一种高速公路浓雾低能见度Logistic回归的短时预警方法技术

本发明专利技术公开了一种高速公路浓雾低能见度Logistic回归的短时预警方法，包括以下步骤：获取交通气象监测站的历史数据；对获得的历史数据进行质量控制；提取与浓雾低能见度相关的重要特征气象参素；采用Logistic模型对历史数据进行训练，得到发生能见度小于200m浓雾的各气象要素的特征属性，构建预测模型；模型应用与更新：输入交通气象监测站分钟级监测数据，输出浓雾低能见度预测结果，当预测准确率小于80%，重新训练更新模型。本发明专利技术利用高速公路观测历史和实时资料，通过历史数据构建浓雾低能见度的Logistic回归预警模型，在根据实时资料对未来可能出现的浓雾低能见进行分钟级预测和提前预警，为高速公路浓雾低能见度智能决策和出行信息服务提供参考。和出行信息服务提供参考。和出行信息服务提供参考。

【技术实现步骤摘要】
一种高速公路浓雾低能见度Logistic回归的短时预警方法


[0001]本申请涉及交通气象领域，尤其涉及一种高速公路浓雾低能见度Logistic回归的短时预警方法。

技术介绍

[0002]雾是贴地层空气中悬浮着大量水滴或冰晶微粒而使水平能见距离降到1千米以下的天气现象。由于大雾天气具有突发性，低能见度会恶化道路行车条件，缩短了驾驶员发现和应对碰撞风险的时间，雾天中的交通事故伤害程度比晴天高2.55倍以上，大雾成为显著影响公路交通安全和机动性的重要因素，造成严重人员伤亡和大范围交通拥堵。
[0003]雾的局地性很强，形成的因素复杂多样，低能见度大雾短临预警一直行业发展的难点和重点。既有多数研究宏观分析了雾的天气背景，各种气象数值预报对低能见度天气的预报虽有一定的指导意义，但尚不能有效指导高速公路本地化大雾的短临预报。在实际的工程实践预报工作中发现，有利的环流背景是产生雾的一个重要条件，但其雾成因复杂，需要考虑周围和上游地区的物理量场分布与本地大雾形成的关系，并结合本地的温、湿、风层结稳定度等气要要素条件综合分析，因此目前对高速公路的大雾并没有很好的预警方法。

技术实现思路

[0004]为了提高高速公路浓雾预测的准确性，本申请提供了一种高速公路浓雾低能见度Logistic回归的短时预警方法。
[0005]为解决上述技术问题，本申请采用的技术方案如下：
[0006]一种高速公路浓雾低能见度Logistic回归的短时预警方法，包括以下步骤：
[0007]S01、获取交通气象监测站的历史数据；
[0008]S02、对获得的历史数据进行质量控制；
[0009]S03、提取与浓雾能见度的重要特征气象参素；
[0010]S04、采用Logistic模型对历史数据进行训练，得到发生能见度小于200m浓雾的各气象要素的特征属性，构建预测模型；
[0011]S05、模型应用与更新：输入交通气象监测站分钟级监测数据，输出浓雾低能见度分类预测结果，当预测准确率小于80％，重新训练更新模型。
[0012]通过上述技术方案，利用高速交通气象监测站的历史数据，构建预测模型，并通过训练校准更新，能够通过气象因子对浓雾低能见度进行预警预报，提供及时准确的监测预警，为交通指挥部门提供参考依据；且各交通气象监测站监测的气象要素基本相同，使得系统的可移植性提高。
[0013]在一个具体的可实施方案中，步骤S04中的具体方法为：
[0014]S041、利用历史发生能见度小于200m浓雾的数据集构件决策边界；
[0015]S042、对样本点进行判断，给出对数几率公式，对对数几率中的参数向量进行求
解，得到成雾概率。
[0016]通过上述技术方案，利用成雾时的气象因子的数据集构建决策边界，在边界之上的代表发生，在边界之下的代表没有发生，再利用成雾的样本进行判断训练，从而可以得到成雾概率跟气象数据的关系。
[0017]在一个具体的可实施方案中，步骤S04中的具体方法为：采用logistic分类方法找到成雾概率P(Y＝1)与输入向量x的直接关系，然后通过比较概率值来判断成雾的类别，将0代表不成雾，将1代表成雾；
[0018]对于所给数据集假设存在这样的一条直线可以将数据完成线性可分，决策边界可以表示为ω1x1+ω2x2+b＝0，ω1，ω2为参数向量，b是偏置向量；
[0019]假设某个样本点h
ω
(x)＝ω1x1+ω2x2+b＞0那么判断它的类别为1；
[0020]采用对数几率函数
[0021]于是有：
[0022][0023]ω
T
为参数列向量，b是偏置向量，将y视为x为正例的概率，则1
‑
y为x为其反例的概率，两者的比值称为几率odds，指该事件发生与不发生的概率比值，若事件发生的概率为p，则对数几率：
[0024][0025]将y视为类后验概率估计：
[0026][0027]输出Y＝1的对数几率是由输入x的线性函数表示的模型；
[0028]先拟合决策边界，再建立这个边界与分类的概率联系，得到了二分类情况下的概率；
[0029]求解逻辑回归的损失函数是：
[0030][0031]梯度下降是通过J(ω)对ω的一阶导数来找下降方向，并且以迭代的方式来更新参数，更新方式为：
[0032][0033][0034]其中k为迭代次数，每次更新参数后，通过比较||J(ω
k+1
)
‑
J(ω
k
)||小于阈值或者到达最大迭代次数来停止迭代。
[0035]通过上述技术方案，利用Logistic分类模型对历史数据进行训练，得到能见度
200m下的各气象要素的特征属性，构建预测模型；同时根据每监测站累计的最新历史数据，并根据预测结果自动选取对预报有正贡献的气象因子进入模型，重新进行训练，更新模型，从而提高预测模型的准确性。
[0036]在一个具体的可实施方案中，所述步骤S01中，高速公路交通气象站的历史数据，包括能见度、相对湿度、温度、降水量、风向、风速、路面状况数据。
[0037]通过上述技术方案，通过采集速公路交通气象站的能见度、相对湿度、温度、降水量、风向、风速、路面状况数据，能够通过这些数据进行计算出跟雾预报影响的基本要素。
[0038]在一个具体的可实施方案中，步骤S02中，进行数据质量控制，采用的方法是：对长时间缺测值进行剔除，对短时缺测数据，如果是连续变量利用前后取值平均方法进行补全，对于非连续变量，则剔除。
[0039]通过上述技术方案，数据质量控制过程中，对于连续的变量进行补全，因为变量是连续的，因此补全后的数据相差不大，能够使得数据连续性好，便于后续的处理；对非连续变量，如降水、风速、风向等，这些数据不连续，补全时难以保证其准确性，所以将其剔除。
[0040]在一个具体的可实施方案中，所述步骤S03中，特征气象参素包括：1小时变温、3小时变温；水汽因子，前3小时降水量、前6小时降水量，露点，温度露点差、地面风向风速变化、大气稳定度。
[0041]通过上述技术方案，计算得到1小时变温、3小时变温；水汽因子，前3小时降水量、前6小时降水量，露点，温度露点差、地面风向风速变化、大气稳定度，这些要素为雾预报的基本要素。
[0042]综上所述，本申请包括以下至少一种有益技术效果：
[0043]本专利技术高速公路浓雾低能见度Logistic回归的短时预警方法，该方法利用高速交通气象监测站能见度、相对湿度、温度、降水量、风向、风速、路面状况等数据等资料以及构建的露点、温度露点差，1小时变温、3小时变温、前3小时降水量、前6小时降水量等与浓雾有关的气象因子，对浓雾低能见度预警预报，提供及时准确的监测预警，为交通指挥部门提供决策依据，为社会大众提供交通气象服务信息，对减少交通事故、降低交通护费用、合理布局交通干线、本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种高速公路浓雾低能见度Logistic回归的短时预警方法，其特征在于，包括以下步骤：S01、获取交通气象监测站的历史数据；S02、对获得的历史数据进行质量控制；S03、提取与浓雾能见度的重要特征气象参素；S04、采用Logistic模型对历史数据进行训练，得到发生能见度小于200m浓雾的各气象要素的特征属性，构建预测模型；S05、模型应用与更新：输入交通气象监测站分钟级监测数据，输出浓雾低能见度分类预测结果，当预测准确率小于80％，重新训练更新模型。2.根据权利要求1所述的一种高速公路浓雾低能见度Logistic回归的短时预警方法，其特征在于，步骤S04中的具体方法为：S041、利用历史发生能见度小于200m浓雾的数据集构件决策边界；S042、对样本点进行判断，给出对数几率公式，对对数几率中的参数向量进行求解，得到成雾概率。3.根据权利要求2所述的一种高速公路浓雾低能见度Logistic回归的短时预警方法，其特征在于，步骤S04中的具体方法为：采用logistic分类方法找到成雾概率P(Y＝1)与输入向量x的直接关系，然后通过比较概率值来判断成雾的类别，将0代表不成雾，将1代表成雾；对于所给数据集假设存在这样的一条直线可以将数据完成线性可分，决策边界可以表示为ω1x1+ω2x2+b＝0，ω1，ω2为参数向量，b是偏置向量；假设某个样本点那么判断它的类别为1；采用对数几率函数于是有：ω
T
为参数列向量，b是偏置向量，将y视为x为正例的概率，则1
‑
...

【专利技术属性】
技术研发人员：房锐，周林义，袁成松，杨文臣，房昱纬，朱承瑛，苏宇，胡澄宇，吴泓，祖繁，徐才坚，刘端阳，
申请(专利权)人：南京气象科技创新研究院，
类型：发明
国别省市：