CN112633701B - 基于区块链的交通工程道路裂缝的巡检方法及系统 - Google Patents

基于区块链的交通工程道路裂缝的巡检方法及系统 Download PDF

Info

Publication number
CN112633701B
CN112633701B CN202011557945.5A CN202011557945A CN112633701B CN 112633701 B CN112633701 B CN 112633701B CN 202011557945 A CN202011557945 A CN 202011557945A CN 112633701 B CN112633701 B CN 112633701B
Authority
CN
China
Prior art keywords
node
maintenance
nodes
block chain
super
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
Application number
CN202011557945.5A
Other languages
English (en)
Other versions
CN112633701A (zh
Inventor
刘星亮
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Bengbu Keruida Machinery Design Co ltd
Original Assignee
Bengbu Keruida Machinery Design Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Bengbu Keruida Machinery Design Co ltd filed Critical Bengbu Keruida Machinery Design Co ltd
Priority to CN202011557945.5A priority Critical patent/CN112633701B/zh
Publication of CN112633701A publication Critical patent/CN112633701A/zh
Application granted granted Critical
Publication of CN112633701B publication Critical patent/CN112633701B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/04—Architecture, e.g. interconnection topology
    • G06N3/045—Combinations of networks
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/02—Neural networks
    • G06N3/08—Learning methods
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/10—Office automation; Time management
    • G06Q10/103—Workflow collaboration or project management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/20—Administration of product repair or maintenance
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
    • G06T7/00—Image analysis
    • G06T7/0002—Inspection of images, e.g. flaw detection
    • G06T7/0004—Industrial image inspection
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L12/00—Data switching networks
    • H04L12/02—Details
    • H04L12/16—Arrangements for providing special services to substations
    • H04L12/18—Arrangements for providing special services to substations for broadcast or conference, e.g. multicast
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H04L63/0442—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload wherein the sending and receiving network entities apply asymmetric encryption, i.e. different keys for encryption and decryption
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/08—Network architectures or network communication protocols for network security for authentication of entities
    • H04L63/083—Network architectures or network communication protocols for network security for authentication of entities using passwords
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Strategic Management (AREA)
  • General Physics & Mathematics (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Quality & Reliability (AREA)
  • Economics (AREA)
  • Computer Security & Cryptography (AREA)
  • General Business, Economics & Management (AREA)
  • Tourism & Hospitality (AREA)
  • Computer Hardware Design (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Data Mining & Analysis (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biomedical Technology (AREA)
  • General Health & Medical Sciences (AREA)
  • Molecular Biology (AREA)
  • Evolutionary Computation (AREA)
  • Software Systems (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Biophysics (AREA)
  • Mathematical Physics (AREA)
  • Health & Medical Sciences (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了基于区块链的交通工程道路裂缝的巡检方法及系统，应用于区块链网络，所述区块链网络包括申报节点、审核节点、维护节点、监督节点和超级节点，所述方法包括：计算评分周期内审核节点和超级节点的评价分数F，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；审核节点根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果。本发明实施例的方法中提出了基于区块链的交通工程道路裂缝的巡检方法，可以全面、及时、准确的发现道路裂缝问题并进行跟踪处理，处理效率高。

Description

基于区块链的交通工程道路裂缝的巡检方法及系统
【技术领域】
本发明涉及道路工程技术领域，尤其涉及基于区块链的交通工程道路裂缝的巡检方法及系统。
【背景技术】
道路在使用一段年限后，受到车辆和雨水的侵蚀，道路表面会产生众多的裂缝，裂缝如果不及时发现并对其进行修补，在车辆的进一步碾压下会不断加大，且在冬季雨水进入后，雨水结冰，会使得裂缝加大的程度进一步提升，对道路的破坏程度更加严重，因此在道路产生裂缝时需要及时发现并对道路的裂缝进行修补。
目前对道路裂缝的检查和维护一般通过道路维护部门进行巡查，而道路维护部门人员有限且道路太多，这种方式很难进行全面的筛查，费时费力。另外，也有采用航拍图的方式进行道路裂缝识别，这种方式工作量大且可能产生误判。
【发明内容】
有鉴于此，本发明实施例提供了基于区块链的交通工程道路裂缝的巡检方法及系统。
第一方面，本发明实施例提供了基于区块链的交通工程道路裂缝的巡检方法，应用于区块链网络，所述区块链网络包括申报节点、审核节点、维护节点、监督节点和超级节点，所述方法包括：
S1、判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，
Figure BDA0002859341550000021
N为奇数，M为审核节点总数，K≥5；
S2、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；
S3、审核节点获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中；
S4、若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；所述维护节点获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；
S5、若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述申报节点包括无奖励获取权限的临时节点和有奖励获取权限的正式节点，所述临时节点升级为正式节点的方法具体包括：
超级节点向获取奖励的申报节点发送邀请码，并接收申报节点推荐的受邀临时节点的上链请求，所述上链请求携带有IP地址、邀请码和硬件信息；
当超级节点验证邀请码通过，且受邀临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；或者，
超级节点接收注册临时节点的上链请求，所述上链请求携带有IP地址、硬件信息和移动数据，所述移动数据为最近一段天数内节点产生的GPS定位数据记录，包括节点的经度、纬度以及数据记录发生的时间；
当超级节点判断注册临时节点的移动值D≥移动阈值D0时，且注册临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；否则拒绝其上链请求；
其中，移动值D的计算公式为：
Figure BDA0002859341550000031
其中，D表示移动值，Nx表示天数，ΔLi表示第i天经度变化值，
Figure BDA0002859341550000034
表示根据实际情况设定的经度变化阈值，ΔBi表示第i天纬度变化值，
Figure BDA0002859341550000035
表示根据实际情况设定的纬度变化阈值。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S1中评价分数F计算公式为：
Figure BDA0002859341550000032
Figure BDA0002859341550000033
其中，F表示评价分数，x表示节点的计算能力，y表示节点的存储能力，T0表示接收到的数据包到数据包转发结束的时间，T1表示第一预设的时间间隔，T2表示第二预设的时间间隔，n表示数据位的数目，w表示网络带宽，d表示数据传播距离，v表示数据传播速度，t表示处理时间，m表示到达评分周期时节点连续作为超级节点的周期次数，m*表示节点作为超级节点在评价周期内在区块链中最先广播深度学习结果且深度学习结果正确的次数，α、β、γ和δ表示调节系数。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S2中初步审核具体包括：
S201、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点根据最新获取的维护记录清单判断所述申请请求是否为重复申报，所述维护记录清单记录有道路维修状态和维修时间；
S202、若道路维修状态为维修中，则认定申请请求为重复申报，并统计目标道路重复申报次数P；若重复申报次数P＞重复申报次数阈值P0，则超级节点向监督节点和目标道路对应的维护节点发送催告信息；
S203、若道路维修状态为无记录、无裂缝或者维修完成，则认定申请请求为非重复申报，超级节点使用私钥签名后向区块链中发送审核任务。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，还包括：
监督节点获取维护记录清单，计算同一道路维修间隔时间T，若间隔时间T＜间隔时间阈值T0，则监督节点向目标道路对应的维护节点发送警告信息。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述加密共享的方法，具体包括：
审核节点组成共享小组，共享小组内审核节点将与自身私钥对应的公钥发送至区块链中；
获取航拍图像数据的审核节点计算航拍图像数据对应的哈希值，并通过私钥对所述哈希值进行加密，然后通过共享小组内未获取航拍图像数据的目标审核节点的公钥进行二次加密，然后将加密内容发送至区块链中；
目标审核节点根据发送审核节点的公钥对加密内容进行验证，然后通过自身私钥对公钥加密后的航拍图像数据进行解密，获取共享的航拍图像数据。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述S3中深度学习模型的构建结构包括：
过滤层、卷积层C1、最大池化层S1、卷积层C2、最大池化层S2、卷积层C3、最大池化层S3、卷积层C4、最大池化层S4、全连接层F1、全连接层F2和输出层；其中，
过滤层将输入的图像数据过滤后，并将大小统一为99×99大小的二维特征图；卷积层C1为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核卷积99×99大小的图片，得到96×96大小的二维特征图；最大池化层S1通过激活函数获得48个48×48大小的特征图，核的大小为2×2；卷积层C2为具有48个核的卷积层，激活函数为relu，通过一个5×5大小的卷积核进行卷积，得到44×44大小的二维特征图；最大池化层S2通过激活函数获得48个22×22大小的特征图，核的大小为2×2；卷积层C3为具有48个核的卷积层，激活函数为relu，通过一个3×3大小的卷积核进行卷积，得到20×20大小的二维特征图；最大池化层S3通过激活函数获得48个10×10大小的特征图，核的大小为2×2；卷积层C4为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核进行卷积，得到7×7大小的二维特征图；最大池化层S4通过激活函数获得48个3×3大小的特征图，核的大小为2×2；将最大池化层S4的输出展开成一维数组，连接到全连接层F1，全连接层F1有200个神经单元，激活函数为Dropout；将全连接层F1的输出连接到全连接层F2，全连接层F2有2个神经单元，再将全连接层F2的输出连接到输出层，输出层的激活函数为softmax，对输出结果进行二分类。
如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述方法还包括：
利用损失函数对预设的深度学习模型进行深度训练，调整深度学习卷积神经网络的参数，得到最优深度学习模型；其中，损失函数定义如下：
Lall＝L1+L2；
Figure BDA0002859341550000051
Figure BDA0002859341550000061
其中，Lall表示损失函数，L1表示第一损失函数值，L2表示第二损失函数值，X表示道路裂缝图像的像素值，Y表示道路非裂缝图像的像素值，y表示权重平衡值，i表示像素在图像中的位置，N表示像素总数，S(·)表示图像的预测概率，D(·)表示图像的真实概率；Sub(·)表示神经网络的子输出，s表示类别数，N(s)表示子输出的像素总数；
利用随机梯度下降优化方法来优化预定的深度学习模型。
第二方面，本发明实施例提供了一种基于区块链的交通工程道路裂缝的巡检系统，包括：
区块链系统，所述区块链系统包括多个申报节点、审核节点、维护节点、监督节点和超级节点，
所述超级节点用于当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上。
所述维护节点用于获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；
所述审核节点用于获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中，审核节点向对应的申报节点发放奖励；
所述区块链系统还包括：
评分模块，用于判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，
Figure BDA0002859341550000071
N为奇数，M为审核节点总数，K≥5。
上述技术方案中的一个技术方案具有如下有益效果：
本发明实施例的方法中提出了基于区块链的交通工程道路裂缝的巡检方法，可以全面、及时、准确的发现道路裂缝问题并进行跟踪处理，处理效率高。
【附图说明】
为了更清楚地说明本发明实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其它的附图。
图1是本发明实施例所提供的基于区块链的交通工程道路裂缝的巡检方法的S1-S5的流程示意图；
图2是本发明实施例所提供的临时节点升级为正式节点的方法的流程示意图；
图3是本发明实施例所提供的基于区块链的交通工程道路裂缝的S201-S203的流程示意图；
图4是本发明实施例所提供的加密共享的流程示意图；
图5为本发明实施例所提供的基于区块链的交通工程道路裂缝的巡检系统的功能方块图；
图6为本发明实施例所提供的节点设备的硬件示意图。
【具体实施方式】
为使本发明的目的、技术方案和优点更加清楚，下面将结合具体实施例及相应的附图对本发明的技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
请参考图1，其为图1是基于区块链的交通工程道路裂缝的巡检方法S1-S5的流程示意图。如图1所示，该方法应用于区块链网络，所述区块链网络包括申报节点、审核节点、维护节点、监督节点和超级节点，所述方法包括：
S1、判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，
Figure BDA0002859341550000081
N为奇数，M为审核节点总数，K≥5；
S2、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；
S3、审核节点获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中；
S4、若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；所述维护节点获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；
S5、若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上。
本发明的区块链网络包括申报节点、审核节点、维护节点、监督节点和超级节点；其中，申报节点可以是各个用户，尤其可以是每天移动距离比较多的滴滴司机、快递员、配送员等使用的手机端，申报节点可以及时、准确、全面的发现道路裂缝问题，审核节点可以是政府单位的市政工程处的电脑端，维护节点可以是政府单位的市政维护处，监督节点可以是政府单位的督办科，超级节点由审核节点选举产生。
本发明通过计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，通过设置超级节点竞争机制，调动审核节点的积极性，超级节点数量为奇数可以避免区块链分叉，超级节点与审核节点设计为上述数量占比，可以保证超级节点实现更快的共识效率。
当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；当申报节点的申报请求必须通过超级节点审核后才可以在区块链中发布任务，因此，可以减少无效请求，减少任务处理量，提高道路裂缝申报处理的效率。审核节点获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中；审核节点加密共享航拍图像数据，可以避免数据外泄，尤其是存在多个申报节点的区块链中，而通过深度学习模型对目标道路图像进行裂缝识别，可以高效准确的识别道路是否存在裂缝，不用额外现场确认，节省了工作人员工作量。若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；所述维护节点获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；在区块链中广播更新后的维护记录清单，可以让区块链中所有节点都了解到道路裂缝维修情况，使得维修工作更加公开透明，并且通过监督节点可以实时监督。若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；深度学习模型修正可以通过将相关道路图像进行非裂缝标签然后输入深度学习模型进行学习，并对为了套取奖励而恶意申报的节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰，从而促进区块链监控发展。若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上，利用审核节点原有的道路维护资金和义务，审核节点向对应的申报节点发放奖励，提高审核节点竞争成为超级节点的积极性，而通过对真实申报的申请节点进行奖励，从而提高申报节点的积极性，使得道路裂缝可以及时、全面的被发现，及时修补，节省资源。
本发明实施例的申报节点包括无奖励获取权限的临时节点和有奖励获取权限的正式节点，请参考图2，其为图2是临时节点升级为正式节点的方法的流程示意图。如图2所示，所述临时节点升级为正式节点的方法具体包括：
超级节点向获取奖励的申报节点发送邀请码，并接收申报节点推荐的受邀临时节点的上链请求，所述上链请求携带有IP地址、邀请码和硬件信息；
当超级节点验证邀请码通过，且受邀临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；或者，
超级节点接收注册临时节点的上链请求，所述上链请求携带有IP地址、硬件信息和移动数据，所述移动数据为最近一段天数内节点产生的GPS定位数据记录，包括节点的经度、纬度以及数据记录发生的时间；
当超级节点判断注册临时节点的移动值D≥移动阈值D0时，且注册临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；否则拒绝其上链请求；
其中，移动值D的计算公式为：
Figure BDA0002859341550000111
其中，D表示移动值，Nx表示天数，ΔLi表示第i天经度变化值，
Figure BDA0002859341550000112
表示根据实际情况设定的经度变化阈值，ΔBi表示第i天纬度变化值，
Figure BDA0002859341550000113
表示根据实际情况设定的纬度变化阈值。
本发明将申报节点划分为正式节点和临时节点，临时节点可以直接注册实现，但无奖励获取权限。另外，因为成功申报的申报节点一般具有特殊职业性，因此，本发明除了对成功申报的申报节点进行奖励外，还赋予申报节点邀请权限，受邀临时节点的硬件信息达到预设的硬件配置条件时，可直接成为正式申报节点，这样可以快速增加优良申报节点的数量。而对一般临时节点要求更严，只有在临时节点的移动值D≥移动阈值D0时，且注册临时节点的硬件信息达到预设的硬件配置条件时，才会成为正式节点，只有移动值越高，活动范围越大，越容易发现道路裂缝，这样要求使得申报节点具有优良性。
本发明实施例S1中评价分数F计算公式为：
Figure BDA0002859341550000114
Figure BDA0002859341550000121
其中，F表示评价分数，x表示节点的计算能力，y表示节点的存储能力，T0表示接收到的数据包到数据包转发结束的时间，T1表示第一预设的时间间隔，T2表示第二预设的时间间隔，n表示数据位的数目，w表示网络带宽，d表示数据传播距离，v表示数据传播速度，t表示处理时间，m表示到达评分周期时节点连续作为超级节点的周期次数，m*表示节点作为超级节点在评价周期内在区块链中最先广播深度学习结果且深度学习结果正确的次数，α、β、γ和δ表示调节系数。
本发明的评价分数F使得性能更优良的审核节点选举为超级节点，可以提供区块链效率，而同时，评价分数F更有利于新的超级节点，这样设计可以提高审核节点积极性，避免超级节点僵化和联合作恶。
请参考图3，其为图3是基于区块链的交通工程道路裂缝的巡检方法S201-S203的流程示意图。如图3所示，S2中初步审核具体包括：
S201、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点根据最新获取的维护记录清单判断所述申请请求是否为重复申报，所述维护记录清单记录有道路维修状态和维修时间；
S202、若道路维修状态为维修中，则认定申请请求为重复申报，并统计目标道路重复申报次数P；若重复申报次数P＞重复申报次数阈值P0，则超级节点向监督节点和目标道路对应的维护节点发送催告信息；
S203、若道路维修状态为无记录、无裂缝或者维修完成，则认定申请请求为非重复申报，超级节点使用私钥签名后向区块链中发送审核任务。
另外，本发明实施例还包括：
监督节点获取维护记录清单，计算同一道路维修间隔时间T，若间隔时间T＜间隔时间阈值T0，则监督节点向目标道路对应的维护节点发送警告信息。
本发明实施例通过超级节点根据最新获取的维护记录清单判断所述申请请求是否为重复申报，初步审核重复申报，可以剔除无效请求，提高区块链效率。若道路维修状态为维修中，则认定申请请求为重复申报，并统计目标道路重复申报次数P；若重复申报次数P＞重复申报次数阈值P0，则说明道路维修时间过于拖拉或者存在裂缝的道路比较重要需及时修复，超级节点向监督节点和目标道路对应的维护节点发送催告信息。监督节点对维护质量不行的目标道路对应的维护节点发送警告信息，从而实现对维护节点监督，保证道路维修质量。
参照图4，图4是本发明实施例所提供的加密共享的流程示意图，如图4所示，所述加密共享的方法，具体包括：
审核节点组成共享小组，共享小组内审核节点将与自身私钥对应的公钥发送至区块链中；
获取航拍图像数据的审核节点计算航拍图像数据对应的哈希值，并通过私钥对所述哈希值进行加密，然后通过共享小组内未获取航拍图像数据的目标审核节点的公钥进行二次加密，然后将加密内容发送至区块链中；
目标审核节点根据发送审核节点的公钥对加密内容进行验证，然后通过自身私钥对公钥加密后的航拍图像数据进行解密，获取共享的航拍图像数据。
本发明共享小组的审核节点计算计算航拍图像数据对应的哈希值，并通过私钥对所述哈希值进行加密，通过公钥加密结合私钥解密，保证了航拍图像数据无法被其他节点获得，然后通过目标节点的公钥进行二次加密，保证了发送的数据的机密性、不可篡改性，本发明通过二次加密确保了审核节点发送的书即不会被他人读取，也不会被他人篡改，并且可以确认发送者的身份。
深度学习模型也基于同样原理实现加密共享。
本发明实施例S3中深度学习模型的构建结构包括：
过滤层、卷积层C1、最大池化层S1、卷积层C2、最大池化层S2、卷积层C3、最大池化层S3、卷积层C4、最大池化层S4、全连接层F1、全连接层F2和输出层；其中，
过滤层将输入的图像数据过滤后，并将大小统一为99×99大小的二维特征图；卷积层C1为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核卷积99×99大小的图片，得到96×96大小的二维特征图；最大池化层S1通过激活函数获得48个48×48大小的特征图，核的大小为2×2；卷积层C2为具有48个核的卷积层，激活函数为relu，通过一个5×5大小的卷积核进行卷积，得到44×44大小的二维特征图；最大池化层S2通过激活函数获得48个22×22大小的特征图，核的大小为2×2；卷积层C3为具有48个核的卷积层，激活函数为relu，通过一个3×3大小的卷积核进行卷积，得到20×20大小的二维特征图；最大池化层S3通过激活函数获得48个10×10大小的特征图，核的大小为2×2；卷积层C4为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核进行卷积，得到7×7大小的二维特征图；最大池化层S4通过激活函数获得48个3×3大小的特征图，核的大小为2×2；将最大池化层S4的输出展开成一维数组，连接到全连接层F1，全连接层F1有200个神经单元，激活函数为Dropout；将全连接层F1的输出连接到全连接层F2，全连接层F2有2个神经单元，再将全连接层F2的输出连接到输出层，输出层的激活函数为softmax，对输出结果进行二分类。
本发明深度学习卷积神经网络设有4个卷积层，4个最大池化层，2个全连接层和1个输出层，通过Dropout以避免过拟合；另外，随着深度网络深度的增加，在准确率和召回率方面表现很好，对裂缝检测的学习能力很强，准确性和成长性高。另
另外，所述方法还包括：
利用损失函数对预设的深度学习模型进行深度训练，调整深度学习卷积神经网络的参数，得到最优深度学习模型；其中，损失函数定义如下：
Lall＝L1+L2；
Figure BDA0002859341550000151
Figure BDA0002859341550000152
其中，Lall表示损失函数，L1表示第一损失函数值，L2表示第二损失函数值，X表示道路裂缝图像的像素值，Y表示道路非裂缝图像的像素值，y表示权重平衡值，i表示像素在图像中的位置，N表示像素总数，S(·)表示图像的预测概率，D(·)表示图像的真实概率；Sub(·)表示神经网络的子输出，s表示类别数，N(s)表示子输出的像素总数；
利用随机梯度下降优化方法来优化预定的深度学习模型。
本发明通过损失函数实现对深度学习模型的优化，提高了深度学习模型预测的准确性和鲁棒性。
本发明实施例进一步给出实现上述方法实施例中各步骤及方法的装置实施例。
请参考图5，其为本发明实施例所提供的区块链系统的构架图，所述区块链系统包括多个申报节点、审核节点、维护节点、监督节点和超级节点，
所述超级节点用于当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上。
所述维护节点用于获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；
所述审核节点用于获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中，审核节点向对应的申报节点发放奖励；
所述区块链系统还包括：
评分模块，用于判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，
Figure BDA0002859341550000161
N为奇数，M为审核节点总数，K≥5。
由于本实施例中的各单元模块能够执行图1所示的方法，本实施例未详细描述的部分，可参考对图1的相关说明。图6是本发明的一个实施例节点设备和模块的硬件示意图。请参考图6，在硬件层面，该节点设备和模块包括处理器，可选地还包括内部总线、网络接口、存储器。其中，存储器可能包含内存，例如高速随机存取存储器(Random-AccessMemory，RAM)，也可能还包括非易失性存储器(non-volatile memory)，例如至少1个磁盘存储器等。当然，该节点设备还可能包括其他业务所需要的硬件。
处理器、网络接口和存储器可以通过内部总线相互连接，该内部总线可以是ISA(Industry Standard Architecture，工业标准体系结构)总线、PCI(PeripheralComponent Interconnect，外设部件互连标准)总线或EISA(Extended Industry StandardArchitecture，扩展工业标准结构)总线等。所述总线可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一个双向箭头表示，但并不表示仅有一根总线或一种类型的总线。
存储器，用于存放程序。具体地，程序可以包括程序代码，所述程序代码包括计算机操作指令。存储器可以包括内存和非易失性存储器，并向处理器提供指令和数据。
在一种可能实现的方式中，处理器从非易失性存储器中读取对应的计算机程序到内存中然后运行，也可从其它设备上获取相应的计算机程序，以在逻辑层面上形成电价的定价装置。处理器，执行存储器所存放的程序，以通过执行的程序实现本发明任一实施例中提供的节点工作方法。
本发明实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的节点设备执行时，能够使该节点设备执行本发明任一实施例中提供的节点工作方法。
上述如本发明实施例提供的节点设备和模块执行的方法可以应用于处理器中，或者由处理器实现。处理器可能是一种集成电路芯片，具有信号的处理能力。在实现过程中，上述方法的各步骤可以通过处理器中的硬件的集成逻辑电路或者软件形式的指令完成。上述的处理器可以是通用处理器，包括中央处理器(Central Processing Unit，CPU)、网络处理器(Network Processor，NP)等；还可以是数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现场可编程门阵列(Field－Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件。可以实现或者执行本发明实施例中的公开的各方法、步骤及逻辑框图。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
结合本发明实施例所公开的方法的步骤可以直接体现为硬件译码处理器执行完成，或者用译码处理器中的硬件及软件模块组合执行完成。软件模块可以位于随机存储器，闪存、只读存储器，可编程只读存储器或者电可擦写可编程存储器、寄存器等本领域成熟的存储介质中。该存储介质位于存储器，处理器读取存储器中的信息，结合其硬件完成上述方法的步骤。
本发明实施例还提出了一种计算机可读存储介质，该计算机可读存储介质存储一个或多个程序，该一个或多个程序包括指令，该指令当被包括多个应用程序的节点设备执行时，能够使该节点设备执行本发明任一实施例中提供的节点工作方法。
上述实施例阐明的系统、装置、模块或单元，具体可以由计算机芯片或实体实现，或者由具有某种功能的产品来实现。一种典型的实现设备为计算机。具体的，计算机例如可以为个人计算机、膝上型计算机、蜂窝电话、相机电话、智能电话、个人数字助理、媒体播放器、导航设备、电子邮件设备、游戏控制台、平板计算机、可穿戴设备或者这些设备中的任何设备的组合。
为了描述的方便，描述以上装置时以功能分为各种单元或模块分别描述。当然，在实施本发明时可以把各单元或模块的功能在同一个或多个软件和/或硬件中实现。
本领域内的技术人员应明白，本发明的实施例可提供为方法、系统、或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例、或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明是参照根据本发明实施例的方法、设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、专用计算机、嵌入式处理机或其他可编程数据处理设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。
这些计算机程序指令也可装载到计算机或其他可编程数据处理设备上，使得在计算机或其他可编程设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
在一个典型的配置中，计算设备包括一个或多个处理器(CPU)、输入/输出接口、网络接口和内存。
内存可能包括计算机可读介质中的非永久性存储器，随机存取存储器(RAM)和/或非易失性内存等形式，如只读存储器(ROM)或闪存(flash RAM)。内存是计算机可读介质的示例。
计算机可读介质包括永久性和非永久性、可移动和非可移动媒体可以由任何方法或技术来实现信息存储。信息可以是计算机可读指令、数据结构、程序的模块或其他数据。计算机的存储介质的例子包括，但不限于相变内存(PRAM)、静态随机存取存储器(SRAM)、动态随机存取存储器(DRAM)、其他类型的随机存取存储器(RAM)、只读存储器(ROM)、电可擦除可编程只读存储器(EEPROM)、快闪记忆体或其他内存技术、只读光盘只读存储器(CD-ROM)、数字多功能光盘(DVD)或其他光学存储、磁盒式磁带，磁带磁磁盘存储或其他磁性存储设备或任何其他非传输介质，可用于存储可以被计算设备访问的信息。按照本文中的界定，计算机可读介质不包括暂存电脑可读媒体(transitory media)，如调制的数据信号和载波。
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
本领域技术人员应明白，本发明的实施例可提供为方法、系统或计算机程序产品。因此，本发明可采用完全硬件实施例、完全软件实施例或结合软件和硬件方面的实施例的形式。而且，本发明可采用在一个或多个其中包含有计算机可用程序代码的计算机可用存储介质(包括但不限于磁盘存储器、CD-ROM、光学存储器等)上实施的计算机程序产品的形式。
本发明可以在由计算机执行的计算机可执行指令的一般上下文中描述，例如程序模块。一般地，程序模块包括执行特定任务或实现特定抽象数据类型的例程、程序、对象、组件、数据结构等等。也可以在分布式计算环境中实践本发明，在这些分布式计算环境中，由通过通信网络而被连接的远程处理设备来执行任务。在分布式计算环境中，程序模块可以位于包括存储设备在内的本地和远程计算机存储介质中。
本发明中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于系统实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
以上所述仅为本发明的实施例而已，并不用于限制本发明。对于本领域技术人员来说，本发明可以有各种更改和变化。凡在本发明的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本发明的权利要求范围之内。

Claims (7)

1.基于区块链的交通工程道路裂缝的巡检方法，应用于区块链网络，所述区块链网络包括申报节点、审核节点、维护节点、监督节点和超级节点，其特征在于，所述方法包括：
S1、判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，
Figure FDA0003137413380000011
N为奇数，M为审核节点总数，K≥5；
所述S1中评价分数F计算公式为：
Figure FDA0003137413380000012
Figure FDA0003137413380000013
其中，F表示评价分数，x表示节点的计算能力，y表示节点的存储能力，T0表示接收到的数据包到数据包转发结束的时间，T1表示第一预设的时间间隔，T2表示第二预设的时间间隔，n表示数据位的数目，w表示网络带宽，d表示数据传播距离，v表示数据传播速度，t表示处理时间，m表示到达评分周期时节点连续作为超级节点的周期次数，m*表示节点作为超级节点在评价周期内在区块链中最先广播深度学习结果且深度学习结果正确的次数，α、β、γ和δ表示调节系数；
S2、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；
S3、审核节点获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中；
S4、若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；所述维护节点获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；
S5、若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上。
2.根据权利要求1所述的方法，其特征在于，所述申报节点包括无奖励获取权限的临时节点和有奖励获取权限的正式节点，所述临时节点升级为正式节点的方法具体包括：
超级节点向获取奖励的申报节点发送邀请码，并接收申报节点推荐的受邀临时节点的上链请求，所述上链请求携带有IP地址、邀请码和硬件信息；
当超级节点验证邀请码通过，且受邀临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；或者，
超级节点接收注册临时节点的上链请求，所述上链请求携带有IP地址、硬件信息和移动数据，所述移动数据为最近一段天数内节点产生的GPS定位数据记录，包括节点的经度、纬度以及数据记录发生的时间；
当超级节点判断注册临时节点的移动值D≥移动阈值D0时，且注册临时节点的硬件信息达到预设的硬件配置条件时，向所述受邀临时节点发送正式节点标识，使得所述受邀临时节点加入区块链；否则拒绝其上链请求；
其中，移动值D的计算公式为：
Figure FDA0003137413380000031
其中，D表示移动值，Nx表示天数，△Li表示第i天经度变化值，
Figure FDA0003137413380000032
表示根据实际情况设定的经度变化阈值，△Bi表示第i天纬度变化值，
Figure FDA0003137413380000033
表示根据实际情况设定的纬度变化阈值。
3.根据权利要求1所述的方法，其特征在于，所述S2中初步审核具体包括：
S201、当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点根据最新获取的维护记录清单判断所述申报请求是否为重复申报，所述维护记录清单记录有道路维修状态和维修时间；
S202、若道路维修状态为维修中，则认定申报请求为重复申报，并统计目标道路重复申报次数P；若重复申报次数P＞重复申报次数阈值P0，则超级节点向监督节点和目标道路对应的维护节点发送催告信息；
S203、若道路维修状态为无记录、无裂缝或者维修完成，则认定申报请求为非重复申报，超级节点使用私钥签名后向区块链中发送审核任务。
4.根据权利要求3所述的方法，其特征在于，还包括：
监督节点获取维护记录清单，计算同一道路维修间隔时间T，若间隔时间T＜间隔时间阈值T0，则监督节点向目标道路对应的维护节点发送警告信息。
5.根据权利要求1所述的方法，其特征在于，所述S3中深度学习模型的构建结构包括：
过滤层、卷积层C1、最大池化层S1、卷积层C2、最大池化层S2、卷积层C3、最大池化层S3、卷积层C4、最大池化层S4、全连接层F1、全连接层F2和输出层；其中，
过滤层将输入的图像数据过滤后，并将大小统一为99×99大小的二维特征图；卷积层C1为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核卷积99×99大小的图片，得到96×96大小的二维特征图；最大池化层S1通过激活函数获得48个48×48大小的特征图，核的大小为2×2；卷积层C2为具有48个核的卷积层，激活函数为relu，通过一个5×5大小的卷积核进行卷积，得到44×44大小的二维特征图；最大池化层S2通过激活函数获得48个22×22大小的特征图，核的大小为2×2；卷积层C3为具有48个核的卷积层，激活函数为relu，通过一个3×3大小的卷积核进行卷积，得到20×20大小的二维特征图；最大池化层S3通过激活函数获得48个10×10大小的特征图，核的大小为2×2；卷积层C4为具有48个核的卷积层，激活函数为relu，通过一个4×4大小的卷积核进行卷积，得到7×7大小的二维特征图；最大池化层S4通过激活函数获得48个3×3大小的特征图，核的大小为2×2；将最大池化层S4的输出展开成一维数组，连接到全连接层F1，全连接层F1有200个神经单元，激活函数为Dropout；将全连接层F1的输出连接到全连接层F2，全连接层F2有2个神经单元，再将全连接层F2的输出连接到输出层，输出层的激活函数为softmax，对输出结果进行二分类。
6.根据权利要求5所述的方法，其特征在于，所述方法还包括：
利用损失函数对预设的深度学习模型进行深度训练，调整深度学习卷积神经网络的参数，得到最优深度学习模型；其中，损失函数定义如下：
Lall＝L1+L2；
Figure FDA0003137413380000041
Figure FDA0003137413380000042
其中，Lall表示损失函数，L1表示第一损失函数值，L2表示第二损失函数值，X表示道路裂缝图像的像素值，Y表示道路非裂缝图像的像素值，y表示权重平衡值，i表示像素在图像中的位置，N表示像素总数，S(·)表示图像的预测概率，D(·)表示图像的真实概率；Sub(·)表示神经网络的子输出，s表示类别数，N(s)表示子输出的像素总数；
利用随机梯度下降优化方法来优化预定的深度学习模型。
7.基于区块链的交通工程道路裂缝的巡检系统，其特征在于，包括：
区块链系统，所述区块链系统包括多个申报节点、审核节点、维护节点、监督节点和超级节点，
所述超级节点用于当申报节点使用私钥签名后在区块链中广播携带位置信息的目标道路裂缝申报请求时，超级节点初步审核请求后使用私钥签名向区块链中广播申报请求的审核任务；若深度学习结果为存在裂缝，超级节点向监督节点和目标道路对应的维护节点发送维护确认请求；若维护记录清单记录的目标道路维修结果为无裂缝，则超级节点向审核节点发送深度学习模型修正更新请求，并向对应申报节点发送警告信息并对申报节点进行警告标记L，当警告标记次数L＞次数阈值L0时，将对应申报节点从区块链中淘汰；若维护记录清单记录的目标道路维修结果为维修中或者维修完成，审核节点向对应的申报节点发放奖励，超级节点将交易信息打包为新的区块，经其他超级节点共识验证后将新的区块添加到区块链上；
所述维护节点用于获取维护确认请求，实地审核后更新维护记录清单并通过私钥签名后在区块链中广播；
所述审核节点用于获取审核任务，根据加密共享的航拍图像数据处理后获取目标道路图像，并基于加密共享的深度学习模型对目标道路图像进行裂缝识别以生成深度学习结果，并通过私钥签名后将深度学习结果携带时间戳广播到区块链中，审核节点向对应的申报节点发放奖励；
所述区块链系统还包括：
评分模块，用于判断是否到达评分周期，若是，计算评分周期内审核节点和超级节点的评价分数F，选取评价分数F最高的N个审核节点和/或超级节点作为下一周期的超级节点，其中，
Figure FDA0003137413380000051
N为奇数，M为审核节点总数，K≥5；
所述评分模块 中评价分数F计算公式为：
Figure FDA0003137413380000061
Figure FDA0003137413380000062
其中，F表示评价分数，x表示节点的计算能力，y表示节点的存储能力，T0表示接收到的数据包到数据包转发结束的时间，T1表示第一预设的时间间隔，T2表示第二预设的时间间隔，n表示数据位的数目，w表示网络带宽，d表示数据传播距离，v表示数据传播速度，t表示处理时间，m表示到达评分周期时节点连续作为超级节点的周期次数，m*表示节点作为超级节点在评价周期内在区块链中最先广播深度学习结果且深度学习结果正确的次数，α、β、γ和δ表示调节系数。
CN202011557945.5A 2020-12-25 2020-12-25 基于区块链的交通工程道路裂缝的巡检方法及系统 Active CN112633701B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202011557945.5A CN112633701B (zh) 2020-12-25 2020-12-25 基于区块链的交通工程道路裂缝的巡检方法及系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202011557945.5A CN112633701B (zh) 2020-12-25 2020-12-25 基于区块链的交通工程道路裂缝的巡检方法及系统

Publications (2)

Publication Number Publication Date
CN112633701A CN112633701A (zh) 2021-04-09
CN112633701B true CN112633701B (zh) 2021-10-26

Family

ID=75325125

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202011557945.5A Active CN112633701B (zh) 2020-12-25 2020-12-25 基于区块链的交通工程道路裂缝的巡检方法及系统

Country Status (1)

Country Link
CN (1) CN112633701B (zh)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114662716A (zh) * 2022-03-21 2022-06-24 中国工商银行股份有限公司 基于区块链的电梯维护处理方法、装置以及存储介质
CN117367331B (zh) * 2023-12-04 2024-03-12 山西阳光三极科技股份有限公司 一种矿区地表形变的雷达监测方法、装置以及电子设备
CN117408168B (zh) * 2023-12-15 2024-03-15 中国石油大学(华东) 一种融合物理条件约束的压裂裂缝扩展快速预测方法

Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10222441B2 (en) * 2016-04-03 2019-03-05 Q Bio, Inc. Tensor field mapping
CN109767843A (zh) * 2019-01-18 2019-05-17 四川大学 基于智能合约的传染病预警方法及传染病数据区块链系统
WO2019147795A1 (en) * 2018-01-24 2019-08-01 Avis Budget Car Rental, LLC Drone usage in connected user and connected fleet communication and interface systems
CN111180061A (zh) * 2019-12-09 2020-05-19 广东工业大学 融合区块链与联邦学习的共享医疗数据智能辅助诊断系统
CN111198928A (zh) * 2020-01-06 2020-05-26 福建工程学院 一种基于区块链技术的道路损坏信息认证的方法和系统
CN111553298A (zh) * 2020-05-07 2020-08-18 北京天仪百康科贸有限公司 一种基于区块链的火灾识别方法及系统
CN111652615A (zh) * 2020-06-24 2020-09-11 杨刘琴 基于区块链大数据的安全识别方法及人工智能云服务平台
CN111652940A (zh) * 2020-04-30 2020-09-11 平安国际智慧城市科技股份有限公司 目标异常识别方法、装置、电子设备及存储介质
CN111724279A (zh) * 2020-06-08 2020-09-29 江苏荣泽信息科技股份有限公司 基于区块链的城市区域内道路及其附属设施的信息管理系统
CN111861464A (zh) * 2020-07-18 2020-10-30 北京天仪百康科贸有限公司 区块链的节点共识方法及系统
CN112009719A (zh) * 2019-05-13 2020-12-01 波音公司 检查和维修结构的方法和无人驾驶飞行器
CN112101939A (zh) * 2020-09-14 2020-12-18 邢文超 基于区块链的节点管理方法及系统

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111222853A (zh) * 2020-01-09 2020-06-02 广州运通链达金服科技有限公司 基于区块链的项目资源管理方法、装置及计算机设备

Patent Citations (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10222441B2 (en) * 2016-04-03 2019-03-05 Q Bio, Inc. Tensor field mapping
WO2019147795A1 (en) * 2018-01-24 2019-08-01 Avis Budget Car Rental, LLC Drone usage in connected user and connected fleet communication and interface systems
CN109767843A (zh) * 2019-01-18 2019-05-17 四川大学 基于智能合约的传染病预警方法及传染病数据区块链系统
CN112009719A (zh) * 2019-05-13 2020-12-01 波音公司 检查和维修结构的方法和无人驾驶飞行器
CN111180061A (zh) * 2019-12-09 2020-05-19 广东工业大学 融合区块链与联邦学习的共享医疗数据智能辅助诊断系统
CN111198928A (zh) * 2020-01-06 2020-05-26 福建工程学院 一种基于区块链技术的道路损坏信息认证的方法和系统
CN111652940A (zh) * 2020-04-30 2020-09-11 平安国际智慧城市科技股份有限公司 目标异常识别方法、装置、电子设备及存储介质
CN111553298A (zh) * 2020-05-07 2020-08-18 北京天仪百康科贸有限公司 一种基于区块链的火灾识别方法及系统
CN111724279A (zh) * 2020-06-08 2020-09-29 江苏荣泽信息科技股份有限公司 基于区块链的城市区域内道路及其附属设施的信息管理系统
CN111652615A (zh) * 2020-06-24 2020-09-11 杨刘琴 基于区块链大数据的安全识别方法及人工智能云服务平台
CN111861464A (zh) * 2020-07-18 2020-10-30 北京天仪百康科贸有限公司 区块链的节点共识方法及系统
CN112101939A (zh) * 2020-09-14 2020-12-18 邢文超 基于区块链的节点管理方法及系统

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
A study of the artificial vegetation restoration technology in the Wenchuan earthquake area;liuxingliang等;《Asian Agricultural Research》;20141231;第6卷(第9期);第64-68页，全文 *
Enhanced Road Construction Process with Machine Learning and Blockchain Technology;Rucha SHinde等;《IEEE》;20200528;第207-210页，全 *
基于LSTM边缘计算与随机森林雾决策的矿工状态监测设备;孟亦凡等;《煤矿机械》;20181130(第11期);第144-148页，全文 *
基于区块链的数据灾备网络设计;刘坤灿;《电子世界》;20200430(第08期);第122-123页，全文 *
重载交通公路桥梁设计中关于车辆载荷的分析;刘星亮;《科技与创新》;20141031(第20期);第110页，全文 *

Also Published As

Publication number Publication date
CN112633701A (zh) 2021-04-09

Similar Documents

Publication Publication Date Title
CN112633701B (zh) 基于区块链的交通工程道路裂缝的巡检方法及系统
CN111462484B (zh) 拥堵状态的确定方法、装置、设备及计算机可读存储介质
CN112712690B (zh) 车辆电子围栏方法、装置、电子设备
CN110969857B (zh) 一种交通信息处理方法及装置
US10119829B2 (en) Route planning method and device for navigation system and storage medium
US11392733B2 (en) Multi-dimensional event model generation
CN103929719B (zh) 定位信息的优化方法和优化装置
CN110634303B (zh) 一种交通违法监测及校验的方法和装置
CN112861833B (zh) 车辆车道级定位方法、装置、电子设备和计算机可读介质
CN112712219B (zh) 大气污染物浓度的预估方法、系统、电子设备及介质
CN112509288B (zh) 用于大气污染的监测方法、装置、电子设备及介质
CN104270714A (zh) 确定用户行动轨迹的方法和装置
CN113792642B (zh) 一种基于智能化技术的河湖生态治理数据处理方法及系统
US20150309962A1 (en) Method and apparatus for modeling a population to predict individual behavior using location data from social network messages
CN111510859A (zh) 一种用户轨迹定位方法、系统、服务器和存储介质
CN114885369A (zh) 网络覆盖质量检测处理方法、装置、电子设备和存储介质
CN111220147B (zh) 终端的定位修正方法、装置
CN109743693A (zh) 信息推荐方法、装置及存储介质
CN110743169B (zh) 基于区块链的防作弊方法及系统
CN112559972B (zh) 基于电子标签的非道路机械排放清单的计算方法及系统
Wibisono et al. Traffic intelligent system architecture based on social media information
CN113902047B (zh) 图像元素匹配方法、装置、设备以及存储介质
CN112529307B (zh) 大气污染预测方法、装置、电子设备及存储介质
Hossain et al. Spatial network analysis as a tool for measuring change in accessibility over time: Limits of transport investment as a driver for UK regional development
CN111583312A (zh) 一种遥感图像精准匹配方法、装置、电子设备及存储介质

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
TA01 Transfer of patent application right

Effective date of registration: 20210929

Address after: Room 1019, floor 10, unit 0, building B, Wanda Plaza Apartment, bengshan District, Bengbu City, Anhui Province

Applicant after: BENGBU KERUIDA MACHINERY DESIGN Co.,Ltd.

Address before: 101104 li'ersi village, Zhangjiawan Town, Tongzhou District, Beijing

Applicant before: BEIJING TIANYIBAIKANG SCIENCE AND TRADE Co.,Ltd.

TA01 Transfer of patent application right
GR01 Patent grant
GR01 Patent grant