一种基于机器学习的跨海大桥雾监测系统及其应用方法技术方案

一种基于机器学习的跨海大桥雾监测系统，包括用户交互模块、跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块。一种基于机器学习的跨海大桥雾监测系统的应用方法，包括如下9个步骤，1：数字化建模；2：基于静止卫星星座的遥感图像处理；3：基于极轨卫星星座的遥感图像处理；4：对地面雾及其它气象要素处理；5：人工雾区样本标注；6：基于深度卷积神经网络的大雾区识别；7：给出大雾监测信息；8:TS评分；9：提供接口服务。本发明专利技术在保证安全的前提下发挥了跨海大桥的通行功能保障能力。

【技术实现步骤摘要】
一种基于机器学习的跨海大桥雾监测系统及其应用方法
本专利技术涉及数据分析系统和分析方法领域，特别是一种基于机器学习的跨海大桥雾监测系统及其应用方法。
技术介绍
跨海大桥给沿海人们的出行带来了极大便利，但是跨海大桥因为造价高昂，因此需要足够高的通行量才能有效的收回成本，而且跨海大桥比常规道路要求有更高级别的通行安全保障。大雾(或浓雾)是影响交通通行比较常见的灾害性天气之一，其具有出现几率高、发生范围广、危害程度大的特点，各地一年四季都有它的踪影，都可体察到它的危害；此外，受海面水汽充沛和从南下冷空气频繁的影响，跨海大桥受大雾天气影响非常严重，由于大雾造成的跨海大桥交通事故屡见不鲜，大雾导致能见度下降，最容易引发多车首尾相撞的严重交通事故，所以发生大雾天气时，为了保证交通安全，跨海大桥多采用道路封闭方式应对大雾天气。虽然关闭跨海大桥可以防止大雾引发的交通事故，但由此造成的代价是显而易见的，车辆通行量减少会导致包括跨海大桥运营方相关各方的不小经济损失。雾主要成因是在水气充足、微风及大气层稳定的情况下，当接近地面的空气冷却至某种程度时，空气中的水气便会凝结成细微的水滴悬浮于空中。和风雨雷电不同，大雾天气属于比较弱的天气形势，主要是影响能见度，反映不明显；有时大雾出现是有征兆的，如果头一天为晴天，近地面湿度大，第二天就可能有雾，影响雾形成的因子复杂多变，有时雾生成得特别突然，轻雾在数分钟内就能变成浓雾。此外，复杂地形地貌导致局部区域容易发生团雾；对局部区域团雾的预报是个国际性难题，这也为相关部门基于局部区域团雾预报进行跨海大桥大雾预警和道路封闭管控带来了困难。近几年来很多跨海大桥附近接近陆地处安装有能见度监测仪，实时监测大雾并自动警告。但是跨海大桥全部要安装这种全自动大雾警告及速度控制系统，费用是相当昂贵也不现实。而且对大桥有影响的大雾多形成于海上，大桥周边海域无法安装能见度仪，也就无法获取大桥周边的大雾情况。
技术实现思路
为了克服现有对跨海大桥周边海域发生的局部区域团雾无法有效准确预报，相关部门无法基于局部区域团雾预报进行跨海大桥大雾预警和道路封闭管控的弊端，本专利技术提供了基于多源高时间分辨率静止气象卫星，并结合高空分辨率极轨气象卫星和大桥能见度观测、周边气象站观测的能见度、气温、相对湿度等观测数据，在相关模块共同作用下，有效利用大数据和机器学习技术，快速实现基于静止和极轨气象卫星的大雾信息自动提取，可以对跨海大桥及其周边的海雾和陆地雾进行有效监测，并可以根据需求实现10-30分钟的更新频次，能实现对局部突发性团雾实现有效监测，为相关部门基于局部区域团雾预报进行跨海大桥大雾预警和道路封闭管控带来了便利的一种基于机器学习的跨海大桥雾监测系统及其应用方法。本专利技术解决其技术问题所采用的技术方案是：一种基于机器学习的跨海大桥雾监测系统，其特征在于包括PC机内用户交互模块、跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块。所述用户交互模块，主要功能是完成数据导入，分析平台与用户的输入输出、气象观测数据加载、智能法算库、阈值库等的交互，为跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块提供技术支撑。所述跨海大桥信息遥感提取模块，主要功能是拼接高分辨率遥感影像，自动识别大桥线状要素，提取出大桥的空间信息并生成Shape(形状)文件，并能进行跨海大桥100km距离的缓冲区分析，生成缓冲区范围的Shape文件，将大桥线状要素转换为点状要素。所述遥感影像处理模块，主要是完成遥感影像的处理，具有以下功能，1：选定起始日期，读取期间的气象卫星数据，进行辐射校正、投影转换、空间重采样、区域切割和空间匹配；2：根据时间进行白天和夜晚2种模式气象卫星数据的自动划分；3：针对白天的遥感影像数据，抽取气象卫星多通道中可见光部分的3个通道合成真彩色图像，对于夜间则利用中心波长在3.9μm左右的中红外通道、中心波长在10.4μm左右的远红外通道和中心波长在12.3μm左右的远红外通道合成真彩色图像。所述遥感影像雾区人工判识模块，主要是支持人机交互式雾区判识、解译和保存样本文件，具有以下功能，1：打开真彩色合成图像，可以调整通道设置；2：打开能见度、气温、相对湿度、天气现象等气象观测数据，设置显示方式，按阈值进行过滤显示；3：绘制雾区多边形区域，进行标注，输出多边形区域形状和起始位置；4：绘制负样本多边形区域，进行标注，输出多边形区域形状和起始位置；5：删除或保存标注。所述基于深度学习的大雾识别训练模块，在机器学习Tensorflow(是谷歌基于DistBelief进行研发的第二代人工智能学习系统)库的支持下，实现基于深度卷积神经网格的大雾识别的学习和训练，具体功能如下，1：深度学习模型选择；2：神经网格层次设置；3：卷积核尺寸设置，池化参数设置，目标函数参数设置，搜索算法参数设置；4：GPU(图形处理器)与CPU(中央处理器)设置；5：训练操作；6：绘图操作。一种基于机器学习的跨海大桥雾监测系统的应用方法，其特征在于包括如下9个步骤对跨海大桥局突发性团雾进行监测，并为相关部门基于局部区域团雾预报进行跨海大桥大雾预警和道路封闭管控提供数据支撑，1：通过跨海大桥信息遥感提取模块对跨海大桥区段进行数字化建模；2：通过遥感影像处理模块对基于静止卫星星座的遥感图像进行处理；3：通过遥感影像处理模块对基于极轨卫星星座的遥感图像进行处理；4：通过遥感影像雾区人工判识模块对地面雾及其它气象要素进行处理；5：通过遥感影像雾区人工判识模块将1、2、3、4步骤所得数据进行人工雾区样本标注；6：通过基于深度学习的大雾识别训练模块对第1、2、3、4、5步骤所得数据进行基于深度卷积神经网络(DCN)的大雾区识别，得到跨海大桥雾区数据；7：通过实时大雾监测模块，针对实时气象卫星观测数据进行前处理，然后输入到大雾监测模块内学习模型中，实时给出大雾监测信息，同时实时大雾监测模块数据进入大桥大雾监测信息处理模块，大桥大雾监测信息处理模块将遥感大雾监测结果与6步骤所得跨海大桥数据进行叠加，输出不同桥段的实时大雾监测信息数据供相关单位使用；8:通过大雾估算检验模块，计算大雾估算的TS评分；9：接口服务模块，提供接口服务，输入遥感数据，返回大雾监测结果。本专利技术有益效果是：本专利技术提供了基于多源高时间分辨率静止气象卫星，并结合高空分辨率极轨气象卫星和大桥能见度观测、周边气象站观测的能见度、气温、相对湿度等观测数据，在用户交互模块、跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块共同作用下，有效利用大数据和机器学习技术，快速实现基于静止和极轨气象卫星的大雾信息自动提取，可以对跨海大桥及其周边的海雾和陆地雾进行有效监测，并可以根据需求实现10-30分钟的更新频次，能实现对局突发性团雾实现有效监测，为相关部门基于局本文档来自技高网...

【技术保护点】
1.一种基于机器学习的跨海大桥雾监测系统，其特征在于包括PC机内用户交互模块、跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块。

【技术特征摘要】
1.一种基于机器学习的跨海大桥雾监测系统，其特征在于包括PC机内用户交互模块、跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块。2.根据权利要求1所述的一种基于机器学习的跨海大桥雾监测系统，其特征在于用户交互模块，主要功能是完成数据导入，分析平台与用户的输入输出、气象观测数据加载、智能法算库、阈值库等的交互，为跨海大桥信息遥感提取模块、遥感影像处理模块、遥感影像雾区人工判识模块、基于深度学习的大雾识别训练模块、实时大雾监测模块、大雾估算检验模块、大桥大雾监测信息处理模块、接口服务模块提供技术支撑。3.根据权利要求1所述的一种基于机器学习的跨海大桥雾监测系统，其特征在于跨海大桥信息遥感提取模块，主要功能是拼接高分辨率遥感影像，自动识别大桥线状要素，提取出大桥的空间信息并生成Shape文件，并能进行跨海大桥100km距离的缓冲区分析，生成缓冲区范围的Shape文件，将大桥线状要素转换为点状要素。4.根据权利要求1所述的一种基于机器学习的跨海大桥雾监测系统，其特征在于遥感影像处理模块，主要是完成遥感影像的处理，具有以下功能，1：选定起始日期，读取期间的气象卫星数据，进行辐射校正、投影转换、空间重采样、区域切割和空间匹配；2：根据时间进行白天和夜晚2种模式气象卫星数据的自动划分；3：针对白天的遥感影像数据，抽取气象卫星多通道中可见光部分的3个通道合成真彩色图像，对于夜间则利用中心波长在3.9μm左右的中红外通道、中心波长在10.4μm左右的远红外通道和中心波长在12.3μm左右的远红外通道合成真彩色图像。5.根据权利要求1所述的一种基于机器学习的跨海大桥雾监测系统，其特征在于遥感影像雾区人工判识模块，主要是支持人机交互式雾区判识、解译和保存样本文件，具有以下功能，1：打开真彩色合成图像，可以调整通道设置；2：打开能见度、气温、相对...

【专利技术属性】
技术研发人员：娄胜利，单宝华，张国平，刘浩，陈凡芝，王清臣，随清，
申请(专利权)人：象谱信息产业有限公司，
类型：发明
国别省市：山东,37