[发明专利]一种公路路面降雨量分布估计方法、存储介质及计算设备

说明书

本发明公开了一种公路路面降雨量分布估计方法、存储介质及计算设备，根据目标区域内采样点的采样信息，构建采样数据库，并初始化相关参数；采用自触发机制下的动静混合传感器采样模型，根据移动传感器采样误差，调整采样间隔，动态更新采样数据；在此基础上，设计路面降雨量分布的估计模型；根据改进卡尔曼滤波状态估计算法，将曲面拟合中的权重系数与传感器网络的采样位置相结合，构成卡尔曼滤波中的状态变量，并给出基于当前采样信息的公路降雨量分布结果；根据梯度下降法，通过调整移动传感器采样位置的手段，进一步优化对路域内降雨量分布的估计结果。本发明采样位置灵活，有效提高运算效率，降低估计系统的计算负载；提高准确度。

技术领域

本发明属于空间信息分布估计技术领域，具体涉及一种基于动静混合传感器的公路路面降雨量分布估计方法、存储介质及计算设备。

背景技术

随着交通运输业的蓬勃发展,道路交通安全事故频发,路面雨水是引发事故的主要原因之一。路面雨水导致路面摩擦系数明显下降,车辆制动性变差,易出现车辆打滑、侧滑或车轮空转等失控现象,极易诱发严重的交通事故。因此，只要掌握了区域内降雨量的信息后，就能有效及时地对目标区域内的车辆进行管控，避免交通事故发生，保证行车安全。

目前，一般采用迭代最小二乘法或高斯估计等传统估计方法预测目标区域内的降雨量。这些传统估计算法的估计速度相对较慢，且其估计精度普遍较低。面对此类问题，一般方法通过设置大量的采样点来提高精度。但这样又需要耗费大量的数据采样成本和运算成本。而且这些算法往往无法消除噪声的影响，进而影响了估计结果的准确性。

此外，由于目标区域内的降雨量变化通常都是非线性的，但在传统的估计算法采样方式中，通常采用固定间隔的采样模式。这样的采样模式在路面降雨信息变化缓慢的时间段内会浪费估计系统的计算资源，提高运算成本。而对路面降雨信息变化较快的情况，其估计结果与跟随效果较差，往往不能及时地反映实时的路面状况。因此，如何提高估计系统的效率是亟需解决的问题。

发明内容

本发明所要解决的技术问题在于针对上述现有技术中的不足，提供一种基于动静混合传感器的公路路面降雨量分布估计方法、存储介质及计算设备，利用动静混合传感器采集观测数据，同时考虑采样噪声情况下，提出基于动态采样机制与改进Kalman滤波方法的目标区域降雨量估计算法，有效地实现目标区域内路面降雨量的高效、准确估计，在此基础上，通过梯度下降算法，调整移动传感器的位置，进一步优化降雨量的估计结果，提高估计效率。

本发明采用以下技术方案：

一种公路路面降雨量分布估计方法，包括以下步骤：

S1、根据目标区域内采样点的采样信息，构建包含采样位置与路面降雨量的采样数据库，并初始化参数；

S2、采用自触发机制下的动静混合传感器采样模型，根据传感器在当前执行周期内采样值与前一个执行周期内平均采样值之间的误差，通过归一化定义路面降雨量的采样阀值Δ，对路面降雨量的阈值Δ进行划分，形成多个采样误差区间，确定传感器在不同采样误差区间内的采样间隔，动态更新步骤S1采样数据库内的采样数据；

S3、采用曲面拟合的方法，根据步骤S2动态更新的采样数据设计路面降雨量估计模型；

S4、利用卡尔曼滤波算法将步骤S3曲面拟合后路面降雨量估计模型的权重系数与传感器网络的采样位置相结合，构成卡尔曼滤波中的状态变量，然后调整卡尔曼滤波算法中观测方程的参数，改进卡尔曼滤波状态估计算法，根据当前时刻卡尔曼滤波的状态变量估计目标区域内任意位置的降雨量；

S5、根据梯度下降法，通过调整移动传感器采样位置的手段，优化步骤S4目标区域内降雨量的估计结果，完成降雨量分布估计。

具体的，步骤S1中，目标区域内采样点的采样信息为：

Y＝[S,M]^T