CN109766794B

CN109766794B - 一种自动化实时道路检测方法及其系统

Info

Publication number: CN109766794B
Application number: CN201811591138.8A
Authority: CN
Inventors: 许军才; 张卫东; 陆圣杰
Original assignee: Hohai University HHU
Current assignee: Hohai University HHU
Priority date: 2018-12-25
Filing date: 2018-12-25
Publication date: 2022-08-19
Anticipated expiration: 2038-12-25
Also published as: CN109766794A

Abstract

本发明提出了一种自动化实时道路检测方法及其系统，所述的方法步骤如下：S1、超声波探测器自动采集路面信息，并将信息发送给云端服务器；S2、云端服务器将波形数据分段并编号，获得每段波形数据的平均振幅和平均频率；S3、构建BP神经网络，利用波形数据训练神经网络，得到波形数据与路面情况的关系；S4、将新的道路波形数据输入训练好的BP神经网络，得到对应的路面情况；S5、结合历史路面信息，评估道路质量。本发明系统包括探测车、超声波探测器、云端服务器和显示单元。本发明可以自动完成道路检测并分析检测数据，节约了道路检测的人力成本，提高了道路检测的自动化程度和及时性。

Description

一种自动化实时道路检测方法及其系统

技术领域

本发明涉及一种自动化的道路检测、分析方法及其系统，属于道路探测技术领域。

背景技术

近年来中国现代化建设快速发展，基础设施网络规模居世界前列，随着道路里程的不断增加，道路养护管理工作日益重要，道路技术状况快速检测与评价成为道路科学养护工作的重中之重。传统的道路检测方式多为人工检测，检测人员需要长时间在室外工作，采集道路信息并手工进行记录，在完成一段道路的检测工作之后，由专人将相关数据录入电脑，再进行分析得到该段道路检测结果。这种道路检测方式费时费力，成本较高、效率低下，对现场检测人员和后续数据分析人员的要求比较高，此外，道路检测的工作环境有时候比较恶劣，工作人员的人身安全得不到保障。现在也有半自动的道路检测方式，检测人员手持道路探测器进行道路检测，后续再收集道路探测器中的信息进行分析，然后手持探测器仍然需要人工操作，采集到的数据还是需要人工分析，无法及时获取检测结果。道路探测的自动化程度和及时性还有很大的提升空间。

发明内容

本发明要解决的技术问题是道路检测方法自动化程度和及时性不高的问题，提供了一种自动化实时道路检测方法及其系统，使用安装有道路探测器的无人驾驶探测车进行道路检测，基于历史道路检测数据训练BP神经网络，获取数据与路面情况的规律，新的检测数据会自动发送到云端服务器并通过神经网络进行分析，得到对应的路面情况与道路施工质量。

为解决上述技术问题，本发明采用了如下技术手段：

一种自动化实时道路检测方法，具体包括以下步骤：

S1、超声波探测器自动采集路面信息，并通过通讯模块将路面信息发送给云端服务器；

S2、云端服务器将道路波形数据分段并编号，计算每段波形数据的平均振幅和平均频率；

S3、构建BP神经网络，利用波形数据调整BP神经网络的阈值和权重，得到波形数据与路面情况的关系；

S4、将新的道路波形数据输入训练好的BP神经网络，得到对应的路面情况；

S5、根据云端服务器的历史路面信息，评估道路施工质量。

进一步的，所述的路面信息包括检测道路的地理坐标、检测道路的时间、探测车采集到的波形数据。

进一步的，步骤S2的具体操作如下：

S21、云端服务器将接受的道路波形数据分段存储，每段数据的时间长度为，其中是超声波探测车的行驶速度，并将分段后的数据按照时间顺序进行编号；

S22、对每一段数据进行傅里叶变换，利用均值算法计算每段数据的平均振幅和平均频率。

进一步的，步骤S3中波形数据与路面情况的关系分为三种类型：

波形数据的平均振幅和平均频率满足以下条件时，路面结构质量完整性良好：

波形数据的平均振幅和平均频率满足以下条件时，路面结构质量完整性中等：

波形数据的平均振幅和平均频率满足以下条件时，路面结构质量完整性差：

其中，A表示一段波形数据的实际平均振幅，f表示一段波形数据的实际平均频率，A_S表示由BP神经网络训练所得的平均振幅标准值，f_S表示由BP神经网络训练所得的平均频率标准值。

进一步的，步骤S5的具体操为：分析云端服务器存储的同一路段最近几次的检测数据，生成裂缝发育程度与时间的关系曲线图，根据曲线图评估道路施工质量。

一种自动化实时道路检测系统，包括超声波探测器、云端服务器和显示单元。所述的超声波探测器安装在探测车上，用于在探测车行驶的过程中自动进行道路检测，并将检测的数据发送给云端服务器。

所述的云端服务器被配置以执行以下步骤：

(1)将道路波形数据分段并编号，计算每段波形数据的平均振幅和平均频率；

(2)构建并训练BP神经网络，得到波形数据与路面情况的关系；

(3)将新的道路波形数据输入训练好的BP神经网络，得到对应的路面情况；

(4)根据云端服务器的历史路面信息，评估道路施工质量。

所述的显示单元用于显示云端服务器的分析结果。

进一步的，所述的超声波探测器包括道路探测模块、GPS模块、时钟模块和HC12无线通讯模块；其中，道路探测模块用于检测道路信息，GPS模块用于生成定位信息，时钟模块用于生成道路检测时间，HC12无线通讯模块用于将道路信息、定位信息、时间信息打包发送到云端服务器。

采用以上技术手段后可以获得以下优势：

本发明提出了一种自动化实时道路检测方法及其系统，采用全自动的探测车进行道路探测，在提高道路检测的效率的同时降低人力成本。检测到的路面信息实时发送到云端服务器，云端服务器采用训练好的BP神经网络进行数据处理，得到基本的路面信息，比如路面裂缝、路面起伏等，本发明数据计算方法简单、高效，能够在道路检测过程中实时得到道路检测结果，方便参与检测的人员及时了解路面情况并进行后续处理，同时本方法可以避免人工计算成本，降低数据分析误差。本发明系统包括显示单元，使用者可以在显示单元查看路面波形数据和云端服务器的分析结果，给道路检测工作提供方便，更加人性化。

附图说明

图1为本发明一种自动化实时道路检测方法的步骤流程图。

图2为本发明方法BP神经网络的结构示意图。

图3为本发明一种自动化实时道路检测系统的结构示意图。

具体实施方式

下面结合附图对本发明的技术方案作进一步说明：

一种自动化实时道路检测方法，如图1所示，包括以下步骤：

S1、超声波探测器自动采集路面信息，并通过HC12通讯模块将路面信息发送给云端服务器。超声波探测器安装在无人驾驶车辆上，车辆已恒定速度沿着需要检测的道路行驶，超声波探测器发射并接受超声波信号，根据接受信号生成道路波形信号，道路波形信号、检测的位置信息、检测的时间信息一起打包发送到云端服务器。

S2、云端服务器将道路波形数据分段并编号，计算每段波形数据的平均振幅和平均频率；具体的操作如下：

S21、云端服务器接受连续的波形数据，将波形数据分段存储，每段数据的时间长度为t＝0.01/v，其中v是超声波探测车的行驶速度，并将分段后的数据按照时间顺序进行编号。

S22、在实际操作中，即使路面没有明显异常，每次超声波探测器发射的超声波反射回来的时间还是会有微小的误差，生成的波形数据每个周期的振幅和频率也会不同，需要对每一段数据进行傅里叶变换，然后利用均值算法计算每段数据的平均振幅和平均频率。

S3、构建BP神经网络，如图2所示，BP神经网络包括输入层、隐藏层和输出层，在输入层输入道路检测的波形数据，输出层输出对应的路面情况。在神经网络训练阶段，利用大量的历史道路波形数据与对应的路面真实情况对BP神经网络进行训练，调整BP神经网络的阈值和权重，得到波形数据与路面情况的关系。

在本发明中，将波形数据与路面情况的关系分为三种类型：

S4、将新的道路波形数据输入训练好的BP神经网络，得到对应的路面情况。

S5、云端服务器会自动保存道路检测的信息和云端服务器分析的检测结果，根据云端服务器保存的历史路面信息，分析同一路段最近几次的道路检测数据，提取每次检测时该路段裂缝的发育程度和对应的探测时间，生成裂缝发育程度与时间的关系曲线图，根据曲线图评估道路施工质量。

一种自动化实时道路检测系统，如图3所示，包括超声波探测器、云端服务器和显示单元。超声波探测器安装在无人驾驶自动探测车上，检测员只需要在探测车内的控制页面输入需要检测的路线，探测车可以自动沿设定路线匀速行进，超声波探测器在探测车行驶的过程中自动进行道路检测，并将检测的数据发送给云端服务器。

云端服务器接受到数据后，通过以下步骤进行数据处理：

(4)根据云端服务器的历史路面信息，评估道路施工质量。

显示单元显示云端服务器分析的结果，检测员可以在显示单元上查看道路情况。

本发明的超声波探测器包括道路探测模块、GPS模块、时钟模块和HC12无线通讯模块。道路探测模块用于检测道路信息，GPS模块用于生成定位信息，时钟模块用于生成道路检测时间，HC12无线通讯模块用于将道路信息、定位信息、时间信息打包发送到云端服务器。

上面结合附图对本发明的实施方式作了详细地说明，但是本发明并不局限于上述实施方式，在本领域普通技术人员所具备的知识范围内，还可以在不脱离本发明宗旨的前提下做出各种变化。

Claims

1.一种自动化实时道路检测方法，其特征在于，包括以下步骤：

S3、构建BP神经网络，利用波形数据调整BP神经网络的阈值和权重，得到波形数据与路面情况的关系，分为三种类型：

A∈[0.98A_S,1.02A_S]

f∈[0.98f_S,1.02f_S]

A∈[0.95A_S,0.98A_S]∪[1.02A_S,1.05A_S]

f∈[0.95f_S,0.98f_S]∪[1.02f_S,1.05f_S]

A∈[0.9A_S,0.95A_S]∪[1.05A_S,1.1A_S]

f∈[0.9f_S,0.95f_S]∪[1.05f_S,1.1f_S]

其中，A表示一段波形数据的实际平均振幅，f表示一段波形数据的实际平均频率，A_S表示由BP神经网络训练所得的平均振幅标准值，f_S表示由BP神经网络训练所得的平均频率标准值；

S5、根据云端服务器的历史路面信息，评估道路施工质量。

2.根据权利要求1所述的一种自动化实时道路检测方法，其特征在于，所述的路面信息包括检测道路的地理坐标、检测道路的时间、探测车采集到的波形数据。

3.根据权利要求1所述的一种自动化实时道路检测方法，其特征在于，步骤S2的具体操作如下：

S21、云端服务器将接受的道路波形数据分段存储，每段数据的时间长度为t＝0.01/v，其中v是超声波探测车的行驶速度，并将分段后的数据按照时间顺序进行编号；

4.根据权利要求1所述的一种自动化实时道路检测方法，其特征在于，步骤S5的具体操为：分析云端服务器存储的同一路段最近几次的检测数据，生成裂缝发育程度与时间的关系曲线图，根据曲线图评估道路施工质量。

5.一种自动化实时道路检测系统，其特征在于，包括：

超声波探测器，安装在探测车上，用于在探测车行驶的过程中自动进行道路检测，并将检测的数据发送给云端服务器；

云端服务器，被配置以执行以下步骤：

(2)构建BP神经网络，利用波形数据调整BP神经网络的阈值和权重，得到波形数据与路面情况的关系，分为三种类型：

A∈[0.98A_S,1.02A_S]

f∈[0.98f_S,1.02f_S]

A∈[0.95A_S,0.98A_S]∪[1.02A_S,1.05A_S]

f∈[0.95f_S,0.98f_S]∪[1.02f_S,1.05f_S]

A∈[0.9A_S,0.95A_S]∪[1.05A_S,1.1A_S]

f∈[0.9f_S,0.95f_S]∪[1.05f_S,1.1f_S]

(4)根据云端服务器的历史路面信息，评估道路施工质量；

显示单元，用于显示云端服务器的分析结果。

6.根据权利要求5所述的一种自动化实时道路检测系统，其特征在于，所述的超声波探测器包括道路探测模块、GPS模块、时钟模块和HC12无线通讯模块；其中，道路探测模块用于检测道路信息，GPS模块用于生成定位信息，时钟模块用于生成道路检测时间，HC12无线通讯模块用于将道路信息、定位信息、时间信息打包发送到云端服务器。