基于大数据分析的高速公路综合管养可视化云计算平台制造技术

本发明专利技术公开基于大数据分析的高速公路综合管养可视化云计算平台，包括高速段划分模块、高速段管养巡检模块、巡检参数设定模块、巡检图像采集模块、标准数据库、巡检图像初步处理模块、巡检图像识别分析模块、管理服务器、拍摄路线规划模块、管养终端和远程管养中心。本发明专利技术通过对待管养的高速公路进行高速段划分，并得到各高速段的路面图像，进而从中筛选出异常的高速段路面图像，以此获取各异常高速段路面异常点对应的异常点类型，从而针对不同的异常点类型进行不同方式的管养，实现了对高速公路路面环境的管养，拓宽了高速公路管养范围，克服了目前高速公路管养工作过于单一化的不足，提高了高速公路路面环境的安全水平。

【技术实现步骤摘要】
基于大数据分析的高速公路综合管养可视化云计算平台
本专利技术属于高速公路管养
，具体涉及基于大数据分析的高速公路综合管养可视化云计算平台。
技术介绍
随着我国高速公路基础设施建设的迅速发展,高速公路的路面日常保养、维修工程等管养工作也越来越重要，但目前对高速公路的管养工作还只是停留在对高速公路本身的承载压力、路面平整情况、路面开裂情况和路面压实情况等路面本身进行养护，过于单一化，没有考虑到高速公路路面环境的养护。高速公路路面环境如果存在大面积的堆积物、积水和结冰现象，或者出现交通事故，其对在高速公路上行驶的车辆来说具有潜在的危险隐患，这些危险隐患会降低高速公路路面环境的安全水平。如果不对高速公路路面环境进行养护，也就无法发现潜在的危险隐患，可能会导致严重的交通事故，进而威胁驾驶员的人身安全，因此对高速公路路面环境养护还是非常有必要的。鉴于此，本专利技术设计一种基于大数据分析的高速公路综合管养可视化云计算平台。
技术实现思路
本专利技术的目的在于提供一种基于大数据分析的高速公路综合管养可视化云计算平台，通过对高速公路路面环境进行管养，弥补了目前高速公路管养工作过于单一化的弊端。本专利技术的目的可以通过以下技术方案实现：基于大数据分析的高速公路综合管养可视化云计算平台，包括高速段划分模块、高速段管养巡检模块、巡检图像采集模块、标准数据库、巡检图像初步处理模块、巡检图像识别分析模块、管理服务器、管养终端和远程管养中心；所述高速段划分模块用于将待管养的高速公路根据高速公路的长度划分为若干高速段，并对划分的各高速段按照预设的顺序进行编号，依次标记为1,2...i...n；所述高速段管养巡检模块包括若干无人机，用于对各标记的高速段路面进行管养巡检，其中无人机上安装有GPS定位仪和高清摄像机，所述GPS定位仪用于定位无人机在管养巡检过程中的地理位置，所述高清摄像机用于采集无人机在管养巡检过程中的高速段路面图像；所述巡检图像采集模块用于利用无人机上安装的高清摄像机实时采集高速段路面图像，并将采集的各高速段路面图像发送至巡检图像初步处理模块；所述巡检图像初步处理模块用于接收巡检图像采集模块发送的各高速段路面图像，并提取标准数据库中各高速段对应的正常路面图像，以将接收的各高速段路面图像对应与各高速段的正常路面图像进行对比，分析是否存在异常点，若某高速段路面图像不存在异常点，则表明该高速段路面正常，进而去除该高速段路面图像，若某高速段路面图像存在异常点，则表明该高速段路面异常，进而保留该高速段路面图像，由此得到保留的各异常高速段路面图像，同时通过无人机上安装的GPS定位仪获取各异常高速段路面对应的异常点地理位置，以此将保留的各异常高速段路面图像发送至巡检图像识别分析模块，并将各异常高速段路面对应的异常点地理位置发送至管理服务器；所述标准数据库用于存储各异常点类型对应的特征，其中各异常点类型包括堆积物、积水、结冰和交通事故，存储各高速段对应的正常路面图像，存储各堆积物所处地理位置对应的管养位置影响系数，存储各堆积物体积对应的管养系数，并存储各积水或结冰区域所处地理位置对应的管养位置影响系数；所述巡检图像识别分析模块接收巡检图像初步处理模块发送的各异常高速段路面图像，并将各异常高速段路面图像聚焦在异常点区域，同时进行放大，进而提取异常点的特征，从而将提取的异常点特征与标准数据库中各异常点类型对应的特征进行匹配，并统计提取的异常点特征与各异常点类型对应特征的匹配度，从中筛选匹配度最大的异常点类型作为各异常高速段路面异常点对应的异常点类型，由此将各异常高速段路面异常点对应的异常点类型发送至管理服务器；所述管理服务器接收巡检图像识别分析模块发送的各异常高速段路面异常点对应的异常点类型，接收巡检图像初步处理模块发送的各异常高速段路面对应的异常点地理位置，并对各异常高速段路面异常点对应的异常点类型进行分析，其具体分析过程包括以下几个步骤：S1：分析是否存在异常点类型为堆积物的异常高速段，若存在，则统计异常点类型为堆积物的异常高速段数量，进而获得异常点类型为堆积物的异常高速段编号，可记为1,2...j...m，该异常高速段记为堆积物高速段，与此同时根据堆积物高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各堆积物高速段编号对应的堆积物所处地理位置，并启动对应堆积物高速段编号的无人机，将对应堆积物高速段编号对应的堆积物地理位置一一发送至对应堆积物高速段的无人机，同时获取无人机当前所处地理位置，进而使无人机从当前所处地理位置飞行到对应堆积物所处地理位置，对堆积物进行三维立体摄像，得到堆积物的三维立体图像，以此得到各堆积物高速段对应的堆积物体积，并将各堆积物高速段对应的堆积物所处地理位置与标准数据库中各堆积物所处地理位置对应的管养位置影响系数进行对比，筛选出各堆积物高速段的堆积物所处地理位置对应的管养位置影响系数，与此同时将各堆积物高速段对应的堆积物体积与标准数据库中各堆积物体积对应的管养系数进行对比，得到各堆积物高速段的堆积物体积对应的管养系数，由此根据各堆积物高速段对应的管养系数及管养位置影响系数统计各堆积物高速段对应的综合管养系数，并将各堆积物高速段编号和各堆积物高速段对应的综合管养系数及各堆积物高速段对应的堆积物所处地理位置发送至管养终端；S2：分析是否存在异常点类型为积水或结冰的异常高速段，若存在，则统计异常点类型为积水或结冰的异常高速段数量，进而获得异常点类型为积水或结冰的异常高速段编号，可记为1,2...k...l，该异常高速段记为积水或结冰高速段，与此同时根据积水或结冰高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各积水或结冰高速段编号对应的积水或结冰区域所处地理位置，由此将各积水或结冰高速段编号对应的积水或结冰区域所处地理位置与标准数据库中各积水或结冰区域所处地理位置对应的管养位置影响系数进行对比，筛选出各积水或结冰高速段的积水或结冰区域所处地理位置对应的管养位置影响系数，与此同时从各积水或结冰高速段路面图像中获取积水或结冰区域的轮廓，以此得到各积水或结冰高速段对应的积水或结冰区域面积，并获取各积水或结冰高速段对应的公路总面积，综上根据各积水或结冰高速段对应的积水或结冰区域面积和各积水或结冰高速段对应的公路总面积及管养位置影响系数统计各积水或结冰高速段对应的综合管养系数，并将各积水或结冰高速段编号和各积水或结冰高速段对应的综合管养系数及各积水或结冰高速段对应的积水或结冰区域所处地理位置发送至管养终端；S3：分析是否存在异常点类型为交通事故的异常高速段路，若存在，则统计异常点类型为交通事故的异常高速段数量，进而获得异常点类型为交通事故的异常高速段编号，该异常高速段记为交通事故高速段，与此同时根据交通事故高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各交通事故高速段编号对应的交通事故所处地理位置，并从各交通事故高速段路面图像中获取交通事故信息，进而将各交通事故高速段编号和各交通事故高速段对应的交通事故所处地理位置及各交通事故高速段对应的交本文档来自技高网...

【技术保护点】
1.基于大数据分析的高速公路综合管养可视化云计算平台，其特征在于：包括高速段划分模块、高速段管养巡检模块、巡检图像采集模块、标准数据库、巡检图像初步处理模块、巡检图像识别分析模块、管理服务器、管养终端和远程管养中心；/n所述高速段划分模块用于将待管养的高速公路根据高速公路的长度划分为若干高速段，并对划分的各高速段按照预设的顺序进行编号，依次标记为1,2...i...n；/n所述高速段管养巡检模块包括若干无人机，用于对各标记的高速段路面进行管养巡检，其中无人机上安装有GPS定位仪和高清摄像机，所述GPS定位仪用于定位无人机在管养巡检过程中的地理位置，所述高清摄像机用于采集无人机在管养巡检过程中的高速段路面图像；/n所述巡检图像采集模块用于利用无人机上安装的高清摄像机实时采集高速段路面图像，并将采集的各高速段路面图像发送至巡检图像初步处理模块；/n所述巡检图像初步处理模块用于接收巡检图像采集模块发送的各高速段路面图像，并提取标准数据库中各高速段对应的正常路面图像，以将接收的各高速段路面图像对应与各高速段的正常路面图像进行对比，分析是否存在异常点，若某高速段路面图像不存在异常点，则表明该高速段路面正常，进而去除该高速段路面图像，若某高速段路面图像存在异常点，则表明该高速段路面异常，进而保留该高速段路面图像，由此得到保留的各异常高速段路面图像，同时通过无人机上安装的GPS定位仪获取各异常高速段路面对应的异常点地理位置，以此将保留的各异常高速段路面图像发送至巡检图像识别分析模块，并将各异常高速段路面对应的异常点地理位置发送至管理服务器；/n所述标准数据库用于存储各异常点类型对应的特征，其中各异常点类型包括堆积物、积水、结冰和交通事故，存储各高速段对应的正常路面图像，存储各堆积物所处地理位置对应的管养位置影响系数，存储各堆积物体积对应的管养系数，并存储各积水或结冰区域所处地理位置对应的管养位置影响系数；/n所述巡检图像识别分析模块接收巡检图像初步处理模块发送的各异常高速段路面图像，并将各异常高速段路面图像聚焦在异常点区域，同时进行放大，进而提取异常点的特征，从而将提取的异常点特征与标准数据库中各异常点类型对应的特征进行匹配，并统计提取的异常点特征与各异常点类型对应特征的匹配度，从中筛选匹配度最大的异常点类型作为各异常高速段路面异常点对应的异常点类型，由此将各异常高速段路面异常点对应的异常点类型发送至管理服务器；/n所述管理服务器接收巡检图像识别分析模块发送的各异常高速段路面异常点对应的异常点类型，接收巡检图像初步处理模块发送的各异常高速段路面对应的异常点地理位置，并对各异常高速段路面异常点对应的异常点类型进行分析，其具体分析过程包括以下几个步骤：/nS1：分析是否存在异常点类型为堆积物的异常高速段，若存在，则统计异常点类型为堆积物的异常高速段数量，进而获得异常点类型为堆积物的异常高速段编号，可记为1,2...j...m，该异常高速段记为堆积物高速段，与此同时根据堆积物高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各堆积物高速段编号对应的堆积物所处地理位置，并启动对应堆积物高速段编号的无人机，将对应堆积物高速段编号对应的堆积物地理位置一一发送至对应堆积物高速段的无人机，同时获取无人机当前所处地理位置，进而使无人机从当前所处地理位置飞行到对应堆积物所处地理位置，对堆积物进行三维立体摄像，得到堆积物的三维立体图像，以此得到各堆积物高速段对应的堆积物体积，并将各堆积物高速段对应的堆积物所处地理位置与标准数据库中各堆积物所处地理位置对应的管养位置影响系数进行对比，筛选出各堆积物高速段的堆积物所处地理位置对应的管养位置影响系数，与此同时将各堆积物高速段对应的堆积物体积与标准数据库中各堆积物体积对应的管养系数进行对比，得到各堆积物高速段的堆积物体积对应的管养系数，由此根据各堆积物高速段对应的管养系数及管养位置影响系数统计各堆积物高速段对应的综合管养系数，并将各堆积物高速段编号和各堆积物高速段对应的综合管养系数及各堆积物高速段对应的堆积物所处地理位置发送至管养终端；/nS2：分析是否存在异常点类型为积水或结冰的异常高速段，若存在，则统计异常点类型为积水或结冰的异常高速段数量，进而获得异常点类型为积水或结冰的异常高速段编号，可记为1,2...k...l，该异常高速段记为积水或结冰高速段，与此同时根据积水或结冰高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各积水或结冰高速段编号对应的积水或结冰区域所处地理位置，由此将各积水或结冰高速段编号对应的积水或结冰区域所处地理位置与标准数据库中各积水或结冰区域所处地理位置对应的管养位置影响系数进行对比，筛选出各积水或结冰高速段的积水或结冰区域所处地理位置对应的管养位置影响系数，与此同时从各积水或结冰...

【技术特征摘要】
1.基于大数据分析的高速公路综合管养可视化云计算平台，其特征在于：包括高速段划分模块、高速段管养巡检模块、巡检图像采集模块、标准数据库、巡检图像初步处理模块、巡检图像识别分析模块、管理服务器、管养终端和远程管养中心；
所述高速段划分模块用于将待管养的高速公路根据高速公路的长度划分为若干高速段，并对划分的各高速段按照预设的顺序进行编号，依次标记为1,2...i...n；
所述高速段管养巡检模块包括若干无人机，用于对各标记的高速段路面进行管养巡检，其中无人机上安装有GPS定位仪和高清摄像机，所述GPS定位仪用于定位无人机在管养巡检过程中的地理位置，所述高清摄像机用于采集无人机在管养巡检过程中的高速段路面图像；
所述巡检图像采集模块用于利用无人机上安装的高清摄像机实时采集高速段路面图像，并将采集的各高速段路面图像发送至巡检图像初步处理模块；
所述巡检图像初步处理模块用于接收巡检图像采集模块发送的各高速段路面图像，并提取标准数据库中各高速段对应的正常路面图像，以将接收的各高速段路面图像对应与各高速段的正常路面图像进行对比，分析是否存在异常点，若某高速段路面图像不存在异常点，则表明该高速段路面正常，进而去除该高速段路面图像，若某高速段路面图像存在异常点，则表明该高速段路面异常，进而保留该高速段路面图像，由此得到保留的各异常高速段路面图像，同时通过无人机上安装的GPS定位仪获取各异常高速段路面对应的异常点地理位置，以此将保留的各异常高速段路面图像发送至巡检图像识别分析模块，并将各异常高速段路面对应的异常点地理位置发送至管理服务器；
所述标准数据库用于存储各异常点类型对应的特征，其中各异常点类型包括堆积物、积水、结冰和交通事故，存储各高速段对应的正常路面图像，存储各堆积物所处地理位置对应的管养位置影响系数，存储各堆积物体积对应的管养系数，并存储各积水或结冰区域所处地理位置对应的管养位置影响系数；
所述巡检图像识别分析模块接收巡检图像初步处理模块发送的各异常高速段路面图像，并将各异常高速段路面图像聚焦在异常点区域，同时进行放大，进而提取异常点的特征，从而将提取的异常点特征与标准数据库中各异常点类型对应的特征进行匹配，并统计提取的异常点特征与各异常点类型对应特征的匹配度，从中筛选匹配度最大的异常点类型作为各异常高速段路面异常点对应的异常点类型，由此将各异常高速段路面异常点对应的异常点类型发送至管理服务器；
所述管理服务器接收巡检图像识别分析模块发送的各异常高速段路面异常点对应的异常点类型，接收巡检图像初步处理模块发送的各异常高速段路面对应的异常点地理位置，并对各异常高速段路面异常点对应的异常点类型进行分析，其具体分析过程包括以下几个步骤：
S1：分析是否存在异常点类型为堆积物的异常高速段，若存在，则统计异常点类型为堆积物的异常高速段数量，进而获得异常点类型为堆积物的异常高速段编号，可记为1,2...j...m，该异常高速段记为堆积物高速段，与此同时根据堆积物高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各堆积物高速段编号对应的堆积物所处地理位置，并启动对应堆积物高速段编号的无人机，将对应堆积物高速段编号对应的堆积物地理位置一一发送至对应堆积物高速段的无人机，同时获取无人机当前所处地理位置，进而使无人机从当前所处地理位置飞行到对应堆积物所处地理位置，对堆积物进行三维立体摄像，得到堆积物的三维立体图像，以此得到各堆积物高速段对应的堆积物体积，并将各堆积物高速段对应的堆积物所处地理位置与标准数据库中各堆积物所处地理位置对应的管养位置影响系数进行对比，筛选出各堆积物高速段的堆积物所处地理位置对应的管养位置影响系数，与此同时将各堆积物高速段对应的堆积物体积与标准数据库中各堆积物体积对应的管养系数进行对比，得到各堆积物高速段的堆积物体积对应的管养系数，由此根据各堆积物高速段对应的管养系数及管养位置影响系数统计各堆积物高速段对应的综合管养系数，并将各堆积物高速段编号和各堆积物高速段对应的综合管养系数及各堆积物高速段对应的堆积物所处地理位置发送至管养终端；
S2：分析是否存在异常点类型为积水或结冰的异常高速段，若存在，则统计异常点类型为积水或结冰的异常高速段数量，进而获得异常点类型为积水或结冰的异常高速段编号，可记为1,2...k...l，该异常高速段记为积水或结冰高速段，与此同时根据积水或结冰高速段编号，从各异常高速段路面对应的异常点地理位置中筛选各积水或结冰高速段编号对应的积水或结冰区域所处地理位置，由此将各积水或结冰高速段编号对应的积水或结冰区域所处地理位置与标准数据库中各积水或结冰区域所处地理位置对应的管养位置影响系数进行对比，筛选出各积水或结冰高速段的积水或结冰区域所处地理位置对应的管养位置影响系数，与此同时从各积水或结冰高速段路面图像中获取积水或结冰区域的轮廓，以此得到各积水或结冰高速段对应的积水或结冰区域面积，并获取各积水或结冰高速段对应的公...

【专利技术属性】
技术研发人员：王剑涛，
申请(专利权)人：南京渐起网络科技有限公司，
类型：发明
国别省市：江苏;32