【技术实现步骤摘要】
本申请涉及公路管理，具体涉及一种基于养护大数据的路面使用性能预测方法和系统。
技术介绍
1、公路是交通运输的重要组成部分，对社会经济发展起到重要的支撑作用。公路养护能够保持公路的良好状态，确保顺畅的通行条件，提高交通流动性，促进交通运输的高效运作。然而，公路在建成并投入使用后，承担了大量的交通运输任务，在长期使用过程中还会受到各种恶劣环境的影响，容易产生裂缝、坑洞等路面病害问题。如果不进行科学的养护，这些路面病害会逐渐扩大并且影响整体路面的稳定性，最终导致公路损坏、崩塌等严重后果，缩短公路的使用寿命，甚至会威胁到车辆的行车安全，引发严重的交通事故。
2、因此，及时开展有效、针对性的养护管理工作，可使路面长期保持良好服役状态，而路面使用性能的准确预测能够为精准养护提供重要的数据支撑。
3、目前关于路面使用性能的预测模型有很多，例如采用回归模型、经验模型等模型进行预测。然而，传统的预测模型一般只能考虑到较少的主要影响因素，难以较全面的将众多的影响因素纳入到模型之中，同时，回归模型、经验模型等模型需要大量经验进行支撑，且不可避免地与实际情况存在一定偏差。因此，目前使用单一或者少量因素训练出来的模型，难以实现对相关数据的深度全面挖掘，导致模型预测结果不准确。
技术实现思路
1、本申请针对现有的问题，提出了一种基于养护大数据的路面使用性能预测方法及相关装置，具体技术方案如下：
2、在本申请的第一方面，提供一种基于养护大数据的路面使用性能预测方法，所述方法包
3、获取目标道路的养护大数据，所述养护大数据包括道路基础数据、历史病害数据、历史养护数据、历史路面性能检测数据、气候与环境数据和交通负荷数据；
4、基于所述养护大数据，对所述目标道路中的多个子路段进行聚类操作，以将所述目标道路划分为多个路段集合；
5、针对任一所述路段集合，基于所述路段集合对应的养护大数据，对预设的长短期记忆网络进行训练，得到所述路段集合对应的预测模型；
6、针对任一所述路段集合中的任一子路段，将所述子路段的待预测数据输入所述路段集合对应的预测模型，输出得到所述子路段的路面使用性能预测结果。
7、在本申请一实施例中，基于所述养护大数据，对所述目标道路中的多个子路段进行聚类操作，以将所述目标道路划分为多个路段集合的步骤，包括：
8、对多个所述子路段各自对应的养护大数据进行特征处理，得到多个所述子路段各自对应的特征数据；
9、对多个所述子路段各自对应的特征数据进行聚类操作，将多个所述子路段划分至多个所述路段集合。
10、在本申请一实施例中，对多个所述子路段各自对应的养护大数据进行特征处理，得到多个所述子路段各自对应的特征数据的步骤，包括：
11、针对任一子路段的养护大数据，采用预设的词袋模型，将所述养护大数据中的文本型数据转化为数值型数据，以得到所述养护大数据对应的数值化数据；
12、对所述数值化数据进行特征处理，得到所述养护大数据对应的特征数据。
13、在本申请一实施例中，对多个所述子路段各自对应的特征数据进行聚类操作，将多个所述子路段划分至多个所述路段集合的步骤，包括：
14、采用模糊c均值聚类算法按照预设的聚类簇数，对所述特征数据进行聚类操作，以将多个所述子路段划分至数量与所述聚类簇数相同的多个路段集合。
15、在本申请一实施例中，针对任一所述路段集合，基于所述路段集合对应的养护大数据，对预设的长短期记忆网络进行训练，得到所述路段集合对应的预测模型的步骤，包括：
16、针对任一所述路段集合，基于所述路段集合中的多个子路段各自对应的养护大数据，生成多个样本数据；
17、按照预设样本分配比例，将多个所述样本数据划分为训练集和测试集；
18、基于所述训练集，对所述长短期记忆网络进行训练，得到初始预测模型；
19、基于所述测试集对所述初始预测模型进行优化，直到所述初始预测模型满足预设的模型评价指标，得到所述路段集合对应的预测模型。
20、在本申请一实施例中，基于所述训练集，对所述长短期记忆网络进行训练，得到初始预测模型的步骤，包括：
21、针对所述训练集中的任一样本数据，将所述样本数据输入所述长短期记忆网络，输出得到预测值；
22、基于所述预测值和所述样本数据对应的真实值，计算损失函数值；
23、基于所述损失函数值，对所述长短期记忆网络的权重和偏置进行更新，直到所述长短期记忆网络满足训练截止条件，得到所述初始预测模型。
24、在本申请一实施例中，基于所述测试集对所述初始预测模型进行优化，直到所述初始预测模型满足预设的模型评价指标，得到所述路段集合对应的预测模型的步骤，包括：
25、通过所述初始预测模型对所述测试集进行预测，得到预测结果；
26、在所述预测结果满足预设的模型评价指标的情况下，将所述初始预测模型确定为所述预测模型；
27、在所述预测结果不满足所述模型评价指标的情况下，对所述初始预测模型的超参数进行调整，直到所述预测结果满足所述模型评价指标，将所述初始预测模型确定为所述预测模型。
28、在本申请的第二方面，提供一种基于养护大数据的路面使用性能预测系统，所述系统包括：
29、数据获取模块，用于获取目标道路的养护大数据，所述养护大数据包括道路基础数据、历史病害数据、历史养护数据、历史路面性能检测数据、气候与环境数据和交通负荷数据；
30、路段分类模块，用于基于所述养护大数据，对所述目标道路中的多个子路段进行聚类操作，以将所述目标道路划分为多个路段集合；
31、模型训练模块，用于针对任一所述路段集合，基于所述路段集合对应的养护大数据，对预设的长短期记忆网络进行训练，得到所述路段集合对应的预测模型；
32、性能预测模块，用于针对任一所述路段集合中的任一子路段，将所述子路段的待预测数据输入所述路段集合对应的预测模型，输出得到所述子路段的路面使用性能预测结果。
33、在本申请一实施例中，所述路段分类模块包括：
34、特征处理子模块，用于对多个所述子路段各自对应的养护大数据进行特征处理，得到多个所述子路段各自对应的特征数据；
35、聚类子模块，用于对多个所述子路段各自对应的特征数据进行聚类操作，将多个所述子路段划分至多个所述路段集合。
36、在本申请一实施例中，所述特征处理子模块包括：
37、数据转化单元，用于针对任一子路段的养护大数据，采用预设的词袋模型，将所述养护大数据中的文本型数据转化为数值型数据，以得到所述养护大数据对应的数值化数据；
38、特征处理单元，用于对所述数值化数据进行特征处理，得到所述养护大数据对应的特征数据。
39、在本申请一实施例中，所述聚类子模块包括：
本文档来自技高网...【技术保护点】
1.一种基于养护大数据的路面使用性能预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于养护大数据的路面使用性能预测方法，其特征在于，基于所述养护大数据，对所述目标道路中的多个子路段进行聚类操作，以将所述目标道路划分为多个路段集合的步骤，包括：
3.根据权利要求2所述的基于养护大数据的路面使用性能预测方法，其特征在于，对多个所述子路段各自对应的养护大数据进行特征处理，得到多个所述子路段各自对应的特征数据的步骤，包括：
4.根据权利要求2所述的基于养护大数据的路面使用性能预测方法，其特征在于，对多个所述子路段各自对应的特征数据进行聚类操作，将多个所述子路段划分至多个所述路段集合的步骤，包括：
5.根据权利要求1所述的基于养护大数据的路面使用性能预测方法，其特征在于，针对任一所述路段集合，基于所述路段集合对应的养护大数据，对预设的长短期记忆网络进行训练，得到所述路段集合对应的预测模型的步骤，包括：
6.根据权利要求5所述的基于养护大数据的路面使用性能预测方法，其特征在于，基于所述训练集，对所述长短期记忆网络进行
7.根据权利要求5所述的基于养护大数据的路面使用性能预测方法，其特征在于，基于所述测试集对所述初始预测模型进行优化，直到所述初始预测模型满足预设的模型评价指标，得到所述路段集合对应的预测模型的步骤，包括：
8.一种基于养护大数据的路面使用性能预测系统，其特征在于，所述系统包括：
9.一种电子设备，其特征在于，所述设备包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序，实现如权利要求1-7所述的基于养护大数据的路面使用性能预测方法。
10.一种计算机可读存储介质，其特征在于，所述计算机可读存储介质上存储有计算机程序，处理器执行所述计算机程序，实现如权利要求1-7所述的基于养护大数据的路面使用性能预测方法。
...【技术特征摘要】
1.一种基于养护大数据的路面使用性能预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的基于养护大数据的路面使用性能预测方法，其特征在于，基于所述养护大数据，对所述目标道路中的多个子路段进行聚类操作，以将所述目标道路划分为多个路段集合的步骤，包括：
3.根据权利要求2所述的基于养护大数据的路面使用性能预测方法，其特征在于，对多个所述子路段各自对应的养护大数据进行特征处理，得到多个所述子路段各自对应的特征数据的步骤，包括：
4.根据权利要求2所述的基于养护大数据的路面使用性能预测方法，其特征在于，对多个所述子路段各自对应的特征数据进行聚类操作，将多个所述子路段划分至多个所述路段集合的步骤，包括：
5.根据权利要求1所述的基于养护大数据的路面使用性能预测方法，其特征在于，针对任一所述路段集合，基于所述路段集合对应的养护大数据，对预设的长短期记忆网络进行训练，得到所述路段集合对应的预测模型的步骤，...
【专利技术属性】
技术研发人员：张波，刘飞，薛萌，徐普，王少朋，谢孔亮，朱艳飞，杨勇，
申请(专利权)人：北京壹陆科技发展有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。