CN112884041A - 一种基于养护历史路段划分方法、系统、设备及存储介质 - Google Patents

一种基于养护历史路段划分方法、系统、设备及存储介质 Download PDF

Info

Publication number
CN112884041A
CN112884041A CN202110197108.4A CN202110197108A CN112884041A CN 112884041 A CN112884041 A CN 112884041A CN 202110197108 A CN202110197108 A CN 202110197108A CN 112884041 A CN112884041 A CN 112884041A
Authority
CN
China
Prior art keywords
road
maintenance
clustering
classes
class
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
Application number
CN202110197108.4A
Other languages
English (en)
Other versions
CN112884041B (zh
Inventor
王选仓
赵静
辛磊
邓玉缘
胡士清
郭昱辰
冀冠宇
张凯星
刘明艳
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.)
Xian Aeronautical University
Original Assignee
Changan University
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 Changan University filed Critical Changan University
Priority to CN202110197108.4A priority Critical patent/CN112884041B/zh
Publication of CN112884041A publication Critical patent/CN112884041A/zh
Application granted granted Critical
Publication of CN112884041B publication Critical patent/CN112884041B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/22—Matching criteria, e.g. proximity measures
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/23—Clustering techniques
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • 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
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/10—Services
    • G06Q50/26—Government or public services

Landscapes

  • Engineering & Computer Science (AREA)
  • Data Mining & Analysis (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Physics & Mathematics (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Evolutionary Biology (AREA)
  • Evolutionary Computation (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • General Engineering & Computer Science (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Tourism & Hospitality (AREA)
  • Educational Administration (AREA)
  • Development Economics (AREA)
  • Health & Medical Sciences (AREA)
  • Economics (AREA)
  • General Health & Medical Sciences (AREA)
  • Human Resources & Organizations (AREA)
  • Marketing (AREA)
  • Primary Health Care (AREA)
  • Strategic Management (AREA)
  • General Business, Economics & Management (AREA)
  • Road Repair (AREA)

Abstract

本发明公开了一种基于养护历史路段划分方法、系统、设备及存储介质，1.将道路划分为多个路段，测量每个路段的六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵；2.将各个路段各自设定为一类，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果；3.根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的路段。能够考虑到不同路段的养护历史情况，使划分结果更符合实际状况。

Description

一种基于养护历史路段划分方法、系统、设备及存储介质
技术领域
本发明属于道路工程领域，涉及一种基于养护历史路段划分方法、系统、设备及存储介质。
背景技术
传统的沥青路面养护路段划分方法主要考虑道路等级、路面结构和类型、交通量、大车混入率、气候环境等客观因素和道路自身的属性，如道路的破损类型，车辙，弯沉等。然而，这种方法虽然简单易操作，但忽略了路面破坏的随机性，例如，计算出的某单位长度路段的破损率很小，但实际上该分段某些小范围内路面的破损率有可能很大，因此，这种传统方法的计算结果常常与实际情况存在较大出入。
发明内容
本发明的目的在于克服上述现有技术的缺点，提供一种基于养护历史路段划分方法、系统、设备及存储介质，能够考虑到不同路段的养护历史情况，使划分结果更符合实际状况，提高划分精度。
为达到上述目的，本发明采用以下技术方案予以实现：
一种基于养护历史路段划分方法，包括以下步骤；
步骤一、将道路划分为多个路段，测量每个路段的横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵；
步骤二、将各个路段各自设定为一类，各类之间的空间距离为各个路段六个指标特征变量值之间的相似程度，通过步骤一中的矩阵对相似程度进行判断，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，如此每次缩小一类，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果；
步骤三、根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的路段。
优选的，步骤一中，养护残余寿命的计算方法为：
Lr＝∑Li；
Figure BDA0002947349130000021
Δyi＝Y-yi
其中，Lr为养护残余寿命；Li为第i种养护措施的养护残余寿命；li为养护措施的寿命；Y为路段划分年份；yi为第i种养护措施实施年份。
进一步，养护措施包括有机硅雾封层、GAC-16罩面、Novachip磨耗层和微表处，有机硅雾封层的使用寿命为1～2年，GAC-16罩面的使用寿命为4～7年；Novachip磨耗层的使用寿命为3～5年；微表处路面的使用寿命为3～4年。
优选的，步骤一中，采用标准差对每个路段的六个指标特征变量值进行标准化。
优选的，步骤二中，采用欧氏距离计算聚类前各路段之间的空间距离。
优选的，步骤二中，采用类平均法计算每次聚类后不同类之间的空间距离。
一种基于养护历史路段划分系统，包括：
指标特征变量计算模块，将道路划分为多个路段，测量每个路段的横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵；
聚类模块，用于将各个路段各自设定为一类，各类之间的空间距离为各个路段六个指标特征变量值之间的相似程度，通过指标特征变量计算模块中的矩阵对相似程度进行判断，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，如此每次缩小一类，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果；
聚类结果获取模块，用于根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的路段。
一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述基于养护历史路段划分方法的步骤。
一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述基于养护历史路段划分方法的步骤。
与现有技术相比，本发明具有以下有益效果：
本发明在历史养护数据的基础上，考虑横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六大指标特征变量值，采用系统聚类分析法将具有相同的路面病害及特征的路段合并起来，该方法的原理与常规的“非此即彼”不同，即不预先设定严格的路段划分标准，而是把每个路面路段称为样品，并根据路面损坏类型和历史养护数据选定一些能客观反映路面养护的统计量，然后把这些统计量按照路段空间距离相近或者路面损坏程度相似的原则将各个路段逐步合并，形成层次分明的各个部分，最后通过谱系图表达出各路段的关系和养护特征，能够考虑到不同路段的养护历史情况，使划分结果更符合实际状况，提高划分精度。
附图说明
图1为本发明的聚类流程图；
图2为本发明的系统聚类谱系图；
图3为本发明的K为16的聚类结果图；
图4为本发明的K为17的聚类结果图；
图5为本发明的K为18的聚类结果图；
图6为本发明的K为19的聚类结果图；
图7为本发明的K为20的聚类结果图；
图8为本发明的K为21的聚类结果图；
图9为本发明的K为22的聚类结果图；
图10为本发明的K为23的聚类结果图；
图11为本发明的K为24的聚类结果图；
图12为本发明的K为25的聚类结果图；
图13为本发明的基于养护历史的路面养护路段划分结果图。
具体实施方式
下面结合附图对本发明做进一步详细描述：
本发明所述的基于养护历史路段划分方法，包括以下步骤；
步骤一、将道路划分为多个路段，测量每个路段的横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵。
步骤二、如图1所示，将各个路段各自设定为一类，各类之间的空间距离为各个路段六个指标特征变量值之间的相似程度，通过步骤一中的矩阵对相似程度进行判断，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，如此每次缩小一类，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果。
步骤三、根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的养护路段。
具体包括以下步骤：
1.根据沥青路面的历史养护数据，得到不同路面养护方法下的道路使用寿命，其中：有机硅雾封层使用寿命约1～2年；GAC-16罩面使用寿命约为4～7年；Novachip磨耗层使用寿命约为3～5年；微表处路面使用寿命一般在3～4年。
表1四种养护措施下道路养护寿命
养护方式 养护寿命
微表处 2～4年
Novachip磨耗层 3～5年
GAC-16罩面 4～7年
有机硅雾封层 1～2年
2.结合沥青路面历史养护方法，根据各种方法下的道路使用寿命，计算养护残余寿命Lr，该指标的计算方法为：
Lr＝∑Li (1)
Figure BDA0002947349130000051
Δyi＝Y-yi (3)
式中：Lr为养护残余寿命(年)；Li为第i种养护措施的养护残余寿命；li为养护措施的寿命(年)；Y为路段划分年份；yi为第i种养护措施实施年份。
此种方法适用于预防性养护，且假定每种措施实施后，在其寿命期间，路面未被刨铣重新加铺。否则该措施养护残余寿命直接取0。
3.根据路面养护传统五大指标横向力系数SFC、路面车辙深度RD、国际平整度指数IRI、路面损坏状况指数PCI、路面结构强度指数PSSI和养护残余寿命Lr，利用系统聚类分析法确定路面路段。首先，假设道路被分为n个路段，每个路段长度为1km，即有n个样品数，每个样品都由m＝6个特征变量数构成，分别为SFC、RD、IRI、PCI、PSSI和Lr，对每个路段测出6个指标特征变量值，结果列为一个数据矩阵，如公式(4)所示：
Figure BDA0002947349130000061
式中:xij为特征值，(i＝1,2,…,n；j＝1,2,…,m)；n为路段数，m为指标个数，m＝6。
SFC为:Xi1＝[X11,X21,X31,...,Xn1]T；RD为:Xi2＝[X12,X22,X32,...,Xn2]T
IRI为:Xi3＝[X13,X23,X33,...,Xn3]T；PCI为:Xi4＝[X14,X24,X34,...,Xn4]T
PSSI为:Xi5＝[X15,X25,X35,...,Xn5]T；Lr为:Xi6＝[X16,X26,X36,...,Xn6]T
4.其次，本发明中所用的6项指标单位不一，因此为了消除量纲的影响，可采用标准差对高速公路每个路段的6个属性进行标准化，具体方法为：
Figure BDA0002947349130000071
式中，X′ij表示处理过的数据；
Figure BDA0002947349130000072
为指标j的平均值；Sj为指标的标准差，即：
Figure BDA0002947349130000073
式(5)可表示为：
Figure BDA0002947349130000074
5.系统聚类的基本思想；假定各个样本各自成为一类，各类之间的距离就是各个样本之间的距离，然后根据两两样本之间的相似性，将最近的两个样本合成新的类，再重新计算新类与其他类之间的距离，将距离最近的两类合并，如此每次缩小一类，直至所有的样本都成为一类为止。最后，根据所确定的类数得到分类结果。计算相邻路段空间距离dij。采用欧氏距离计算系统聚类法中各路段间的距离。针对式(7)的变换数据矩阵，欧式距离计算公式为:
Figure BDA0002947349130000075
这n个路段构成n类，则矩阵G为：
G＝{X′i} (i＝1,2,…,n) (9)
式中，X′i为各路段。
6.通过类平均法计算不同类之间的距离，具体计算方法为：
Figure BDA0002947349130000081
式中，Dpq为类Dp和类Dq间的空间距离，np和nq为类Gp和类Gq所包含的样品数量。当类Gp和类Gq合并为Gr(Gr＝{Gp,Gq},且nr＝np+nq,nr为Gr所包含的样品个数)时，Gr与其他类Gs距离的递推公式为：
Figure BDA0002947349130000082
式中，Drs为类Dps和类Dqs间的空间距离。
7.根据类与类之间的距离，得到不同系统聚类数图谱，通过图谱得到不同的分类，并用轮廓系数对聚类结果进行评价。在计算轮廓系数时，样本之间的距离计算可以通过先考虑在各个分类数k下，每个养护路段分到适当的类中的效率为si，然后对si求平均值
Figure BDA0002947349130000083
的值越接近于1，说明把养护路段分成k类的效果越好。某个样本si的计算方法如下：
记a为样本i与同类别里其余样本的均值间距，记b为i与最靠近i所在的类别中各样本的均值间距，则当a＜b时，
Figure BDA0002947349130000084
当a＞b时，
Figure BDA0002947349130000085
一般情况下第二种情况不会出现。
Figure BDA0002947349130000086
的取值范围聚类效果关系如表3.6所示。
表2轮廓系数与聚类效果关系
Figure BDA0002947349130000087
Figure BDA0002947349130000091
8.在保证聚类效果较高的情况下，得到k值，k即为路面养护路段数，并根据不同的养护路段采用不同的养护方法。
以广东省某高速为例，对该高速进行基于养护历史的路面养护的路段划分。
选用该高速AK53+840～AK87+682段2017年路面性能，调查该段养护历史，在考虑养护历史进行路段划分时，不同养护措施具有不同的改善作用，将养护措施按照式(1)～(3)计算成2017年残余的养护寿命，结果见表3：
表3广云高速梧州方向路面性能及养护历史调查
Figure BDA0002947349130000092
Figure BDA0002947349130000101
Figure BDA0002947349130000111
对调查数据进行规范化处理，，进行聚类分析，得出系统谱系图，见图2。根据系统聚类谱系可以明显得到各路段划分情况，为保证路段划分质量，通过轮廓系数进行评价。因此，分别取分类数k为16、17、18、19、20、21、22、23、24和25，如图3所示，并在同种条件下计算轮廓系数。
由图3可以看出，当k＝16、17、18、19、20、21、22、23、24和25时，轮廓系数值都出现负值，表明出现负值的类没有和其他类很好的区分开来，当k＝23时轮廓系数都为正值，其大多值都大于0.4，由表3.6可知，当将这段高速公路划分为23段时，聚类效果合理。因此本文k取23，即将该高速此段路分为23个养护路段。具体划分段如图4所示。
本发明公开了基于养护历史路段划分系统，包括：
指标特征变量计算模块，测量每个路段的横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵。
聚类模块，用于将各个路段各自设定为一类，各类之间的空间距离为各个路段六个指标特征变量值之间的相似程度，通过指标特征变量计算模块中的矩阵对相似程度进行判断，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，如此每次缩小一类，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果。
聚类结果获取模块，用于根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的路段。
本发明公开了计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如上述任意一项所述基于养护历史路段划分方法的步骤。
本发明公开了计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如上述任意一项所述基于养护历史路段划分方法的步骤。
以上内容仅为说明本发明的技术思想，不能以此限定本发明的保护范围，凡是按照本发明提出的技术思想，在技术方案基础上所做的任何改动，均落入本发明权利要求书的保护范围之内。

Claims (9)

1.一种基于养护历史路段划分方法，其特征在于，包括以下步骤；
步骤一、将道路划分为多个路段，测量每个路段的横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵；
步骤二、将各个路段各自设定为一类，各类之间的空间距离为各个路段六个指标特征变量值之间的相似程度，通过步骤一中的矩阵对相似程度进行判断，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，如此每次缩小一类，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果；
步骤三、根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的路段。
2.根据权利要求1所述的基于养护历史路段划分方法，其特征在于，步骤一中，养护残余寿命的计算方法为：
Lr＝∑Li；
Figure FDA0002947349120000011
Δyi＝Y-yi
其中，Lr为养护残余寿命；Li为第i种养护措施的养护残余寿命；li为养护措施的寿命；Y为路段划分年份；yi为第i种养护措施实施年份。
3.根据权利要求2所述的基于养护历史路段划分方法，其特征在于，养护措施包括有机硅雾封层、GAC-16罩面、Novachip磨耗层和微表处，有机硅雾封层的使用寿命为1～2年，GAC-16罩面的使用寿命为4～7年；Novachip磨耗层的使用寿命为3～5年；微表处路面的使用寿命为3～4年。
4.根据权利要求1所述的基于养护历史路段划分方法，其特征在于，步骤一中，采用标准差对每个路段的六个指标特征变量值进行标准化。
5.根据权利要求1所述的基于养护历史路段划分方法，其特征在于，步骤二中，采用欧氏距离计算聚类前各路段之间的空间距离。
6.根据权利要求1所述的基于养护历史路段划分方法，其特征在于，步骤二中，采用类平均法计算每次聚类后不同类之间的空间距离。
7.一种基于养护历史路段划分系统，其特征在于，包括：
指标特征变量计算模块，将道路划分为多个路段，测量每个路段的横向力系数、路面车辙深度、国际平整度指数、路面损坏状况指数、路面结构强度指数和养护残余寿命六个指标特征变量值，将所有路段的六个指标特征变量值列为一个矩阵；
聚类模块，用于将各个路段各自设定为一类，各类之间的空间距离为各个路段六个指标特征变量值之间的相似程度，通过指标特征变量计算模块中的矩阵对相似程度进行判断，将六个指标特征变量值最相似的两个路段合成新的类，再重新计算新类与其他类之间的空间距离，将空间距离最近的两类合并，如此每次缩小一类，直至所有的路段都成为一类为止，根据所确定的类数得到分类结果；
聚类结果获取模块，用于根据类与类之间的距离，得到系统聚类数图谱，通过系统聚类数图谱得到不同的聚类结果；采用轮廓系数为0.25～1的聚类结果，得到该聚类结果的分类数及每类对应的路段。
8.一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至6任意一项所述基于养护历史路段划分方法的步骤。
9.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6任意一项所述基于养护历史路段划分方法的步骤。
CN202110197108.4A 2021-02-22 2021-02-22 一种基于养护历史路段划分方法、系统、设备及存储介质 Active CN112884041B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110197108.4A CN112884041B (zh) 2021-02-22 2021-02-22 一种基于养护历史路段划分方法、系统、设备及存储介质

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110197108.4A CN112884041B (zh) 2021-02-22 2021-02-22 一种基于养护历史路段划分方法、系统、设备及存储介质

Publications (2)

Publication Number Publication Date
CN112884041A true CN112884041A (zh) 2021-06-01
CN112884041B CN112884041B (zh) 2024-08-02

Family

ID=76056744

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110197108.4A Active CN112884041B (zh) 2021-02-22 2021-02-22 一种基于养护历史路段划分方法、系统、设备及存储介质

Country Status (1)

Country Link
CN (1) CN112884041B (zh)

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113887587A (zh) * 2021-09-22 2022-01-04 上海圭目机器人有限公司 一种凸包病害聚类信息的方法
CN114819212A (zh) * 2022-04-14 2022-07-29 东南大学 一种考虑空间连续性的沥青路面养护路段动态划分方法
CN117077453A (zh) * 2023-10-17 2023-11-17 深圳市城市交通规划设计研究中心股份有限公司 一种道路路面使用寿命评估方法、电子设备及存储介质

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013151221A1 (ko) * 2012-04-06 2013-10-10 에스케이플래닛 주식회사 대용량 데이터의 클러스터 결과 분석 시스템 및 방법
CN104268213A (zh) * 2014-09-24 2015-01-07 长安大学 一种基于多源检测数据的养护路段划分方法
CN104463348A (zh) * 2014-11-11 2015-03-25 辽宁省交通科学研究院 一种沥青路面改造方案决策系统及方法
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
CN110826785A (zh) * 2019-10-28 2020-02-21 同济大学 一种基于k-medoids聚类和泊松逆高斯的高风险路段识别方法
CN111369019A (zh) * 2020-03-03 2020-07-03 交通运输部公路科学研究所 路面养护方案可行性判断方法
CN112348050A (zh) * 2020-09-30 2021-02-09 中国铁路上海局集团有限公司 一种基于高铁沿线风特性的风速仪布置方法

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2013151221A1 (ko) * 2012-04-06 2013-10-10 에스케이플래닛 주식회사 대용량 데이터의 클러스터 결과 분석 시스템 및 방법
CN104268213A (zh) * 2014-09-24 2015-01-07 长安大学 一种基于多源检测数据的养护路段划分方法
CN104463348A (zh) * 2014-11-11 2015-03-25 辽宁省交通科学研究院 一种沥青路面改造方案决策系统及方法
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
CN110826785A (zh) * 2019-10-28 2020-02-21 同济大学 一种基于k-medoids聚类和泊松逆高斯的高风险路段识别方法
CN111369019A (zh) * 2020-03-03 2020-07-03 交通运输部公路科学研究所 路面养护方案可行性判断方法
CN112348050A (zh) * 2020-09-30 2021-02-09 中国铁路上海局集团有限公司 一种基于高铁沿线风特性的风速仪布置方法

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
何伟杰;: "基于系统聚类法的路面使用性能评价研究", 湖南交通科技, no. 04 *
古红兵等: "沥青路面养护路段划分指标合理性研究", 《中外公路》 *
周文杰: "广东省普通国省道沥青路面小修工程量预测及养护决策研究", 《中国优秀硕士学位论文全文数据库》 *
曾峰;张肖宁;李智;: "应用聚类分析法确定沥青路面预防性养护方案", 华南理工大学学报(自然科学版), no. 06 *
陈英杰: "沥青路面养护路段划分方法研究", 《科学技术与工程》 *

Cited By (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113887587A (zh) * 2021-09-22 2022-01-04 上海圭目机器人有限公司 一种凸包病害聚类信息的方法
CN114819212A (zh) * 2022-04-14 2022-07-29 东南大学 一种考虑空间连续性的沥青路面养护路段动态划分方法
CN114819212B (zh) * 2022-04-14 2023-02-14 东南大学 一种考虑空间连续性的沥青路面养护路段动态划分方法
CN117077453A (zh) * 2023-10-17 2023-11-17 深圳市城市交通规划设计研究中心股份有限公司 一种道路路面使用寿命评估方法、电子设备及存储介质
CN117077453B (zh) * 2023-10-17 2024-03-26 深圳市城市交通规划设计研究中心股份有限公司 一种道路路面使用寿命评估方法、电子设备及存储介质

Also Published As

Publication number Publication date
CN112884041B (zh) 2024-08-02

Similar Documents

Publication Publication Date Title
CN112884041A (zh) 一种基于养护历史路段划分方法、系统、设备及存储介质
CN112201038B (zh) 一种基于单车不良驾驶行为风险的路网风险评估方法
WO2020244288A1 (zh) 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置
CN109993223B (zh) 路面使用性能预测方法、存储介质、电子设备
CN108664715B (zh) 一种路面积水车辙三维评价与行车安全分析方法
CN103366557B (zh) 基于拥堵指数的交通拥堵评价方法
CN114783183A (zh) 一种基于交通态势算法的监控方法与系统
CN104850676B (zh) 一种公路桥梁随机车流仿真模拟方法
CN111062648B (zh) 一种沥青路面综合性能的评价方法
CN104233935B (zh) 一种基于道路纵断面信息的路面质量等级辨识方法
CN107942411B (zh) 一种大气能见度预测方法
CN104933284B (zh) 一种基于实测数据的公路桥梁随机车流模拟方法
CN111292534A (zh) 一种基于聚类与深度序列学习的交通状态估计方法
CN1932923A (zh) 道路交通事故多发路段鉴别方法
Li et al. Clustering pavement roughness based on the impacts on vehicle emissions and public health
CN112862279A (zh) 高速公路行车道路面状况评价方法
CN114855570A (zh) 市政道路的养护策略处理方法、装置和计算机设备
CN114821854B (zh) 一种工况切换对车辆油耗影响评估方法
CN114332825B (zh) 基于深度学习的道路地形分布识别方法、设备和存储介质
CN111680888B (zh) 基于rfid数据确定路网容量的方法
CN113920723B (zh) 一种山区高速公路事故多发路段识别方法
CN111832442A (zh) 从海量桥梁动态应变数据中自动化分离温度应变成分的方法
CN107273703B (zh) 一种路面使用性能分布情况预测方法
Ali Factors influencing the severity of crashes near exit ramps in North Carolina
CN109360418B (zh) 一种基于车速离散特征的城市快速路服务水平分级方法

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
CB03 Change of inventor or designer information
CB03 Change of inventor or designer information

Inventor after: Zhao Jing

Inventor after: Wang Xuancang

Inventor after: Xin Lei

Inventor after: Deng Yuyuan

Inventor after: Hu Shiqing

Inventor after: Guo Yuchen

Inventor after: Ji Guanyu

Inventor after: Zhang Kaixing

Inventor after: Liu Mingyan

Inventor before: Wang Xuancang

Inventor before: Zhao Jing

Inventor before: Xin Lei

Inventor before: Deng Yuyuan

Inventor before: Hu Shiqing

Inventor before: Guo Yuchen

Inventor before: Ji Guanyu

Inventor before: Zhang Kaixing

Inventor before: Liu Mingyan

TA01 Transfer of patent application right
TA01 Transfer of patent application right

Effective date of registration: 20240704

Address after: No. 259, West 2nd Ring Road, Xi'an City, Shaanxi Province

Applicant after: XI'AN AERONAUTICAL University

Country or region after: China

Address before: 710064 middle section, south two ring road, Shaanxi, Xi'an

Applicant before: CHANG'AN University

Country or region before: China

GR01 Patent grant
GR01 Patent grant