[發(fā)明專利]一種公路路面降雨量分布估計方法、存儲介質(zhì)及計算設(shè)備

有效

• 申請?zhí)枺?/td>: 202010864891.0
• 申請日: 2020-08-25
• 公開（公告）號: CN112036630B
• 公開（公告）日: 2023-08-04
• 發(fā)明（設(shè)計）人: 左磊;閆茂德;張建國;楊盼盼;朱旭;劉紅平;林海
• 申請（專利權(quán)）人: 長安大學(xué)
• 主分類號: G06F17/11
• 分類號: G06F17/11;G01W1/14;G06F17/16;G06F17/18
• 代理公司: 西安通大專利代理有限責(zé)任公司 61200
• 代理人: 高博

1.一種公路路面降雨量分布估計方法，其特征在于，包括以下步驟：

S1、根據(jù)目標(biāo)區(qū)域內(nèi)采樣點的采樣信息，構(gòu)建包含采樣位置與路面降雨量的采樣數(shù)據(jù)庫，并初始化參數(shù)，目標(biāo)區(qū)域內(nèi)采樣點的采樣信息為：

Y＝[S,M]^T

其中，表示固定傳感器的采樣信息，表示移動傳感器的采樣信息，區(qū)域估計算法的數(shù)據(jù)集合為：

D＝{P,Y}

其中，D為包含采樣位置信息的采樣數(shù)據(jù)集合，P為傳感器采樣位置集合；

S2、采用自觸發(fā)機制下的動靜混合傳感器采樣模型，根據(jù)傳感器在當(dāng)前執(zhí)行周期內(nèi)采樣值與前一個執(zhí)行周期內(nèi)平均采樣值之間的誤差，通過歸一化定義路面降雨量的采樣閾值Δ，對路面降雨量的閾值Δ進(jìn)行劃分，形成多個采樣誤差區(qū)間，確定傳感器在不同采樣誤差區(qū)間內(nèi)的采樣間隔，動態(tài)更新步驟S1采樣數(shù)據(jù)庫內(nèi)的采樣數(shù)據(jù)；

S3、采用曲面擬合的方法，根據(jù)步驟S2動態(tài)更新的采樣數(shù)據(jù)設(shè)計路面降雨量估計模型，針對目標(biāo)區(qū)域的降雨量估計，定義徑向基函數(shù)，以公路路面為中心，確定公路兩側(cè)和公路路面上的徑向基中心點，徑向基函數(shù)具體為：

其中，ψ_j(P)表示徑向基函數(shù)向量組中第j個徑向基函數(shù)；l是向量組的維數(shù)，σ_j是徑向基函數(shù)的寬度，β_j是歸一化常數(shù)，ξ_j是徑向基函數(shù)的中心點，P表示目標(biāo)區(qū)域內(nèi)任意一點，公路兩側(cè)中心點的選取如下：

其中，i＝1,…,n_s表示固定傳感器的個數(shù)，n表示中心點的選取個數(shù)，d₁表示目標(biāo)區(qū)域內(nèi)公路的長度，d₂表示公路兩側(cè)的寬度，m表示公路兩側(cè)中心點所在的總行數(shù)，j表示第j行；

公路路面上中心點的選取如下：

其中，i＝1,…,n_m表示移動傳感器的個數(shù)；

徑向基函數(shù)的向量形式表示為ψ(P)^T＝[ψ₁(P),…,ψ_l(P)]，目標(biāo)區(qū)域內(nèi)降雨量的采樣集合表示為：

φ(P,t)＝ψ(P)^Tx(t)

其中，x(t)＝[x₁(t),…x_l(t)]^T表示徑向基函數(shù)的權(quán)重系數(shù)；

S4、利用卡爾曼濾波算法將步驟S3曲面擬合后路面降雨量估計模型的權(quán)重系數(shù)與傳感器網(wǎng)絡(luò)的采樣位置相結(jié)合，構(gòu)成卡爾曼濾波中的狀態(tài)變量，然后調(diào)整卡爾曼濾波算法中觀測方程的參數(shù)，改進(jìn)卡爾曼濾波狀態(tài)估計算法，根據(jù)當(dāng)前時刻卡爾曼濾波的狀態(tài)變量估計目標(biāo)區(qū)域內(nèi)任意位置的降雨量，具體為：

S401、以徑向基函數(shù)中的權(quán)重系數(shù)x作為線性路面降雨量估計模型中的狀態(tài)變量，線性動態(tài)系統(tǒng)如下：

x(k+1)＝Ax(k)+ω(k)

其中，表示系統(tǒng)矩陣，噪聲為零均值高斯白噪聲，方差記為W；

S402、確定每個采樣設(shè)備在執(zhí)行周期內(nèi)的采樣值集合給出觀測方程S_i(k)如下：

其中，表示系統(tǒng)矩陣，表示觀測矩陣，W為噪聲的方差；

S403、設(shè)定卡爾曼增益矩陣K_i(k)如下：

其中，K_i(k)為k時刻所得到的卡爾曼增益矩陣，Q(k|k-1)為第k-1時刻的估計預(yù)測協(xié)方差矩陣，S_i(k)為采樣噪聲協(xié)方差矩陣；

S404、設(shè)初始時刻的狀態(tài)變量為計算下一時刻的狀態(tài)變量

S405、設(shè)定卡爾曼濾波算法中誤差協(xié)方差矩陣的初值為Q(0|0)，更新估計預(yù)測協(xié)方差矩陣；

S406、設(shè)定噪聲協(xié)方差矩陣S(0)的初值，計算協(xié)方差陣Q(k|k)；

S407、計算當(dāng)前時刻降雨量在_q點的估計值

S5、根據(jù)梯度下降法，通過調(diào)整移動傳感器采樣位置的手段，優(yōu)化步驟S4目標(biāo)區(qū)域內(nèi)降雨量的估計結(jié)果，完成降雨量分布估計，優(yōu)化步驟S4目標(biāo)區(qū)域內(nèi)降雨量估計結(jié)果的控制策略為：

其中，O為目標(biāo)區(qū)域，W為系統(tǒng)噪聲協(xié)方差，J為估計誤差代價函數(shù)，p_i為傳感器的采樣位置，Q為估計誤差協(xié)方差陣，ψ(p)為徑向基函數(shù)，K為卡爾曼增益矩陣，S為噪聲協(xié)方差矩陣。