CN106840049A - 基于内置三轴加速传感器智能手机的路面质量评级方法 - Google Patents

Abstract

本发明提供了一种基于内置三轴加速传感器智能手机的路面质量评级方法，利用手机中的三轴加速传感器进行车辆振动数据的检测，并由该数据计算垂直方向加速度均方根以及基于速度修正的标准化加速度均方根，建立顺序logistics回归模型进行路面质量等级划分与误差评估，得出路面质量等级评定结果。本发明利用便携的手机监测方法在大部分的道路范围内取代了传统的路面检测方法，可以用来进行路网普查，迅速得出各路段的质量等级，选取质量等级差的路段进行针对性的平整度测量，这样可以解决目前激光平整度检测费用昂贵和工作量大的问题。

Description

基于内置三轴加速传感器智能手机的路面质量评级方法

技术领域

本发明涉及一种路面平整度测试方法，具体涉及一种基于内置三轴加速传感器智能手机的路面质量评级方法。

背景技术

国际平整度指数(International Roughness Index)是评价路面性能方面应用最广泛的指标之一。1982年Sayers等在世界银行资助下在巴西等国家进行了路面平整度试验，并在此基础上提出了IRI。IRI是综合了断面类与动态类平整度测定方法的优点而得到的一个评价指标。该指标以四分之一车模型为基础，测试车辆以80km/h的速度行驶在路面上，在行驶距离内由动态反应悬挂系统的累积竖向位移量作为IRI值。由于IRI具有稳定性、有效性、可转移性等优点，因此，许多国家均采用该参数作为路面平整度验收指标。现有路面质量评价方法主要是建立路面高程与IRI之间的关系，测量设备多为激光式平整度仪，这些设备大都耗时费力、操作复杂，使用和养护成本高，不利于定时性的，大范围的检测路面平整度情况，从而不能及时的给路面养护和管理部门提供参考性意见。

发明内容

发明目的：本发明的目的在于针对现有技术的不足，提供一种基于内置三轴加速传感器智能手机的路面质量评级方法，通过智能手机的三轴加速传感器可以迅速检测出路面平整度质量为优和中等的路面，从而能让激光平整度仪有针对的去检测路面质量等级为差的路面，这样既缩减了激光平整度仪测量路面平整度的工作量，也缩减了路面平整度检测的费用。

技术方案：本发明提供了一种基于内置三轴加速传感器智能手机的路面质量评级方法，包括以下步骤：

(1)选定检测路段，确定检测车型、检测车速及采样频率；

(2)将手机垂直放置于前仪表盘面板上，手机底部与面板接触，车辆行驶整个检测路段；

(3)对检测路段进行单元划分，每个单元段进行编码，将手机内三轴加速度传感器采集的数据与单元段一一对应；

(4)提取手机中三轴加速传感器采集的垂直方向加速度，计算研究单元内标准化的垂直方向加速度均方根；

式中，a_Z,RMS为所研究单元的垂直方向加速度均方根，N_a为所研究单元内加速度记录个数，a_Z,n为所研究单元中第n个垂直方向加速度，g为重力加速度；

(5)计算速度修正的标准化加速度均方根；

NRMS＝(80/v)^wa_Z,RMS,(w＝(m-1)/2)

式中：v为车辆速度，w为调整参数，m为功率谱密度值PSD指数；

(6)建立logistics回归模型进行路面质量等级划分并对其进行误差评估，对于第i个路面单元，定义：

式中，IRI为国际平整度指数，IRI₀为分级界限值，假设p_i为单元i中IRI≥IRI₀的概率，单元段IRI值是否大于IRI₀的观测值Y_i服从伯努利分布Y_i～B(p_i)；

在此基础上进行多项分类，形成多分应变量logistics回归模型，应变量分类是连续变化的，利用顺序logistics回归模型，满足下面关系式：

X＝NRMS

式中，α和β为回归系数，应变量Y的取值根据不同路面质量等级所对应的IRI确定，p_(≤1)i表示Y≤1且Y取整的概率，以此类推；上述模型鉴于各路段的标准化加速度均方根NRMS的值来预测路面被分到某个等级的概率；

用p_i的均方误差来评价预测误差：

各个路面质量等级所对应的标准化加速度均方根阈值由下式得出：

(7)通过受试者工作特征曲线来评估模型的表现；

(8)根据现有的各路面质量等级所对应的IRI₀，得出各等级的NRMS₀，将测量计算得到的NRMS对应到各等级中，进行道路质量快速评级。

进一步，步骤(5)中调整参数w通过基于logistics回归的三倍交叉验证来确定，将三轴加速传感器采集的所有数据分为三份，一份用来验证，两份用来训练，用训练数据来计算预测误差，一共重复三次验证，三次预测误差得到单一估计，对每个可能值重复这一过程，得到测试误差曲线，从而可以得到使误差最小的调整参数w。

有益效果：本发明通过内置三轴加速度传感器的智能手机采集车辆在路面行驶时振动数据，得出表征路面状况的参数NRMS，利用统计学方法来验证参数的准确性；便携的手机监测方法在大部分的道路范围内取代了传统的路面检测方法，使得农村道路路面监测这一难题得到了解决，可以使用低廉的成本监测庞大的农村路网，辅以众包思维，广大出行群众能在出行时配合使用，那么农村的路网状况将会得到实时的监控。

附图说明

图1为本发明路面质量评级方法的流程图。

具体实施方式

下面对本发明技术方案进行详细说明，但是本发明的保护范围不局限于所述实施例。

实施例：如图1所示，一种基于内置三轴加速传感器智能手机的路面质量评级方法，选定检测路段，长度为7km，双向采集总长为14km。采用公路局常规检测车，检测车速不小于30km/h及其采样频率为100Hz。所用手机为Android智能手机三星Note4。

本实施例选用车型为大众Passat行驶在检测路段上，手机垂直放置于前仪表盘面板上，为了手机传感器能充分体现出车辆的振动，手机底部与面板接触，从起始桩号行驶至结束桩号。

对检测路段划分单元理，以100m为最小单元段，将每个单元段进行编码，使之在地图上能唯一标识，通过GPS获取手机中三轴加速度传感器采集的数据，将手机采集的每个单元段的三轴加速度传感器的数据与单元段一一对应；

将采集的垂直方向加速度通过GPS传输到服务器，用以计算各研究单元内标准化的垂直方向加速度均方根：

式中，a_Z,RMS为所研究单元的垂直方向加速度均方根(手机垂直放置，有校准界面)，N_a为所研究单元内加速度记录个数，a_Z,n为所研究单元中第n个垂直方向加速度，g为重力加速度。

参照四分之一车模型，测量IRI值时的速度为80km/h，车辆的振动强度指数vib，国际平整度指数IRI和车辆速度满足以下关系：

式中：vib为车辆的振动强度指数，v为车辆速度，m为功率谱密度值PSD指数。上式中IRI可以理解为表征路面状况的系数，我们可以用加速度均方根NRMS来代替，竖向加速度a_Z,RMS可以用来表征车辆振动情况，所以通过类比，得出速度修正的加速度均方根为：

NRMS＝(80/v)^wa_Z,RMS,(w＝(m-1)/2)

w为调整参数，上面的w通过基于logistics回归的三倍交叉验证来确定，将从起点至终点采集的垂直方向加速度数据分为3份，一份用来验证，即行驶4km的传感器数据，两份用来训练，即行驶10km的传感器数据。用训练数据来计算预测误差，一共重复3次验证，3次预测误差可以得到一个单一估计，对每个可能值重复这一过程，得到测试误差曲线，从而可以得到使MSE最小的调整参数w。

对路面质量进行分级的logistics回归模型建立如下，对于第i个路面单元，定义：

式中IRI₀为分级界限值，假设p_i为单元i中IRI≥IRI₀的概率，单元段IRI值是否大于IRI₀的观测值Y_i服从伯努利分布Y_i～B(p_i)。以上是二分应变量logistics回归模型，在此基础之上我们可以根据分类的需求，进行多项分类，从而形成多分应变量logistics回归模型，应变量分类如果是连续变化的，就用到了顺序logistics回归模型，满足下面关系式：

X＝NRMS

式中，p_(≤1)i表示Y≤1且Y取整的概率，即Y取1的概率，p_(≤2)i表示Y取1、2的概率，p_(≤3)i表示Y取1、2、3的概率，p_(≤4)i表示Y取1、2、3、4的概率；应变量Y的取值为：

评价等级	IRI(m/km)	Y
			优	＜4.9	1
良	≥4.9，＜6.7	2
			中	≥6.7，＜7.9	3
次	≥7.9，＜8.8	4
			差	≥8.8	5

式中α和β为回归系数，这个模型将会鉴于各路段的加速度均方根NRMS的值来估计路面被分到某个等级的概率。一个单元只要它的概率值p_i大于预定义的阈值p₀(p₀默认值0.5)，将会被预测到一个等级中。p_i的均方误差可以用来评价预测误差：

一旦logistics回归模型建立好，各个路面质量等级对应的标准化的加速度均方根的边界值可以由以下式子计算出：

模型的表现将通过受试者工作特征曲线(ROC曲线)来评估，它将评估模型的敏感性和特殊性，本次研究里，敏感性是正确预测大于或者等于IRI₀的概率，特殊性是正确预测小于IRI₀的概率。两个指数都与p₀有关，ROC曲线一个对于所有可能的阈值p₀的灵敏度与假阳性率的图，模型的预测性能可以通过曲线下的面积(AUC)来衡量，其中较高的AUC值表示较好的预测能力。完美的预测方法将产生最大的AUC，值为1.完全随机的猜测将导致AUC为0.5。

参照下表江苏省农村公路技术状况评定标准，根据各路面各质量等级优、良、中、次、差所对应的IRI₀，得出各等级的分界值NRMS₀，根据测量的垂直方向加速度及速度修正的垂直方向加速度均方根NRMS，对应到各个等级的范围中,从而达到道路质量状况快速评级的目的。

表1 江苏省农村公路技术状况评定标准

Claims (2)

1.一种基于内置三轴加速传感器智能手机的路面质量评级方法，其特征在于：包括以下步骤：

(1)选定检测路段，确定检测车型、检测车速及采样频率；

(2)将手机垂直放置于前仪表盘面板上，手机底部与面板接触，车辆行驶整个检测路段；

(3)对检测路段进行单元划分，每个单元段进行编码，将手机内三轴加速度传感器采集的数据与单元段一一对应；

(4)提取手机中三轴加速传感器采集的垂直方向加速度，计算研究单元内标准化的垂直方向加速度均方根；

$a_{Z,RMS}=\sqrt{\frac{1}{N_a}{\Σ}_{n=1}^{N_a}{(a_{Z,n}-g)}^2}$

式中，a_Z,RMS为所研究单元的垂直方向加速度均方根，N_a为所研究单元内加速度记录个数，a_Z,n为所研究单元中第n个垂直方向加速度，g为重力加速度；

(5)计算速度修正的标准化加速度均方根；

NRMS＝(80/v)^wa_Z,RMS,(w＝(m-1)/2)

式中：v为车辆速度，w为调整参数，m为功率谱密度值PSD指数；

(6)建立logistics回归模型进行路面质量等级划分并对其进行误差评估，对于第i个路面单元，定义：

式中，IRI为国际平整度指数，IRI₀为分级界限值，假设p_i为单元i中IRI≥IRI₀的概率，单元段IRI值是否大于IRI₀的观测值Y_i服从伯努利分布Y_i～B(p_i)；

在此基础上进行多项分类，形成多分应变量logistics回归模型，应变量分类是连续变化的，利用顺序logistics回归模型，满足下面关系式：

$\left[\begin{array}{c}\log it\left(P\right(Y\≤1|X\left)\right)=\log \left(\frac{p_{(\≤1)i}}{1-p_{(\≤1)i}}\right)\\ \log it\left(P\right(Y\≤2|X\left)\right)=\log \left(\frac{p_{(\≤2)i}}{1-p_{(\≤2)i}}\right)\\ \log it\left(P\right(Y\≤3|X\left)\right)=\log \left(\frac{p_{(\≤3)i}}{1-p_{(\≤3)i}}\right)\\ \log it\left(P\right(Y\≤4|X\left)\right)=\log \left(\frac{p_{(\≤4)i}}{1-p_{(\≤4)i}}\right)\end{array}\right]=\mathrm{\α}+\mathrm{\β}*NRMS$

X＝NRMS

式中，α和β为回归系数，应变量Y的取值根据不同路面质量等级所对应的IRI确定，p_(≤1)i表示Y≤1且Y取整的概率，以此类推；上述模型鉴于各路段的标准化加速度均方根NRMS的值来预测路面被分到某个等级的概率；

用p_i的均方误差来评价预测误差：

$MSE=\frac{1}{N}\underset{i=1}{\overset{N}{\Σ}}{(p_i-Y_i)}^2$

各个路面质量等级所对应的标准化加速度均方根阈值由下式得出：

${\mathrm{NRMS}}_0=\frac{1}{\mathrm{\β}}\left(log\right(\frac{p_0}{1-p_0})-\mathrm{\α})$

(7)通过受试者工作特征曲线来评估模型的表现；

(8)根据现有的各路面质量等级所对应的IRI₀，得出各等级的NRMS₀，将测量计算得到的NRMS对应到各等级中，进行道路质量快速评级。

2.根据权利要求1所述的基于内置三轴加速传感器智能手机的路面质量评级方法，其特征在于：步骤(5)中调整参数w通过基于logistics回归的三倍交叉验证来确定，将三轴加速传感器采集的所有数据分为三份，一份用来验证，两份用来训练，用训练数据来计算预测误差，一共重复三次验证，三次预测误差得到单一估计，对每个可能值重复这一过程，得到测试误差曲线，从而可以得到使误差最小的调整参数w。