王 興，祝維聰，張 皓，張瀟瀟

(南京信息工程大學大氣科學學院，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)濟損失多達數(shù)百億元［1］。其中大霧、臺風、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 導航儀能夠幫助駕乘人員準確定位當前位置，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)結(jié)合預裝的地圖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 導航的應用已非常普及，但針對導航線路天氣狀況的預報預警目前尚屬空白。特別對于我國東南沿海等局地極端天氣多發(fā)地區(qū)，如果能在導航的過程中充分結(jié)合天氣實況和預報預警，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)濟損失。本文在行車最短路徑誘導算法的基礎上，提出一種融合短臨預報的最短路徑誘導算法。

1 算法設計

1.1 基于天氣影響值的WTP 算法

通常，GPS 導航線路規(guī)劃的關鍵參數(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。本文設計的基于天氣實況和臨近預報影響值的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、臺風和雷暴等天氣現(xiàn)象進行影響評估、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)進行計算。

式(1)中t 為通過當前路段所需的時間，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，即順著道路前進方向的上下坡度，它與汽車的動力特性有很大關系，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)，在各種復雜天氣現(xiàn)象發(fā)生時f 的取值需根據(jù)實際情況設定為某一常數(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Vm小于50 m 時，根據(jù)國家有關規(guī)定將進行交通管制措施，實施全線或局部封閉高速公路［8］。當Vm大于500 m 時，即按照該路段設計的最大時速。

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的關系如表1 所示。

由于汽車外殼是導電密閉體，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，但雷暴常與強降水密切相關。因此，當監(jiān)測或預測到有強對流或雷暴天氣發(fā)生時，仍需評估因強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，還應考慮大風所帶來的影響。當風力很大時，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，特別是橫風還會影響車的制動性能，甚至發(fā)生車身偏移。由于暫沒有大風條件下交通管制的量化細則，本算法設計時考慮對八級及以上大風進行預警，線路規(guī)劃時降低大風路段的選擇優(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、大風等災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

關于最短路徑有很多成熟和先進的算法，常用的檢索方式包括范圍檢索、最近鄰目標檢索和反向最近鄰目標檢索等［9］，且應用的范圍也不僅局限于地理線路的規(guī)劃，還適用于計算機網(wǎng)絡路由優(yōu)化、基站覆蓋優(yōu)化等諸多領域［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)地和目的地兩端進行交替檢索［11］，同時記錄下每段的距離信息。當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行評價，采用的方法即1.1 節(jié)所述的WTP 算法。如此往復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，本文先進行了闡述。

2 系統(tǒng)設計

2.1 系統(tǒng)邏輯結(jié)構(gòu)

整個系統(tǒng)包括負責算法和業(yè)務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 臨近預報以及1～6 h 短時預報等核心模塊。0～1 h 主要采用雷暴識別追蹤和外推預報技術(shù)進行預報，1～6 h 主要使用外推預報和WRF模式預報產(chǎn)品作為輸入場，采用Blending 算法進行融合預報。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、雷達基本反射率、徑向風、風廓線資料、天氣模式初始場資料以及AMDAR 飛機報等。

圖4 系統(tǒng)后臺邏輯結(jié)構(gòu)圖

各個氣象相關的業(yè)務模塊中，對流天氣系統(tǒng)識別模塊是根據(jù)雷達回波的特性，通過資料預處理、濾波、識別算法、災害天氣的判別方程等自動提取回波強度、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害性天氣發(fā)生的可能性。外推預報模塊分別使用了TITAN［12］和CTREC［13-16］算法，天氣模式采用了目前最為先進的中尺度數(shù)值天氣模式——WRF V3.4，利用GFS 全球模式預報資料作為初始場，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)域精細化預報。Blending 融合預報是利用WRF 模式快速循環(huán)系統(tǒng)RR(Rapid Refresh)的降水預報資料作為初始場，配合雷達降水定量預報(QPF)［17］，將雷達資料與數(shù)值模式融合，進行1～6 h 強對流天氣短時預報的技術(shù)。該技術(shù)既考慮了雷達外推預報在預報降水系統(tǒng)位置和初始強度方面的準確性，又應用了數(shù)值模式預報反映降水系統(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 強對流天氣短時預報的效果。動力解釋應用模塊是對數(shù)值預報產(chǎn)品的進一步解釋和應用，以提高預報的準確率?？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)務算法服務器，2 臺數(shù)據(jù)庫服務器，1 臺應用服務器和1 臺系統(tǒng)管理端服務器組成，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)多達數(shù)十萬條，因此預報產(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。所有服務器設備中，數(shù)值模式服務器的硬件要求最高，為滿足氣象預報實時性的要求，至少包括128 個以上的CPU 核。3 臺氣象業(yè)務相關的服務器均采用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)劃服務器除負責完成線路規(guī)劃的任務外，還充當了應用服務器，隨著將來訪問量的增加，可以將應用服務器獨立出來。為簡化表示，圖5 還省略了安全網(wǎng)關等相關的設備。GPS 移動終端是在Android 操作系統(tǒng)的基礎上開發(fā)的應用軟件，地圖服務當前采用百度地圖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)務算法模塊預報出的未來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、冰雹等多個氣象指標針對路況進行綜合分析，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報的GPS 導航

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”查看道路和天氣相關的更多信息。

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中，實現(xiàn)融合天氣監(jiān)測和預報的出行線路規(guī)劃。然后從系統(tǒng)的功能模塊與業(yè)務流程、物理部署等方面展開描述，最后在智能移動終端(Android 平臺)的基礎上開發(fā)實現(xiàn)完整功能。該系統(tǒng)的應用，將可為駕車出行人員提供針對行車線路的天氣預報預警，對影響行車安全的線路進行規(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。

由于受當前氣象觀測資料精細化程度以及天氣預報相關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區(qū)分天氣狀態(tài)和相應的路線規(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)域進行天氣預報預警。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PSO 優(yōu)化SVR 的交通事故預測模型［J］.計算機與現(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，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，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，2007.

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

［8］袁成松，卞光輝，馮民學.高速公路上低能見度的監(jiān)測與預報［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Dijkstra 算法［J］.計算機與現(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.強對流天氣綜合監(jiān)測業(yè)務系統(tǒng)建設［J］.氣象，2013，39(2):234-240.

［14］萬齊林，薛紀善，陳子通，等.雷達TREC 風的三維變分同化應用與試驗［J］.熱帶氣象學報，2005，21(5):449-457.

［15］陳明軒，王迎春，俞小鼎.交叉相關外推算法的改進及其在對流臨近預報中的應用［J］.應用氣象學報，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.