本發(fā)明涉及自然災(zāi)害預(yù)警領(lǐng)域，尤其涉及一種基于aiot的道路交通自然災(zāi)害預(yù)警防控系統(tǒng)。

背景技術(shù)：

1、道路交通自然災(zāi)害預(yù)警防控系統(tǒng)是一種集監(jiān)測、分析、預(yù)警與防控于一體的綜合系統(tǒng)，旨在提升道路交通在面臨自然災(zāi)害時的應(yīng)對能力和安全性，系統(tǒng)能夠自動將預(yù)警信息傳遞給相關(guān)建設(shè)單位和施工單位，啟動應(yīng)急預(yù)案，實現(xiàn)預(yù)警響應(yīng)處置的全流程閉環(huán)管理；這一系統(tǒng)有效降低了自然災(zāi)害對道路交通的影響，保障了人民群眾的生命財產(chǎn)安全；而現(xiàn)有技術(shù)下的道路交通自然災(zāi)害預(yù)警防控系統(tǒng)往往依賴人工判斷或簡單的閾值設(shè)定，不夠智能，且多依賴于單一數(shù)據(jù)源進行分析，忽略了氣象、地理等其他重要因素。

技術(shù)實現(xiàn)思路

1、為了克服現(xiàn)有技術(shù)下的道路交通自然災(zāi)害預(yù)警防控系統(tǒng)往往依賴人工判斷或簡單的閾值設(shè)定，不夠智能，且多依賴于單一數(shù)據(jù)源進行分析，忽略了氣象、地理等其他重要因素的問題。

2、本發(fā)明的技術(shù)方案為：一種基于aiot的道路交通自然災(zāi)害預(yù)警防控系統(tǒng)，包括有：

3、邊緣層模塊，用于實時采集道路氣象及自然災(zāi)害數(shù)據(jù)，通過邊緣計算策略進行本地預(yù)處理和邏輯判斷，進行異常狀態(tài)的初步預(yù)警和報警；

4、傳輸層模塊，用于將邊緣層設(shè)備采集的數(shù)據(jù)傳輸?shù)皆贫朔?wù)器；

5、數(shù)據(jù)層模塊，用于對接收到的數(shù)據(jù)進行存儲、清洗、分析和挖掘，對上層應(yīng)用提供數(shù)據(jù)支撐；

6、支撐層模塊，用于為應(yīng)用層提供穩(wěn)定、安全、高效的技術(shù)支撐，確保系統(tǒng)的高效運行；

7、應(yīng)用層模塊，用于基于數(shù)據(jù)層提供的數(shù)據(jù)，實現(xiàn)自然災(zāi)害的實時監(jiān)測、預(yù)警、報警和數(shù)據(jù)分析，為交通安全監(jiān)管提供決策支持；

8、保障體系層模塊，用于采用交通安全法律法規(guī)及技術(shù)規(guī)范體系和信息安全管理及信息系統(tǒng)等級保護體系確保系統(tǒng)建設(shè)符合國家和地方法律法規(guī)，并滿足國家信息安全要求。

9、優(yōu)選的，通過邊緣層模塊實時采集道路氣象及自然災(zāi)害數(shù)據(jù)，通過邊緣計算策略進行本地預(yù)處理和邏輯判斷，進行異常狀態(tài)的初步預(yù)警和報警；通過傳輸層模塊將邊緣層設(shè)備采集的數(shù)據(jù)傳輸?shù)皆贫朔?wù)器；通過數(shù)據(jù)層模塊對接收到的數(shù)據(jù)進行存儲、清洗、分析和挖掘，對上層應(yīng)用提供數(shù)據(jù)支撐；通過支撐層模塊為應(yīng)用層提供穩(wěn)定、安全、高效的技術(shù)支撐，確保系統(tǒng)的高效運行；通過應(yīng)用層模塊基于數(shù)據(jù)層提供的數(shù)據(jù)，實現(xiàn)自然災(zāi)害的實時監(jiān)測、預(yù)警、報警和數(shù)據(jù)分析，為交通安全監(jiān)管提供決策支持；通過保障體系層模塊采用交通安全法律法規(guī)及技術(shù)規(guī)范體系和信息安全管理及信息系統(tǒng)等級保護體系確保系統(tǒng)建設(shè)符合國家和地方法律法規(guī)，并滿足國家信息安全要求。

10、作為優(yōu)選，邊緣層模塊包括有溫度濕度傳感器、風(fēng)力風(fēng)向傳感器、雨量傳感器、pm2.5-10傳感器、視頻攝像頭和自然災(zāi)害智能監(jiān)控終端；各傳感器和視頻攝像頭實時采集道路氣象及自然災(zāi)害數(shù)據(jù)，自然災(zāi)害智能監(jiān)控終端通過邊緣計算策略對采集到的數(shù)據(jù)進行初步處理，根據(jù)預(yù)設(shè)的閾值和邏輯判斷規(guī)則，判斷是否存在自然災(zāi)害異常狀態(tài)，通過邊緣計算控制策略實現(xiàn)本地自然環(huán)境異常狀態(tài)的預(yù)警和報警。

11、作為優(yōu)選，邊緣層模塊在工作時，包括以下步驟：

12、s101：各傳感器和視頻攝像頭實時采集道路氣象及自然災(zāi)害數(shù)據(jù)；

13、s102：自然災(zāi)害智能監(jiān)控終端進行初步的數(shù)據(jù)清洗，去除噪聲數(shù)據(jù)、異常值或重復(fù)數(shù)據(jù)；

14、s103：利用邊緣計算策略，采用emanuel推薦的公式和tetens公式計算飽和水汽壓，其中根據(jù)國際氣象組織提供的emanuel推薦的公式如下：

15、其中，e1為飽和水汽壓，單位為hpa(百帕)；t為為絕對溫標(biāo)，與攝氏溫度t(℃)的關(guān)系為：t＝t+273.15，即飽和水汽壓與攝氏溫度t關(guān)系如下：

16、

17、其中tetens飽和水汽壓計算公式有水面和冰面的公式兩種，分別為；

18、水面e*＝6.11×107.5t/237.3+t、冰面e*＝6.11×109.5t/265.5+t；

19、s104：其中將tetens飽和水汽壓計算公式進行修正后，公式如下：

20、其中e2為飽和水汽壓；t為攝氏度；

21、s105：將s104和s103步驟的計算公式進行算數(shù)平均，得出飽和水汽壓的算數(shù)平均值，計算公式如下：

22、

23、s106：根據(jù)相對濕度定義為空氣中的實際水汽壓與同溫度下的飽和水汽壓的比值，計算相對濕度，計算公式如下：

24、其中e為為同溫度空氣中的實際水汽壓，e為同溫度下的飽和水汽壓；

25、s107：根據(jù)相對濕度計算公式計算實際水汽壓，計算公式如下：

26、e＝f×e；其中e為當(dāng)前濕度下的飽和水汽壓；

27、s108：計算露點溫度，計算公式如下：

28、在同一氣象環(huán)境下，當(dāng)e＝e時，

29、t1＝t；其中t1為露點溫度，t為溫度傳感器的監(jiān)測溫度；

30、s109：根據(jù)上述算法推導(dǎo)，當(dāng)e＝e，且t<t1時，道路形成團霧；若mp2.5-10值大于閥值時，道路形成霾；若氣溫持續(xù)降低t<0℃時，道路形成霜凍結(jié)冰；

31、s110：通過對飽和水汽壓與濕度的比較，判斷道路濕度是否達到飽和，若達到飽和則此時溫度為露溫度，如果溫度持續(xù)降低，空氣中的水汽將被凝結(jié)出來形成“霧”，若pm值大于閥值時，則形成“霾”；此時若溫度仍然降低達到0℃后，道路路面將形成霜凍結(jié)冰；

32、s111：判斷存在異常狀態(tài)時，通過本地聲光報警裝置進行實時預(yù)警；

33、s112：將采集的數(shù)據(jù)和邏輯判斷結(jié)果上傳至云端。

34、作為優(yōu)選，傳輸層模塊接收來自邊緣層模塊的數(shù)據(jù)包，根據(jù)數(shù)據(jù)包的目的地址和當(dāng)前網(wǎng)絡(luò)環(huán)境，選擇最優(yōu)的傳輸路徑，利用項目工程的專用網(wǎng)絡(luò)、4g/5g專用無線網(wǎng)絡(luò)，將數(shù)據(jù)包傳輸?shù)皆贫恕?/p>

35、作為優(yōu)選，數(shù)據(jù)層模塊包括有自然災(zāi)害感知數(shù)據(jù)單元、視頻監(jiān)控數(shù)據(jù)單元、交通指示狀態(tài)數(shù)據(jù)單元、交通安全業(yè)務(wù)監(jiān)管數(shù)據(jù)單元和ai智能分析單元；數(shù)據(jù)層模塊接收來自傳輸層模塊的數(shù)據(jù)包，對數(shù)據(jù)包進行解析，提取出氣象和自然災(zāi)害數(shù)據(jù)；將數(shù)據(jù)存儲到mysql數(shù)據(jù)庫中，并進行數(shù)據(jù)清洗和預(yù)處理，ai智能分析單元利用多維度自然災(zāi)害卷積神經(jīng)網(wǎng)絡(luò)算法對大數(shù)據(jù)進行深度學(xué)習(xí)和挖掘，分析出自然災(zāi)害的趨勢和規(guī)律。

36、作為優(yōu)選，數(shù)據(jù)層模塊在進行自然災(zāi)害數(shù)據(jù)分析時，包括以下步驟：

37、s201：將視頻幀調(diào)整為統(tǒng)一的尺寸96x96像素，以匹配cnn模型的輸入要求；

38、s202：將圖像從rgb色彩空間轉(zhuǎn)換到灰度；

39、s203：進行歸一化處理，將像素值縮放到0到1之間；

40、s204：標(biāo)注圖像，為每個圖像分配一個或多個標(biāo)簽，表示是否存在自然災(zāi)害及其類型；

41、s205：將氣象數(shù)據(jù)、道路地理環(huán)境數(shù)據(jù)和車流量數(shù)據(jù)按時間戳對齊；

42、s206：對非數(shù)值型數(shù)據(jù)按道路類型和車輛類型進行編碼，轉(zhuǎn)換為模型可以處理的數(shù)值形式；

43、s207：將數(shù)據(jù)轉(zhuǎn)換為時間序列及特征向量；

44、s208：輸入圖像數(shù)據(jù)，輸入層接收預(yù)處理后的圖像幀；

45、s209：輸入非圖像數(shù)據(jù)，通過另一輸入層接收非圖像數(shù)據(jù)；

46、s210：使用多個卷積核對輸入圖像進行卷積操作，提取不同級別的特征；

47、s211：每個卷積核針對自然災(zāi)害特征進行訓(xùn)練；

48、s212：應(yīng)用relu激活函數(shù)增加非線性；

49、s213：在卷積層之后加入池化層減少特征圖的尺寸和計算量；

50、s214：采用融合層通過拼接及加權(quán)求和的方式將圖像數(shù)據(jù)和非圖像數(shù)據(jù)進行結(jié)合；

51、s215：將卷積層、池化層和融合層輸出的特征圖展平，輸入到全連接層中；

52、s216：全連接層用于將提取的特征映射到目標(biāo)類別上，輸出每個類別的預(yù)測概率；

53、s217：輸出層使用softmax激活函數(shù)，輸出每個自然災(zāi)害類別的預(yù)測概率；

54、作為優(yōu)選，數(shù)據(jù)層模塊在進行自然災(zāi)害數(shù)據(jù)分析時，還包括以下步驟

55、s218：使用交叉熵損失函數(shù)衡量模型預(yù)測與實際標(biāo)簽之間的差異；

56、s219：選擇adam優(yōu)化算法更新模型權(quán)重，最小化損失函數(shù)；

57、s220：將標(biāo)注好的數(shù)據(jù)集分為訓(xùn)練集、驗證集和測試集；

58、s221：在訓(xùn)練集上訓(xùn)練模型，通過反向傳播算法和梯度下降法更新權(quán)重；

59、s222：在驗證集上評估模型性能，調(diào)整學(xué)習(xí)率、批量大小、卷積核數(shù)量參數(shù)，優(yōu)化模型；

60、s223：使用測試集評估模型的準(zhǔn)確率、召回率、f1分?jǐn)?shù)指標(biāo)；

61、s224：將s216得到各個結(jié)果的預(yù)測值取值最大的作為識別的結(jié)果，多個全連接層輸出識別結(jié)果，形成道路自然災(zāi)害分類識別的輸出結(jié)果。

62、作為優(yōu)選，支撐層模塊包括有g(shù)is電子地圖、微服務(wù)組件、mq消息隊列、負載均衡服務(wù)單元、數(shù)據(jù)緩存服務(wù)單元和安全管理服務(wù)單元；gis電子地圖用于為應(yīng)用層提供地理信息服務(wù)，并支持地圖展示和路徑規(guī)劃；微服務(wù)組件用于將系統(tǒng)拆分為多個微服務(wù)，每個微服務(wù)獨立運行；mq消息隊列用于實現(xiàn)系統(tǒng)內(nèi)部各模塊之間的異步通信，提高系統(tǒng)的并發(fā)處理能力；負載均衡服務(wù)單元用于根據(jù)系統(tǒng)負載情況，動態(tài)分配請求到不同的服務(wù)器，實現(xiàn)負載均衡；數(shù)據(jù)緩存服務(wù)單元用于緩存常用數(shù)據(jù)，減少數(shù)據(jù)庫的訪問壓力，提高系統(tǒng)的響應(yīng)速度；安全管理服務(wù)單元用于提供身份認證、權(quán)限管理和數(shù)據(jù)加密等安全服務(wù)。

63、作為優(yōu)選，應(yīng)用層模塊包括有自然災(zāi)害實時監(jiān)控應(yīng)用、自然災(zāi)害預(yù)警報警應(yīng)用、自然環(huán)境數(shù)據(jù)分析應(yīng)用和交通安全監(jiān)管業(yè)務(wù)應(yīng)用；自然災(zāi)害實時監(jiān)控應(yīng)用用于實時展示道路氣象和自然災(zāi)害數(shù)據(jù)，支持地圖展示和數(shù)據(jù)查詢；自然災(zāi)害預(yù)警報警應(yīng)用用于根據(jù)數(shù)據(jù)層提供的數(shù)據(jù)和預(yù)設(shè)的閾值，自動生成預(yù)警報警信息，并通過聲光報警裝置、led熒光顯示板、廣播的方式進行發(fā)布；自然環(huán)境數(shù)據(jù)分析應(yīng)用用于對大數(shù)據(jù)進行深度分析，挖掘出自然災(zāi)害的規(guī)律和趨勢，為交通安全監(jiān)管提供數(shù)據(jù)支持；交通安全監(jiān)管業(yè)務(wù)應(yīng)用用于基于數(shù)據(jù)分析結(jié)果，為公安交警提供道路交通管制或行車誘導(dǎo)的決策支持。

64、作為優(yōu)選，保障體系層模塊包括有交通安全法律法規(guī)及技術(shù)規(guī)范體系和信息安全管理及信息系統(tǒng)等級保護體系；交通安全法律法規(guī)及技術(shù)規(guī)范體系用于確保系統(tǒng)建設(shè)符合國家和地方法律法規(guī)及技術(shù)規(guī)范的要求；信息安全管理及信息系統(tǒng)等級保護體系通過制定信息安全管理制度、加強安全審計和風(fēng)險評估等措施，確保系統(tǒng)的信息安全和穩(wěn)定運行。

65、本發(fā)明的有益效果：

66、1、相較于現(xiàn)有技術(shù)下的道路交通自然災(zāi)害預(yù)警防控系統(tǒng)往往依賴人工判斷或簡單的閾值設(shè)定，不夠智能，且多依賴于單一數(shù)據(jù)源進行分析，忽略了氣象、地理等其他重要因素；該系統(tǒng)通過融合了溫度濕度、風(fēng)力風(fēng)向、雨量、pm2.5-10、視頻圖像等多維度數(shù)據(jù)，通過ai智能分析單元進行深度學(xué)習(xí)和挖掘，提高了自然災(zāi)害預(yù)警的準(zhǔn)確性和全面性，通過邏輯判斷和ai算法，實現(xiàn)了自動的智能預(yù)警和報警，減少了人為誤判，提高了預(yù)警的及時性和準(zhǔn)確性；

67、2、通過數(shù)據(jù)層模塊將視頻幀調(diào)整為統(tǒng)一的尺寸96x96像素，以匹配cnn模型的輸入要求；將氣象數(shù)據(jù)、道路地理環(huán)境數(shù)據(jù)和車流量數(shù)據(jù)按時間戳對齊，對非數(shù)值型數(shù)據(jù)按道路類型和車輛類型進行編碼，轉(zhuǎn)換為模型可以處理的數(shù)值形式；將數(shù)據(jù)轉(zhuǎn)換為時間序列及特征向量；使用多個卷積核對輸入圖像進行卷積操作，提取不同級別的特征；每個卷積核針對自然災(zāi)害特征進行訓(xùn)練；應(yīng)用relu激活函數(shù)增加非線性；在卷積層之后加入池化層減少特征圖的尺寸和計算量；采用融合層通過拼接及加權(quán)求和的方式將圖像數(shù)據(jù)和非圖像數(shù)據(jù)進行結(jié)合；將卷積層、池化層和融合層輸出的特征圖展平，輸入到全連接層中；全連接層用于將提取的特征映射到目標(biāo)類別上，輸出每個類別的預(yù)測概率；輸出層使用softmax激活函數(shù)，輸出每個自然災(zāi)害類別的預(yù)測概率；將得到各個結(jié)果的預(yù)測值取值最大的作為識別的結(jié)果，多個全連接層輸出識別結(jié)果，形成道路自然災(zāi)害分類識別的輸出結(jié)果；從而通過融合了溫度濕度、風(fēng)力風(fēng)向、雨量、pm2.5-10、視頻圖像等多維度數(shù)據(jù)，通過ai智能分析單元進行深度學(xué)習(xí)和挖掘，提高了自然災(zāi)害預(yù)警的準(zhǔn)確性和全面性；

68、3、通過對飽和水汽壓與濕度的比較，判斷道路濕度是否達到飽和，若達到飽和則此時溫度為露溫度，如果溫度持續(xù)降低，空氣中的水汽將被凝結(jié)出來形成“霧”，若pm值大于閥值時，則形成“霾”；此時若溫度仍然降低達到0℃后，道路路面將形成霜凍結(jié)冰；判斷存在異常狀態(tài)時，通過本地聲光報警裝置進行實時預(yù)警；從而通過邏輯判斷和ai算法，實現(xiàn)了自動的智能預(yù)警和報警，減少了人為誤判，提高了預(yù)警的及時性和準(zhǔn)確性。