基于XGBOOST与分形维数的路面抗滑性能预测方法技术

本发明专利技术公开了一种基于XGBOOST与分形维数的路面抗滑性能预测方法，包括：S1.采集路面数据信息，并将路面数据信息制作成路面样本集；S2.构建基于XGBOOST的路面抗滑性能预测模型，将路面样本集输入到路面抗滑性能预测模型进行模型训练，得到训练好的预测模型；S3.将待测的路面纹理特征信息输入到训练好的预测模型，输出路面抗滑性能预测结果。本发明专利技术能够消除现有评价指标对路标纹理表征的局限性，提高了路面抗滑性能预测的准确性。面抗滑性能预测的准确性。面抗滑性能预测的准确性。

【技术实现步骤摘要】
基于XGBOOST与分形维数的路面抗滑性能预测方法


[0001]本专利技术涉及道路交通安全领域，具体涉及一种基于XGBOOST与分形维数的路面抗滑性能预测方法。

技术介绍

[0002]路面抗滑性能是体现道路服役状态、影响道路交通安全的主要因素。目前，接触式路面抗滑性能测试(如：铺砂法、渗水法、接触式表面轮廓仪法)仍是评价路面抗滑性能的主要手段。比如，通过路面纹理计算路表平均构造深度(MTD)以及路表平均断面深度(MPD)等指标进行非接触式路面抗滑性能预估。但现有的MTD、MPD等指标对于路表纹理的表征过于局限，无法完整描述路面的真实纹理，预测结果往往与实际路表抗滑性能存在较大差异。
[0003]现有的路面抗滑性能预测方法，试验数据可重复性差，易受人为、环境等因素的干扰，现场测试便捷性较差，其预测结果往往受限于测试设备的局限性，存在预测精度低的问题。因此，需要一种基于XGBOOST与分形维数的路面抗滑性能预测方法，能够解决以上问题。

技术实现思路

[0004]有鉴于此，本专利技术的目的是克服现有技术中的缺陷，提供基于XGBOOST与分形维数的路面抗滑性能预测方法，能够消除现有评价指标对路标纹理表征的局限性，提高了路面抗滑性能预测的准确性。
[0005]本专利技术的基于XGBOOST与分形维数的路面抗滑性能预测方法，包括如下步骤：
[0006]S1.采集路面数据信息，并将路面数据信息制作成路面样本集；
[0007]S2.构建基于XGBOOST的路面抗滑性能预测模型，将路面样本集输入到路面抗滑性能预测模型进行模型训练，得到训练好的预测模型；
[0008]S3.将待测的路面纹理特征信息输入到训练好的预测模型，输出路面抗滑性能预测结果。
[0009]进一步，所述路面数据信息包括路面纹理数据、路面摩擦系数以及路表温度。
[0010]进一步，将路面数据信息制作成路面样本集，具体包括：
[0011]对路面纹理数据进行特征提取，得到特征数据集；所述特征数据集包括三维分形维数、横剖分形维数以及纵剖分形维数均值；
[0012]将不同工况下的路面摩擦系数作为路面摩擦系数集，并将不同工况下的路表温度作为路表温度集；
[0013]对特征数据集、路面摩擦系数集以及路表温度集进行组合，形成路面样本集。
[0014]进一步，根据如下方法确定三维分形维数：
[0015]根据路面纹理数据进行三维点云图像重建，得到三维点云图像；
[0016]计算三维点云图像的分形维数，并将三维点云图像的分形维数作为三维分形维数。
[0017]进一步，根据如下方法确定横剖分形维数：
[0018]根据路面纹理数据进行三维点云图像重建，得到三维点云图像；
[0019]对三维点云图像进行不同深度的横向剖切，得到不同深度的横向剖切图像；
[0020]分别计算不同深度的横向剖切图像的分形维数，得到若干分形维数，并将若干分形维数作为横剖分形维数。
[0021]进一步，根据如下方法确定纵剖分形维数均值：
[0022]采用线扫描方式采集路面纹理数据，将路面纹理数据进行纵向分割，得到若干子数据；
[0023]依次绘制若干子数据的纹理折线图，得到若干纵剖纹理折线图；
[0024]分别计算若干纵剖纹理折线图的分形维数，得到若干纵剖分形维数，并将若干纵剖分形维数的均值作为纵剖分形维数均值。
[0025]进一步，所述步骤S2，具体包括：
[0026]S21.基于XGBOOST构建初始的路面抗滑性能预测模型；
[0027]S22.对路面样本集进行划分，得到模型训练集以及独立验证集；
[0028]S23.利用模型训练集对初始的路面抗滑性能预测模型进行模型训练，得到第一路面抗滑性能预测模型；
[0029]S24.利用独立验证集对第一路面抗滑性能预测模型的预测精度进行评价，得到精度评价结果；
[0030]S25.若精度评价结果不达标，则不断调整第一路面抗滑性能预测模型的模型参数，使得精度评价结果达标，并将达标后的第一路面抗滑性能预测模型作为训练好的预测模型。
[0031]进一步，通过判定系数和均方根误差来计算第一路面抗滑性能预测模型的预测精度。
[0032]本专利技术的有益效果是：本专利技术公开的一种基于XGBOOST与分形维数的路面抗滑性能预测方法，通过提出三维分形维数、横剖分形维数以及纵剖分形维数均值用来表征不同角度、维度下的路表纹理，并采用XGBOOST算法建立路面抗滑性能预测模型对路面抗滑性能进行预测，同时，引入路表温度作为补充的数据特征，保证了路面抗滑性能预测模型在低速行驶以及高速行驶等不同工况状态下较高的路面抗滑性能预测精度。
附图说明
[0033]下面结合附图和实施例对本专利技术作进一步描述：
[0034]图1为本专利技术的预测方法流程示意图；
[0035]图2为本专利技术的三维点云图像示意图；
[0036]图3为本专利技术的10km/h工况下预测模型的预测结果示意图；
[0037]图4为本专利技术的60km/h工况下预测模型的预测结果示意图；
[0038]图5为本专利技术的优化后10km/h工况下预测模型的预测结果示意图；
[0039]图6为本专利技术的优化后60km/h工况下预测模型的预测结果示意图。
具体实施方式
[0040]以下结合说明书附图对本专利技术做出进一步的说明，如图所示：
[0041]本专利技术的基于XGBOOST与分形维数的路面抗滑性能预测方法，包括如下步骤：
[0042]S1.采集路面数据信息，并将路面数据信息制作成路面样本集；
[0043]S2.构建基于XGBOOST的路面抗滑性能预测模型，将路面样本集输入到路面抗滑性能预测模型进行模型训练，得到训练好的预测模型；
[0044]S3.将待测的路面纹理特征信息输入到训练好的预测模型，输出路面抗滑性能预测结果。
[0045]本专利技术采用了非接触式路面抗滑性能预估，受人为、环境影响较小，且测试便捷性较强，而基于XGBOOST与分形维数建立的路面抗滑性能预测模型具有较好的预测效果，对低速和高速行驶状态下的路面抗滑性能预测结果准确度高。
[0046]本实施例中，所述路面数据信息包括路面纹理数据、路面摩擦系数以及路表温度。
[0047]其中，使用LS
‑
40便携式三维激光表面分析仪采集185组路面纹理数据，该分析仪基于激光三角测量原理，其扫描范围：纵向115mm，云点数量2448；横向102mm，云点数量2048；可以根据实际情况，选择合适的数据采样点作为路面实验段。在对路面纹理信息进行采集的同时，可以使用动态摩擦系数测试仪(DFT)测量相应区域内的路面摩擦系数，可以分别采集10km/h和60km/h等不同行驶速度工况下的路面摩擦系数，其中，将10km/h作为低速行驶状态，将60km/h作为高速行驶状态。同时，可以采用现有的温本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于XGBOOST与分形维数的路面抗滑性能预测方法，其特征在于：包括如下步骤：S1.采集路面数据信息，并将路面数据信息制作成路面样本集；S2.构建基于XGBOOST的路面抗滑性能预测模型，将路面样本集输入到路面抗滑性能预测模型进行模型训练，得到训练好的预测模型；S3.将待测的路面纹理特征信息输入到训练好的预测模型，输出路面抗滑性能预测结果。2.根据权利要求1所述的基于XGBOOST与分形维数的路面抗滑性能预测方法，其特征在于：所述路面数据信息包括路面纹理数据、路面摩擦系数以及路表温度。3.根据权利要求2所述的基于XGBOOST与分形维数的路面抗滑性能预测方法，其特征在于：将路面数据信息制作成路面样本集，具体包括：对路面纹理数据进行特征提取，得到特征数据集；所述特征数据集包括三维分形维数、横剖分形维数以及纵剖分形维数均值；将不同工况下的路面摩擦系数作为路面摩擦系数集，并将不同工况下的路表温度作为路表温度集；对特征数据集、路面摩擦系数集以及路表温度集进行组合，形成路面样本集。4.根据权利要求3所述的基于XGBOOST与分形维数的路面抗滑性能预测方法，其特征在于：根据如下方法确定三维分形维数：根据路面纹理数据进行三维点云图像重建，得到三维点云图像；计算三维点云图像的分形维数，并将三维点云图像的分形维数作为三维分形维数。5.根据权利要求3所述的基于XGBOOST与分形维数的路面抗滑性能预测方法，其特征在于：根据如下方法确定横剖分形维数：根据路面纹理数据进行三维点云图像重...

【专利技术属性】
技术研发人员：彭毅，张政奇，孔令云，朱洪洲，余苗，王大为，李林，罗文婷，刘波，刘钢，
申请(专利权)人：成都英普飞自动化设备有限公司，
类型：发明
国别省市：