文摘

预测路面温度(RST)帮助冬季服务优化成本和减少除冰剂对环境的影响。数据从道路天气信息系统(RWIS)和热映射被认为输入预测物理数值模型。统计模型包括许多气象参数沿路线和提供一个空间的方法。它是基于典型的组合产生的治疗和分析数据库从道路气象站测量或热映射,简单,可靠,和成本效益监测RST,许多气象参数。预测致力于公路网络应该结合空间和时间预测的需要。本研究有助于建立一个可靠的RST预测基于主成分分析(PCA)和偏最小二乘(PLS)回归。城市延伸与各种天气和季节监测在几个月来生成一个适当的数量的样品。这项研究由最佳的识别号码建立一个可靠的预测。第二个方面是针对比较RST从PLS模型预测和测量。比较表明预测在城市延伸至多94%的值在±1°C和80%以上在±3°C。

1。背景和介绍

冬季维护的目的是为了确保基础设施的访问和使用,在恶劣的天气条件。主要在于避免发生温度接近零度的冰和雪的持久性。治疗或不是一个道路网的决定往往是困难和缓解了道路天气地处高纬度和预测,通常自80年代。这些站点提供的测量大气温度等参数和道路路面(RST)通知道路管理者对网络状态。与数值模型预测得到特定网站或整个网络。一系列预报模型存在,通常网站特定的,自1980年代以来重要文献应计(见[1]进行彻底审查)。此外,由于10°C, RST变化预测插值也是必需的。这历来是通过热映射来实现,但所有的组件包含在道路天气信息系统(RWIS),这种插值经常被确认为最不满意的(2]。

热映射由一个高分辨率的调查RST通过红外温度测量。测量是进行各种冬季大气状况,并提供热指纹,作为预测模型的输入(3- - - - - -9]。这些指纹也用作工具的路线优化防冰(10)或确定道路天气地处高纬度的安装位置。

RST沿着路线变化的程度是由大气稳定和当地的地理参数的变化和交通(概要和密度)3,8]。沿着路线的最大变化是观察到在这些稳定的反气旋条件(3]。以减少大气稳定,随后热指纹的振幅降低。一些作者(5)表明,在特定的天气条件下某些一致性出现在RST沿着路线的空间变化,使热映射调查只有几个选定的天气条件下(通常是极端的,中间,和阻尼)(1]。选择标准的五到六调查通常遇到的委托提供覆盖条件在冬季。这种方法不是最优,在日常预测结果往往“人们划归到一个类别的操作(使用时8]。

然而,测量活动是非常耗时的。测量必须划分为行程延伸在开放时间窗口完成。一些渐进的改变出现在实践中,朝着一个新的基于空间造型的方法。基于路径预测考虑气象和地理数据提供一个高分辨率的预测RST和条件在道路网络(2]。除了预测潜在的显著改善,这也带来了一系列新的挑战。而传统特有的预测可以很容易地根据传感器数据进行验证从地处位于预测网站,基于路径预测(这显然是不可能1),热映射仍然需要验证的空间预测。然而,这种方法不符合成本效益提供数据在一个较高的时间分辨率。基于路径的预测仍然可以只依靠孤立热指纹。

预测致力于公路网络的结合是空间和时间的预测需求的一个完整的网络。热的映射是一个简单、可靠和成本有效的方式来监控RST和许多其他气象参数沿路线。数值模型将提供一个暂时的预测在特定的地点,和许多计算将有必要建立一个预测或网络覆盖完整的路线。基于统计的新方法是由查普曼et al。11,12)并提供RST在一个完整的路线只有通过主成分分析(PCA)但尚未提供RST预测通常理解,而且它只依赖于RST测量并不总是可用的。为此,偏最小二乘(PLS)回归确实为这一目标作出贡献。类似的研究基于这些多元数据分析工具是由Kršmanc et al。13),但只在特定的位置。

本研究将分为两个部分。第一个将包括一个描述的RST预测一个特定的城市位置基于请。变量包括与热空气温度从测量获得映射工具,连同其他气象和人为数据。这将贡献,因此提供了一个更全面的图片RST变化为更大范围内的大气稳定性比传统认为这样的调查。第二部分将致力于比较预测结果和现场数据。新方法将被描述的一个完整的RST路线阐述了从一个概要文件测量或预测一个特定的位置,可以有一个更大的比RST的可靠性。结果将提供和讨论。

2。方法

2.1。设备、线路调查

dt Est在南希(法国)开发和使用热映射工具从一开始就存在的技术。多年来,一个大数量的热数据分析已经积累了。对于这个调查,整个路线绕,在这个城市被选中(图1(一))。然后一段法国城市街道南希(法国)被选为RST的详细分析。长大约几百米,一个典型的城市峡谷配置(图1 (b))。这条路线的热数据集可以包含34热指纹,每个样本,获得了在极端和中间的天气条件下在2012年到2013年,至少每月一次。

RST是通过使用一个红外辐射计在7 - 14μm光谱范围,范围从−30°C + 70°C, 2°C的不确定性(23°C),安装在底部的一项调查,和位于舱温度控制。仪器测量表面发出的能量通量密度,并通过斯蒂芬玻尔兹曼方程(RST计算14]。路面被认为是一个灰色的身体,因此发射率保持不变在0.95 [15,16]。空气温度(−40°C + 125°C,±0.3°C)的不确定性和相对湿度(0 - 100%范围内,±2%)不确定性数据也通过大气探测位于车辆的屋顶。电子涡轮产生的层流流动传感器来提高测量精度和避免扰乱文物。图2说明了法国热与映射车载测量设备。

2.2。偏最小二乘回归分析

请减少是一种统计方法,使数据在处理大型数据集时(17]。它包括在计算空气温度之间的校准使用训练集矩阵和另一个变量。所指出的Almkvist et al。18,19),影响RST的地面热通量是一个变量。这项工作的详细摘要容易获得关注的变量,因此已经包括这个地面热通量。它包括RST在选择城市位置、相对湿度、风力全球辐射,朦胧,在过去24小时内降雨雪的存在,一天的时刻(上午中午之前。、下午或中午后点)和交通强度(弱、温和和高)作为一种人为的变量。交通数据从适当的服务和每个定性升值获得对应于一个小时内天的范围。疲软的交通发生在夜间,一个温和的人大约在上午10点至下午4点之间。等,最高出现在高峰时段的上午8点和下午6点。虽然RST冬天大约是0°C,这种情况会做出艰难的决定申请除冰剂对非常消极的RST的价值观,这是他们研究的原因。这项训练集生成RST的统计预测模型。因为噪音是包含在这两个变量数据,这将进行计算标定矩阵的生成和最小化误差矩阵获得的关系: 请,一组基向量的搜索变量和另一个,这些设置是如何相关的理解是必要的。这两个空间的特征向量为每个计算恢复最佳的每个变量之间的一致性因素及其相应的在最小二乘意义上。因为一些噪声既出现在变量和测量,计算特征向量的空间转移在不同方向不同,由于噪音在这些空间的独立性、破坏完美的变量和之间的一致性数据点。请将试图恢复最优一致,定义为一个完美的预测之间的线性关系,或分数,变量和的数据到相应的因素。

在热映射的情况下,每个热指纹被认为是一个示例,以及每个变量在一个多维空间数据点。是一些物理参数的变量可能包括在一个数值模型和影响RST和解释的哈蒙德et al。1,12]。通过使用几个热的调查的数据,生成一个数据矩阵,然后可以融入集群点的多维空间。对热映射,请将决定有多少因素需要正确预测RST与。变量和矩阵,分别是34线(一行/热指纹)/ 8列(每一列变量)(表1每28)和34列(每一列数据点的距离城市延伸)。一旦确定了这些因素,他们可以用来建立一个预测模型对于其他天气条件提供他们没有显著不同的用于原请计算。第一个目标在这请的方法是识别,然后开出适当数量的热映射运行模式预测准确的日常温度需要在给定的路线。然后建立预测热指纹,从而提供一个简单的空间预测模型,基于成本效益和现实数据。

2.3。结合主成分分析,请和RWIS数据/天气服务空间和时间预测预报

马等。12)给广泛使用PCA的细节特别是RST热映射数据。在这项研究中,同样的方法被应用到矩阵。每个热指纹样本所同化。矩阵包含尽可能多的线有样品和尽可能多的列有测量位置(在这种情况下每3米)。再次,乘以分数和载荷矩阵和添加所有样本的平均配置文件,概要文件的城市从主成分分析,建成,至少纠正最终抵消误差。工作包括检查强制执行PCA样本的数量,再考虑目标的四个样品。

概要文件被同化单列矩阵,每个元素的列点的行程,这个给定的路线的最后一点。有两个概要文件,和,一个内插配置文件,,使用一个系数范围在0和1之间,然后通过使用(2),表示形式的延续。的值选择获取RST概要文件在整个RST调查范围内,从而获得RST概要即使测量不是。考虑

的一个理想的输入用于做出决定在冬季维护知识RST概要文件在道路网的服务负责。考虑是不可能获得RST测量或预测这些概要文件,这些冬季服务依赖于特定场地RWIS地处高纬度大气和道路参数,如空气温度、相对湿度、RST。他们还可以用数值天气模型输出提供一个预估这个特定的点,或者最近在整个使用基于路径预测技术路线(8]。马等。12]表示通过PCA获得整个RST概要文件使用皇家莎士比亚剧院一个边防哨,但这通常不是一个预测,因为它是理解。此外,有一些争论使RST的正确方法测量。它是通过探测嵌入到人行道上,提高了当地的问题方面,或辐射计如上所示,这个温度辐射而不是热力学。的测量更接受和不遭受同样的争议从天气服务。然后想法是使用RWIS气温或预测数据点从气象服务在一个边防哨,然后使用系数将这一点与相应的一个。然后,整个沿线的概要文件。一旦这个可用,请模型应用于预测的RST的位置请模型开发。然后,再次使用PCA分析和插值,RST概要沿着这同一路线可以提取。这项工作被描述在图的原则3。然后进行比较测量和预测RST概要文件之间的关系。

3所示。RST的结果预测基于PCA和请:讨论

3.1。搜索的最优测量集的数量请RST预测

进行了主成分分析与整理机X 10.1包软件数据集来识别潜在的特定热指纹。结果表明,超过99%的差异可以解释与第一主成分,表明数据的同质性。这些与先前发表的研究结果是一致的12]。在的情况下,平均抵消−2.3°C是识别和校正是应用概要文件从主成分分析计算。通用的配置文件在这条路线使用PCA输出(分数和载荷)然后计算见图4。

请进行城市延伸,考虑,分别,首先整个数据集,然后只在一些样品对应的温度低于10°C视为代表冬季南希(法国)地区。同一个包的软件然后使用PCA。这个想法是为了确定最小数量的样品建立一个可靠的统计模型预测RST。建立这样一个模型的可靠性主要通过他们和他们的RMSE。总结了进行评估和结果表2。离群值的数量,对应于数据统计模型所描述的不好,非常小的点数用来精心制作的模型,也就是说,样本数量乘以28的列矩阵。结果表明,至少6热指纹需要制定一个可靠的模型大于0.90,最佳8指纹。这个数字与实际是一致的热映射。此外,这个请方法更适应短延伸,0.97和34个样本,比和长行程0.90低于这个阈值。的考虑和RMSE表示,请方法是专门用于道路环境与植被、RMSE接近或低于2°C。

一旦这些模型开发,他们的表现进行评估。为此,他们应用到两个概要文件获得测量做在同一城市延伸两个不同的日期,连同其他变量提出了表1,推断和预测相应的RST。与可用RST字段数据然后进行。具体进行了关注情况下相应的南希地区冬季天气条件(RST < 10°C或接近这个值)。结果详细表3。因此,请能提供一个基于RST预测测量的偏差1°C以下情况接近水冻结和两个因素。太多因素生成一个贫穷的偏见但标准差不变。最糟糕的结果是得到最温暖的情况下,尽管它只是由于偏见。

3.2。请和天气预报服务空间和时间的预测

得到了一些改进的RST预报请使用。到目前为止,仍有一个的需要获得RST概要文件或其他变量。正如上面提到的,冬季服务通常都是决策的基础上RWIS数据或大气参数的预测,其中空气温度。在这两种情况下,这个信息非常的地方。在某些情况下,没有可用的RWIS或他们对道路网的密度是不合适的,和道路管理者只能依靠从气象局预测,预测的不方便可以在给定的时间有几个小时之间。有时,一些地方的网络有一个特定的热行为因为它的配置,和提供的预测可能大大不同于观察。这里的目标然后评估PLS-based利用RST的性能预测从RWIS或值从气象局预测。图中描述的方法3,一个完整的概要文件然后使用结果呈现在图4 (b)。这建立配置文件是一个输入选择请模型阐述了部分3所示。1获得RST在特定的位置。一旦这个RST值是可用的,得到一个完整的热指纹数据的基础上,提出了数字4 (d)。然后挑战是确定在多大程度上一个完整的RST概要文件可以与特定场地了数据。

预计在两个不同的日期,然后进行2013-12-11和2013-03-22,RST和数据在研究城市延伸。这是来自流星法国气象站位于附近的城市位置(图的出发点1)。流星法国提供的数据是每三个小时,从格林尼治时间0:00点到晚上9点。由于热指纹没有完全启动同时,流星法国数据插值来计算相应的。必须考虑,这有时是唯一可靠的信息通过道路管理者。这些元素在表提供的摘要4。

一旦这些元素聚集,基于预测的气温开始伸展因此被用来建立RST预测在特定城市的位置。这样做,详细如图3空气温度,一旦确定一个点,相应的充分伸展配置文件使用PCA(图成立4 (b))。这个概要文件被用作专用请输入模型中,表演的详细表3。结果给出了两个日期表5。

在这两种情况下,标准偏差不超过1.3°C,和偏差较大的限制只有一个案例(/ 2°C),而在第二种情况下1°C以下。表现的差异可以很容易地解释道。首先,流星法国数据每3个小时诱导一个贫穷的计算精度的表4。显示在表4、空气温度测量在流星法国气象站和热映射汽车是不同的。热映射的大气探测车辆没有测量空气温度,因为它是通过气象服务使用一个标准化的避难所。此外,尽管热映射工具并不在附近气象站的开始时间,有近3公里两个地点之间的几百米,和热映射工具是构成建筑物和路面对缺乏结构和气象站草的存在。进一步的概要阐述了主成分分析与现场测量,得到一个不恰当的RST风险越大。

RST预测的错误请取决于不同的变量用于其精化中的错误。在第一种方法,这取决于错误了作为输入,特别是在情况当空气温度的剖面段阐述了从一个单一的点。分析错误的RST在多大程度上预测,一组请计算进行考虑输入配置文件在±1°C的测量概要文件在两个特定日期(2013-03-22和2013-03-22)开始时间和起点。相应的RST预测和现场测量得到的比较表6。当输入之间−0.2°C和1°C与尊重在开始时间和起始点,79%到93%的错误预测RST在±1°C。

RST预报值对应的起点城市延伸。获得整个RST概要文件在同一伸展,PCA和获得的资料呈现在图4 (d)然后使用。预测和实测资料的对比图5两个日期,2013-03-22和2013-03-22,考虑到RST的预测表5请模型2因素4可用的和考虑了RST没有错误。

在2013-03-22的情况下,100%的预测是在±2°C, 94%±1°C,和近85%的预测是在±0.5°C,标准偏差为±1°C。近1.8°C之间的差距最大测量和预测也可以归因于一个特定城市的存在配置,与天空视图上因素发生率占RST价值的60% (20.]。在第二种情况下(2012-12-11),只有85%的预测是在±3°C之间的区别是由3.2°C和2.1°C。的Gustavsson et al。21),RST显然是受到城市配置人为热通量,尤其是交通,这是两个日期之间的差异之一。全球辐射和朦胧也之间的主要差异。虽然取得了较好的效果,请配置在一个情况下,一些变量,如交通,可能会改变数值的。事实上,交通密度可以与热通量由于轮胎摩擦,明智的和潜在的通量由于车辆发动机,以及对流换热的变化,因为过往车辆。然而,目标是产生一个预测基于方法,不同的足够的物理数值模型之一,并提供相关的和健壮的预测。扩展的预测更长的伸展可以很容易地通过阐述新请模型的基础上调整的变量见表1,通过迭代计算请根据需要尽可能多的延伸。

4所示。结论

本文的目的是调查统计方法预测路面温度对热映射的基础数据。使用的工具是主成分分析和偏最小二乘回归,修建公路表面温度预测基于空气温度和其他气象变量以及人为的。预测首先是基于空气温度曲线在整个城市延伸,然后在一个单一的数据点。调查结果显示复杂的路面温度预测的可能性请和空气温度数据。近94%的预测是在±1°C对实地测量在某一情况下所选城市延伸和超过80%±3°C。使用的主成分分析配置文件允许精化仿制的。的知识从一个天气边防哨是用来识别相应的配置文件为进一步因地制宜RST请预测。一旦获得这个值,RST概要文件的主成分分析的结果用于检索RST概要文件在整个城市延伸。结果显然取决于附近的空气从实地测量剖面。一个估计的错误显示输入在±0.5°C之间提供最好的RST预测结果。调查表明,六到八热调查、强制获得一个可靠的路面温度预测,和覆盖大范围的天气情况下,仍然保持足够低的成本有效的方法RST预测的全球框架内冬季维护。这个想法将迭代请计算几个延伸获得预测在一个完整的行程或一个完整的网络。获得statistical-mathematical较少,更多的物理分析,一些可以开展调查应用独立分量分析(ICA)热映射数据和多元信号分解成独立非高斯信号。

利益冲突

作者宣称没有利益冲突有关的出版。

确认

作者要感谢流星法国的技术支持,Nadege博士布朗,谁启发了这个工作,因为她在多元数据分析技术建议。