CN113450565B - 一种减小沥青路面噪音的方法及系统 - Google Patents

Abstract

本发明公开了一种减小沥青路面噪音的方法及系统，所述方法包括：根据第一摄像头获得第一行驶车辆信息；获得第一预设时间的第一交通流量指数；根据第一传感器，获得所述第一预设时间的第一车辆行速指数；将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；获得第一噪音检测数据；根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；根据所述第一噪音上浮指数，获得第一变量系数；判断所述第一变量系数是否处于预设变量系数阈值；若不处于，生成第一提醒信息。解决了现有技术中存在由于对沥青路面监测不够完善，进而使得相关路面养护效率不及时，增加交通噪声的技术问题。

Description

一种减小沥青路面噪音的方法及系统

技术领域

本发明涉及路面噪音智能处理相关领域，尤其涉及一种减小沥青路面噪音的方法及系统。

背景技术

近年来我国经济飞速发展，机动车数量及交通量均迅速增长，全国路网也日益扩展与完善，因为沥青路面行车舒适度较高，具有降噪、减尘、抗滑等优越性，被广泛用于公路及城市的主要路段，随之产生的交通噪声干扰人们的正常生活和休息，严重时甚至影响人们的身体健康，因此，交通噪声污染必须得到有效的控制，从而为沿线的居民提供更安静的生活环境。

但本申请发明人在实现本申请实施例中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在由于对沥青路面监测不够完善，进而使得相关路面养护效率不及时，增加交通噪声的技术问题。

发明内容

本申请实施例通过提供一种减小沥青路面噪音的方法及系统，解决了现有技术中存在由于对沥青路面监测不够完善，进而使得相关路面养护效率不及时，增加交通噪声的技术问题，达到了通过对路面的交通情况进行准确的数据计算并进行噪声上浮分析，进而实现对路面状况动态监测，提高路面养护执行效率从而减小不必要噪音的技术效果。

鉴于上述问题，提出了本申请实施例提供一种减小沥青路面噪音的方法及系统。

第一方面，本申请实施例提供了一种减小沥青路面噪音的方法，其中，所述方法应用于一种减小沥青路面噪音的系统，所述系统与第一摄像头和第一传感器智能连接，所述方法包括：根据所述第一摄像头，获得第一沥青路面的第一行驶车辆信息；根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；根据所述第一传感器，获得所述第一预设时间的第一车辆行速指数；将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；根据所述第一噪音上浮指数，获得第一变量系数；判断所述第一变量系数是否处于预设变量系数阈值中；若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；根据所述第一提醒信息对所述第一沥青路面进行养护。

另一方面，本申请还提供了一种减小沥青路面噪音的系统，所述系统包括：第一获得单元，所述第一获得单元用于根据第一摄像头，获得第一沥青路面的第一行驶车辆信息；第二获得单元，所述第二获得单元用于根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；第三获得单元，所述第三获得单元用于根据第一传感器，获得所述第一预设时间的第一车辆行速指数；第一输入单元，所述第一输入单元用于将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；第四获得单元，所述第四获得单元用于通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；第五获得单元，所述第五获得单元用于根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；第六获得单元，所述第六获得单元用于根据所述第一噪音上浮指数，获得第一变量系数；第一判断单元，所述第一判断单元用于判断所述第一变量系数是否处于预设变量系数阈值中；第一生成单元，所述第一生成单元用于若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；第一养护单元，所述第一养护单元用于根据所述第一提醒信息对所述第一沥青路面进行养护。

第三方面，本发明提供了一种减小沥青路面噪音的系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现第一方面所述方法的步骤。

本申请实施例中提供的一个或多个技术方案，至少具有如下技术效果或优点：

由于采用了通过摄像头对沥青路面的行驶车辆进行信息采集，从而获得对应车辆在第一预设时间中的交通流量密集度进行分析，获得第一交通流量指数，进一步的，通过第一传感器，对所述第一预设时间中的行驶车辆进行进一步的分析，从而获得第一车辆行速指数，再将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据，并基于所述第一噪音预测数据与实时噪音数据进行对比，获得第一上浮指数进而获得对应变量系数，其中，所述第一变量系数越大，表示目标车辆噪声也越来越多，当超出预设变量系数时，获得第一提醒信息的方式，到了通过对路面的交通情况进行准确的数据计算并进行噪声上浮分析，进而实现对路面状况动态监测，提高路面养护执行效率从而减小不必要噪音的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请实施例一种减小沥青路面噪音的方法的流程示意图；

图2为本申请实施例一种减小沥青路面噪音的系统的结构示意图；

图3为本申请实施例示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第二获得单元12，第三获得单元13，第一输入单元14，第四获得单元15，第五获得单元16，第六获得单元17，第一判断单元18，第一生成单元19，第一养护单元20，总线300，接收器301，处理器302，发送器303，存储器304，总线接口305。

具体实施方式

本申请实施例通过提供一种减小沥青路面噪音的方法及系统，解决了现有技术中存在由于对沥青路面监测不够完善，进而使得相关路面养护效率不及时，增加交通噪声的技术问题，达到了通过对路面的交通情况进行准确的数据计算并进行噪声上浮分析，进而实现对路面状况动态监测，提高路面养护执行效率从而减小不必要噪音的技术效果。下面，将参考附图详细的描述根据本申请的示例实施例。显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。

申请概述

近年来我国经济飞速发展，机动车数量及交通量均迅速增长，全国路网也日益扩展与完善，因为沥青路面行车舒适度较高，具有降噪、减尘、抗滑等优越性，被广泛用于公路及城市的主要路段，随之产生的交通噪声干扰人们的正常生活和休息，严重时甚至影响人们的身体健康，因此，交通噪声污染必须得到有效的控制，从而为沿线的居民提供更安静的生活环境。但现有技术中存在由于对沥青路面监测不够完善，进而使得相关路面养护效率不及时，增加交通噪声的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请实施例提供了一种减小沥青路面噪音的方法，其中，所述方法应用于一种减小沥青路面噪音的系统，所述系统与第一摄像头和第一传感器智能连接，所述方法包括：根据所述第一摄像头，获得第一沥青路面的第一行驶车辆信息；根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；根据所述第一传感器，获得所述第一预设时间的第一车辆行速指数；将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；根据所述第一噪音上浮指数，获得第一变量系数；判断所述第一变量系数是否处于预设变量系数阈值中；若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；根据所述第一提醒信息对所述第一沥青路面进行养护。

在介绍了本申请基本原理后，下面将结合说明书附图来具体介绍本申请的各种非限制性的实施方式。

实施例一

如图1所示，本申请实施例提供了一种减小沥青路面噪音的方法，其中，所述方法应用于一种减小沥青路面噪音的系统，所述系统与第一摄像头和第一传感器智能连接，所述方法包括：

步骤S100：根据所述第一摄像头，获得第一沥青路面的第一行驶车辆信息；

步骤S200：根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；

具体而言，根据所述第一摄像头对第一沥青路面的行驶车辆进行捕捉，从而根据其所有的行驶车辆信息进行分析采集，获得所述第一行驶车辆信息，从而进一步的对车辆的大小、型号完成分类的划分，比如将质量处于统一等级的车辆进行统计计算，并对同一等级车辆的车辆磨损程度进行细化的等级划分，其中，所述第一预设时间提前设置的第一时间周期，由于单个车辆的信息不具有代表性，从而基于周期性的采集信息完成分析，由于每个等级都会设定对应指数来代表该等级的产生的流量系数进而完成所述第一交通流量指数的计算，详细来说，所述第一交通流量指数是基于对捕捉动态图像中所有的车辆数量信息和通行周期完成进一步的细化计算，且所述第一交通流量指数中包含多个交通流量指数，即基于不同等级划分属性从而获得的对应流量指数，进而达到了准确收集和准确分析数据基础，以完成之后的数据计算分析，提高计算机搭建平台的计算准确度。

步骤S300：根据所述第一传感器，获得所述第一预设时间的第一车辆行速指数；

具体而言，所述第一预设时间与获得所述第一交通流量指数的预设时间是同一周期，进而通过加速度传感器，能够快速的捕捉到对应车辆的加速信息，进而完成行速的采集，进一步的，当所述第一车辆行速越大表示所述第一沥青路面中车辆的行驶速度较快，进而会产生较高的噪音指数，因此，需要对于沥青路面上行驶车辆的行速完成进一步的分析，其中，所述第一传感器为加速度传感器，通常由质量块、阻尼器、弹性元件、敏感元件和适调电路等部分组成。传感器在加速过程中，通过对质量块所受惯性力的测量，利用牛顿第二定律获得加速度值，通过分析动态加速度，可以分析出设备移动的方式，比如车辆的振动等信息，从而进一步细化基础数据的分析来源。

步骤S400：将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；

具体而言，所述第一噪音预测数据是根据所述第一交通流量指数和所述第一车辆加速指数进行细化的数据监督学习进行准确分析后获得的等级信息，进一步的，根据所述第一噪音预测数据越高，对应的表示所述路面情况下产生的噪音的预测数据越高，将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中进行预测数据的学习，从而获得所述第一噪音预测数据，详细来说，所述第一噪音预测数据能够对沥青路面的教程情况进行数据化的准确标识，从而便于计算机搭建的平台进行相关数据的处理，进而达到了获得具有数学逻辑特征的预测数据，进一步达到了获得准确噪音预测数据，提高模型预测性能的技术效果。

步骤S500：通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；

具体而言，所述第一预设时间与采集的交通流量和车辆行速的预设时间一致为同一周期，其中，对实时噪音进行数据检测的过程中容易受到一些干扰因子的影响，从而输出过大分贝的噪音数值，因此，需要对所述第一噪音检测数据进行进一步的处理，从而再完成之后的数据分析。

进一步而言，本申请实施例步骤S500还包括：

步骤S551：根据所述第一噪音检测数据，生成第一噪音检测曲线；

步骤S551：通过对所述第一噪音检测曲线进行分析，获得第一剔除指令；

步骤S553：获得预设噪音临界值；

步骤S554：根据所述第一剔除指令，将N个大于等于预设噪音临界值的噪音数据进行剔除，获得所述第二噪音检测数据；

步骤S555：根据第一替换指令，将所述第二噪音检测数据作为所述第一噪音检测数据进行替换。

具体而言，对所述第一噪音检测数据进行具体分析的过程可已通过曲线中的直观反映情况来进行，即对噪音检测曲线中获得第一纵坐标数值作直线，以该直线的纵坐标作为所述预设噪音临界值，从而将N个大于等于预设噪音临界值的噪音数据进行剔除，以获得更新后的噪音检测数据，进而将所述第第四噪音检测数据作为所述第一噪音检测数据进行替换，即所述第一剔除的过程为噪音数据预处理的过程，进一步的，通过对沥青路面中的所有干扰因子产生的干扰数据进行剔除，比如鸣笛的噪音分贝过高产生的对应噪声数据，或噪声的频率显示不符合其他频率规则的干扰因子数据进行剔除，从而将剔除干扰因子的所述第一噪音检测数据作为之后数据分析的基础，完成替换从而达到了准确对数据进行清洗，保证分析准确性和有效性的技术效果。

步骤S600：根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；

具体而言，所述第一噪音上浮指数为基于所述第一噪音实时的监测数据和针对交通状况进行噪音预测的数据进行指数具体分析的过程，由于所述第一噪音检测数据和所述第一噪音预测数据都包含有多组数据，从而对其多组数据进行具体的差值比对，进而根据其差值数据进行进一步的方差计算，将计算获得的差值进行分析，判断其基于时间的变化所对应的差值数据，即作为第一噪音上浮数据进行之后的分析，当所述第一噪音上浮指数越高表示此时随着时间的增加领路面中产生较多的裂缝或凹凸，从而使得行驶过程产生的噪音逐渐增加，影响居民生活质量。

步骤S700：根据所述第一噪音上浮指数，获得第一变量系数；

步骤S800：判断所述第一变量系数是否处于预设变量系数阈值中；

具体而言，所述第一变量系数为对所述第一噪音上浮指数进行具体的变量分析获得的，由于所述第一噪音上浮指数是基于多组数据进行指数计算获得的指数信息，从而使得所述第一噪音上浮指数对应作为变量完成之后的计算，对多个周期中的所述第一噪音上浮指数进行分析进而获得所述第一变量系数，进一步的，所述第一变量系数为多组所述第一噪音上浮指数的代表系数，从而再判断所述第一变量系数是否处于预设变量系数阈值中，其中，所述预设变量系数阈值表示提前设定标准系数阈值，从而进一步对所述第一变量系数进行判断，完成之后对应不同方式数据分析，为之后分析提供数据基础。

步骤S900：若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；

步骤S1000：根据所述第一提醒信息对所述第一沥青路面进行养护。

具体而言，经判断，当所述第一变量系数不处于预设变量系数阈值中，表示目前所述沥青路面中产生的噪音增长是由非自然影响因子获得的噪音，从而需要采取响应的措施完成对沥青路面的养护，进一步的，所述第一提醒信息用于对相关人员进行提醒所述第一沥青路面进行养护，从而能够达到了通过对路面的交通情况进行准确的数据计算并进行噪声上浮分析，进而实现对路面状况动态监测，提高路面养护执行效率从而减小不必要噪音的技术效果。

进一步而言，本申请实施例步骤S1100还包括：

步骤S1110：获得第一沥青路面的第一结构属性信息；

步骤S1120：根据所述第一结构属性信息，获得第一路面减噪指数；

步骤S1130：根据所述第一路面减噪指数对所述第一噪音预测训练模型进行增量学习，获得第二噪音预测训练模型；

步骤S1140：根据所述第二噪音预测训练模型，获得第二噪音预测数据。

具体而言，所述第一路面减噪指数是通过对路面的沥青具体结构属性进行分析后获得的对应减噪数据，比如沥青路面铺设方法、路面混合材料、路面属性等信息，所述第二噪音预测训练模型是基于所述第一路面减噪指数进行机器学习获得的对应更新纠错模型，由于所述第一路面减噪指数需要结合所述第一噪音预测训练模型的旧训练数据以完成综合的增量学习，因此，将所述第一路面减噪指数进行增量学习后能够保留所述第一噪音预测训练模型的基础性能并进行模型性能的更新，进而获得所述第二噪音预测数据，其中，所述第二噪音预测数据是基于新模型获得的噪音预测信息，从而基于所述第二噪音预测数据对预测的信息进行更新预测，由于沥青路面不同其降噪能力也会产生一定的变化，因此需要进一步通过对沥青路面进行分析从而完成对预测数据的准确分析，达到了基于沥青路面特征进行增量学习，以提高预测模型的预测更新性能的技术效果。

进一步而言，所述根据所述第一路面减噪指数对所述第一噪音预测训练模型进行增量学习，获得第二噪音预测训练模型，本申请实施例步骤S1130还包括：

步骤S1131：根据第一添加指令，将所述第一路面减噪指数输入第一增量学习数据库中；

步骤S1132：将所述第一增量学习数据库中的第一路面减噪指数输入所述第一噪音预测训练模型中，获得第一减噪预测数据；

步骤S1133：通过对所述第一减噪预测数据进行损失函数分析，获得第一损失数据；

步骤S1134：将所述第一损失数据输入所述第一噪音预测训练模型中，获得所述第二噪音预测训练模型。

具体而言，所述第一减噪预测数据是在所述第一噪音预测训练模型之间进行输入数据预测的数据信息，由于所述第二噪音预测训练模型是基于引入损失函数完成数据损失的分析进而获得新模型，其中，所述第一损失数据是代表所述第一噪音预测训练模型对于所述第一减噪预测数据的相关知识的损失数据，再基于所述第一损失数据完成对所述第一噪音预测训练模型的增量学习，其中，增量学习是指一个学习系统能不断地从新样本中学习新的知识，并能保存大部分以前已经学习到的知识，增量学习非常类似于人类自身的学习模式。进一步的，所述第一噪音预测训练模型是多个神经元相互连接组成构成神经网络获得的，因此，当沥青路面发生变化时通过损失数据的训练使得所述第二噪音预测训练模型保留了所述第一噪音预测训练模型的基本功能，并从而提高了噪音预测准确性，达到智能学习的技术效果。

进一步而言，本申请实施例步骤S1140还包括：

步骤S1141：根据所述第一噪音检测数据和所述第二噪音预测数据，获得第二噪音上浮指数；

步骤S1142：根据所述第二噪音上浮指数，获得第二变量系数；

步骤S1143：根据所述第一变量系数和所述第二变量系数，获得第一系数差值；

步骤S1144：判断所述第一系数差值是否处于预设系数差值中；

步骤S1145：若所述第一系数差值不处于预设系数差值中，获得第二提醒信息。

具体而言，由于所述第二噪音预测指数是通过对沥青路面预测降噪指数进行具体学习获得的对应预测信息，从而使得所述第二噪音预测指数相对于所述第一噪音预测指数更加准确，因此，通过分析其所述第一变量系数和所述第二变量系数之间的差值，判断其差值是否过大，并超出预设的差值，若所述第一系数差值不处于所述预设系数差值中，根据第二提醒信息对应采取相对的调整措施，其中，所述第一提醒信息和所述第二提醒信息不相同，详细来说，当所述第一系数差值较大，进而需要获得对应的检查，达到了基于对系数差值进行进一步的判断从而获得对应预警信息，提高了准确获得数据的技术效果。

进一步而言，所述通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据之前，本申请实施例S500还包括：

步骤S510：获得第一噪音检测设备，其中，所述第一噪音检测设备用于进行噪音检测；

步骤S520：根据所述第一噪音检测设备的第一灵敏度，获得第一修正系数；

步骤S530：判断所述第一修正系数是否处于预设修正系数阈值中；

步骤S540：若所述第一修正系数处于预设修正系数阈值中，获得第一预设数据删减规则；

步骤S550：根据所述第一预设数据删减规则对所述第一噪音检测数据进行数据清洗，获得第二噪音检测数据；

步骤S560：根据所述第一修正系数对所述第二噪音检测数据进行修正，获得第三噪音检测数据。

具体而言，所述第一噪音检测设备为获得所述第一噪音检测数据的相关检测设备，其中，基于所述第一噪音检测设备所测量的位置和分贝较大值进行合适的设备型号，以实现检测数据的准确性从而基于其显示屏完成对应数据的采集，并将采集到的数据输入系统中进行数据的修正，当所述第一噪音检测设备的灵敏度未出现偏差时进一步的完成对数据的清洗，以获得所述第二噪音检测数据，并基于所述第一修正系数完成对所述第二噪音检测数据的修正，获得所述第三噪音数据，达到了基于对噪声和检测噪声的设备进行具体化分析，进而完成智能修正数据的技术效果。

进一步而言，所述将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据，本申请实施例步骤S400还包括：

步骤S410：将所述第一交通流量指数和所述第一车辆加速指数作为输入信息输入第一噪音预测训练模型；

步骤S420：所述第一噪音预测训练模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括将所述第一交通流量指数、所述第一车辆加速指数和作为用于标识预测噪音的标识信息；

步骤S430：获得所述第一噪音预测训练模型的输出结果，所述输出结果包括所述第一噪音预测数据。

具体而言，将所述第一噪音预测数据作为监督数据输入每一组训练数据中进行监督学习，所述第一噪音预测训练模型为是以神经网络模型为基础建立的模型，而神经网络是大量的神经元之间相互连接构成的一种运算模型，网络的输出则依照网络的连接方式的一种逻辑策略表达。进一步而言，所述训练的过程实质为监督学习的过程，所述多组训练数据中的每组均包括：所述第一交通流量指数、所述第一车辆加速指数和作为用于标识预测噪音的标识信息，所述第一噪音预测训练模型进行不断的自我修正、调整，直至获得的输出结果与所述标识信息一致，结束本组数据监督学习，进行下一组数据监督学习。当所述第一噪音预测训练模型的输出信息达到预定的准确率/达到收敛状态时，则监督学习过程结束，达到了通过所述第一噪音预测训练模型的训练使得输出所述第一噪音预测数据更加准确，达到了数据智能化分析的技术效果。

综上所述，本申请实施例所提供的一种减小沥青路面噪音的方法及系统具有如下技术效果：

1、由于采用了通过摄像头对沥青路面的行驶车辆进行信息采集，从而获得对应车辆在第一预设时间中的交通流量密集度进行分析，获得第一交通流量指数，进一步的，通过第一传感器，对所述第一预设时间中的行驶车辆进行进一步的分析，从而获得第一车辆行速指数，再将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据，并基于所述第一噪音预测数据与实时噪音数据进行对比，获得第一上浮指数进而获得对应变量系数，其中，所述第一变量系数越大，表示目标车辆噪声也越来越多，当超出预设变量系数时，获得第一提醒信息的方式，到了通过对路面的交通情况进行准确的数据计算并进行噪声上浮分析，进而实现对路面状况动态监测，提高路面养护执行效率从而减小不必要噪音的技术效果。

2、由于采用了对所述第一噪声检测数据及时进行清洗筛选获得所述第二噪音检测数据，并基于所述第一修正系数完成对所述第二噪音检测数据的修正，获得所述第三噪音数据的方式，达到了基于对噪声和检测噪声的设备进行具体化分析，进而完成智能修正数据的技术效果。

3、由于采用了通过对沥青路面进行降噪指数分析获得第一路面减噪指数，从而完成对预测模型的细化分析的方式，达到了基于沥青路面特征进行增量学习，提高预测模型的预测更新性能的技术效果。

实施例二

基于与前述实施例中一种减小沥青路面噪音的方法同样发明构思，本发明还提供了一种减小沥青路面噪音的系统，如图2所示，所述系统包括：

第一获得单元11，所述第一获得单元11用于根据第一摄像头，获得第一沥青路面的第一行驶车辆信息；

第二获得单元12，所述第二获得单元12用于根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；

第三获得单元13，所述第三获得单元13用于根据第一传感器，获得所述第一预设时间的第一车辆行速指数；

第一输入单元14，所述第一输入单元14用于将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；

第四获得单元15，所述第四获得单元15用于通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；

第五获得单元16，所述第五获得单元16用于根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；

第六获得单元17，所述第六获得单元17用于根据所述第一噪音上浮指数，获得第一变量系数；

第一判断单元18，所述第一判断单元18用于判断所述第一变量系数是否处于预设变量系数阈值中；

第一生成单元19，所述第一生成单元19用于若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；

第一养护单元20，所述第一养护单元20用于根据所述第一提醒信息对所述第一沥青路面进行养护。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于获得第一沥青路面的第一结构属性信息；

第八获得单元，所述第八获得单元用于根据所述第一结构属性信息，获得第一路面减噪指数；

第九获得单元，所述第九获得单元用于根据所述第一路面减噪指数对所述第一噪音预测训练模型进行增量学习，获得第二噪音预测训练模型；

第十获得单元，所述第十获得单元用于根据所述第二噪音预测训练模型，获得第二噪音预测数据。

进一步的，所述系统还包括：

第二输入单元，所述第一输入单元用于根据第一添加指令，将所述第一路面减噪指数输入第一增量学习数据库中；

第十一获得单元，所述第十一获得单元用于将所述第一增量学习数据库中的第一路面减噪指数输入所述第一噪音预测训练模型中，获得第一减噪预测数据；

第十二获得单元，所述第十二获得单元用于通过对所述第一减噪预测数据进行损失函数分析，获得第一损失数据；

第十三获得单元，所述第十三获得单元用于将所述第一损失数据输入所述第一噪音预测训练模型中，获得所述第二噪音预测训练模型。

进一步的，所述系统还包括：

第十四获得单元，所述第十四获得单元用于根据所述第一噪音检测数据和所述第二噪音预测数据，获得第二噪音上浮指数；

第十五获得单元，所述第十五获得单元用于根据所述第二噪音上浮指数，获得第二变量系数；

第十六获得单元，所述第十六获得单元用于根据所述第一变量系数和所述第二变量系数，获得第一系数差值；

第二判断单元，所述第二判断单元用于判断所述第一系数差值是否处于预设系数差值中；

第十七获得单元，所述第十七获得单元用于若所述第一系数差值不处于预设系数差值中，获得第二提醒信息。

进一步的，所述系统还包括：

第十八获得单元，所述第十八获得单元用于获得第一噪音检测设备，其中，所述第一噪音检测设备用于进行噪音检测；

第十九获得单元，所述第十九获得单元用于根据所述第一噪音检测设备的第一灵敏度，获得第一修正系数；

第三判断单元，所述第三判断单元用于判断所述第一修正系数是否处于预设修正系数阈值中；

第二十获得单元，所述第二十获得单元用于若所述第一修正系数处于预设修正系数阈值中，获得第一预设数据删减规则；

第二十一获得单元，所述第二十一获得单元用于根据所述第一预设数据删减规则对所述第一噪音检测数据进行数据清洗，获得第二噪音检测数据；

第二十二获得单元，所述第二十二获得单元用于根据所述第一修正系数对所述第二噪音检测数据进行修正，获得第三噪音检测数据。

进一步的，所述系统还包括：

第二生成单元，所述第二生成单元用于根据所述第一噪音检测数据，生成第一噪音检测曲线；

第二十三获得单元，所述第二十三获得单元用于通过对所述第一噪音检测曲线进行分析，获得第一剔除指令；

第二十四获得单元，所述第二十四获得单元用于获得预设噪音临界值；

第一剔除单元，所述第一剔除单元用于根据所述第一剔除指令，将N个大于等于预设噪音临界值的噪音数据进行剔除，获得所述第二噪音检测数据。

进一步的，所述系统还包括：

第一输入单元，所述第一输入单元用于将所述第一交通流量指数和所述第一车辆加速指数作为输入信息输入第一噪音预测训练模型；

第二十五获得单元，所述第二十五获得单元用于所述第一噪音预测训练模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括将所述第一交通流量指数、所述第一车辆加速指数和作为用于标识预测噪音的标识信息；

第二十六获得单元，所述第二十六获得单元用于获得所述第一噪音预测训练模型的输出结果，所述输出结果包括所述第一噪音预测数据。

前述图1实施例一中的一种减小沥青路面噪音的方法的各种变化方式和具体实例同样适用于本实施例的一种减小沥青路面噪音的系统，通过前述对一种减小沥青路面噪音的方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种减小沥青路面噪音的系统的实施方法，所以为了说明书的简洁，在此不再详述。

示例性电子设备

下面参考图3来描述本申请实施例的电子设备。

图3图示了根据本申请实施例的电子设备的结构示意图。

基于与前述实施例中一种减小沥青路面噪音的方法的发明构思，本发明还提供一种减小沥青路面噪音的系统，其上存储有计算机程序，该程序被处理器执行时实现前文所述一种减小沥青路面噪音的方法的任一方法的步骤。

其中，在图3中，总线架构(用总线300来代表)，总线300可以包括任意数量的互联的总线和桥，总线300将包括由处理器302代表的一个或多个处理器和存储器304代表的存储器的各种电路链接在一起。总线300还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起，这些都是本领域所公知的，因此，本文不再对其进行进一步描述。总线接口305在总线300和接收器301和发送器303之间提供接口。接收器301和发送器303可以是同一个元件，即收发机，提供用于在传输介质上与各种其他系统通信的单元。

处理器302负责管理总线300和通常的处理，而存储器304可以被用于存储处理器302在执行操作时所使用的数据。

本发明实施例提供的一种减小沥青路面噪音的方法，其中，所述方法应用于一种减小沥青路面噪音的系统，所述系统与第一摄像头和第一传感器智能连接，所述方法包括：根据所述第一摄像头，获得第一沥青路面的第一行驶车辆信息；根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；根据所述第一传感器，获得所述第一预设时间的第一车辆行速指数；将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据；通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数；根据所述第一噪音上浮指数，获得第一变量系数；判断所述第一变量系数是否处于预设变量系数阈值中；若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；根据所述第一提醒信息对所述第一沥青路面进行养护。解决了现有技术中存在由于对沥青路面监测不够完善，进而使得相关路面养护效率不及时，增加交通噪声的技术问题，达到了通过对路面的交通情况进行准确的数据计算并进行噪声上浮分析，进而实现对路面状况动态监测，提高路面养护执行效率从而减小不必要噪音的技术效果。

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系统。

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系统的制造品，该指令系统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。尽管已描述了本发明的优选实施例，但本领域内的技术人员一旦得知了基本创造性概念，则可对这些实施例做出另外的变更和修改。所以，所附权利要求意欲解释为包括优选实施例以及落入本发明范围的所有变更和修改。

显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。

Claims (9)

1.一种减小沥青路面噪音的方法，其中，所述方法应用于一种减小沥青路面噪音的系统，所述系统与第一摄像头和第一传感器智能连接，所述方法包括：

根据所述第一摄像头，获得第一沥青路面的第一行驶车辆信息；

根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；

根据所述第一传感器，获得所述第一预设时间的第一车辆加速指数；

将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据，其中，所述第一噪音预测训练模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括将所述第一交通流量指数、所述第一车辆加速指数和作为用于标识预测噪音的标识信息；

通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；

根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数，所述第一噪音上浮指数为基于所述第一噪音实时的监测数据和针对交通状况进行噪音预测的数据进行指数具体分析对应的数据；

根据所述第一噪音上浮指数，获得第一变量系数，所述第一变量系数为对所述第一噪音上浮指数进行具体的变量分析获得的数据；

判断所述第一变量系数是否处于预设变量系数阈值中；

若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；

根据所述第一提醒信息对所述第一沥青路面进行养护。

2.如权利要求1所述的方法，所述方法还包括：

获得第一沥青路面的第一结构属性信息；

根据所述第一结构属性信息，获得第一路面减噪指数，所述第一路面减噪指数是通过对路面的沥青具体结构属性进行分析后获得的对应减噪数据；

根据所述第一路面减噪指数对所述第一噪音预测训练模型进行增量学习，获得第二噪音预测训练模型；

根据所述第二噪音预测训练模型，获得第二噪音预测数据。

3.如权利要求2所述的方法，所述根据所述第一路面减噪指数对所述第一噪音预测训练模型进行增量学习，获得第二噪音预测训练模型，所述方法还包括：

根据第一添加指令，将所述第一路面减噪指数输入第一增量学习数据库中；

将所述第一增量学习数据库中的第一路面减噪指数输入所述第一噪音预测训练模型中，获得第一减噪预测数据；

通过对所述第一减噪预测数据进行损失函数分析，获得第一损失数据；

将所述第一损失数据输入所述第一噪音预测训练模型中，获得所述第二噪音预测训练模型。

4.如权利要求2所述的方法，所述方法还包括：

根据所述第一噪音检测数据和所述第二噪音预测数据，获得第二噪音上浮指数；

根据所述第一噪音上浮指数和所述第二噪音上浮指数，获得第一上浮差值数据；

判断所述第一上浮差值数据是否处于预。

5.如权利要求1所述的方法，所述通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据之前，所述方法还包括：

获得第一噪音检测设备，其中，所述第一噪音检测设备用于进行噪音检测；

根据所述第一噪音检测设备的第一灵敏度，获得第一修正系数；

判断所述第一修正系数是否处于预设修正系数阈值中；

若所述第一修正系数处于预设修正系数阈值中，获得第一预设数据删减规则；

根据所述第一预设数据删减规则对所述第一噪音检测数据进行数据清洗，获得第二噪音检测数据；

根据所述第一修正系数对所述第二噪音检测数据进行修正，获得第三噪音检测数据。

6.如权利要求5所述的方法，所述方法还包括：

根据所述第一噪音检测数据，生成第一噪音检测曲线；

通过对所述第一噪音检测曲线进行分析，获得第一剔除指令；

获得预设噪音临界值；

根据所述第一剔除指令，将N个大于等于预设噪音临界值的噪音数据进行剔除，获得所述第二噪音检测数据；

根据第一替换指令，将所述第二噪音检测数据作为所述第一噪音检测数据进行替换。

7.如权利要求1所述的方法，所述将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据，所述方法还包括：

将所述第一交通流量指数和所述第一车辆加速指数作为输入信息输入第一噪音预测训练模型；

获得所述第一噪音预测训练模型的输出结果，所述输出结果包括所述第一噪音预测数据。

8.一种减小沥青路面噪音的系统，其中，所述系统包括：

第一获得单元，所述第一获得单元用于根据第一摄像头，获得第一沥青路面的第一行驶车辆信息；

第二获得单元，所述第二获得单元用于根据所述第一行驶车辆信息，获得第一预设时间的第一交通流量指数；

第三获得单元，所述第三获得单元用于根据第一传感器，获得所述第一预设时间的第一车辆加速指数；

第一输入单元，所述第一输入单元用于将所述第一交通流量指数和所述第一车辆加速指数输入第一噪音预测训练模型中，获得第一噪音预测数据，其中，所述第一噪音预测训练模型通过多组训练数据训练至收敛获得，其中，所述多组训练数据中的每组数据均包括将所述第一交通流量指数、所述第一车辆加速指数和作为用于标识预测噪音的标识信息；

第四获得单元，所述第四获得单元用于通过对所述第一预设时间的实时噪音进行数据检测，获得第一噪音检测数据；

第五获得单元，所述第五获得单元用于根据所述第一噪音检测数据和所述第一噪音预测数据，获得第一噪音上浮指数，所述第一噪音上浮指数为基于所述第一噪音实时的监测数据和针对交通状况进行噪音预测的数据进行指数具体分析对应的数据；

第六获得单元，所述第六获得单元用于根据所述第一噪音上浮指数，获得第一变量系数，所述第一变量系数为对所述第一噪音上浮指数进行具体的变量分析获得的数据；

第一判断单元，所述第一判断单元用于判断所述第一变量系数是否处于预设变量系数阈值中；

第一生成单元，所述第一生成单元用于若所述第一变量系数不处于所述预设变量系数阈值中，生成第一提醒信息；

第一养护单元，所述第一养护单元用于根据所述第一提醒信息对所述第一沥青路面进行养护。

9.一种减小沥青路面噪音的系统，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其中，所述处理器执行所述程序时实现权利要求1-7任一项所述方法的步骤。

Images