申请/专利权人：云南省交通规划设计研究院股份有限公司;云南省交通投资建设集团有限公司

申请日：2024-03-15

公开（公告）日：2024-06-28

公开（公告）号：CN118262204A

主分类号：G06V10/80

分类号：G06V10/80;G06V10/74;G06V10/40;G06V10/82;G06V10/764;G06N3/0442;G06N3/045;G06N3/0464;G06N3/08

优先权：

专利状态码：在审-公开

法律状态：2024.06.28#公开

摘要：本发明涉及一种基于多模态多尺度特征融合的高速公路能见度预测方法，属于交通气象灾害防治技术领域。该方法包括数据采集、对序列数据和图像数据进行预处理、构建特征提取模型、构建高速公路能见度预测模型、高速公路能见度预测模型训练和高速公路能见度预测六大步骤。该方法不仅利用了多种模态的数据信息完善了单一模态数据的特征表示，而且挖掘了多个时间尺度下能见度的变化趋势特征，创新性的同时在模态和尺度两个维度进行特征挖掘，实现了更准确地预测高速公路能见度短期和长期的变化，易于推广应用。

主权项：1.一种基于多模态多尺度特征融合的高速公路能见度预测方法，其特征在于，包括如下步骤：步骤1，数据采集：收集高速公路气象监测设备数据，包括各站点气象要素序列数据以及摄像头采集的能见度图像数据；步骤2，对序列数据和图像数据进行预处理：对气象要素序列进行清洗并使用相似度矩阵来计算各个气象要素特征之间的相似度，通过删除相似度较高的冗余特征来进行降维；对能见度图像数据进行清洗并根据拍摄图像的时刻与气象要素序列中能见度数值进行匹配，将与图像拍摄时刻相同时刻的气象要素序列数据中的能见度值作为图像的标签；步骤3，构建特征提取模型：分别构建气象要素时间序列能见度特征提取模型和图像能见度特征提取模型，用于获得多模态数据特征；所述的气象要素时间序列能见度特征提取模型包括Bi-LSTM网络、多头注意力层和CNN模块；Bi-LSTM网络、多头注意力层和CNN模块顺序连接；图像能见度特征提取模型包括尺度不变特征变换算法层和空间金字塔池化网络模块；尺度不变特征变换算法层和空间金字塔池化网络模块顺序连接；步骤4，构建高速公路能见度预测模型：高速公路能见度预测模型包括气象要素时间序列能见度特征提取模型、图像能见度特征提取模型、融合层、拼接层和全连接层；气象要素时间序列能见度特征提取模型、图像能见度特征提取模型分别与融合层相连；融合层、拼接层和全连接层顺序连接；步骤5，高速公路能见度预测模型训练：以不同时间窗口大小划分得到的不同时间尺度下气象要素序列、能见度图像两种模态数据对应的作为气象要素时间序列能见度特征提取模型、图像能见度特征提取模型的输入，以对应的能见度作为输出，对高速公路能见度预测模型进行训练；训练时，根据度量指标来调整模型参数以改进模型性能；步骤6，高速公路能见度预测：基于实时获取的高速公路气象监测设备数据，利用高速公路能见度预测模型对能见度进行预测。

全文数据：

权利要求：

百度查询： 云南省交通规划设计研究院股份有限公司;云南省交通投资建设集团有限公司 基于多模态多尺度特征融合的高速公路能见度预测方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD