基于PCA-SVM的遠程路面凝冰預警系統

于金良, 張喜民, 秦 川 ,劉照侖

(1.陜西交控集團有限公司，陜西 西安 710065； 2.陜西交控市政路橋集團有限公司，陜西 西安 710065；3.陜西交控運營管理公司西延分公司，陜西 西安 710016； 4.長安大學 電子與控制工程學院，陜西 西安 710064)

0 引言

隨著交通網絡范圍的擴大，出現了較多位于惡劣天氣頻發區域的路段，這些路段路面凝冰問題尤為突出。凝冰現象會急劇降低路面的摩擦系數，對車輛的行駛和控制產生十分嚴重的影響，導致交通事故頻發[2]。因此，有效預測路面的凝冰狀態，及時發布凝冰預警信息并采取凝冰處置措施，對于提高我國公路交通安全具有重要意義。

目前國內外眾多學者已對路面凝冰預測問題開展了廣泛研究[3-5]，其成果體現在凝冰預測算法與路面凝冰預警系統兩方面。在預測算法方面，但漢成等[6]指出路面凝冰主要受溫度、濕度、風速等氣象因素的影響。Lim等[7]綜述了路面凝冰的影響因素，設計了一種路面凝冰評估算法以預測路面的凝冰狀態；陳凱等[8]結合歷史數據分析了通遼地區的凝冰數據，并基于C4.5決策樹算法構建了凝冰預測模型。邱欣等[9]基于回歸分析法建立了瀝青路面路表溫度預估分析模型并采用SVM建立瀝青路面的凝冰預測模型。在預警系統方面：Teke等[10]設計了一款路面凝冰預警系統，采用k近鄰算法預測路面凝冰狀態；Korotenko等[11]開發了一種路面凝冰自動預測系統，對濕滑道路的凝冰現象進行預測、預警。李金丹[12]依托J2EE平臺，設計了一種高速公路凝冰預警與融雪處置系統。張昌利等[13]基于信息物理系統(Cyber-Physical Systems，CPS)原理，設計了一種高速公路防冰控制策略。

然而，以上算法研究與系統設計仍停留于理論層次，并未形成有效的結合體，交通管理部門因此難以提前獲得凝冰預警信息，導致路面除冰措施實施不及時。鑒于此，本文基于PCA算法與SVM研發了一款遠程路面凝冰預警系統，用于實時預測路面凝冰狀態和反饋預警信息。

1 系統總體設計

針對遠程路面凝冰預測系統應用于智能交通管控領域，首先采用路側傳感器采集路面信息和氣象信息；然后根據設計的路面凝冰預測算法預測未來短時間內的凝冰狀態；最后，通過凝冰信息情報板。

1.1 需求分析

遠程路面凝冰預警系統包括預警系統數據采集與管理、路面凝冰預測分析和凝冰預警信息發布等3個方面。

1)預警系統數據采集與管理：包括數據實時采集、數據通信與數據存儲功能。路面溫度、氣溫、濕度等信息作為遠程路面凝冰預測算法的主要影響因素，其采集實時性直接關系到路面凝冰預測結果的準確性。因此，數據采集設備應滿足惡劣環境下的可靠性需求，以保證數據的實時采集；同時，為保證數據穩定傳輸，需建立實時和準確的通信方式，最大程度獲取完整的氣象數據，便于后續數據分析工作。

2)路面凝冰預測分析：路面凝冰預測分析根據實時采集的交通氣象和路面狀態信息，對該路段短時間內的路面凝冰狀態進行預測，以保證該功能預測結果高效準確。該功能是遠程路面凝冰預測系統的核心功能，為其設計出合理有效的路面凝冰預測算法至關重要。

3)凝冰預警信息發布：為遠程路面凝冰系統的最終呈現。通過路面凝冰預測算法分析預測該路段短時間內的路面凝冰結果后，云平臺服務軟件向凝冰信息情報板發送指令，并提醒交通管理部門和駕駛員前方道路凝冰狀況，保證道路行車安全。

1.2 軟硬件總體框架

遠程路面凝冰預測系統的主要目標是實時預測路面凝冰狀態并及時發布預警信息。根據前文系統需求分析，采用分層設計思想，將遠程路面凝冰預測系統分為物理設備層、通信傳輸層和業務應用層，如圖1所示。

圖1 遠程路面凝冰預測系統總體設計

各層具體設計：

1)物理設備層。物理設備層為整個系統的硬件基礎，主要包括數據感知模塊和信息發布模塊。數據感知模塊實時監測該路段的空氣溫度、空氣濕度、風速、氣壓、降雨量等氣象要素。信息發布模塊突出顯示業務應用層發布的凝冰預警信息。

2)通信傳輸層。通信傳輸層作為遠程路面凝冰預測系統的橋梁紐帶，主要負責物理設備層與業務應用層之間的數據傳輸。其中4G DTU通信模塊安全性和準確性較高，同時能支持多種通信方式，可以實現物理設備層和業務應用層互聯。

3)業務應用層。業務應用層為遠程路面凝冰預測系統的核心部分，由客戶端軟件、路面凝冰預測算法、數據庫等構成。通過與用戶進行信息交互，可以實現數據顯示、數據存儲、系統管理和預測分析等業務功能。

2 基于PCA-SVM的路面凝冰預測算法研究

在道路凝冰預測方面，首先采用PCA分析各氣象要素對于路面凝冰的影響程度；在此基礎上，基于滑動平均濾波對凝冰數據進行處理；最后，建立基于SVM的凝冰預測模型。并通過仿真實驗驗證該凝冰預測算法的精確性。

2.1 基于PCA的路面凝冰影響因素分析

針對地理環境差異所造成的凝冰預測困難問題，采用PCA分析各氣象因素對面凝冰的影響，并選擇其中主要影響因素作為SVM凝冰預測模型的輸入。具體方法步驟如下。

2.1.1建立凝冰影響因素數據矩陣

選取路面濕度、環境溫度、氣壓、環境濕度、風速和降雨量等m個氣象要素作為分析的主要成分。假設存在n組路面凝冰樣本，則凝冰影響因素數據矩陣可以表示為：

(1)

式中：ξij表示第i個影響因素的第j組凝冰樣本的數據值，i=1，2，…，m；j=1，2，…，n。

2.1.2數據標準化

由于各項凝冰影響因素量綱差別較大，為了綜合分析比較所有因素的影響程度，本節選擇Z-score標準化方法對凝冰影響因素數據矩陣中各元素進行處理：

(2)

2.1.3協方差矩陣求解

(3)

2.1.4特征值與特征向量求解

根據式(3)提到的凝冰樣本數據協方差矩陣，可以求得m個非負特征值，對所有特征值進行降序排列后，對應的特征向量為Vi=(vm1，vm2，…，vmn)，i=1，2，…，m。當特征向量中某一個特征值出現大幅減小，而其后的特征值幾乎不發生變化時，表示特征值對應的元素對預測結果影響較小，故可忽略。

2.1.5凝冰主成分分析

為了確定影響路面凝冰的主要分量，計算每一個凝冰影響因素的方差比例和累計占比，累計占比可以表示為：

(4)

式中：A為方差累計占比；p為凝冰主分量數量。

當累計占比達到85%以上時，選擇參與當前累計占比的凝冰影響因素作為凝冰主分量。

2.1.6結果分析

采集路面凝冰時的路面溫度、環境溫度、降雨量、風速、氣壓、環境濕度等6項氣象要素數值作為凝冰的原始指標數據，進行主成分分析，分析結果如表1所示。

表1 主成分分析結果初始特征值提取載荷平方和成分總計方差百分比/%累積百分比/%總計方差百分比/%累積百分比/%13.42557.08357.0833.42557.08357.08321.37022.84079.9231.37022.84079.92330.5819.35689.27940.3786.29895.57750.2043.40198.97860.0421.022100.000

根據表1可知，前兩個主成分即可代表79.923%的總影響因素，根據主成分分析結果可知第1個點至第2個點的折線段比較陡峭，第2個點往后折線趨于平緩。經綜合考慮選用前兩個主成分代替原本的6項氣象要素來簡化原始數據信息。

成分矩陣分析結果如表2所示。

表2 成分矩陣分析結果變量成分1成分2環境溫度0.9490.678路面溫度0.9410.612環境濕度-0.920-0.733風速0.2110.538氣壓-0.583-0.488降雨量-0.0770.245

根據成分矩陣進一步分析2個主成分中包含的氣象要素可知：環境溫度、路面溫度和環境濕度這3個變量的影響占比最大，因此，在建立高速公路路面凝冰預測模型時，可將此3項氣象要素作為特征向量構建凝冰預測模型。

2.2 基于SVM的路面凝冰預測模型

基于SVM對路面凝冰狀態進行預測。整體預測流程如圖2所示。

圖2 預測算法流程

基于SVM的凝冰預測模型構建步驟表述如下。

2.2.1構建特征向量

由2.1節分析可知，環境溫度、路面溫度和環境濕度為該路段影響路面凝冰的主要氣象因素。因此，SVM凝冰預測模型的特征向量可以表示為：

X=[ξat,ξpt,ξh]

(5)

式中：ξat為環境溫度；ξpt為路面溫度；ξh為環境濕度。

2.2.2構造分類模型

構造如式(6)所示超平面對數據進行分類：

ωTX+b=0

(6)

(7)

為尋找幾何間隔最大的超平面，保證最大的分類準確性，結合式(7)可以將原問題轉化為如式(8)所示的約束最優化問題。

(8)

然而，以上模型在計算時，會因所在空間維數問題導致算法無法得到最優解。因此本文引入核函數K(ξ，z)，并通過拉格朗日乘子法對求解問題進行轉化，如式(9)所示。

(9)

(10)

式中：αi、αj為拉格朗日乘子；C為懲罰系數，懲罰系數決定了預測模型的復雜程度以及出現擬合偏差的懲罰程度。C取值越小，表明對經驗誤差的懲罰越小，導致模型欠擬合；C取值越大，表明對經驗誤差的懲罰越大，導致模型過擬合。本文選用高斯徑向基核函數如式(10)所示，x、z表示將要映射至高維空間的向量組。

3 遠程路面凝冰預測系統設計

3.1 軟件架構與功能分析

本節基于B/S架構設計遠程路面凝冰預測系統軟件平臺，軟件設計框架如圖3所示。

圖3 路面凝冰預測系統軟件架構

表現層負責與用戶進行信息交互，業務層負責所有功能的內部實現，實體層負責數據的存儲?；谀K化設計思想，將軟件分為4個功能模塊，如圖4所示。

圖4 軟件功能模塊

3.2 軟件模塊設計

1)數據通信模塊。用于將設備采集的數據信息傳輸至軟件平臺，同時將凝冰預警信息發送給現場情報板。為了保證數據傳輸的穩定性、可靠性和傳輸速度，選擇JSON數據協議并使用TCP/IP通信方式。定義的數據格式如表3所示。

表3 數據傳輸格式鍵值說明equipmentId001設備編號time2022-11-28 9:30:00時間temperature-3.6環境溫度humidity90.3環境濕度windDirection86.5風向windSpeed3.1風速rainfall0.0降雨量pressure886.7氣壓roadTemperature-1.8路面溫度iceThickness0.1凝冰厚度waterThickness0.1積水厚度snowThickness0.1積雪厚度

2)數據存儲模塊。用于存儲和管理系統的數據信息。為了保證數據庫的性能與數據表之間的關聯性，對系統中各個數據表之間的實體關系進行設計，如圖5所示。

圖5 數據庫實體關系

3)凝冰預測模塊。為整個軟件的核心業務，該模塊主要依據第2節中設計的路面凝冰預測算法，具體流程如圖6所示。

圖6 路面凝冰預測流程

4)凝冰信息發布模塊。主要用于向終端顯情報板發送該路段實時的凝冰預警信息。分為用戶主動控制和智能控制2種控制模式，以應對不同的應用場景。

4 應用實例

4.1 路面凝冰預測模型

為了驗證本文所提出的基于PCA-SVM路面凝冰預測算法的有效性和準確性，選取延西高速公路的部分路面凝冰氣象數據，獲得SVM凝冰預測模型。

1)數據預處理。由于設備采集到的數據存在噪聲干擾，影響預測精度，所以通過滑動平均濾波對采集數據進行預處理，降低噪聲干擾。濾波過程如圖7所示。

圖7 滑動平均濾波流程

2)模型參數設置。懲罰系數C為判斷預測模型的復雜程度以及出現擬合偏差的懲罰程度的依據；高斯徑向基核函數中的參數κ=0.5σ2用于表示單個樣本數據的影響程度。因此選擇合適的C和κ對于預測準確性至關重要，經交叉實驗得：C=1、κ=0.25時模型預測效果最佳。

3)預測效果。為驗證算法準確性，選取500組數據進行驗證，其中凝冰樣本數為325；為凝冰樣本數為175，所提出算法模型的預測分類混淆矩陣如表4所示：

表4 路面凝冰狀態預測驗證結果類型發生凝冰預測樣本數未發生凝冰預測樣本數發生凝冰真實樣本數307(TP)18(TN)未發生凝冰真實樣本數13(FP)162(FN)

由表4中可知，所獲得的SVM凝冰預測模型預測準確率為93.8%，誤報率與漏報率分別為7.3%和5.5%，其中TP、TN、FP、FN分別表示真正例、真反例、假正例、假反例。模型精確度a、誤報率pe以及漏報率Po分別由式(11)～(13)給出。

(11)

(12)

(13)

為了驗證算法的預測效果,選取某天4:54-9:44的路面凝冰實際狀態和預測狀態進行對比,路面凝冰預測結果和凝冰厚度誤差分別如圖8所示:

圖8 路面凝冰預測仿真結果

由圖8可知,在05:04時刻,路面凝冰預測模型預測路面將要出現凝冰并一直保持;在05:14時刻,由實際狀態曲線可知路面確實出現凝冰并保持,與預測模型的預測結果一致,驗證了模型的預測有效性。

4.2 遠程路面凝冰預警系統應用

4.2.1預警系統數據采集與管理

數據采集與管理主要需保證3個方面：①系統能與采集設備正常通信，②系統硬件能實時采集交通氣象和路面狀態信息，③系統能正常存儲管理數據信息。測試結果如圖9～11所示。

圖9 數據通信測試

圖10 實時數據采集結果

圖11 數據存儲測試結果

由圖9可知，軟件可以在設備狀態欄和情報板狀態欄中顯示與采集設備和情報板的通信狀態，連接中斷時狀態欄顯示“異?！?。圖10表明設備可以實時采集到數據信息并顯示在客戶端，圖11表明可以將信息完整存入數據庫并進行查詢、刪除、導出等各種數據操作。

4.2.2凝冰預警效果展示

凝冰預警效果展示功能主要測試所設計的凝冰預測算法的有效性，能否根據實時采集的交通氣象數據信息預測路面凝冰狀態。測試結果如圖12所示。

圖12 凝冰預警功能測試結果

由圖12可知，當系統采集到異常氣象信息時，遠程路面凝冰預警系統能夠根據當前氣象數據預測路面凝冰狀態，并在軟件界面對預測結果進行高亮顯示，如圖中“半小時凝冰預警”即為該時刻的凝冰預警信息。

4.2.3道路凝冰信息發布

道路凝冰信息發布功能主要測試系統能否將凝冰預警信息準確發布至預警情報板。測試結果如圖13～14所示。當預測到凝冰狀態后，軟件中會出現“凝冰預警”、“謹慎駕駛”等提示信息，并用紅色高亮顯示，同時可在凝冰預警情報板中顯示此信息，提醒駕駛員及時作出應對措施，提高了道路的安全性。

圖13 道路凝冰信息發布功能測試結果

圖14 遠程情報板測試結果

5 結束語

本文提出了一種基于PCA-SVM的遠程路面凝冰預警系統。首先，采集氣象信息和路面狀態信息并遠程傳輸至云服務器中為凝冰預測算法提供有效輸入數據；其次，基于路面凝冰預測算法預測目標未來時間段的凝冰情況并實時顯示于系統交互界面中供相關部門參考；最后，通過建立穩定的通信連接將預警信息遠程發送至路側情報板，為駕駛員提供有效的應對措施，提高易結冰路段的行車安全性。