CN112382091A - 一种道路积水预警方法及装置 - Google Patents

Abstract

本申请实施例提供一种道路积水预警方法及装置，涉及通信技术领域，解决了现有技术中没有对道路积水方面的预测，无法为积水路段的交通提供指示的技术问题。该道路积水预警方法包括：获取预测时间、待预测道路的位置信息和行驶车辆类型；将预测时间和位置信息输入到积水预测模型，得到待预测道路的积水值；根据该积水值和该行驶车辆类型确定积水预警信息，该积水预警信息用于指示该行驶车辆类型的车辆在该预测时间行驶在待预测道路上的安全指数。

Description

一种道路积水预警方法及装置

技术领域

本申请涉及通信技术领域，尤其涉及一种道路积水预警方法及装置。

背景技术

天气状况对道路交通安全存在重要影响，例如，由降雨、降雪等原因导致的道路积水会降低车辆的运行能力，甚至使车辆产生液面滑移，对高速公路的运营和车辆的行驶产生直接影响。

现有的交通气象服务通常只能对降雨量进行预测，而没有对道路积水方面的预测，无法为积水路段的交通提供指示，因此，本申请致力于提供一种能够解决道路积水预警问题的方法。

发明内容

本申请提供一种道路积水预警方法及装置，解决了现有技术中没有对道路积水方面的预测，无法为积水路段的交通提供指示的技术问题。

为达到上述目的，本申请采用如下技术方案：

第一方面，提供一种道路积水预警方法，包括：获取预测时间、待预测道路的位置信息和行驶车辆类型；将预测时间和位置信息输入到积水预测模型，得到待预测道路的积水值；根据该积水值和该行驶车辆类型确定积水预警信息，该积水预警信息用于指示该行驶车辆类型的车辆在该预测时间行驶在待预测道路上的安全指数。

本申请实施例中，可以获取预测时间、待预测道路的位置信息和行驶车辆类型；并将预测时间和位置信息输入到积水预测模型，得到待预测道路的积水值；以及根据该积水值和该行驶车辆类型确定积水预警信息，该积水预警信息用于指示该行驶车辆类型的车辆在该预测时间行驶在待预测道路上的安全指数。通过该方案，由于可以根据积水预测模型得到的积水值和该行驶车辆类型确定积水预警信息，因此，用户可以通过积水预警信息直观的确定道路的积水情况对车辆行驶的影响，从而规划合理的行驶路径，进而提高车辆行驶的安全指数。

第二方面，提供一种道路积水预警装置，包括：获取单元、预测单元和处理单元；该获取单元，用于获取预测时间、待预测道路的位置信息和行驶车辆类型；该预测单元，用于将预测时间和位置信息输入到积水预测模型，得到待预测道路的积水值；该处理单元，用于根据该积水值和该行驶车辆类型确定积水预警信息，该积水预警信息用于指示该行驶车辆类型的车辆在该预测时间行驶在待预测道路上的安全指数。

第三方面，提供一种道路积水预警装置，包括存储器和处理器。存储器用于存储计算机执行指令，处理器与存储器通过总线连接。当道路积水预警装置运行时，处理器执行存储器存储的计算机执行指令，以使道路积水预警装置执行第一方面提供的道路积水预警方法。

第四方面，提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令，当计算机执行指令在计算机上运行时，使得该计算机执行第一方面提供的道路积水预警方法。

第五方面，提供一种计算机程序产品，该计算机程序产品包括计算机指令，当计算机指令在计算机上运行时，使得计算机执行如上述第一方面及其各种可能的实现方式提供的道路积水预警方法。

需要说明的是，上述计算机指令可以全部或者部分存储在计算机可读存储介质上。其中，计算机可读存储介质可以与道路积水预警装置的处理器封装在一起的，也可以与道路积水预警装置的处理器单独封装，本申请对此不作限定。

本申请中第二方面、第三方面、第四方面以及第五方面的描述，可以参考第一方面的详细描述，此处不再赘述；并且，第二方面、第三方面、第四方面以及第五方面描述的有益效果，可以参考第一方面的有益效果分析，此处不再赘述。

在本申请中，上述道路积水预警装置的名字对设备或功能模块本身不构成限定，在实际实现中，这些设备或功能模块可以以其他名称出现。只要各个设备或功能模块的功能和本申请类似，属于本申请权利要求及其等同技术的范围之内。

本申请的这些方面或其他方面在以下的描述中会更加简明易懂。

附图说明

图1为本申请实施例提供的一种道路积水预警方法的流程示意图之一；

图2为本申请实施例提供的一种道路积水预警方法的流程示意图之二；

图3为本申请实施例提供的一种道路积水预警装置的结构示意图之一；

图4为本申请实施例提供的一种道路积水预警装置的结构示意图之二；

图5为本申请实施例提供的一种道路积水预警装置的结构示意图之三。

具体实施方式

下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。

需要说明的是，本申请实施例中，“示例性的”或者“例如”等词用于表示作例子、例证或说明。本申请实施例中被描述为“示例性的”或者“例如”的任何实施例或设计方案不应被解释为比其它实施例或设计方案更优选或更具优势。确切而言，使用“示例性的”或者“例如”等词旨在以具体方式呈现相关概念。

为了便于清楚描述本申请实施例的技术方案，在本申请实施例中，采用了“第一”、“第二”等字样对功能和作用基本相同的相同项或相似项进行区分，本领域技术人员可以理解“第一”、“第二”等字样并不是在对数量和执行次序进行限定。

本申请实施例提供了一种道路积水预警方法，该方法可以应用于道路积水预警装置，该道路积水预警装置可以为云服务器集群。

下面以道路积水预警装置为执行主体，对本申请实施例提供的道路积水预警方法进行详细介绍。

如图1所示，本申请实施例提供一种道路积水预警方法，该道路积水预警方法可以应用于道路积水预警装置，该道路积水预警方法可以包括下述的S101-S103。

S101、道路积水预警装置获取预测时间、待预测道路的位置信息和行驶车辆类型。

道路积水预警装置可以通过用户在终端设备上的输入获取预测时间、待预测道路的位置信息和行驶车辆类型；也可以根据当前时刻和预测时间区间确定预测时间，通过定位技术确定待预测道路，将用户历史输入中最后一次输入的车辆类型确定为行驶车辆类型。

可选的，上述终端设备可以为各种具有通信功能的手持设备、车载设备、可穿戴设备或计算机，本申请实施例对此不作任何限定。例如，手持设备可以是智能手机。车载设备可以是车载导航***。可穿戴设备可以是智能手环。计算机可以是个人数字助理(personaldigital assistant，PDA)电脑、平板型电脑以及膝上型电脑(laptop computer)。

可选的，上述预测时间区间可以包括至少一个时间区间。例如可以为1个小时，1天、1周，1个月等时间区间中的至少一个。示例性的，若当前时刻为11月9日上午八点，预测时间区间默认为1个小时，则预测时间为11月9日上午九点。

需要说明的是，全国的道路数据按照道路类别可以划分为10类，如高速道路、乡镇村道、步行道路等，由于不同类型道路的路面材质、排水***设计标准不同，因此不同类型的道路对降水造成的积水有不同的模式。本申请实施例以高速公路为例对待预测道路进行分析预测。

可选的，上述待预测道路的位置信息可以为路链(link)信息，即路网数据中任意相邻两个点之间的路段信息。

可选的，上述行驶车辆类型可以为轿车、越野车、客车、货车等车辆类型中的一种。

S102、道路积水预警装置将预测时间和位置信息输入到积水预测模型，得到待预测道路的积水值。

上述积水预测模型是用于预测道路积水值的数据模型。道路积水预警装置可以通过特征数据训练积水预测模型，并通过不断地迭代提高积水预测模型预测的准确度。该特征数据可以包括气象数据和道路数据，该气象数据为实时获取的数据，可以包括降水、温度、相对湿度、气压、风向、风速等；该道路数据是指道路在空间上的静态属性，包括道路长度、道路宽度、坡度属性、曲率属性、所属区域等。

S103、道路积水预警装置根据积水值和行驶车辆类型确定积水预警信息。

其中，上述积水预警信息可以用于指示上述行驶车辆类型的车辆在该预测时间行驶在该待预测道路上的安全指数。

由于普通用户可能无法通过积水值直观的确定待预测道路的积水状态对行驶车辆的影响，而且相同积水深度对不同车辆类型造成的危险等级也不同，因此，对于不同类型的行驶车辆，道路积水预警装置可以依据车辆类型与道路积水相关的属性进行归类，并对历史大数据进行分析，从而得到不同积水深度对不同类型车辆的危险等级对应表。然后，道路积水预警装置可以根据上述积水预测模型预测得到的积水值和该危险等级对应表，得到针对上述行驶车辆类型的车辆的积水预警信息。

可选的，用户可以通过终端设备从道路积水预警装置获取上述积水预警信息。例如，用户可以通过终端设备向道路积水预警装置请求该积水预警信息，也可以接收道路积水预警装置推送的积水预警信息。

本申请实施例提供一种道路积水预警方法，由于可以根据积水预测模型得到的积水值和该行驶车辆类型确定积水预警信息，因此，用户可以通过积水预警信息直观的确定道路的积水情况对车辆行驶的影响，从而规划合理的行驶路径，进而提高车辆行驶的安全指数。

可选的，结合上述图1，如图2所示，在S102之前，本申请实施例提供的道路积水预警方法还可以包括下述的S104和S105。

S104、道路积水预警装置确定至少一个训练数据。

其中，上述每个训练数据可以包括至少一类通过相关性分析得到的特征数据。

具体的，道路积水预警装置可以确定经过预处理的M类原始数据，该原始数据可以包括与待预测道路对应的网格数据、标注在网格数据中的历史积水点、天气实况数据、天气预报数据、短临降水数据以及极端天气数据。之后，道路积水预警装置可以分别计算该M类原始数据中的每类原始数据与道路积水的相关系数。最后，道路积水预警装置可以将超过第一阈值的相关系数对应的N类原始数据作为特征数据；其中，M、N均为正整数，且M大于或等于N。

可选的，上述网格数据包含了link的固有属性，如link标识、link等级、link长度、link宽度、link最大坡度和link最大曲率。

可选的，上述M类原始数据还可以包括时间属性、路面温度等。对于时间属性，由于不同的季节中降雨的整体频率存在明显的差异，如在干燥的季节，相同地点的道路积水会更容易渗透，因此将积水发生的时间匹配到月份，可以得到相应的时间属性。对于路面温度，由于不同的季节，路面温度往往存在较大的差异，例如，春季的路面温度为T＝6.06+1.277T2m-0.089RH-0.035U-0.074V；夏季的路面温度为T＝2.686+1.542T2m-0.141RH+0.473U-0.23V；秋季的路面温度为T＝5.803+1.27T2m-0.082RH+0.002U-0.022V；冬季的路面温度为T＝4.148+1.018T2m-0.038RH+0.02U-0.149V，其中，T2m表示气温(单位：℃)，RH表示相对湿度(单位：％)，U、V分别为10m风场的U、V分量(单位：m/s)。U指风速的东西向分量值，为风速的余弦，V指风速的南北向分量值，为风速的正弦。因此，通过匹配到的月份，可以得到对应的季节，从而进一步得到路面温度。

可选的，对于与待预测道路对应的网格数据，由于传统的天气产品中，数据是以网格的形式组织的，因此为了与天气数据关联，需要得到高速路网对应的网格数据，具体方式为：在路网数据中每条道路可以被打断并存储为link信息，link信息中包含具体的经纬度串信息。对经纬度串中的每个经纬度点利用网格生成公式生成对应的网格号，去重后可以得到目标网格。然而，由于link中有的经纬度点间隔比较大，因此目标网格可能会出现没有完全覆盖待预测道路的情况，因此，可以通过扩展确定目标网格的周边网格，即根据确定的目标网格，通过公式找到其周边的预设数量的网格，从而得到与待预测道路对应的网格数据。

可选的，对于标注在网格数据中的历史积水点，不同的降雨强度会对道路交通产生差异化的影响：当降雨未达到强度阈值时，通常不会形成积水点，可以将待预测道路当成常规道路，当降雨达到强度阈值后，雨水会转化为积水点，这些积水点需要提前在对应的link数据上进行标定，道路积水预警装置可以直接从link数据上获取标注在网格数据中的历史积水点。

可选的，对于天气实况数据、天气预报数据、短临降水数据以及极端天气数据，由于这些数据的坐标原点和网格大小可能不一致，因此为了计算的高效性，可以以高速公路路网的网格为标准，转化到一套网格上，并过滤掉不是高速公路的数据，从而提高计算的时效性。

可选的，本申请中道路积水的来源为降雨，而降落到地面的雨水存在累积效果，因此可以按照常识分别求得预测时间之前的至少一个预设时间段的累计降雨、空气湿度、温度、风速、风向等。为了提高效率和准确性，可以利用Spearman相关系数衡量道路积水对这些变量的依赖性，并综合天气数据的获取频率，选择累计降雨数据、空间湿度、小时累计降雨这些特征。

具体的，道路积水预警装置可以计算该M类原始数据中的每类原始数据与道路积水的斯皮尔曼(也叫Spearman Rank)相关性系数，从而确定两组数据可否向同一个标的目标挪动。Spearman Rank相关系数检验的不是数据之间的关系，而是数据排名之间的关系。这对于数据中的异常值和规模具有更强的鲁棒性。Spearman相关系数的具体计算方法如下：

其中，d_i为两个变量之间的等级差，即一个数所在的一列数按照从小到大排序后，这个数所在的位置，其取值范围位于-1到1之间。0表示两个变量不相关，正值表示正相关，负值表示负相关，绝对值越大表示两个变量的相关性越强，因此，道路积水预警装置可以将超过第一阈值的相关系数对应的原始数据作为特征数据。

确定特征数据后，道路积水预警装置可以对其进行解析、筛选、填补等特征工程工作，之后按照link的位置信息与天气数据确定的网格进行关联得到至少一个训练数据，从而实现天气数据、时间属性和空间属性的关联整合。

S105、道路积水预警装置将至少一个训练数据输入到梯度提升决策树，得到积水预测模型。

上述梯度提升决策树(GBDT)，是一种迭代的决策树算法，该算法由多棵决策树组成，所有树的结论累加起来做最终结果。它在被提出之初就和支持向量机一起被认为是泛化能力较强的算法。其中，损失函数描述的是模型的不确定程度，损失函数越大，模型越错误率越高。如果该模型能够让损失函数持续下降，则说明模型预测的准确率在不停提升，而最好的方式就是让损失函数在其梯度的方向上下降。算法的每一步沿着损失函数下降最快的方向建立新的模型，这样使得算法在每一步均沿着下降最快的方向收敛。直到满足要求，建立满足要求的若干组合加权子模型。

具体的，梯度提升决策树算法流程为：首先对梯度提升决策树模型进行初始化，并将至少一个训练数据T＝{(x₁,y₁),(x₂,y₂),...,(x_N,y_N)}输入至少一个训练数据

其中，x_i∈χ＝Rⁿ，y_i∈γ＝{-1,+1}，i＝1,2,...,N，L(y_i,c)表示损失函数，c代表整棵树。之后，对于m＝1,2,...,M，分别计算

其中，m表示树的棵数。再之后，对r_mi拟合一棵回归树，得到有J个叶子节点组成的第m棵树。然后，对于j＝1,2,...,J，分别计算：

在遍历所有切分量和切分点得到最优的j和s后，在每个节点区域求取最优树木c。最后更新

得到回归树

可选的，在积水预测模型输出的数据中包括新的积水点的情况下，道路积水预警装置可以将该新的积水点标注在待预测道路对应的网格数据中；并确定与该新的积水点对应的降水临界值。

具体的，历史积水点数据在降雨达到一定强度后会被触发，并会对交通造成更大的影响，这也是道路天气中需要特别关注的区域，而这些积水点往往需要人工的干预才能解除影响，因此需要将这些积水点特殊标定。若预测结果中的异常点数据包含了新的积水点，可以根据历史积水点的数据进行分析，得到每个积水点形成的降雨临界值，从而在降雨达到其对应的降雨临近强度时转入历史积水点处理逻辑。

本申请实施例中，至少一个训练数据包括至少一类通过相关性分析得到的特征数据，也就是说，特征数据为与道路积水相关性较高的数据，通过这些特征数据训练得到的积水预测模型可以更加准确的预测道路的积水量，从而为积水路段的交通提供指示。

上述主要从方法的角度对本申请实施例提供的方案进行了介绍。为了实现上述功能，其包含了执行各个功能相应的硬件结构和/或软件模块。本领域技术人员应该很容易意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，本申请实施例能够以硬件或硬件和计算机软件的结合形式来实现。某个功能究竟以硬件还是计算机软件驱动硬件的方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。

本申请实施例提供的道路积水预警方法，执行主体可以为道路积水预警装置，或者该道路积水预警装置中的用于执行道路积水预警的控制模块。本申请实施例中以道路积水预警装置执行道路积水预警方法为例，说明本申请实施例提供的道路积水预警装置。

需要说明的是，本申请实施例可以根据上述方法示例对道路积水预警装置进行功能模块的划分，例如，可以对应各个功能划分各个功能模块，也可以将两个或两个以上的功能集成在一个处理模块中。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。可选的，本申请实施例中对模块的划分是示意性的，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。

如图3所示，本申请实施例提供的一种道路积水预警装置。该道路积水预警装置300可以包括获取单元301、预测单元302和处理单元303。该获取单元301，可以用于获取预测时间、待预测道路的位置信息和行驶车辆类型。预测单元302，可以用于将所述预测时间和所述位置信息输入到积水预测模型，得到所述待预测道路的积水值。处理单元303，可以用于根据所述积水值和所述行驶车辆类型确定积水预警信息，所述积水预警信息用于指示所述行驶车辆类型的车辆在所述预测时间行驶在所述待预测道路上的安全指数。例如，结合图1，获取单元301可以用于执行S101，预测单元302可以用于执行S102，处理单元303可以用于执行S103。

可选的，结合图3，如图4所示，上述道路积水预警装置100可以包括训练单元304。上述处理单元303，还可以用于将所述预测时间和所述位置信息输入到积水预测模型之前，确定至少一个训练数据，每个所述训练数据包括至少一类通过相关性分析得到的特征数据。训练单元304，可以用于将所述至少一个训练数据输入到梯度提升决策树，得到所述积水预测模型。例如，结合图2，处理单元303可以用于执行S104，训练单元304可以用于执行S105。

可选的，上述处理单元303，具体可以用于：确定经过预处理的M类原始数据，所述原始数据包括与待预测道路对应的网格数据、标注在所述网格数据中的历史积水点、天气实况数据、天气预报数据、短临降水数据以及极端天气数据；并分别计算所述M类原始数据中的每类原始数据与道路积水的相关系数；以及将超过第一阈值的相关系数对应的N类原始数据作为所述特征数据；其中，M、N均为正整数，且M大于或等于N。

可选的，上述处理单元303，还可以用于在所述积水预测模型输出的数据中包括新的积水点的情况下，将所述新的积水点标注在所述待预测道路对应的网格数据中；并确定与所述新的积水点对应的降水临界值。

当然，本申请实施例提供的道路积水预警装置300包括但不限于上述模块。

本申请实施例提供一种道路积水预警装置，由于可以根据积水预测模型得到的积水值和该行驶车辆类型确定积水预警信息，因此，用户可以通过积水预警信息直观的确定道路的积水情况对车辆行驶的影响，从而规划合理的行驶路径，进而提高车辆行驶的安全指数。

图5示出了上述实施例中所涉及的道路积水预警装置的又一种可能的结构示意图。该装置500包括：处理器502。处理器502用于对该装置500的动作进行控制管理，例如，执行上述预测单元302、处理单元303和训练单元304执行的步骤，和/或用于执行本文所描述的技术的其它过程。

上述处理器502可以是实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。该处理器可以是中央处理器，通用处理器，数字信号处理器，专用集成电路，现场可编程门阵列或者其他可编程逻辑器件、晶体管逻辑器件、硬件部件或者其任意组合。其可以实现或执行结合本申请公开内容所描述的各种示例性的逻辑方框，模块和电路。所述处理器也可以是实现计算功能的组合，例如包含一个或多个微处理器组合，DSP和微处理器的组合等。

可选的，该装置500还可以包括通信接口503、存储器501和总线504，通信接口503用于支持装置500与其他网络实体的通信。例如，执行上述获取单元301执行的步骤。存储器501用于存储该装置500的程序代码和数据。

其中，存储器501可以是装置500中的存储器，该存储器可以包括易失性存储器，例如随机存取存储器；该存储器也可以包括非易失性存储器，例如只读存储器，快闪存储器，硬盘或固态硬盘；该存储器还可以包括上述种类的存储器的组合。

总线504可以是扩展工业标准结构(Extended Industry StandardArchitecture，EISA)总线等。总线504可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。上述描述的***，装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。

本申请实施例还提供一种计算机可读存储介质，计算机可读存储介质包括计算机执行指令。当计算机执行指令在计算机上运行时，使得计算机执行如上述实施例提供的道路积水预警方法中，道路积水预警装置执行的各个步骤。

本申请实施例还提供一种计算机程序产品，该计算机程序产品可直接加载到存储器中，并含有软件代码，该计算机程序产品经由计算机载入并执行后能够实现上述实施例提供的道路积水预警方法中，道路积水预警装置执行的各个步骤。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件程序实现时，可以全部或部分地以计算机程序产品的形式来实现。该计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行计算机执行指令时，全部或部分地产生按照本申请实施例的流程或功能。计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或者数据中心通过有线(例如同轴电缆、光纤、数字用户线(digitalsubscriber line，DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可以用介质集成的服务器、数据中心等数据存储设备。可用介质可以是磁性介质(例如，软盘、硬盘、磁带)，光介质(例如，DVD)、或者半导体介质(例如固态硬盘(solid state disk，SSD))等。

通过以上的实施方式的描述，所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，仅以上述各功能模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能模块完成，即将装置的内部结构划分成不同的功能模块，以完成以上描述的全部或者部分功能。

在本申请所提供的几个实施例中，应该理解到，所揭露的装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，上述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式。例如多个单元或组件可以结合或者可以集成到另一个装置，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是一个物理单元或多个物理单元，即可以位于一个地方，或者也可以分布到多个不同地方。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。

另外，在本申请各个实施例中的各功能单元可以集成在一个处理单元中，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单元中。上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个可读取的存储介质中。基于这样的理解，本申请实施例的技术方案本质上或者说对现有技术做出贡献的部分或者该技术方案的全部或部分可以以软件产品的形式体现出来，该软件产品存储在一个存储介质中，包括若干指令用以使得一个设备(可以是单片机，芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括：U盘、移动硬盘、ROM、RAM、磁碟或者光盘等各种可以存储程序代码的介质。

以上所述，仅为本申请的具体实施方式，但本申请的保护范围并不局限于此，任何熟悉本技术领域的技术人员在本申请揭露的技术范围内，可轻易想到的变化或替换，都应涵盖在本申请的保护范围之内。因此，本申请的保护范围应以权利要求的保护范围为准。

Claims (10)

1.一种道路积水预警方法，其特征在于，包括：

获取预测时间、待预测道路的位置信息和行驶车辆类型；

将所述预测时间和所述位置信息输入到积水预测模型，得到所述待预测道路的积水值；

根据所述积水值和所述行驶车辆类型确定积水预警信息，所述积水预警信息用于指示所述行驶车辆类型的车辆在所述预测时间行驶在所述待预测道路上的安全指数。

2.根据权利要求1所述的道路积水预警方法，其特征在于，所述将所述预测时间和所述位置信息输入到积水预测模型之前，所述方法还包括：

确定至少一个训练数据，每个所述训练数据包括至少一类通过相关性分析得到的特征数据；

将所述至少一个训练数据输入到梯度提升决策树，得到所述积水预测模型。

3.根据权利要求2所述的道路积水预警方法，其特征在于，所述确定至少一个训练数据包括：

确定经过预处理的M类原始数据，所述原始数据包括与待预测道路对应的网格数据、标注在所述网格数据中的历史积水点、天气实况数据、天气预报数据、短临降水数据以及极端天气数据；

分别计算所述M类原始数据中的每类原始数据与道路积水的相关系数；

将超过第一阈值的相关系数对应的N类原始数据作为所述特征数据；

其中，M、N均为正整数，且M大于或等于N。

4.根据权利要求1-3中任一项所述的道路积水预警方法，其特征在于，所述方法还包括：

在所述积水预测模型输出的数据中包括新的积水点的情况下，将所述新的积水点标注在所述待预测道路对应的网格数据中；

确定与所述新的积水点对应的降水临界值。

5.一种道路积水预警装置，其特征在于，包括：获取单元、预测单元和处理单元；

所述获取单元，用于获取预测时间、待预测道路的位置信息和行驶车辆类型；

所述预测单元，用于将所述预测时间和所述位置信息输入到积水预测模型，得到所述待预测道路的积水值；

所述处理单元，用于根据所述积水值和所述行驶车辆类型确定积水预警信息，所述积水预警信息用于指示所述行驶车辆类型的车辆在所述预测时间行驶在所述待预测道路上的安全指数。

6.根据权利要求5所述的道路积水预警装置，其特征在于，所述装置还包括训练单元；

所述处理单元还用于将所述预测时间和所述位置信息输入到积水预测模型之前，确定至少一个训练数据，每个所述训练数据包括至少一类通过相关性分析得到的特征数据；

所述训练单元，用于将所述至少一个训练数据输入到梯度提升决策树，得到所述积水预测模型。

7.根据权利要求6所述的道路积水预警装置，其特征在于，所述处理单元具体用于：确定经过预处理的M类原始数据，所述原始数据包括与待预测道路对应的网格数据、标注在所述网格数据中的历史积水点、天气实况数据、天气预报数据、短临降水数据以及极端天气数据；并分别计算所述M类原始数据中的每类原始数据与道路积水的相关系数；以及将超过第一阈值的相关系数对应的N类原始数据作为所述特征数据；其中，M、N均为正整数，且M大于或等于N。

8.根据权利要求5-7中任一项所述的道路积水预警装置，其特征在于，所述处理单元还用于在所述积水预测模型输出的数据中包括新的积水点的情况下，将所述新的积水点标注在所述待预测道路对应的网格数据中；并确定与所述新的积水点对应的降水临界值。

9.一种道路积水预警装置，其特征在于，包括存储器和处理器；所述存储器用于存储计算机执行指令，所述处理器与所述存储器通过总线连接；

当所述道路积水预警装置运行时，所述处理器执行所述存储器存储的所述计算机执行指令，以使所述道路积水预警装置执行如权利要求1-4任一项所述的道路积水预警方法。

10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质包括计算机执行指令，当所述计算机执行指令在计算机上运行时，使得所述计算机执行如权利要求1-4任一项所述的道路积水预警方法。

Images