[发明专利]基于深度学习的高速公路能见度监测与预警系统

权利要求书

1.基于深度学习的高速公路能见度监测与预警系统，其特征在于，包括电源控制模块、数据采集模块、数据接收和存储模块、控制分析模块和信息发布模块，所述电源控制模块与数据采集模块、数据接收和存储模块、控制分析模块和信息发布模块均连接，所述数据采集模块与数据接收和存储模块连接，所述数据接收和存储模块和控制分析模块连接，所述控制分析模块和信息发布模块连接。

2.根据权利要求1所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述数据采集模块包括能见度采集模块和其他数据采集模块，所述其他数据采集模块包括温度传感器、湿度传感器、风速传感器、风向传感器和PM2.5传感器，所述能见度采集模块由摄像头和参照物挡板构成。

3.根据权利要求2所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述数据接收和存储模块包括网络接入模块、数据接收模块和数据存储模块，所述网络接入模块、数据接收模块和数据存储模块依次连接，所述湿度传感器与网络接入模块连接。

4.根据权利要求3所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述控制分析模块包括能见度分析模块、引导控制模块、数据清洗模块和能见度预测模块，所述能见度分析模块、引导控制模块、数据清洗模块和能见度预测模块依次连接，所述能见度分析模块与数据接收模块和能见度采集模块均连接，所述数据清洗模块与数据存储模块连接。

5.根据权利要求4所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述信息发布模块与引导控制模块和能见度预测模块均连接。

6.根据权利要求2所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述温度传感器和湿度传感器均采用SE71型号的距离传输传感器，风速传感器使用lora风速传感器，风向传感器使用D-001-M20220-2-12型号传感器，所述PM2.5传感器选用LT-CG-208-A7200-12型号传感器。

7.根据权利要求3所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述网络接入模块由lora网关构成，用于将其他数据采集模块采集的各种气象数据接收，并传送给数据接收模块，所述数据接收模块数据用于将采集的气象数据进行时间配对后送给存储模块。

8.根据权利要求4所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述能见度分析模块用于对能见度采集模块得到数据进行处理并得到能见度，其原理为：Xr,Yr,Zr为路面坐标系，其Xr和Yr平面代表路面，原点Or位于摄像头正下方，Xc、Yc和Zc为摄像头坐标系，其坐标轴Zc指向参照物挡板中心，Xc,Yc平面与参照物挡板相平行，原点Oc为摄像机光心，Hc为摄像机架设高度，Dc为摄像头在Xr方向距道路边界的距离，Hb和Db分别为参照物挡板中心的高度及距道路边界的距离，Dr为摄像机光心与参照物挡板中心在Yr方向的距离，L0为摄像头光心与参照物挡板中心的距离，其计算式为：LO＝((Dc+Db)²+Dr²+(Hc-Hb)²)1/2，所述引导控制模块用于对能见度分析模块得到的实时能见度进行评判，根据评判结果对信息发布模块发出相应的控制信息。

9.根据权利要求5所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述数据清洗模块包含异常值检测和缺失值处理两部分，所述能见度预测模块利用数据采集模块得到的近期气象数据，预测未来短时间内的能见度状况，并将预测结果传递给信息发布模块。

10.根据权利要求2所述的基于深度学习的高速公路能见度监测与预警系统，其特征在于，所述其他数据采集模块的传感器采用电池供电、lora无线通信，所述电源控制模块由充电放电限制器、电池组、逆变器、快速充电装置组成和切换开关组成。