CN112726350A - 道路平整检测方法及装置、设备 - Google Patents

Abstract

本发明涉及一种道路平整检测方法及装置、设备，该方案包括以下步骤：获取行驶中车辆的陀螺仪数据和经纬度数据；通过道路颠簸区间优化算法模型得出道路问题点的颠簸程度；筛选出属于所述道路问题点的记录，将记录中的经纬度数据换算成对应等级的网格区域，将网格区域内所有不同经纬度坐标的点位聚合成同一网格数值表示；获取网格区域内中心点位的经纬度坐标，定时利用逆地理编码API获取相关地理信息；通过道路健康评分算法模型得出整条道路的评分状况，并给出道路健康等级，本发明可解决现有技术人工采集慢、采集成本高、无法大规模推广使用的问题，无需手动录入道路相关信息，自动化程度高。

Description

道路平整检测方法及装置、设备

技术领域

本发明涉及道路平整检测技术领域，具体涉及一种道路平整检测方法及装置、设备。

背景技术

现阶段，出行的舒适、安全、经济受到广泛关注，经路面行驶质量研究表明：道路的平整度特性直接影响路面的行驶质量。从行车角度分析，不平整路面会使行车阻力加大，使车辆产生附加振动作用造成行车颠簸，影响行车速度与安全，易使乘客疲劳或货物的破损；从道路角度分析，行车颠簸反会给路面施加相应的反作用力，而且不平整路面处还会积滞雨水，加速路面的破坏，影响道路的使用年限和养护周期。

目前的技术通常是通过3M直尺、连续式平整度仪、激光路面平整度测定仪及车载式颠簸累积仪等工具检测，这些普遍存在以下问题：

1、人工成本高、设备成本过高，难以大规模推广；

2、现有道路颠簸检测结果颗粒度较大无法将道路按照指定等级划分为多个路段并得出每个细化之后的路段颠簸情况；

3、无法自动识别同一路段及同一路段多次检测结果不同时，如何优化处理的问题；

4、不能自动识别道路信息、不能根据道路类型(主干、非主干道路)对数据进行筛选；

5、道路检测结果可扩展性差，如无法按照行政区域分析道路健康状况(如西湖区健康道路排名)、查看道路颠簸历史数据及变化趋势、检测车辆信息等。

因此，亟待设计一种可解决上述问题的道路平整检测方法及装置、设备。

发明内容

本发明的目的是针对现有技术中存在的上述问题，提供了一种道路平整检测方法及装置。

为了实现上述发明目的，本发明采用了以下技术方案：一种道路平整检测方法包括以下步骤：

S100：获取行驶中车辆的陀螺仪数据和经纬度数据并实时上传云端，其中所述陀螺仪数据包括X-Y-Z三轴的角速度数据；

S200：通过道路颠簸区间优化算法模型得出道路问题点的颠簸程度，其中所述颠簸程度包括严重、一般、轻微及正常四个等级；

S300：筛选出属于所述道路问题点的记录，将所述记录中的经纬度数据换算成对应颠簸程度等级的网格区域，将所述网格区域内所有不同经纬度坐标的点位聚合成同一网格数值表示；

S400：获取所述网格区域内中心点位的经纬度坐标，定时利用逆地理编码API获取相关地理信息；

S500：通过道路健康评分算法模型得出整条道路的评分状况，并给出道路健康等级。

工作原理及有益效果：1、可通过现有的物联网设备、陀螺仪、GPS模块等获取数据，并实时上传云端，并结合本方案的方法，有效地解决了人工采集慢的问题，实时上传数据可免去本地存储的设置，减少本地设备的成本，尤其是在检测装置较多时，可显著降低设备的成本，同时便于数据的统一管理，可大规模推广；

2、通过道路颠簸区间优化算法模型可显著提高了颠簸检测的准确性，并且可得出颠簸程度的评估，方便对于现有道路进行评量；

3、通过将每个道路问题点转换成对应颠簸程度等级的网格数据，可更加直观的展示所检测道路的健康状况，尤其将同一网格内的数据进行聚合，可解决现有技术无法自动识别同一路段及同一路段多次检测结果不同时如何处理等问题，而通过定义网格大小等级也解决了道路检测颗粒度过大的问题；

4、定时利用逆地理编码API获取相关地理信息，可实现完全自动化采集分析道路颠簸情况，无需手动录入相关道路信息、道路所属行政区域等信息，显著提高检测效率，降低工作强度。

5、道路检测结果扩展性好，可通过逆地理编码API获取相关地理信息，实现按照行政区域分析道路健康状况(如西湖区健康道路排名)、查看道路颠簸历史数据及变化趋势、检测车辆信息等。

进一步地，所述道路颠簸区间优化算法模型建立的具体步骤为：

S210：实地勘测，获取测试路段的Z轴角速度波动数据并划分颠簸程度等级，正常、轻微、一般及严重；

S220：将所述Z轴角速度波动数据与道路颠簸程度一一对应标注并进行训练，算出不同颠簸程度下Z轴角速度的波动范围，得到道路颠簸区间优化算法模型。此步骤，路面凹凸不平主要天现在Z轴方向上的位移，经过类似大数据方法来不断完善算法模型，从而显著提高其颠簸程度的判断准确度。

进一步地，所述训练的方法步骤为：

S221：增加测试路段数量；

S222：对不同颠簸程度等级的测试路段进行测试并记录对应的Z轴角速度波动范围；

S223：通过降噪处理优化得出波动范围区间。上述步骤通过增加训练量，从而以更多的数据来完善模型，经过优化处理的数据，可进一步提升其颠簸程度的数据准确度。

进一步地，通过降维分形、球形投影、空间网格化及曲线填充的其中至少一种算法将采集到的经纬度坐标转换成对应等级的网格区域。将同一网格内不同的地理点位聚合成同一网格数值表示从而解决了无法自动识别同一路段及同一路段多次检测结果不同如何处理等问题，通过自定义网格大小也解决了道路检测颗粒度过大的问题。

进一步地，通过谷歌S2算法或者GeoHash算法将所述记录中的经纬度数据换算成对应等级的网格区域。可利用现成成熟的算法来进行精确计算，数据更加可靠且更具信服力，且算法较为完善，尤其是谷歌S2算法可提供0-30级的可定义网格范围，可很好地解决现有技术中检测方法存在的道路检测颗粒度过大的问题。

进一步地，其中利用逆地理编码API获取相关地理信息具体步骤为：

S410：访问逆地理编码API远程服务接口；

S420：利用谷歌S2算法或者GeoHash算法获取网格对应的经纬度；

S430：通过获取的经纬度来调用逆地理编码API来获取结构化地址信息；

S440：对返回的所述结构化地址信息进行筛选，获取需要的数据。

上述步骤，利用现有地图软件现成开放的逆地理API，可非常方便地将经纬度坐标逆向转换成地理信息，如道路信息、行政信息等，利用谷歌S2等算法可自动获取对应网格的经纬度，因此只需要对设备上传的经纬度做转换就可以获取相关的地理信息，从而实现自动化信息获取，显著降低了检测难度和提高了检测效率。

进一步地，所述道路健康评分算法具体步骤为：

S510：定义网格大小；

S520：计算每个网格代表的颠簸程度并计算出最终得分；

S530：根据每个网格代表的最终得分值计算道路所属的道路健康等级。上述步骤，通过定义网格大小，可解决现有技术道路检测颗粒度过大的问题。

进一步地，所述道路健康等级至少分为健康、亚健康及不健康。此设置，可清楚地表示道路的健康等级。

进一步地，将所述网格区域内所有不同经纬度坐标的点位聚合成同一网格数值表示具体为选用所述网格区域内最大颠簸程度作为该网格区域的颠簸程度。

一种道路平整检测装置包括获取模块、GPS模块及通信模块；所述获取模块用于获取当前车辆的陀螺仪数据；所述GPS模块用于获取当前位置的经纬度数据；所述通信模块用于上传所述陀螺仪数据和经纬度数据；所述装置内还设有运行上述的一种道路平整检测方法的处理模块。

一种电子设备包括控制板及设于控制板上的陀螺仪模块、GPS模块、无线通信模块；所述陀螺仪模块用于获取当前车辆的X-Y-Z三轴的角速度数据；所述GPS模块用于获取当前位置的经纬度数据；所述无线通信模块用于上传所述角速度数据和经纬度数据；所述控制板用于运行上述的一种道路平整检测方法。

附图说明

图1是本发明的流程示意图；

图2是本发明一种实施例的球形投影示意图；

图3是图2中：球形投影到立方体展开图形示意图；

图4是希尔伯特曲线进行平面填充示意图；

图5是复杂路段检测时陀螺仪z轴波动情况示意图；

图6是单位球体网格化示意图；

图7是经纬度点转换成球面三维直角坐标系示意图；

图8是高德逆地理API示意图；

图9是高德逆地理API获取道路及行政区划信息的示意图。

具体实施方式

下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅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所获得的所有其他实施例，都属于本发明保护的范围。

本领域技术人员应理解的是，在本发明的披露中，术语“纵向”、“横向”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”、“内”、“外”等指示的方位或位置关系是基于附图所示的方位或位置关系，其仅是为了便于描述本发明和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此上述术语不能理解为对本发明的限制。

请参阅图1，本道路平整检测方法包括以下步骤：

步骤一：基于现有数据采集方式获取数据，如获取行驶车辆陀螺仪(车辆自带陀螺仪或智能设备的陀螺仪)三轴数据：x轴角速度xSpeed、y轴角速度ySpeed、z轴角速度zSpeed，通过GPS设备获取车辆当前经纬度：经度longitude、纬度latitude并按一定频率(如间隔1秒)采集上传至服务端或者云端设备进行存储(由于数据量相对较大，可采用大数据存储方案，如采用mysql分库分表技术实现)。

步骤二：通过道路颠簸区间优化算法模型得出道路问题点的颠簸程度(严重、一般、轻微、正常)。

其中道路颠簸区间优化算法模型为通过实地勘测，根据路面平整度选取城市不同路况道路路段作为测试路段，大致分为如下四类：正常、轻微、一般、严重四个等级。(路面平整度(Road Surface Roughness)指的是路表面纵向的凹凸量的偏差值，主要反映的是路面纵断面剖面曲线的平整性。

当路面纵断面剖面曲线相对平滑时，则表示路面相对平整，或平整度相对好，反之则表示平整度相对差，根据精度要求的不同可通过肉眼判断、车辆行驶过程中主观感受或者基于定长度直尺法、断面描绘法、顺簸累积法等通用测量路面平整度的方法进行测量)。

对上述路段采集的数据并参照实际路况做对比分析(重点记录z轴角速度zSpeed波动范围)，如图5所述是一次路况复杂路段数据采集时z轴角速度zSpeed的波动情况。

将上述Z轴角速度数据与道路颠簸程度一一对应后进行标注，最后基于标注进行训练，算出不同颠簸程度下z轴角速度zSpeed的波动范围，得到道路颠簸区间优化算法模型。

其中标注训练法为：获取陀螺仪z轴角速度波动峰谷点位时的经纬度坐标，根据经纬度查询所在地点并观测路面颠簸情况进行标注。

训练方式为：增加各测试路段数量，对不同等级路段(正常、轻微、一般、严重)进行测试并记录陀螺仪z轴角速度波动范围，在通过降噪处理优化得到的波动范围区间。

在本实施例中，模型区间数值如下所示：

正常波动z轴角速度zSpeed范围区间：0～0.1；

轻微波动z轴角速度zSpeed范围区间：0.1～0.2；

一般波动z轴角速度zSpeed范围区间：0.2～0.5；

严重波动z轴角速度zSpeed的区间范围：大于0.5。

步骤三：：筛选出属于问题点的记录，通过谷歌S2算法或者GeoHash算法将采集到的经纬度坐标换算成对应等级的网格区域，从而将同一网格内不同的地理点位(不同经纬度坐标)聚合成同一网格数值进行表示；聚合之后，同一网格内不同颠簸程度的经纬度点将选取最大颠簸程度用于表示聚合之后该聚合点位(网格)的颠簸情况。

其中还有通过其他算法，如降维分形、球形投影(如图2)、空间网格化(图3)、曲线填充(图4)等算法将采集到的经纬度坐标转换成对应等级的网格区域，从而将同一网格内不同的地理点位(不同的经纬度坐标)聚合成同一网格数值CellID进行表示。

在本实施例中，选用谷歌S2算法，具体步骤如下：

1)Cell定义：Google S2中定义了一个将单位球体分解成单元格层次结构的框架。每个Cell的单元格是由四个测地线限定的四边形。通过将立方体的六个面投影到单位球上来获得层级的顶层，通过递归地将每个单元细分为四个子层来获得较低层。例如，图6显示了六个face中Cell的两个，其中一个已经细分了几次。

2)将经纬度点转换成球面三维直角坐标系表示：S(lat,lng)->f(x,y,z)，见图7。

3)请参阅图2将球面三维坐标系转换成外切正方体投影坐标：f(x,y,z)->g(face,u,v)，face是正方形的六个面，u，v对应的是六个面中的一个面上的x，y坐标。

4)对外切正方体投影坐标进行修正：g(face,u,v)->h(face,s,t)，经过修正变换以后，u，v都变换成了s，t。值域也发生了变化。u，v的值域是[-1,1]，变换以后，是s，t的值域是[0,1]。

5)坐标系变换，映射到[0,2^30^-1]区间：h(face,s,t)->H(face,i,j)。

6)把坐标系上的点都映射到希尔伯特曲线上：H(face,i,j)->CellID。

通过上述步骤实现了将同一网格内不同的地理点位聚合成同一网格数值表示从而解决了无法自动识别同一路段及同一路段多次检测结果不同如何处理等问题，通过自定义网格大小也解决了道路检测颗粒度过大的问题。

步骤四：

通过谷歌s2或者GeoHash提供的方法获取聚合网格中心点位的经纬度坐标，利用相关逆地理解决方案，通过每日定时调用高德或者百度等逆地理API，将经纬度坐标逆向获取相关地理信息(道路信息、行政区域信息)，如可通过高德逆地理API根据经纬度坐标、查询半径大小(如100米)以及是否主干道路等获取道路信息。因此本算法创新仅需要对设备上传的经纬度做转换就可以获取相关的地理信息，从而实现自动化信息获取，具体实现如下：

其中对于地理编码/逆地理编码概念介绍：地理编码/逆地理编码API是通过HTTP/HTTPS协议访问远程服务的接口，提供结构化地址与经纬度之间的相互转化的能力。

其中对于结构化地址的定义：首先，地址肯定是一串字符，内含国家、省份、城市、区县、城镇、乡村、街道、门牌号码、屋邨、大厦等建筑物名称。按照由大区域名称到小区域名称组合在一起的字符，一个有效的地址应该是独一无二的。

1)利用谷歌S2算法提供的相关函数获取网格对应的经纬度。

2)请参阅图8，将上一步获取的经纬度值调用高德或百度等提供的逆地理编码API获取结构化地址信息。

3)请参阅图9，对返回的结构化数据筛选出有用数据，如附近道路信息，所属行政区域信息等。

步骤五：

通过上述步骤获取道路信息之后通过道路健康评分算法模型得出整条道路的评分状况(0到100分)，并给出道路健康等级评估(健康、亚健康、不健康)。

其中道路健康评分模型主要分为以下几个部分：

1)定义网格大小，如谷歌S2算法可定义的网格等级范围是：0到30，如当等级为20时，每个网格大小范围7mx9m～9mx10m，当同一网格内颠簸点位比较复杂时取最严重的颠簸程度。如A点和B点都属于同一个网格，A点颠簸程度为轻微，B点为严重，则该网格区域颠簸程度为严重级别。

2)由步骤三和步骤四可得出某条道路严重、一般、轻微问题的多个网格点，分别计算出严重颠簸点最终得分、一般颠簸点最终得分、轻微颠簸点最终得分并求和得出总分。道路健康评分算法模型根据该条道路上颠簸点位的数量及各种程度颠簸点位占比通过大数据学习优化得出颠簸点位个数阈值：严重阈值(num3)、一般阈值(num2)、轻微阈值(num1)；颠簸点位分数阈值：严重阈值(score3)、一般阈值(score2)、轻微阈值(score1)且score3+score2+score1＝100。分数计算公式如下(假设道路颠簸严重问题点个数problem3、一般问题点个数problem2、轻微问题点个数problem1)：

严重颠簸点最终得分(result3)：当problem3>＝num3分数为0，否则带入公式(1-problem3/num3)*score3；

一般颠簸点最终得分(result2)：当problem2>＝num2分数为0，否则带入公式(1–problem2/num2)*score2；

轻微颠簸点最终得分(result1)：当problem1>＝num1分数为0，否则带入公式(1–problem1/num1)*score1；

道路最终得分：amount＝result3+result2+result1。

根据道路评分及大数据分析之后得出的道路健康等级分数阈值：健康分数阈值(healthy)、亚健康分数阈值(subHealthy)，计算对应健康等级公式如下：

健康等级：amount>＝healthy；

亚健康等级：healthy>amount>＝subHealthy；

不健康等级：amount<subHealthy。

一种道路平整检测装置包括陀螺仪也就是获取模块、GPS模块及物联网设备也就是通信模块；所述获取模块用于获取当前车辆的X-Y-Z三轴的陀螺仪角速度数据；所述GPS模块用于获取当前位置的经纬度数据；所述物联网设备用于上传所述角速度数据和经纬度数据；所述装置内还设有运行上述的一种道路平整检测方法的处理模块。其中陀螺仪、GPS模块为现有可购买到的设备，而物联网设备为常见的手机、4G/5G无线路由器等，通过将上述设备安装在现有检测车辆上，通过运行本方案来实现道路平整检测，可显著提高检测效率和降低检测成本，适合大规模推广。

一种电子设备包括控制板及设于控制板上的陀螺仪模块、GPS模块、无线通信模块；所述陀螺仪模块用于获取当前车辆的X-Y-Z三轴的角速度数据；所述GPS模块用于获取当前位置的经纬度数据；所述无线通信模块用于上传所述角速度数据和经纬度数据；所述控制板用于运行上述的一种道路平整检测方法。其中本设备可以是常见的手机平板等，自带陀螺仪、GPS模块及无线通信模块，且可与现有的检测设备通过数据线或者蓝牙的方式连接，只需要在本设备上安装可运行本方法的软件，通过本设备与现有的检测设备联动，即可轻松实现道路平整检测，兼容性极好，方便携带，设备成本低，适用于多种环境，适合大规模推广。

本发明未详述部分为现有技术，故本发明未对其进行详述。

可以理解的是，术语“一”应理解为“至少一”或“一个或多个”，即在一个实施例中，一个元件的数量可以为一个，而在另外的实施例中，该元件的数量可以为多个，术语“一”不能理解为对数量的限制。

尽管本文较多地使用了专业术语，但并不排除使用其它术语的可能性。使用这些术语仅仅是为了更方便地描述和解释本发明的本质；把它们解释成任何一种附加的限制都是与本发明精神相违背的。

本发明不局限于上述最佳实施方式，任何人在本发明的启示下都可得出其他各种形式的产品，但不论在其形状或结构上作任何变化，凡是具有与本申请相同或相近似的技术方案，均落在本发明的保护范围之内。

Claims (10)

1.道路平整检测方法，其特征在于，包括以下步骤：

获取行驶中车辆的陀螺仪数据和经纬度数据；

通过道路颠簸区间优化算法模型得出道路问题点的颠簸程度，其中所述颠簸程度包括严重、一般、轻微及正常四个等级；

筛选出属于所述道路问题点的记录，将所述记录中的每个经纬度数据换算成对应等级的网格区域，将每个所述网格区域内所有不同经纬度坐标的点位聚合成同一网格数值表示；

获取每个所述网格区域内中心点位的经纬度坐标，定时利用逆地理编码API获取相关地理信息；

通过道路健康评分算法模型得出整条道路的评分状况，并给出道路健康等级。

2.根据权利要求1所述的一种道路平整检测方法，其特征在于，所述道路颠簸区间优化算法模型建立的具体步骤为：

实地勘测，获取测试路段的Z轴角速度波动数据并划分颠簸程度等级，正常、轻微、一般及严重；

将所述Z轴角速度波动数据与道路颠簸程度一一对应标注并进行训练，算出不同颠簸程度下Z轴角速度的波动范围，得到道路颠簸区间优化算法模型。

3.根据权利要求2所述的一种道路平整检测方法，其特征在于，所述训练的方法步骤为：

增加测试路段数量；

对不同颠簸程度等级的测试路段进行测试并记录对应的Z轴角速度波动范围；

通过降噪处理优化得出波动范围区间。

4.根据权利要求1所述的一种道路平整检测方法，其特征在于，通过降维分形、球形投影、空间网格化及曲线填充的其中至少一种算法将采集到的经纬度坐标转换成对应等级的网格区域。

5.根据权利要求4所述的一种道路平整检测方法，其特征在于，通过谷歌S2算法或者GeoHash算法将所述记录中的经纬度数据换算成对应等级的网格区域。

6.根据权利要求1所述的一种道路平整检测方法，其特征在于，其中利用逆地理编码API获取相关地理信息具体步骤为：

访问逆地理编码API远程服务接口；

利用谷歌S2算法或者GeoHash算法获取网格对应的经纬度；

通过获取的经纬度来调用逆地理编码API来获取结构化地址信息；

对返回的所述结构化地址信息进行筛选，获取需要的数据。

7.根据权利要求1所述的一种道路平整检测方法，其特征在于，所述道路健康评分算法具体步骤为：

定义网格大小；

计算每个网格代表的颠簸程度并计算出最终得分；

根据每个网格代表的最终得分值计算道路所属的道路健康等级。

8.根据权利要求1-7任意一项所述的一种道路平整检测方法，其特征在于，将所述网格区域内所有不同经纬度坐标的点位聚合成同一网格数值表示具体为选用所述网格区域内最大颠簸程度作为该网格区域的颠簸程度。

9.一种道路平整检测装置，其特征在于，包括获取模块、GPS模块及通信模块；所述获取模块用于获取陀螺仪数据；所述GPS模块用于获取当前位置的经纬度数据；所述通信模块用于上传所述陀螺仪数据和经纬度数据；所述装置内还设有运行权利要求1-8任意一项所述的一种道路平整检测方法的处理模块。

10.一种电子设备，其特征在于，包括控制板及设于控制板上的陀螺仪模块、GPS模块、无线通信模块；所述陀螺仪模块用于获取当前车辆的X-Y-Z三轴的角速度数据；所述GPS模块用于获取当前位置的经纬度数据；所述无线通信模块用于上传所述角速度数据和经纬度数据；所述控制板用于运行权利要求1-8任意一项所述的一种道路平整检测方法。

Images