融合天氣監(jiān)測與預(yù)報的出行線路規(guī)劃算法

王 興，祝維聰，張 皓，張瀟瀟

(南京信息工程大學(xué)大氣科學(xué)學(xué)院，江蘇 南京 210044)

0 引言

近年來我國每年發(fā)生的交通事故高達(dá)50 萬起以上，因交通事故死亡的人數(shù)超過10 萬，直接經(jīng)濟(jì)損失多達(dá)數(shù)百億元［1］。其中大霧、臺風(fēng)、暴雨、路面冰凍等極端天氣是引發(fā)交通事故的一個重要因素［2-3］。GPS 導(dǎo)航儀能夠幫助駕乘人員準(zhǔn)確定位當(dāng)前位置，并可根據(jù)既定的目的地規(guī)劃行程。具備無線通訊模塊的移動終端(如Android 手機(jī))結(jié)合預(yù)裝的地圖App還能夠顯示實時路況信息，以便于用戶針對道路擁堵情況重新規(guī)劃行程線路。

盡管GPS 導(dǎo)航的應(yīng)用已非常普及，但針對導(dǎo)航線路天氣狀況的預(yù)報預(yù)警目前尚屬空白。特別對于我國東南沿海等局地極端天氣多發(fā)地區(qū)，如果能在導(dǎo)航的過程中充分結(jié)合天氣實況和預(yù)報預(yù)警，將很大程度上減少因天氣原因造成的交通事故，挽回更多的生命和經(jīng)濟(jì)損失。本文在行車最短路徑誘導(dǎo)算法的基礎(chǔ)上，提出一種融合短臨預(yù)報的最短路徑誘導(dǎo)算法。

1 算法設(shè)計

1.1 基于天氣影響值的WTP 算法

通常，GPS 導(dǎo)航線路規(guī)劃的關(guān)鍵參數(shù)是出發(fā)地與目的地之間的距離以及道路等級、途中有無收費站等路況信息。本文設(shè)計的基于天氣實況和臨近預(yù)報影響值的WTP(Weather-Traffic Path)算法，對行程線路可能發(fā)生的霧霰、沙塵暴、降水、積雪、積冰、冰雹、臺風(fēng)和雷暴等天氣現(xiàn)象進(jìn)行影響評估、分析，并盡可能規(guī)避危險路段。WTP 算法的主要步驟如下:

1)根據(jù)出發(fā)地和目的地的地理信息規(guī)劃若干條行程線路，將每條線路依據(jù)公路等級等路況信息拆分成若干個路段，對每條路段使用公式(1)進(jìn)行計算。

式(1)中t 為通過當(dāng)前路段所需的時間，l 為路段的長度，g 為路段的交通流量，c 為單位時間內(nèi)路段可通過的最大車輛數(shù)，z 和y 為公路局路阻函數(shù)模型中的常數(shù)［4］，v 為當(dāng)前路段行駛的平均速度。顯然，v 除了受路況條件影響外，各種天氣現(xiàn)象的發(fā)生對v 也有直接影響。

2)根據(jù)天氣實況和短臨預(yù)報的結(jié)果，以及這些天氣影響直到消散或降低到行車安全級別所需的時間，評估各路段的最大安全速度。將這些因素統(tǒng)稱作天氣影響值WIV(Weather Influence Value)。由于不同天氣現(xiàn)象對行車影響的程度有所不同，以下提出幾種極端天氣條件下最大安全車速的計算方法和參數(shù)。

式(2)中v 為理論最大安全速度，b 和c 是模型參數(shù)，可分別取值為-0.556 和0.309［5］，Vm為能見度，a 為不同環(huán)境下的制動加速度［6］。

a 的計算方法如式(3)所示，其中i 表示道路縱坡，即順著道路前進(jìn)方向的上下坡度，它與汽車的動力特性有很大關(guān)系，我國規(guī)定公路的最大縱坡為3%，山嶺重丘區(qū)為4%～5%［7］。f 表示路面附著系數(shù)，即附著力與車輪法向壓力的比值，它可以看成是輪胎和路面之間的靜摩擦系數(shù)。該系數(shù)的大小主要取決于路面的基質(zhì)和干燥狀況，以及輪胎的結(jié)構(gòu)、紋理等，值越大汽車就越不容易打滑。不同路面的附著系數(shù)f 如圖1 所示。

圖1 不同路面的附著系數(shù)

表1 能見度、道路縱坡和路面情況與最大安全速度的關(guān)系

圖1 給出了不同路面情況下附著系數(shù)f 的大致范圍，為方便算法的實現(xiàn)，在各種復(fù)雜天氣現(xiàn)象發(fā)生時f 的取值需根據(jù)實際情況設(shè)定為某一常數(shù)。能見度受到雨、雪、霧、霰等多種天氣的影響，在干燥路面條件下道路縱坡i 和能見度Vm與最大安全速度vmax的關(guān)系如圖2 所示。

圖2 不同能見度和道路縱坡情況下的最大安全速度

圖2 中，當(dāng)Vm小于50 m 時，根據(jù)國家有關(guān)規(guī)定將進(jìn)行交通管制措施，實施全線或局部封閉高速公路［8］。當(dāng)Vm大于500 m 時，即按照該路段設(shè)計的最大時速。

在雨雪冰凍天氣條件下，能見度Vm、道路縱坡i與最大安全速度vmax的關(guān)系如表1 所示。

由于汽車外殼是導(dǎo)電密閉體，通常具有很好的防雷效果，如遭遇雷擊不易傷害到車內(nèi)人員，但雷暴常與強(qiáng)降水密切相關(guān)。因此，當(dāng)監(jiān)測或預(yù)測到有強(qiáng)對流或雷暴天氣發(fā)生時，仍需評估因強(qiáng)降水造成能見度和路面濕滑對行車安全可能造成的影響。此外，還應(yīng)考慮大風(fēng)所帶來的影響。當(dāng)風(fēng)力很大時，飛揚的沙塵不僅影響能見度和駕駛員的觀察判斷，而且不同方向的大風(fēng)，特別是橫風(fēng)還會影響車的制動性能，甚至發(fā)生車身偏移。由于暫沒有大風(fēng)條件下交通管制的量化細(xì)則，本算法設(shè)計時考慮對八級及以上大風(fēng)進(jìn)行預(yù)警，線路規(guī)劃時降低大風(fēng)路段的選擇優(yōu)先級。

3)綜合各種天氣現(xiàn)象對行車速度的影響，WTP的算法流程如圖3 所示。

圖3 WTP 算法N-S 流程圖

圖3 中綜合評估道路優(yōu)先級的方法主要依據(jù)公式(4):

式(4)中C 為可調(diào)常數(shù)，由公式(1)簡化得到，Lx為路段長度。計算出的WIV 一般為某路段最大安全車速下的行車時間。同時，級別較高的雷暴、大風(fēng)等災(zāi)害性天氣也會影響各路段WIV 的優(yōu)先級。通過綜合排序比較各路段的WIV 即可分析得出行駛于出發(fā)地與目的地之間的最佳行程線路。

1.2 融合WTP 的最短路徑算法

關(guān)于最短路徑有很多成熟和先進(jìn)的算法，常用的檢索方式包括范圍檢索、最近鄰目標(biāo)檢索和反向最近鄰目標(biāo)檢索等［9］，且應(yīng)用的范圍也不僅局限于地理線路的規(guī)劃，還適用于計算機(jī)網(wǎng)絡(luò)路由優(yōu)化、基站覆蓋優(yōu)化等諸多領(lǐng)域［10］。本文考慮的最短路徑不只是地理位置上的距離最短，還包括時間、費用、特別是天氣影響方面的評估。路徑檢索的基本思想如下:

1)查詢從始發(fā)地到目的地之間的所有道路結(jié)點，分析各路段的公路等級、限速要求等基本路況信息。

2)使用雙向Dijkstra 算法分別從始發(fā)地和目的地兩端進(jìn)行交替檢索［11］，同時記錄下每段的距離信息。當(dāng)兩端的檢索都找到某一結(jié)點時，即形成一條最短路徑。

3)對每條路徑天氣影響情況和路況信息進(jìn)行評價，采用的方法即1.1 節(jié)所述的WTP 算法。如此往復(fù)直到完成所有線路或路段的計算。

實際上，最短路徑算法先于WTP 算法執(zhí)行，但為了能清楚說明WTP 算法，本文先進(jìn)行了闡述。

2 系統(tǒng)設(shè)計

2.1 系統(tǒng)邏輯結(jié)構(gòu)

整個系統(tǒng)包括負(fù)責(zé)算法和業(yè)務(wù)邏輯運算的后臺以及面向用戶操作使用的前臺。后臺的邏輯結(jié)構(gòu)如圖4 所示，除WTP 算法的實現(xiàn)外，還包括天氣系統(tǒng)的實況監(jiān)測、0～1 h 臨近預(yù)報以及1～6 h 短時預(yù)報等核心模塊。0～1 h 主要采用雷暴識別追蹤和外推預(yù)報技術(shù)進(jìn)行預(yù)報，1～6 h 主要使用外推預(yù)報和WRF模式預(yù)報產(chǎn)品作為輸入場，采用Blending 算法進(jìn)行融合預(yù)報。輸入數(shù)據(jù)包括常規(guī)地面和高空探測資料、加密自動站觀測資料、衛(wèi)星紅外水汽、可見光資料、雷達(dá)基本反射率、徑向風(fēng)、風(fēng)廓線資料、天氣模式初始場資料以及AMDAR 飛機(jī)報等。

圖4 系統(tǒng)后臺邏輯結(jié)構(gòu)圖

各個氣象相關(guān)的業(yè)務(wù)模塊中，對流天氣系統(tǒng)識別模塊是根據(jù)雷達(dá)回波的特性，通過資料預(yù)處理、濾波、識別算法、災(zāi)害天氣的判別方程等自動提取回波強(qiáng)度、高度等特征值，并識別降水回波的性質(zhì)，通過綜合的分析判別災(zāi)害性天氣發(fā)生的可能性。外推預(yù)報模塊分別使用了TITAN［12］和CTREC［13-16］算法，天氣模式采用了目前最為先進(jìn)的中尺度數(shù)值天氣模式——WRF V3.4，利用GFS 全球模式預(yù)報資料作為初始場，采取每6 h 更新一次的方案，提供時間分辨率為3 h，水平分辨率為3 km、垂直分層10 m、70 m、100 m、120 m以及其他高度的72 h 時效的區(qū)域精細(xì)化預(yù)報。Blending 融合預(yù)報是利用WRF 模式快速循環(huán)系統(tǒng)RR(Rapid Refresh)的降水預(yù)報資料作為初始場，配合雷達(dá)降水定量預(yù)報(QPF)［17］，將雷達(dá)資料與數(shù)值模式融合，進(jìn)行1～6 h 強(qiáng)對流天氣短時預(yù)報的技術(shù)。該技術(shù)既考慮了雷達(dá)外推預(yù)報在預(yù)報降水系統(tǒng)位置和初始強(qiáng)度方面的準(zhǔn)確性，又應(yīng)用了數(shù)值模式預(yù)報反映降水系統(tǒng)變化的能力，避免了單個方法的局限性，使得預(yù)報結(jié)果能夠更好地反映對流系統(tǒng)的發(fā)展演變趨勢，可以明顯提高1～6 h 強(qiáng)對流天氣短時預(yù)報的效果。動力解釋應(yīng)用模塊是對數(shù)值預(yù)報產(chǎn)品的進(jìn)一步解釋和應(yīng)用，以提高預(yù)報的準(zhǔn)確率?？刹捎玫乃惴ū容^多，本系統(tǒng)采用的是基于卡爾曼濾波的統(tǒng)計釋用方法。

2.2 系統(tǒng)物理結(jié)構(gòu)

整個系統(tǒng)至少由3 臺氣象核心業(yè)務(wù)算法服務(wù)器，2 臺數(shù)據(jù)庫服務(wù)器，1 臺應(yīng)用服務(wù)器和1 臺系統(tǒng)管理端服務(wù)器組成，系統(tǒng)的物理部署如圖5 所示。

圖5 系統(tǒng)物理部署圖

圖5 中，氣象實時監(jiān)測數(shù)據(jù)庫用于存儲各類氣象觀測資料，實際系統(tǒng)中，數(shù)據(jù)入庫之前還需經(jīng)過報文解碼、有效性檢驗、質(zhì)量控制和數(shù)據(jù)預(yù)處理等一系列過程。由于每天新增的數(shù)據(jù)庫記錄數(shù)多達(dá)數(shù)十萬條，因此預(yù)報產(chǎn)品數(shù)據(jù)庫實際又分為實時庫和歷史庫2個部分，實時庫只保留最近半年的氣象資料和產(chǎn)品。所有服務(wù)器設(shè)備中，數(shù)值模式服務(wù)器的硬件要求最高，為滿足氣象預(yù)報實時性的要求，至少包括128 個以上的CPU 核。3 臺氣象業(yè)務(wù)相關(guān)的服務(wù)器均采用RedHat Enterprise Linux 7 操作系統(tǒng)，算法程序主要由C/C++和Fortran 開發(fā)，數(shù)據(jù)庫管理系統(tǒng)使用Oracle Database 12c，與前一版本11g 相比，該版本新增了Cloud 相關(guān)特性，使用該架構(gòu)有助于簡化部署和管理數(shù)據(jù)庫云，提升管理的靈活性和綜合成本的降低［18］。線路規(guī)劃服務(wù)器除負(fù)責(zé)完成線路規(guī)劃的任務(wù)外，還充當(dāng)了應(yīng)用服務(wù)器，隨著將來訪問量的增加，可以將應(yīng)用服務(wù)器獨立出來。為簡化表示，圖5 還省略了安全網(wǎng)關(guān)等相關(guān)的設(shè)備。GPS 移動終端是在Android 操作系統(tǒng)的基礎(chǔ)上開發(fā)的應(yīng)用軟件，地圖服務(wù)當(dāng)前采用百度地圖API，開發(fā)工具使用百度地圖Android SDK v4.2。

3 系統(tǒng)實現(xiàn)

根據(jù)上述算法和設(shè)計，開發(fā)了融合天氣現(xiàn)象的出行線路規(guī)劃系統(tǒng)。這里以2014 年8 月11 日08 時作為測試時間點，由本系統(tǒng)氣象業(yè)務(wù)算法模塊預(yù)報出的未來6 h 降水量如圖6 所示。可以看出，重慶、貴州、江南西北部以及江淮西南部等地區(qū)將出現(xiàn)大到暴雨，局部大暴雨(6 h 降水量超過25 mm)。

造成能見度降低的天氣因素比較多，主要是受霧霰和沙塵的影響，由于本系統(tǒng)沒有PM2.5 等空氣質(zhì)量的監(jiān)測數(shù)據(jù)，因此能見度主要是依據(jù)常規(guī)地面臺站觀測資料。2014 年8 月11 日08 時近地面層的大氣能見度情況如圖7 所示。

圖6 2014-08-11 08 時6 h 降水量預(yù)報

圖7 2014-08-11 08 時近地面層大氣能見度

從圖7 可以看出，預(yù)報降水量較大的重慶、長沙西南部等地區(qū)的能見度較差，部分地區(qū)低于5000 m。類似地，本系統(tǒng)還針對雷電、大風(fēng)、冰雹等多個氣象指標(biāo)針對路況進(jìn)行綜合分析，最終得出該時刻貴陽到長沙的線路規(guī)劃如圖8 所示。

圖8 Android 平臺融合短臨天氣預(yù)報的GPS 導(dǎo)航

圖8 中可以看出，本系統(tǒng)規(guī)劃出從貴陽到長沙的2 條線路，每條又分出2 條支路，其中③、④(實際系統(tǒng)中為橙色)和⑥(實際系統(tǒng)中為紅棕色)線路受到天氣的影響，而其它線路相對安全。這樣的規(guī)劃與實況天氣以及預(yù)報的結(jié)果是相一致的。用戶還可通過滑動屏幕右下角的“詳細(xì)”查看道路和天氣相關(guān)的更多信息。

4 結(jié)束語

本文首先重點闡述了基于天氣影響值的WTP 算法流程，將該算法集成到最短路徑算法當(dāng)中，實現(xiàn)融合天氣監(jiān)測和預(yù)報的出行線路規(guī)劃。然后從系統(tǒng)的功能模塊與業(yè)務(wù)流程、物理部署等方面展開描述，最后在智能移動終端(Android 平臺)的基礎(chǔ)上開發(fā)實現(xiàn)完整功能。該系統(tǒng)的應(yīng)用，將可為駕車出行人員提供針對行車線路的天氣預(yù)報預(yù)警，對影響行車安全的線路進(jìn)行規(guī)避或提醒，從而有效地降低因極端天氣造成的交通事故，挽回更多的生命和財產(chǎn)損失。

由于受當(dāng)前氣象觀測資料精細(xì)化程度以及天氣預(yù)報相關(guān)算法等客觀條件限制，目前尚無法針對城市中每一條道路精細(xì)區(qū)分天氣狀態(tài)和相應(yīng)的路線規(guī)劃，如果只是市內(nèi)短程出行，相鄰的若干條道路往往受到相同天氣的影響，本算法和系統(tǒng)只能對該區(qū)域進(jìn)行天氣預(yù)報預(yù)警。因此，融合天氣狀況的線路規(guī)劃更適用于跨市或跨省的長途出行。

［1］李童，毛力，吳濱.基于改進(jìn)PSO 優(yōu)化SVR 的交通事故預(yù)測模型［J］.計算機(jī)與現(xiàn)代化，2014(5):28-32.

［2］劉利花，張金喜.高速公路不良天氣交通事故分析［J］.道路交通與安全，2006，6(8):26-29.

［3］姚文靜，李磊，劉麗娟.不利天氣條件下的高速公路交通安全評估［J］.科技信息，2014(3):206-207.

［4］鄭遠(yuǎn)，杜豫川，孫立軍.美國聯(lián)邦公路局路阻函數(shù)探討［J］.交通與運輸(學(xué)術(shù)版)，2007(1):24-26.

［5］程國柱.高速道路車速限制方法研究［D］.哈爾濱:哈爾濱工業(yè)大學(xué)，2007.

［6］李春芾.基于加速度計的汽車制動與轉(zhuǎn)向性能監(jiān)測方法研究［D］.長春:吉林大學(xué)，2007.

［7］呂天青.新建城市道路工程設(shè)計方案評價研究［D］.武漢:武漢科技大學(xué)，2013.

［8］袁成松，卞光輝，馮民學(xué).高速公路上低能見度的監(jiān)測與預(yù)報［J］.氣象，2003，29(11):36-40.

［9］唐彩紅.基于方向優(yōu)先和對向搜索的改進(jìn)Dijkstra 算法［J］.計算機(jī)與現(xiàn)代化，2014(7):113-116.

［10］方昕.一種求解高校路網(wǎng)問題的新型自平衡SDPSO 算法［J］.計算機(jī)與現(xiàn)代化，2012(6):17-19.

［11］李妍妍.Dijkstra 最短路徑分析算法的優(yōu)化實現(xiàn)［J］.測繪與空間地理信息，2014，37(5):172-173.

［12］Athena Coustenis，Mathieu Hirtzig.Cassini-Huygens results on Titan’s surface［J］.Research in Astronomy and Astrophysics，2009，9(3):249-268.

［13］鄭永光，林隱靜，朱文劍.強(qiáng)對流天氣綜合監(jiān)測業(yè)務(wù)系統(tǒng)建設(shè)［J］.氣象，2013，39(2):234-240.

［14］萬齊林，薛紀(jì)善，陳子通，等.雷達(dá)TREC 風(fēng)的三維變分同化應(yīng)用與試驗［J］.熱帶氣象學(xué)報，2005，21(5):449-457.

［15］陳明軒，王迎春，俞小鼎.交叉相關(guān)外推算法的改進(jìn)及其在對流臨近預(yù)報中的應(yīng)用［J］.應(yīng)用氣象學(xué)報，2007，18(5):690-700.

［16］Mecklenburg S，Bell V A，Carrington D S，et al.Applying cotrec-derived rainfall forecasts to the rainfall-runoff model PDM-estimating error sources［C］// Proceedings of the 30th International Conference on Radar Meteorology.2001:14-16.

［17］Heather Dawn Reeves，Daniel T Dawson.The dependence of QPF on the choice of microphysical parameterization for lake-effect snowstorms［J］.Journal of Applied Meteorology and Climatology，2013，52(2):363-377.

［18］Darl Kuhn.深入理解Oracle 12c 數(shù)據(jù)庫管理［M］.北京:人民郵電出版社，2014.