CN114648137A - 一种自动识别补充数据的方法 - Google Patents
一种自动识别补充数据的方法 Download PDFInfo
- Publication number
- CN114648137A CN114648137A CN202210339142.5A CN202210339142A CN114648137A CN 114648137 A CN114648137 A CN 114648137A CN 202210339142 A CN202210339142 A CN 202210339142A CN 114648137 A CN114648137 A CN 114648137A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- basic
- information data
- condition information
- 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.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 36
- 238000012423 maintenance Methods 0.000 claims abstract description 39
- 238000004458 analytical method Methods 0.000 claims abstract description 18
- 230000000295 complement effect Effects 0.000 claims abstract description 11
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 230000001502 supplementing effect Effects 0.000 claims abstract description 9
- 238000001514 detection method Methods 0.000 claims description 42
- 230000002159 abnormal effect Effects 0.000 claims description 17
- 238000007405 data analysis Methods 0.000 claims description 12
- 239000013589 supplement Substances 0.000 claims description 9
- 230000009191 jumping Effects 0.000 claims description 5
- 238000012937 correction Methods 0.000 claims description 4
- 230000000153 supplemental effect Effects 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 7
- 238000007726 management method Methods 0.000 description 11
- 230000011218 segmentation Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000007613 environmental effect Effects 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000001556 precipitation Methods 0.000 description 1
- 230000009469 supplementation Effects 0.000 description 1
- 230000009466 transformation Effects 0.000 description 1
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
- G06Q10/20—Administration of product repair or maintenance
-
- 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
-
- 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
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Road Repair (AREA)
Abstract
本申请涉及数据处理的技术领域，特别涉及一种自动识别补充数据的方法，包括步骤：获取整体道路中的多组基本路况信息数据；获取地理位置数据，基于地理位置数据对整体道路进行分段，并将采集到的基本路况信息数据对应到每一分段道路上；基于收集的多组基本路况信息数据进行自动识别和修正处理；基于基本路况信息数据的评分，补充分析各路段的路况；基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据；统计各路段路况输出单独的补充数据和整体道路综合的补充数据，补充输出养护管理评价和科学的养护决策。本申请提高了输出的养护管理评价和科学的养护决策的可靠性。
Description
技术领域
本申请涉及数据处理的技术领域，特别涉及一种自动识别补充数据的方法。
背景技术
随着国家高速公路路网的逐渐成形，高速公路养护管理的重要性日益提高。从高速公路营运和成本控制的角度来说，科学化和精细化养护是高速公路运营管理单位的工作重点，也是养护管理工作的主要方向。有效的养护管理评价和科学的养护决策分析需要精确的路况检测数据作为技术支撑。
发明内容
为了提高输出的养护管理评价和科学的养护决策的可靠性，本申请提供一种自动识别补充数据的方法。
本申请提供的一种自动识别补充数据的方法采用如下的技术方案：包括步骤：
获取整体道路中的多组基本路况信息数据；
获取地理位置数据，基于地理位置数据对整体道路进行分段，并将采集到的基本路况信息数据对应到每一分段道路上；
基于收集的多组基本路况信息数据进行自动识别和修正处理；
基于基本路况信息数据的评分，补充分析各路段的路况；
基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据；
统计各路段路况输出单独的补充数据和整体道路综合的补充数据，补充输出养护管理评价和科学的养护决策。
通过采用上述技术方案，通过对整体道路中各个路段的基本信息数据的采集及修正，提高了数据了可靠性；基于可靠信息进行的数据分析，从而使得分析结果贴合实际整体道路情况，提高了输出的养护管理评价和科学的养护决策的可靠性。
可选的，所述基于收集的多组基本路况信息数据进行自动识别和修正处理中，包括步骤：
基于莱依达法则对获取的多组基本路况信息数据中的错误数据进行识别；
利用检测值组中的均值替换识别到的异常值，并输出检测值组的平均值。
通过采用上述技术方案，采用莱依达法则剔除存在基本路况信息数据内的错误数据，并利用检测值组中的均值替换识别到的异常值，实现了对基本路况信息数据组的剔除与替换，提高了数据的可靠性，从而提高了对路况分析数据的可靠性。
可选的，基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据，包括步骤：
按照国家标准对各个路段中修正后的各项基本路况信息数据进行评分；
基于基本路况信息数据的评分，对路况进行单独数据分析补充；
基于基本路况信息数据的评分，对路况进行综合数据分析补充。
通过采用上述技术方案，通过对各个路段的基本路况信息数据进行评分，并对基本路况信息数据进行分析，最终输出可靠的数据分析补充。
可选的，所述基于基本路况信息数据的评分，对路况进行单独数据分析补充中，基于对基本路况信息数据的评分，输出相对应的提示数据。
通过采用上述技术方案，通过输出对应的提示数据，可以直观提示检测人员该路段中各项基本路况信息的情况。
可选的，所述相对应的提示数据包括文字提示数据以及颜色标志提示数据。
通过采用上述技术方案，文字提示可以直接体现出路况的基本信息，颜色标志可以更加直观地提醒检测人员。
可选的，所述基于评分后的基本路况信息数据，对路况进行综合数据分析补充中，根据各项基本路况信息数据的重要性，给予各项基本路况信息数据不同的比例系数，获取各项基本路况信息数据的总评分，并根据各项基本路况信息数据的总评分，输出相对应的提示数据。
通过采用上述技术方案，实现了对整体道路的评价数据的输出。
可选的，所述基于综合数据的相对应的提示数据包括文字提示数据。
通过采用上述技术方案，文字提示可以直接体对整体道路中各个道路分段的整体建议信息。
可选的，还包括步骤：检测报告编制、检测结果统一归档。
通过采用上述技术方案，分析整体道路路况特点、存在的问题以及提出下一步工作建议等，为科学决策提供参考。同时，以定期检测分报告，对各路段路况分项技术指标及历年变化趋势进行分析，提出养护对策及有关建议，为后续养护路段的确定和养护预算编制提供技术依据
附图说明
图1是本申请一种自动识别补充数据的方法的整体逻辑框图；
图2是本申请一种自动识别补充数据的方法中基于收集的多组基本路况信息数据进行自动识别和修正处理的逻辑框图；
图3是本申请一种自动识别补充数据的方法中基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据的逻辑框图。
具体实施方式
以下结合附图1-图3对本申请作进一步详细说明。
本申请实施例公开了一种自动识别补充数据的方法，参考图1，包括如下步骤：
步骤S1：获取整体道路中的多组基本路况信息数据。
为有效地养护管理评价和科学的养护决策分析整体道路情况，需要定期对路况信息进行收集处理。测量获得的数据在采集与传输过程中，由于环境干扰或人为因素有可能造成个别数据不切合实际或丢失，故单一次数测量获取的检测数据，具有较大的不确定性，从而需要采集多组基本路况信息数据，以提高数据分析处理的可靠性。
其中，基本路况信息数据包括路面平整度数据、路面车辙数据以及路面构造深度数据等，本申请实施例中，以路面平整度数据、路面车辙数据以及路面构造深度数据为例进行解释说明。
步骤S2：获取地理位置数据，基于地理位置数据对整体道路进行分段，并将采集到的基本路况信息数据对应到每一分段道路上。
通过识别整体道路旁的路桩，按距离对整体道路进行分段划分，以统计每一分段道路中的基本路况信息，也即，统计每一分段道路中的路面平整度数据、路面车辙数据以及路面构造深度数据。其中，分段距离可将1公里作为一分段点，也将以500米作为一分段点，具体分段距离以实际检测工作为准。
步骤S3:基于收集的多组基本路况信息数据进行自动识别和修正处理。
由于数据种类繁多，且处理时间有限，操作人员无法及时地对各种数据进行分析处理，因此通过对收集的路况信息数据进行自动识别和处理，以提高对路况检测的效率。
参考图2，步骤S3包括以下子步骤：
步骤S30：基于莱依达法则对获取的多组基本路况信息数据中的错误数据进行识别。
由环境干扰或人为因素有可能造成个别数据不切合实际或丢失，则这种数据成为异常值。为了恢复数据的客观真实性以便得到更好的分析结果，有必要识别原始数据中的异常值。
在获取多组基本路况信息数据的过程中，各检测值围绕其均值在一个变化幅度小，且变换均匀的区间内波动，而当一组检测值中存在异常值时,将这些数据从小到大排列,异常值则会分布在新排列数据组的两侧，且异常值与相邻的正常值之间的互差值大于相邻正常值之间的差互值，将出现最大互差值的这个点称为“数据跳跃点”，即可判断出异常值。
例如，在获取路面构造深度数据的过程中，采集关于路面构造深度数据的一组检测值，由小到大排列为L1,L2…Ln,Ln+1；其互差值为Δ1＝L2-L1，Δ2＝L3-L2，…，Δn-1＝Ln-Ln-1，Δn＝Ln+1-Ln。当Δn-1取得最大值时，即认为出现数据跳跃点，此时取前n项作为一组观测值，此时前n项均值
各点检测值改正数为
标准差
根据莱依达法则，若检测值与平均值之差大于标准偏差的三倍应予以剔除，故当|yi|＞3δ时，此跳跃点为异常值。
去掉跳跃点后检测组均值
剔除跳跃点后各点检测值改正数为
标准差为
再次判断yi'是否大于3δ'，
若yi'≤3δ'，则判断该检测值组无异常值存在；
若yi'＞3δ，则判断该检测值组依旧异常值，继续利用莱依达法则剔除异常值，直至该检测值组无异常值存在。
S31：利用检测值组中的均值替换识别到的异常值，并输出检测值组的平均值。
剔除掉异常值的数据后，并利用去除异常值的均值来替换该异常值，实现对检测数据组的补充，并输出最后的平均值。
步骤S4：基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据。
参考图3，步骤S4包括以下子步骤：
步骤S40：按照国家标准对各个路段中修正后的各项基本路况信息数据进行评分。
具体为：给予路面平整度数据0、60以及100中的唯一数值Q1；给予路面车辙数据0、60以及100中的唯一数值Q2；给予路面构造深度数据0、60以及100中的唯一数值Q3。
本申请实施例以土方路基、沥青路面、且该地区的年降水量>1000m、路面平整度数据特指路面平整度误差数据、路面车辙数据特指车辙深度数据为例，展开描述本申请实施原理。
若路面平整度数据为每200米≤5mm，则认为路面平整，评分计为100；
若路面平整度数据为15mm≤每200米≤5mm，则认为路面基本平整，评分计为60；
若路面平整度数据为每200米≥15mm，则认为路面不平整，整体道路情况不达标，评分计为0。
若车辙深度数据为车辙深度≤10mm，则认为路面基本无损坏，评分计为100；
若车辙深度数据10mm≤车辙深度≤15mm，则认为路面轻度损坏，评分计为60；
若车辙深度数据为15mm≤车辙深度，则认为路面严重损坏，评分计为0。
若路面构造深度数据为1.1mm≥构造深度≥0.55mm，则认为路面粗糙度合格，评分计为100；
若路面构造深度数据为0.55≥构造深度≥0.45mm，则认为路面粗糙度存在轻微问题，评分计为60；
若路面构造深度数据为构造深度≥1.1mm或构造深度≤0.55mm，则认为路面粗糙度不达标，评分计为0。
S41：基于基本路况信息数据的评分，对路况进行单独数据分析补充。
其一：当路面平整度数据评分为0时，则补充输出该路段整体道路情况存在“路面平整存在严重问题”，并标记为红色标志，以提示检测人员；
当路面车辙数据评分为0时，则补充输出该路段整体道路情况存在“路面车辙存在严重问题”，并标记为红色标志，以提示检测人员；
当路面构造深度数据评分为0时，则补充输出该路段整体道路情况存在“路面构造存在严重问题”，并标记为红色标志，以提示检测人员。
其二；当路面平整度数据评分为60，则补充输出该路段整体道路情况存在“路面平整存在轻微问题”，并标记为黄色标志，以提示检测人员；
当路面车辙数据评分为60，则补充输出该路段整体道路情况存在“路面车辙存在轻微问题”，并标记为黄色标志，以提示检测人员；
当路面构造深度数据评分为60，则补充输出该路段整体道路情况存在“路面构造存在轻微问题”，并标记为黄色标志，以提示检测人员。
其三：当路面平整度数据评分为100，则补充输出该路段整体道路情况存在“路面平整无问题”，并标记为绿色标志，以提示检测人员；
当路面车辙数据评分为100，则补充输出该路段整体道路情况存在“路面车辙无问题”，并标记为绿色标志，以提示检测人员；
当路面构造深度数据评分为100，则补充输出该路段整体道路情况存在“路面构造无问题”，并标记为绿色标志，以提示检测人员。
S42：基于基本路况信息数据的评分，对路况进行综合数据分析补充。
因路面平整度数据、路面车辙数据以及路面构造深度数据对整体道路影响程度不同，给予路面平整度数据、路面车辙数据以及路面构造深度数据相应比例系数，综合评判整体道路损坏程度。
具体为：给予路面平整度数据的比例系数为α；给予路面车辙数据的比例系数为β；给予路面构造深度数据的比例系数为γ；
则该路段整体道路情况总评分为Q＝αQ1+βQ2+γQ3。
通过分析评判该整体道路中各个路段的总评分，可以得出该整体道路的安全质量隐患，并产生补充检测建议数据。
若：三项数据中存在一个数据评分为0时，则判断该路段整体道路情况损坏，并补充输出“急需维修”，以提示检测人员。
若：基本路况信息数据中的三项数据中出现两项数据评分为60，且该评分所属比例系数最大的数据和另一个系数的数据，则判断该路段处于急需维修的状态，并补充输出“急需维修”，以提示检测人员；
若：三项数据中比例系数最大数据的评分为100，剩余两项数据的评分分别为60和100，则该路段处于待维修的状态，并补充输出“待维修”，以提示检测人员；
若：三项数据中仅比例系数最大数据的评分为60分，另外两个系数的数据评分为100，则判断该路段处于待维修的状态；该路段处于待维修的状态，并补充输出“待维修”，以提示检测人员；
若：三项数据中总评分Q为100，则判断该路段整体道路情况无损坏，并补充输出“无需维修”，以提示检测人员；
本申请实施例以路面平整度数据评分比例系数为0.4、路面车辙数据数据评分比例系数为0.3、路面构造深度数据评分比例系数为0.3为例进行阐述。也即，Q＝0.4*Q1+0.3*Q2+0.3*Q3。
若路面平整度数据评分为60，路面构造深度数据评分为60，路面车辙数据数据评分为100；或路面平整度数据评分为60，路面构造深度数据评分为100，路面车辙数据数据评分为60；也即则Q≤72分，该路段处于急需维修状态，并补充输出“急需维修”，以提示检测人员。
若路面平整度数据评分为100，路面构造深度数据评分为60，路面车辙数据数据评分为100；或路面平整度数据评分为100，路面构造深度数据评分为100，路面车辙数据数据评分为60；也即Q≥76分，则该路段处于待维修的状态，并补充输出“待维修”，以提示检测人员。
若路面平整度数据评分为60，路面构造深度数据评分为100，路面车辙数据数据评分为100，也即则Q≥84分，该路段处于待维修的状态，并补充输出“待维修”，以提示检测人员。
若路面平整度数据评分为0、或/和路面车辙数据数据评分为0、或/和路面构造深度数据评分为0，则判断该路段整体道路情况损坏，并补充输出“急需维修”，以提示检测人员。
步骤5：统计各路段路况输出单独的补充数据和整体道路综合的补充数据，补充输出养护管理评价数据和科学的养护决策数据。
通过统计整体道路中补充输出的“急需维修”、“无需维修”以及“待维修”出现的数量及对应路段，展示了该整体道路的整的路况信息，并给出相对应的养护管理评价数据和科学的养护决策数据。
通过统计各路段中补充输出的红色标志、黄色标志以及绿色标志出现的数量及对应路段，进一步细化展示该整体道路中存在的具体路况信息，并给出相对应的养护管理评价数据和科学的养护决策数据。
步骤S6：编制检测报告，并将检测结果统一归档。
分析整体道路路况特点、存在的问题以及提出下一步工作建议等，为科学决策提供参考。同时，以定期检测分报告，对各路段路况分项技术指标及历年变化趋势进行分析，提出养护对策及有关建议，为后续养护路段的确定和养护预算编制提供技术依据。
实施原理：对获取的多组基本路况信息数据进行错误数据识别，得出合理可靠的关于基本路况信息的检测数据，并对修正后的各项基本路况信息数据进行评分，最终补充输出该整体道路的路况信息数据、建议数据以及各路段存在的问题信息数据。
Claims (9)
1.一种自动识别补充数据的方法，其特征在于，包括步骤
获取整体道路中的多组基本路况信息数据；
获取地理位置数据，基于地理位置数据对整体道路进行分段，并将采集到的基本路况信息数据对应到每一分段道路上；
基于收集的多组基本路况信息数据进行自动识别和修正处理；
基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据
统计各路段路况输出单独的补充数据和整体道路综合的补充数据，补充输出养护管理评价和科学的养护决策。
2.根据权利要求1所述的一种自动识别补充数据的方法，其特征在于，所述基于收集的多组基本路况信息数据进行自动识别和修正处理中，包括步骤：
基于莱依达法则对获取的多组基本路况信息数据中的错误数据进行识别；
利用检测值组中的均值替换识别到的异常值，并输出检测值组的平均值。
3.根据权利要求2所述的一种自动识别补充数据的方法，其特征在于，所述基于莱依达法则对获取的多组基本路况信息数据中的错误数据进行识别中，采集关于一组检测值，由小到大排列为L1,L2…Ln,Ln+1；其互差值为Δ1＝L2-L1，Δ2＝L3-L2，…，Δn-1＝Ln-Ln-1，Δn＝Ln+1-Ln。当Δn-1取得最大值时，即认为出现数据跳跃点，此时取前n项作为一组观测值，此时前n项均值
各点检测值改正数为
标准差
根据莱依达法则，若检测值与平均值之差大于标准偏差的三倍应予以剔除。
4.根据权利要求3所述的一种自动识别补充数据的方法，其特征在于，基于基本路况信息数据的评分，分析各路段的路况，并补充输出各个路段单独的补充分析数据和整体道路综合的补充分析数据，包括步骤：
按照国家标准对各个路段中修正后的各项基本路况信息数据进行评分；
基于基本路况信息数据的评分，对路况进行单独数据分析补充；
基于基本路况信息数据的评分，对路况进行综合数据分析补充。
5.根据权利要求4所述的一种自动识别补充数据的方法，其特征在于，
所述基于基本路况信息数据的评分，对路况进行单独数据分析补充中，输出基于单独数据的相对应的提示数据。
6.根据权利要求5所述的一种自动识别补充数据的方法，其特征在于，所述基于单独数据的相对应的提示数据包括文字提示数据以及颜色标志提示数据。
7.根据权利要求6所述的一种自动识别补充数据的方法，其特征在于，所述基于基本路况信息数据的评分，对路况进行综合数据分析补充中，根据各项基本路况信息数据的重要性，给予各项基本路况信息数据不同的比例系数，获取各项基本路况信息数据的总评分，并根据各项基本路况信息数据的总评分，输出基于综合数据的相对应的提示数据。
8.根据权利要求7所述的一种自动识别补充数据的方法，其特征在于，所述基于综合数据的相对应的提示数据包括文字提示数据。
9.根据权利要求1所述的一种自动识别补充数据的方法，其特征在于，还包括步骤：编制检测报告，并将检测结果统一归档。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210339142.5A CN114648137A (zh) | 2022-04-01 | 2022-04-01 | 一种自动识别补充数据的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210339142.5A CN114648137A (zh) | 2022-04-01 | 2022-04-01 | 一种自动识别补充数据的方法 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114648137A true CN114648137A (zh) | 2022-06-21 |
Family
ID=81996273
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210339142.5A Pending CN114648137A (zh) | 2022-04-01 | 2022-04-01 | 一种自动识别补充数据的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114648137A (zh) |
Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108694998A (zh) * | 2017-04-07 | 2018-10-23 | 深圳市理邦精密仪器股份有限公司 | 医用评分数据的展示方法及装置 |
| CN109658693A (zh) * | 2018-12-26 | 2019-04-19 | 大唐软件技术股份有限公司 | 一种路况信息获取和处理的方法及装置 |
| CN109711722A (zh) * | 2018-12-26 | 2019-05-03 | 江苏北极星交通产业集团有限公司 | 一种网级道路养护管理决策系统 |
| CN111222678A (zh) * | 2019-10-24 | 2020-06-02 | 交通运输部路网监测与应急处置中心 | 路面技术状况预测方法 |
-
2022
- 2022-04-01 CN CN202210339142.5A patent/CN114648137A/zh active Pending
Patent Citations (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN108694998A (zh) * | 2017-04-07 | 2018-10-23 | 深圳市理邦精密仪器股份有限公司 | 医用评分数据的展示方法及装置 |
| CN109658693A (zh) * | 2018-12-26 | 2019-04-19 | 大唐软件技术股份有限公司 | 一种路况信息获取和处理的方法及装置 |
| CN109711722A (zh) * | 2018-12-26 | 2019-05-03 | 江苏北极星交通产业集团有限公司 | 一种网级道路养护管理决策系统 |
| CN111222678A (zh) * | 2019-10-24 | 2020-06-02 | 交通运输部路网监测与应急处置中心 | 路面技术状况预测方法 |
Non-Patent Citations (3)
| Title |
|---|
| 刘圣洁: "公路沥青路面健康性能检测与评价技术研究", 31 December 2020, 河海大学出版社, pages: 19 - 21 * |
| 闫永权: "软件老化分析与抗衰研究", 31 December 2021, 武汉大学出版社, pages: 106 * |
| 黄耀文: "中小企业计量管理", 30 September 2006, 中国计量出版社, pages: 129 - 130 * |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108592853B (zh) | 轨道板拱起位置辨识方法、装置、存储介质及设备 | |
| CN107153928A (zh) | 可视化的公路养护决策系统 | |
| CN104268213A (zh) | 一种基于多源检测数据的养护路段划分方法 | |
| CN113516258B (zh) | 公路养护智能决策分析系统 | |
| CN117332488B (zh) | 一种基于bim技术的道路桥梁实景模型分析方法和系统 | |
| CN116168356A (zh) | 一种基于计算机视觉的车辆损伤判别方法 | |
| CN104731970B (zh) | 高速公路多源异构数据的数据质量评价与控制方法 | |
| CN113918538A (zh) | 一种基于人工神经网络的新建道路养护数据迁移系统 | |
| CN116050940A (zh) | 技工平台的劳务派遣优胜劣汰管理系统 | |
| CN108877225A (zh) | 交通流量指数确定方法及装置 | |
| CN114648137A (zh) | 一种自动识别补充数据的方法 | |
| CN106228310A (zh) | 一种基于企业基本行为轨迹的企业综合测评方法与系统 | |
| CN110555188B (zh) | 一种动车组车轮参数磨耗趋势的分析方法 | |
| CN110491487A (zh) | 基于大数据挖掘的医院绩效管理方法及系统 | |
| CN117523474A (zh) | 一种煤矿掘进人员安全监控方法 | |
| CN112033335B (zh) | 一种铁路轨距尺智能化监测预警系统及方法 | |
| CN109947755B (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 | |
| CN114510994A (zh) | 城市地下燃气泄漏识别模型的训练方法及装置 | |
| CN113255825A (zh) | 一种轨道道床病害识别方法及装置 | |
| CN115496308B (zh) | 基于大数据分析的公路交通标线逆反射性能预测方法 | |
| CN112732773A (zh) | 一种继电保护缺陷数据的唯一性校核方法及系统 | |
| CN113791034B (zh) | 一种用于钢轨探伤的样本采集分类监管系统 | |
| CN116846892B (zh) | 一种应用边缘计算的能耗智能化监管系统及方法 | |
| CN118037275A (zh) | 一种网级公路养护投资评估方法及养护信息采集系统 | |
| CN116039713B (zh) | 一种钢轨智能伤损识别管理系统 |
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 |