一种道路交通裂缝监测方法以及系统技术方案

本发明专利技术公开了一种道路交通裂缝监测方法以及系统，本发明专利技术利用道路裂缝处的振动参数会与正常道路的振动参数不同这一特性，首先采集目标道路的振动数据，利用第一监测模型从振动数据中判断出目标道路是否出现裂缝；然后采集目标道路的图像数据，利用第二监测模型从图像数据中判断出裂缝的具体类型；最后根据判断出来的裂缝类型执行对应的报警操作。本发明专利技术主要分为两部分，第一部分利用目标道路的振动数据，先准确判断道路是否出现裂缝，第二部分在第一部分的基础上进一步判断裂缝的类型，能够提高对道路裂缝监测的准确度，避免漏检误检。避免漏检误检。避免漏检误检。

【技术实现步骤摘要】
一种道路交通裂缝监测方法以及系统


[0001]本专利技术涉及交通基础设施安全监测
，特别涉及一种道路交通裂缝监测方法以及系统。

技术介绍

[0002]随着社会的进步，交通基建的快速发展，我国已经建成大规模的道路交通网络。作为现代化交通枢纽的重要一环，道路承担着运输的重任，也关系着参与交通的人员安全。
[0003]道路最常见的问题是产生裂缝，将导致道路结构抗力衰减，并造成安全隐患，其主要是如下几点原因所导致：1.路基沉降不均匀；2.在搅拌材料时，发生化学反应，产生热量，后期施工时操作不当，导致路面内部温度太高，散热慢，随着气候的变化，容易发生热胀冷缩反应，导致有裂缝；3.路面承受的压力太大而导致的裂缝；4.道路使用时间过长，材料老化掉，路面硬度下降。当道路发生裂缝时，需要及时通知相关维修人员对发生裂缝的路面进行修护，以确保道路安全。
[0004]目前，对于道路是否产生裂缝主要利用神经网络对拍摄的道路图像进行监测，但在现实中，由于道路上存在着各种障碍物(例如车辆、碎石、垃圾等)，包含障碍物的图像输入神经网络容易造成神经网络的漏检误检，如将没有发生裂缝的道路判断为发生裂缝，这将导致人力物力的浪费。

技术实现思路

[0005]本专利技术旨在至少解决现有技术中存在的技术问题。为此，本专利技术提出一种道路交通裂缝监测方法以及系统，能够提高对道路裂缝监测的准确度。
[0006]本专利技术的第一方面，提供了一种道路交通裂缝监测方法，包括以下步骤：
[0007]获取目标道路的振动数据；
[0008]将所述振动数据输入至第一监测模型，得到所述第一监测模型输出的第一监测结果；
[0009]若所述第一监测结果中显示所述目标道路中存在裂缝，则获取所述目标道路的图像数据；
[0010]将所述图像数据输入至第二监测模型，得到所述第二监测模型输出的第二监测结果；
[0011]根据所述第二监测结果判断所述目标道路的裂缝类型，产生与所述裂缝类型对应的报警信号。
[0012]根据本专利技术的第一方面，至少具有如下有益效果：
[0013]本方法利用道路裂缝处的振动参数会与正常道路的振动参数不同这一特性，首先采集目标道路的振动数据，利用第一监测模型从振动数据中判断出目标道路是否出现裂缝；然后采集目标道路的图像数据，利用第二监测模型从图像数据中判断出裂缝的具体类型；最后根据判断出来的裂缝类型执行对应的报警操作。本方法主要分为两部分，第一部分
利用目标道路的振动数据，先准确判断道路是否出现裂缝，第二部分在第一部分的基础上进一步判断裂缝的类型，能够提高对道路裂缝监测的准确度，避免漏检误检。
[0014]根据本专利技术的一些实施例，在所述将所述振动数据输入至第一监测模型之前，还包括步骤：
[0015]构建所述第一监测模型，所述第一监测模型包括两个不同类的分类器；其中，所述分类器均为二分类器；
[0016]选取第一训练样本，所述第一训练样本包括异常道路的第一分类样本和正常道路的第二分类样本；所述异常道路为存在裂缝的道路，所述正常道路为不存在裂缝的道路，所述第一分类样本和所述第二分类样本均包括对应道路的振动数据，所述振动数据包括振动位移、振动振幅以及振动频率；
[0017]将所述第一分类样本和所述第二分类样本均分别输入至两个所述分类器进行训练；将两个所述分类器的分类结果作为所述第一监测模型的预测结果。
[0018]根据本专利技术的一些实施例，所述两个分类器包括支持向量机分类器和贝叶斯分类器；
[0019]所述支持向量机分类器选取高斯径向基函数作为核函数；
[0020]所述贝叶斯分类器的判定准确包括：
[0021][0022]其中，
[0023][0024][0025]所述P(a)表示所述第一训练样本的先验概率，所述P(y
i
|a)表示所述第一训练样本的条件概率，所述y
i
表示训练样本y中的第i个特征值，所述a表示训练样本的类型，所述σ
a，i
表示第a类训练样本中的第i个特征的方差，所述μ
a，i
表示第a类训练样本中的第i个特征的均值，所述M表示特征的总数，所述a1表示所述第一分类样本，所述a2表示所述第二分类样本，所述X
a
表示所述第一训练样本中第a类训练样本组成的合集，所述l表示样本的数量。
[0026]根据本专利技术的一些实施例，在所述将所述图像数据输入至第二监测模型之前，还包括步骤：
[0027]构建所述第二监测模型，所述第二监测模型包括多个神经网络；
[0028]选取第二训练样本，所述第二训练样本包括异常道路的图像数据；所述异常道路为存在裂缝的道路；
[0029]将第二训练样本输入至所述第二监测模型进行训练，得到所述第二监测模型的预测结果。
[0030]根据本专利技术的一些实施例，所述多个神经网络包括VGG16神经网络和U
‑
Net神经网络；其中，所述第二监测模型以所述U
‑
Net神经网络作为所述第二监测模型的主体，将所述VGG16神经网络替换所述U
‑
Net神经网络的编码器，通过ImageNet初始化所述VGG16神经网
络的权重。
[0031]根据本专利技术的一些实施例，所述将第二训练样本均分别输入至所述第二监测模型进行训练，包括步骤：
[0032]将所述第二训练样本中的图像输入至所述U
‑
Net神经网络中的多个卷积层中，其中所述多个卷积层为13层，每层为3*3的卷积核；
[0033]通过所述VGG16神经网络对所述卷积层的特征映射进行上采样并分别与所述卷积层的特征映射进行特征映射级联。
[0034]根据本专利技术的一些实施例，所述裂缝类型包括道路横向裂缝、道路纵向裂缝、道路块状裂缝以及道路网状裂缝。
[0035]本专利技术的第二方面，提供了一种道路交通裂缝监测系统，包括：
[0036]数据获取单元，用于获取目标道路的振动数据和图像数据；
[0037]裂缝预测单元，用于将所述振动数据输入至第一监测模型，得到所述第一监测模型输出的第一监测结果；
[0038]裂缝分类单元，用于将所述图像数据输入至第二监测模型，得到所述第二监测模型输出的第二监测结果；
[0039]报警单元，根据所述第二监测结果判断所述目标道路的裂缝类型，产生与所述裂缝类型对应的报警信号。
[0040]根据本专利技术的第二方面，至少具有如下有益效果：
[0041]本系统利用道路裂缝处的振动参数会与正常道路的振动参数不同这一特性，首先采集目标道路的振动数据，利用第一监测模型从振动数据中判断出目标道路是否出现裂缝；然后采集目标道路的图像数据，利用第二监测模型从图像数据中判断出裂缝的具体类型；最后根据判断出来的裂缝类型执行对应的报警操作。本系统主要分为两部分，第一部分利用目标道路的振动数据，先准确判断道路是否出现裂本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路交通裂缝监测方法，其特征在于，包括以下步骤：获取目标道路的振动数据；将所述振动数据输入至第一监测模型，得到所述第一监测模型输出的第一监测结果；若所述第一监测结果中显示所述目标道路中存在裂缝，则获取所述目标道路的图像数据；将所述图像数据输入至第二监测模型，得到所述第二监测模型输出的第二监测结果；根据所述第二监测结果判断所述目标道路的裂缝类型，产生与所述裂缝类型对应的报警信号。2.根据权利要求1所述的道路交通裂缝监测方法，其特征在于，在所述将所述振动数据输入至第一监测模型之前，还包括步骤：构建所述第一监测模型，所述第一监测模型包括两个不同类的分类器；其中，所述分类器均为二分类器；选取第一训练样本，所述第一训练样本包括异常道路的第一分类样本和正常道路的第二分类样本；所述异常道路为存在裂缝的道路，所述正常道路为不存在裂缝的道路，所述第一分类样本和所述第二分类样本均包括对应道路的振动数据，所述振动数据包括振动位移、振动振幅以及振动频率；将所述第一分类样本和所述第二分类样本均分别输入至两个所述分类器进行训练；将两个所述分类器的分类结果作为所述第一监测模型的预测结果。3.根据权利要求2所述的道路交通裂缝监测方法，其特征在于，两个所述分类器包括支持向量机分类器和贝叶斯分类器；所述支持向量机分类器选取高斯径向基函数作为核函数；所述贝叶斯分类器的判定准确包括：其中，其中，所述P(a)表示所述第一训练样本的先验概率，所述P(y
i
|a)表示所述第一训练样本的条件概率，所述y
i
表示训练样本y中的第i个特征值，所述a表示训练样本的类型，所述σ
a,i
表示第a类训练样本中的第i个特征的方差，所述μ
a,i
表示第a类训练样本中的第i个特征的均值，所述M表示特征的总数，所述a1表示所述第一分类样本，所述a2表示所述第二分类样本，所述X
a
表示所述第一训练样本中第a类训练样本组成的合集，所述l表示样本的数量。4.根据权利要求1所述的道路交通裂缝监测方法，其特征在于，在所述将所述图像数据输入至第二监测模型之前，还包括步骤：构建所述第二监测模型，所述第二监测模型包括多个神经网络；选取第二训练样本...

【专利技术属性】
技术研发人员：甘雨，杨世忠，龙鹏宇，利璇，
申请(专利权)人：湖南北斗微芯产业发展有限公司，
类型：发明
国别省市：