合公式对所述地质灾害预测数据进行多点数据融合,获取预测数据融合值;所述多点数据融合公式为

y=[θ12,...θn][a1,a2,...an]T

其中,θi为权重系数,ai为地质灾害预测数据,且ai服从正态分布,n为预测数据的多源数,1in。

进一步地,所述道路交通地质灾害预警方法还包括通过最优权重确定公式,确定权重系数θi,所述最优权重确定公式为

其中,σ为地质灾害融合程度的判断值,σi预测值误差的均方差。

进一步地,以回归参数和运动平均参数作为变量,建立预测序列数学模型,具体包括:将预测序列{ai},i=1,2,…,t拟合一个随机差分方程,将回归参数和运动平均参数作为变量,建立预测序列数学模型;所述随机差分方程为

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于武汉理工大学,未经武汉理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110354758.5/2.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top