(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202210813096.8 (22)申请日 2022.07.11 (71)申请人 长安大学 地址 710064 陕西省西安市南 二环路中段 (72)发明人 傅攀峰　郑益阳　雷心语　杨麒瞳　 赵伟光　 (74)专利代理 机构 武汉菲翔 知识产权代理有限 公司 42284 专利代理师 项佳懿 (51)Int.Cl. G08G 1/01(2006.01) G01N 21/84(2006.01) G01D 21/02(2006.01) H04W 4/38(2018.01) (54)发明名称 基于深度学习的高速公路能见度监测与预 警系统 (57)摘要 本发明公开了基于深度学习的高速公路能 见度监测与预 警系统， 涉及高速公路能见度监测 技术领域， 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， 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。 本发明中， 解决了现有的能见度监 测预警系统精准度较低且不适用于高速公路的 问题。 权利要求书2页 说明书5页 附图1页 CN 115035723 A 2022.09.09 CN 115035723 A 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P M2.5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权　利　要　求　书 1/2 页 2 CN 115035723 A 2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。权　利　要　求　书 2/2 页 3 CN 115035723 A 3