基于arcgis高速公路团雾预警系统探究

《基于arcgis高速公路团雾预警系统探究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、基于arcgis高速公路团雾预警系统探究　　摘要：通过对团雾形成影响因素的分析，在利用气象装置、能见度仪收集道路环境信息的基础上，建立了基于arcgis的团雾预警信息平台，该平台能够实时高效的向道路交通使用者发布团雾的发生及发展情况，提醒驾驶员注意，有效减少高速公路由于突发团雾造成的交通事故，提高了高速公路的安全服务水平及运行效率。关键词：团雾；预警系统；arcgis中图分类号：U412.36+6文献标识码：A0引言7高速公路在提高高效、快速运行的同时，其交通事故也是居高不下，且大多为严重的交通事故。诱发高速公路交通事故的因素较多，如道路方面，包括道路线形、视距等；驾驶员

2、方面，包括驾驶员的素质，疲劳驾驶，疾病，疏忽等；车辆方面，包括车辆的动力性能、制动性能等；环境方面，包括雨、雪、雾等自然条件。其中环境方面在交通事故的诱因方面占了很多的比列，其中雾天对交通安全影响较大，尤其是团雾，它嫣然已经成为了高速公路上的“流动杀手”。2013年6月4日6时许，在京港澳高速公路驻马店833至841公里路段，因突发团雾引发东西两侧16起交通事故。此次系列交通事故共造成京港澳高速56车相撞致14死。可见由团雾引起的交通事故都较为严重，致死率要高于其他因素引起的事故，所以有必要通过对团雾的系统分析，建立起能够实时准确预报团雾发生与发展的预警系统，为高速公路的

3、参与者提高安全保障，真正实现高速公路的安全快速运行。1团雾团雾形成的影响因素团雾是高速公路上飘忽不定的影响能见度的雾。团雾与一般大范围的雾不同，团雾的影响范围一般较小，形成的因素与高速公路的小环境有关，团雾的形成主要受以下几个因素的影响：温度：昼夜温差较大的高速公路较易形成团雾。②湿度：雾都是水蒸气凝结而成的，当高速公路湿度较大，水汽充足的地方，受温差变化的影响就易形成团雾，尤其容易发生在高速公路附近有水塘、河流等区域。③微小颗粒含量：空气中微小颗粒的增加意味着雾核的增加，这样就使得空气中的水蒸气更容易附着在微小颗粒的周围形成团雾，而且雾核的浓度越大，该雾吸收可见光的能力

4、就越强，能见度就会降低的越多，雾的消散时间也就会越长。7风速：风速对雾的形成很重要，适当的风速能使水汽从近地吹向空中，加快雾的形成和范围的扩大，同时又不至于因为风速太大而使近地面的低温与上层水汽温度交换过快而不易形成雾。团雾的特点①突发性团雾与大范围的雾有明显的不同，大范围雾的信息驾驶员能够会从天气预报获得，且行驶在大范围雾中的驾驶员一般都比较谨慎，打开雾灯，按照一定的安全速度列队稳定行驶，这样一般就不会造成严重的追尾及连环相撞事故。而团雾因为一般影响区域较小，从几十米到几公里，很难精确预测团雾发生的时间及地点，这样突然驶入团雾的驾驶员猝不及防，经常因恐惧导致操作不当，酿

5、成交通事故。②局域性团雾一般比较偏爱高速公路，尤其是在高速公路附近有池塘、湖泊、合流等区域。由于高速公路经受了一天的曝晒，到了晚上就会形成较大的温差，加之湿度较高的原因水蒸气就会凝结成雾。研究团雾发生的影响因素及特点，能让我们更好的把握如何通过有效的方式进行团雾的预测及预警，才能建立起简单高效的团雾预警系统，为交通参与者的人身安全增加保障。2基于arcgis的高速公路团雾预警系统的建立基于arcgis的高速公路团雾预警系统的构建组成如图1所示7图1基于arcgis的高速公路团雾预警系统2.1信息采集模块通过在道路沿线安装气象装置及能见度仪采集道路周边的气象信息，包括湿度、

6、温度、风速、能见度等信息。由于团雾发生影响的范围一般较小，根据分析团雾发生的影响因素及特点，也可以通过对每条道路的事故统计资料，挑出团雾事故多发路段，加密气象装置的安装重点监控。采集的信息主要为某时刻的环境信息，包括温度、湿度、风速等信息及半小时后该区域的能见度信息。2.2基于matlab的数据分析模块基于高速公路上一般晴天比雾天要多的多，为了预测分析的准确性，用于分析的数据就只用采集到的团雾发生段的数据信息。然后将采集到的信息通过matlab中的神经网络进行非线性拟合分析，确定能见度随道路附近湿度，温度、风速等的变化趋势，可以预测能见度的发展趋势及发展的速度。这里用到的

7、神经网络模型为BP神经网络，7BP神经网络的工作过程分为学习期和工作期两部分。学习期由信息的正向传播和误差的反向传播两个部分组成。在正向传播部分，信息在网络各层中按顺序逐层处理，每一层神经元的状态只传递并影响下一层神经元的状态，如网络训练所得的输出与预期的希望输出不一致，则计算输出误差;进入误差反向传播部分，将计算所得的误差沿原路返回。最后通过修改各层神经元之间的阀值，循环以上步骤，使得误差逐渐变小，最终达到预期的输出。经过大量学习样本训练后，各层神经元之间的联接权就固定了下来，从而进入工作期。工作期只有输入信息的正向传播。正