CN109947755A - 路面使用性能检测数据质量控制方法、存储介质、电子设备 - Google Patents
路面使用性能检测数据质量控制方法、存储介质、电子设备 Download PDFInfo
- Publication number
- CN109947755A CN109947755A CN201910163752.2A CN201910163752A CN109947755A CN 109947755 A CN109947755 A CN 109947755A CN 201910163752 A CN201910163752 A CN 201910163752A CN 109947755 A CN109947755 A CN 109947755A
- Authority
- CN
- China
- Prior art keywords
- data
- detection data
- section
- condition detection
- quality control
- 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.)
- Granted
Links
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A30/00—Adapting or protecting infrastructure or their operation
- Y02A30/60—Planning or developing urban green infrastructure
Abstract
本发明提供路面使用性能检测数据质量控制方法,首先对数据进行整理,主要包括路段的划分、最近一次养护时间的确定及历史性能检测数据的匹配;然后,对于车辙、平整度及抗滑指标,确定各路段检测数据的最长递增/递减子序列,并对最新一年的数据进行质量评估,统计数据合格率。本发明方法能够考虑路面性能检测数据的历史发展规律,在尽可能保留数据原貌的前提下,筛选异常数据,能够对路面管理系统内的数据进行清洗,对于新数据也能够起到质量评估和审核的作用,具有较大的应用价值。本发明构思巧妙,逻辑严谨,便于交通运输学科领域推广应用。
Description
技术领域
本发明涉及一种公路评价与管理技术,具体涉及一种路面使用性能检测数据质量控制方法,属于交通运输学科技术领域。
背景技术
路面使用性能检测数据包括车辙深度、平整度、横向力系数、路面损坏状况、弯沉值等,是路面管理系统的基础。通过分析这些数据,管理者可了解路面实时状况,判断当前路面状况是否满足交通需求和行驶质量要求,制定相应的养护维修计划,采取对应的养护措施。一个高效的路面管理系统需要准确、即时、一致、完整的路面性能数据的有力支撑。数据质量将直接影响系统是否能对路面状况做出正确、及时的反馈。
然而在分析整理一些高速公路路面性能数据时,发现其存在一些异常数据,异常数将导致路面管理人员对路面现有状况的评价和预测产生偏差,从而提出不恰当的养护方案,无法有效处理路面病害,也带来了养护资金的浪费。
对此,目前急需对路面使用性能检测数据进行数据质量控制。
发明内容
为了克服现有技术的不足,本发明提出的路面使用性能检测数据质量控制方法,通过考虑路面性能检测数据的历史发展规律,在尽可能保留数据原貌的前提下,筛选异常数据,能够对路面管理系统内的数据进行清洗,对于新数据也能够起到质量评估和审核的作用,具有较大的应用价值。
本发明提供路面使用性能检测数据质量控制方法,包括以下步骤:
S1、路段划分,获取高速公路的分段要素信息,对高速公路的路段进行划分;其中,所述分段要素信息包括路线、方向、车道、路桥特征、结构、交通断面;
S2、数据匹配,对划分后的路段以时间轴进行展开,并匹配对应时间的最近一次养护的路面使用性能检测数据至所述路段上;其中,所述时间轴的时间跨度为最近一次养护时间到最后一次检测时间之间;
S3、数据标记,遍历所述路段的使用性能检测数据,从所述使用性能检测数据中筛选出保持递增或递减的最长子序列,并标记所述最长子序列中的数据为正常数据,同时标记不在所述最长子序列中的数据为异常数据;
S5、数据统计,统计数据标记中异常数据的数据占比或数据合格率。
优选地,路段划分中包括初步划分,所述初步划分的优先级顺序依次为路线、方向、车道、路桥特征、结构、交通断面,利用所述优先级顺序对高速路段进行划分,得到初步路段。
优选地,路段划分中,在初步划分后,遍历高速路段的所有所述初步路段,获取超过100米的初步路段并将进行等距划分;其中,划分间距为0-100米。
优选地,所述路面使用性能检测数据包括车辙深度、国际平整度指数、横向力系数、RDI、RQI、SRI、TCEI,PPCI,PSCI、PDCI。
优选地,还包括步骤:S4、数据清洗,获取所述使用性能检测数据中的异常数据,对所述异常数据进行修正。
优选地,若所述使用性能检测数据为TCEI、PPCI、PSCI或PDCI时,在数据清洗中,对异常数据做删除处理。。
优选地,若所述使用性能检测数据为车辙深度、国际平整度指数、横向力系数、RDI、RQI或SRI时,在数据清洗中,利用至少两个被标记为正常数据对被标记为异常数据做线性插值,并利用得到的插值结果替换所述异常数据;其中,利用做插值的正常数据为所述最长子序列中最临近所述异常数据的正常数据;。
优选地,在数据匹配中,在所述路段养护覆盖范围相同的情况下,选取养护时间最近的一次时间轴的原点。
一种电子设备,包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行路面使用性能检测数据质量控制方法。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行路面使用性能检测数据质量控制方法。
相比现有技术,本发明的有益效果在于:
本发明提供路面使用性能检测数据质量控制方法,首先对数据进行整理,主要包括路段的划分、最近一次养护时间的确定及历史性能检测数据的匹配;然后,对于车辙、平整度及抗滑指标,确定各路段检测数据的最长递增/递减子序列,并对最新一年的数据进行质量评估,统计数据合格率。本发明方法能够考虑路面性能检测数据的历史发展规律,在尽可能保留数据原貌的前提下,筛选异常数据,能够对路面管理系统内的数据进行清洗,对于新数据也能够起到质量评估和审核的作用,具有较大的应用价值。本发明构思巧妙,逻辑严谨,便于交通运输学科领域推广应用。
上述说明仅是本发明技术方案的概述,为了能够更清楚了解本发明的技术手段,并可依照说明书的内容予以实施,以下以本发明的较佳实施例并配合附图详细说明如后。本发明的具体实施方式由以下实施例及其附图详细给出。
附图说明
此处所说明的附图用来提供对本发明的进一步理解,构成本申请的一部分,本发明的示意性实施例及其说明用于解释本发明,并不构成对本发明的不当限定。在附图中:
图1为本发明的路面使用性能检测数据质量控制方法流程示意图;
图2为本发明的最长递增子序列示意图;
图3为本发明的数据修正结果示意图;
图4为本发明的某路段样本的TCEI历史数据示意图;
图5为本发明的某路段样本的PDCI历史数据示意图;
图6为本发明的TCEI异常值处理示意图;
图7为本发明的PDCI异常值处理示意图;
图8为本发明的车辙深度数据修正示意图;
图9为本发明的平整度数据修正示意图;
图10为本发明的横向力系数数据修正示意图。
具体实施方式
下面,结合附图以及具体实施方式,对本发明做进一步描述,需要说明的是,在不相冲突的前提下,以下描述的各实施例之间或各技术特征之间可以任意组合形成新的实施例。
路面使用性能检测数据质量控制方法,如图1所示,包括以下步骤:
S1、路段划分,获取高速公路的分段要素信息,对高速公路的路段进行划分;其中,分段要素信息包括路线、方向、车道、路桥特征、结构、交通断面;优选地,路段划分中包括初步划分,初步划分的优先级顺序依次为路线、方向、车道、路桥特征、结构、交通断面,利用优先级顺序对高速路段进行划分,得到初步路段;例如,在一实施例中,例如某高速公路的路线首先划分为上行或下行,同一路线中分为第一车道、第二车道以及其他车道,同一车道分为路面、桥面;其中,路面包括路面若干个结构,桥面包括桥面若干个结构,同一结构中有包括若干个交通断面,得到的交通断面为初步路段。
在另一优选实施例中,路段划分中,在初步划分后,遍历高速路段的所有初步路段,获取超过100米的初步路段并将进行等距划分;其中,划分间距为0-100米。例如,有些路段在初步划分后仍然较长,若其中有部分路段的路面病害较为严重,则容易在进行路段性能指标匹配时被平均,而不易发现;此外,过长的路段也会给路面性能数据的复核带来多余的工作量,若能精准定位路面性能检测数据有误的位置,则可以高效快捷的进行数据复核及修正。因此,需要将100m以上的路段进行进一步的等距划分,完成分段后的路段长度在0-100m之间。
S2、数据匹配,对划分后的路段以时间轴进行展开,并匹配对应时间的最近一次养护的路面使用性能检测数据至路段上;其中,时间轴的时间跨度为最近一次养护时间到最后一次检测时间之间;其中,路面使用性能检测数据包括车辙深度、国际平整度指数、横向力系数、RDI、RQI、SRI、TCEI,PPCI,PSCI、PDCI。需要说明的是,在数据匹配中,在路段养护覆盖范围相同的情况下,选取养护时间最近的一次时间轴的原点;最近一次养护时间确定的原则为:若历史上有A、B、C三次养护覆盖了本路段50%以上的范围,且A早于B,B早于C,则认为C实施的时间即为本路段最近一次养护的时间,若本路段从未养护过,则以通车时间代替。
S3、数据标记,遍历路段的使用性能检测数据,从使用性能检测数据中筛选出保持递增或递减的最长子序列,并标记最长子序列中的数据为正常数据,同时标记不在最长子序列中的数据为异常数据;在一实施例中,如图2所示,对于每一组时间序列数据,找到能够保持递增(车辙深度、平整度)或递减(横向力系数)的最长子序列,并认为位于子序列上的数据为正确数据,如图2中的点1,3,5,7,8,9,11,13,14,15,17,18;不在子序列上的数据为异常数据,如图2中的点2,4,6,10,12,16。在本实施例中,可采用python程序对最长子序列进行筛选。
S5、数据统计,统计数据标记中异常数据的数据占比或数据合格率。
在本实施例中,如图1所示,还包括步骤:S4、数据清洗,获取使用性能检测数据中的异常数据,对异常数据进行修正。在一优选实施例中,优选地,若使用性能检测数据为车辙深度、国际平整度指数、横向力系数、RDI、RQI或SRI时,在数据清洗中,利用至少两个被标记为正常数据对被标记为异常数据做线性插值,并利用得到的插值结果替换异常数据(如图3中的三角形数据点),达到数据清洗的目的;其中,利用做插值的正常数据为最长子序列中最临近异常数据的正常数据;在本实施例中,适用于车辙、平整度及抗滑等每次检测都会发生变化的指标。
在另一优选实施例中,针对破损指标TCEI、PPCI、PSCI或PDCI随时间呈阶梯状变化的指标,如图4、5,采用直接删除突然抬升的数据点的方法来确定正确的数据序列,如图6、7,删除的数据点即为异常数据;在本实施中,可采用,VBA编程对未经养护而指标突然抬升的记录进行筛选;其中,异常数据主要指在未进行路面养护的情况下,路面性能指标反而更优的情况,如车辙、平整度不增反降,横向力系数、破损指标不降反增,这些不符合正常规律的数据将是数据修正和评估的重点对象。“最长子序列+插值”的方法适用于车辙、平整度及抗滑等每次检测都会发生变化的指标;对于破损指标TCEI,PPCI,PSCI及PDCI,一旦某次检测遗漏了一处病害,指标的取值可能会和前几年的检测结果相同,在确定最长子序列时便容易将异常数据涵盖在内,且由于破损指标随时间的变化规律呈阶梯状,线性插值方法并不适用,因此宜采用直接删除突然抬升的数据点的方法来确定正确的数据序列。
下面以几个路段的历史性能检测数据为例,具体说明本发明实施例中数据质量控制方法的应用结果。
实施例1:
性能指标:车辙深度
示意图如图8,圆形标记为实测值,三角形标记与圆形标记重合点为正确点,不重合点则为修正点。
实施例2:
性能指标:国际平整度指数IRI
示意图如图9,圆形标记为实测值,三角形标记与圆形标记重合点为正确点,不重合点则为修正点。
实施例3:
性能指标:横向力系数SFC
示意图如图10,圆形标记为实测值,三角形标记与圆形标记重合点为正确点,不重合点则为修正点。
实施例4:
性能指标:TCEI
示意图如图6。
实施例5:
性能指标:PDCI
示意图如图7。
以宿新高速为例,采用本发明的方法对2018年的性能检测数据进行质量评估,结果如下表所示:
一种电子设备,包括:处理器;存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行基于深度学习的遥感影像林地提方法。一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行路面使用性能检测数据质量控制方法。
为了提高路面管理系统中的数据质量,本发明公开了一种路面性能检测数据质量控制的方法,首先对数据进行整理,主要包括路段的划分、最近一次养护时间的确定及历史性能检测数据的匹配;然后,对于车辙、平整度及抗滑指标,利用python程序确定各路段检测数据的最长递增/递减子序列,对于破损数据,基于新指标TCEI,PPCI,PSCI及PDCI,采用VBA编程筛选出未经养护而指标突然抬升的记录;最后,对异常数据进行插值或直接删除,并对最新一年的数据进行质量评估,统计数据合格率。本发明方法能够考虑路面性能检测数据的历史发展规律,在尽可能保留数据原貌的前提下,筛选异常数据,能够对路面管理系统内的数据进行清洗,对于新数据也能够起到质量评估和审核的作用,具有较大的应用价值。
以上,仅为本发明的较佳实施例而已,并非对本发明作任何形式上的限制;凡本行业的普通技术人员均可按说明书附图所示和以上而顺畅地实施本发明;但是,凡熟悉本专业的技术人员在不脱离本发明技术方案范围内,利用以上所揭示的技术内容而做出的些许更动、修饰与演变的等同变化,均为本发明的等效实施例;同时,凡依据本发明的实质技术对以上实施例所作的任何等同变化的更动、修饰与演变等,均仍属于本发明的技术方案的保护范围之内。
Claims (10)
1.路面使用性能检测数据质量控制方法,其特征在于,包括以下步骤:
S1、路段划分,获取高速公路的分段要素信息,对高速公路的路段进行划分;其中,所述分段要素信息包括路线、方向、车道、路桥特征、结构、交通断面;
S2、数据匹配,对划分后的路段以时间轴进行展开,并匹配对应时间的最近一次养护的路面使用性能检测数据至所述路段上;其中,所述时间轴的时间跨度为最近一次养护时间到最后一次检测时间之间;
S3、数据标记,遍历所述路段的使用性能检测数据,从所述使用性能检测数据中筛选出保持递增或递减的最长子序列,并标记所述最长子序列中的数据为正常数据,同时标记不在所述最长子序列中的数据为异常数据;
S5、数据统计,统计数据标记中异常数据的数据占比或数据合格率。
2.如权利要求1所述的路面使用性能检测数据质量控制方法,其特征在于,路段划分中包括初步划分,所述初步划分的优先级顺序依次为路线、方向、车道、路桥特征、结构、交通断面,利用所述优先级顺序对高速路段进行划分,得到初步路段。
3.如权利要求2所述的路面使用性能检测数据质量控制方法,其特征在于:路段划分中,在初步划分后,遍历高速路段的所有所述初步路段,获取超过100米的初步路段并将进行等距划分;其中,划分间距为0-100米。
4.如权利要求1-3任一项所述的路面使用性能检测数据质量控制方法,其特征在于:所述路面使用性能检测数据包括车辙深度、国际平整度指数、横向力系数、RDI、RQI、SRI、TCEI,PPCI,PSCI、PDCI。
5.如权利要求4所述的路面使用性能检测数据质量控制方法,其特征在于,还包括步骤:S4、数据清洗,获取所述使用性能检测数据中的异常数据,对所述异常数据进行修正。
6.如权利要求5所述的路面使用性能检测数据质量控制方法,其特征在于:若所述使用性能检测数据为TCEI、PPCI、PSCI或PDCI时,在数据清洗中,对异常数据做删除处理。
7.如权利要求5所述的路面使用性能检测数据质量控制方法,其特征在于:若所述使用性能检测数据为车辙深度、国际平整度指数、横向力系数、RDI、RQI或SRI时,在数据清洗中,利用至少两个被标记为正常数据对被标记为异常数据做线性插值,并利用得到的插值结果替换所述异常数据;其中,利用做插值的正常数据为所述最长子序列中最临近所述异常数据的正常数据。
8.如权利要求1所述的路面使用性能检测数据质量控制方法,其特征在于:在数据匹配中,在所述路段养护覆盖范围相同的情况下,选取养护时间最近的一次时间轴的原点。
9.一种电子设备,其特征在于包括:处理器;
存储器;以及程序,其中所述程序被存储在所述存储器中,并且被配置成由处理器执行,所述程序包括用于执行如权利要求1所述的方法。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于:所述计算机程序被处理器执行如权利要求1所述的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910163752.2A CN109947755B (zh) | 2019-03-05 | 2019-03-05 | 路面使用性能检测数据质量控制方法、存储介质、电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910163752.2A CN109947755B (zh) | 2019-03-05 | 2019-03-05 | 路面使用性能检测数据质量控制方法、存储介质、电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109947755A true CN109947755A (zh) | 2019-06-28 |
CN109947755B CN109947755B (zh) | 2023-04-14 |
Family
ID=67008338
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910163752.2A Active CN109947755B (zh) | 2019-03-05 | 2019-03-05 | 路面使用性能检测数据质量控制方法、存储介质、电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109947755B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413949A (zh) * | 2019-08-02 | 2019-11-05 | 湖南联智桥隧技术有限公司 | 一种呈递增或递减变化趋势的数据处理方法 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0718636A (ja) * | 1993-05-24 | 1995-01-20 | Toyo Tire & Rubber Co Ltd | 路面標識及びその取付方法 |
CN102141385A (zh) * | 2011-01-05 | 2011-08-03 | 东南大学 | 沥青路面表面形貌曲面的测试方法 |
CN102956105A (zh) * | 2012-11-01 | 2013-03-06 | 福建工程学院 | 一种浮动车样本点数据插值的方法 |
CN104504216A (zh) * | 2015-01-06 | 2015-04-08 | 东南大学 | 沥青路面就地热再生工程取样段落确定方法 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
CN105913661A (zh) * | 2016-06-15 | 2016-08-31 | 北京航空航天大学 | 一种基于收费数据的高速公路路段交通状态判别方法 |
CN106526149A (zh) * | 2016-11-22 | 2017-03-22 | 山西省交通科学研究院 | 一种基于通车时长和交通量的路面使用性能预测方法 |
CN107153928A (zh) * | 2017-06-28 | 2017-09-12 | 江苏智通交通科技有限公司 | 可视化的公路养护决策系统 |
CN108090635A (zh) * | 2018-02-06 | 2018-05-29 | 东南大学 | 一种基于聚类分类的路用性能预测方法 |
CN108335002A (zh) * | 2017-01-20 | 2018-07-27 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的道路养护大数据分析系统 |
CN108491957A (zh) * | 2018-02-09 | 2018-09-04 | 中公高科养护科技股份有限公司 | 一种路面性能的预测方法及系统 |
-
2019
- 2019-03-05 CN CN201910163752.2A patent/CN109947755B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JPH0718636A (ja) * | 1993-05-24 | 1995-01-20 | Toyo Tire & Rubber Co Ltd | 路面標識及びその取付方法 |
CN102141385A (zh) * | 2011-01-05 | 2011-08-03 | 东南大学 | 沥青路面表面形貌曲面的测试方法 |
CN102956105A (zh) * | 2012-11-01 | 2013-03-06 | 福建工程学院 | 一种浮动车样本点数据插值的方法 |
CN104504216A (zh) * | 2015-01-06 | 2015-04-08 | 东南大学 | 沥青路面就地热再生工程取样段落确定方法 |
CN105627938A (zh) * | 2016-01-07 | 2016-06-01 | 厦门大学 | 一种基于车载激光扫描点云的路面沥青厚度检测方法 |
CN105913661A (zh) * | 2016-06-15 | 2016-08-31 | 北京航空航天大学 | 一种基于收费数据的高速公路路段交通状态判别方法 |
CN106526149A (zh) * | 2016-11-22 | 2017-03-22 | 山西省交通科学研究院 | 一种基于通车时长和交通量的路面使用性能预测方法 |
CN108335002A (zh) * | 2017-01-20 | 2018-07-27 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的道路养护大数据分析系统 |
CN107153928A (zh) * | 2017-06-28 | 2017-09-12 | 江苏智通交通科技有限公司 | 可视化的公路养护决策系统 |
CN108090635A (zh) * | 2018-02-06 | 2018-05-29 | 东南大学 | 一种基于聚类分类的路用性能预测方法 |
CN108491957A (zh) * | 2018-02-09 | 2018-09-04 | 中公高科养护科技股份有限公司 | 一种路面性能的预测方法及系统 |
Non-Patent Citations (3)
Title |
---|
QIN RENJIE ET AL.: "Study of the Evaluation Model about Old Asphalt Pavement Service Performance of Freeway", 《2009 INTERNATIONAL CONFERENCE ON NEW TRENDS IN INFORMATION AND SERVICE SCIENCE》 * |
刘兴武: "长沙绕城高速(西北段)旧沥青路面性能评价及养护方案研究", 《中国优秀硕士学位论文全文数据库 (工程科技Ⅱ辑)》 * |
汪首元 等: "基于K-均值聚类的沥青路面使用性能评价", 《公路交通科技(应用技术版)》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110413949A (zh) * | 2019-08-02 | 2019-11-05 | 湖南联智桥隧技术有限公司 | 一种呈递增或递减变化趋势的数据处理方法 |
CN110413949B (zh) * | 2019-08-02 | 2021-03-09 | 湖南联智科技股份有限公司 | 一种呈递增或递减变化趋势的数据处理方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109947755B (zh) | 2023-04-14 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Madanat et al. | Estimation of infrastructure transition probabilities from condition rating data | |
CN106840176A (zh) | Gps时空数据增量路网实时更新和轨迹匹配系统 | |
CN104021671B (zh) | 一种svm与模糊判断相结合的道路实时路况的判断方法 | |
CN108596396A (zh) | 一种基于养护历史修正的路面性能预测和养护方法及装置 | |
CN102663264B (zh) | 桥梁结构健康监测静态参数的半监督协同评估方法 | |
CN109408557B (zh) | 一种基于多重对应和K-means聚类的交通事故成因分析方法 | |
CN106408945A (zh) | 一种交通拥堵评价方法及系统 | |
Ban et al. | Bottleneck identification and calibration for corridor management planning | |
CN115691120A (zh) | 一种基于高速公路流水数据的拥堵识别方法及系统 | |
CN102359056A (zh) | 一种沥青路面数据的检测方法 | |
CN113191660A (zh) | 公路沥青路面养护智能决策方法 | |
AU2018215876B2 (en) | A method of predicting a traffic behaviour in a road system | |
CN110059952A (zh) | 车险风险评估方法、装置、设备和存储介质 | |
CN116052435B (zh) | 一种城市道路拥堵影响范围界定与道路影响力计算方法 | |
CN106529765A (zh) | 采集作业的绩效评估方法和装置 | |
KR100920529B1 (ko) | 염해 오손 예측 방법 | |
CN109947755A (zh) | 路面使用性能检测数据质量控制方法、存储介质、电子设备 | |
CN111815141A (zh) | 获取互通式立交运行风险评估模型的方法及风险评估方法 | |
CN115565093A (zh) | 一种海事飞机空中巡航可达域的量化评估方法与系统 | |
CN107134133A (zh) | 辖区之间高速公路交通拥堵程度排序的方法和系统 | |
Rozenberg et al. | Improving the resilience of Peru's road network to climate events | |
CN106446281B (zh) | 一种结合陆域因素和水体因素进行流域四级分区的方法 | |
CN108681717A (zh) | 城市级交通视频检测设备质量检测方法 | |
CN111986480A (zh) | 一种城市道路交通事件影响评价方法、系统及存储介质 | |
CN115662122A (zh) | 一种基于gps的道路巡查、病害识别和巡查考核的养护系统及方法 |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |