System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind()
【技术实现步骤摘要】
本专利技术涉及道路检测,具体来说是一种面向道路运检一体化的巡检方法及系统。
技术介绍
1、随着我国交通网络的持续优化,交通基础设施的建设策略已由单一的建设阶段,逐步转向建设与养护并行的新模式。在这一转变中,道路检测作为道路养护的关键环节,其重要性日益凸显。面对日益增长的交通流量,道路损害的频率随之升高。因此,能够及时且准确地掌握道路的实时技术状况,对于道路管理部门来说至关重要,这不仅有助于他们快速响应,采取必要的维护和修复措施,防止损害的扩散,还能有效提升道路的行驶舒适度和延长其使用寿命。
2、当前,道路检测主要通过两种方式进行:专业检测车辆和人工巡查。专业检测车辆装备了先进的高精度传感器,能够定期收集道路状况的详细数据。尽管这种方法可以快速获得结构化的道路信息,但其高昂的成本、对设备精度的高要求以及对专业操作人员的依赖,都导致了检测的经济负担。此外,由于检测频率和周期的限制,这种方法难以满足我国不同等级道路的日常运维需求。
3、另一方面,人工巡查依赖于专业人员的现场检查来记录道路的损坏情况。这种方法虽然能够提供直观的损坏信息,但其效率较低,覆盖范围有限,且数据的准确性、真实性和完整性常常受到质疑,这在一定程度上限制了道路养护工作的精细化和系统化。
技术实现思路
1、本专利技术的目的在于克服现有技术的不足,提供一种面向道路运检一体化的巡检方法及系统,用以降低对于检测额外的劳动力和成本,大幅度提高检测频次的同时,进一步的提升检测的精度。
2、为了实
3、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述巡检方法用于道路表观病害调查、道路平整度检测、道路覆盖物检测或道路附属设施盘点与评定。
4、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述浮动车为公交车、出租车、网约车或物流车。
5、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述步骤s1包括传感器采集到的数据、采集时间和实时位置信息。
6、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述步骤s2中所述车载数据终端,用于对采集到的数据进行预处理以及历史数据储存,数据预处理包括数据清洗、时空配准,视频图像数据的自动识别,所述数据中心用于对采集到的数据进行存储、管理、分析和发布。
7、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述步骤s3中的融合处理,包括同车传感器的数据融合以及不同车传感器的时空融合、道路状况评价指标计算、检测结果的精度提升、检测数据的时空关联。
8、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述步骤s3中道路状况的评价指标计算,包括:a.针对道路表观病害调查,通过传感器获取到的道路路面图像数据,采用深度学习模型对病害的类型、尺寸、位置进行识别,采用的算法包括yolo系列模型、faster r-cnn模型、mask r-cnn模型,在获取到上述病害信息后,根据《公路技术状况评定标准》(jtg5210)或《城镇道路养护技术规范》(cjj36)计算道路技状况评价指标pci;b.针对道路平整度检测,根据传感器获得的车辆振动响应、竖向加速度、路面表面高程信息,采用平整度解析算法计算道路技术状况指标iri、rqi;c.针对路面覆盖物检测,根据传感器获得的覆盖物类型、厚度信息,采用路面摩擦系数解析算法计算道路技术状况指标摩擦系数;d.针对道路附属设施盘点与评定,通过传感器获取到的道路附属设施图像数据,采用深度学习模型对附属设施的类型、位置、损坏类型进行识别,采用的算法包括yolo系列模型、faster r-cnn模型、mask r-cnn模型。
9、本专利技术提供的面向道路运检一体化的巡检方法,还有其他技术特征,其中所述步骤s3中贝叶斯融合算法其计算步骤为:s4.1. 定义问题和符号;s4.1.1.输入数据:x:不同车次的识别结果,记为x1,x2,…,xn,每个识别结果包含病害的数量和类型组合,记作xi={(数量i,类型i)};s4.1.2.假设:正确的病害识别结果h,即包括正确的病害数量和类型组合;s4.2计算似然函数p(xi∣h);s4.2.1.假设:根据病害识别算法的计算结果,确定算法识别的准确率 β,在此将算法识别正确定义为识别出的病害数量与病害类型均准确,若数量或类型存在一项错误,即为识别错误。由此可以得到每辆车正确识别的概率为 β,错误识别的概率为(1- β);s4.2.2.似然函数:对于假设hj(假设的病害组合),第 i辆车的识别结果 x i的似然设定为: ;s4.3.设定先验概率p(hj):在没有其他信息时,初始假设所有可能的病害数量和类型组合的先验概率相等,即: ,其中m为所有可能的病害组合数量;如果有其他先验知识(例如某些病害组合更常见),根据这些知识调整先验概率;s4.4.算后验概率p(hj∣x):对于每一个可能的病害组合hj,其后验概率为:,其中总似然函数,其中 x为所有车次识别结果的集合, x={ x1, x2,…, x n},后验概率为: ,其中,k为遍历所有可能的病害组合;s4.5.选择最大后验概率的假设:最终选择后验本文档来自技高网...
【技术保护点】
1.一种面向道路运检一体化的巡检方法,其特征在于所述方法步骤如下:
2.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述巡检方法用于道路表观病害调查、道路平整度检测、道路覆盖物检测或道路附属设施盘点与评定。
3.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述浮动车为公交车、出租车、网约车或物流车。
4.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤S1包括传感器采集到的数据、采集时间和实时位置信息。
5.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤S2中所述车载数据终端,用于对采集到的数据进行预处理以及历史数据储存,数据预处理包括数据清洗、时空配准,视频图像数据的自动识别,所述数据中心用于对采集到的数据进行存储、管理、分析和发布。
6.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤S3中的融合处理,包括同车传感器的数据融合以及不同车传感器的时空融合、道路状况评价指标计算、检测结果的精度提升、检测数据的时空关联。
7.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤S3中道路状况及其评价指标计算,包括:
8.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于,所述步骤S3中贝叶斯融合算法其计算步骤为:
9.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤S4的养护维修方案中,根据浮动车获取的道路全寿命周期技术状况数据,通过机器学习、深度学习分析算法,做出道路养护决策,所采用的分析算法包括决策树、支持向量机、多层感知机、强化学习。
10.一种采用如权利要求1-9任一所述巡检方法的面向道路运检一体化的巡检系统,其特征在于包括:
...【技术特征摘要】
1.一种面向道路运检一体化的巡检方法,其特征在于所述方法步骤如下:
2.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述巡检方法用于道路表观病害调查、道路平整度检测、道路覆盖物检测或道路附属设施盘点与评定。
3.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述浮动车为公交车、出租车、网约车或物流车。
4.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤s1包括传感器采集到的数据、采集时间和实时位置信息。
5.如权利要求1所述的一种面向道路运检一体化的巡检方法,其特征在于所述步骤s2中所述车载数据终端,用于对采集到的数据进行预处理以及历史数据储存,数据预处理包括数据清洗、时空配准,视频图像数据的自动识别,所述数据中心用于对采集到的数据进行存储、管理、分析和发布。
6.如权利要求1所述的...
【专利技术属性】
技术研发人员:赵荣欣,蔡爵威,邢云,吴华勇,周子杰,李博,
申请(专利权)人:上海市建筑科学研究院有限公司,
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。