恶劣天气高影响路段风险预测和安全管理方法、装置和设备与流程

1.本发明涉及交通安全技术领域，具体涉及一种恶劣天气高影响路段风险预测和安全管理方法、装置和设备。


背景技术：

2.在众多的交通事故中，由于恶劣天气直接或者间接导致交通事故时有发生，尤其是对于恶劣天气高影响路段，不良气候条件影响道路的视距、视野、路面附看系数等，会带来一系列的安全问题。
3.当前在开展恶劣天气高影响路段优化提升工作时，即通过一些安全策略方案提升路段安全性时，由于各地实际恶劣天气影响情况不同，无法给出统一的提升工作方案，各路段的实际行车安全风险无法定量化进行评估，进而无法针对风险等级开展相应的优化提升工作。
4.因此，如何量化评价路段的在恶劣天气下的安全风险，以及根据行车安全风险开展相匹配的优化提升方案，以及如何将恶劣天气下动态的交通数据在多个行业部门之间进行共享，从而保证恶劣天下，恶劣天气高影响路段的安全，成为亟待解决的问题。


技术实现要素：

5.有鉴于此，本发明的目的在于提供一种恶劣天气高影响路段风险预测和安全管理方法、装置和设备，以克服目前无法保证恶劣天气高影响路段在恶劣天气下交通安全的问题。
6.为实现以上目的，本发明采用如下技术方案：
7.第一方面，本技术实施例提供一种恶劣天气高影响路段风险预测和安全管理方法，包括：
8.通过预设预测模型，预测目标路段的恶劣天气等级；
9.基于所述目标路段的交通管控等级和所述恶劣天气等级，确定所述目标路段的恶劣天气下交通管控等级；
10.基于所述目标路段在预设时间范围内，所述恶劣天气下交通管控的启动信息，为所述目标路段匹配对应的安全提升策略，所述恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。
11.可选地，所述预测模型的构建过程包括：
12.在预设行车动力学软件中构建仿真模型；所述仿真模型包括车辆仿真模型、驾驶人仿真模型和道路仿真模型；
13.确定目标仿真模型，并输入预设测试参数，得到目标数据；其中，所述预设测试参数种类包括车辆行车速度、道路弯道半径、道路纵坡和道路摩擦系数，所述目标数据包括车辆轮胎相对于道路的侧向力和垂直力；
14.将所述车辆轮胎相对于道路的侧向力与所述车辆轮胎相对于道路的垂直力的比
值作为临界附着系数；其中，所述临界附着系数用于表征车辆发生侧翻的概率，且所述临界附着系数越大，车辆发生侧翻的概率越大，所述临界附着系数越小，车辆发生侧翻的概率越小；
15.对所述预设测试参数和所述临界附着系数做回归分析，得到用于基于测试参数预测临界附着系数的基础预测模型；
16.基于所述基础预测模型得到用于预测恶劣天气等级的预测模型。
17.可选地，
18.所述车辆仿真模型的构建包括：在预设行车动力学软件中基于车辆系统参数和车体参数构建所述车辆仿真模型；其中，所述车辆系统参数包括引擎、悬架、转向系、制动系和轮胎信息；所述车体参数包括车辆的质量和尺寸；
19.所述驾驶人仿真模型的构建包括：在预设行车动力学软件中基于速度控制和方向控制构建所述驾驶人仿真模型；其中，所述速度为定值，所述方向基于道路的跟踪轨迹控制；
20.所述道路仿真模型的构建包括：在预设行车动力学软件中基于道路平面线性参数、道路纵断面参数和道路横断面参数构建所述道路仿真模型。
21.可选地，所述通过通过预设预测模型，预测目标路段的恶劣天气等级，包括：
22.获取目标路段的实时测试参数，并将其输入到所述预测模型中，得到所述目标路段的实时测试参数对应的实时临界附着系数；
23.基于所述实时临界附着系数，和临界附着系数与侧滑风险的对应关系，得到所述实时临界附着系数对应的实时侧滑风险；
24.基于所述实时侧滑风险，和侧滑风险与恶劣天气等级的对应关系，得到所述实时侧滑风险对应的恶劣天气等级，并将其确定为所述目标路段的恶劣天气等级。
25.可选地，所述基于所述目标路段的交通管控等级和所述恶劣天气等级，确定所述目标路段的恶劣天气下交通管控等级，包括：
26.基于所述目标路段的交通管控等级、所述恶劣天气等级和预设公式，得到所述目标路段的恶劣天气下交通管控等级；
27.所述预设公式包括：
28.te＝5-e,e＝1,2,3,4
29.sj＝5-j,j＝1,2,3,4
[0030][0031]
z＝5-dz；
[0032]
其中：te为恶劣天气风险值，e为恶劣天气等级，sj为交通管控风险值，j为交通管控等级；dz为恶劣天气下交通风险值，z为恶劣天气下交通管控等级。
[0033]
可选地，所述基于所述目标路段在预设时间范围内，所述恶劣天气下交通管控的启动信息，为所述目标路段匹配对应的安全提升策略，包括：
[0034]
为恶劣天气下交通管控的启动信息在第一预设等级范围且在第一预设此处范围内的目标路段，匹配基础版安全提升策略；
[0035]
为恶劣天气下交通管控的启动信息在第二预设等级范围且在第二预设此处范围内的目标路段，匹配标准版安全提升策略；
[0036]
为恶劣天气下交通管控的启动信息在第三预设等级范围且在第三预设此处范围内的目标路段，匹配提升版安全提升策略。
[0037]
可选地，所述安全提升策略包括：
[0038]
通过预设后台信息处理模块接收采集模块的气象信息并向所述采集模块反馈信息；
[0039]
通过预设后台信息处理模块向预设前端设备发送管控措施；
[0040]
通过预设后台信息处理模块向信息发布模块发送安全提醒；
[0041]
其中，所述预设后台信息处理模块包括公安部门预设系统、交通运输部门预设系统和气象部门预设系统。
[0042]
可选地，所述匹配基础版安全提升策略中，所述信息采集模块包括气象部门子模块和智能视频子模块，所述管控措施包括限速发布、路线诱导和汇入警告；
[0043]
所述标准版安全提升策略中，所述信息采集模块包括气象服务子模块和固定式气象感知子模块；所述管控措施包括：车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警告和告知组合屏；所述标准版安全提升策略中还包括接收前端设备的设备状态信息；
[0044]
所述提升版安全提升策略中，所述信息采集模块包括气象服务子模块、固定式气象感知子模块和车载移动式气象感知子模块；所述管控措施包括：车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警告、梯度预警和告知组合屏；所述提升版安全提升策略中还包括接收前端设备的设备状态信息。
[0045]
第二方面，本技术实施例还提供一种恶劣天气高影响路段风险预测和安全管理装置，包括：
[0046]
预测模块，用于通过预设预测模型，预测目标路段的恶劣天气等级；
[0047]
确定模块，用于基于所述目标路段的交通管控等级和所述恶劣天气等级，确定所述目标路段的恶劣天气下交通管控等级；
[0048]
匹配模块，用于基于所述目标路段在预设时间范围内，所述恶劣天气下交通管控的启动信息，为所述目标路段匹配对应的安全提升策略，所述恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。
[0049]
第三方面，本技术实施例还提供一种恶劣天气高影响路段风险预测和安全管理设备，包括处理器和存储器，所述处理器与存储器相连：
[0050]
其中，所述处理器，用于调用并执行所述存储器中存储的程序；
[0051]
所述存储器，用于存储所述程序，所述程序至少用于执行上述的恶劣天气高影响路段风险预测和安全管理方法。
[0052]
本发明涉及交通安全技术领域，具体公开一种恶劣天气高影响路段风险预测和安全管理方法、装置和设备，该方法包括：通过预设预测模型，预测目标路段的恶劣天气等级；然后基于目标路段的交通管控等级和恶劣天气等级，确定目标路段的恶劣天气下交通管控等级；再基于目标路段在预设时间范围内，恶劣天气下交通管控的启动信息，为目标路段匹配对应的安全提升策略，恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动
次数和被启动的恶劣天气下交通管控等级。如此，可以实现对恶劣天气高影响路段在恶劣天气下的进行量化预测，以及基于预测等级确定对应的安全提升策略，大大提高了恶劣天气高影响路段在恶劣天气下的交通安全。
附图说明
[0053]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0054]
图1为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法的流程示意图；
[0055]
图2为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中预测模型的构建的流程示意图；
[0056]
图3为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中仿真模型中测试参数与临界附着系数的关系示意图；
[0057]
图4为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中基础版安全提升策略的原理示意图；
[0058]
图5为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中基础版安全提升策略的应用示意图；
[0059]
图6为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中标准版安全提升策略的原理示意图；
[0060]
图7为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中标准版安全提升策略的应用示意图；
[0061]
图8为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中提升版安全提升策略的原理示意图；
[0062]
图9为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中提升版安全提升策略的应用示意图；
[0063]
图10为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理装置的结构示意图；
[0064]
图11为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理设备的结构示意图。
具体实施方式
[0065]
为使本发明的目的、技术方案和优点更加清楚，下面将对本发明的技术方案进行详细的描述。显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所得到的所有其它实施方式，都属于本发明所保护的范围。
[0066]
申请概述：
[0067]
在众多的交通事故中，由于恶劣天气直接或者间接导致交通事故的情况时有发
生，不良气候条件影响道路的视距、视野、路面附看系数等，会带来一系列的安全问题。不同的恶劣天气对交通安全的影响机理不同，而雨、雪、雾等恶劣天气均从降低路面的摩擦系数方面为交通安全带来不利影响，本技术经过分析后确定，不同恶劣天气下通过影响路面摩擦系数而对交通安全的影响主要体现在以下几个方面：
[0068]
雨天条件下，路面湿滑，汽车轮胎与地面之间的摩擦系数减小，增加了安全制动距离；积水路面上出现的“水膜滑溜现象”容易造成车辆失控等。暴雨甚至会诱发地质灾害，冲毁路面、路基以及其他公路设施，使交通中断。
[0069]
雪天条件下，降雪使路面变得湿滑、摩擦力迅速减小,车辆容易空转或打滑，一旦制动过猛可能发生危险，而当一定厚度的积雪经过行驶的车辆碾压后，在低温条件下很有可能会形成结冰，进一步降低了路面的摩擦系数，导致事故的发生。
[0070]
雾天条件下，雾气中水蒸气含量较大，空气中的水滴与近地灰尘以及路面上的灰尘混合，附着于轮胎与路面上，造成轮胎与路面间的摩擦系数减小，从而为交通安全产生不利影响。
[0071]
现有技术中，当前在开展恶劣天气高影响路段优化提升工作时，由于各地实际恶劣天气影响情况不同，无法给出统一的提升工作方案，各路段的实际行车安全风险无法定量化进行评估，进而无法针对风险等级开展相应的优化提升工作。因此，如何根据行车安全风险等级开展相匹配的优化提升方案，成为待解决的问题。以及在实际开展优化提升工作中，设计科学有效的工作方案是恶劣天气高影响路段的基础保障，在道路两侧设置警示提示、限速控距等设施能够有效提升交通安全效果，然而单一的、孤立的交通安全设施无法全面发挥作用，需要将设施信息进行流转与共享。但恶劣天气高影响路段优化提升工作信息来源涉及气象、公安交管、交通运输等多个行业部门，现有技术中，无法显示有效的流转和共享，因此，如何将动态数据在多个行业部门之间进行共享，也是现有技术中有待解决的问题。
[0072]
针对上述技术问题，本技术提供一种恶劣天气高影响路段风险预测和安全管理方法、装置和设备，用于在至少一定程度上解决上述技术问题，下面将以实施例的方式进行详细介绍。
[0073]
图1为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法的流程示意图，请参阅图1，本实施例可以包括以下步骤：
[0074]
s101、通过预设预测模型，预测目标路段的恶劣天气等级。
[0075]
具体的，预测模型可以是基于预设行车动力学软件进行仿真模型后生成的预测模型，用于根据实时获取的目标路段包括恶劣天气高影像路段的信息，直接得到目标路段的恶劣天气等级。
[0076]
s102、基于目标路段的交通管控等级和恶劣天气等级，确定目标路段的恶劣天气下交通管控等级。
[0077]
具体的，一段路的交通管控等级可以是目标路段在日常条件下的管控等级，是可以通过交通或其他部门的预设系统或网站获取的。基于目标路段的交通管控等级和上述预测模型预测的恶劣天气等级，得到目标路段的恶劣天气下交通管控等级，从而为后续对目标路段进行安全策略匹配提供数据基础。
[0078]
s103、基于目标路段在预设时间范围内，恶劣天气下交通管控的启动信息，为目标
路段匹配对应的安全提升策略。
[0079]
其中，恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。
[0080]
具体的，可以预先确定一些针对不同恶劣天气下交通管控等级的安全提升策略，在得到目标路段预设时间范围内如一年内，启动恶劣天气下交通管控的次数，以及具体每一次启动的等级，为目标路段匹配不同的安全提升策略。
[0081]
例如，对一些一年内，启动恶劣天气下交通管控次数多且具体等级较高的路段，匹配最高的安全提升策略；对一些一年内，启动恶劣天气下交通管控次数多但具体等级较低的路段，或者一年内，启动恶劣天气下交通管控次数少但具体等级较高的路段，匹配一般的安全提升策略；以及对一年内，启动恶劣天气下交通管控次数少且具体等级较低的路段，匹配较低的安全提升策略等等。
[0082]
本技术提供的恶劣天气高影响路段风险预测和安全管理方法，首先通过预设预测模型，预测目标路段的恶劣天气等级；然后基于目标路段的交通管控等级和恶劣天气等级，确定目标路段的恶劣天气下交通管控等级；再基于目标路段在预设时间范围内，恶劣天气下交通管控的启动信息，为目标路段匹配对应的安全提升策略，恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。如此，可以实现对恶劣天气高影响路段在恶劣天气下的进行量化预测，以及基于预测等级确定对应的安全提升策略，大大提高了恶劣天气高影响路段在恶劣天气下的交通安全。
[0083]
图2为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中预测模型的构建的流程示意图，请参阅图2，预测模型的构建至少可以包括以下步骤：
[0084]
s201、在预设行车动力学软件中构建仿真模型。
[0085]
其中，仿真模型包括车辆仿真模型、驾驶人仿真模型和道路仿真模型。
[0086]
具体的，可以应用行车动力学软件如carsim等，对不同恶劣天气条件下的行车安全性进行仿真分析，包括构建车辆仿真模型、道路仿真模型、驾驶人仿真模型等。
[0087]
在一些实施例中，车辆仿真模型的构建包括：在预设行车动力学软件中基于车辆系统参数和车体参数构建所述车辆仿真模型；其中，车辆系统参数包括引擎、悬架、转向系、制动系和轮胎信息；车体参数包括车辆的质量和尺寸以及其他外观信息，如此构建一个或多个车辆仿真模型，从而在后续对目标路段行车安全提供模型支持。
[0088]
在实际应用中，可以通过对引擎、悬架、转向系、制动系和轮胎5个子模块分别对车辆仿真模型进行构建，保证车辆仿真模型的准确性。
[0089]
在一些实施例中，驾驶人仿真模型的构建包括：在预设行车动力学软件中基于速度控制和方向控制构建驾驶人仿真模型；其中，速度为定值，方向基于道路的跟踪轨迹控制。
[0090]
具体的，在本技术实施例中驾驶人仿真模型可以由速度控制和方向控制组成。在建模时，在速度控制方面，例如可以基于小客车匀速行驶为基础，车速设置成定值；在方向控制方面，可以设定车辆沿道路的预先跟踪轨迹，模拟转向等驾驶行为。
[0091]
在一些实施例中，道路仿真模型的构建包括：在预设行车动力学软件中基于道路平面线性参数、道路纵断面参数和道路横断面参数构建道路仿真模型。
[0092]
具体的，在本技术实施例中，可以通过平面线性、道路纵断面和道路横断面三方向
完成对道路仿真模型的构建。具体例如道路平面线形以及相关参数可以通过输入不同桩号(或路面其他标志物)下的坐标值确定；道路纵断面线形以及相关参数可以通过输入起终点高程获得确定；道路横断面线形以及相关参数可以通过输入具有代表性的横断面下的道路左、中、右线处的高程获得确定。
[0093]
s202、确定目标仿真模型，并输入预设测试参数，得到目标数据。
[0094]
其中，预设测试参数种类包括车辆行车速度、道路弯道半径、道路纵坡和道路摩擦系数，目标数据包括车辆轮胎相对于道路的侧向力和垂直力。
[0095]
具体的，确定目标仿真模型即为确定上述提到的车辆仿真模型、道路仿真模型、驾驶人仿真模型中的具体参数数值或参数数值范围，从而在后续应用建立好的仿真模型，得到目标数据。
[0096]
s203、将车辆轮胎相对于道路的侧向力与所述车辆轮胎相对于道路的垂直力的比值作为临界附着系数。
[0097]
其中，临界附着系数用于表征车辆发生侧翻的概率，且临界附着系数越大，车辆发生侧翻的概率越大，临界附着系数越小，车辆发生侧翻的概率越小。
[0098]
在本技术中，考虑车辆如小客车的行车安全，通过考虑小客车的侧向运动和横摆运动，分析其在复杂路段且在路面摩擦系数异常时的行驶稳定性，要得到影响因素及其强弱性，并在不同的影响因素值下，得到行车风险概率，选用临界附着系数作为评价指标。具体的，将不同桩号下小客车每个车轮所受的侧向力与垂直力的比值取绝对值后的最大值即为该桩号下的临界附着系数，具体计算方法如下：
[0099][0100]
该公式中，μl为不同里程下的临界附着系数；i＝1,2,3,4，分别表示车辆左前轮，右前轮，左后轮，右后轮；fyi(z)表示不同桩号下轮胎侧向力；fzi(z)表示不同桩号下轮胎垂直力。
[0101]
选用临界附着系数作为评价指标是考虑其与路面附着系数能够构成直接的联系，且在各种因素的影响下，可能会造成路面附着系数的下降和临界附着系数的上升，当两者大致相等时，即可认为小客车会行车失稳，产生侧滑等危险工况。
[0102]
需要说明的是，影响小客车形成安全的实际因素主要有行驶速度、圆曲线半径、纵坡和路面摩擦系数等，然而，路面潮湿主要是导致路面附着系数的下降，而附着系数指的是附着力(路面对轮胎切向反作用力的极限值)与作用于轮胎上的地面法向反作用力的比值。
[0103]
也就是说，当同一种类型的车辆在同一种道路状况下行驶时，作用于轮胎上的地面法向反作用力保持不变，此时，因恶劣天气而导致的附着系数的改变仅影响附着力大小的变化，在不发生侧滑行为时，小客车所受的各种阻力必定不大于附着力，因此此时附着系数的改变对研究没有影响。而在发生侧滑行为的情况下，小客车的行驶特性难以仿真，数据结果也难以分析。在本技术中通过仿真模型研究车辆在不发生侧滑行为时的行驶特性，从而确定小客车在复杂路段及恶劣天气下的行驶风险。
[0104]
具体的，在通过上述过程确定了车辆仿真模型、驾驶人仿真模型和道路仿真模型的具体参数后，仿真试验选取车辆行车速度、道路弯道半径、道路道路纵坡和道路摩擦系数
作为测试参数即预设测试参数，对车辆行车风险进行分析，从而得到用于构建预测的数据，表1列出了本技术中试验的仿真策略：
[0105]
表1考虑不同参数条件下的车辆仿真策略
[0106][0107]
将表1中每一编号下的4组数据作为预设测试参数，分别输入上述实施例中提到的软件中，并设置输出项即目标数据为侧向力和垂直力，最终，得到4大组，16小组输出数据，对数据进行可视化展示。图3为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中仿真模型中测试参数与临界附着系数的关系示意图，具体如图3所示：
[0108]
通过仿真分析可以得出，当车辆在直线路段行驶时，临界附着系数几乎为0，此时恶劣天气导致路面摩擦系数对行车安全基本上没有影响；当车辆由直线路段驶入弯道路段时，临界附着系数逐渐增加；当车辆在直线段与圆曲线段连接处行驶时，临界附着系数增长快速；当车辆驶入弯道路段一定时间后，临界附着系数增长趋于平稳，此时车辆在弯道路段平稳行驶；当车辆驶出弯道时，临界附着系数快速减小。
[0109]
图3(a)为弯道半径r(即车辆弯道半径)对临界附着系数的影响，如图3(a)所示，弯道半径对临界附着系数有明显影响。具体表现为：当弯道半径为一般最小半径200m时，临界附着系数最大值约为0.28。随着弯道半径的增加，临界附着系数最大值逐渐递减。不同弯道半径下的峰值均出现在相同行驶距离附近，可反应出此些条件下驾驶人对车辆的操控性良好，车辆能够按照驾驶人预期轨迹行驶。
[0110]
图(b)为纵坡i(即道路纵坡)对临界附着系数的影响，如图3(b)所示，纵坡坡度对临界附着系数有明显影响。当纵坡坡度为最大坡度6％时，临界附着系数最大值约为0.32。随着纵坡坡度的增大，临界附着系数逐渐增大。不同纵坡坡度下的峰值所在行驶距离略有差异，其中纵坡坡度越大，峰值出现的时间越早，车辆的操控性越差。
[0111]
图(c)为速度v(即车辆行车速度)对临界附着系数的影响，如图3(c)所示，速度对临界附着系数有明显影响。行驶速度为80km时，临界附着系数最大值约为0.37。随着行驶速度的增加，临界附着系数的最大值增加。不同行驶速度下的峰值所在行驶距离略有差异，其中速度越大，峰值出现的时间越早，车辆的操控性能越差。
[0112]
图(d)为摩擦系数(即道路摩擦系数)对临界附着系数的影响，如图3(d)所示，摩擦系数对临界附着系数有明显影响。摩擦系数为0.4时，临界附着系数最大值约为0.31。随着摩擦系数的减小，临界附着系数的最大值增加，不同路面摩擦系数下的峰值所在里程基本一致，可反应出此些条件下驾驶人对车辆的操控性良好，车辆能够按照驾驶人预期轨迹行驶。
[0113]
s204、对预设测试参数和临界附着系数做回归分析，得到用于基于测试参数预测临界附着系数的预测模型。
[0114]
具体的，将上述仿真所得到各组数据进行回归分析，得到临界附着系数的预测模型即基础预测模型，具体如下：
[0115][0116]
其中：μ
l
为不同里程下的临界附着系数；v为行车速度(km/h)；r为圆曲线半径(m)；i为路面横向坡度(％)；f为路面摩擦系数。
[0117]
s204、基于所述基础预测模型得到用于预测恶劣天气等级的预测模型。
[0118]
具体的，在得到上述基础预测模型后，可以定义r为发生侧滑风险，根据统计学理论，将发生侧滑的概率作为发生侧滑风险，并将不同发生侧滑风险进行分级，进而以及基于上述基础预测模型，得到最终的用于预测恶劣天气等级的预测模型，具体模型为：
[0119][0120]
其中，r为发生侧滑的风险，与本技术上述实施例中提到的恶劣天气等级对应，f为道路摩擦系数，而具体的对应的关系如下表2所示：
[0121]
表2发生策划风险与恶劣天气等级的对应关系
[0122]
风险r[0.8-1][0.5-0.8)[0.2-0.5)[0-0.2)风险等级一级二级三级四级恶劣天气等级1234
[0123]
在上述实施例的基础上，在实际应用中，只要获取目标路段的对应预设测试参数的实时测试参数，输入至上述预测模型中，即可得到该目标路段的在恶劣天气下的发生侧滑风险，以及恶劣天气等级。
[0124]
进一步地，在本技术中，在进行安全提升策略匹配时，还同时考虑了目标路段的交通管控等级。
[0125]
具体的，可根据交通管理部门的分类或基于道路的信息自定义交通管控等级。
[0126]
例如，可以将道路交通管理等级分为四个等级，包括一级、二级、三级和四级，具体等级的划分标准如下表3所示：
[0127]
表4道路交通安全管控条件下等级划分表
[0128][0129]
在此基础上，基于所述目标路段的交通管控等级、所述恶劣天气等级和预设公式，得到所述目标路段的恶劣天气下交通管控等级。具体公式和确定方法如下公式所示：
[0130]
te＝5-e,e＝1,2,3,4
[0131]
sj＝5-j,j＝1,2,3,4
[0132][0133]
z＝5-dz[0134]
其中，te为恶劣天气风险值，e为恶劣天气等级；sj为交通安全管控风险值，j为交通管控等级；dz为恶劣天气下交通风险值，z为恶劣天气下交通管控等级。需要说明的是，上述恶劣天气下交通管控等级分级可以不考虑事件之间的相互影响，默认事件之间相互独立。
[0135]
在实际应用中，可以恶劣天气下的交通管控按照不同等级执行，例如将恶劣天气交通管控等级分为四级，通过不同颜色对恶劣天气交通管控等级进行识别，从低级到高级依次是：蓝色(低风险)(四级)、黄色(中风险)(三级)、橙色(高风险)(二级)和红色(极高风险)(一级)。
[0136]
在上述实施例的基础上，本技术通过对目标路段预设时间内如一年内的恶劣天气下交通管控启动的启动信息，为目标路段匹配对应的安全提升策略。其中，启动信息包括启动的次数以及具体启动的等级。
[0137]
具体的，可以为恶劣天气下交通管控的启动信息在第一预设等级范围且在第一预设此处范围内的目标路段，匹配基础版安全提升策略；为恶劣天气下交通管控的启动信息在第二预设等级范围且在第二预设此处范围内的目标路段，匹配标准版安全提升策略；为恶劣天气下交通管控的启动信息在第三预设等级范围且在第三预设此处范围内的目标路段，匹配提升版安全提升策略。
[0138]
例如，可以通过下面表4对目标路段进行安全提升策略的匹配：
[0139]
表4安全提升策略匹配表
[0140][0141]
在上述表4中，基础版、标准版和提升版分别对应基础版安全提升策略、标准版安全提升策略和提升版安全提升策略，三种安全提升策略，安全提升效果组件加强，从而满足不同恶劣天气下交通管控的需求。
[0142]
进一步地，在上述实施例中，三种安全提升策略中，均包括通过预设后台信息处理模块或应用软件接收采集模块的气象信息并向采集模块反馈信息、以及通过后台信息处理模块或应用软件向预设前端设备发送管控措施，以及通过后台信息处理模块或应用软件向信息发布模块发送安全提醒。其中，预设后台信息处理模块可以包括公安部门预设系统如道路交通安全信息采集与发布系统、交通运输部门预设系统如公路网运行管理与服务系
统，和气象部门预设系统如道路交通智慧气象服务系统，或相应的应用软件等，通过与信息发布模块通信连接，向信息发布模块发出安全提示，其中信息发布模块可以基于地图导航、微信、微博、交通广播、短信和各种app以及其他应用或方式实现安全提示发布。三种不同程度的安全提升策略同样存在差异性，从而实现不同程度的安全提升。
[0143]
下面通过对上述提到的三种安全提升策略进行详细说明。
[0144]
图4为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中基础版安全提升策略的原理示意图，图5为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中基础版安全提升策略的应用示意图，如图4和图5所示，基础版安全提升策略中，信息采集模块包括气象部门子模块和智能视频子模块，管控措施包括限速发布、路线诱导和汇入警告。
[0145]
具体的，基础版方案即基础版安全提升策略中，依赖气象部门提供的恶劣天气预警信息，同时可根据情况在采集模块中增加固定式气象信息采集设备。在恶劣天气高影响路段路侧设置限速发布、路廓路况警示(路线诱导)、汇入警示、智能视频、监控等前端设备，用于在后台信息处理模块的控制下进行管控措施。同步在上下游相邻服务区、停车区、收费站等位置增加可变情报板、广播等警示提示设施，通过管理系统实现交通警情事件自动检测、多部门联动预警处置、多渠道向社会发布等功能。
[0146]
在一些实施例中，也可以通过各种模块单元实现上述功能，例如，具体如图5所示，可以设置可变限速标志、汇入警示标志、以及智能视频摄像头；通过路线诱导单元实现车距警示、防撞尾迹和路况警示；通过汇入警示单元感知与警示主路/匝道合流车辆，实现主支路联动、道路流量、拥堵检测等，以及实现声光预警和防疲劳预警等。
[0147]
图6为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中标准版安全提升策略的原理示意图，图7为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中标准版安全提升策略的应用示意图，如图6和图7所示，标准版安全提升策略中，信息采集模块气象服务子模块和固定式气象感知子模块；管控措施包括：车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警告和告知组合屏；标准版安全提升策略中还包括接收前端设备的设备状态信息。
[0148]
具体的，标准版方案即标准版安全提升策略中，在恶劣天气高影响路段建设固定式气象信息采集、车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警示、告知组合屏前端设备，通过“一路三方”系统平台共享恶劣天气预警和交通管控等信息，实现交通警情事件自动检测、多部门联动预警处置、多渠道向社会发布等功能，适用于恶劣天气中、高影响路段。
[0149]
在一些实施例中，也可以通过各种模块单元实现上述功能，例如，具体如图7所示，可以设置出口警示标志、可变限速标志以及智能视频摄像头；通过车距测距单元实现车距抓拍功能；通过车速测速单元对路面的车辆进行测速，实现超速抓拍；通过路线诱导单元实现路廓路况警示、车距警示以及恶劣天气预警，包括雨、雾、冰、雪、风等多种天气类型；通过气象采集单元采集路面状态、能见度和气象六要素等数据；通过路线诱导单元实现车距警示、防撞尾迹和路况警示；通过汇入警示单元感知与警示主路/匝道合流车辆，实现主支路联动、道路流量、拥堵检测等，以及实现声光预警和防疲劳预警等。
[0150]
图8为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中提升
版安全提升策略的原理示意图，图9为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理方法中提升版安全提升策略的应用示意图，如图8和图9所示，提升版安全提升策略中，信息采集模块包括气象服务子模块、固定式气象感知子模块和车载移动式气象感知子模块；管控措施包括：车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警告、梯度预警和告知组合屏；提升版安全提升策略中还包括接收前端设备的设备状态信息。
[0151]
具体的，提升版方案即提升版安全提升策略，是在标准版基础上，在恶劣天气高影响路段增加车载移动式气象感知和全路段梯级警示提示设备，实现气象信息采集、预警提示、交通管控与发布全覆盖，适用于恶劣天气高影响路段。
[0152]
在一些实施例中，也可以通过各种模块单元实现上述功能，例如，具体如图9所示，在上述实时例的安全提升策略的基础上，还可以通过车载移动气象采集单元获取现场检测天气实况信息，实时接收气象预警信息，发布交通管控信息等，具体如图9所示，在此不在一一赘述。
[0153]
本技术提供的恶劣天气高影响路段风险预测和安全管理方法，通过应用行车动力学仿真分析，搭建恶劣天气条件下的人车路模型进行仿真，形成了用于恶劣天气行车风险预测的预测模型，对恶劣天气等级进行量化预测分析，适用于雨、雪、雾等不同场景下的道路交通行车安全风险预测，能够为恶劣天气条件下的行车安全性进行定量化评估。
[0154]
同时，将交通管控等级与恶劣天气等级进行适配，从而确定恶劣天气下交通管控等级，以及将恶劣天气下交通管控等级分为蓝色(低风险)、黄色(中风险)、橙色(高风险)、红色(极高风险)，从而直观快速确定恶劣天气条件下交通管控等级。
[0155]
以及在此基础上，根据目标路段在预设时间范围内，恶劣天气下交通管控启动的等级和启动次数信息，为目标路段匹配基础版、标准版、提升版三个安全提升策略，实现针对不同等级的恶劣天气高影响路段开展相应优化提升工作。通过针对性的进行信息采集、前端设备设置、后台系统处理逻辑、信息发布方式等多部门、全方位、多渠道的交通安全管控，形成了闭环工作流程，能够为恶劣天气高影响路段优化提升工作提供技术支持，为基层公安交管部门实施落地方案决策实施提供理论方法支撑，为恶劣天气高影响路段行车安全提供基础保障，具有良好的推广与应用效果。
[0156]
基于同一个发明构思，本发明还提供了一种恶劣天气高影响路段风险预测和安全管理装置，图10为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理装置，包括：
[0157]
预测模块101，用于通过预设预测模型，预测目标路段的恶劣天气等级。
[0158]
确定模块102，用于基于目标路段的交通管控等级和恶劣天气等级，确定目标路段的恶劣天气下交通管控等级。
[0159]
匹配模块103，用于基于目标路段在预设时间范围内，恶劣天气下交通管控的启动信息，为目标路段匹配对应的安全提升策略，恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。
[0160]
本技术实施例提供的恶劣天气高影响路段风险预测和安全管理装置的具体实施方案可以参考以上任意实施例的恶劣天气高影响路段风险预测和安全管理方法的实施方式，此处不再赘述。
[0161]
基于同一个发明构思，本发明还提供了一种恶劣天气高影响路段风险预测和安全管理设备，图11为本技术实施例提供的恶劣天气高影响路段风险预测和安全管理设备，包括：处理器111和存储器112，处理器111与存储器112相连。其中，处理器111，用于调用并执行存储器112中存储的程序；存储器112，用于存储程序，程序至少用于上述方法实施例中提到的恶劣天气高影响路段风险预测和安全管理方法。
[0162]
本技术实施例提供的恶劣天气高影响路段风险预测和安全管理设备的具体实施方案可以参考以上任意实施例的恶劣天气高影响路段风险预测和安全管理方法的实施方式，此处不再赘述。
[0163]
可以理解的是，上述各实施例中相同或相似部分可以相互参考，在一些实施例中未详细说明的内容可以参见其他实施例中相同或相似的内容。
[0164]
需要说明的是，在本发明的描述中，术语“第一”、“第二”等仅用于描述目的，而不能理解为指示或暗示相对重要性。此外，在本发明的描述中，除非另有说明，“多个”的含义是指至少两个。
[0165]
流程图中或在此以其他方式描述的任何过程或方法描述可以被理解为，表示包括一个或更多个用于实现特定逻辑功能或过程的步骤的可执行指令的代码的模块、片段或部分，并且本发明的优选实施方式的范围包括另外的实现，其中可以不按所示出或讨论的顺序，包括根据所涉及的功能按基本同时的方式或按相反的顺序，来执行功能，这应被本发明的实施例所属技术领域的技术人员所理解。
[0166]
应当理解，本发明的各部分可以用硬件、软件、固件或它们的组合来实现。在上述实施方式中，多个步骤或方法可以用存储在存储器中且由合适的指令执行系统执行的软件或固件来实现。例如，如果用硬件来实现，和在另一实施方式中一样，可用本领域公知的下列技术中的任一项或他们的组合来实现：具有用于对数据信号实现逻辑功能的逻辑门电路的离散逻辑电路，具有合适的组合逻辑门电路的专用集成电路，可编程门阵列(pga)，现场可编程门阵列(fpga)等。
[0167]
本技术领域的普通技术人员可以理解实现上述实施例方法携带的全部或部分步骤是可以通过程序来指令相关的硬件完成，所述的程序可以存储于一种计算机可读存储介质中，该程序在执行时，包括方法实施例的步骤之一或其组合。
[0168]
此外，在本发明各个实施例中的各功能单元可以集成在一个处理模块中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个模块中。上述集成的模块既可以采用硬件的形式实现，也可以采用软件功能模块的形式实现。所述集成的模块如果以软件功能模块的形式实现并作为独立的产品销售或使用时，也可以存储在一个计算机可读取存储介质中。
[0169]
上述提到的存储介质可以是只读存储器，磁盘或光盘等。
[0170]
在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
[0171]
尽管上面已经示出和描述了本发明的实施例，可以理解的是，上述实施例是示例
性的，不能理解为对本发明的限制，本领域的普通技术人员在本发明的范围内可以对上述实施例进行变化、修改、替换和变型。

技术特征：
1.一种恶劣天气高影响路段风险预测和安全管理方法，其特征在于，包括：通过预设预测模型，预测目标路段的恶劣天气等级；基于所述目标路段的交通管控等级和所述恶劣天气等级，确定所述目标路段的恶劣天气下交通管控等级；基于所述目标路段在预设时间范围内，所述恶劣天气下交通管控的启动信息，为所述目标路段匹配对应的安全提升策略，所述恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。2.根据权利要求1所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述预测模型的构建过程包括：在预设行车动力学软件中构建仿真模型；所述仿真模型包括车辆仿真模型、驾驶人仿真模型和道路仿真模型；确定目标仿真模型，并输入预设测试参数，得到目标数据；其中，所述预设测试参数种类包括车辆行车速度、道路弯道半径、道路纵坡和道路摩擦系数，所述目标数据包括车辆轮胎相对于道路的侧向力和垂直力；将所述车辆轮胎相对于道路的侧向力与所述车辆轮胎相对于道路的垂直力的比值作为临界附着系数；其中，所述临界附着系数用于表征车辆发生侧翻的概率，且所述临界附着系数越大，车辆发生侧翻的概率越大，所述临界附着系数越小，车辆发生侧翻的概率越小；对所述预设测试参数和所述临界附着系数做回归分析，得到用于基于测试参数预测临界附着系数的基础预测模型；基于所述基础预测模型得到用于预测恶劣天气等级的预测模型。3.根据权利要求2所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述车辆仿真模型的构建包括：在预设行车动力学软件中基于车辆系统参数和车体参数构建所述车辆仿真模型；其中，所述车辆系统参数包括引擎、悬架、转向系、制动系和轮胎信息；所述车体参数包括车辆的质量和尺寸；所述驾驶人仿真模型的构建包括：在预设行车动力学软件中基于速度控制和方向控制构建所述驾驶人仿真模型；其中，所述速度为定值，所述方向基于道路的跟踪轨迹控制；所述道路仿真模型的构建包括：在预设行车动力学软件中基于道路平面线性参数、道路纵断面参数和道路横断面参数构建所述道路仿真模型。4.根据权利要求2所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述通过通过预设预测模型，预测目标路段的恶劣天气等级，包括：获取目标路段的实时测试参数，并将其输入到所述预测模型中，得到所述目标路段的实时测试参数对应的实时临界附着系数；基于所述实时临界附着系数，和临界附着系数与侧滑风险的对应关系，得到所述实时临界附着系数对应的实时侧滑风险；基于所述实时侧滑风险，和侧滑风险与恶劣天气等级的对应关系，得到所述实时侧滑风险对应的恶劣天气等级，并将其确定为所述目标路段的恶劣天气等级。5.根据权利要求1所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述基于所述目标路段的交通管控等级和所述恶劣天气等级，确定所述目标路段的恶劣天气下交通管控等级，包括：
基于所述目标路段的交通管控等级、所述恶劣天气等级和预设公式，得到所述目标路段的恶劣天气下交通管控等级；所述预设公式包括：t
e
＝5-e,e＝1,2,3,4s
j
＝5-j,j＝1,2,3,4z＝5-d
z
；其中：t
e
为恶劣天气风险值，e为恶劣天气等级，s
j
为交通管控风险值，j为交通管控等级；dz为恶劣天气下交通风险值，z为恶劣天气下交通管控等级。6.根据权利要求1所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述基于所述目标路段在预设时间范围内，所述恶劣天气下交通管控的启动信息，为所述目标路段匹配对应的安全提升策略，包括：为恶劣天气下交通管控的启动信息在第一预设等级范围且在第一预设此处范围内的目标路段，匹配基础版安全提升策略；为恶劣天气下交通管控的启动信息在第二预设等级范围且在第二预设此处范围内的目标路段，匹配标准版安全提升策略；为恶劣天气下交通管控的启动信息在第三预设等级范围且在第三预设此处范围内的目标路段，匹配提升版安全提升策略。7.根据权利要求6所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述安全提升策略包括：通过预设后台信息处理模块接收采集模块的气象信息并向所述采集模块反馈信息；通过预设后台信息处理模块向预设前端设备发送管控措施；通过预设后台信息处理模块向信息发布模块发送安全提醒；其中，所述预设后台信息处理模块包括公安部门预设系统、交通运输部门预设系统和气象部门预设系统。8.根据权利要求7所述的恶劣天气高影响路段风险预测和安全管理方法，其特征在于，所述匹配基础版安全提升策略中，所述信息采集模块包括气象部门子模块和智能视频子模块，所述管控措施包括限速发布、路线诱导和汇入警告；所述标准版安全提升策略中，所述信息采集模块包括气象服务子模块和固定式气象感知子模块；所述管控措施包括：车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警告和告知组合屏；所述标准版安全提升策略中还包括接收前端设备的设备状态信息；所述提升版安全提升策略中，所述信息采集模块包括气象服务子模块、固定式气象感知子模块和车载移动式气象感知子模块；所述管控措施包括：车速测速、车距测距、出口警示、智能视频、可变限速、路线诱导、汇入警告、梯度预警和告知组合屏；所述提升版安全提升策略中还包括接收前端设备的设备状态信息。9.一种恶劣天气高影响路段风险预测和安全管理装置，其特征在于，包括：
预测模块，用于通过预设预测模型，预测目标路段的恶劣天气等级；确定模块，用于基于所述目标路段的交通管控等级和所述恶劣天气等级，确定所述目标路段的恶劣天气下交通管控等级；匹配模块，用于基于所述目标路段在预设时间范围内，所述恶劣天气下交通管控的启动信息，为所述目标路段匹配对应的安全提升策略，所述恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。10.一种恶劣天气高影响路段风险预测和安全管理设备，其特征在于，包括处理器和存储器，所述处理器与存储器相连：其中，所述处理器，用于调用并执行所述存储器中存储的程序；所述存储器，用于存储所述程序，所述程序至少用于执行权利要求1-8任一项所述的恶劣天气高影响路段风险预测和安全管理方法。

技术总结
本发明涉及交通安全技术领域，具体公开一种恶劣天气高影响路段风险预测和安全管理方法、装置和设备，该方法包括：通过预设预测模型，预测目标路段的恶劣天气等级；然后基于目标路段的交通管控等级和恶劣天气等级，确定目标路段的恶劣天气下交通管控等级；再基于目标路段在预设时间范围内，恶劣天气下交通管控的启动信息，为目标路段匹配对应的安全提升策略，恶劣天气下交通管控的启动信息包括恶劣天气下交通管控的启动次数和被启动的恶劣天气下交通管控等级。如此，可以实现对恶劣天气高影响路段在恶劣天气下的进行量化预测，以及基于预测等级确定对应的安全提升策略，大大提高了恶劣天气高影响路段在恶劣天气下的交通安全。全。全。


技术研发人员：齐晨 孙广林 刘君 柴亚南 柴树山 郑金子 董萌 周志强 徐炅旸 徐鹏飞
受保护的技术使用者：公安部道路交通安全研究中心
技术研发日：2023.06.29
技术公布日：2023/9/14