道路建管养运一体化智能决策方法、系统及可存储介质技术方案

本发明专利技术公开了一种道路建管养运一体化智能决策方法、系统及可存储介质，涉及道路养护领域。包括：利用遥感以及传感器采集道路建设、管理、养护、运营各个环节中的道路数据，并利用所述道路数据建立道路数据库；将道路数据库中的数据分为样本数据和测试数据，将所述样本数据输入到BP神经网络中，对BP神经网络进行训练；当BP神经网络训练的权重达到预设权重阈值后，利用测试数据对BP神经网络进行测试，测试结果达到预设结果阈值后，得到道路全寿命周期分析模型；利用所述道路全寿命周期分析模型对待检测道路的数据进行分析，并做出道路养护决策。通过本方法能够较为准确地发现影响路面使用性能存在的潜在风险，并及时快速的做出养护决策。决策。决策。

【技术实现步骤摘要】
道路建管养运一体化智能决策方法、系统及可存储介质


[0001]本专利技术涉及道路养护领域，更具体的说是涉及一种道路建管养运一体化智能决策方法、系统及可存储介质。

技术介绍

[0002]交通运输是国民经济和社会发展的重要基础。公路交通运输实现了“门到门”服务，其他运输方式都必须通过公路来衔接，可见公路在综合交通运输体系中具有突出的重要性和基础性地位。道路基础设施是提供公路交通运输服务的基础，道路使用性能的好坏直接关系到交通运输效率的发挥。
[0003]现阶段我国道路基础设施正经历着从“建设为主”向“建管养运并重”转变的过渡时期，存在着建养运环节割裂的问题。道路养护管理部门往往只能在养护期发现道路设施使用性能的相关问题，采取即坏即修的养护策略。但从技术层面来看，路面的病害情况不仅与养护工作本身有关，还受道路全生命周期中的建设、运营环节的影响。当前发展现状使得路面病害成因分析、病害溯源难度很大，这就导致无法进行科学准确地养护决策，也无法实现路面病害地综合管理。

技术实现思路

[0004]有鉴于此，本专利技术提供了一种道路建管养运一体化智能决策方法、系统及可存储介质，旨在解决
技术介绍
中存在的问题。
[0005]为了实现上述目的，本专利技术采用如下技术方案：
[0006]一种道路建管养运一体化智能决策方法，包括以下步骤：
[0007]利用遥感以及传感器采集道路建设、管理、养护、运营各个环节中的道路数据，并利用道路数据建立道路数据库；
[0008]将道路数据库中的数据分为样本数据和测试数据，将所述样本数据输入到BP神经网络中，对BP神经网络进行训练；
[0009]当BP神经网络训练的权重达到预设权重阈值后，利用测试数据对BP神经网络进行测试，测试结果达到预设结果阈值后，得到道路全寿命周期分析模型；
[0010]利用所述道路全寿命周期分析模型对待检测道路的数据进行分析，并做出道路养护决策。
[0011]可选的，将道路数据进行预处理，具体为：对道路数据进行数据清洗、对不同传感器采集的道路数据使用线性差值的方法进行时间与空间配准。
[0012]可选的，利用所述道路全寿命周期分析模型对待检测道路的数据进行分析，并做出道路养护决策，具体为：根据道路全寿命周期分析模型输出结果，选择道路养护方式，其中所述道路养护方式包括：日常养护、预防性养护(封层、罩面)、功能性修复(直接加铺、铣刨加铺)、结构性修复(面层翻修、面层与基层翻修、路基与路面翻修)等。
[0013]可选的，将所述道路数据库中的遥感影像数据分为异常影像和正常影像，并分别
将异常影像、正常影像与传感器数据做映射处理。
[0014]可选的，所述传感器包括固定摄像头、车载摄像头、线结构光检测设备、红外热成像仪、位置传感器、横向应变传感器、竖向应变传感器、水膜传感器以及磁感线圈等。
[0015]一种道路建管养运一体化智能决策系统，包括：
[0016]道路数据库构建模块：用于利用遥感以及传感器采集道路建设、管理、养护、运营各个环节中的道路数据，并利用道路数据建立道路数据库；
[0017]BP神经网络训练模块：用于将道路数据库中的数据分为样本数据和测试数据，将所述样本数据输入到BP神经网络中，对BP神经网络进行训练；
[0018]道路全寿命周期分析模型构建模块：用于当BP神经网络训练的权重达到预设权重阈值后，利用测试数据对BP神经网络进行测试，测试结果达到预设结果阈值后，得到道路全寿命周期分析模型；
[0019]道路养护决策模块：用于利用所述道路全寿命周期分析模型对待检测道路的数据进行分析，并做出道路养护决策。
[0020]一种计算机存储介质，所述计算机存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现任意一项所述的一种道路建管养运一体化智能决策方法的步骤。
[0021]经由上述的技术方案可知，与现有技术相比，本专利技术公开提供了一种道路建管养运一体化智能决策方法、系统及可存储介质，具有以下有益效果：
[0022]1、通过感知技术获取道路全生命周期的关键数据，可以实现道路质量问题的有效溯源和养护科学决策，实现道路设施的精细化管理。
[0023]2、通过道路全寿命周期分析模型对道路数据进行分析，减少了道路管理人员的工作量，也相较于管理人员分析更精确。
[0024]3、获取道路数据时只需检测车行走，无需封闭交通，减少对交通的干扰、路面的二次破坏等，节约成本，提高社会效益。
附图说明
[0025]为了更清楚地说明本专利技术实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
[0026]图1为本专利技术的流程示意图；
[0027]图2为本专利技术的结构示意图。
具体实施方式
[0028]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本专利技术保护的范围。
[0029]本专利技术实施例一方面公开了一种道路建管养运一体化智能决策方法，如图1所示，包括以下步骤：
[0030]S1：利用遥感式数据感知设备以及接触式数据感知设备采集道路建设、管理、养护、运营各个环节中对道路使用性能产生影响的关键数据，并搜集道路的历史监测数据，利用所述数据建立道路建管养运一体化数据库；
[0031]S2：将道路建管养运一体化数据库中的数据分为样本数据和测试数据，将所述样本数据输入到BP神经网络中，对BP神经网络进行训练；
[0032]S3：当BP神经网络训练的权重达到预设权重阈值后，利用测试数据对BP神经网络进行测试，测试结果达到预设结果阈值后，得到道路全生命周期分析模型；
[0033]S4：利用所述道路全生命周期分析模型对待测道路的数据进行分析，进一步可分析得到道路的建管养运环节中存在哪些潜在风险，并有针对性地做出道路养护决策。
[0034]将道路数据进行预处理，具体为：对道路数据进行数据清洗、对不同传感器采集的道路数据使用线性差值的方法进行时间和空间配准。其中，清洗对象主要有两种数据：车辆刚刚启动时采集的数据以及加速度出现异常的数据。加速度异常的数据用前后两值的平均值来代替。传感器采样的时间点之间有细微的差距，这对后续的运算等步骤不利，因此需要对这些数据进行时间上的配准，由于采样时间间隔很小，使用线性插值的方法对时间轴进行配准。固定摄像头、车载摄像头、线结构光检测设备、红外热成像仪等感知设备所获得的检测数据在空间对应上存在一定误差，采用空间线性插值的方法，合并临近位置数据，实现空间配准。
[0035]利用道路全寿命周期分本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种道路建管养运一体化智能决策方法，其特征在于，包括以下步骤：利用遥感以及传感器采集道路建设、管理、养护、运营各个环节中的道路数据，并利用道路数据建立道路数据库；将道路数据库中的数据分为样本数据和测试数据，将所述样本数据输入到BP神经网络中，对BP神经网络进行训练；当BP神经网络训练的权重达到预设权重阈值后，利用测试数据对BP神经网络进行测试，测试结果达到预设结果阈值后，得到道路全寿命周期分析模型；利用所述道路全寿命周期分析模型对待检测道路的数据进行分析，并做出道路养护决策。2.根据权利要求1所述的一种道路建管养运一体化智能决策方法，其特征在于，将道路数据进行预处理，具体为：进行数据清洗，对不同感知设备采集的不同时期的道路数据进行时间维度与空间位置匹配。3.根据权利要求1所述的一种道路建管养运一体化智能决策方法，其特征在于，利用所述道路全寿命周期分析模型对待测道路的数据进行分析，并做出道路养护决策，具体为：根据道路全寿命周期分析模型输出结果，挖掘建管养运环节中存在的影响道路使用性能的潜在风险，选择道路养护方式，其中所述道路养护方式包括：日常养护、预防性养护、功能性修复、结构性修复。4.根据权利要求1所述的一种道路建管养运一体化智能决策方法，其特征在于，将所述道路数据库中的数据分为正常数据和异常数据，并分别将正常数据和异常数据与历史检测数据做映射处理...

【专利技术属性】
技术研发人员：陈长，武文杰，李天旭，童晓莹，杨璐璐，孙立军，
申请(专利权)人：同济大学，
类型：发明
国别省市：