【技术实现步骤摘要】
本专利技术属于气象信息，具体涉及多源数据融合的交通气象风险预测和路线规划方法及系统。
技术介绍
1、交通运输对天气的敏感性非常高，由极端天气事件引发的交通安全事故频频发生，对人们的出行安全和经济社会的发展带来了巨大挑战。常见的交通气象灾害有：低能见度浓雾(大雾、团雾)、降雨(暴雨、强降水、积水、洪涝)、低温与冰冻等，以及由这些气象灾害导致的次生灾害或地质灾害。
2、国内外学者在交通气象方面开展了大量研究，国外在道路天气预测、智慧交通系统方面很早就开展了相关研究，主要在rwis(road weather infomation system)选址、路面温度预报、公路交通气象影响和评估等方面开展了研究及应用。国内研究主要针对大雾、降水等高影响因子开展预报和评估研究，为后续的研究提供了丰富的理论基础和研究指引。
3、现有的交通气象系统研究多基于已有道路数据进行单时次、单要素、全线路的交通气象影响服务系统的评估与预报研究，对于动态的行进路段的天气状态及对气象影响判断，则需要根据各路段抵达时次的人工估算数据、人工的查阅多要素...
【技术保护点】
1.多源数据融合的交通气象风险预测方法，其特征在于：获取交通数据，并对交通风险进行分级，匹配对应时次历史气象数据的高影响因子，得到建模数据，构建气象风险预测的分类树模型，获取历史气象数据的高影响因子，并基于模型的分类节点进行递归地分离，生成分类树，估计各分类节点的交通风险等级类别概率，通过对分类节点的不纯度判定，寻求最优的高影响因子分割阈值，使得分类树不纯度达到最低，训练好的分类树模型获取气象数据的高影响因子，根据对应的分割阈值，生成对应类别的交通风险等级。
2.根据权利要求1所述的多源数据融合的交通气象风险预测方法，其特征在于：所述历史气象数据的高影响因...
【技术特征摘要】
1.多源数据融合的交通气象风险预测方法，其特征在于：获取交通数据，并对交通风险进行分级，匹配对应时次历史气象数据的高影响因子，得到建模数据，构建气象风险预测的分类树模型，获取历史气象数据的高影响因子，并基于模型的分类节点进行递归地分离，生成分类树，估计各分类节点的交通风险等级类别概率，通过对分类节点的不纯度判定，寻求最优的高影响因子分割阈值，使得分类树不纯度达到最低，训练好的分类树模型获取气象数据的高影响因子，根据对应的分割阈值，生成对应类别的交通风险等级。
2.根据权利要求1所述的多源数据融合的交通气象风险预测方法，其特征在于：所述历史气象数据的高影响因子为一组时间序列的样本，对m个样本的连续特征有m个样本值a，对其进行排序后取相邻样本值的平均数作为划分节点，得到m-1个划分节点：
3.根据权利要求1所述的多源数据融合的交通气象风险预测方法，其特征在于：所述不纯度判定采用基尼多样性指数，在节点t处根据概率p(i|t)将随机选择的高影响因子分配给类i，高影响因子实际属于类j的估计概率是p(j|t)，类的估计概率为气象风险等级的分类概率，在此规则下，误分类的估计概率就是基尼指数：
4.多源数据融合的交通气象风险预测路线规划方法，其特征在于包括如下步骤：
5.根据权利要求4所述的多源数据融合的交通气象风险预测路线规划方法，其特征在于：所述步骤s2中，从电子地图实时获取起止点之间规划路线信息，提取途径路段和预计用时，计算每个路段的抵达时刻，匹配对应时刻预报的气象情况，根据气象风险预测模型基于多源数据得到的所述分割阈值，计算各路段对应时次的综合影响等级，最终生成多时次预报数据的实时规划线路的气象风险等级，...
【专利技术属性】
技术研发人员：王伟，张锋，单权，陈冲，邓闯，张加易，陶慧青，李俊徽，梁晓妮，
申请(专利权)人：浙江省气象服务中心，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。