【技术实现步骤摘要】
本专利技术涉及路面寿命预测，具体涉及一种数据驱动的路面剩余寿命预测方法及系统。
技术介绍
1、随着公路密度和公路养护里程的不断扩大，对于公路的维修养护需求将大大增加，为了及时准确地对公路进行维修养护，需要对公路路面的剩余寿命进行预测，按照不同路面类型的剩余寿命识别出公路养护的优先级，提高公路养护效率。进一步地，路面剩余寿命预测对于制定道路养护的长短期方案、评估道路恢复时间以及制定重建计划至关重要。
2、现有的路面寿命预测中准确性较高的是人工检测，但是人工检测需要现场采集样本并进行实验室分析，其效率过低无法做到实时预测路面剩余寿命。现有的自动化预测路面剩余寿命中，通常需要布设复杂的传感器设备，通过大量路面数据进行数据分析，从而实现路面剩余寿命预测，但是该方式在实际应用中困难重重，对于在投入使用的道路存在传感器架设困难，设备与改造成本过高的问题。
3、综上所述，急需一种数据驱动的路面剩余寿命预测方法及系统以解决现有技术中存在的传感器布置复杂、不能实时预测等问题。
技术实现思路
1、本专利技术目的在于提供一种数据驱动的路面剩余寿命预测方法及系统，具体技术方案如下：
2、本专利技术公开了一种数据驱动的路面剩余寿命预测方法，其特征在于，步骤如下：
3、步骤s1：采集待预测路面的历史路面数据，所述历史路面数据包括历史交通数据和历史天气数据，所述历史交通数据包括累积通行车辆质量，所述历史天气数据包括历史累积温差变化量、历史累积日照时间、历史累积冰雪
4、步骤s2：训练路面剩余寿命预测模型，具体是，基于数据驱动建立步骤s1中的历史路面数据与路面当前剩余寿命之间的映射关系，所述映射关系为原始路面剩余寿命预测模型；
5、步骤s3：实时预测路面剩余寿命，具体是，采集待预测路面的当日路面数据，所述当日路面数据包括当日交通数据和当日天气数据，将当日路面数据合并到历史路面数据得到更新的历史路面数据，将其输入步骤s2中的路面剩余寿命预测模型可以得到待预测路面的路面剩余寿命；
6、所述当日交通数据包括当日累积通行车辆质量，所述当日天气数据包括当日累积温差变化量、当日累积日照时间、当日累积冰雪覆盖时间、当日累积下雨时间和当日累积降水量。
7、在一个具体实施案例中优选的，在步骤s1中，采集待预测路面至少三个月的历史路面数据。
8、在一个具体实施案例中优选的，在步骤s1中，所述累积通行车辆质量的获取方式具体是：
9、以车辆型号作为索引建立车辆类型数据库，可查询每种车辆型号对应的车辆特征，所述车辆特征包含车辆类型，车辆整备质量，车辆满载质量，核载乘客数量，并定期更新；
10、拍摄行驶过待预测路面的车辆图像，通过卷积神经网络进行图像识别，获得车辆型号，通过所述车辆类型数据库提取车辆特征信息，识别车辆类型，所述车辆类型包括非厢式货车、厢式货车、客车、轿车和其他车辆；
11、对于非厢式货车，按照其是否载货分为空载和满载两类，其车箱内有货物即为满载，无货物即为空载，空载按照整备质量计算，满载按照其最大质量计算；对于厢式货车均按照满载计算；
12、对于客车和轿车，按照其核载乘客数量的一半计算乘客质量，其中乘客质量均按计算；按照整备质量计算客车和轿车质量；
13、对于其他车辆，按照其满载质量计算。
14、行驶过待预测路面的车辆质量之和，即为累积通行车辆质量。
15、在一个具体实施案例中优选的，在步骤s2中，所述路面类型包括沥青路面和水泥混凝土路面。
16、在一个具体实施案例中优选的，在步骤s2中，所述映射关系基于卷积神经网络建立。
17、另外，本专利技术还包括一种数据驱动的路面剩余寿命预测系统，应用该系统实现如上述的路面剩余寿命预测方法，所述系统包括数据采集单元、数据传输单元、数据处理单元和数据库；
18、所述数据采集单元用于采集原始数据；
19、所述数据传输单元用于将原始数据传输到数据处理单元；
20、所述数据处理单元用于解析所述原始数据，获取历史路面数据和当日路面数据，基于历史路面数据训练路面剩余寿命预测模型，将当日路面数据和历史路面数据合并得到更新的历史路面数据，将其输入路面剩余寿命预测模型中，得到路面剩余寿命；
21、所述数据库用于存储车辆类型数据、历史路面数据和当日路面数据，所述当日路面数据在第二天并入历史路面数据中，所述历史路面数据在第二天完成更新。
22、在一个具体实施案例中优选的，所述原始数据包括路面图像，所述数据处理单元通过解析路面图像获取累积通行车辆质量。
23、在一个具体实施案例中优选的，所述路面图像通过摄像头获取。
24、在一个具体实施案例中优选的，所述数据传输单元以30分钟一次的频率传输路面的累积通行车辆质量至数据库中存储。
25、在一个具体实施案例中优选的，所述原始数据还包括天气信息，所述数据处理单元通过解析天气信息获取历史天气数据和当日天气数据。
26、应用本专利技术的路面剩余寿命预测方法，具有以下有益效果：
27、(1)本专利技术采用累积通行车辆质量、累积温差变化量、累积日照时间、累积冰雪覆盖时间和累积下雨时间预测路面剩余寿命，上述数据采集便捷，且能够实现准确的路面寿命预测。
28、(2)本专利技术通过基于卷积神经网络的图像识别方式快速判断车辆类型，并根据车辆类型预估车辆质量，本专利技术不需要布设载重传感器，不会影响到道路正常使用，采集数据的方式快捷方便。
29、另外，本专利技术还公开了一种数据驱动的路面剩余寿命预测系统，应用该系统实现如上述的路面剩余寿命预测方法，所述系统包括数据采集单元、数据传输单元、数据处理单元和数据库；
30、所述数据采集单元用于采集原始数据；
31、所述数据传输单元用于将原始数据传输到数据处理单元；
32、所述数据处理单元用于解析所述原始数据，获取历史路面数据和当日路面数据，基于历史路面数据训练路面剩余寿命预测模型，将当日路面数据和历史路面数据输入路面剩余寿命预测模型中，得到路面剩余寿命；
33、所述数据库用于存储历史路面数据和当日路面数据，所述当日路面数据在第二天并入历史路面数据中，所述历史路面数据在第二天完成更新。
34、在一个具体的实施案例中优选的，所述原始数据包括路面图像，所述数据处理单元通过解析路面图像获取累积通行车辆质量。
35、在一个具体的实施案例中优选的，所述路面图像通过摄像头获取。
36、在一个具体的实施案例中优选的，所述数据传输单元以30分钟一次的频率传输路面的累积通行车辆质量至数据库中存储。
37、在一个具体的实施案例中优选的，所述原始数据还包括天气信息，所述数据处理单元通过解析天气信息获取历史天气数据和当日天气数据。
本文档来自技高网...【技术保护点】
1.一种数据驱动的路面剩余寿命预测方法，其特征在于，步骤如下：
2.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤S1中，采集待预测路面至少三个月的历史路面数据。
3.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤S1中，所述累积通行车辆质量的获取方式具体是：
4.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤S2中，所述路面类型包括沥青路面和水泥混凝土路面。
5.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤S2中，所述映射关系基于卷积神经网络建立。
6.一种数据驱动的路面剩余寿命预测系统，其特征在于，应用该系统实现如权利要求1-5任意一项所述的路面剩余寿命预测方法，所述系统包括数据采集单元、数据传输单元、数据处理单元和数据库；
7.根据权利要求6所述的路面剩余寿命预测系统，其特征在于，所述原始数据包括路面图像，所述数据处理单元通过解析路面图像获取累积通行车辆质量。
8.根据权利要求7所述的路面剩余寿命预测系统，其特征在于，所述路面图像通过
9.根据权利要求7所述的路面剩余寿命预测系统，其特征在于，所述数据传输单元以30分钟一次的频率传输路面的累积通行车辆质量至数据库中存储。
10.根据权利要求6所述的路面剩余寿命预测系统，其特征在于，所述原始数据还包括天气信息，所述数据处理单元通过解析天气信息获取历史天气数据和当日天气数据。
...【技术特征摘要】
1.一种数据驱动的路面剩余寿命预测方法，其特征在于，步骤如下：
2.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤s1中，采集待预测路面至少三个月的历史路面数据。
3.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤s1中，所述累积通行车辆质量的获取方式具体是：
4.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤s2中，所述路面类型包括沥青路面和水泥混凝土路面。
5.根据权利要求1所述的路面剩余寿命预测方法，其特征在于，在步骤s2中，所述映射关系基于卷积神经网络建立。
6.一种数据驱动的路面剩余寿命预测系统，其特征在于，应用该系统实现如权利要求1-5任意一...
【专利技术属性】
技术研发人员：张江河，刘彩红，谢鸿，梁晓东，张敏，黄琴，肖骏文，谢文文，何亨武，金鑫，高赛，
申请(专利权)人：湖南联智科技股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。