CN118152900A - 一种高速公路养护数据管理系统 - Google Patents
一种高速公路养护数据管理系统 Download PDFInfo
- Publication number
- CN118152900A CN118152900A CN202410586398.5A CN202410586398A CN118152900A CN 118152900 A CN118152900 A CN 118152900A CN 202410586398 A CN202410586398 A CN 202410586398A CN 118152900 A CN118152900 A CN 118152900A
- Authority
- CN
- China
- Prior art keywords
- road
- state
- abnormal
- roadbed
- crack
- 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
Links
- 238000012423 maintenance Methods 0.000 title claims abstract description 124
- 238000013523 data management Methods 0.000 title claims abstract description 60
- 238000004458 analytical method Methods 0.000 claims abstract description 262
- 230000002159 abnormal effect Effects 0.000 claims abstract description 194
- 238000012544 monitoring process Methods 0.000 claims abstract description 44
- 238000007726 management method Methods 0.000 claims abstract description 26
- 238000000034 method Methods 0.000 claims abstract description 18
- 238000007689 inspection Methods 0.000 claims description 98
- 230000005856 abnormality Effects 0.000 claims description 49
- 238000005259 measurement Methods 0.000 claims description 18
- 230000007613 environmental effect Effects 0.000 claims description 17
- 238000001556 precipitation Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 12
- 230000035515 penetration Effects 0.000 claims description 7
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 6
- 238000005457 optimization Methods 0.000 claims description 5
- 238000005211 surface analysis Methods 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 238000007621 cluster analysis Methods 0.000 claims description 3
- 238000010586 diagram Methods 0.000 description 8
- 238000013500 data storage Methods 0.000 description 5
- 238000012545 processing Methods 0.000 description 3
- 238000001514 detection method Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000008595 infiltration Effects 0.000 description 2
- 238000001764 infiltration Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000006467 substitution reaction Methods 0.000 description 2
- 238000004891 communication Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 238000012384 transportation and delivery Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Artificial Intelligence (AREA)
- Tourism & Hospitality (AREA)
- Quality & Reliability (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Strategic Management (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Road Repair (AREA)
Abstract
本发明涉及公路养护管理技术领域，尤其涉及一种高速公路养护数据管理系统，包括信息获取模块，用以获取巡查周期内的路面监测数据、路基监测数据和路面图像，还用以获取高速公路参数信息，道路等级分析模块，用以对道路等级进行分析，路面分析模块，用以对路面裂缝状态进行分析，还用以根据路面裂缝状态分析结果和路面监测数据对巡查周期内路面异常状态进行分析，路基分析模块，用以对路基异常状态进行分析，并对路基异常状态的分析过程进行调整，道路状态分析模块，用以对道路异常状态进行分析，养护数据管理模块，用以对养护数据进行管理。本发明有效提高了高速公路养护数据的管理效率。
Description
技术领域
本发明涉及公路养护管理技术领域，尤其涉及一种高速公路养护数据管理系统。
背景技术
随着我国高速公路网络的快速发展，其养护管理工作的重要性日益凸显。然而，传统养护管理方式存在数据采集不全面、更新滞后、分析处理效率低、决策支持能力弱等问题，无法满足现代高速公路精细化、智能化养护的需求。因此，亟需研发一种能够实现高速公路养护数据高效采集、实时处理、智能分析与决策支持的管理系统。
中国专利公开号：CN104463458A公开了一种高速公路日常养护信息化管理系统，包括智能道路路况快速检测车、手持移动终端、数据存储及处理中心和八大信息化管理模块系统；所述智能道路路况快速检测车包括巡查车辆、高清相机、激光测距机、车辙检测仪和随车操作平台，所述数据存储及处理中心包括数据存储设备及基建信息数据存储系统；所述随车操作平台还包括车载报警系统，车载报警系统也与数据存储及处理中心连接。该系统可在不间断交通的情况下获取高速公路日常病害信息，实现日常养护任务审批、任务下达、工程验收和计量等工作管理信息化并能长期动态监控高速公路路网技术状况；由此可见，该发明无法实现对高速公路存储数据的高效处理，存在对高速公路养护数据管理效率低的问题。
发明内容
为此，本发明提供一种高速公路养护数据管理系统，用以克服现有技术中对高速公路养护数据管理效率低的问题。
为实现上述目的，本发明提供一种高速公路养护数据管理系统，包括，
信息获取模块，用以获取巡查周期内的路面监测数据、路基监测数据和路面图像，还用以获取高速公路参数信息；
道路等级分析模块，用以根据高速公路参数信息对道路等级进行分析；
路面分析模块，用以根据道路等级分析结果和巡查周期内路面图像对路面裂缝状态进行分析，还用以根据路面裂缝状态分析结果和路面监测数据对巡查周期内路面异常状态进行分析；
路基分析模块，用以根据道路等级分析结果和巡查周期内路基监测数据对路基异常状态进行分析，并根据巡查周期内的环境最大温差和渗透比例对路基异常状态的分析过程进行调整；
道路状态分析模块，用以根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析；
养护数据管理模块，用以根据道路异常状态分析结果对养护数据进行管理，所述养护数据管理模块还用以将养护数据的管理结果向用户进行输出。
进一步地，所述道路等级分析模块根据高速公路参数信息对道路等级进行划分；
所述道路等级分析模块根据高速公路参数信息计算道路等级参数α，道路等级参数α的计算公式如下：
α=1-exp[-ln（L×W）-sin（CD）]；
其中，L是道路长度，W是道路宽度，CD是双向向车道数量；
所述道路等级分析模块将道路等级参数α与各预设参数等级参数进行比对，并根据比对结果对道路等级进行划分，其中：
当α＜A1时，所述道路等级分析模块判定道路等级为三级；
当A1≤α＜A2时，所述道路等级分析模块判定道路等级为二级；
当α≥A2时，所述道路等级分析模块判定道路等级为一级；
其中，A1是第一预设参数，A2是第二预设参数，A1＜A2。
进一步地，所述路面分析模块设有裂缝分析单元，所述裂缝分析单元对各异常路面像素点坐标进行聚类分析，得到聚类像素点集群；
所述裂缝分析单元将各聚类像素点集群的像素点数量n（k）与像素点数量阈值NK进行比对，并根据比对结果对路面裂缝进行分析，其中：
当N（k）＜NK时，所述裂缝分析单元不将路面图像中该聚类像素点集群所对应的区域作为裂缝区域；
当N（k）≥NK时，所述裂缝分析单元将路面图像中该聚类像素点集群所对应的区域作为裂缝区域。
进一步地，所述裂缝状态分析单元根据路面裂缝分析结果和道路等级分析结果对路面裂缝状态进行分析；
所述裂缝状态分析单元统计各路面图像的裂缝数量N（j） ，并根据统计结果计算各路面图像的裂缝密度ρ（j），设定ρ（j）=N（j）/L；
所述裂缝状态分析单元根据各路面图像的裂缝密度ρ（j）计算道路平均裂缝密度ρ，设定ρ=Σρ（j）/N；
所述裂缝状态分析单元根据道路平均裂缝密度ρ和道路等级分析结果对路面裂缝状态进行分析，其中：
当道路等级为一级时，若ρ＜P1，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P1，所述裂缝状态分析单元判定路面裂缝状态为异常；
当道路等级为二级时，若ρ＜P2，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P2，所述裂缝状态分析单元判定路面裂缝状态为异常；
当道路等级为三级时，若ρ＜P3，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P3，所述裂缝状态分析单元判定路面裂缝状态为异常；
其中，P1是第一预设裂缝密度，P2是第二预设裂缝密度，P3是第三预设裂缝密度，P1＜P2＜P3。
进一步地，所述路面分析模块还设有路面状态分析单元，所述路面状态分析单元根据巡查周期内路面裂缝状态分析结果和路面监测数据对路面异常状态进行分析；
所述路面状态分析单元根据路面监测数据计算巡查周期内的路面不平整度σ，路面不平整度σ的计算公式如下：
E=（x1+x2+...+xN）；
σ={[（x1-E）2+（x1-E）2+...+（xN-E）2]/N}1/2;
其中，x1是第一等距高程测量数据，x2是第二等距高程测量数据，xN是第N等距高程测量数据，E是高程测量数据均值；
所述路面状态分析单元根据巡查周期内的路面不平整度σ和路面裂缝状态对路面异常状态进行分析，其中：
当路面异常状态为异常时，所述路面状态分析单元判定巡查周期内路面异常状态为异常；
当路面异常状态为正常时，若σ＜B，所述路面状态分析单元判定巡查周期内路面异常状态为正常；若σ≥B，所述路面状态分析单元判定巡查周期内路面异常状态为异常。
进一步地，所述路基分析模块设有路基分析单元，所述路基分析单元根据道路等级分析结果和路基监测数据对路基异常状态进行分析；
所述路基分析单元根据路基监测数据计算路基异常系数β，路基异常系数β的计算公式如下：
β=ln{1+（Er-ER）/ER+Y+（h-H）/H};
其中，Er是路基回弹模量，ER是标准路基回弹模量，Y是路基压实度，设定Y=Y实/Ymax×100%，Y实是实测路基干密度，Ymax是最大路基干密度，h是路基顶面高程，H是标准顶面高程；
所述路基分析单元将路基异常系数β与预设路基异常系数C进行比对，并根据比对结果对路基异常状态进行分析，其中：
当β＜C时，所述路基分析单元判定巡查周期内路基异常状态为正常；
当β≥C时，所述路基分析单元判定巡查周期内路基异常状态为异常。
进一步地，所述路基分析模块还设有温差异常调整单元，所述温差异常调整单元根据巡查周期内的环境最高温度Tmax和环境最低温度Tmin计算环境最大温差△T，设定△T=Tmax-Tmin；
所述温差异常调整单元将环境最大温差△T与温差阈值T进行比对，并根据比对结果对温差异常状态进行分析，并根据比对结果对路基异常状态的分析过程进行调整，其中：
当△T＜T时，所述温差异常调整单元判定巡查周期内温差异常状态为正常，不进行调整；
当△T≥T时，所述温差异常调整单元判定巡查周期内温差异常状态为异常，并将预设路基异常系数调整为C’，设定C’=C×exp[-（T-△T）/T]。
进一步地，所述路基分析模块还设有渗透优化单元，所述渗透优化单元根据监测号周期内的降水信息对道路渗透状态进行分析，并根据分析结果对路基异常状态的调整过程进行优化，其中：
当巡查周期内存在降水时，所述渗透优化单元计算渗透比例γ，设定γ=（1×SL）/（L×1/2×W×JS）；若γ＜M时，所述渗透优化单元判定道路渗透状态正常，不进行优化；若γ≥M时，所述渗透优化单元判定道路渗透状态异常，并将温差阈值优化为T’，设定T’=T×cos（γ）；
当巡查周期内不存在降水时，所述渗透优化单元不对道路渗透状态进行分析，并不对路基异常状态的调整过程进行优化；
其中，SL是巡查周期内道路排水渠的平均水流量，JS是巡查周期内的平均降水量。
进一步地，所述道路状态分析模块根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析，其中：
当路面状态为正常且路基状态为正常时，所述道路状态分析模块判定道路异常状态为正常；
当路面状态为异常且路基状态为正常时，所述道路状态分析模块判定道路异常状态为一级道路异常；
当路面状态为正常且路基状态为异常时，所述道路状态分析模块判定道路异常状态为二级道路异常；
当路面状态为异常且路基状态为异常时，所述道路状态分析模块判定道路异常状态为三级道路异常。
进一步地，所述养护数据管理模块设有养护数据管理单元，所述养护数据管理单元根据巡查周期内道路异常状态分析结果对养护数据进行管理，其中：
当道路异常状态为正常时，所述养护数据管理单元将下一巡查周期的小修保养周期设为ZY1，设定ZY1=DZY；
当道路异常状态为一级异常时，所述养护数据管理单元将下一巡查周期的小修保养周期设为ZY2，设定ZY2=DZY×sin[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；所述养护数据管理单元将下一巡查周期的时长调整为TS1，设定TS1=TS×sin[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；
当道路异常状态为二级异常时，所述养护数据管理单元向用户输出“进行小修保养”，并将下一巡查周期的小修保养周期设为ZY3，设定ZY3=DZY×ln[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；所述养护数据管理单元将下一巡查周期的时长调整为TS2，设定TS2=TS×ln[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；
当道路异常状态为三级异常时，所述养护数据管理单元向用户输出“进行大修工程作业”，并将下一巡查周期的小修保养周期设为ZY4，设定ZY4=DZY×{1-exp{-[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]}}；所述养护数据管理单元将下一巡查周期的时长调整为TS3，设定TS3=TS×{1-exp{-[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]}}；
其中，TS是当前巡查周期时长，DZY是当前小修保养周期的时长。
与现有技术相比，本发明的有益效果在于，通过所述信息获取模块对本系统所需信息的获取提高了信息获取的准确性，进而提高了对道路等级划分的准确性，通过所述道路等级分析模块计算道路等级参数，并根据道路等级参数计算结果对道路等级进行划分，提高了对道路等级划分的准确性，所述路基分析模块通过根据道路等级分析结果和路基监测数据对路基异常状态进行分析，提高了对路基异常状态分析的准确性，所述道路状态分析模块根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析，提高了对道路异常状态分析的准确性，所述养护数据管理模块通过根据巡查周期内道路异常状态分析结果对养护数据进行管理，提高了对道路路面与道路路基异常状态分析的准确性，从而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率。
附图说明
图1为本实施例高速公路养护数据管理系统的结构示意图；
图2为本实施例路面分析模块的结构示意图；
图3为本实施例路基分析模块的结构示意图；
图4为本实施例养护数据管理模块的结构示意图。
具体实施方式
为了使本发明的目的和优点更加清楚明白，下面结合实施例对本发明作进一步描述；应当理解，此处所描述的具体实施例仅仅用于解释本发明，并不用于限定本发明。
下面参照附图来描述本发明的优选实施方式。本领域技术人员应当理解的是，这些实施方式仅仅用于解释本发明的技术原理，并非在限制本发明的保护范围。
需要说明的是，在本发明的描述中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或一体地连接；可以是机械连接，也可以是电连接；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通。对于本领域技术人员而言，可根据具体情况理解上述术语在本发明中的具体含义。
请参阅图1所示，其为本实施例高速公路养护数据管理系统的结构示意图，包括，
信息获取模块，用以获取巡查周期内的路面监测数据、路基监测数据和路面图像，还用以获取高速公路参数信息；所述路面监测数据包括各等距高程测量数据，所述等距高程测量数据是间隔固定距离测量的高程数据，本事实例中，不对固定距离的取值做具体限定，本领域技术人员可以自由设置，如可以将其设定为2米、3米等；所述路基监测数据包括路基回弹模量、标准路基回弹模量、实测路基干密度、最大路基干密度、路基顶面高程、标准顶面高程、环境最高温度、环境最低温度、道路排水渠的平均水流量和平均降水量；所述路面图像为等距灰度图像，即间隔固定距离进行拍摄的灰度图像，所述固定距离与上述等距高程测量数据的固定距离相同；所述高速公路参数信息包括道路长度、道路宽度和双向向车道数量；本实施例中不对巡查周期的取值做具体限定，本领域技术人员可以自由设置，只需满足巡查周期的取值需求即可，如本实施例中将巡查周期设定为1天，还可以将巡查周期设定为2天等；本实施例中，不对路面监测数据、路基监测数据和路面图像的获取方式做具体限定，本领域技术人员可以自由设置，只需满足路面监测数据、路基监测数据和路面图像的获取需求即可，如可以通过温度传感器获取环境最高温度和环境最低温度，通过设置水流传感器和降水测量计获取道路排水渠的平均水流量和平均降水量，通过巡查车辆获取路面监测数据，通过设置固定拍摄点获取路面图像，通过路面标准测量仪器获取路基回弹模量、标准路基回弹模量、实测路基干密度、最大路基干密度、路基顶面高程和标准顶面高程；本实施例中高速公路参数信息的获取方式为由用户交互输入的方式获取；
道路等级分析模块，用以根据高速公路参数信息对道路等级进行分析，道路等级分析模块与所述信息获取模块连接；
路面分析模块，用以根据道路等级分析结果和巡查周期内路面图像对路面裂缝状态进行分析，还用以根据路面裂缝状态分析结果和路面监测数据对巡查周期内路面异常状态进行分析，路面分析模块与所述道路等级分析模块连接；
路基分析模块，用以根据道路等级分析结果和巡查周期内路基监测数据对路基异常状态进行分析，并根据巡查周期内的环境最大温差和渗透比例对路基异常状态的分析过程进行调整，路基分析模块与所述道路等级分析模块连接；
道路状态分析模块，用以根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析，道路状态分析模块与所述路面分析模块和所述路基分析模块连接；
养护数据管理模块，用以根据道路异常状态分析结果对养护数据进行管理，所述养护数据管理模块还用以将养护数据的管理结果向用户进行输出，养护数据管理模块与所述道路状态分析模块连接；所述养护数据包括巡查周期时长和小修保养周期的时长。
请参阅图2所示，其为本实施例路面分析模块的结构示意图，包括，
裂缝分析单元，用以根据路面图像对路面裂缝进行灰度值分析；
裂缝状态分析单元，用以根据裂缝分析结果和道路等级分析结果对路面裂缝状态进行分析，裂缝状态分析单元与所述裂缝分析单元连接；
路面状态分析单元，用以根据巡查周期内路面裂缝状态分析结果和路面监测数据对路面异常状态进行分析，路面状态分析单元与所述裂缝状态分析单元连接。
请参阅图3所示，其为本实施例路基分析模块的结构示意图，包括，
路基分析单元，用以根据道路等级分析结果和路基监测数据对路基异常状态进行分析；
温差异常调整单元，用以根据巡查周期内的环境最高温度和环境最低温度计算环境最大温差，并根据环境最大温差对路基异常状态的分析过程进行调整，温差异常调整单元与所述路基分析单元连接；
渗透优化单元，用以根据监测号周期内的降水信息对道路渗透状态进行分析，并根据分析结果对路基异常状态的调整过程进行优化，渗透优化单元与所述温差异常调整单元连接。
请参阅图4所示，其为本实施例养护数据管理模块的结构示意图，包括，
养护数据管理模块，用以根据巡查周期内道路异常状态分析结果对养护数据进行管理；
输出单元，用以将养护数据的管理结果向用户进行输出，输出单元与所述养护数据管理单元连接。
具体而言，本实施例所述一种高速公路养护数据管理系统应用于高速公路养护数据的监测管理；本实施例所述高速公路是高海拔地区梁桥结构的高速公路路段；本实施例通过对高速公路进行等级划分，并根据划分结果对路基和路面进行异常分析，并根据异常分析结果对养护数据进行管理，提高了高速公路养护数据的管理效率。
具体而言，所述道路等级分析模块根据高速公路参数信息对道路等级进行划分；
所述道路等级分析模块根据高速公路参数信息计算道路等级参数α，道路等级参数α的计算公式如下：
α=1-exp[-ln（L×W）-sin（CD）]
其中，L是道路长度，W是道路宽度，CD是双向向车道数量；
所述道路等级分析模块将道路等级参数α与各预设参数等级参数进行比对，并根据比对结果对道路等级进行划分，其中：
当α＜A1时，所述道路等级分析模块判定道路等级为三级；
当A1≤α＜A2时，所述道路等级分析模块判定道路等级为二级；
当α≥A2时，所述道路等级分析模块判定道路等级为一级；
其中，A1是第一预设参数，A2是第二预设参数，A1＜A2。
具体而言，所述道路等级分析模块通过计算道路等级参数，并根据道路等级参数计算结果对道路等级进行划分，提高了对道路等级划分的准确性，进而提高了对道路路面与道路路基异常状态分析的准确性，从而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；本实施例中，不对第一预设参数A1和第二预设参数A2的取值做具体限定，本领域技术人员可以自由设置，只需满足第一预设参数A1和第二预设参数A2的取值需求即可，如可以将第一预设参数A1设定为0.5，将第二预设参数A2设定为0.7。
具体而言，所述裂缝分析单元根据预处理后的路面图像对路面裂缝进行灰度值分析；
所述裂缝分析单元对巡查周期内路面图像的像素点进行灰度分析，其中：
当Gray（i，j）＜G时，所述裂缝分析单元将该像素点作为正常路面像素点；
当Gray（i，j）≥G时，所述裂缝分析单元将该像素点作为异常路面像素点；
其中，Gray（i，j）表示第j个路面图像中第i个像素点的灰度值，G是灰度分析阈值，j=1,2...N，N是路面图像的数量；
所述裂缝分析单元以路面图像左上角（0,0）像素点为坐标原点，以路面图像自左向右为x轴正方向，以自上向下为y轴正方向，以像素长度为单位长度，建立平面直角坐标系；所述裂缝分析单元将异常路面像素点的横向排列列数作为该像素点的y轴坐标，将异常路面像素点的纵向排列行数作为该像素点的x轴坐标，并将该异常路面像素点向平面直角坐标系进行投影；
所述裂缝分析单元对各异常路面像素点坐标进行聚类分析，得到聚类像素点集群；
所述裂缝分析单元将各聚类像素点集群的像素点数量n（k）与像素点数量阈值NK进行比对，并根据比对结果对路面裂缝进行分析，其中：
当N（k）＜NK时，所述裂缝分析单元不将路面图像中该聚类像素点集群所对应的区域作为裂缝区域；
当N（k）≥NK时，所述裂缝分析单元将路面图像中该聚类像素点集群所对应的区域作为裂缝区域。
具体而言，所述裂缝分析单元通过对巡查周期内路面图像进行灰度值分析，并根据分析结果对路面裂缝进行分析，提高了对路面裂缝分析的准确性，进而提高了对道路路面与道路路基异常状态分析的准确性，从而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；本实施例中，不对灰度分析阈值G和像素点数量阈值NK的取值做具体限定，本领域技术人员可以自由设置，只需满足灰度分析阈值G和像素点数量阈值NK的取值需求即可，如可以将灰度分析阈值G设定为30，将像素点数量阈值NK设定为路面图像像素点总数量的2%。
具体而言，所述裂缝状态分析单元根据路面裂缝分析结果和道路等级分析结果对路面裂缝状态进行分析；
所述裂缝状态分析单元统计各路面图像的裂缝数量N（j） ，并根据统计结果计算各路面图像的裂缝密度ρ（j），设定ρ（j）=N（j）/L；
所述裂缝状态分析单元根据各路面图像的裂缝密度ρ（j）计算道路平均裂缝密度ρ，设定ρ=Σρ（j）/N；
所述裂缝状态分析单元根据道路平均裂缝密度ρ和道路等级分析结果对路面裂缝状态进行分析，其中：
当道路等级为一级时，若ρ＜P1，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P1，所述裂缝状态分析单元判定路面裂缝状态为异常；
当道路等级为二级时，若ρ＜P2，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P2，所述裂缝状态分析单元判定路面裂缝状态为异常；
当道路等级为三级时，若ρ＜P3，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P3，所述裂缝状态分析单元判定路面裂缝状态为异常；
其中，P1是第一预设裂缝密度，P2是第二预设裂缝密度，P3是第三预设裂缝密度，P1＜P2＜P3。
具体而言，所述裂缝状态分析单元通过根据路面裂缝分析结果和道路等级分析结果对路面裂缝状态进行分析，提高了对路面裂缝状态分析的准确性，进而提高了对道路路面与道路路基异常状态分析的准确性，从而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；本实施例中不对第一预设裂缝密度P1、第二预设裂缝密度P2和第三预设裂缝密度P3的取值做具体限定，本领域技术人员可以自由设置，只需满足第一预设裂缝密度P1、第二预设裂缝密度P2和第三预设裂缝密度P3的取值需求即可，如可以将第一预设裂缝密度P1设定为“1条/固定距离”，将第二预设裂缝密度P2设定为“1.5条/固定距离”，将第三预设裂缝密度P3设定为“2条/固定距离”。
具体而言，所述路面状态分析单元根据巡查周期内路面裂缝状态分析结果和路面监测数据对路面异常状态进行分析；
所述路面状态分析单元根据路面监测数据计算巡查周期内的路面不平整度σ，路面不平整度σ的计算公式如下：
E=（x1+x2+...+xN）；
σ={[（x1-E）2+（x1-E）2+...+（xN-E）2]/N}1/2;
其中，x1是第一等距高程测量数据，x2是第二等距高程测量数据，xN是第N等距高程测量数据，E是高程测量数据均值；
所述路面状态分析单元根据巡查周期内的路面不平整度σ和路面裂缝状态对路面异常状态进行分析，其中：
当路面异常状态为异常时，所述路面状态分析单元判定巡查周期内路面异常状态为异常；
当路面异常状态为正常时，若σ＜B，所述路面状态分析单元判定巡查周期内路面异常状态为正常；若σ≥B，所述路面状态分析单元判定巡查周期内路面异常状态为异常；
其中，B是路面不平整度阈值。
具体而言，所述路面状态分析单元通过计算路面不平整度，并根据路面不平整度的计算结果对巡查周期内路面异常状态进行分析，提高了对道路路面与道路路基异常状态分析的准确性，从而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；可以理解的是，本实施例中所述等距高程测量数据的间隔距离与路面图像的拍摄距离间隔相同，即等距高程测量数据的数量与路面图像的数量相同，同时，本实施例中不对路面不平整度阈值B的取值做具体限定，本领域技术人员可以自由设置，只需满足路面不平整度阈值B的取值需求即可，如可以将路面不平整度阈值B设定为3mm。
具体而言，所述路基分析单元根据道路等级分析结果和路基监测数据对路基异常状态进行分析；
所述路基分析单元根据路基监测数据计算路基异常系数β，路基异常系数β的计算公式如下：
β=ln{1+（Er-ER）/ER+Y+（h-H）/H};
其中，Er是路基回弹模量，ER是标准路基回弹模量，Y是路基压实度，设定Y=Y实/Ymax×100%，Y实是实测路基干密度，Ymax是最大路基干密度，h是路基顶面高程，H是标准顶面高程；
所述路基分析单元将路基异常系数β与预设路基异常系数C进行比对，并根据比对结果对路基异常状态进行分析，其中：
当β＜C时，所述路基分析单元判定巡查周期内路基异常状态为正常；
当β≥C时，所述路基分析单元判定巡查周期内路基异常状态为异常。
具体而言，所述路基分析单元通过根据道路等级分析结果和路基监测数据对路基异常状态进行分析，提高了对路基异常状态分析的准确性，进而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；本实施例中不对预设路基异常系数C的取值做具体限定，本领域技术人员可以自由设置，只需满足预设路基异常系数C的取值需求即可，如可以将预设路基异常系数C设定为1。
具体而言，所述温差异常调整单元根据巡查周期内的环境最高温度Tmax和环境最低温度Tmin计算环境最大温差△T，设定△T=Tmax-Tmin；
所述温差异常调整单元将环境最大温差△T与温差阈值T进行比对，并根据比对结果对温差异常状态进行分析，并根据比对结果对路基异常状态的分析过程进行调整，其中：
当△T＜T时，所述温差异常调整单元判定巡查周期内温差异常状态为正常，不进行调整；
当△T≥T时，所述温差异常调整单元判定巡查周期内温差异常状态为异常，并将预设路基异常系数调整为C’，设定C’=C×exp[-（T-△T）/T]。
具体而言，所述温差异常调整单元通过根据巡查周期内环境最高温度和环境最低温度计算环境最大温差，并根据环境最大温差对路基异常状态的分析过程进行调整，提高了对路基异常状态分析的准确性，进而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；本实施例中不对温差阈值T的取值做具体限定，本领域技术人员可以自由设置，只需满足温差阈值T的取值需求即可，如可以将温差阈值T设定为20℃。
具体而言，所述渗透优化单元根据监测号周期内的降水信息对道路渗透状态进行分析，并根据分析结果对路基异常状态的调整过程进行优化，其中：
当巡查周期内存在降水时，所述渗透优化单元计算渗透比例γ，设定γ=（1×SL）/（L×1/2×W×JS）；若γ＜M时，所述渗透优化单元判定道路渗透状态正常，不进行优化；若γ≥M时，所述渗透优化单元判定道路渗透状态异常，并将温差阈值优化为T’，设定T’=T×cos（γ）；
当巡查周期内不存在降水时，所述渗透优化单元不对道路渗透状态进行分析，并不对路基异常状态的调整过程进行优化；
其中，SL是巡查周期内道路排水渠的平均水流量，JS是巡查周期内的平均降水量，“1”表示降水的密度，M是预设渗透比例。
具体而言，所述渗透优化单元通过根据监测号周期内的降水信息对道路渗透状态进行分析，并根据分析结果对路基异常状态的调整过程进行优化，提高了对路基异常状态分析的准确性，进而提高了对道路异常状态分析的准确性，最终提高了高速公路养护数据的管理效率；本实施例中仅对存在降水的情况进行分析，若存在降雪时，本实施例应将降水的密度“1”更改为“1/15”；本实施例中，不对预设渗透比例M的取值做具体限定，本领域技术人员可以自由设置，只需满足预设渗透比例M的取值需求即可，如可以将预设渗透比例M设定为5%。
具体而言，所述道路状态分析模块根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析，其中：
当路面状态为正常且路基状态为正常时，所述道路状态分析模块判定道路异常状态为正常；
当路面状态为异常且路基状态为正常时，所述道路状态分析模块判定道路异常状态为一级道路异常；
当路面状态为正常且路基状态为异常时，所述道路状态分析模块判定道路异常状态为二级道路异常；
当路面状态为异常且路基状态为异常时，所述道路状态分析模块判定道路异常状态为三级道路异常。
具体而言，所述道路状态分析模块根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析，提高了对道路异常状态分析的准确性，进而提高了对养护数据进行管理的效率和准确性，最终提高了高速公路养护数据的管理效率；本实施例中，所述一级道路异常表示道路异常等级为一般的异常状态，所述二级道路异常表示道路异常等级为风险的异常状态，所述三级道路异常表示道路异常等级为严重的异常状态。
具体而言，所述养护数据管理单元根据巡查周期内道路异常状态分析结果对养护数据进行管理，其中：
当道路异常状态为正常时，所述养护数据管理单元将下一巡查周期的小修保养周期设为ZY1，设定ZY1=DZY；
当道路异常状态为一级异常时，所述养护数据管理单元将下一巡查周期的小修保养周期设为ZY2，设定ZY2=DZY×sin[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；所述养护数据管理单元将下一巡查周期的时长调整为TS1，设定TS1=TS×sin[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；
当道路异常状态为二级异常时，所述养护数据管理单元向用户输出“进行小修保养”，并将下一巡查周期的小修保养周期设为ZY3，设定ZY3=DZY×ln[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；所述养护数据管理单元将下一巡查周期的时长调整为TS2，设定TS2=TS×ln[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；
当道路异常状态为三级异常时，所述养护数据管理单元向用户输出“进行大修工程作业”，并将下一巡查周期的小修保养周期设为ZY4，设定ZY4=DZY×{1-exp{-[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]}}；所述养护数据管理单元将下一巡查周期的时长调整为TS3，设定TS3=TS×{1-exp{-[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]}}；
其中，TS是当前巡查周期时长，DZY是当前小修保养周期的时长。
具体而言，所述养护数据管理单元通过根据巡查周期内道路异常状态分析结果对养护数据进行管理，提高了对高速公路养护数据的管理效率。
至此，已经结合附图所示的优选实施方式描述了本发明的技术方案，但是，本领域技术人员容易理解的是，本发明的保护范围显然不局限于这些具体实施方式。在不偏离本发明的原理的前提下，本领域技术人员可以对相关技术特征做出等同的更改或替换，这些更改或替换之后的技术方案都将落入本发明的保护范围之内。
Claims (10)
1.一种高速公路养护数据管理系统，其特征在于，包括，
信息获取模块，用以获取巡查周期内的路面监测数据、路基监测数据和路面图像，还用以获取高速公路参数信息；
道路等级分析模块，用以根据高速公路参数信息对道路等级进行分析；
路面分析模块，用以根据道路等级分析结果和巡查周期内路面图像对路面裂缝状态进行分析，还用以根据路面裂缝状态分析结果和路面监测数据对巡查周期内路面异常状态进行分析；
路基分析模块，用以根据道路等级分析结果和巡查周期内路基监测数据对路基异常状态进行分析，并根据巡查周期内的环境最大温差和渗透比例对路基异常状态的分析过程进行调整；
道路状态分析模块，用以根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析；
养护数据管理模块，用以根据道路异常状态分析结果对养护数据进行管理，所述养护数据管理模块还用以将养护数据的管理结果向用户进行输出。
2.根据权利要求1所述的一种高速公路养护数据管理系统，其特征在于，所述道路等级分析模块根据高速公路参数信息对道路等级进行划分；
所述道路等级分析模块根据高速公路参数信息计算道路等级参数α，道路等级参数α的计算公式如下：
α=1-exp[-ln（L×W）-sin（CD）]；
其中，L是道路长度，W是道路宽度，CD是双向向车道数量；
所述道路等级分析模块将道路等级参数α与各预设参数等级参数进行比对，并根据比对结果对道路等级进行划分，其中：
当α＜A1时，所述道路等级分析模块判定道路等级为三级；
当A1≤α＜A2时，所述道路等级分析模块判定道路等级为二级；
当α≥A2时，所述道路等级分析模块判定道路等级为一级；
其中，A1是第一预设参数，A2是第二预设参数，A1＜A2。
3.根据权利要求2所述的一种高速公路养护数据管理系统，其特征在于，所述路面分析模块设有裂缝分析单元，所述裂缝分析单元对各异常路面像素点坐标进行聚类分析，得到聚类像素点集群；
所述裂缝分析单元将各聚类像素点集群的像素点数量n（k）与像素点数量阈值NK进行比对，并根据比对结果对路面裂缝进行分析，其中：
当N（k）＜NK时，所述裂缝分析单元不将路面图像中该聚类像素点集群所对应的区域作为裂缝区域；
当N（k）≥NK时，所述裂缝分析单元将路面图像中该聚类像素点集群所对应的区域作为裂缝区域。
4.根据权利要求3所述的一种高速公路养护数据管理系统，其特征在于，所述路面分析模块还设有裂缝状态分析单元，所述裂缝状态分析单元根据路面裂缝分析结果和道路等级分析结果对路面裂缝状态进行分析；
所述裂缝状态分析单元统计各路面图像的裂缝数量N（j） ，并根据统计结果计算各路面图像的裂缝密度ρ（j），设定ρ（j）=N（j）/L；
所述裂缝状态分析单元根据各路面图像的裂缝密度ρ（j）计算道路平均裂缝密度ρ，设定ρ=Σρ（j）/N；
所述裂缝状态分析单元根据道路平均裂缝密度ρ和道路等级分析结果对路面裂缝状态进行分析，其中：
当道路等级为一级时，若ρ＜P1，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P1，所述裂缝状态分析单元判定路面裂缝状态为异常；
当道路等级为二级时，若ρ＜P2，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P2，所述裂缝状态分析单元判定路面裂缝状态为异常；
当道路等级为三级时，若ρ＜P3，所述裂缝状态分析单元判定路面裂缝状态为正常；若ρ≥P3，所述裂缝状态分析单元判定路面裂缝状态为异常；
其中，P1是第一预设裂缝密度，P2是第二预设裂缝密度，P3是第三预设裂缝密度，P1＜P2＜P3。
5.根据权利要求4所述的一种高速公路养护数据管理系统，其特征在于，所述路面分析模块还设有路面状态分析单元，所述路面状态分析单元根据巡查周期内路面裂缝状态分析结果和路面监测数据对路面异常状态进行分析；
所述路面状态分析单元根据路面监测数据计算巡查周期内的路面不平整度σ，路面不平整度σ的计算公式如下：
E=（x1+x2+...+xN）；
σ={[（x1-E）2+（x1-E）2+...+（xN-E）2]/N}1/2;
其中，x1是第一等距高程测量数据，x2是第二等距高程测量数据，xN是第N等距高程测量数据，E是高程测量数据均值；
所述路面状态分析单元根据巡查周期内的路面不平整度σ和路面裂缝状态对路面异常状态进行分析，其中：
当路面异常状态为异常时，所述路面状态分析单元判定巡查周期内路面异常状态为异常；
当路面异常状态为正常时，若σ＜B，所述路面状态分析单元判定巡查周期内路面异常状态为正常；若σ≥B，所述路面状态分析单元判定巡查周期内路面异常状态为异常。
6.根据权利要求2所述的一种高速公路养护数据管理系统，其特征在于，所述路基分析模块设有路基分析单元，所述路基分析单元根据道路等级分析结果和路基监测数据对路基异常状态进行分析；
所述路基分析单元根据路基监测数据计算路基异常系数β，路基异常系数β的计算公式如下：
β=ln{1+（Er-ER）/ER+Y+（h-H）/H};
其中，Er是路基回弹模量，ER是标准路基回弹模量，Y是路基压实度，设定Y=Y实/Ymax×100%，Y实是实测路基干密度，Ymax是最大路基干密度，h是路基顶面高程，H是标准顶面高程；
所述路基分析单元将路基异常系数β与预设路基异常系数C进行比对，并根据比对结果对路基异常状态进行分析，其中：
当β＜C时，所述路基分析单元判定巡查周期内路基异常状态为正常；
当β≥C时，所述路基分析单元判定巡查周期内路基异常状态为异常。
7.根据权利要求6所述的一种高速公路养护数据管理系统，其特征在于，所述路基分析模块还设有温差异常调整单元，所述温差异常调整单元根据巡查周期内的环境最高温度Tmax和环境最低温度Tmin计算环境最大温差△T，设定△T=Tmax-Tmin；
所述温差异常调整单元将环境最大温差△T与温差阈值T进行比对，并根据比对结果对温差异常状态进行分析，并根据比对结果对路基异常状态的分析过程进行调整，其中：
当△T＜T时，所述温差异常调整单元判定巡查周期内温差异常状态为正常，不进行调整；
当△T≥T时，所述温差异常调整单元判定巡查周期内温差异常状态为异常，并将预设路基异常系数调整为C’，设定C’=C×exp[-（T-△T）/T]。
8.根据权利要求7所述的一种高速公路养护数据管理系统，其特征在于，所述路基分析模块还设有渗透优化单元，所述渗透优化单元根据监测号周期内的降水信息对道路渗透状态进行分析，并根据分析结果对路基异常状态的调整过程进行优化，其中：
当巡查周期内存在降水时，所述渗透优化单元计算渗透比例γ，设定γ=（1×SL）/（L×1/2×W×JS）；若γ＜M时，所述渗透优化单元判定道路渗透状态正常，不进行优化；若γ≥M时，所述渗透优化单元判定道路渗透状态异常，并将温差阈值优化为T’，设定T’=T×cos（γ）；
当巡查周期内不存在降水时，所述渗透优化单元不对道路渗透状态进行分析，并不对路基异常状态的调整过程进行优化；
其中，SL是巡查周期内道路排水渠的平均水流量，JS是巡查周期内的平均降水量。
9.根据权利要求1所述的一种高速公路养护数据管理系统，其特征在于，所述道路状态分析模块根据巡查周期内路面异常状态分析结果和路基状态分析结果对道路异常状态进行分析，其中：
当路面状态为正常且路基状态为正常时，所述道路状态分析模块判定道路异常状态为正常；
当路面状态为异常且路基状态为正常时，所述道路状态分析模块判定道路异常状态为一级道路异常；
当路面状态为正常且路基状态为异常时，所述道路状态分析模块判定道路异常状态为二级道路异常；
当路面状态为异常且路基状态为异常时，所述道路状态分析模块判定道路异常状态为三级道路异常。
10.根据权利要求9所述的一种高速公路养护数据管理系统，其特征在于，所述养护数据管理模块设有养护数据管理单元，所述养护数据管理单元根据巡查周期内道路异常状态分析结果对养护数据进行管理，其中：
当道路异常状态为正常时，所述养护数据管理单元将下一巡查周期的小修保养周期设为ZY1，设定ZY1=DZY；
当道路异常状态为一级异常时，所述养护数据管理单元将下一巡查周期的小修保养周期设为ZY2，设定ZY2=DZY×sin[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；所述养护数据管理单元将下一巡查周期的时长调整为TS1，设定TS1=TS×sin[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；
当道路异常状态为二级异常时，所述养护数据管理单元向用户输出“进行小修保养”，并将下一巡查周期的小修保养周期设为ZY3，设定ZY3=DZY×ln[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；所述养护数据管理单元将下一巡查周期的时长调整为TS2，设定TS2=TS×ln[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]；
当道路异常状态为三级异常时，所述养护数据管理单元向用户输出“进行大修工程作业”，并将下一巡查周期的小修保养周期设为ZY4，设定ZY4=DZY×{1-exp{-[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]}}；所述养护数据管理单元将下一巡查周期的时长调整为TS3，设定TS3=TS×{1-exp{-[（Pz-ρ）/Pz+（B-σ）/B+（β-C）/C]}}；
其中，TS是当前巡查周期时长，DZY是当前小修保养周期的时长。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410586398.5A CN118152900B (zh) | 2024-05-13 | 2024-05-13 | 一种高速公路养护数据管理系统 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410586398.5A CN118152900B (zh) | 2024-05-13 | 2024-05-13 | 一种高速公路养护数据管理系统 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN118152900A true CN118152900A (zh) | 2024-06-07 |
| CN118152900B CN118152900B (zh) | 2024-07-26 |
Family
ID=91290548
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410586398.5A Active CN118152900B (zh) | 2024-05-13 | 2024-05-13 | 一种高速公路养护数据管理系统 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN118152900B (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118657347A (zh) * | 2024-08-19 | 2024-09-17 | 山东路科公路信息咨询有限公司 | 一种用于公路养护信息化管理的资源调度方法及系统 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN107153928A (zh) * | 2017-06-28 | 2017-09-12 | 江苏智通交通科技有限公司 | 可视化的公路养护决策系统 |
| CN109961219A (zh) * | 2019-03-09 | 2019-07-02 | 广东赛诺科技股份有限公司 | 一种基于资金和路况需求制定养护方案规划的方法 |
| KR20190141322A (ko) * | 2018-06-14 | 2019-12-24 | 위프코 주식회사 | 신경회로망을 이용한 도로 노면의 크랙 검출 시스템 및 그 검출 방법 |
| CN112800911A (zh) * | 2021-01-20 | 2021-05-14 | 同济大学 | 一种路面损伤快速检测及自然数据集构建方法 |
| CN116434525A (zh) * | 2022-12-01 | 2023-07-14 | 安徽交控信息产业有限公司 | 一种高速公路智能管理预警系统 |
| CN117173661A (zh) * | 2023-11-02 | 2023-12-05 | 中铁五局集团成都工程有限责任公司 | 基于计算机视觉的沥青道路质量检测方法 |
-
2024
- 2024-05-13 CN CN202410586398.5A patent/CN118152900B/zh active Active
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| 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 |
| CN107153928A (zh) * | 2017-06-28 | 2017-09-12 | 江苏智通交通科技有限公司 | 可视化的公路养护决策系统 |
| KR20190141322A (ko) * | 2018-06-14 | 2019-12-24 | 위프코 주식회사 | 신경회로망을 이용한 도로 노면의 크랙 검출 시스템 및 그 검출 방법 |
| CN109961219A (zh) * | 2019-03-09 | 2019-07-02 | 广东赛诺科技股份有限公司 | 一种基于资金和路况需求制定养护方案规划的方法 |
| CN112800911A (zh) * | 2021-01-20 | 2021-05-14 | 同济大学 | 一种路面损伤快速检测及自然数据集构建方法 |
| CN116434525A (zh) * | 2022-12-01 | 2023-07-14 | 安徽交控信息产业有限公司 | 一种高速公路智能管理预警系统 |
| CN117173661A (zh) * | 2023-11-02 | 2023-12-05 | 中铁五局集团成都工程有限责任公司 | 基于计算机视觉的沥青道路质量检测方法 |
Non-Patent Citations (2)
| Title |
|---|
| 李洪涛: "某道路路面过早损坏的原因分析及解决措施", 绿色环保建材, 25 October 2016 (2016-10-25), pages 81 - 84 * |
| 潘永杰;李钦勇;: "路面日常养护巡查数据采集与时空演化分析", 内蒙古公路与运输, no. 04, 21 August 2020 (2020-08-21) * |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN118657347A (zh) * | 2024-08-19 | 2024-09-17 | 山东路科公路信息咨询有限公司 | 一种用于公路养护信息化管理的资源调度方法及系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN118152900B (zh) | 2024-07-26 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN118152900B (zh) | 一种高速公路养护数据管理系统 | |
| Yoon et al. | Surface street traffic estimation | |
| CN114858214B (zh) | 一种城市道路性能监测系统 | |
| CN114971418A (zh) | 基于道路养护的数据的智能管理系统 | |
| CN115719999A (zh) | 一种供电线路漏电监测终端 | |
| CN115410375A (zh) | 一种基于雷卡融合交通数据的融合交通指标集生成方法 | |
| CN114723594A (zh) | 一种基于物联网的城市道路养护系统及方法 | |
| Bahler et al. | Field test of nonintrusive traffic detection technologies | |
| Lu et al. | Faulty loop data analysis/correction and loop fault detection | |
| CN117079460A (zh) | 一种面向时间序列的arima模型对城市短时交通流预测的方法 | |
| CN110751119B (zh) | 一种车流量统计与车型分类方法及装置 | |
| Grone | An evaluation of non-intrusive traffic detectors at the NTC/NDOR detector test bed | |
| Middleton et al. | Investigation of vehicle detector performance and ATMS interface | |
| Golze et al. | Impact analysis of accidents on the traffic flow based on massive floating car data | |
| Jin et al. | Automatic freeway incident detection based on fundamental diagrams of traffic flow | |
| CN106918677A (zh) | 用于污染物溯源的设备和方法 | |
| Rashid et al. | Automated traffic measurement system based on FCD and image processing | |
| CN114463980A (zh) | 一种交通状态检测方法、装置、存储介质及电子装置 | |
| Yu et al. | Reliability of automatic traffic monitoring with non-intrusive sensors | |
| Shariff et al. | VIDEO CAMERA TECHNOLOGY FOR VEHICLE COUNTING IN TRAFFIC CENSUS: ISSUES, STRATEGIES AND OPPORTUNITIES | |
| Ma et al. | Hybrid Multi-Sensor Data for Traffic Condition Forecasting. | |
| Dervisoglu | Automatic Calibration of Freeway Models with Model-Based Sensor Fault Detection | |
| Manendez et al. | Motorway surveillance through stereo computer vision | |
| Kanhere et al. | Evaluation of a Computer-Vision Tracking System 7 for Collecting Traffic Data 8 | |
| CN115019260B (zh) | 一种道路积雪状态识别方法、装置及电子设备 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| 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 |