一种公路交通安全智能检测系统技术方案

一种公路交通安全智能检测系统，所述检测系统由基于无线传感器网络的公路气象环境参数采集平台和公路交通事故程度等级预警系统两部分组成；本发明专利技术提供了一种公路交通安全智能检测系统，本发明专利技术有效解决了现有公路交通安全没有根据公路气象因素的非线性、大滞后和公路气象条件变化复杂等对公路交通事故的影响，没有对公路气象因素的精确检测，从而极大的影响公路交通安全事故预测和公路交通安全管理问题。

【技术实现步骤摘要】
一种公路交通安全智能检测系统
本专利技术涉及公路交通安全自动化装备的
，具体涉及一种公路交通安全智能检测系统。
技术介绍
随着社会经济的迅猛发展，交通运输在我国社会经济发展中的角色越来越重。高速公路因其运速快和效率高，在运输业中起到举足轻重的作用。然而，高速公路安全运营受气象环境的影响，低能见度、暴雨、高温和冰雪等灾害性天气及其衍生灾害的日益增多，经常导致一些重特大交通事故。近年来，我国高速公路交通事故死亡人数平均每年约12万人，其中近70％是由灾害性天气造成的。因此，分析灾害性天气对高速交通事故影响，提高交通气象服务质量对保障高速公路运输系统的安全、效率以及经济效益有重要意义。通常灾害性天气条件下公路交通事故频发，单位时间内灾害性天气引发的交通事故次数是晴天的好几倍甚至几十倍，且多为重大和恶性事故。气候变化引发的极端天气给交通行业带来较大的负面影响，为了应对灾害性天气对交通运输的不良影响，许多学者开展了相关研究，大多集中在暴雨、暴雪、冰冻、高温、雾霾等灾害性天气对公路交通安全影响研究，相应地提出了不同灾害性天气下公路安全运行的预报预警指标、方法及应对措施。本专利分析了公路气象因素对交通事故的影响和结合公路的历史事故数专利技术了一种公路交通安全智能检测系统。
技术实现思路
本专利技术提供了一种公路交通安全智能检测系统，本专利技术有效解决了现有公路交通安全没有根据公路气象因素的非线性、大滞后和公路气象条件变化复杂等对公路交通事故的影响，没有对公路气象因素的精确检测，从而极大的影响公路交通安全事故预测和公路交通安全管理问题。本专利技术通过以下技术方案实现：一种公路交通安全智能检测系统，其特征在于：所述检测系统由基于无线传感器网络的公路气象环境参数采集平台和公路交通事故程度等级预警系统两部分组成，基于无线传感器网络的公路气象环境参数采集平台实现对公路气象环境参数检测和调节，交通事故程度等级预警系统由温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块、交通事故预测模块和区间数ANFIS神经网络交通事故分类器组成；温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块和交通事故预测模块的输出作为区间数ANFIS神经网络交通事故分类器的输入，区间数ANFIS神经网络交通事故分类器的输出为代表被检测公路交通事故程度等级的区间数，公路交通事故程度等级预警系统实现对公路交通事故程度等级的检测、预测和预警。本专利技术进一步技术改进方案是：所述温度检测模块由多个温度区间数神经网络模型、公路多点检测温度融合模型和温度区间数预测模型组成，多个检测点温度传感器的输出作为对应的多个温度区间数神经网络模型的输入，多个温度区间数神经网络模型的输出作为公路多点检测温度融合模型的输入，公路多点检测温度融合模型的输出作为温度区间数预测模型的输入，温度区间数预测模型的输出作为温度检测模块的输出和区间数ANFIS神经网络交通事故分类器的输入；所述交通事故预测模块由3个按拍延迟线TDL、GRNN神经网络模型、LSTM神经网络事故残差预测模型和区间数Jordan神经网络模型组成，交通事故的历史数据作为1个按拍延迟线TDL的输入，该按拍延迟线TDL的输出作为GRNN神经网络模型的输入，交通事故的历史数据与GRNN神经网络模型输出的差作为LSTM神经网络事故残差预测模型的输入，GRNN神经网络模型的输出和LSTM神经网络事故残差预测模型的输出分别作为对应的2个按拍延迟线TDL的输入，2个按拍延迟线TDL的输出作为区间数Jordan神经网络模型的输入，区间数Jordan神经网络模型输出的区间数代表交通事故预测模块的区间数预测值，区间数Jordan神经网络模型的输出作为区间数ANFIS神经网络交通事故分类器的输入；所述区间数ANFIS神经网络交通事故分类器的输入为5个区间数和输出为1个区间数的ANFIS神经网络，温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块和交通事故预测模块的输出为区间数ANFIS神经网络交通事故分类器的输入，区间数ANFIS神经网络交通事故分类器的输出为代表被检测公路交通事故程度等级的区间数；根据影响公路发生交通事故的温度、雨雪、结冰、能见度的环境因素的工程实践、交通事故预测值和国务院颁布的《道路交通事故处理办法》，区间数ANFIS神经网络交通事故分类器构建公路发生5种交通事故程度等级与5个区间数的对应关系表，5种交通事故程度等级分别为正常状态、交通事故很少、交通事故较少、交通事故较多和交通事故很多，计算区间数ANFIS神经网络交通事故分类器输出的区间数与代表5种交通事故程度等级的5个区间数的相似度，其中相似度最大的区间数对应的交通事故程度等级确定为该公路的交通事故程度等级。本专利技术进一步技术改进方案是：所述温度区间数神经网络模型由RR时间递归神经网络、区间数Elman神经网络和3个按拍延迟线TDL组成，区间数神经网络模型把一段时间公路温度传感器感知被测量公路温度值转换为公路温度的动态区间数值，每个检测点温度传感器的输出为对应的RR时间递归神经网络的输入，RR时间递归神经网络的输出为对应的1个按拍延迟线TDL的输入，3个按拍延迟线TDL的输出为区间数Elman神经网络的输入，区间数Elman神经网络的输出为代表一段时间内公路温度的区间数，区间数Elman神经网络输出区间数的上下限值分别作为对应的2个按拍延迟线TDL的输入，区间数Elman神经网络输出为温度区间数神经网络模型的输出。本专利技术进一步技术改进方案是：所述公路多点检测温度融合模型由一段时间多个检测点的温度区间数神经网络模型输出的公路温度区间数值构成时间序列公路温度区间数阵列，确定时间序列公路温度区间数阵列的正负理想值，分别计算每个检测点的时间序列公路温度区间数值与时间序列公路温度区间数阵列的正负理想值距离和相似度；每个检测点的时间序列公路温度区间数值的负理想值距离除以每个检测点的时间序列公路温度区间数值的负理想值距离与每个检测点的时间序列公路温度区间数值的正理想值距离的和得到的商为每个检测点的时间序列公路温度区间数值的距离相对贴近度，每个检测点的时间序列公路温度区间数值的距离相对贴近度除以所有检测点的时间序列公路温度区间数值的距离相对贴近度的和得到的商为每个检测点的时间序列公路温度区间数值的距离融合权重。本专利技术进一步技术改进方案是：所述雨雪检测模块由多个雨雪区间数神经网络模型、公路多点检测雨雪融合模型和雨雪区间数预测模型组成，多个检测点雨雪传感器的输出作为对应的多个雨雪区间数神经网络模型的输入，多个雨雪区间数神经网络模型的输出作为公路多点检测雨雪融合模型的输入，公路多点检测雨雪融合模型的输出作为雨雪区间数预测模型的输入，雨雪区间数预测模型的输出作为区间数ANFIS神经网络交通事故分类器的输入。本专利技术进一步技术改进方案是：所述结冰检测模块由多个结冰区间数神经网络模型、公路多点检测结冰融合模型和结冰区间数预测模型组成，多个检测点结冰传感器的输出作为对应的多个结冰区间数神经网络模型的输入，多个结冰区间数神本文档来自技高网...

【技术保护点】
1.一种公路交通安全智能检测系统，其特征在于：所述检测系统由基于无线传感器网络的公路气象环境参数采集平台和公路交通事故程度等级预警系统两部分组成，基于无线传感器网络的公路气象环境参数采集平台实现对公路气象环境参数检测和调节，交通事故程度等级预警系统由温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块、交通事故预测模块和区间数ANFIS神经网络交通事故分类器组成；温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块和交通事故预测模块的输出作为区间数ANFIS神经网络交通事故分类器的输入，区间数ANFIS神经网络交通事故分类器的输出为代表被检测公路交通事故程度等级的区间数，公路交通事故程度等级预警系统实现对公路交通事故程度等级的检测、预测和预警；/n所述温度检测模块由多个温度区间数神经网络模型、公路多点检测温度融合模型和温度区间数预测模型组成，多个检测点温度传感器的输出作为对应的多个温度区间数神经网络模型的输入，多个温度区间数神经网络模型的输出作为公路多点检测温度融合模型的输入，公路多点检测温度融合模型的输出作为温度区间数预测模型的输入，温度区间数预测模型的输出作为温度检测模块的输出和区间数ANFIS神经网络交通事故分类器的输入；/n所述交通事故预测模块由3个按拍延迟线TDL、GRNN神经网络模型、LSTM神经网络事故残差预测模型和区间数Jordan神经网络模型组成，交通事故的历史数据作为1个按拍延迟线TDL的输入，该按拍延迟线TDL的输出作为GRNN神经网络模型的输入，交通事故的历史数据与GRNN神经网络模型输出的差作为LSTM神经网络事故残差预测模型的输入，GRNN神经网络模型的输出和LSTM神经网络事故残差预测模型的输出分别作为对应的2个按拍延迟线TDL的输入，2个按拍延迟线TDL的输出作为区间数Jordan神经网络模型的输入，区间数Jordan神经网络模型输出的区间数代表交通事故预测模块的区间数预测值，区间数Jordan神经网络模型的输出作为区间数ANFIS神经网络交通事故分类器的输入；/n所述区间数ANFIS神经网络交通事故分类器的输入为5个区间数和输出为1个区间数的ANFIS神经网络，温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块和交通事故预测模块的输出为区间数ANFIS神经网络交通事故分类器的输入，区间数ANFIS神经网络交通事故分类器的输出为代表被检测公路交通事故程度等级的区间数；根据影响公路发生交通事故的温度、雨雪、结冰、能见度的环境因素的工程实践、交通事故预测值和国家公路交通事故的认定标准，区间数ANFIS神经网络交通事故分类器构建公路发生5种交通事故程度等级与5个区间数的对应关系表，5种交通事故程度等级分别为正常状态、交通事故很少、交通事故较少、交通事故较多和交通事故很多，计算区间数ANFIS神经网络交通事故分类器输出的区间数与代表5种交通事故程度等级的5个区间数的相似度，其中相似度最大的区间数对应的交通事故程度等级确定为该公路的交通事故程度等级。/n...

【技术特征摘要】
1.一种公路交通安全智能检测系统，其特征在于：所述检测系统由基于无线传感器网络的公路气象环境参数采集平台和公路交通事故程度等级预警系统两部分组成，基于无线传感器网络的公路气象环境参数采集平台实现对公路气象环境参数检测和调节，交通事故程度等级预警系统由温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块、交通事故预测模块和区间数ANFIS神经网络交通事故分类器组成；温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块和交通事故预测模块的输出作为区间数ANFIS神经网络交通事故分类器的输入，区间数ANFIS神经网络交通事故分类器的输出为代表被检测公路交通事故程度等级的区间数，公路交通事故程度等级预警系统实现对公路交通事故程度等级的检测、预测和预警；
所述温度检测模块由多个温度区间数神经网络模型、公路多点检测温度融合模型和温度区间数预测模型组成，多个检测点温度传感器的输出作为对应的多个温度区间数神经网络模型的输入，多个温度区间数神经网络模型的输出作为公路多点检测温度融合模型的输入，公路多点检测温度融合模型的输出作为温度区间数预测模型的输入，温度区间数预测模型的输出作为温度检测模块的输出和区间数ANFIS神经网络交通事故分类器的输入；
所述交通事故预测模块由3个按拍延迟线TDL、GRNN神经网络模型、LSTM神经网络事故残差预测模型和区间数Jordan神经网络模型组成，交通事故的历史数据作为1个按拍延迟线TDL的输入，该按拍延迟线TDL的输出作为GRNN神经网络模型的输入，交通事故的历史数据与GRNN神经网络模型输出的差作为LSTM神经网络事故残差预测模型的输入，GRNN神经网络模型的输出和LSTM神经网络事故残差预测模型的输出分别作为对应的2个按拍延迟线TDL的输入，2个按拍延迟线TDL的输出作为区间数Jordan神经网络模型的输入，区间数Jordan神经网络模型输出的区间数代表交通事故预测模块的区间数预测值，区间数Jordan神经网络模型的输出作为区间数ANFIS神经网络交通事故分类器的输入；
所述区间数ANFIS神经网络交通事故分类器的输入为5个区间数和输出为1个区间数的ANFIS神经网络，温度检测模块、雨雪检测模块、结冰检测模块、能见度检测模块和交通事故预测模块的输出为区间数ANFIS神经网络交通事故分类器的输入，区间数ANFIS神经网络交通事故分类器的输出为代表被检测公路交通事故程度等级的区间数；根据影响公路发生交通事故的温度、雨雪、结冰、能见度的环境因素的工程实践、交通事故预测值和国家公路交通事故的认定标准，区间数ANFIS神经网络交通事故分类器构建公路发生5种交通事故程度等级与5个区间数的对应关系表，5种交通事故程度等级分别为正常状态、交通事故很少、交通事故较少、交通事故较多和交通事故很多，计算区间数ANFIS神经网络交通事故分类器输出的区间数与代表5种交通事故程度等级的5个区间数的相似度，其中相似度最大的区间数对应的交通事故程度等级确定为该公路的交通事故程度等级。


2.根据权利要求1所述的一种公路交通安全智能检测系统，其特征在于：所述温度区间数神经网络模型由RR时间递归神经网络、区间数Elman神经网络和3个按拍延迟线TDL组成，区间数神经网络模型把一段时间公路温度传感器感知被测量公路温度值转换为公路温度的动态区间数值，每个检测点温度传感器的输出为对应的RR时间递归神经网络的输入，RR时间递归神经网络的输出为对应的1个按拍延迟线TDL的输入，3个按拍延迟线TDL的输出为区间数Elman神经网络的输入，区间数Elman神经网络的输出为代表一段时间内公路温度的区间数，区间数Elman神经网络输出区间数的上下限值分别作为对应的2个按拍延迟线TDL的输入，区间数Elman神经网络输出为温度区间数神经网络模型的输出。


3.根据权利要求1所述的一种公路交通安全智能检测系统，其特征在于：所述公路多点检测温度融合模型由一段时间多个检测点的温度区间数神经网络模型输出的公路温度区间数值构成时间序列公路温度区间数阵列，确定时间序列公路温度区间数阵列的正负理想值，分别计算每个检测点的时间序列公路温度区间数值与时间序列公路温度区间数阵列的正负理想值距离和相似度；每个检测点的时间序列公路温度区间数值的负理想值距离除以每个检测点的时间序列公路温度区间数值的负理想值距离与每个检测点的时间序列...

【专利技术属性】
技术研发人员：周亮，马从国，马翔，陈亚娟，马海波，丁晓红，张月红，张利兵，李广科，丁百湛，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：江苏;32