CN115762565B - 一种基于路噪音频分析的路面气象状况识别方法及系统 - Google Patents
一种基于路噪音频分析的路面气象状况识别方法及系统 Download PDFInfo
- Publication number
- CN115762565B CN115762565B CN202310015698.3A CN202310015698A CN115762565B CN 115762565 B CN115762565 B CN 115762565B CN 202310015698 A CN202310015698 A CN 202310015698A CN 115762565 B CN115762565 B CN 115762565B
- Authority
- CN
- China
- Prior art keywords
- road
- mel
- noise frequency
- scene
- frequency
- 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
Links
Images
Classifications
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明涉及一种基于路噪音频分析的路面气象状况识别方法及系统,设计采用音频信号刻画车辆经过不同路面状况的特征,基于各类场景道路上车辆行驶路噪音频分别对应的各类路面气象状况,分析获得各类场景道路上各类车辆行驶路噪音频分别对应的路面气象状况,结合CNN网络与LSTM网络的融合网络进行训练,获得多场景道路路面气象状况检测模型,进而用于实际应用中,实现多场景道路的路面气象状况检测,为气象、交通、交管、驾乘人员提供准确的路面气象状况信息,及时采取道路管制措施,降低事故的发生,整个设计系统具有设备成本低、易安装的特点,能够大大降低路面气象状况检测难度,具有广阔的市场应用前景和经济价值。
Description
技术领域
本发明涉及一种基于路噪音频分析的路面气象状况识别方法及系统,属于交通气象检测技术领域。
背景技术
雨、雪、冰冻等是直接作用于道路表面的恶劣天气,会对道路交通安全和通行效率造成巨大影响。路面气象状况识别技术旨在帮助公路、交通、交管部门及时发现并定位积水、结冰、积雪等不良路况,是路面养护及道路管理工作中的重要决策依据,高效、便捷、准确的路面气象状况监测对保障公路交通安全、通畅具有重大意义;但是传统路面气象状况主要依靠人工和仪器设备判别,存在着误差大、设备成本高、监测范围有限等缺陷。
发明内容
本发明所要解决的技术问题是提供一种基于路噪音频分析的路面气象状况识别方法,采用音频信号刻画车辆经过不同路面状况的特征,结合多网络融合架构进行训练,高效实现路面气象状况检测。
本发明为了解决上述技术问题采用以下技术方案:本发明设计了一种基于路噪音频分析的路面气象状况识别方法,按如下步骤A至步骤D,获得多场景道路路面气象状况检测模型,进而执行如下步骤i至步骤iii,对目标场景道路中的待分析路段实现路面气象状况检测;
步骤A. 分别针对预设各类场景道路,获得目标车辆以预设速度行驶于场景道路上各类路面气象状况的路段时、分别产生的路噪音频,进而构成各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,然后进入步骤B;
步骤B. 分别针对各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,提取车辆行驶路噪音频中的梅尔倒谱系数特征MFCC和梅尔频谱特征Log-Mel,构成该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图,然后进入步骤C;
步骤C. 构建包括CNN网络、LSTM网络、以及融合模块的并行网络结构PNN,构成待训练网络,其中,CNN网络的输入端、LSTM网络的输入端分别构成待训练网络的两个输入端,由CNN网络的输入端接收车辆行驶路噪音频的梅尔倒谱系数特征图进行处理,同时由LSTM网络的输入端接收车辆行驶路噪音频的梅尔频谱特征图进行处理,CNN网络的输出端、LSTM网络的输出端分别对接融合模块的输入端,融合模块的输出端构成待训练网络的输出端,然后进入步骤D;
步骤D. 基于各车辆行驶路噪音频分别对应的梅尔倒谱系数特征图和梅尔频谱特征图,以及各车辆行驶路噪音频所对应的场景道路上路面气象状况,以梅尔倒谱系数特征图和梅尔频谱特征图为输入,相应场景道路上路面气象状况为输出,针对待训练网络进行训练,构成多场景道路路面气象状况检测模型;
步骤i. 获得目标车辆以预设速度行驶于目标场景道路中待分析路段时产生的路噪音频,构成目标场景道路中待分析路段对应的车辆行驶路噪音频,然后进入步骤ii;
步骤ii. 按步骤B的方法,获得该车辆行驶路噪音频所对应的待分析梅尔倒谱系数特征图和待分析梅尔频谱特征图,然后进入步骤iii;
步骤iii. 针对待分析梅尔倒谱系数特征图和待分析梅尔频谱特征图,应用多场景道路路面气象状况检测模型,即获得目标场景道路中待分析路段的路面气象状况。
作为本发明的一种优选技术方案:所述步骤A中,分别针对预设各类场景道路,基于沿场景道路方向以预设间距间隔所对应各路侧位置设置音频采集装置与路面气象状况仪,针对目标车辆以预设速度行驶于该场景道路上各类路面气象状况的路段,由各路面气象状况仪分别采集其所设位置对应路段的气象状况,即获得各类路面气象状况路段,同时由音频采集装置分别采集目标车辆经过其所设位置对应路段时产生的路噪音频,以相同路段作为联系,构成各类路面气象状况路段、以及其所对应的车辆行驶路噪音频,进而构成各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频。
作为本发明的一种优选技术方案:所述步骤B中,分别针对各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,执行如下步骤:
步骤B1. 按预设杂音特征库,针对车辆行驶路噪音频进行去杂音预处理更新,然后进入步骤B2;
步骤B2. 针对车辆行驶路噪音频所对应的波形图进行分帧处理,并对分帧结果进行加窗处理更新,然后进入步骤B3;
步骤B3. 分别针对车辆行驶路噪音频所对应分帧结果中的各帧波形进行离散傅
里叶变换DFT操作,实现车辆行驶路噪音频时域波形信号到频域波形信号的转换,获得车辆
行驶路噪音频对应的短时能量谱,然后进入步骤B4;
步骤B4. 针对车辆行驶路噪音频所对应的短时能量谱,应用预设梅尔尺度的
三角形滤波器组,将车辆行驶路噪音频所对应的短时能量谱映射到基于听觉感知的
Mel非线性频谱中,并对该Mel非线性频谱进行运算获取,即获得车辆行
驶路噪音频中的梅尔频谱特征Log-Mel,然后进入步骤B5;
步骤B5. 针对车辆行驶路噪音频中的梅尔频谱特征Log-Mel进行逆傅里叶变换,获得车辆行驶路噪音频中的梅尔倒谱系数特征MFCC,然后进入步骤B6;
步骤B6. 基于车辆行驶路噪音频中的梅尔频谱特征Log-Mel与梅尔倒谱系数特征MFCC,构成该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图。
作为本发明的一种优选技术方案:所述步骤B5中,针对车辆行驶路噪音频中的梅尔频谱特征Log-Mel,按如下公式进行逆傅里叶变换:
获得车辆行驶路噪音频中的梅尔倒谱系数特征MFCC,其中,表示车辆行驶路噪
音频中梅尔频谱特征Log-Mel中的特征维度,表示车辆行驶路噪音频中梅尔频谱特征
Log-Mel中第个特征,,表示梅尔倒谱特征的预设值,表示倒谱系数的指数。
作为本发明的一种优选技术方案:还包括步骤BC如下,执行完步骤B之后,进入步骤BC;
步骤BC. 分别针对该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图,采用中心化操作,将特征图中各像素值映射到[-1,1],更新梅尔倒谱系数特征图和梅尔频谱特征图,然后进入步骤C。
本发明进一步设计了实现基于路噪音频分析的路面气象状况识别方法的系统,其特征在于:包括控制模块,控制模块包括存储器、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,所述处理器执行所述计算机程序时实现所述基于路噪音频分析的路面气象状况识别方法的步骤。
本发明所述一种基于路噪音频分析的路面气象状况识别方法,采用以上技术方案与现有技术相比,具有以下技术效果:
本发明所设计一种基于路噪音频分析的路面气象状况识别方法,设计采用音频信号刻画车辆经过不同路面状况的特征,基于各类场景道路上车辆行驶路噪音频分别对应的各类路面气象状况,分析获得各类场景道路上各类车辆行驶路噪音频分别对应的路面气象状况,结合CNN网络与LSTM网络的融合网络进行训练,获得多场景道路路面气象状况检测模型,进而用于实际应用中,实现多场景道路的路面气象状况检测,为气象、交通、交管、驾乘人员提供准确的路面气象状况信息,及时采取道路管制措施,降低事故的发生,整个设计系统具有设备成本低、易安装的特点,能够大大降低路面气象状况检测难度,具有广阔的市场应用前景和经济价值。
附图说明
图1是本发明设计基于路噪音频分析的路面气象状况识别方法的流程示意图。
具体实施方式
下面结合说明书附图对本发明的具体实施方式作进一步详细的说明。
本发明设计了一种基于路噪音频分析的路面气象状况识别方法,实际应用当中,如图1所示,执行如下步骤A至步骤D,获得多场景道路路面气象状况检测模型。
步骤A. 分别针对预设各类场景道路,基于沿场景道路方向以预设间距间隔所对应各路侧位置设置音频采集装置与路面气象状况仪,针对目标车辆以预设速度行驶于该场景道路上各类路面气象状况的路段,由各路面气象状况仪分别采集其所设位置对应路段的气象状况,即获得各类路面气象状况路段,同时由音频采集装置分别采集目标车辆经过其所设位置对应路段时产生的路噪音频,以相同路段作为联系,构成各类路面气象状况路段、以及其所对应的车辆行驶路噪音频,进而构成各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,然后进入步骤B。
实际应用中,这里各类路面气象状况诸如包括干燥、潮湿、积水、积雪、结冰等多种路面气象状况。
步骤B. 分别针对各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,执行如下步骤B1至步骤B6,提取车辆行驶路噪音频中的梅尔倒谱系数特征MFCC和梅尔频谱特征Log-Mel,构成该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图,然后进入步骤BC。
步骤B1. 按预设杂音特征库,针对车辆行驶路噪音频进行去杂音预处理更新,然后进入步骤B2。
步骤B2. 针对车辆行驶路噪音频所对应的波形图进行分帧处理,并应用诸如矩形窗、高斯窗、汉明窗等,对分帧结果进行加窗处理更新,平滑音频信号的同时,减少信息的损失及邻帧之间的连续性,然后进入步骤B3。
步骤B3. 分别针对车辆行驶路噪音频所对应分帧结果中的各帧波形进行离散傅
里叶变换DFT操作,实现车辆行驶路噪音频时域波形信号到频域波形信号的转换,获得车辆
行驶路噪音频对应的短时能量谱,然后进入步骤B4。
步骤B5. 针对车辆行驶路噪音频中的梅尔频谱特征Log-Mel,按如下公式进行逆傅里叶变换:
获得车辆行驶路噪音频中的梅尔倒谱系数特征MFCC,其中,表示车辆行驶路噪
音频中梅尔频谱特征Log-Mel中的特征维度,表示车辆行驶路噪音频中梅尔频谱特征
Log-Mel中第个特征,,表示梅尔倒谱特征的预设值,表示倒谱系数的指数,然
后进入步骤B6。
步骤B6. 基于车辆行驶路噪音频中的梅尔频谱特征Log-Mel与梅尔倒谱系数特征MFCC,构成该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图。
步骤BC. 分别针对该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图,采用中心化操作,将特征图中各像素值映射到[-1,1],即将所得特征图按照先后顺序融合为更高维度的特征,更新梅尔倒谱系数特征图和梅尔频谱特征图,然后进入步骤C。
步骤C. 构建包括CNN网络、LSTM网络、以及融合模块的并行网络结构PNN,构成待训练网络,其中,CNN网络的输入端、LSTM网络的输入端分别构成待训练网络的两个输入端,由CNN网络的输入端接收车辆行驶路噪音频的梅尔倒谱系数特征图进行处理,同时由LSTM网络的输入端接收车辆行驶路噪音频的梅尔频谱特征图进行处理,CNN网络的输出端、LSTM网络的输出端分别对接融合模块的输入端,融合模块的输出端构成待训练网络的输出端,然后进入步骤D。
这里,CNN网络与LSTM网络的应用,即分别从空域,时域角度出发,对车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图进行分析,再进行融合,获得车辆行驶路噪音频所对应道路的综合反映,进而以此反映网络最终输出的道路上路面气象状况。
步骤D. 基于各车辆行驶路噪音频分别对应的梅尔倒谱系数特征图和梅尔频谱特征图,以及各车辆行驶路噪音频所对应的场景道路上路面气象状况,以梅尔倒谱系数特征图和梅尔频谱特征图为输入,相应场景道路上路面气象状况为输出,针对待训练网络进行训练,构成多场景道路路面气象状况检测模型。
基于获得多场景道路路面气象状况检测模型,进而实时执行如下步骤i至步骤iii,对目标场景道路中的待分析路段实现实时路面气象状况检测。
步骤i. 获得目标车辆以预设速度行驶于目标场景道路中待分析路段时产生的路噪音频,构成目标场景道路中待分析路段对应的车辆行驶路噪音频,然后进入步骤ii。
步骤ii. 按步骤B的方法,获得该车辆行驶路噪音频所对应的待分析梅尔倒谱系数特征图和待分析梅尔频谱特征图,然后进入步骤iii。
步骤iii. 针对待分析梅尔倒谱系数特征图和待分析梅尔频谱特征图,应用多场景道路路面气象状况检测模型,即获得目标场景道路中待分析路段的路面气象状况。
按上述设计基于路噪音频分析的路面气象状况识别方法,实现对实际目标场景道路中待分析路段进行检测,获得待分析路段的路面气象状况,进而向来车方向及时进行警示提示,具体设计操作如下:
由于电子警示牌和采集设备在无市电路段主要以太阳能供电为主,为实现恶劣天气条件下的电量合理化使用,在使用路面气象状况警示装置时,只在有车辆经过时才能开启警示提示。因此同样利用路侧的音频采集装置,基于声音多普勒效应的车辆空间位置感知方法,对来往车辆进行感知检测,当判断有车辆靠近时,打开电子显示屏或声音,输出路面气象状况,以警示车辆所经过的路段存在恶劣天气。
上述基于路噪音频分析的路面气象状况识别方法在实际应用中,基于进一步所设计系统进行应用,该系统包括控制模块,控制模块包括存储器、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,所述处理器执行所述计算机程序时实现所述基于路噪音频分析的路面气象状况识别方法的步骤。
上述技术方案所设计一种基于路噪音频分析的路面气象状况识别方法,设计采用音频信号刻画车辆经过不同路面状况的特征,基于各类场景道路上车辆行驶路噪音频分别对应的各类路面气象状况,分析获得各类场景道路上各类车辆行驶路噪音频分别对应的路面气象状况,结合CNN网络与LSTM网络的融合网络进行训练,获得多场景道路路面气象状况检测模型,进而用于实际应用中,实现多场景道路的路面气象状况检测,为气象、交通、交管、驾乘人员提供准确的路面气象状况信息,及时采取道路管制措施,降低事故的发生,整个设计系统具有设备成本低、易安装的特点,能够大大降低路面气象状况检测难度,具有广阔的市场应用前景和经济价值。
上面结合附图对本发明的实施方式作了详细说明,但是本发明并不限于上述实施方式,在本领域普通技术人员所具备的知识范围内,还可以在不脱离本发明宗旨的前提下做出各种变化。
Claims (3)
1.一种基于路噪音频分析的路面气象状况识别方法,其特征在于,按如下步骤A至步骤D,获得多场景道路路面气象状况检测模型,进而执行如下步骤i至步骤iii,对目标场景道路中的待分析路段实现路面气象状况检测;
步骤A.分别针对预设各类场景道路,获得目标车辆以预设速度行驶于场景道路上各类路面气象状况的路段时、分别产生的路噪音频,进而构成各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,然后进入步骤B;
步骤B.分别针对各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频,从噪音时-域分析出发,执行如下步骤B1至步骤B6,提取车辆行驶路噪音频中的梅尔倒谱系数特征MFCC和梅尔频谱特征Log-Mel,构成该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图,然后进入步骤BC;
步骤B1.按预设杂音特征库,针对车辆行驶路噪音频进行去杂音预处理更新,然后进入步骤B2;
步骤B2.针对车辆行驶路噪音频所对应的波形图进行分帧处理,并对分帧结果进行加窗处理更新,然后进入步骤B3;
步骤B3.分别针对车辆行驶路噪音频所对应分帧结果中的各帧波形进行离散傅里叶变换DFT操作,实现车辆行驶路噪音频时域波形信号到频域波形信号的转换,获得车辆行驶路噪音频对应的短时能量谱P(f),然后进入步骤B4;
步骤B4.针对车辆行驶路噪音频所对应的短时能量谱P(f),应用预设梅尔尺度的三角形滤波器组,将车辆行驶路噪音频所对应的短时能量谱P(f)映射到基于听觉感知的Mel非线性频谱P(M)中,并对该Mel非线性频谱P(M)进行log运算获取M(f),即按如下公式进行滤波处理:
M(f)=2595log10(1+P(f)/700)
获得获取M(f),即获得车辆行驶路噪音频中的Log梅尔频谱特征Log-Mel,然后进入步骤B5;
步骤B5.针对车辆行驶路噪音频中的梅尔频谱特征Log-Mel,按如下公式进行逆傅里叶变换:
获得车辆行驶路噪音频中的梅尔倒谱系数特征MFCC,其中,K表示车辆行驶路噪音频中梅尔频谱特征Log-Mel中的特征维度,X(f)k表示车辆行驶路噪音频中梅尔频谱特征Log-Mel中第k个特征,d=1..D,D表示梅尔倒谱特征的预设值,d表示倒谱系数的指数,然后进入步骤B6;
步骤B6.基于车辆行驶路噪音频中的梅尔频谱特征Log-Mel与梅尔倒谱系数特征MFCC,构成该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图;
步骤BC.分别针对该车辆行驶路噪音频所对应的梅尔倒谱系数特征图和梅尔频谱特征图,采用中心化操作,将特征图中各像素值映射到[-1,1],更新梅尔倒谱系数特征图和梅尔频谱特征图,然后进入步骤C;
步骤C.构建包括CNN网络、LSTM网络、以及融合模块的并行网络结构PNN,构成待训练网络,其中,CNN网络的输入端、LSTM网络的输入端分别构成待训练网络的两个输入端,由CNN网络的输入端接收车辆行驶路噪音频的梅尔倒谱系数特征图进行处理,同时由LSTM网络的输入端接收车辆行驶路噪音频的梅尔频谱特征图进行处理,CNN网络的输出端、LSTM网络的输出端分别对接融合模块的输入端,融合模块的输出端构成待训练网络的输出端,然后进入步骤D;
步骤D.基于各车辆行驶路噪音频分别对应的梅尔倒谱系数特征图和梅尔频谱特征图,以及各车辆行驶路噪音频所对应的场景道路上路面气象状况,以梅尔倒谱系数特征图和梅尔频谱特征图为输入,相应场景道路上路面气象状况为输出,针对待训练网络进行训练,构成多场景道路路面气象状况检测模型;
步骤i.获得目标车辆以预设速度行驶于目标场景道路中待分析路段时产生的路噪音频,构成目标场景道路中待分析路段对应的车辆行驶路噪音频,然后进入步骤ii;
步骤ii.按步骤B的方法,获得该车辆行驶路噪音频所对应的待分析梅尔倒谱系数特征图和待分析梅尔频谱特征图,然后进入步骤iii;
步骤iii.针对待分析梅尔倒谱系数特征图和待分析梅尔频谱特征图,应用多场景道路路面气象状况检测模型,即获得目标场景道路中待分析路段的路面气象状况。
2.根据权利要求1所述一种基于路噪音频分析的路面气象状况识别方法,其特征在于:所述步骤A中,分别针对预设各类场景道路,基于沿场景道路方向以预设间距间隔所对应各路侧位置设置音频采集装置与路面气象状况仪,针对目标车辆以预设速度行驶于该场景道路上各类路面气象状况的路段,由各路面气象状况仪分别采集其所设位置对应路段的气象状况,即获得各类路面气象状况路段,同时由音频采集装置分别采集目标车辆经过其所设位置对应路段时产生的路噪音频,以相同路段作为联系,构成各类路面气象状况路段、以及其所对应的车辆行驶路噪音频,进而构成各类场景道路上各类路面气象状况路段分别对应的车辆行驶路噪音频。
3.一种实现权利要求1或2所述一种基于路噪音频分析的路面气象状况识别方法的系统,其特征在于:包括控制模块,控制模块包括存储器、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,所述处理器执行所述计算机程序时实现权利要求1至2中任一项所述方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015698.3A CN115762565B (zh) | 2023-01-06 | 2023-01-06 | 一种基于路噪音频分析的路面气象状况识别方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310015698.3A CN115762565B (zh) | 2023-01-06 | 2023-01-06 | 一种基于路噪音频分析的路面气象状况识别方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115762565A CN115762565A (zh) | 2023-03-07 |
CN115762565B true CN115762565B (zh) | 2023-05-30 |
Family
ID=85348268
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310015698.3A Active CN115762565B (zh) | 2023-01-06 | 2023-01-06 | 一种基于路噪音频分析的路面气象状况识别方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115762565B (zh) |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5586028A (en) * | 1993-12-07 | 1996-12-17 | Honda Giken Kogyo Kabushiki Kaisha | Road surface condition-detecting system and anti-lock brake system employing same |
CN107521500A (zh) * | 2017-09-05 | 2017-12-29 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN113658608A (zh) * | 2021-08-27 | 2021-11-16 | 中关村科学城城市大脑股份有限公司 | 路面积水监测方法、装置、存储介质及电子设备 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP3173306B1 (en) * | 2015-11-27 | 2019-10-30 | Continental Automotive GmbH | Method and device for determining a type of the road on which a vehicle is driving |
CN110322900A (zh) * | 2019-06-25 | 2019-10-11 | 深圳市壹鸽科技有限公司 | 一种语音信号特征融合的方法 |
CN110534132A (zh) * | 2019-09-23 | 2019-12-03 | 河南工业大学 | 一种基于谱图特征的并行卷积循环神经网络的语音情感识别方法 |
CN115081473A (zh) * | 2022-05-31 | 2022-09-20 | 同济大学 | 一种多特征融合的制动噪声分类识别方法 |
CN115422965A (zh) * | 2022-07-22 | 2022-12-02 | 上汽大众汽车有限公司 | 一种基于车内噪声的整车行驶路面识别方法及系统 |
-
2023
- 2023-01-06 CN CN202310015698.3A patent/CN115762565B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5586028A (en) * | 1993-12-07 | 1996-12-17 | Honda Giken Kogyo Kabushiki Kaisha | Road surface condition-detecting system and anti-lock brake system employing same |
CN107521500A (zh) * | 2017-09-05 | 2017-12-29 | 百度在线网络技术(北京)有限公司 | 信息获取方法和装置 |
CN113658608A (zh) * | 2021-08-27 | 2021-11-16 | 中关村科学城城市大脑股份有限公司 | 路面积水监测方法、装置、存储介质及电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN115762565A (zh) | 2023-03-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN102682765B (zh) | 高速公路音频车辆检测装置及其方法 | |
CN104916289A (zh) | 行车噪声环境下快速声学事件的检测方法 | |
CN115081508B (zh) | 一种基于交通数字孪生的交通运行风险平行仿真系统 | |
CN113658608B (zh) | 路面积水监测方法、装置、存储介质及电子设备 | |
CN114435138A (zh) | 一种车辆能耗预测方法、装置、车辆及存储介质 | |
CN109357747B (zh) | 一种基于光纤振动信号的在线列车识别及速度估计方法 | |
CN102820034B (zh) | 一种民用航空器噪声感知与识别装置及其方法 | |
WO2022150999A1 (zh) | 一种检测轮胎异常的方法和装置 | |
CN114352486A (zh) | 一种基于分类的风电机组叶片音频故障检测方法 | |
CN115762565B (zh) | 一种基于路噪音频分析的路面气象状况识别方法及系统 | |
CN114037834B (zh) | 一种基于振动信号和rgb图像融合的语义分割方法及装置 | |
CN116229991A (zh) | 基于mfcc语音特征提取与机器学习的电机故障诊断方法 | |
CN113505524B (zh) | 轨道交通噪声贡献量确定方法、系统、装置及存储介质 | |
CN117332293A (zh) | 一种基于声音Mel频率特征的货车超载检测方法 | |
CN104991245A (zh) | 一种无人飞行器预警装置及其预警方法 | |
CN113299317B (zh) | 一种基于mfcc特征提取的交叉路口碰撞音频预警测评方法 | |
CN112230208B (zh) | 一种基于智能手机音频感知的汽车行驶速度检测方法 | |
CN105303837A (zh) | 一种检测驾驶人跟驰行为特性参数的方法及系统 | |
CN205003281U (zh) | 一种无人飞行器预警装置 | |
CN114420161A (zh) | 一种基于音频特征的工程车辆工况识别方法 | |
CN105702028A (zh) | 一种基于机动车音频信号的交通状态判别系统 | |
Wang et al. | Road surface recognition based on vision and tire noise | |
CN114323512A (zh) | 一种重载车辆识别方法及系统 | |
Kongrattanaprasert et al. | Detection of road surface conditions using tire noise from vehicles | |
Kato | An attempt to acquire traffic density by using road traffic sound |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |