基于ESN的高速公路黃河特大橋團(tuán)霧預(yù)警系統(tǒng)設(shè)計(jì)

申全軍，陳 亮，王孜建，張 昱，樊兆董

(1.山東高速集團(tuán)有限公司創(chuàng)新研究院，濟(jì)南 250098；2.山東省交通科學(xué)研究院，濟(jì)南 250031；3.山東省路域安全與應(yīng)急保障交通運(yùn)輸行業(yè)重點(diǎn)實(shí)驗(yàn)室，濟(jì)南 250031)

0 引言

團(tuán)霧是一種常見的天氣現(xiàn)象，其區(qū)域性強(qiáng)、能見度低、變化快、預(yù)測難度大，對于高速公路行車安全極具危害性。團(tuán)霧不同于大范圍的平流霧、輻射霧，其表象為：大氣能見度值變化幅度較大、團(tuán)霧區(qū)監(jiān)測到的能見度呈反復(fù)跳躍式的升降。在湖泊密布的地區(qū)，空氣濕度比較大，當(dāng)處于晝夜溫差大的季節(jié)時(shí)，白天水分蒸發(fā)到空中，晚上氣溫下降后，空氣中的水蒸氣就會液化形成團(tuán)霧。不同方式形成的團(tuán)霧對交通運(yùn)行的影響有所不同，導(dǎo)致在團(tuán)霧預(yù)測方面困難重重，對團(tuán)霧的研究多為利用能見度儀進(jìn)行監(jiān)測。

在大跨度橋梁的路段，霧區(qū)范圍限于橋梁路段；對于湖泊區(qū)，山區(qū)高速公路的山間低谷地帶，這些路段的霧區(qū)影響范圍介于團(tuán)霧和地區(qū)霧兩者之間，有其特殊性。區(qū)段霧的濃度有短時(shí)動態(tài)變化和路段內(nèi)沿線變化的可能性；這種情況下，區(qū)段霧由多個(gè)能見度不等的團(tuán)霧組成，運(yùn)行環(huán)境危險(xiǎn)性更大。團(tuán)霧的全線監(jiān)測比較困難，特別是對于河流密集地區(qū)，實(shí)施監(jiān)測需要布置較多的能見度儀用以監(jiān)測霧的形成，同時(shí)又需要布設(shè)較密的動態(tài)信息板發(fā)布誘導(dǎo)信息。

1 團(tuán)霧預(yù)測現(xiàn)狀研究

相關(guān)團(tuán)霧的監(jiān)測方法多通過能見度、視頻等方式進(jìn)行監(jiān)測。1940年美國研究者首先使用攝像測量法進(jìn)行大氣能見度監(jiān)測，J.M.Sanders 開發(fā)了一種自動化霧和煙霧探測/告警系統(tǒng)，該系統(tǒng)使用商用霧探測器探測大氣能見度，通過與中央計(jì)算機(jī)系統(tǒng)相互連接的光纖網(wǎng)絡(luò)傳輸大氣能見度監(jiān)測數(shù)據(jù)。袁成松[1]從高速公路能見度數(shù)學(xué)描述的角度論證了低能見度監(jiān)測與預(yù)報(bào)的必要性，闡述了低能見度濃霧、局地性霧和突發(fā)性團(tuán)霧的可預(yù)報(bào)性。馮海霞[2]提出一種利用多個(gè)相鄰攝像頭采集的視頻數(shù)據(jù)進(jìn)行判別的霧檢測模型。另外，謝靜芳[3]提出了另一種思路，在觀測范圍之外拍攝的包含目標(biāo)觀測范圍的視頻圖像，獲取視頻圖像，并在視頻圖像中確定出候選圖像；根據(jù)候選圖像的基本參數(shù)和預(yù)先建立團(tuán)霧的參數(shù)集，確定候選圖像是否為團(tuán)霧圖像。郭平[4]設(shè)計(jì)了一種對團(tuán)霧多發(fā)路段的全范圍實(shí)時(shí)監(jiān)測方法。根據(jù)團(tuán)霧發(fā)生限于一定范圍的特點(diǎn)，每公里布設(shè)一套團(tuán)霧信息采集單元，并在相應(yīng)位置配備可變信息標(biāo)志牌，根據(jù)站點(diǎn)與相鄰站點(diǎn)的能見度觀測值在可變信息標(biāo)志牌上發(fā)布限速信息。

綜上所述，團(tuán)霧的檢測方法與大范圍的平流霧、輻射霧是一致的。通過對能見度的監(jiān)測，加以視頻圖像識別技術(shù)，將圖像的對比度、模糊度與正常情況下進(jìn)行對比識別，判定是否有團(tuán)霧的產(chǎn)生。

2.高速公路黃河特大橋團(tuán)霧預(yù)警檢測系統(tǒng)方案設(shè)計(jì)

2.1 黃河特大橋團(tuán)霧預(yù)警布設(shè)結(jié)構(gòu)

基于黃河特大橋的地理、氣象、交通條件，提出一種用于黃河特大橋的團(tuán)霧預(yù)測系統(tǒng)。系統(tǒng)布設(shè)框架如圖1所示。

圖1 黃河特大橋團(tuán)霧預(yù)測系統(tǒng)布設(shè)框架

其中，整個(gè)系統(tǒng)采用分布式結(jié)構(gòu)，由一個(gè)主站和若干個(gè)子站構(gòu)成。主站和子站之間通過Zigbee網(wǎng)絡(luò)傳輸信息，站與站之間相隔500 m。主站主要實(shí)現(xiàn)的功能有：1)調(diào)度整個(gè)系統(tǒng)的資源，包括主站及所有子站;2)控制系統(tǒng)Zigbee網(wǎng)絡(luò);3)匯集子站傳送的氣象、雷達(dá)、視覺等信息;4)調(diào)用回聲狀態(tài)網(wǎng)絡(luò)算法，實(shí)現(xiàn)團(tuán)霧預(yù)測;5)對外發(fā)布團(tuán)霧預(yù)警信息。子站實(shí)現(xiàn)的功能主要有：1)接收主站調(diào)度信號，利用氣象、雷達(dá)、視覺設(shè)備主動發(fā)起探測;2)對傳感器接收的數(shù)據(jù)進(jìn)行預(yù)處理，并通過Zigbee網(wǎng)絡(luò)向主站發(fā)送報(bào)文。

2.2 Zigbee傳輸網(wǎng)絡(luò)

Zigbee是一種無線網(wǎng)絡(luò)技術(shù)，已經(jīng)在智慧城市、智能交通、智慧家居等領(lǐng)域嶄露頭角，它具有中短距離、低功耗、低數(shù)據(jù)傳輸速度的特點(diǎn)。Zigbee設(shè)備成本低、傳輸?shù)臄?shù)據(jù)量少，適用于黃河特大橋氣象檢測的場景。利用Zigbee技術(shù)，對黃河特大橋組建無線傳輸網(wǎng)絡(luò)，實(shí)時(shí)檢測網(wǎng)絡(luò)覆蓋范圍內(nèi)黃河特大橋的氣象條件，對實(shí)現(xiàn)團(tuán)霧預(yù)警提供數(shù)據(jù)支持。

主流的Zigbee網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)有3種，分別為網(wǎng)狀形(mesh)網(wǎng)、星形(star)網(wǎng)和樹形(cluster-tree)網(wǎng)[5]。網(wǎng)絡(luò)拓?fù)渲械墓?jié)點(diǎn)可分為兩類，全功能設(shè)備(FFD)和精簡功能設(shè)備(RFD)。FDD具有路由功能，RFD不具備路由功能但可定期休眠。星形網(wǎng)是最簡單的一種拓?fù)浣Y(jié)構(gòu)，它由一個(gè)協(xié)調(diào)者節(jié)點(diǎn)和若干終端節(jié)點(diǎn)組成。優(yōu)點(diǎn)是星形網(wǎng)的控制和同步都比較簡單，缺點(diǎn)是數(shù)據(jù)鏈路單一和覆蓋范圍小。樹形網(wǎng)由一個(gè)協(xié)調(diào)者節(jié)點(diǎn)、若干個(gè)路由節(jié)點(diǎn)和若干個(gè)終端節(jié)點(diǎn)組成，網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)比星形網(wǎng)復(fù)雜的多。樹形網(wǎng)的優(yōu)點(diǎn)是覆蓋范圍大、拓?fù)浞€(wěn)定，缺點(diǎn)是隨著覆蓋范圍的增大和節(jié)點(diǎn)數(shù)目的增大網(wǎng)絡(luò)的負(fù)載和功耗較大。網(wǎng)狀形網(wǎng)由一個(gè)協(xié)調(diào)者節(jié)點(diǎn)、若干個(gè)路由節(jié)點(diǎn)和若干個(gè)終端節(jié)點(diǎn)組成。網(wǎng)狀形網(wǎng)優(yōu)點(diǎn)是具有更加靈活的信息路由規(guī)則，路由節(jié)點(diǎn)之間可以直接通訊，還具有自組織、自愈功能，具有較高的冗余性。綜合黃河特大橋的物理布設(shè)條件，團(tuán)霧預(yù)警系統(tǒng)采用網(wǎng)狀形網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)。

2.3 回聲狀態(tài)網(wǎng)絡(luò)預(yù)測算法

人工神經(jīng)網(wǎng)絡(luò)已經(jīng)廣泛應(yīng)用于非線性系統(tǒng)的預(yù)測，包括支持向量機(jī)(SVM)、極限學(xué)習(xí)機(jī)(ELM)和回聲狀態(tài)網(wǎng)絡(luò)(ESN)等[6-9]。其中，回聲狀態(tài)網(wǎng)絡(luò)已經(jīng)成功應(yīng)用于智能信號處理、高非線性動態(tài)系統(tǒng)和動力學(xué)建模中?；芈暊顟B(tài)網(wǎng)絡(luò)作為遞歸型神經(jīng)網(wǎng)絡(luò)，具有豐富的記憶反饋，主要由輸入層、動態(tài)儲備池和輸出層三部分組成。其中，動態(tài)儲備池即神經(jīng)網(wǎng)絡(luò)中的隱藏層，該隱藏層模仿人的神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，由大量的稀疏連接的神經(jīng)元組成。

由圖2所示，輸入層與動態(tài)儲備池之間存在輸入連接權(quán)值Win，動態(tài)儲備池與輸出層之間用輸出連接權(quán)值Wout連接，并且輸出層對動態(tài)儲備池有返回權(quán)值Wback，Wback在實(shí)際應(yīng)用過程中通常是可以省略的，因此以虛線連接。圖2中，W指動態(tài)儲備池內(nèi)部連接權(quán)值，x(t)表示輸入信號，u(t)表示儲備池的狀態(tài)，fout表示非線性讀出，y(t)為ESN的輸出。在ESN的網(wǎng)絡(luò)初始化過程中，輸入權(quán)值Win，儲備池內(nèi)部權(quán)值W以及返回權(quán)值Wback隨機(jī)生成，在網(wǎng)絡(luò)的動態(tài)更新過程中保持不變。將返回權(quán)值Wback設(shè)置為0，忽略輸出層對動態(tài)儲備池的反饋。因此，對ESN進(jìn)行訓(xùn)練，就是對輸出權(quán)值Wout進(jìn)行訓(xùn)練。ESN的訓(xùn)練過程體現(xiàn)在輸出權(quán)值Wout調(diào)整上，而輸出權(quán)值Wout訓(xùn)練方法可以采用簡單的線性回歸，也可以采用諸如SVM之類的機(jī)器學(xué)習(xí)方法，非常靈活。

圖2 回聲狀態(tài)網(wǎng)絡(luò)結(jié)構(gòu)

在圖2中，t時(shí)刻的輸入為x(t)，一共有L個(gè)節(jié)點(diǎn)，動態(tài)儲備池狀態(tài)為u(t)，一共有M個(gè)節(jié)點(diǎn)，輸出為y(t)，一共有N個(gè)節(jié)點(diǎn)。在t時(shí)刻，ESN的狀態(tài)為：

x(t)=[x1(t),x2(t),…,xL(t)]T

u(t)=[u1(t),u2(t),…,uM(t)]T

y(t)=[y1(t),y2(t),…,yN(t)]T

(1)

令輸入權(quán)值Win初始化為M*L階，動態(tài)儲備池內(nèi)部連接權(quán)值W為M*M階，輸出權(quán)值Wout為N*M階，返回權(quán)值Wback為M*N階。那么，動態(tài)儲備池的更新狀態(tài)方程為：

u(t+1)=f(Win×x(t+1)+W×u(t)+Wback×y(t))

(2)

y(t)=fout(Woutu(t))

(3)

式(2)中,f(g)表示動態(tài)儲備池的激活函數(shù)，此激活函數(shù)通常使用非線性函數(shù)，例如tanh函數(shù)、sigmoid函數(shù)等“S”型函數(shù)。式(3)中fout(g)表示輸出層的讀出函數(shù)，此讀出函數(shù)可以使用線性函數(shù)進(jìn)行線性讀出，也可使用非線性函數(shù)進(jìn)行非線性讀出。將輸出結(jié)果y(t)與期望值進(jìn)行比較，就可以得到誤差值。在實(shí)際運(yùn)用過程中，可以使用線性回歸的方法對ESN進(jìn)行網(wǎng)絡(luò)訓(xùn)練，使誤差值最小，此時(shí)得到輸出權(quán)值Wout即可進(jìn)行實(shí)際的工程應(yīng)用。

3 系統(tǒng)硬件設(shè)計(jì)

針對黃河特大橋的條件[10-14]，預(yù)測系統(tǒng)中的硬件設(shè)計(jì)分為主站硬件設(shè)計(jì)和子站硬件設(shè)計(jì)，主站的功能齊全，硬件系統(tǒng)較復(fù)雜；子站的硬件系統(tǒng)主要作用是收集測量信息并報(bào)告給主站，設(shè)計(jì)側(cè)重點(diǎn)為低功耗。主站主要用到的硬件單元有邊緣計(jì)算終端[15]、氣象傳感器[16]、雷視一體機(jī)[17]、霧端路測終端、Zigbee[18]模塊、供電模塊等，以下對硬件單元進(jìn)行簡要介紹。

3.1 主站硬件系統(tǒng)

圖3 主站硬件系統(tǒng)框圖

1)邊緣計(jì)算終端MEC：邊緣計(jì)算終端(MEC)為霧端智能處理運(yùn)算核心，實(shí)現(xiàn)對多傳感器前端數(shù)據(jù)融合、存儲，可接入視覺相機(jī)、微波雷達(dá)、氣象傳感器等多種感知設(shè)備的數(shù)據(jù)，內(nèi)置事件預(yù)測算法，能夠運(yùn)算分析大量實(shí)時(shí)數(shù)據(jù)，輸出融合感知的結(jié)構(gòu)化數(shù)據(jù)，可以為道路車輛提供實(shí)時(shí)數(shù)據(jù)，滿足車路協(xié)同對數(shù)據(jù)毫秒級的實(shí)時(shí)性要求。

2)氣象傳感器：氣象傳感器包括無線道路氣象感知子探頭和風(fēng)速風(fēng)向檢測傳感器，其中無線道路氣象感知子探頭型號為XF-MS100，由XF-RRS300TM型無線路面溫度檢測器和 XF-VIFS110M無線微型能見度檢測器組成。其參數(shù)如表1所示。

表1 XF-MS100氣象感知子探頭重要技術(shù)參數(shù)

3)霧端路測終端:數(shù)據(jù)傳輸單元(RSU)可實(shí)現(xiàn)GPS亞米級精準(zhǔn)定位，基于4G蜂窩移動通信技術(shù)將路側(cè)單元的交通量信息、氣象信息傳輸?shù)綌?shù)據(jù)中心服務(wù)器,并可通過該網(wǎng)絡(luò)對前端控制設(shè)備進(jìn)行遠(yuǎn)程管理。該傳輸網(wǎng)絡(luò)用數(shù)據(jù)專線、光纖網(wǎng)絡(luò)、5G網(wǎng)絡(luò)、無線DSRC/C-V2X(RSU)采集車通訊下載等方式解決大數(shù)據(jù)量的傳輸，操作人員通過傳輸網(wǎng)絡(luò)可對前端控制設(shè)備進(jìn)行設(shè)備參數(shù)設(shè)置和遠(yuǎn)程設(shè)備管理。

4)雷視一體:目前，?？低?、宇視科技、大華股份、天地偉業(yè)等企業(yè)都推出了自主研發(fā)的雷視一體機(jī)。項(xiàng)目選擇的海康威視一體機(jī)在橫向和縱向探測范圍上都比較大，其中橫向探測可視視角可達(dá)90°以上，能夠覆蓋雙向6～8車道的監(jiān)控視角，縱向檢測距離可達(dá)200 m，甚至450 m以上，采用MIMO體制，距離精度可達(dá)±0.32 m，方位角精度可達(dá)±0.1°(遠(yuǎn)距)、±0.3°(近距)，速度分辨率為0.1 m/s，可精準(zhǔn)檢測與區(qū)分行人和車輛，并進(jìn)行全息化還原，實(shí)現(xiàn)全局目標(biāo)的實(shí)時(shí)矢量化，雷視一體機(jī)檢測的指標(biāo)參數(shù)包括車流量、時(shí)間占有率、平均速度、車頭時(shí)距、排隊(duì)長度、車型，可以滿足對高速公路運(yùn)行風(fēng)險(xiǎn)參數(shù)的采集要求。

5)TI-CC2530:CC2530是德克薩斯州儀器(TI)公司推出的真正的系統(tǒng)級芯片，適用于針對IEEE 802.15.4協(xié)議，Zigbee和RF4CE應(yīng)用的解決方案。在實(shí)際的工程應(yīng)用中，常用CC2530進(jìn)行Zigbee組網(wǎng)，因?yàn)樗艿统杀窘?qiáng)大的網(wǎng)絡(luò)節(jié)點(diǎn)。CC2530結(jié)合了領(lǐng)先的RF收發(fā)器，業(yè)界標(biāo)準(zhǔn)的增強(qiáng)型8051微控制器，系統(tǒng)性能優(yōu)良，并且具有可編程閃存，8 KB RAM和許多其他強(qiáng)大的功能。CC2530有4種不同閃存版本：CC2530F32/64/128/256，其中分別后綴數(shù)字分別表示32/64/128/256 KB的Flash存儲器。CC2530具有不同的運(yùn)行模式，使得它非常適合于超低功耗要求的系統(tǒng)。結(jié)合業(yè)界領(lǐng)先的金黃色單元狀態(tài)的Zigbee協(xié)議棧(Z-Stack的TM)，TI-CC2530F256提供了一個(gè)強(qiáng)大和完整的Zigbee解決方案。

3.2 子站硬件系統(tǒng)

子站硬件系統(tǒng)包括STM32F103ZET6，能見度儀、Zigbee模塊、供電等，子站硬件系統(tǒng)框架如圖4所示。

圖4 子站硬件系統(tǒng)框架

3.2.1 STM32F103ZET6

英國ARM公司是全球領(lǐng)先的半導(dǎo)體知識產(chǎn)權(quán)(IP)提供商。全世界超過95%的智能手機(jī)和平板電腦都采用ARM架構(gòu)[19]。ARM設(shè)計(jì)了大量高性價(jià)比、耗能低的RISC處理器、相關(guān)技術(shù)及軟件。STM32系列基于專為要求高性能、低成本、低功耗的嵌入式應(yīng)用專門設(shè)計(jì)的ARM內(nèi)核, ARM 目前已經(jīng)推出了如下CortexM 系列的CPU：M0，M0+，M3和M4。M0是最低端的，其目標(biāo)就是和8 位/16位單片機(jī)進(jìn)行競爭。M0+是其的一個(gè)增強(qiáng)版本。而M3和M4則面向相對高端的單片機(jī)市場；簡單說就是更強(qiáng)性能的M0。所有這些CPU都是基于ARM Cortex M體系結(jié)構(gòu)。ARMCortexM體系結(jié)構(gòu)相當(dāng)于定義了一個(gè)全集(針對低端MCU市場)，而M0～M4這些具體的CPU則是分別實(shí)現(xiàn)M體系結(jié)構(gòu)中一個(gè)子集；即它們是根據(jù)具體需要，實(shí)現(xiàn)M體系結(jié)構(gòu)的一部分功能。M4是M3的升級版本，展現(xiàn)出更好的性能，但整體上兩者是相同的。兩者的差別主要是在繼承了M3所有功能的基礎(chǔ)上，增加和增強(qiáng)了如下功能：

1)增強(qiáng)了高精度MAC，使得在做算法計(jì)算時(shí)的性能更高;

2)增加了浮點(diǎn)單元FPU;

3)增加了具有SIMD功能的DSP指令。

簡單概括就是比M3增強(qiáng)了做算法運(yùn)算的功能，使得不僅僅是個(gè)MCU，還有點(diǎn)DSP的功能，因此，有的人把它稱為DSC(digital signal controller)。鑒于M3和M4有很大相似處，所以很多M3的書籍資料也是適用于M4的。Cortex-M4是一個(gè)32位處理器內(nèi)核。處理器底層的數(shù)據(jù)路徑為32位，底層的寄存器同樣為32位，包括存儲器接口也是32位。M4的處理器結(jié)構(gòu)使用的是哈佛結(jié)構(gòu)，指令總線和數(shù)據(jù)總線是相互獨(dú)立的，所以取址和數(shù)據(jù)訪問可以并行執(zhí)行。因此，數(shù)據(jù)訪問不會占用指令總線，所以提升了處理器的性能。不僅如此，M4更是提供一個(gè)可選的 MPU，隨時(shí)根據(jù)是否需要來決定集成MPU。M4提供的另外一個(gè)用于提高性能(主要是存儲器訪問，比如取址的性能)的部件是cache。

Cache 同樣也是可選的，不一定需要。Freescale 的kinetis 的低端系列(K10，K40等)是不集成cache 的，但在高端的K70中就支持了cache。M4 還提供多種調(diào)試手段，用于在硬件水平上支持調(diào)試操作，如指令斷點(diǎn)，數(shù)據(jù)觀察點(diǎn)等，極大的方便了開發(fā)。CM4 的浮點(diǎn)單元(FPU)也是可選的，對于集成FPU 的CM4，我們稱為CM4F。此外，CM4還集成了一個(gè)高性能的中斷控制器NVIC(可嵌套向量中斷控制器)。

本次研究我們選取采用M4內(nèi)核架構(gòu)的STM32F103作為子站的處理中心，在上面實(shí)現(xiàn)子站的控制系統(tǒng)，進(jìn)行少量的算法分析和數(shù)據(jù)處理，由于STM32F103有非常快的運(yùn)算速度和非常低廉的價(jià)格優(yōu)勢，我們選擇它作為子站的大腦。

3.2.2 能見度儀

子站集成維薩拉公司的 VS20 UMB 小型化能見度儀。該傳感器工作電壓 24 V，功率 3 W，數(shù)據(jù)更新頻率為每分鐘一次，VS20 UMB的主要參數(shù)如表2所示。

4 軟件系統(tǒng)設(shè)計(jì)

4.1 主站軟件設(shè)計(jì)

主站軟件實(shí)現(xiàn)對主站硬件設(shè)備進(jìn)行資源調(diào)度，以及通過Zigbee網(wǎng)絡(luò)控制子站的數(shù)據(jù)傳輸[21]。主站結(jié)合ESN算法利用各子站報(bào)送的氣象、雷達(dá)、視覺信息對是否存在團(tuán)霧進(jìn)行判斷，繼而輸出預(yù)警信息。其運(yùn)行流程如圖5所示。

圖5 主站軟件流程圖

如圖5所示，所有模塊上電之后進(jìn)行初始化操作。邊緣計(jì)算終端MEC進(jìn)行計(jì)算機(jī)環(huán)境配置等初始化操作，初始化操作結(jié)束后，MEC嘗試獲取主站數(shù)據(jù)，主站數(shù)據(jù)包括氣象傳感器的數(shù)據(jù)和雷視一體機(jī)的數(shù)據(jù)。MEC與主站通過硬件連接，因此MEC一定能夠獲取主站的數(shù)據(jù)。主站的數(shù)據(jù)獲取之后，MEC發(fā)出獲取子站數(shù)據(jù)命令，子站數(shù)據(jù)主要包括能見度在內(nèi)的氣象數(shù)據(jù)。如果不能獲取子站數(shù)據(jù)，則利用主站數(shù)據(jù)和ESN算法對主站位置附近是否存在團(tuán)霧進(jìn)行判斷；如果主站能夠獲取子站數(shù)據(jù)，則利用Zigbee網(wǎng)絡(luò)，將子站數(shù)據(jù)傳送到主站，主站根據(jù)主站已獲取的主站數(shù)據(jù)和子站數(shù)據(jù)，利用ESN算法對主站和子站附近是否存在團(tuán)霧分別進(jìn)行判斷。如果判斷出有預(yù)警信息，則通過RSU終端向云端和服務(wù)器公網(wǎng)IP的指定端口發(fā)送預(yù)警信息。因此，運(yùn)維人員在云端或服務(wù)器上即可查看黃河特大橋某個(gè)節(jié)點(diǎn)是否存在團(tuán)霧。

主站軟件流程偽代碼如下所示：

1)初始化：各傳感器設(shè)備、MEC

2)while未接收停止指令 do

3)獲取主站氣象報(bào)文

4)獲取主站雷視一體報(bào)文

5)發(fā)送獲取子站數(shù)據(jù)命令

6)監(jiān)聽是否有子站數(shù)據(jù)返回，若有則進(jìn)行下一步，若沒有則跳轉(zhuǎn)到8)

7)通過Zigbee接收數(shù)據(jù)、進(jìn)行數(shù)據(jù)校驗(yàn)

8)調(diào)用ESN算法，輸入主站和子站(如果有)的數(shù)據(jù)，進(jìn)行團(tuán)霧判斷

9)將團(tuán)霧是否存在判斷結(jié)果輸出

End while

4.2 子站軟件設(shè)計(jì)

子站的軟件系統(tǒng)主要功能是驅(qū)動傳感器正常工作獲取數(shù)據(jù)，建立Zigbee網(wǎng)絡(luò)節(jié)點(diǎn)，接收主站的命令，將命令中需要的數(shù)據(jù)以報(bào)文的形式通過Zigbee網(wǎng)絡(luò)傳送給主站。子站運(yùn)行流程如圖6所示。

圖6 子站軟件流程圖

如圖6所示，子站選用Arm平臺作為主控板。上電之后，主控板及各傳感器進(jìn)行初始化，主控板程序啟動。主控板向CC2530發(fā)送組網(wǎng)命令，CC2530獲取組網(wǎng)命令之后進(jìn)行Zigbee組網(wǎng)，建立Zigbee子節(jié)點(diǎn)。主控板向各傳感器發(fā)送獲取數(shù)據(jù)命令，各傳感器以報(bào)文的形式將前端數(shù)據(jù)發(fā)送給主控板。主控板收到數(shù)據(jù)之后進(jìn)行預(yù)處理，包括剔除無效數(shù)據(jù)、對數(shù)據(jù)進(jìn)行初步分類和存儲，同時(shí)等待主站命令。主站命令到達(dá)之后，子站通過Zigbee網(wǎng)絡(luò)將數(shù)據(jù)傳送至主站；如果子站一直等不到主站命令，則等待超時(shí)，等待超時(shí)觸發(fā)存儲指令，對子站獲取的數(shù)據(jù)進(jìn)行存儲，然后進(jìn)行下一輪獲取數(shù)據(jù)的循環(huán)過程。在子站向主站發(fā)送數(shù)據(jù)的過程中，如果正確傳輸了數(shù)據(jù)，則進(jìn)行下一輪獲取數(shù)據(jù)的循環(huán)過程；如果沒有正確傳輸數(shù)據(jù)，則進(jìn)行一次數(shù)據(jù)重傳，不論數(shù)據(jù)重傳是否成功都會進(jìn)入下一輪獲取數(shù)據(jù)循環(huán)過程。

子站軟件流程偽代碼如下所示：

1)初始化：各傳感器設(shè)備、Arm平臺STM32F103ZET6

2)通知TI-CC2530建立Zigbee網(wǎng)絡(luò)建立子節(jié)點(diǎn)

3)獲取各傳感器報(bào)文

4)數(shù)據(jù)預(yù)處理

5)if主站命令到達(dá)

發(fā)送子站數(shù)據(jù)至主站

if 發(fā)送成功

返回3)

else

重傳

else

數(shù)據(jù)存儲

6)跳轉(zhuǎn)到3)

5 實(shí)驗(yàn)結(jié)果與分析

將團(tuán)霧預(yù)警系統(tǒng)布設(shè)在濟(jì)南市長清區(qū)黃河特大橋上，黃河特大橋全長約3 560 m，設(shè)立一個(gè)主站，11個(gè)子站，主站設(shè)在黃河特大橋一端，子站沿黃河特大橋線性順序設(shè)立。團(tuán)霧預(yù)警系統(tǒng)在2022年1月10日觀測到團(tuán)霧形成，并成功進(jìn)行預(yù)警。子站區(qū)站號Y6003，提取整理后的氣象數(shù)據(jù)如表3所示。

由表3可見：

1)在凌晨4點(diǎn)時(shí)，子站3的能見度在1 km以上，從4:00開始到4：15，能見度下降893 m，從4：15-4：30，能見度下降184 m。從4:30-5:45，能見度始終低于100 m，維持時(shí)間大約為75 min。5:45-6:00，能見度從41 m突升到1 125 m，增加幅度1 081 m，此后，能見度一直維持在1 km以上。

2)在4:30-5:45時(shí)間段內(nèi)，風(fēng)速為0.7～0.8 m/s，風(fēng)速數(shù)據(jù)偏大，路表溫度小于等于0.3 ℃，空氣溫度在零下0.4 ℃以下，空氣濕度維持在96%～97%之間，降水量為0，路面狀態(tài)正常。

表4是邊緣計(jì)算終端利用ESN算法和子站3歷史氣象數(shù)據(jù)對團(tuán)霧出現(xiàn)的概率進(jìn)行的預(yù)測，表中，團(tuán)霧是否出現(xiàn)，由雷視一體傳回的子站3氣象圖片人工確定。

對比表3和表4，可以發(fā)現(xiàn)黃河特大橋在4:15-5:45出現(xiàn)團(tuán)霧；表4中，4:15-5:45之間，ESN算法利用氣象等傳感器的歷史數(shù)據(jù)，對團(tuán)霧出現(xiàn)預(yù)測的概率都在80%以上，即預(yù)警系統(tǒng)對是否出現(xiàn)團(tuán)霧進(jìn)行了準(zhǔn)確的預(yù)警。

表3 子站3氣象數(shù)據(jù)

表4 子站3團(tuán)霧預(yù)測

子站4區(qū)站號Y6004，提取整理后的氣象數(shù)據(jù)如表5所示。

表5 子站4氣象數(shù)據(jù)

由表5可見，子站4的能見度始終在1 km以上，與子站3的路表溫度最大相差0.1℃，降水量為0，風(fēng)速最大0.3 m/s，空氣溫度與子站3相差最大1 ℃，子站4平均氣溫比子站3平均氣溫低約0.4 ℃?？諝鉂穸仍?6%以上。

在4:30-5:45，子站3的能見度低于100 m，子站4的能見度大于1 km，因此，團(tuán)霧出現(xiàn)在子站3與子站4之間。

表6是邊緣計(jì)算終端利用ESN算法和子站4歷史氣象數(shù)據(jù)對團(tuán)霧出現(xiàn)的概率進(jìn)行的預(yù)測，表中，團(tuán)霧是否出現(xiàn)，由雷視一體傳回的子站4氣象圖片人工確定。

表6 子站4團(tuán)霧預(yù)測

表6中，對子站4的團(tuán)霧預(yù)測概率在60%以下，子站4附近沒有出現(xiàn)團(tuán)霧。對比表4和表6，可以發(fā)現(xiàn)，團(tuán)霧在子站3出現(xiàn)，在子站4沒有出現(xiàn)，即團(tuán)霧出現(xiàn)在子站3與子站4之間，符合實(shí)際情況。ESN算法利用主站和子站的氣象歷史數(shù)據(jù)，對是否出現(xiàn)團(tuán)霧做出了準(zhǔn)確的預(yù)測。

在表4中，6:00預(yù)測的概率為56%，但是沒有出現(xiàn)團(tuán)霧。在表8中，在4:30、4:45、5:00、5:15預(yù)測概率超過50%均未出現(xiàn)團(tuán)霧。因此，不能將團(tuán)霧預(yù)測概率定為50%來判斷是否存在團(tuán)霧。

6 結(jié)束語

基于黃河特大橋的氣象條件，設(shè)計(jì)并開發(fā)了一種基于ESN的團(tuán)霧預(yù)警系統(tǒng)。預(yù)警系統(tǒng)利用氣象、視覺等設(shè)備獲取黃河特大橋環(huán)境條件，采用Zigbee網(wǎng)絡(luò)傳輸信息，在邊緣計(jì)算終端中運(yùn)行ESN預(yù)測算法，對黃河特大橋是否出現(xiàn)團(tuán)霧進(jìn)行預(yù)警。實(shí)驗(yàn)結(jié)果表明，本系統(tǒng)能較好的預(yù)測黃河特大橋是否出現(xiàn)團(tuán)霧，對黃河特大橋風(fēng)險(xiǎn)管控有著重要意義。