CN108664715B - 一种路面积水车辙三维评价与行车安全分析方法 - Google Patents
一种路面积水车辙三维评价与行车安全分析方法 Download PDFInfo
- Publication number
- CN108664715B CN108664715B CN201810387056.5A CN201810387056A CN108664715B CN 108664715 B CN108664715 B CN 108664715B CN 201810387056 A CN201810387056 A CN 201810387056A CN 108664715 B CN108664715 B CN 108664715B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- road surface
- area
- section
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
- G06V20/00—Scenes; Scene-specific elements
- G06V20/50—Context or environment of the image
- G06V20/56—Context or environment of the image exterior to a vehicle by using sensors mounted on the vehicle
-
- G—PHYSICS
- G08—SIGNALLING
- G08G—TRAFFIC CONTROL SYSTEMS
- G08G1/00—Traffic control systems for road vehicles
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Multimedia (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Road Repair (AREA)
Abstract
本发明公开了一种路面积水车辙三维评价与行车安全分析方法,首先使用高精度的路面三维激光点云数据,保证了行车安全评价的精确性;其次,在三维重构的基础上可以得到连续的车辙断面,根据降水情况将道路划分为干燥和积水两部分,将积水区域划分为若干区域,由每个区域的平均积水深度计算每个区域的附着系数;最后利用Carsim软件构建整车模型,并将路段车辙数据导入Carsim软件,设置不同区域的附着系数进行不同速度下的仿真试验,最后根据车辆侧向偏移量和横摆角进行车辆行驶安全性分析评价。
Description
技术领域
本发明属于道路使用性能检测及评价领域,具体涉及一种路面积水车辙三维评价与行车安全分析方法。
背景技术
沥青路面在交通荷载和自然因素作用下常出现车辙病害,而路面车辙的存在严重影响了公路的使用寿命和服务质量,构成了交通运输的安全隐患。车辙是沥青路面上由车辆荷载引起的纵向持久下凹形变,是影响路面结构完整性和行车安全的一种主要病害。它的存在降低了驾驶舒适性和安全性,更大的危险在于当车辙内产生积水时,轮胎无法及时排出积水而发生水漂。此外,横向非均匀积水车辙会使得道路表面的附着系数呈现横向不均匀分布,导致车辆左右轮胎受力不均发生车辆偏移,而这是一种更危险的行驶状况。因此,准确描述车辆驶入积水车辙路段后的积水深度分布的关系,可为车辙严重程度评价与养护维修标准确定提供参考。
目前考虑车辙积水的安全分析集中于最大车辙深度,通常采用直尺法或包络线法确定车辙深度,而忽略了车辙的形态对积水与行车带来的影响。由于车辙积水深度不容易量测,目前仍采用最大深度即干燥车辙深度作为“车辙积水深度”来做保守养护,所以,现阶段对积水车辙的安全分析也仅采用了最大车辙深度。此外,在轮胎-积水模型构建中,将积水车辙断面假设为矩形,简化了车辙断面的曲线形态,这样的假设将高估车辙断面积水面积。而且,现阶段对于车辆在积水车辙路面的行车安全性评价均未考虑整车发生水漂时的状态,而是假设四个车轮中有一个发生水漂即面临危险的状态,这样的假设同样高估了风险。
以上对于积水车辙路面的简化分析,一定程度上是因为路面数据采集的不高效、不精确导致的,使研究员很难对真实的路面情况下的行车安全性分析与评价。
发明内容
本发明的目的在于克服现阶段积水车辙路面行车安全性评价的上述不足,结合三维激光检测技术与车辆动力学软件,提供一种路面积水车辙三维评价与行车安全分析方法,本发明能够快捷、精确、高效的对积水车辙道路的车辆行驶安全性进行评价。
为达到上述目的,本发明采用如下技术方案:
一种路面积水车辙三维评价与行车安全分析方法,包括以下步骤:
步骤一:调试三维激光检测车。三维激光检测车主要包括三维激光器、距离测量仪以及相关操作系统配套的硬件设备。首先在测试路段进行设备调试、标定,结合检测环境对设备参数进行调整。
步骤二:三维激光检测车检测。对测试路段进行编号,同时对检测环境,例如光照降雨等进行记录,使用三维激光检测车对不同的车辙路段进行测量,对不同路段不同车道的检测数据进行分类编号储存,检测数据包括激光点云数据和坐标,以及图像,其中激光点云数据缺失率应低于5%。
步骤三:数据处理。导出储存的数据,对每个编号的车辙段的路面三维激光点云数据进行预处理,删除或替换掉缺失点与突变点,再进行平滑处理。
步骤四:车辙断面划分与横断面绘制。基于重构的测试路段的道路,沿行车方向将车辙路段等距划分为不同的车辙断面,并绘制车辙横断面图。
步骤五:干湿区域划分与附着系数计算。结合积水情况对车辙横断面上的干燥积水区域进行划分,将积水区域进行细分并分别计算每个区域的附着系数。
步骤六:Carsim整车模型构建与道路信息输入。利用Carsim软件构建整车模型,并将测试路段的车辙横断面高程数据(激光点云数据经过处理后的)导入Carsim软件,并设置不同区域的附着系数。
步骤七:仿真试验与试验路段的安全性评价分析。进行仿真试验,输出车辆行驶指标,根据车辆行驶指标进行车辆行驶安全性评价。
所述步骤三中,剔除异常点与突变点的方法为四点法,具体为:取高程数据异常值及缺失点数据上下左右四个临界点的有效值求平均值,如下式所示:
式中:At、Ab、Al、Ar分别为异常值或缺失点相邻上、下、左、右的四点的值,α1、α2分别为纵向和横向与数据点间距相关的修正系数,当所取四个点中包含有异常值或缺失点时则向该方向延伸到下一点取值,以此类推。
进一步地,由于沥青路表面上沥青混合料颗粒的影响,应用三维激光检测系统检测到的车辙横断面往往呈现波纹状形态,所以为了消除道路纹理对检测断面指标提取的影响,本发明选取了最为常用的移动平均法来对三维激光检测的车辙横断面数据进行平滑处理。
其中,z[]是输入数据,z'[]是过滤后的输出数据,m是过滤窗口的大小。
进一步地,得到处理后的三维点云数据后,通过MATLAB可以进行路面车辙重构。
所述步骤五中,干燥区域即非积水区域并非完全干燥而是积水深度为0的潮湿路面,在本发明中由于该区域高程变化对附着系数地变化可以忽略不计,所以为了区别积水区域,将积水深度为0的潮湿路面视为干燥区域并设置统一的附着系数。
所述步骤五中,在车辙横断面图上,首先根据特定的降雨情况分为积水与干燥(非积水)区域,结合测试路面特征选定路面干燥区域的附着系数,将每一个车辙的积水区域分为宽度为10cm的若干区域,根据每个区域的积水平均深度来计算每个区域车辆的动态附着系数,公式如下:
f–0.1921=-0.01106(h–5)V=80km/h (3)
f–0.0800=-0.00574(h–5)V=100km/h (4)
f–0.0502=-0.00398(h–5)V=120km/h (5)
式中:f为路面与轮胎间的附着系数;
h为车辙积水深度(mm);
V为车辆的行驶速度(km/h)。
所述步骤七中,采用车辆横向滑移量来评价车辆的侧滑状态,以及采用横摆角来评价车辆制动时的横向稳定性,通过对车辆的横向侧滑与横摆角的变化状态分析来评价沥青路面积水车辙对行车的安全性影响。
与现有技术相比,本发明具有以下有益的技术效果:
使用本发明提出的一种沥青路面积水车辙对行车安全性的评价方法,首先使用高精度的路面三维激光点云数据,保证了行车安全评价的精确性;其次,在三维重构的基础上可以得到连续的车辙断面,根据降水情况将道路划分为干燥和积水两部分,将积水区域划分为若干个宽度为10cm的区域,由每个区域的平均积水深度计算每个区域的附着系数;最后利用Carsim软件构建整车模型,并将路段车辙数据导入Carsim软件,设置不同区域的附着系数进行不同速度下的仿真试验,最后根据车辆侧向偏移量和横摆角进行车辆行驶安全性分析评价。
本发明的评价结果可以在沥青车辙路面上对不同车型以不同车速在不同降雨情况下的行驶安全性进行评价分析,分析结果不仅可以对驾驶员提供警,并且,根据车辆的不同行驶状态所导致的不同危险情况可以有针对性的进行驾驶行为建议,有助于避免事故发生。
另外,根据本发明得到的行驶安全评价结果,再结合道路具体的交通情况可以对道路进行安全等级划分及排序,对不同安全等级的道路提出不同的养护方案,有助于进行合理的养护资金分配,提高道路系统的运营效率,并可以节约大量人力物力财力。
附图说明
图1为本发明的方法流程图;
图2为四点法求平均值替代异常值或0值的示意图与所用的四点选择方式的说明,其中,dz为纵向相邻数据点间的间距,dh为横向相邻数据点间的间距,A为异常值,Al,Ar,At,Ab分别代表异常值左、右、上、下相邻的数据;
图3为试验路段1号车辙路段最大车辙深度断面去除异常点和缺失点的横断面图;
图4为试验路段1号车辙路段最大车辙深度断面经过移动平均法滤波后的横断面与未经滤波的横断面的对比图;
图5试验路段1号车辙路段车辙三维重构模型,不同颜色表示不同深度;
图6为车辙连续断面,其中每个横断面的间隔为100mm;
图7为干燥与积水区域划分与附着系数的划分,本发明的实例计算中,通过100mm的单位将最大车辙深度所在横断面的两个积水区域各划分为5个深度不同的区域,f3、f4、f5为干燥区域附着系数,f1与f2为积水区域的附着系数,其中f1与f2分别包含五个大小不同的附着系数;
图8为Carsim软件构建的整车模型。
图9为Carsim软件路面信息输入,所示界面为路面添加车辙数据的过程;
图10为划分积水区域后的车辆直行遇积水侧向滑移模型,其中道路参数如图中所示;
图11为横摆角示意图;
图12为试验路段1号车辙路段仿真试验的横向偏移量随车辆行驶距离变化的结果,其中带方格的曲线为车辆的行驶路线,深色实线为横向偏移量的危险阈值1.025m,曲线与该直线相交处是本次仿真试验出现危险的位置;
图13为试验路段1号车辙路段仿真试验的横向偏移量随车辆行驶距离变化的结果,其中灰色曲线为车辆的行驶路线,带圆圈的箭头偏角表示该位置处的车辆横摆角摆角,灰色圆圈表示此处的车辆横摆角已大于30°,车辆处于危险状态。
具体实施方式
下面结合附图对本发明作进一步详细描述:
参见图1,一种路面积水车辙三维评价与行车安全分析方法,包括以下步骤:
第一步:调试三维激光检测车
选择基准路面,执行平面校准。所测基准路面被视为基准平面,高程为0,并结合检测环境对设备参数进行调整。
第二步:三维激光检测车检测
对测试路段进行编号,同时对检测环境进行记录,以5mm的激光纵向间距测取路面的位置坐标及高程数据并保存,对不同路段不同车道的检测数据进行分类编号储存,其中激光点云数据缺失率应低于5%。
第三步:数据处理
1、使用四点平均法对异常值及缺失点数据进行修复。
四点平均法:取该点上下左右四个临界点的有效值求平均值,
式中:At、Ab、Al、Ar分别为异常点或缺失点相邻上、下、左、右的四点的值
α1、α2分别为纵向和横向与数据点间距相关的修正系数
注:当所取四个点中包含有异常点或缺失点时则向该方向延伸到下一点取值,以此类推。
2、移动平均法数据平滑处理
移动平均法的过滤窗口尺寸越大,平滑后的表面更光滑。本文使用尺寸为50mm的过滤窗口对断面进行平滑。
其中,z[]是输入数据,z'[]是过滤后的输出数据,m是过滤窗口的大小。
3、在MATLAB中进行路面车辙三维重构。
第四步,基于测试路段的道路三维重构模型,将车辙路段等距划分为不同的车辙断面,并绘制车辙横断面图。
第五步,在车辙横断面图上,首先根据特定的降雨情况分为积水与干燥(非积水)区域,干燥区域即非积水区域并非完全干燥而是积水深度为0的潮湿路面,在本发明中由于该区域高程变化对附着系数地变化可以忽略不计,所以为了区别积水区域,将积水深度为0的潮湿路面视为干燥区域并结合测试路面特征选定路面干燥区域的附着系数,以10cm为单位将积水区域划分为若干区域,根据每个区域的积水平均深度来计算每个区域车辆的动态附着系数,公式如下:
f–0.1921=-0.01106(h–5)V=80km/h (3)
f–0.0800=-0.00574(h–5)V=100km/h (4)
f–0.0502=-0.00398(h–5)V=120km/h (5)
式中:f为路面与轮胎间的附着系数;
h为车辙积水深度(mm);
V为车辆的行驶速度(km/h)。
第六步,利用Carsim构建整车模型,将测试路段的车辙数据导入Carsim软件,并设置不同区域的附着系数。
第七步,进行仿真试验,采用车辆横向滑移量来评价车辆的侧滑分析,以及采用横摆角来评价车辆制动时的横向稳定性,通过对车辆的横向侧滑与横向稳定性的分析来评价沥青路面积水车辙对行车的安全性影响。
本发明采用的三维线激光检测技术因其高速度、高精度、高解析率地构建路表三维形貌特征的能力而可以为真实情况下的积水车辙路面的行车安全性评价奠定基础。
下面结合具体实施例对本发明做详细描述:
如图1所示,本发明一种路面积水车辙三维评价与行车安全分析方法,包括以下步骤:
1、调试三维激光检测车
选择基准路面,执行平面校准。所测基准路面被视为基准平面,高程为0,并结合检测环境对设备参数进行调整,试验当天为阴天,光照强度不高,无降水,所以调节三维激光检测设备的曝光值为2000HZ,设置检测宽度为2m,扫描线各激光点间距为5mm,使检测设备能够完整、快速、准确地获取车辙路面的三维激光点云数据。
2、三维激光检测车检测
对测试路段进行编号,每个车辙路段通过编号划分,选择其中的1号车辙路段用本方法进行评价,同时记录监测环境与设备参数便于后期进行数据分析,以5mm的激光纵向间距测取路面的位置坐标及高程数据并保存,对不同路段不同车道的检测数据进行分类编号储存,其中激光点云数据缺失率低于5%,故检测结果可以用于进行1号车辙路段的安全性评价。
3、数据处理
1).使用四点平均法对异常值及缺失点数据进行修复。
四点平均法:取该点上下左右四个临界点的有效值求平均值,
式中:At、Ab、Al、Ar分别为异常点或缺失点相邻上、下、左、右的四点的值
α1、α2分别为纵向和横向与数据点间距相关的修正系数
注:当所取四个点中包含有异常点或缺失点时则向该方向延伸到下一点取值,以此类推。去除异常点与缺失点的车辙最大深度所在断面如图3所示。
2).移动平均法数据平滑处理
移动平均法的过滤窗口尺寸越大,平滑后的表面更光滑。本发明使用尺寸为50mm的过滤窗口对断面进行平滑。
其中,z[]是输入数据,z'[]是过滤后的输出数据,m是过滤窗口的大小。滤波平滑后的车辙断面如图4所示。
3).在MATLAB中进行路面车辙三维重构。
经过数据的筛选与处理,1号车辙试验段的车辙三维重构模型如图5所示,颜色的深浅表示深度的不同。
4、车辙断面划分与横断面绘制
基于1号测试路段的道路三维重构模型,以10cm为单位将车辙路段划分为不同的车辙断面,如图6所示,并绘制车辙横断面图,其中最大深度所在车辙断面图如图4所示。
5、干湿区域划分与附着系数计算
1).在车辙横断面图上,首先结合试验道路所在区域的夏季降雨量,模拟将降雨况下的道路车辙的积水情况,从而将分为积水与干燥(非积水)区域,如图7所示,干燥区域即非积水区域并非完全干燥而是积水深度为0的潮湿路面,在本发明中由于该区域高程变化对附着系数地变化可以忽略不计,所以为了区别积水区域,将积水深度为0的潮湿路面视为干燥区域并根据表1,结合测试路面特征选定路面干燥区域的附着系数为0.63。
表1典型路面附着系数表
2).对于1号车辙实验路段的非干燥区域,以10cm为单位将两个车辙积水区域分别划分为5个区域,根据每个区域的积水平均深度来计算每个区域车辆的动态附着系数,平均积水深度如表2所示,附着系数公式如下:
f–0.1921=-0.01106(h–5)V=80km/h (3)
f–0.0800=-0.00574(h–5)V=100km/h (4)
f–0.0502=-0.00398(h–5)V=120km/h (5)
式中:f为路面与轮胎间的附着系数;
h为车辙积水深度(mm);
V为车辆的行驶速度(km/h)
本例中采用120km/h的速度进行安全性分析,表2为120km/h时不同区域的附着系数计算结果。
表2积水区域附着系数表
6、Carsim整车模型构建与道路信息输入
利用Carsim构建整车模型,如图8所示。并将测试路段的车辙数据导入Carsim软件,如图10所示。并设置不同区域的附着系数。仿真试验示意图与道路参数设置如图10所示。
7、仿真试验与实验路段的安全性评价分析
1).进行仿真试验,采用车辆横向滑移量来评价车辆的侧滑分析,当车辆横向偏移量超过1.025m为危险状况,采用横摆角来评价车辆制动时的横向稳定性,横摆角示意图如图11所示,横摆角大于30°为危险状况。通过对车辆的横向侧滑与横向稳定性的分析来评价沥青路面积水车辙对行车的安全性的影响。
2).仿真试验结果如图12、图13所示,图12表示横向偏移量对车辆行驶距离的变化,从图中可以看出,在行驶到670m处车辆的横向偏移量已经大于横向偏移量的危险阈值1.025m,如图13所示,在行驶到500m处车辆横摆角已经大于横摆角的危险阈值30°,所以综合两个安全性评价指标,在行驶到500处车辆已经达到危险状态,故在本例中,驾驶员应在行驶到500m前进行修正措施,防止危险状况发生。
本发明通过试验可以得出结论:使用三维激光技术可以快速、高效地得到精确的路面车辙的三维数据,使用处理后的三维点云数据进行建模,得到精确的道路车辙三维模型。基于重构的三维模型划分连续断面并绘制横断面图,结合积水情况将车辙横断面划分为干燥与积水两部分,并将积水区域进行细分,通过公式得到不同区域的附着系数。最后在Carsim软件中构建整车模型并将道路与车辙信息输入软件进行仿真试验,通过试验输出的横向偏移量与横摆角在不同位置的变化可以判定车辆在行驶中何处处于危险状态。
本发明方法不仅可以评价车辆的行驶的安全性,还可以根据评价结果对道路的危险状况进行详尽的分析,据此,可以结合道路等级、交通量、降雨情况等准确具体地评价道路危险等级,有利于道路养护决策的制定与养护资金的分配;同时,基于Carsim仿真试验的评价方法可以反映具体状况下的车辆行驶状态,本发明的输出结果还能为驾驶员的驾驶行为进行指导建议;其次,本发明还可以应用于车辆行驶系统,能提前为驾驶员提供危险预警,防止危险状况甚至安全事故的出现,另外,在无人驾驶趋于成熟的今天,本发明有助于未来的无人驾驶技术在面对危险状况的判定与无人驾驶安全体系的完善。
Claims (6)
1.一种路面积水车辙三维评价与行车安全分析方法,其特征在于,包括以下步骤:
步骤1:调试三维激光检测车:在测试路段进行设备调试、标定,结合检测环境对设备参数进行调整;
步骤2:三维激光检测车检测:对测试路段进行编号,同时对检测环境进行记录,使用三维激光检测车对不同的车辙路段进行测量,对不同路段不同车道的检测数据进行分类编号储存,且检测数据中的激光点云数据缺失率低于5%;
步骤3:数据处理:导出储存的数据,对每个编号的车辙路段的路面三维激光点云数据进行预处理,剔除缺失点与突变点,再进行平滑处理,然后进行路面车辙三维重构得到测试路段的道路三维重构模型;
步骤4:车辙断面划分与横断面绘制:基于测试路段的道路三维重构模型,沿行车方向将车辙路段等距划分为不同的车辙断面,并绘制车辙横断面图;
步骤5:干湿区域划分与附着系数计算:结合积水情况对车辙横断面上的干燥区域和积水区域进行划分,将积水区域进行细分并分别计算每个区域的附着系数;
步骤6:Carsim整车模型构建与道路信息输入:利用Carsim软件构建整车模型,并将测试路段的车辙横断面高程数据导入Carsim软件,并设置不同区域的附着系数;
步骤7:仿真试验与试验路段的安全性评价分析:进行仿真试验,输出车辆行驶指标,根据车辆行驶指标进行车辆行驶安全性评价。
4.根据权利要求1所述的一种路面积水车辙三维评价与行车安全分析方法,其特征在于,步骤3中通过MATLAB进行路面车辙三维重构。
5.根据权利要求1所述的一种路面积水车辙三维评价与行车安全分析方法,其特征在于,步骤5中干燥区域为积水深度为0的潮湿路面,该区域高程变化对附着系数地变化忽略不计,为了区别积水区域,将积水深度为0的潮湿路面视为干燥区域并结合测试路面特征选定路面干燥区域的附着系数;
另外以10cm为单位将积水区域划分为若干区域,根据每个区域的积水平均深度计算每个区域车辆的动态附着系数,公式如下:
f–0.1921=-0.01106(h–5)V=80km/h
f–0.0800=-0.00574(h–5)V=100km/h
f–0.0502=-0.00398(h–5)V=120km/h
式中:f为路面与轮胎间的附着系数;h为车辙积水深度;V为车辆的行驶速度。
6.根据权利要求1所述的一种路面积水车辙三维评价与行车安全分析方法,其特征在于,步骤7中采用车辆横向滑移量来评价车辆的侧滑状态,以及采用横摆角来评价车辆制动时的横向稳定性,通过对车辆的横向侧滑与横摆角的变化状态分析来评价沥青路面积水车辙对行车的安全性影响。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387056.5A CN108664715B (zh) | 2018-04-26 | 2018-04-26 | 一种路面积水车辙三维评价与行车安全分析方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810387056.5A CN108664715B (zh) | 2018-04-26 | 2018-04-26 | 一种路面积水车辙三维评价与行车安全分析方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108664715A CN108664715A (zh) | 2018-10-16 |
CN108664715B true CN108664715B (zh) | 2022-03-29 |
Family
ID=63780334
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810387056.5A Active CN108664715B (zh) | 2018-04-26 | 2018-04-26 | 一种路面积水车辙三维评价与行车安全分析方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108664715B (zh) |
Families Citing this family (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110263844B (zh) * | 2019-06-18 | 2021-04-06 | 北京中科原动力科技有限公司 | 一种在线学习和实时估计路面状态的方法 |
CN110298311B (zh) * | 2019-06-28 | 2021-05-07 | 北京智行者科技有限公司 | 路面积水检测方法及装置 |
CN110608704A (zh) * | 2019-09-10 | 2019-12-24 | 广州珠江黄埔大桥建设有限公司 | 车辙轮廓检测装置及方法 |
CN110674732B (zh) * | 2019-09-21 | 2022-06-07 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
CN110675392B (zh) * | 2019-09-29 | 2022-04-22 | 山东科技大学 | 一种基于路面连续激光点云的车辙精细三维特征提取方法 |
CN110725188B (zh) * | 2019-10-17 | 2021-08-10 | 惠冰 | 一种道路车载三维激光系统的系统精度场地校验方法 |
JP7409266B2 (ja) * | 2020-09-08 | 2024-01-09 | トヨタ自動車株式会社 | 轍判定装置、轍判定方法、プログラム |
CN112200779B (zh) * | 2020-09-29 | 2022-07-19 | 河海大学 | 面向无人驾驶的路表车辙形状及构造横向差异度评价方法 |
CN112652051B (zh) * | 2020-10-21 | 2023-03-28 | 中国汽车技术研究中心有限公司 | 车辆前端碰撞载荷传递的评价方法、装置、设备和介质 |
CN113592330B (zh) * | 2021-08-06 | 2023-09-12 | 中国民航大学 | 一种基于飞机起降安全的机场跑道评价方法 |
CN114324143B (zh) * | 2021-12-14 | 2023-12-12 | 东南大学 | 一种沥青路面纹理三维形状特性指标的测量方法 |
CN115908525B (zh) * | 2022-11-24 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面车辙病害三维重构的车辙体积计算方法 |
CN115937289B (zh) * | 2022-11-24 | 2023-10-20 | 深圳市城市交通规划设计研究中心股份有限公司 | 一种基于路面车辙病害三维重构的车辙深度计算方法 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089548A (zh) * | 2007-07-06 | 2007-12-19 | 哈尔滨工业大学 | 路面车辙三维信息检测装置及检测方法 |
CN105716969A (zh) * | 2016-04-12 | 2016-06-29 | 长安大学 | 一种基于三维激光检测技术的沥青路面打毛效能评价方法 |
CN107092803A (zh) * | 2017-05-12 | 2017-08-25 | 长安大学 | 一种基于三维线激光技术的道路积水区识别方法 |
-
2018
- 2018-04-26 CN CN201810387056.5A patent/CN108664715B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101089548A (zh) * | 2007-07-06 | 2007-12-19 | 哈尔滨工业大学 | 路面车辙三维信息检测装置及检测方法 |
CN105716969A (zh) * | 2016-04-12 | 2016-06-29 | 长安大学 | 一种基于三维激光检测技术的沥青路面打毛效能评价方法 |
CN107092803A (zh) * | 2017-05-12 | 2017-08-25 | 长安大学 | 一种基于三维线激光技术的道路积水区识别方法 |
Non-Patent Citations (2)
Title |
---|
Pavement Surface Water Phenomena and Traffic Safety;GEORGE W. BLACK JR. et al.;《ITE JOURNAL》;20000229;全文 * |
部分滑水对路面附着系数的影响;季天剑 等;《交通运输工程学报》;20031231;第3卷(第4期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN108664715A (zh) | 2018-10-16 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664715B (zh) | 一种路面积水车辙三维评价与行车安全分析方法 | |
CN107092803B (zh) | 一种基于三维线激光技术的道路积水区识别方法 | |
CN106441530B (zh) | 一种基于长标距光纤光栅传感技术的桥梁动态称重方法及动态称重系统 | |
CN112254767B (zh) | 公路网结构群一体自动化检测设备 | |
CN111062648B (zh) | 一种沥青路面综合性能的评价方法 | |
CN109325311B (zh) | 多年冻土地区大尺度路基的变形评价方法 | |
JP6824762B2 (ja) | 舗装の路面性状の調査システム、および、舗装の路面性状の調査方法 | |
Fwa et al. | Rational procedure for determination of rut depth intervention level in network-level pavement management | |
CN104239628B (zh) | 一种检测车辆横向偏移对车辙深度误差的模拟分析方法 | |
CN111563478A (zh) | 一种积水情况下安全行驶的全自动处理方法 | |
CN107091085B (zh) | 一种浅埋暗挖隧道地层稳定性的多参数判别方法 | |
CN115017979A (zh) | 一种半刚性基层沥青路面的路面状况评价方法 | |
Jia et al. | Characterization of rutting on asphalt pavement in terms of transverse profile shapes based on LTPP data | |
Flintsch et al. | Splash and spray assessment tool development program | |
Yan et al. | Analysis of the lateral slope’s impact on the calculation of water-filled rut depth | |
CN115272298B (zh) | 基于道路监控的城市路面维护监察方法及系统 | |
Fares et al. | Rutting measurement in asphalt pavements | |
Kortmann et al. | Applying quarter-vehicle model simulation for road elevation measurements utilizing the vehicle level sensor | |
CN115817514B (zh) | 一种基于行车安全的路面抗滑性能实时评估方法 | |
Carrasco | Enhancing pavement surface macrotexture characterization | |
Khalmukhamedov et al. | Investigation the Network of Highways of International Importance the Republic of Uzbekistan | |
Li et al. | Study on Development Law of Rutting Based on Long-Term Detecting Data | |
CN117522175B (zh) | 一种道路养护决策方法及系统 | |
CN116797102A (zh) | 一种基于iri的路面养护决策确定方法及系统 | |
JAMES | THE AUTOMATED DISTRESS DETECTION IN PAVEMENTS-A LITERATURE REVIEW ON THE INNOVATION METHOD |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
CB03 | Change of inventor or designer information |
Inventor after: Hui Bing Inventor after: Li Yan Inventor after: Zhang Yandai Inventor after: Yan Jiao Inventor after: Liang Haimei Inventor after: Cai Yichang Inventor before: Hui Bing Inventor before: Li Yan Inventor before: Yan Jiao Inventor before: Liang Haimei Inventor before: Cai Yichang |
|
CB03 | Change of inventor or designer information | ||
GR01 | Patent grant | ||
GR01 | Patent grant |