全面评估的路网养护维修方法技术

全面评估的路网养护维修方法

【技术实现步骤摘要】
全面评估的路网养护维修方法、电子设备及存储介质


[0001]本专利技术属于路网养护
，具体涉及全面评估的路网养护维修方法
、
电子设备及存储介质
。

技术介绍

[0002]道路的服役性能状态维护，是道路养护的重点任务
。
而目前，道路的养护决策通常是人工依据路面技术状况信息或者直接采用历史决策方案，进行养护决策，此类方法主观性强，难以保证决策效果的最优化
。
同时，决策过程中忽略了服役寿命对于道路养护的重要作用
。
[0003]由于道路里程长，道路养护部门存在养护资金缺乏的问题，路网养护过程中，通常依据维修费用进行道路养护维修排序，将维修费用低的工作排在靠前的位置；或基于决策者的主观经验，难以保证决策效果的最优化
。
亟需通过制定合理的面向路网的道路维修优先级方案，有序提升路网养护技术水平
。
[0004]目前，行业内部已经积累了大量的道路内部病害检测数据和道路表面病害检测数据，但数据存在壁垒，且数据利用率不高，缺乏同时基于两类数据指导路网养护维修决策
。
[0005]申请号为
201711226166.5、
专利技术名称为“一种基于驾驶模拟的城市道路提升改造需求综合评价方法”的专利技术专利，对待评价城市道路的设施性能和路侧景观两项指标进行评估，根据两项指标的评分和权重进行加权求和得到待评价的城市道路的提升改造需求综合评分
。
然而，此种方法在对道路设施性能分析时，忽略了道路内部病害的影响
。
与路表病害相比，道路内部病害隐蔽性强
、
破坏力更大
。
[0006]申请号为
202111013320.7、
专利技术名称为“一种基于养护优先级排序的公路网养护规划方法”的专利技术专利，通过搜集公路网中各路段基础信息，确定各路段的养护性质，提出养护优先级排序方法，并结合养护资金和各路段的路面技术状况预测信息，确定未来几年的养护规划
。
然而，此种方法尚没有考虑道路内部病害的影响，尤其没有考虑道路的预期寿命间的差异，路网维修决策方案主观性强，导致养护资金难以实现经济与效益的最佳配置，导致难以做出最优的养护决策
。

技术实现思路

[0007]本专利技术要解决的问题是综合考虑道路内外部损坏状况及演化速度的科学合理的路网养护维修方法，提出全面评估的路网养护维修方法
、
电子设备及存储介质
。
[0008]为实现上述目的，本专利技术通过以下技术方案实现：一种全面评估的路网养护维修方法，包括如下步骤：
S1、
采集路面病害图像，对采集的路面病害图像进行路面病害的识别及路面病害尺寸数据的提取，然后基于提取的路面病害尺寸数据计算路面损坏状况指数；
S2、
基于探地雷达脱空病害图像，构建道路内部脱空病害识别卷积神经网络模型，然后采用探地雷达采集道路内部图像，将采集的道路内部图像利用得到的道路内部脱空病
害识别卷积神经网络模型进行病害识别，并计算道路内部脱空区域参数；
S3、
基于步骤
S2
得到的道路内部脱空区域参数，构建道路内部使用寿命评估指标；
S4、
对步骤
S3
得到的道路内部使用寿命评估指标
、
步骤
S1
得到的路面损坏状况指数进行归一化处理，构建道路使用寿命综合评估指标；
S5、
根据步骤
S4
的方法计算道路使用寿命综合评估指标，进行初步道路使用寿命评估；
S6、
采用三参数威布尔分布函数构建道路路段的寿命分布函数模型，计算道路路段平均出现损伤的时间；
S7、
设置步骤
S6
得到的道路路段平均出现损伤的时间
、
路面技术状况等级
、
道路宽度
、
道路长度
、
道路材料
、
道路等级
、
维修费用
、
交通量
、
路龄为全面评估的路网养护维修因素，构建全面评估的路网养护维修评分矩阵，进行全面评估的路网养护维修优先级别判断
。
[0009]进一步的，步骤
S1
的具体实现方法包括如下步骤：
S1.1、
采用车载相机拍摄的方式，拍摄道路图像，选取
20000
张路面病害图像，构建路面病害图像数据集；路面病害包括龟裂
、
块状裂缝
、
纵向裂缝
、
横向裂缝
、
沉陷
、
车辙
、
波浪拥包
、
坑槽
、
松散
、
泛油
、
修补；
S1.2、
采用标注软件
labelimg
对路面病害图像数据集的图像进行标记，将路面病害图像数据集划分为训练集
、
验证集
、
测试集，其中，训练集
12000
张图像
、
验证集
4000
张图像
、
测试集
4000
张图像；
S1.3、
构建
UNet
深度学习网络结构：
S1.3.1、
设置
UNet
深度学习网络结构由编码器和解码器组成，编码器包括4个下采样模块，每个下采样模块包括两个3×3的卷积层
、1
个
ReLU
激活函数
、1
个2×2的池化层；解码器包括4个上采样模块，每个上采样模块包括1个上采样的卷积层
、
特征拼接
concat、2
个3×3的卷积层
、1
个
ReLU
激活函数，图像先通过编码器，后通过解码器，图像尺寸为
572
×
572
；
S1.3.2、
将步骤
S1.2
标记后的数据集输入到
S1.3.1
建立的
UNet
深度学习网络结构中，通过误差反向传播方法，计算神经网络单元的权重和偏置，完成
UNet
深度学习网络结构的训练，得到
UNet
深度学习网络结构；
S1.3.3、
采用步骤
S1.3.2
的
UNet
深度学习网络结构，进行路面病害的识别及路面病害区域数据提取，路面病害区域数据包括：路面病害在图像中的位置
、
路面病害的轮廓
、
路面病害的实体区域；
S1.4、
采用张正友标定方法，确定图像像素数据与路面病害实际尺寸的换算关系本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.
一种全面评估的路网养护维修方法，其特征在于，包括如下步骤：
S1、
采集路面病害图像，对采集的路面病害图像进行路面病害的识别及路面病害尺寸数据的提取，然后基于提取的路面病害尺寸数据计算路面损坏状况指数；
S2、
基于探地雷达脱空病害图像，构建道路内部脱空病害识别卷积神经网络模型，然后采用探地雷达采集道路内部图像，将采集的道路内部图像利用得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，并计算道路内部脱空区域参数；
S3、
基于步骤
S2
得到的道路内部脱空区域参数，构建道路内部使用寿命评估指标；
S4、
对步骤
S3
得到的道路内部使用寿命评估指标
、
步骤
S1
得到的路面损坏状况指数进行归一化处理，构建道路使用寿命综合评估指标；
S5、
根据步骤
S4
的方法计算道路使用寿命综合评估指标，进行初步道路使用寿命评估；
S6、
采用三参数威布尔分布函数构建道路路段的寿命分布函数模型，计算道路路段平均出现损伤的时间；
S7、
设置步骤
S6
得到的道路路段平均出现损伤的时间
、
路面技术状况等级
、
道路宽度
、
道路长度
、
道路材料
、
道路等级
、
维修费用
、
交通量
、
路龄为全面评估的路网养护维修因素，构建全面评估的路网养护维修评分矩阵，进行全面评估的路网养护维修优先级别判断
。2.
根据权利要求1所述的一种全面评估的路网养护维修方法，其特征在于，步骤
S1
的具体实现方法包括如下步骤：
S1.1、
采用车载相机拍摄的方式，拍摄道路图像，选取
20000
张路面病害图像，构建路面病害图像数据集；路面病害包括龟裂
、
块状裂缝
、
纵向裂缝
、
横向裂缝
、
沉陷
、
车辙
、
波浪拥包
、
坑槽
、
松散
、
泛油
、
修补；
S1.2、
采用标注软件
labelimg
对路面病害图像数据集的图像进行标记，将路面病害图像数据集划分为训练集
、
验证集
、
测试集，其中，训练集
12000
张图像
、
验证集
4000
张图像
、
测试集
4000
张图像；
S1.3、
构建
UNet
深度学习网络结构：
S1.3.1、
设置
UNet
深度学习网络结构由编码器和解码器组成，编码器包括4个下采样模块，每个下采样模块包括两个3×3的卷积层
、1
个
ReLU
激活函数
、1
个2×2的池化层；解码器包括4个上采样模块，每个上采样模块包括1个上采样的卷积层
、
特征拼接
concat、2
个3×3的卷积层
、1
个
ReLU
激活函数，图像先通过编码器，后通过解码器，图像尺寸为
572
×
572
；
S1.3.2、
将步骤
S1.2
标记后的数据集输入到
S1.3.1
建立的
UNet
深度学习网络结构中，通过误差反向传播方法，计算神经网络单元的权重和偏置，完成
UNet
深度学习网络结构的训练，得到
UNet
深度学习网络结构；
S1.3.3、
采用步骤
S1.3.2
的
UNet
深度学习网络结构，进行路面病害的识别及路面病害区域数据提取，路面病害区域数据包括：路面病害在图像中的位置
、
路面病害的轮廓
、
路面病害的实体区域；
S1.4、
采用张正友标定方法，确定图像像素数据与路面病害实际尺寸的换算关系：
S1.4.1、
制作黑白棋盘格，用相机对黑白棋盘格进行不同角度的拍摄，拍摄图像为
30
张；
S1.4.2、
对步骤
S1.4.1
拍摄的图像中的标定板角点进行检测，得到标定板角点的像素坐标值，根据已知的棋盘格大小和世界坐标系原点，计算得到标定板角点的物理坐标值；
S1.4.3、
求解步骤
S1.4.1
拍摄的每张图像对应的相机内参矩阵和外参矩阵：首先建立相机成像模型为：；其中，
Z
为尺度因子，
(u
，
v)
为图像中任意一点在像素坐标系下的像素坐标，
(U,V,W)
为图像中任意一点在世界坐标系下的世界坐标，
AA
为内参矩阵，
BB
为外参矩阵；建立多组像素坐标与世界坐标的关系，求得内参矩阵
AA
和外参矩阵
AA
，建立路面病害的道路图像像素数据与路面病害实际尺寸的换算关系；
S1.5、
基于步骤
S1.1
‑
S1.4
得到路面病害类型和尺寸信息后，计算路面损坏状况指数
PCI
，计算表达式为：；；其中，为路面损坏率，为第
ni
类路面损坏的面积；为调查的路面面积，为第
ni
类路面损坏的权重，为线性调节系数，为指数调节系数，为损坏类型总数
。3.
根据权利要求1或2所述的一种全面评估的路网养护维修方法，其特征在于，步骤
S2
的具体实现方法包括如下步骤：
S2.1、
构建道路内部脱空病害识别卷积神经网络模型；
S2.1.1、
基于探地雷达脱空病害图像建立道路内部病害数据集：采用
LabelImg
软件，使用矩形框标记探地雷达脱空病害图像中的病害并标注病害类别，保存标注文件的命名与探地雷达脱空病害图像的命名一致，得到道路内部病害数据集；
S2.1.2、
将步骤
S2.1.1
得到的道路内部病害数据集按照
6:2:2
的比例，随机分为训练集
、
验证集
、
测试集；
S2.1.3、
将步骤
S2.1.2
得到的训练集
、
验证集
、
测试集，输入到卷积神经网络中进行训练
、
验证和测试，输出卷积神经网络模型的模型参数，包括网络层数
、
各层神经元节点数量
、
学习率
、
权重
、
偏置
、
激活函数
、
损失函数
、
卷积核，得到道路内部脱空病害识别卷积神经网络模型；
S2.2、
采集道路内部图像，利用得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，并计算道路内部脱空区域参数；
S2.2.1、
采用探地雷达采集道路内部图像，将采集的道路内部图像利用步骤
S2.1
得到的道路内部脱空病害识别卷积神经网络模型进行病害识别，得到病害道路内部图像；
S2.2.2、
采用钻机钻探步骤
S2.2.1
得到病害道路内部图像的病害道路，得到道路脱空
区域；
S2.2.3、
将内窥镜深入道路脱空区域，通过内窥镜显示器确定道路脱空区域的顶板位置和底板位置，测量顶板位置和底板位置的距离，为道路脱空区域高度；
S2.2.4、
然后向步骤
S2.2.2
得到的道路脱空区域中注水，直至注满水，并记录注水的体积为道路脱空区域体积；
S2.2.5、
计算道路脱空区域面积，计算表达式为：
。4.
根据权利要求3所述的一种全面评估的路网养护维修方法，其特征在于，步骤
S3
的具体实现方法包括如下步骤：
S3.1、
设置道路脱空区域的总数量为；
S3.2、
构建道路内部使用寿命评估指标：包括道路脱空区域的总数量
、
道路脱空区域的平均高度
、
平均体积
、
平均面积
、
高度变化梯度
、
体积变化梯度
、
数量变化梯度
、
面积变化梯度；
S3.2.1、
道路脱空区域的平均高度的计算表达式为：；其中，道路第
i
个脱空区域的高度为；
S3.2.2、
道路脱空区域的平均体积的计算表达式为：；其中，道路第
i
个脱空区域的体积为；
S3.2.3、
道路脱空区域的平均面积的计算表达式为：；其中，道路第
i
个脱空区域的面积为；
S3.2.4、
道路脱空区域的高度变化梯...

【专利技术属性】
技术研发人员：阚倩，安茹，孟安鑫，刘星，吴国华，
申请(专利权)人：深圳市城市交通规划设计研究中心股份有限公司，
类型：发明
国别省市：