道路天气状况监控方法

1.一种道路天气状况监控方法，其特征在于：包括以下步骤：
步骤一、天气状况采集：
a、用嵌入式计算机通过解码器驱动云台与图像传感器运作，采集视频数据；该图像传感器拍摄到的道路场景图像和路面图像由总线图像采集卡输送到嵌入式计算机；
b、由大气温度传感器、大气湿度传感器、大气压力传感器分别检测大气温度、湿度、压力并上传到嵌入式计算机，由雨量传感器检测到雨量并上传到总线图像采集卡，风速传感器检测到大气风速并上传到总线图像采集卡，再一并通过总线送到嵌入式计算机中；
c、道路噪声传感器检测到胎路噪声，经A/D转换后由总线图像采集卡通过总线送到嵌入式计算机中；
d、路面温度遥测传感器检测到路面红外热像，路面红外图像由总线图像采集卡输送到总线上，从而送到嵌入式计算机；
步骤二、进行天气多传感器融合路况识别：各种路面状况信息由嵌入式计算机内的信息采集软件进行分析处理，判断出道路的气象状况，最后上传到路况现场数据库中。
2.根据权利要求1所述的道路天气状况监控方法，其特征在于：
路况传感器数据的预处理模块的对天气路况信息采集传感器预处理，方法为：道路图像采集子系统经小波变换方法、高斯径向基函数SAM滤波器处理后，得到道路图像数据滤波结果，送到路况数据库中，另外，道路气像采集子系统经确定数据采集频率后，移动平滑滤波处理，得到道路气象数据滤波结果，送到路况数据库中；
能见度识别模块对天气道路能见度的识别，方法为：首先，以目标图像样本特征值为输入、通过颜色空间变换RGB到HIS，经特征提取流表学习算法得到目标图像特征向量集；然后，道路气象数据的道路数据特征向量集以及道路能见度实测数据集三个集合经AdaBoost学习算法处理，能见度数值为输出设计的能见度数据网络分类器，进而识别能见度；
路面状况识别模块对路面天气状况识别，方法为：采用直方图分析与小波分析提取路面图像空域与频域的统计特征，设计基于AdaBoost算法的路面天气湿滑状况图像识别神经网络分类器；利用小波胎路噪声频谱特征，设计支持向量机的路面天气湿滑状况噪声识别分类器；利用傅立叶变换提取路面温度场图像谱特征，设计基于路面温度谱的路面天气湿滑状况分类器；研究不同路况的空气湿度、降雨量、风速数据特征，建立基于道路气象数据的路面湿滑状况识别模型，根据分类器使用条件，动态利用模糊理论方法确定分类器集成的权值，实现多分类器选择性集成。

道路天气状况监控方法\n技术领域\n[0001] 本发明涉及自动检测领域技术，尤其是指一种道路天气状况监控方法。\n背景技术\n[0002] 据统计，天气条件下交通事故的75％发生在湿滑路面环境中，47％发生在下雨天气环境中，15％事故与雪、冰雹有关，11％事故由雪天路面和泞泥路面所致，2％事故由雾天能见度不足所致。因此，有必要进行天气下路况预警与控制，以保障行车安全。\n[0003] 目前，道路天气信息系统(RWIS，Road Weather Information System)与埋人式路面传感器是获取天气下路况数据的主要手段。由于天气路况信息具有时空的不确定性，理想的公路天气数据采集系统应可覆盖全路段，而目前RIWS成本较高，埋入式路面传感器使用与维护不便利，国内高速公路存在沿线路况监测设施普遍不完备、监测密度和要素达不到要求等问题。\n发明内容\n[0004] 有鉴于此，本发明针对现有技术存在之缺失，其主要目的是提供一种道路天气状况监控方法，运用多传感器融合识别，大大提高路况识别的准确性，低成本、安装便捷。\n[0005] 为实现上述目的，本发明采用如下之技术方案：\n[0006] 一种道路天气状况监控方法，包括以下步骤：\n[0007] 步骤一、天气状况采集：\n[0008] a、用嵌入式计算机通过解码器驱动云台与图像传感器运作，采集视频数据；该图像传感器拍摄到的道路场景图像和路面图像由总线图像采集卡输送到嵌入式计算机；\n[0009] b、由大气温度传感器、大气湿度传感器、大气压力传感器分别检测大气温度、湿度、压力并上传到嵌入式计算机，由雨量传感器检测到雨量并上传到总线图像采集卡，风速传感器检测到大气风速并上传到总线图像采集卡，再一并通过总线送到嵌入式计算机中；\n[0010] c、道路噪声传感器检测到胎路噪声，经A/D转换后由总线图像采集卡通过总线送到嵌入式计算机中；\n[0011] d、路面温度遥测传感器检测到路面红外热像，路面红外图像由总线图像采集卡输送到总线上，从而送到嵌入式计算机；\n[0012] 步骤二、进行天气多传感器融合路况识别：各种路面状况信息由嵌入式计算机内的信息采集软件进行分析处理，判断出道路的气象状况，最后上传到路况现场数据库中。\n[0013] 优选的，所述路况传感器数据的预处理模块的对天气路况信息采集传感器预处理，方法为：道路图像采集子系统经小波变换方法、高斯径向基函数SAM滤波器处理后，得到道路图像数据滤波结果，送到路况数据库中，另外，道路气像采集子系统经确定数据采术频率后，移动平滑滤波处理，得到道路气象数据滤波结果，送到路况数据库中；\n[0014] 所述能见度识别模块对天气道路能见度的识别，方法为：首先，以目标图像样本特征值为输入、通过颜色空间变换RGB到HIS，经特征提取流表学习算法得到目标图像特征向量集；然后，道路气象数据的道路数据特征向量集以及道路能见度实测数据集三个集合经AdaBoost学习算法处理，能见度数值为输出设计的能见度数据网络分类器，进而识别能见度；\n[0015] 所述路面状况识别模块对路面天气状况识别，方法为：采用直方图分析与小波分析提取路面图像空域与频域的统计特征，设计基于AdaBoost算法的路面天气湿滑状况图像识别神经网络分类器；利用小波胎路噪声频谱特征，设计支持向量机的路面天气湿滑状况噪声识别分类器；利用傅立叶变换提取路面温度场图像谱特征，设计基于路面温度谱的路面天气湿滑状况分类器；研究不同路况的空气湿度、降雨量、风速等数据特征，建立基于道路气象数据的路面湿滑状况识别模型，根据分类器使用条件，动态利用模糊理论方法确定分类器集成的权值，实现多分类器选择性集成。\n[0016] 本发明与现有技术相比具有明显的优点和有益效果，具体而言，由上述技术方案可知：本系统融合了视频监控系统以及雨量、温度、湿度、风速、大气压力、路面温度遥测、噪声等传感器的天气数据采集系统，设计了多传感器融合识别天气路况提供信息采集平台，运用多传感器融合识别有助于提高路况识别的准确性，低成本、安装便捷。\n[0017] 为更清楚地阐述本发明的结构特征和功效，下面结合附图与具体实施例来对本发明进行详细说明。\n附图说明\n[0018] 图1是本发明之实施例的高速公路路况预警与控制过程原理图；\n[0019] 图2是本发明之实施例中高速公路路况的信息采集系统组成图；\n[0020] 图3是本发明之实施例的路况信息采集流程图；\n[0021] 图4是本发明之实施例的路况数据预处理流程图；\n[0022] 图5是本发明之实施例的道路能见度图像识别流程图；\n[0023] 图6是本发明之实施例的路面状况识别流程图。\n[0024] 附图标识说明：\n[0025] 10、公路天气数据采集系统 11、道路图像子系统\n[0026] 12、道路气象子系统 13、道路噪音子系统\n[0027] 14、道路温度子系统 15、数据传输子系统\n[0028] 16、附属设施子系统 20、公路气象数据处理系统\n[0029] 30、路况执行系统。\n具体实施方式\n[0030] 请参照图1所示，其显示出了本发明之较佳实施例的具体结构，包括公路天气数据采集系统10、公路气象数据处理系统20和路况执行系统30；一方面，该公路天气数据采集系统10基于路侧传感器的路况采集，通过路面实时路况信号处理送到公路气象数据处理系统20，另一方面，公路气象预报系统检测公路的设定时间内(3h、6h、12h、24h)温度、降雨等信息，也送到公路气象数据处理系统20，从而依据特殊天气而由路况执行系统30播报交通运行环境预警与控制措施，包括道路维护、如洒盐等以及其它交通控制与诱导措施。所述公路天气数据采集系统10包括数据采集、处理与传输三大基本功能，其是依据低成本、安装便捷、高精度的原则进行设计。该公路天气数据采集系统10组成及功能见图2。道路天气状况监控系统包括道路图像子系统11、道路气象子系统12、道路噪音子系统13、道路温度子系统14、数据传输子系统15、附属设施子系统16以及连接于各子系统的处理器。该道路图像子系统11包括视频摄像机、图像采集器等；该道路气象子系统12包括气象“五要素”传感器、A/D转换器等；该道路噪音子系统13包括噪声传感器、高分辨率A/D转换器；该道路温度子系统14包括红外摄像机、图像采集器等；该数据传输子系统15包括光端机、光纤等；该附属设施子系统16包括电源与支架等。\n[0031] 其中，所述道路图像子系统11和道路气象子系统12二者配合实现道路能见度状况采集；所述道路图像子系统11、道路气象子系统12、道路噪音子系统13、道路温度子系统\n14四者配合实现道路湿滑状况采集；所述数据传输子系统15实现数据传输功能，附属设施子系统16为系统提供电源和支撑架。\n[0032] 道路天气信息采集系统设计中，降低成本的关键之一是选择合理的传感器。根据公路天气数据采集系统10的功能，需要选择的传感器有图像传感器、温度遥测传感器、气象“五要素”(风速、温度、湿度、雨量、大气压力)传感器和噪声传感器，具体参数见表1。\n[0033] 表1 路况采集传感器性能\n[0034] \n[0035] 注：RH(Relative Humidity)为相对湿度，用露点温度来定义\n[0036] 根据表1中传感器的类型以及公路天气数据采集系统10低功耗的要求，作为路况信息采集的处理器选用PCI04嵌入式计算机，利用PCI04总线图像采集卡采集路况图像信息，并通过485接口控制云台和调节摄像机参数。道路噪声信号通过PCI04总线数据采集卡中的A/D采集，而大气温度、湿度、压力等信号直接通过PCI04嵌入式计算机的485接口采集。路况信息采集流程如图3所示。\n[0037] 在道路图像子系统11中，PC104嵌入式计算机的458接口通过解码器驱动云台与镜头(图像传感器)运作，采集视频数据。该图像传感器拍摄到的道路场景图像和路面图像经通道1，由PC104总线图像采集卡输送到PC104总线上，从而送到PC104嵌入式计算机。\n[0038] 在道路气象子系统12中，由气象“五要素”传感器，即大气温度传感器、大气温度传感器、大气压力传感器分别检测大气温度、湿度、压力，通过485接口2上传到PC104嵌入式计算机，另外，雨量传感器检测到大气风速，经计数器1上传到PC104总线图像采集卡，风速传感器检测到雨量经计数器2上传到PC104总线图像采集卡，再一并通过PC104总线送到PC104嵌入式计算机中。\n[0039] 在道路噪音子系统13中，道路噪声传感器检测到胎路噪声，经A/D转换后由PC104总线图像采集卡通过PC104总线送到PC104嵌入式计算机中。\n[0040] 在道路温度子系统14中，路面温度遥测传感器检测到路面红外热像，路面红外图像经通道2由PC104总线图像采集卡输送到PC104总线上，从而送到PC104嵌入式计算机。\n[0041] 各传感器检测的路面状况信息由PC104嵌入式计算机内的PC104嵌入式计算机信息采集软件分析处理，得出，判断出道路的气象状况，最后上传到路况现场数据库中。\n[0042] PC104嵌入式计算机信息采集软件有天气多传感器融合路况识别方法分析，具体有路况传感器数据的预处理模块、能见度识别模块、路面状况识别模块，各模块对应天气路况信息采集传感器预处理技术、天气道路能见度的识别方法分析、路面天气状况识别方法分析。\n[0043] 其中，路况信息采集传感器数据预处理是路况识别的基础，包括道路气象数据滤波、道路图像噪声去除等，数据预处理流程见图4。道路图像采集子系统经小波变换方法、高斯径向基函数SAM滤波器处理后，得到道路图像数据滤波结果，送到路况数据库中。另外，道路气象采集子系统经确定数据采样频率后，移动平滑滤波处理，得到道路气象数据滤波结果，也送到路况数据库中。\n[0044] 本发明之道路气象数据与路面温度数据预处理采用移动平滑滤波，数据的采用频率为1s，远高于RIWS 3min的要求。在雨、雪天气中，道路场景图像中不可避免地叠加了雨点与雪花图像噪声，影响路况识别效果，需分析雨点与雪花的图像特征并去除其噪声。去除道路场景图像噪声时，一方面要抑制感兴趣区域内噪声，另一方面要保持图像边缘和纹理细节信息。目前常用图像噪声滤波方法(如均值滤波、中值滤波等)均不理想，本文采用小波变换结合高斯径向基核函数的最小二乘支持向量机滤波器，并根据实验数据分析高斯核函数的和惩罚因子及图像噪声检测阈值确定方法。\n[0045] 在天气道路能见度的识别方法分析中，基于图像处理技术的能见度检测算法主要分为两类：一是利用高分辨率、高精度的数字摄像机采集能见度计算参数，利用Kosehmieder定律计算能见度。该方法对设备要求极高，使用条件苛刻，推广难度大。二是利用低成本的视频监控摄像机检测道路能见度。目前，在道路能见度识别中，目标图像特征为感兴趣区域亮度的统计特征或频谱特征，忽略了感兴趣区域的边缘与形状细节等，可采用流形学习算法进行目标图像特征提取与降维，具体过程如图5所示。首先，以目标图像样本特征值为输入、通过颜色空间变换RGB到HIS，经特征提取流表学习算法得到目标图像特征向量集；然后，道路气象数据的道路数据特征向量集以及道路能见度实测数据集三个集合经AdaBoost学习算法处理，能见度数值为输出设计的能见度数据网络分类器，进而识别能见度。\n[0046] 在路面天气状况识别方法分析中，路面湿滑状况包括8种模式，即路面干燥、路面微湿、路面潮湿、路面微湿且有除冰剂、路面潮湿且有除冰剂、路面凝霜、路面积雪和路面覆冰。路面湿滑状况图像内容复杂，在研究中只能采集有限样本。\n[0047] 以往路面湿滑状况分类器大多采用图像空域统计特征并简单使用神经网络分类器，识别准确性与泛化能力都有待提高。因此，如何提取并约简路面图像空域与频域图像特征，及利用有限样本设计高效、泛化性好的路况图像识别分类器是今后路面天气路况图像识别研究的核心问题之一。利用多传感器信息融合有助于提高模式识别的准确性。在路面湿滑状况识别中，采用直方图分析与小波分析提取路面图像空域与频域的统计特征，设计基于AdaBoost算法的路面天气湿滑状况图像识别神经网络分类器；利用小波胎路噪声频谱特征，设计支持向量机的路面天气湿滑状况噪声识别分类器；利用傅立叶变换提取路面温度场图像谱特征，设计基于路面温度谱的路面天气湿滑状况分类器；研究不同路况的空气湿度、降雨量、风速等数据特征，建立基于道路气象数据的路面湿滑状况识别模型。根据分类器使用条件，动态利用模糊理论方法确定分类器集成的权值，实现多分类器选择性集成。具体实图6路面状况识别流程。\n[0048] 天气路况识别系统软件功能的模块设计时，路况采集软件应具有数据采集、数据处理、数据存储、数据传输与远程控制等功能。数据采集包括：①传感器自检模块，检测各个传感器是否正常；②道路场景与路面图像采集模块，每3min采集一幅路面图像及道路标志图像；③路面温度采集模块，采集路面温度并通过调节云台控制采样点；④道路气象数据采集模块，采集大气温度、湿度、压力、风速、雨量等数据，采用频率为1Hz；⑤道路噪声采集模块，采集车辆行驶路面噪声，采用频率200Hz。数据处理包括：①路况信息预处理模块，道路气象数据与路面温度的滤波、道路场景图像噪声去除、胎路噪声特征提取等；②道路能见度识别模块，检测道路能见度，检测周期3min；③路面状况识别模块，检测路面湿滑状况，检测周期3min。\n[0049] 数据存储包括：①数据存储模块，存储各类数据，数据项如表2所示，用1～8代表\n8种路况模式；②数据查询模块，查询各类数据。数据传输与远程控制包括：①数据传输模块，通过网络编程将路况识别结果上传到监控中心数据库；②数据远程控制模块，在监控中心通过网络控制现场数据采集系统。\n[0050] 表2 路况信息采集数据项\n[0051] \n[0052] 此外，作为一种优选方案，本发明设计的公路天气数据采集系统10为实验平台，还可以进一步开展如下研究：\n[0053] 1)天气下路况信息采集传感器数据预处理方法研究。分析天气下路况信息服务需求，明确路况数据项及采集频率，开发数据管理系统。在此基础上，开展气象数据滤波天气路况信息采集传感器数据预处理(包括传感器数据平滑滤波、天气路况图像噪声去除等)方法研究。\n[0054] 2)基于视频图像的道路能见度识别与修正算法研究。研究目标图像特征提取与降维方法，设计道路能见度分类器；分析目标图像的空间距离对识\n[0055] 别结果的影响规律，确定目标图像最佳空间距离和监控摄像机的镜头焦距等参数；同时分析道路环境的气象条件\n[0056] 3)天气下路面湿滑状况多传感器信息融合识别方法研究。提取路面图像、胎路噪声及气象数据特征，针对路面湿滑状况样本有限，研究有效的学习算法并设计各类传感器的路况湿滑识别分类器；分析各种分类器的使用条件，研究路面天气湿滑状况多分类器选择性集成方法。\n[0057] 4)天气下路况信息采集产品化技术研究。利用DSP与MCU开发公路天气数据采集系统10，降低系统的体积和功耗，提高系统的可靠性。\n[0058] 综上，本发明对天气下低成本公路天气数据采集系统10构架方案进行研究，提出道路天气信息采集系统的设计基本原则为低成本、安装便捷、高精度，且应具有数据采集、处理与传输等基本功能；在此基础上设计了由高速公路现有视频监控系统及雨量、温度、湿度、风速、大气压力、路面温度遥测、噪声等传感器组成的道路天气信息采集系统框架；分析了道路气象数据滤波与视频图像中雨、雪噪声去除方法，提出了天气道路能见度与路面湿滑状况识别流程；提出路况采集软件应具有数据采集、数据处理、数据存储、数据传输与远程控制等功能，并对路况采集软件各功能进行了模块设计。解决了高速公路当前高速公路沿线路况监测设施不完备、监测密度和要素普遍达不到要求以及路况识别智能化程度低的状况。\n[0059] 以上所述，仅是本发明的较佳实施例而已，并非对本发明的技术范围作任何限制，故凡是依据本发明的技术实质对以上实施例所作的任何细微修改、等同变化与修饰，均仍属于本发明技术方案的范围内。