CN117557255A - 一种自动驾驶汽车的危险场景行驶风险度评估系统及方法 - Google Patents

一种自动驾驶汽车的危险场景行驶风险度评估系统及方法 Download PDF

Info

Publication number
CN117557255A
CN117557255A CN202410044135.1A CN202410044135A CN117557255A CN 117557255 A CN117557255 A CN 117557255A CN 202410044135 A CN202410044135 A CN 202410044135A CN 117557255 A CN117557255 A CN 117557255A
Authority
CN
China
Prior art keywords
road surface
pavement
module
planning
road
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
Application number
CN202410044135.1A
Other languages
English (en)
Inventor
高镇海
郑程元
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.)
Jilin University
Original Assignee
Jilin 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 Jilin University filed Critical Jilin University
Priority to CN202410044135.1A priority Critical patent/CN117557255A/zh
Publication of CN117557255A publication Critical patent/CN117557255A/zh
Pending legal-status Critical Current

Links

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
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W40/00—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models
    • B60W40/02—Estimation or calculation of non-directly measurable driving parameters for road vehicle drive control systems not related to the control of a particular sub unit, e.g. by using mathematical models related to ambient conditions
    • B60W40/06—Road conditions
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C11/00—Details of pavings
    • E01C11/005—Methods or materials for repairing pavings
    • E—FIXED CONSTRUCTIONS
    • E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
    • E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
    • E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
    • E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
    • G—PHYSICS
    • G01—MEASURING; TESTING
    • G01D—MEASURING NOT SPECIALLY ADAPTED FOR A SPECIFIC VARIABLE; ARRANGEMENTS FOR MEASURING TWO OR MORE VARIABLES NOT COVERED IN A SINGLE OTHER SUBCLASS; TARIFF METERING APPARATUS; MEASURING OR TESTING NOT OTHERWISE PROVIDED FOR
    • G01D21/00—Measuring or testing not otherwise provided for
    • G01D21/02—Measuring two or more variables by means not covered by a single other subclass
    • 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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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
    • G06Q10/06395—Quality analysis or management
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06V—IMAGE OR VIDEO RECOGNITION OR UNDERSTANDING
    • G06V10/00—Arrangements for image or video recognition or understanding
    • G06V10/70—Arrangements for image or video recognition or understanding using pattern recognition or machine learning
    • G06V10/764—Arrangements for image or video recognition or understanding using pattern recognition or machine learning using classification, e.g. of video objects
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B—PERFORMING OPERATIONS; TRANSPORTING
    • B60—VEHICLES IN GENERAL
    • B60W—CONJOINT CONTROL OF VEHICLE SUB-UNITS OF DIFFERENT TYPE OR DIFFERENT FUNCTION; CONTROL SYSTEMS SPECIALLY ADAPTED FOR HYBRID VEHICLES; ROAD VEHICLE DRIVE CONTROL SYSTEMS FOR PURPOSES NOT RELATED TO THE CONTROL OF A PARTICULAR SUB-UNIT
    • B60W2552/00—Input parameters relating to infrastructure
    • B60W2552/40—Coefficient of friction

Landscapes

  • Business, Economics & Management (AREA)
  • Engineering & Computer Science (AREA)
  • Human Resources & Organizations (AREA)
  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Theoretical Computer Science (AREA)
  • Tourism & Hospitality (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Marketing (AREA)
  • General Business, Economics & Management (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • General Health & Medical Sciences (AREA)
  • Structural Engineering (AREA)
  • Civil Engineering (AREA)
  • Architecture (AREA)
  • Health & Medical Sciences (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Medical Informatics (AREA)
  • Databases & Information Systems (AREA)
  • Multimedia (AREA)
  • Computing Systems (AREA)
  • Automation & Control Theory (AREA)
  • Evolutionary Computation (AREA)
  • Transportation (AREA)
  • Mechanical Engineering (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Artificial Intelligence (AREA)
  • Primary Health Care (AREA)
  • Road Repair (AREA)

Abstract

本发明涉及道路安全风险度评估系统技术领域，具体为一种自动驾驶汽车的危险场景行驶风险度评估系统及方法，包括数据采集模块，数据采集模块用于检测路面的破损情况；诊断模块，诊断模块包括路况评定体系以及数据库，以及；规划系统，规划系统包括中央控制系统、规划模块、进度监控模块以及定时提醒装置，所述规划模块包括时间规划模块、工人规划模块、区域规划模块以及检修规划模块。本发明本系统能够建立一套高效、灵活、准确，既能人机交互式运行又能规划检修检修情况的辅助设计系统，对采集的信息数据进行处理，同时建立养护决策数据库，对不同的信息数据形成不同的养护规划方案，再进行方案比选，确定最终的养护规划方案。

Description

一种自动驾驶汽车的危险场景行驶风险度评估系统及方法
技术领域
本发明涉及一种道路安全风险度评估系统，特别是涉及一种自动驾驶汽车的危险场景行驶风险度评估系统及方法，属于道路安全风险度评估系统技术领域。
背景技术
随着公路路网的基本建成，步入了公路养护维修高潮期，路面的老化、路基沉降、局部坑洼、路面裂缝、坑槽以及壅包等问题逐渐显现出来，不同程度地影响着车辆的行车安全、通行效率和行车舒适度等，已有的路面病害也在进一步加剧着路面的恶化导致自动驾驶汽车道路安全风险比较高。
常见的路面检测工作由人工走查、半自动检测车、全自动检测车完成，然而在人工走查过程中，每名检查员每天只能完成10km左右检测量，因此需要消耗大量的时间进行卫华和保养，无法应对大规模巡查工作，其缺点病害定位精度低，主观判定容易出现错判漏判，不利于大范围推广应用。
因此，亟需对自动驾驶汽车的道路安全风险度评估系统及方法进行改进，以解决上述存在的问题。
发明内容
本发明的目的是提供一种自动驾驶汽车的危险场景行驶风险度评估系统及方法，本系统能够建立一套高效、灵活、准确，既能人机交互式运行又能规划检修检修情况的辅助设计系统，对采集的信息数据进行处理，同时建立养护决策数据库，对不同的信息数据形成不同的养护规划方案，再进行方案比选，确定最终的养护规划方案，大大提升对公路的养护效率。
为了达到上述目的，本发明采用的主要技术方案包括：
数据采集模块，所述数据采集模块包括路面弯沉检测设备、路面平整度检测设备、路面破损检测设备、路面摩擦系数检测设备以及路面结构强度检测设备，所述数据采集模块用于检测路面的破损情况；
诊断模块，所述诊断模块包括路况评定体系以及数据库，以及；
规划系统，所述规划系统包括中央控制系统、规划模块、进度监控模块以及定时提醒装置，所述规划模块包括时间规划模块、工人规划模块、区域规划模块以及检修规划模块；
所述数据采集模块对路面进行检测，并将采集的数据导入所述诊断模块，所述路况评定体系对路面状况采集的数据进行对比分析，通过所述规划系统规划处出路面病害形式和区域，并将路面病害形式和区域数据传输至所述中央控制系统，由所述中央控制系统结合所述数据库调动附近的工人确定检修对策，其中所述中央控制系统采用预测模型方程进行预测并确定保养时机；
所述保养时机具体为：
所述路面结构强度检测设备检测的路面强度不能满足交通主管部门行业要求及业主要求时需采取大修养护措施以提高其承载能力，大修决策时机为PSSI评分接近80分时；
在强度满足要求的前提下，路面损坏状况指数PCI或路面行驶质量指数RQI不能满足交通主管部门行业要求和业主要求时，中修决策时机为PCI或RQI评分接近85分时；
抗滑能力不足的路段，采取加铺抗滑磨耗层等措施来提高路表面的抗滑能力，决策时机为SRI＜75；
车辙严重路段，采取挖除或切削或铣刨原有车辙，再加铺KAC沥青混合料或SMA等措施来修补车辙，决策时机为RDI＜75；
在路面损坏状况指数PCI或路面行驶质量指数RQI评价宜为优的时候采取预防性养护措施来修复路面初期病害，延缓道路使用性能的衰减，提高道路的耐久性，预防性养护决策时机为PCI或RQI≥90分时。
优选的，所述中央控制系统上通信连接有控制面板，使用者通过所述控制面板输入信息，选择所需的所述规划模块，通过所述中央控制系统整合信息，输出具体事项规划，通过所述进度监控模块，定时提醒用户该时间应该完成和应该开始的事项；
所述规划模块用来选择具体的检修工人以及确定的检修时间。
优选的，所述路面弯沉检测设备用于检测路面损坏指数，并用PCI进行评价，其公式如下：
PCI = 100-a0DRa 1；
DR = 100× ；
其中，式中DR为各种损坏的折合损坏面积之和与路面调查面积之百分比：
Ai为第i类路面损坏的面积m2；
A为调查的路面面积m2；
wi为第i类路面损坏的权重；
a0为路面损坏状况系数采用15.00；
a1为路面损坏状况系数采用0.412；
i为考虑损坏程度的第i项路面损坏类型；
i0为包含损坏程度的损坏类型总数。
优选的，所述路面平整度检测设备用于检测路面的平整度，并用平整度指数RQI进行评价，其公式如下：
RQI = ；
其中，式中IRI为国际平整度指数m/km；
a0为高速公路采用系数,采用数值为0.026；
a1为高速公路采用系数,采用数值为0.65。
路面车辙深度指数RDI路面车辙用路面车辙深度指数RDI评价，其公式如下；
RDI = ；
其中，式中 RD为车辙深度(mm)；
RDa为车辙深度参数，采用20mm；
RDb为车辙深度参数，采用35mm；
a0为模型参数，采用2.0；
a1为模型参数，采用4.0。
优选的，所述路面摩擦系数检测设备用于检测路面的抗滑性能，并用抗滑指数PSSI评价，其公式如下；
PSSI =；
其中，式中SFC为横向力系数；
SRImin为标定参数，采用35.0；
a0为模型参数，采用28.6；
a1为模型参数，采用-0.105。
优选的，所述路面结构强度检测设备用于检测路面的结构强度，并用强度指数PSSI评价，其公式如下；
PSSI = ；
SSI = ；
其中，式中SSI为路面结构强度系数，为路面设计弯沉与实测代表弯沉之比；
ld为路面设计弯沉(mm)；
l0为实测代表弯沉(mm)；
a0为模型参数，采用15.71；
a1为模型参数，采用-5.19。
优选的，所述预测模型方程具体如下：
PPI=PPI0{1－exp［－(A/y)B］}；
其中，式中PPI为使用性能指数PCI、RQI或其综合；
PPI0为初始使用性能指数，一般情况下取100；
y为路龄；
A、B为模型参数；
其中，A包括交通轴载，结构强度，面层厚度，基层类型，环境状况，材料类型；
B包括交通轴载，结构强度，面层厚度，基层类型，环境状况，材料类型。
优选的，所述规划系统还包括系统管理中央控制系统，系统管理包括用户管理中央控制系统、日志管理规划模块和数据备份进度监控模块。
优选的，所述路面破损检测设备用于识别路面颠簸点、评估道路平整度等级、计算视频摄像头的照片截取时间、基于图像识别分析颠簸点的病害类型。
一种自动驾驶汽车的危险场景行驶风险度评估系统及方法的模型和算法，包括以下步骤：
步骤一：通过数据采集模块上的路面弯沉检测设备、路面平整度检测设备、路面破损检测设备、路面摩擦系数检测设备和所述路面结构强度检测设备对路面进行检测；
步骤二：基于可靠路面状态数据采集方法，将数据采集模块将采集信息上传至规划系统并根据规划系统上的进度监控模块对路面状况进行监控；
步骤三；将步骤一中的所述数据采集模块检测的信息传输至步骤二中所述规划系统上的所述中央控制系统；
步骤四：步骤三中中央控制系统将数据信息传输至所述规划模块并启动规划模块；
步骤五：通过所述规划模块上的时间规划模块、工人规划模块、区域规划模块以及检修规划模块对路面进行维修即可。
本发明至少具备以下有益效果：
本系统能够建立一套高效、灵活、准确，既能人机交互式运行又能规划检修检修情况的辅助设计系统，对采集的信息数据进行处理，同时建立养护决策数据库，对不同的信息数据形成不同的养护规划方案，再进行方案比选，确定最终的养护规划方案，大大提升对公路的养护效率。
附图说明
此处所说明的附图用来提供对本申请的进一步理解，构成本申请的一部分，本申请的示意性实施例及其说明用于解释本申请，并不构成对本申请的不当限定。在附图中：
图1为本发明的系统图；
图2为本发明的保养时机示意图；
图3为本发明的系统的模型和算法流程图。
图中，1-数据采集模块，101-路面弯沉检测设备，102-路面平整度检测设备，103-路面破损检测设备，104-路面摩擦系数检测设备，105-路面结构强度检测设备，2-诊断模块，201-路况评定体系，202-数据库，3-规划系统，301-中央控制系统，302-规划模块，303-进度监控模块，304-定时提醒装置，305-控制面板。
具体实施方式
以下将配合附图及实施例来详细说明本申请的实施方式，借此对本申请如何应用技术手段来解决技术问题并达成技术功效的实现过程能充分理解并据以实施。
如图1-图3所示，本实施例提供的基于道路状况分析的路面养护时间规划系统，数据采集模块1，所述数据采集模块1包括路面弯沉检测设备101、路面平整度检测设备102、路面破损检测设备103、路面摩擦系数检测设备104以及路面结构强度检测设备105，所述数据采集模块1用于检测路面的破损情况；
诊断模块2，所述诊断模块2包括路况评定体系201以及数据库202，以及；
规划系统3，所述规划系统3包括中央控制系统301、规划模块302、进度监控模块303以及定时提醒装置304，所述规划模块302包括时间规划模块、工人规划模块、区域规划模块以及检修规划模块；
所述数据采集模块1对路面进行检测，并将采集的数据导入所述诊断模块2，所述路况评定体系201对路面状况采集的数据进行对比分析，通过所述规划系统3规划处出路面病害形式和区域，并将路面病害形式和区域数据传输至所述中央控制系统301，由所述中央控制系统301结合所述数据库202调动附近的工人确定检修对策，其中所述中央控制系统301采用预测模型方程进行预测并确定保养时机；
所述保养时机具体为：
所述路面结构强度检测设备105检测的路面强度不能满足交通主管部门行业要求及业主要求时需采取大修养护措施以提高其承载能力，大修决策时机为PSSI评分接近80分时；
在强度满足要求的前提下，路面损坏状况指数PCI或路面行驶质量指数RQI不能满足交通主管部门行业要求和业主要求时，中修决策时机为PCI或RQI评分接近85分时；
抗滑能力不足的路段，采取加铺抗滑磨耗层等措施来提高路表面的抗滑能力，决策时机为SRI＜75；
车辙严重路段，采取挖除或切削或铣刨原有车辙，再加铺KAC沥青混合料或SMA等措施来修补车辙，决策时机为RDI＜75；
在路面损坏状况指数PCI或路面行驶质量指数RQI评价宜为优的时候采取预防性养护措施来修复路面初期病害，延缓道路使用性能的衰减，提高道路的耐久性，预防性养护决策时机为PCI或RQI≥90分时。
在本实施例中，如图1所示，所述中央控制系统301上通信连接有控制面板305，使用者通过所述控制面板305输入信息，选择所需的所述规划模块302，通过所述中央控制系统301整合信息，输出具体事项规划，通过所述进度监控模块303，定时提醒用户该时间应该完成和应该开始的事项；
所述规划模块302用来选择具体的检修工人以及确定的检修时间。
通过实时对路面进行检测，检测的具体范围为：
所述路面弯沉检测设备101用于检测路面损坏指数，并用PCI进行评价，其公式如下：
PCI = 100-a0DRa 1；
DR = 100× ；
其中，式中DR为各种损坏的折合损坏面积之和与路面调查面积之百分比：
Ai为第i类路面损坏的面积m2；
A为调查的路面面积m2；
wi为第i类路面损坏的权重；
a0为路面损坏状况系数采用15.00；
a1为路面损坏状况系数采用0.412；
i为考虑损坏程度的第i项路面损坏类型；
i0为包含损坏程度的损坏类型总数；
路面损坏状况是用以高速公路路面是否需要采取养护措施的主要依据之一，也是导致路面使用质量和服务水平下降的主要因素，路面破损检测是基础资料收集中难度和误差最大的一项，高速公路路面破损检测一般采用车载数字摄像设备获取路面图像，利用独特的图像处理技术，可以准确识别路面破损，计算获得破损的长度、宽度、面积，判断破损的类型，确定破损空间位置，充分考虑高速公路沥青路面破损病害的发展趋势，再采用人机结合的方式，复核并详细描述病害种类及严重程度，并记录下21种病害的具体位置，根据养护需要，分路段统计路面破损率DR和破损指数PCI，对路面损坏状况进行评定；
所述路面平整度检测设备102用于检测路面的平整度，并用平整度指数RQI进行评价，其公式如下：
RQI= ；
其中，式中IRI为国际平整度指数m/km；
a0为高速公路采用系数,采用数值为0.026；
a1为高速公路采用系数,采用数值为0.65；
路面车辙深度指数RDI路面车辙用路面车辙深度指数RDI评价，其公式如下；
RDI = ；
其中，式中 RD为车辙深度mm；
RDa为车辙深度参数，采用20mm；
RDb为车辙深度参数，采用35mm；
a0为模型参数，采用2.0；
a1为模型参数，采用4.0；
公路路面平整度是是衡量路面使用性能最重要的因素，是从道路使用者的角度来反映路面的实际使用性能，平整度直接从行车舒适度、车速、车辆油耗等多方面直接影响路面使用质量和服务水平，是路面养护管理的重要参考指标，一般我们要求路面平整度IRI检测原始数据按20m数据处理，以1000m为评定单位计算平整度IRI与路面行驶质量指数RQI，并对RQI值按养护路段进行统计，以此评价路面行驶质量现状；
所述路面摩擦系数检测设备104用于检测路面的抗滑性能，并用抗滑指数PSSI评价，其公式如下；
PSSI =；
其中，式中SFC为横向力系数；
SRImin为标定参数，采用35.0；
a0为模型参数，采用28.6；
a1为模型参数，采用-0.105；
车辙病害现已成为高速公路沥青路面早期病害主要形式之一，车辙病害在沥青路面的病害中不仅占了很大比例，而且由于交通量与轴载的不断增加，车辙出现得越来越早，数量也越来越多，程度越来越严重，车辙的存在不仅严重的影响了路面的平整度，降低了行车质量，影响行车安全，而且大大的缩短了路面的使用寿命，严重影响了路面的服务质量，一般我们要求路面车辙深度RD检测原始数据按10m数据处理，以1000m为评定单位计算RD与路面车辙深度指数RDI，并对RDI值按养护路段进行统计，以此评价路面车辙现状；
所述路面结构强度检测设备105用于检测路面的结构强度，并用强度指数PSSI评价，其公式如下；
PSSI = ；
SSI = ；
其中，式中SSI为路面结构强度系数，为路面设计弯沉与实测代表弯沉之比；
ld为路面设计弯沉(mm)；
l0为实测代表弯沉(mm)；
a0为模型参数，采用15.71；
a1为模型参数，采用-5.19；
路面结构强度是高速公路沥青路面养护决策的最重要依据，强度不能满足要求时，应采取大修大修补强措施以提高其承载能力，对于我国高速公路半刚性基层沥青路面的结构强度，可根据路面弯沉检测数据来评定，弯沉实测数据一般要求按20m的频率处理，以1000m为评定单位计算实测弯沉代表值l0与路结构强度指数PSSI，并对PSSI值按养护路段进行统计，以此评价其承载能力现状；
所述预测模型方程具体如下：
PPI=PPI0{1－exp［－(A/y)B］}；
其中，式中PPI为使用性能指数PCI、RQI或其综合；
PPI0为初始使用性能指数，一般情况下取100；
y为路龄；
A、B为模型参数；
其中，A包括交通轴载，结构强度，面层厚度，基层类型，环境状况，材料类型；
B包括交通轴载，结构强度，面层厚度，基层类型，环境状况，材料类型；
公路养护的目的是为了保持高速公路沥青路面良好的使用性能，使高速公路不至于出现使用功能失效，高速公路养护规划技术的研究就首先要判断公路沥青路面使用功能失效的时间段，而在失效前采取适当的养护措施，使得沥青路面使用性能保持在一定的水平上，路面养护的经济性和有效性在很大程度上取决于采取预防性养护措施的时机，预防性养护最佳时机应该在路面尚处于良好状态，或者只有某些病害先兆时进行，一个有效预防性养护程序的关键因素是确定其选择养护方案的最佳时机，目前，路面预防性养护的选择方法主要有:费用－效益法、基于时间/路况的方法、寿命周期效益评估法、决策树/矩阵法、排序法和基于老化的方法，本文推荐采用全寿命周期费用－效益法，从路面的实际破坏状况出发，找出进行预防性养护的临界破坏状态；
所述规划系统3还包括系统管理中央控制系统301，系统管理包括用户管理中央控制系统301、日志管理规划模块302和数据备份进度监控模块303，所述路面破损检测设备103用于识别路面颠簸点、评估道路平整度等级、计算视频摄像头的照片截取时间、基于图像识别分析颠簸点的病害类型，通过大量调研，收集整理了国内外高速公路常用养护对策数据库、适用条件、需要预处理的方案以及养护措施的预计使用年限，根据前文所建议的养护标准，结合高速公路目前的技术状况来看，大多数近期新建的高速公路还处于“预防性养护”的阶段，各指标养护标准与相应的对策选择方法分析如下:
路面结构强度指标是区分路面结构补强与否的关键，也是路面养护时首先需要考虑的因素；
路面损坏PCI是判断路面是否需要养护、需要采取什么措施进行养护的重要依据，在路面结构强度足够的情况下，是路面养护时首先需要考虑的因素；
在路面损坏PCI相同的情况下，不同的路面平整度RQI确定路面的整修措施；
路面结构强度、路面损坏和路面平整度是最主要的路况3大指标，在其相同的情况下，道路上的交通量不同也直接影响养护措施的选择，交通量越重，选择越厚的罩面措施；
考虑到车辙问题较为突出，在以上基础上，根据车辙深度的不同分别选择“找平”类措施，或需要先铣刨再罩面，或增加罩面厚度，局部路段车辙专项治理进行养护决策；
在需要进行“中修”和“大修”时，默认其养护后的路面抗滑能力同时也能满足要求，因此，路面抗滑能力养护主要在路面不需要进行“中修”和“大修”时考虑，局部抗滑专项治理进行养护决策；
另外，当路面的标高受限制时，在原路面上直接进行较厚的罩面可能有困难，此时应考虑实施先铣刨再罩面的措施。
如图1-图3所示，本实施例提供的基于道路状况分析的路面养护时间规划系统的模型和算法，包括以下步骤：
步骤一：通过数据采集模块1上的路面弯沉检测设备101、路面平整度检测设备102、路面破损检测设备103、路面摩擦系数检测设备104和所述路面结构强度检测设备105对路面进行检测；
步骤二：基于可靠路面状态数据采集方法，将数据采集模块1将采集信息上传至规划系统3并根据规划系统3上的进度监控模块303对路面状况进行监控；
步骤三；将步骤一中的所述数据采集模块1检测的信息传输至步骤二中所述规划系统3上的所述中央控制系统301；
步骤四：步骤三中中央控制系统301将数据信息传输至所述规划模块302并启动规划模块302；
步骤五：通过所述规划模块302上的时间规划模块、工人规划模块、区域规划模块以及检修规划模块对路面进行维修即可。
如在说明书及权利要求当中使用了某些词汇来指称特定组件。本领域技术人员应可理解，硬件制造商可能会用不同名词来称呼同一个组件。本说明书及权利要求并不以名称的差异来作为区分组件的方式，而是以组件在功能上的差异来作为区分的准则。如在通篇说明书及权利要求当中所提及的“包含”为一开放式用语，故应解释成“包含但不限定于”。“大致”是指在可接收的误差范围内，本领域技术人员能够在一定误差范围内解决技术问题，基本达到技术效果。
需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的商品或者系统不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种商品或者系统所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括要素的商品或者系统中还存在另外的相同要素。
上述说明示出并描述了本发明的若干优选实施例，但如前所述，应当理解本发明并非局限于本文所披露的形式，不应看作是对其他实施例的排除，而可用于各种其他组合、修改和环境，并能够在本文所述发明构想范围内，通过上述教导或相关领域的技术或知识进行改动。而本领域人员所进行的改动和变化不脱离本发明的精神和范围，则都应在本发明所附权利要求的保护范围内。

Claims (10)

1.一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于，包括：
数据采集模块（1），所述数据采集模块（1）包括路面弯沉检测设备（101）、路面平整度检测设备（102）、路面破损检测设备（103）、路面摩擦系数检测设备（104）以及路面结构强度检测设备（105），所述数据采集模块（1）用于检测路面的破损情况；
诊断模块（2），所述诊断模块（2）包括路况评定体系（201）以及数据库（202），以及；
规划系统（3），所述规划系统（3）包括中央控制系统（301）、规划模块（302）、进度监控模块（303）以及定时提醒装置（304），所述规划模块（302）包括时间规划模块、工人规划模块、区域规划模块以及检修规划模块；
所述数据采集模块（1）对路面进行检测，并将采集的数据导入所述诊断模块（2），所述路况评定体系（201）对路面状况采集的数据进行对比分析，通过所述规划系统（3）规划处出路面病害形式和区域，并将路面病害形式和区域数据传输至所述中央控制系统（301），由所述中央控制系统（301）结合所述数据库（202）调动附近的工人确定检修对策，其中所述中央控制系统（301）采用预测模型方程进行预测并确定保养时机；
所述保养时机具体为：
所述路面结构强度检测设备（105）检测的路面强度不能满足交通主管部门行业要求及业主要求时需采取大修养护措施以提高其承载能力，大修决策时机为PSSI评分接近80分时；
在强度满足要求的前提下，路面损坏状况指数PCI或路面行驶质量指数RQI不能满足交通主管部门行业要求和业主要求时，中修决策时机为PCI或RQI评分接近85分时；
抗滑能力不足的路段，采取加铺抗滑磨耗层措施来提高路表面的抗滑能力，决策时机为SRI＜75；
车辙严重路段，采取挖除或切削或铣刨原有车辙，再加铺KAC沥青混合料或SMA措施来修补车辙，决策时机为RDI＜75；
在路面损坏状况指数PCI或路面行驶质量指数RQI评价宜为优的时候采取预防性养护措施来修复路面初期病害，延缓道路使用性能的衰减，提高道路的耐久性，预防性养护决策时机为PCI或RQI≥90分时。
2.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述中央控制系统（301）上通信连接有控制面板（305），使用者通过所述控制面板（305）输入信息，选择所需的所述规划模块（302），通过所述中央控制系统（301）整合信息，输出具体事项规划，通过所述进度监控模块（303），定时提醒用户该时间应该完成和应该开始的事项；
所述规划模块（302）用来选择具体的检修工人以及确定的检修时间。
3.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述路面弯沉检测设备（101）用于检测路面损坏指数，并用PCI进行评价，其公式如下：
PCI=100-a0DRa 1；
DR = 100× ；
其中，式中DR为各种损坏的折合损坏面积之和与路面调查面积之百分比：
Ai为第i类路面损坏的面积m2；
A为调查的路面面积m2；
wi为第i类路面损坏的权重；
a0为路面损坏状况系数采用15.00；
a1为路面损坏状况系数采用0.412；
i为考虑损坏程度的第i项路面损坏类型；
i0为包含损坏程度的损坏类型总数。
4.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述路面平整度检测设备（102）用于检测路面的平整度，并用平整度指数RQI进行评价，其公式如下：
RQI=；
其中，式中IRI为国际平整度指数m/km；
a0为高速公路采用系数,采用数值为0.026；
a1为高速公路采用系数,采用数值为0.65；
路面车辙深度指数RDI路面车辙用路面车辙深度指数RDI评价，其公式如下；
RDI = ；
其中，式中RD为车辙深度单位采用mm；
RDa为车辙深度参数，采用20mm；
RDb为车辙深度参数，采用35mm；
a0为模型参数，采用2.0；
a1为模型参数，采用4.0。
5.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述路面摩擦系数检测设备（104）用于检测路面的抗滑性能，并用抗滑指数PSSI评价，其公式如下；
PSSI = ；
其中，式中SFC为横向力系数；
SRImin为标定参数，采用35.0；
a0为模型参数，采用28.6；
a1为模型参数，采用-0.105。
6.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述路面结构强度检测设备（105）用于检测路面的结构强度，并用强度指数PSSI评价，其公式如下；
PSSI = ；
SSI = ；
其中，式中SSI为路面结构强度系数，为路面设计弯沉与实测代表弯沉之比；
ld为路面设计弯沉mm；
l0为实测代表弯沉mm；
a0为模型参数，采用15.71；
a1为模型参数，采用-5.19。
7.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述预测模型方程具体如下：
PPI=PPI0{1－exp［－(A/y)B］}；
其中，式中PPI为使用性能指数PCI、RQI或其综合；
PPI0为初始使用性能指数取100；
y为路龄；
A、B为模型参数；
其中，A包括交通轴载，结构强度，面层厚度，基层类型，环境状况，材料类型；
B包括交通轴载，结构强度，面层厚度，基层类型，环境状况，材料类型。
8.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述规划系统（3）还包括系统管理中央控制系统（301），系统管理包括用户管理中央控制系统（301）、日志管理规划模块（302）和数据备份进度监控模块（303）。
9.根据权利要求1所述的一种自动驾驶汽车的危险场景行驶风险度评估系统，其特征在于：所述路面破损检测设备（103）用于识别路面颠簸点、评估道路平整度等级、计算视频摄像头的照片截取时间、基于图像识别分析颠簸点的病害类型。
10.一种自动驾驶汽车的危险场景行驶风险度评估方法，其特征在于，使用了根据权利要求1所述的系统，包括以下步骤：
步骤一：通过数据采集模块（1）上的路面弯沉检测设备（101）、路面平整度检测设备（102）、路面破损检测设备（103）、路面摩擦系数检测设备（104）和所述路面结构强度检测设备（105）对路面进行检测；
步骤二：基于可靠路面状态数据采集方法，将数据采集模块（1）将采集信息上传至规划系统（3）并根据规划系统（3）上的进度监控模块（303）对路面状况进行监控；
步骤三；将步骤一中的所述数据采集模块（1）检测的信息传输至步骤二中所述规划系统（3）上的所述中央控制系统（301）；
步骤四：步骤三中中央控制系统（301）将数据信息传输至所述规划模块（302）并启动规划模块（302）；
步骤五：通过所述规划模块（302）上的时间规划模块、工人规划模块、区域规划模块以及检修规划模块对路面进行维修即可。
CN202410044135.1A 2024-01-12 2024-01-12 一种自动驾驶汽车的危险场景行驶风险度评估系统及方法 Pending CN117557255A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202410044135.1A CN117557255A (zh) 2024-01-12 2024-01-12 一种自动驾驶汽车的危险场景行驶风险度评估系统及方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202410044135.1A CN117557255A (zh) 2024-01-12 2024-01-12 一种自动驾驶汽车的危险场景行驶风险度评估系统及方法

Publications (1)

Publication Number Publication Date
CN117557255A true CN117557255A (zh) 2024-02-13

Family

ID=89815179

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202410044135.1A Pending CN117557255A (zh) 2024-01-12 2024-01-12 一种自动驾驶汽车的危险场景行驶风险度评估系统及方法

Country Status (1)

Country Link
CN (1) CN117557255A (zh)

Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507900A (zh) * 2011-10-18 2012-06-20 中公高科养护科技股份有限公司 检测路面抗滑性的方法
CN102663252A (zh) * 2012-04-11 2012-09-12 天津市市政工程设计研究院 地下道路复合式路面使用性能评估方法
CN103150387A (zh) * 2013-03-20 2013-06-12 南京道润交通科技有限公司 路况性能分析方法和系统
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
CN109740921A (zh) * 2018-12-29 2019-05-10 中公高科养护科技股份有限公司 一种沥青路面养护性质判定的方法
CN110059956A (zh) * 2019-04-17 2019-07-26 宁波翌达科技有限公司 一种跨领域的基础设施安全预警控制系统及其方法
CN116167267A (zh) * 2023-02-27 2023-05-26 东南大学 一种基于数字孪生的沥青路面车辙评估与养护决策系统

Patent Citations (7)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102507900A (zh) * 2011-10-18 2012-06-20 中公高科养护科技股份有限公司 检测路面抗滑性的方法
CN102663252A (zh) * 2012-04-11 2012-09-12 天津市市政工程设计研究院 地下道路复合式路面使用性能评估方法
CN103150387A (zh) * 2013-03-20 2013-06-12 南京道润交通科技有限公司 路况性能分析方法和系统
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
CN109740921A (zh) * 2018-12-29 2019-05-10 中公高科养护科技股份有限公司 一种沥青路面养护性质判定的方法
CN110059956A (zh) * 2019-04-17 2019-07-26 宁波翌达科技有限公司 一种跨领域的基础设施安全预警控制系统及其方法
CN116167267A (zh) * 2023-02-27 2023-05-26 东南大学 一种基于数字孪生的沥青路面车辙评估与养护决策系统

Similar Documents

Publication Publication Date Title
JP6883768B2 (ja) モニタリングシステム
CN107153928B (zh) 可视化的公路养护决策系统
CN111553902B (zh) 一种基于大数据的公路路面安全监测系统
Tighe et al. Incorporating road safety into pavement management
CN111368423B (zh) 一种车载桥梁承载能力快速检测评估系统及方法
US20120173150A1 (en) Sensor-based systems and methods for assessing internal bridge deck deterioration
CN114878796B (zh) 基于道路养护的评估监测平台
CN114971418A (zh) 基于道路养护的数据的智能管理系统
GB2582280A (en) Pothole monitoring
CN112900212A (zh) 一种基于道路管养的动态养护机制的养护方法
Abeygunawardhana et al. Identification of the impact on road roughness on speed patterns for different roadway segments
WO2017107790A1 (zh) 一种基于大数据预测路段状况的方法及装置
CN117557255A (zh) 一种自动驾驶汽车的危险场景行驶风险度评估系统及方法
CN112698015A (zh) 一种道路桥梁裂缝检测系统
Kravcovas et al. Comparison of pavement performance models for urban road management system
CN117233152A (zh) 一种t型梁桥健康监测系统
Semnarshad et al. Development of a Pavement Overall Deterioration Index (Case Study: Iran)
CN117522175B (zh) 一种道路养护决策方法及系统
Simpson et al. Improving FHWA's Ability to Assess Highway Infrastructure Health: Development of Next Generation Pavement Performance Measures
Aoki et al. Evaluation model for pavement surface distress on 3D point clouds from mobile mapping system
Simpson et al. Evaluating pavement condition of the national highway system
Cenek et al. New Zealand experience in comparing manual and automatic pavement condition rating systems
Paplauskas et al. Analysis of flexible pavement performance prediction models based on structural behaviour
CN117077454B (zh) 道路检测数据缺失状态下的道路路面使用寿命评估方法
Bou-Saab et al. Correlating Visual–Windshield Inspection Pavement Condition to Distresses from Automated Surveys Using Classification Trees

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