本發(fā)明涉及智能交通，更具體地說(shuō)，涉及基于車路協(xié)同的復(fù)雜天氣通行安全預(yù)警方法及其系統(tǒng)。

背景技術(shù)：

1、當(dāng)前，隨著智能交通系統(tǒng)的發(fā)展以及車聯(lián)網(wǎng)技術(shù)的普及，復(fù)雜天氣條件下的通行安全問(wèn)題引起了廣泛關(guān)注。在惡劣天氣中，如暴雨、濃霧、積雪等，路況變得異常復(fù)雜，極易引發(fā)交通事故。尤其是在高速公路、城市主干道等高車流量場(chǎng)景中，惡劣天氣條件對(duì)駕駛員視野、道路抓地力等產(chǎn)生顯著影響，進(jìn)一步導(dǎo)致事故發(fā)生概率提升。因此，能夠?qū)崟r(shí)監(jiān)測(cè)并分析路況數(shù)據(jù)、生成精確的通行安全預(yù)警信息的技術(shù)已成為智能交通領(lǐng)域的關(guān)鍵需求。

2、現(xiàn)有的通行安全預(yù)警系統(tǒng)多基于靜態(tài)算法和簡(jiǎn)單的數(shù)據(jù)采集模型，通常僅依賴固定的交通信息采集模塊和基礎(chǔ)路況信息采集模塊，通過(guò)靜態(tài)的權(quán)重設(shè)置計(jì)算行車安全指數(shù)。然而，這種靜態(tài)方法在應(yīng)對(duì)多變的天氣環(huán)境時(shí)往往顯得力不從心。傳統(tǒng)系統(tǒng)主要依賴于單一傳感器，如僅使用車速、車流量等基礎(chǔ)數(shù)據(jù)，缺乏動(dòng)態(tài)數(shù)據(jù)補(bǔ)償機(jī)制。當(dāng)數(shù)據(jù)采集出現(xiàn)延遲或缺失時(shí)，系統(tǒng)無(wú)法進(jìn)行實(shí)時(shí)補(bǔ)償，從而導(dǎo)致行車安全指數(shù)的準(zhǔn)確性明顯下降，預(yù)警信息滯后，甚至可能引發(fā)誤報(bào)或漏報(bào)，增加了交通隱患。

3、此外，現(xiàn)有方法通常采用固定權(quán)重的行車安全指數(shù)計(jì)算方式，對(duì)于惡劣天氣條件缺乏靈活性，不能根據(jù)實(shí)際路況自適應(yīng)地調(diào)整計(jì)算模型。例如，現(xiàn)有技術(shù)在積雪路面和雨天的風(fēng)險(xiǎn)評(píng)估上，采用的權(quán)重設(shè)置往往無(wú)法有效反映實(shí)際道路的濕滑程度，導(dǎo)致行車安全指數(shù)低估或高估。這種靜態(tài)計(jì)算方式不僅在惡劣天氣條件下的表現(xiàn)不足，還容易因突發(fā)的天氣變化而導(dǎo)致預(yù)警效果失真，無(wú)法及時(shí)為駕駛員提供準(zhǔn)確的安全提示。

4、更為重要的是，現(xiàn)有預(yù)警信息的生成和推送通常采用傳統(tǒng)廣播或車載系統(tǒng)的單一通道，導(dǎo)致信息傳遞的延遲較長(zhǎng)。特別是在交通密集區(qū)域，傳統(tǒng)方法缺乏實(shí)時(shí)聯(lián)動(dòng)機(jī)制，信息的擴(kuò)散效率低，難以在短時(shí)間內(nèi)將預(yù)警信息傳遞至后續(xù)車輛，增加了二次事故的風(fēng)險(xiǎn)。

5、綜上所述，現(xiàn)有技術(shù)在動(dòng)態(tài)數(shù)據(jù)補(bǔ)償、自適應(yīng)權(quán)重調(diào)整、聯(lián)動(dòng)預(yù)警推送等方面存在顯著不足，尤其是在復(fù)雜天氣和高密度交通條件下的表現(xiàn)亟待改進(jìn)。針對(duì)上述問(wèn)題，本發(fā)明提出了基于車路協(xié)同的復(fù)雜天氣通行安全預(yù)警方法，以更為先進(jìn)的數(shù)據(jù)采集與分析技術(shù)、動(dòng)態(tài)算法模型及高效的信息推送機(jī)制為基礎(chǔ)，實(shí)現(xiàn)對(duì)復(fù)雜天氣下行車安全的有效預(yù)警。

技術(shù)實(shí)現(xiàn)思路

1、本發(fā)明針對(duì)上述現(xiàn)有技術(shù)中的局限性，本發(fā)明提出的基于車路協(xié)同的復(fù)雜天氣通行安全預(yù)警方法及其系統(tǒng)，旨在解決現(xiàn)有技術(shù)中無(wú)法有效處理動(dòng)態(tài)數(shù)據(jù)缺失和滯后的問(wèn)題，并通過(guò)自適應(yīng)加權(quán)和遞進(jìn)式行車安全指數(shù)計(jì)算實(shí)現(xiàn)實(shí)時(shí)、精確的安全預(yù)警。

2、本發(fā)明提供基于車路協(xié)同的復(fù)雜天氣通行安全預(yù)警方法，包括以下步驟：基于交通信息采集模塊采集待預(yù)警區(qū)域的車速、車流量、車輛類型和交通事故信息，獲得所述區(qū)域的交通信息數(shù)據(jù)；基于路況信息采集模塊采集所述區(qū)域的路面濕度、溫度和積雪情況，獲得所述區(qū)域的路況信息數(shù)據(jù)；通過(guò)數(shù)據(jù)融合模塊對(duì)所述交通信息數(shù)據(jù)和所述路況信息數(shù)據(jù)進(jìn)行整合，獲得路況整合指數(shù)；基于行車安全指數(shù)計(jì)算模塊，對(duì)所述路況整合指數(shù)進(jìn)行多層遞進(jìn)計(jì)算，獲得行車安全指數(shù)；基于行車狀態(tài)預(yù)測(cè)模塊，通過(guò)遞推預(yù)測(cè)算法對(duì)所述行車安全指數(shù)進(jìn)行行車狀態(tài)分析，獲得行車狀態(tài)預(yù)測(cè)結(jié)果；通過(guò)預(yù)警信息生成模塊生成精確的預(yù)警信息并推送至相關(guān)車輛，實(shí)現(xiàn)精確的通行安全預(yù)警。

3、作為優(yōu)選，所述交通信息采集模塊包括協(xié)同交通數(shù)據(jù)動(dòng)態(tài)預(yù)測(cè)補(bǔ)償算法，用于通過(guò)協(xié)同補(bǔ)償函數(shù)對(duì)所述車速、車流量和交通事故信息進(jìn)行動(dòng)態(tài)補(bǔ)償預(yù)測(cè)，以減少數(shù)據(jù)采集延遲和丟失，獲得完整的交通信息數(shù)據(jù)，所述協(xié)同補(bǔ)償函數(shù)定義如下：

4、；

5、其中，為實(shí)時(shí)采集的車速，為當(dāng)前時(shí)間，為車流量，為衰減系數(shù)，表示采集延遲對(duì)數(shù)據(jù)的衰減，為前個(gè)時(shí)間周期的車流量，為每個(gè)周期的動(dòng)態(tài)權(quán)重。

6、作為優(yōu)選，所述路況信息采集模塊包括路況信息自適應(yīng)權(quán)重整合算法，用于基于自適應(yīng)的高斯加權(quán)函數(shù)對(duì)所述濕度、溫度和積雪情況進(jìn)行動(dòng)態(tài)加權(quán)整合，以獲得動(dòng)態(tài)路況整合指數(shù)，所述整合指數(shù)表達(dá)如下：

7、；

8、其中，為路面濕度，為濕度高斯權(quán)重，為路面溫度，為溫度高斯權(quán)重，為積雪厚度為積雪高斯權(quán)重。

9、作為優(yōu)選，所述行車安全指數(shù)計(jì)算模塊包括多層遞進(jìn)行車安全指數(shù)計(jì)算算法，用于基于所述路況整合指數(shù)通過(guò)多層遞進(jìn)模型計(jì)算行車安全指數(shù)，所述行車安全指數(shù)表達(dá)如下：

10、；

11、其中，為歸一化車速，定義為當(dāng)前車速與路段最大車速之比，為所述路況整合指數(shù)，為計(jì)算層數(shù)，通過(guò)每層輸出遞進(jìn)計(jì)算最終的行車安全指數(shù)。

12、作為優(yōu)選，所述行車狀態(tài)預(yù)測(cè)模塊包括行車狀態(tài)遞推預(yù)測(cè)優(yōu)化算法，用于基于所述行車安全指數(shù)通過(guò)協(xié)同遞推模型獲得行車狀態(tài)預(yù)測(cè)結(jié)果，所述預(yù)測(cè)結(jié)果表達(dá)如下：

13、；

14、其中，為所述行車安全指數(shù)，為協(xié)同衰減系數(shù)，為所述路況整合指數(shù)，為遞推層數(shù)。

15、作為優(yōu)選，所述預(yù)警信息生成模塊包括精確預(yù)警生成與迭代反饋推送算法，用于基于所述行車狀態(tài)預(yù)測(cè)結(jié)果生成預(yù)警信息并推送至相關(guān)車輛，所述預(yù)警信息表達(dá)如下：

16、；

17、其中，為行車狀態(tài)預(yù)測(cè)結(jié)果，為推送增強(qiáng)因子，為車輛間距離，為距離衰減系數(shù)，當(dāng)接收預(yù)警的車輛與前方車輛距離小于150米時(shí)，由最近車輛傳遞指令給后續(xù)車輛，實(shí)現(xiàn)預(yù)警信息的聯(lián)動(dòng)擴(kuò)散。

18、作為優(yōu)選，所述交通信息數(shù)據(jù)和路況信息數(shù)據(jù)通過(guò)所述數(shù)據(jù)融合模塊整合，獲得動(dòng)態(tài)的路況整合指數(shù)，以提供輸入給所述行車安全指數(shù)計(jì)算模塊，使得所述行車安全指數(shù)計(jì)算模塊能夠基于多因素進(jìn)行遞進(jìn)分析，以適應(yīng)復(fù)雜天氣條件。

19、作為優(yōu)選，所述行車安全指數(shù)計(jì)算模塊的輸出與所述行車狀態(tài)預(yù)測(cè)模塊的輸入相關(guān)聯(lián)，以確保行車狀態(tài)預(yù)測(cè)具有實(shí)時(shí)性，并通過(guò)遞推預(yù)測(cè)模型優(yōu)化行車狀態(tài)判斷的精確度。

20、作為優(yōu)選，所述預(yù)警信息生成模塊通過(guò)所述行車狀態(tài)預(yù)測(cè)模塊獲得的預(yù)測(cè)結(jié)果生成所述預(yù)警信息，并通過(guò)v2x通信技術(shù)將所述預(yù)警信息推送至相應(yīng)車輛，實(shí)現(xiàn)實(shí)時(shí)、動(dòng)態(tài)的行車安全預(yù)警；所述精確預(yù)警生成與迭代反饋推送算法通過(guò)所述距離衰減和推送增強(qiáng)因子的協(xié)同作用，使所述預(yù)警信息在鄰近車輛間形成反饋循環(huán)，從而提升預(yù)警信息的傳遞速度和精準(zhǔn)度，實(shí)現(xiàn)全局范圍內(nèi)的行車安全預(yù)警。

21、執(zhí)行所述方法的基于車路協(xié)同的復(fù)雜天氣通行安全預(yù)警系統(tǒng)，包括：

22、交通信息采集模塊，用于采集待預(yù)警區(qū)域的車速、車流量、車輛類型和交通事故信息，以獲得所述區(qū)域的交通信息數(shù)據(jù)；路況信息采集模塊，用于采集所述區(qū)域的路面濕度、溫度和積雪情況，以獲得所述區(qū)域的路況信息數(shù)據(jù)；數(shù)據(jù)融合模塊，用于將所述交通信息數(shù)據(jù)和所述路況信息數(shù)據(jù)整合生成路況整合指數(shù)；行車安全指數(shù)計(jì)算模塊，用于基于所述路況整合指數(shù)通過(guò)多層遞進(jìn)計(jì)算獲得行車安全指數(shù)；行車狀態(tài)預(yù)測(cè)模塊，用于基于所述行車安全指數(shù)生成行車狀態(tài)預(yù)測(cè)結(jié)果；預(yù)警信息生成模塊，用于基于所述行車狀態(tài)預(yù)測(cè)結(jié)果生成預(yù)警信息并推送至相關(guān)車輛，以實(shí)現(xiàn)精確的通行安全預(yù)警。

23、本發(fā)明具有以下有益效果：

24、本發(fā)明通過(guò)協(xié)同數(shù)據(jù)動(dòng)態(tài)預(yù)測(cè)補(bǔ)償、路況信息自適應(yīng)整合、遞推式行車安全指數(shù)計(jì)算及聯(lián)動(dòng)反饋預(yù)警生成技術(shù)，從根本上提高了預(yù)警信息的準(zhǔn)確性和傳遞效率，顯著增強(qiáng)了系統(tǒng)的實(shí)時(shí)響應(yīng)能力。為實(shí)現(xiàn)上述目標(biāo)，本發(fā)明采用了多層遞進(jìn)算法和自適應(yīng)加權(quán)處理機(jī)制，使系統(tǒng)能夠在不同天氣條件下靈活調(diào)整，并在突發(fā)事件中快速響應(yīng)，從而有效減少交通事故的發(fā)生。

25、本發(fā)明通過(guò)一系列創(chuàng)新性的算法設(shè)計(jì)和模塊優(yōu)化，克服了現(xiàn)有技術(shù)中的諸多瓶頸。首先，基于協(xié)同交通數(shù)據(jù)動(dòng)態(tài)預(yù)測(cè)補(bǔ)償算法的設(shè)計(jì)，系統(tǒng)在數(shù)據(jù)采集時(shí)可以有效應(yīng)對(duì)延遲和缺失問(wèn)題。通過(guò)對(duì)實(shí)時(shí)采集的車速、車流量等數(shù)據(jù)進(jìn)行動(dòng)態(tài)預(yù)測(cè)和補(bǔ)償，本發(fā)明有效提升了數(shù)據(jù)的連續(xù)性和可靠性，使得行車安全指數(shù)的計(jì)算在數(shù)據(jù)缺失情況下依然保持高度準(zhǔn)確。

26、其次，本發(fā)明通過(guò)路況信息自適應(yīng)權(quán)重整合算法，結(jié)合高斯加權(quán)處理，實(shí)現(xiàn)了對(duì)不同天氣條件下濕度、溫度和積雪信息的自適應(yīng)調(diào)整。相比傳統(tǒng)固定權(quán)重算法，本發(fā)明能夠在復(fù)雜天氣條件下靈活調(diào)整加權(quán)參數(shù)，從而使行車安全指數(shù)的計(jì)算更貼合實(shí)際路況。這種自適應(yīng)調(diào)整不僅能夠顯著增強(qiáng)系統(tǒng)對(duì)突發(fā)天氣變化的反應(yīng)能力，同時(shí)在積雪、雨天等高風(fēng)險(xiǎn)天氣條件下更加準(zhǔn)確地評(píng)估通行風(fēng)險(xiǎn)，使預(yù)警信息更具指導(dǎo)性。

27、進(jìn)一步地，本發(fā)明的多層遞進(jìn)行車安全指數(shù)計(jì)算算法在行車安全指數(shù)的計(jì)算過(guò)程中采用遞進(jìn)分層的計(jì)算模式，通過(guò)多層次遞推優(yōu)化，實(shí)現(xiàn)了行車安全指數(shù)的動(dòng)態(tài)精確計(jì)算。該遞進(jìn)式計(jì)算方法使系統(tǒng)在高密度車流和突發(fā)路況變化時(shí)也能夠保持高度響應(yīng)，減少靜態(tài)方法帶來(lái)的誤差累積問(wèn)題。這種動(dòng)態(tài)調(diào)整和遞進(jìn)計(jì)算使行車安全指數(shù)的計(jì)算結(jié)果更具準(zhǔn)確性和實(shí)時(shí)性，能夠?qū)崟r(shí)反饋復(fù)雜天氣和道路狀況的變化。

28、最后，本發(fā)明在預(yù)警信息生成與推送過(guò)程中，通過(guò)精確預(yù)警生成與迭代反饋推送算法設(shè)計(jì)，結(jié)合距離衰減和推送增強(qiáng)因子，使得預(yù)警信息在鄰近車輛間快速傳播，形成高效聯(lián)動(dòng)的反饋機(jī)制。這一機(jī)制在傳統(tǒng)的靜態(tài)廣播方式上進(jìn)行了優(yōu)化，通過(guò)v2x通信實(shí)現(xiàn)了更加精確的點(diǎn)對(duì)點(diǎn)信息傳遞，尤其在高密度車流情況下，能夠快速傳遞到相鄰車輛，避免了信息傳遞中的延遲和信息丟失，從而有效減少二次事故的風(fēng)險(xiǎn)。

29、綜上，本發(fā)明在協(xié)同數(shù)據(jù)補(bǔ)償、自適應(yīng)權(quán)重調(diào)整、多層遞進(jìn)計(jì)算和聯(lián)動(dòng)反饋推送等方面實(shí)現(xiàn)了多維度的提升，使系統(tǒng)在復(fù)雜天氣條件下的通行安全預(yù)警性能大大增強(qiáng)。本發(fā)明不僅在信息處理的準(zhǔn)確性和實(shí)時(shí)性方面優(yōu)于現(xiàn)有技術(shù)，而且通過(guò)各算法模塊間的協(xié)同互補(bǔ)與動(dòng)態(tài)調(diào)整，顯著提高了通行安全預(yù)警的效果。