一种基于边缘计算的道路团雾预测方法技术

本发明专利技术公开了一种基于边缘计算的道路团雾预测方法，包括：车辆上的车载装置每隔t秒收集车辆途经数据并进行数据预处理得到团雾指标数据；计算边缘服务器的全局最优值，将团雾指标数据上传到全局最优值最大的边缘服务器上；计算团雾密度并根据车辆的经度和纬度进行标记得到团雾密度图；构建KP聚类模型，对团雾密度图进行聚类得到团雾区域类簇和类簇中心；对类簇中心进行更新；构建时空位置预测模型对类簇中心的位置进行预测，得到团雾移动趋势；边缘服务器将团雾移动趋势发送给中心服务器，中心服务器对交通管理部门以及团雾区域周围的车辆进行预警；本发明专利技术通过预测团雾移动趋势，有效的解决道路团雾实时预测和安全预警问题。题。题。

【技术实现步骤摘要】
一种基于边缘计算的道路团雾预测方法


[0001]本专利技术涉及计算机边缘计算领域，特别是涉及一种基于边缘计算的道路团雾预测方法。

技术介绍

[0002]团雾本质上也是雾，是受局部地区微气候环境的影响，在大雾中数十米到上百米的局部范围内，出现的雾气更“浓”、能见度更低的雾；团雾具有突发性、局地性、尺度小、浓度大的特征，对于团雾的预测预报比较困难，团雾外视线良好，团雾内一片朦胧，所以容易造成重大交通事故；对团雾的运动趋势进行预测有助于降低或避免公路交通气象灾害损失，特别是对于团雾这种转折性极端天气，气象局的预警信息是针对大范围的预测，对具体时间具体地点的预测并不精准，导致对交通道路的引导可信度不高；传统预测方法在实际的过程中依然存在着诸多的问题，如效率低、成本高、风险大、稳定性差、缺乏有效的预测方法，很难及时准确的预测团雾，给道路交通带来不少麻烦和安全隐患；针对这些缺陷，设计一种基于边缘计算的道路团雾预测方法是很有必要的。
[0003]公开号为CN107240281A，名称为一种团雾报警预测系统的专利文献，通过道路通行安全信息采集单元、道路通行安全信息分析单元、信息发布系统和交通指挥中心报警系统，将系统应用于国内智能交通领域，将气象数据和交通安全信息相结合，转换成道路交通安全信息，针对团雾形成、团雾等级、团雾范围及团雾移动区域进行报警和预测，增加道路安全力度，但是监测数据的传输较慢，并且预警信息发布渠道较为狭窄，并且不能实时对团雾进行监测和判断团雾的变化趋势，时效性较差。
[0004]公开号为CN111443019A，名称为团雾检测装置、团雾移动方向判断方法的专利文献，通过激光器发出激光，由光照度传感器接收，光照度传感器输出电压值到控制器，依据输出电压值判断团雾浓度，由北斗定位模块获取采集器所处经纬度信息，由GSM通信模块发出至上位机管理中心，利用透射激光强度来检测团雾浓度，与传统图像识别方案相比，具有检测更直接、信号稳定、便于维护等优点，但是对于团雾预测的成本较高，不适于在道路区域进行大规模的布置以及使用。

技术实现思路

[0005]为解决上述技术问题，本专利技术采用的一个技术方案是：提供一种基于边缘计算的道路团雾预测方法，该方法包括：S1.车辆上的车载装置每隔t秒收集车辆途经数据，对所述车辆途经数据进行数据预处理得到团雾指标数据；S2.计算以所述车辆为中心半径为R范围内边缘服务器的全局最优值，将所述团雾指标数据上传到所述全局最优值最大的边缘服务器上；S3.根据所述团雾指标数据计算团雾密度，将所述团雾密度根据车辆的经度和纬度进行标记，得到团雾密度图；
S4.构建KP聚类模型，根据所述团雾密度使用KP聚类模型对所述团雾密度图进行聚类，得到团雾区域类簇和类簇中心；S5.对所述类簇中心进行更新；S6.构建时空位置预测模型，通过所述时空位置预测模型对所述类簇中心的位置进行预测，得到团雾移动趋势；S7.边缘服务器将所述团雾移动趋势发送给中心服务器，所述中心服务器对交通管理部门以及团雾区域周围的车辆进行预警；所述车载装置包括：气象传感器、位置模块、计算模块、存储模块；所述车辆途径数据包括：大气数据和位置信息；所述大气数据包括：大气湿度、温度、PM2.5浓度、大气压强、风速、风向、气压逆温；所述位置信息包括：经度、纬度、时间；所述数据预处理包括：去除重复值、缺失值、异常值，再进行归一化操作；所述R为5km。
[0006]进一步地，所述S2，包括：S21.计算以车辆为中心半径为R范围内边缘服务器的全局最优值X；所述全局最优值X的计算公式为：；其中，为权值，表示车辆与边缘服务器之间的距离，为边缘服务器i的负载情况，表示团雾指标数据的变化量，为天气因子，分为晴天，阴天，雨天和雪天四种天气，由晴天到雪天的天气因子值逐渐增大；所述车辆与边缘服务器之间的距离的计算公式为：；其中，表示车辆的经度，表示车辆的纬度，表示边缘服务器的经度，表示边缘服务器的纬度；所述团雾指标数据的变化量的计算公式为：；其中，表示车辆在时刻的数据量，表示车辆在时刻的数据量；S22.创建边缘服务器队列，将所述边缘服务器按照全局最优值降序排序后依次存储到所述边缘服务器队列；S23.所述车辆选择所述边缘服务器队列中第一个边缘服务器上传团雾指标数据。
[0007]进一步地，所述S3，包括：S31.根据团雾指标数据计算团雾密度；所述团雾密度S的计算公式为：
；其中，为温湿度权重，为综合权重，w1+w2=1，为当前大气湿度，T为当前温度，为归一化之后的PM2.5的浓度，为当前时刻PM2.5的浓度，wp为风速，f为模糊因子，f取值为3；S32.判断所述团雾密度是否大于等于阈值Q，若是，将所述团雾密度根据车辆位置信息标记到所述车辆的当前经度和当前纬度上；若否，则将车辆的位置点的团雾密度设为None；S33.将所有车辆的团雾密度根据车辆的经度和纬度进行标记，得到团雾密度图；S34.将所述团雾密度图划分成W
×
W个网格单元；S35.若所述网格单元中只含团雾密度为None的标记，则将团雾网格密度设为0，否则将网格单元中所述团雾密度的最大值设为团雾网格密度；S36.创建网格集合，将所述网格单元按照团雾网格密度的大小进行降序排序后依次存入所述网格集合中；所述阈值Q的大小为；所述W为大于或等于1的正整数。
[0008]进一步地，所述S4，包括：S41.选取团雾密度图中团雾网格密度最大的网格单元作为初始网格中心；S42.将目标网格单元与所述初始网格中心合并，得到新的网格中心；S43.将已合并的网格单元从网格集合中删除，直到所述目标网格单元不存在则停止网格合并操作，得到第一团雾区域类簇；S44.选取所述网格集合中当前团雾网格密度最大的网格单元为第二初始网格中心，进行网格合并操作，得到第二团雾区域类簇；S45.重复执行S41~S44步骤，直到所述网格中心的个数达到k，则结束聚类，得到k个团雾区域类簇以及k个类簇中心；S46.计算最优判别函数值，当所述最优判别函数值最小时，得到的聚类结果最佳；所述目标网格单元是与所述初始网格中心相邻且团雾网格密度大于0的网格单元；所述最优判别函数值计算公式为：；其中，ki表示类簇中心，k表示聚类个数，表示每个类簇中的团雾网格密度之间的差异，表示每个类簇之间的差异。
[0009]进一步地，所述S5，包括：S51.根据每隔t秒上传的团雾指标数据计算得到中心点优先度SV；所述中心点优先度SV的计算公式为：
；其中，为序号为i的车辆，为序号为i的车辆的团雾密度，为不同时刻每个类簇中心的团雾指标数据之间的差异度，ki为类簇中心，为团雾密度的权重，为差异度的权重，为车辆的总数，所述中心点优先度越大，成为中心点的优先级越高；S52.创建预选类簇中心点队列，将k个类簇中心按照所述中心点优先度大小降序排序后依次存入所述预选类簇中心点队列；S53.从预选类簇中心点队列中选取中心点优先度最大的类簇中心对距离车辆标记位置最近的类簇中心进行更新，得到新的类簇中心；S54.基于不同时刻的团雾指标数据不断对每个团雾区域类簇的类簇中心点进行本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于边缘计算的道路团雾预测方法，其特征在于，包括：S1.车辆上的车载装置每隔t秒收集车辆途经数据，对所述车辆途经数据进行数据预处理得到团雾指标数据；S2.计算以所述车辆为中心半径为R范围内边缘服务器的全局最优值，将所述团雾指标数据上传到所述全局最优值最大的边缘服务器上；S3.根据所述团雾指标数据计算团雾密度，将所述团雾密度根据车辆的经度和纬度进行标记，得到团雾密度图；S4.构建KP聚类模型，根据所述团雾密度使用KP聚类模型对所述团雾密度图进行聚类，得到团雾区域类簇和类簇中心；S5.对所述类簇中心进行更新；S6.构建时空位置预测模型，通过所述时空位置预测模型对所述类簇中心的位置进行预测，得到团雾移动趋势；S7.边缘服务器将所述团雾移动趋势发送给中心服务器，所述中心服务器对交通管理部门以及团雾区域周围的车辆进行预警；所述车载装置包括：气象传感器、位置模块、计算模块、存储模块；所述车辆途径数据包括：大气数据和位置信息；所述大气数据包括：大气湿度、温度、PM2.5浓度、大气压强、风速、风向、气压逆温；所述位置信息包括：经度、纬度、时间；所述数据预处理包括：去除重复值、缺失值、异常值，再进行归一化操作；所述R为5km。2.如权利要求1所述的一种基于边缘计算的道路团雾预测方法，其特征在于，所述S2，包括：S21.计算以车辆为中心半径为R范围内边缘服务器的全局最优值X；所述全局最优值X的计算公式为：；其中，为权值，表示车辆与边缘服务器之间的距离，为边缘服务器i的负载情况，表示团雾指标数据的变化量，为天气因子，分为晴天，阴天，雨天和雪天四种天气，由晴天到雪天的天气因子值逐渐增大；所述车辆与边缘服务器之间的距离的计算公式为：；其中，表示车辆的经度，表示车辆的纬度，表示边缘服务器的经度，表示边缘服务器的纬度；所述团雾指标数据的变化量的计算公式为：；其中，表示车辆在时刻的数据量，表示车辆在时刻的数据量；
S22.创建边缘服务器队列，将所述边缘服务器按照全局最优值降序排序后依次存储到所述边缘服务器队列；S23.所述车辆选择所述边缘服务器队列中第一个边缘服务器上传团雾指标数据。3.如权利要求1所述的一种基于边缘计算的道路团雾预测方法，其特征在于，所述S3，包括：S31.根据团雾指标数据计算团雾密度；所述团雾密度S的计算公式为：；其中，为温湿度权重，为综合权重，w1+w2=1，为当前大气湿度，T为当前温度，为归一化之后的PM2.5的浓度，为当前时刻PM2.5的浓度，wp为风速，f为模糊因子，f取值为3；S32.判断所述团雾密度是否大于等于阈值Q，若是，将所述团雾密度根据车辆位置信息标记到所述车辆的当前经度和当前纬度上；若否，则将车辆的位置点的团雾密度设为None；S33.将所有车辆的团雾密度根据车辆的经度和纬度进行标记，得到团雾密度图；S34.将所述团雾密度图划分成W
×
W个网格单元；S35.若所述网格单元中只含团雾密度为None的标记，则将团雾网格密度设为0，否则将网格单元中所述团雾密度的最大值设为团雾网格密度；S36.创建网格集合，将所述网格单元按照团雾网格密度的大小进行降序排序后依次存入所述网格集合中；所述阈值Q的大小为；所述W为大于或等于1的正整数。4.如权利要求1所述的一种基于边缘计算的道路团雾预测方法，其特征在于，所述S4，包括：S41.选取团雾密度图中团雾网格密度最大的网格单元作为初始网格中心；S42.将目标网格单元与所述初始网格中心合并，得到新的网格中心；S43.将已合并的网格单元从网格集合中删除，直到所述目标网格单元不存在则停止网格合并操作，得到第一团雾区域类簇；S44.选取所述网格集合中当前团雾网格密度最大的网格单元为第二初始网格中心，进行网格合并操作，得到第二团雾区域类簇；S45.重复执行S41~S44步骤，直到所述网格中心的个数达到k，则结束聚类，得到k个团雾区域类簇以及k个类簇中心；S46.计算最优判别函数值，当所述最优判别函数值最小时，得到的聚类结果最佳；所述目标网格单元是与所述初始网格中心相邻且团雾网格密度大于0的网格单元；所述最优判别函数值计算公式为：；
其中，k...

【专利技术属性】
技术研发人员：马勇，刘玲蒙，邹健，何美斌，沈阳，赵涵，刘志全，陶俊，
申请(专利权)人：江西师范大学，
类型：发明
国别省市：