【技术实现步骤摘要】
本专利技术涉及路面养护，具体为一种沥青路面养护决策自动生成方法、系统及设备。
技术介绍
1、路面养护是保证路面服役寿命和服务质量的重要环节，合理的养护措施是延长沥青路面寿命的重要手段，但当前养护决策方案的产生主要依赖于人工调查与决策，养护决策过程主观因素影响较大，缺乏客观的知识体系提供支撑，生成的养护决策方案难以保证最大化延长道路使用寿命，最大程度减少路面病害产生。因此，通过一定的技术手段，依托理论知识，自动生成最佳养护决策方案，确定合理的养护实际，是保证路面养护的重要过程。
2、现有技术中部分学者和技术人员针对养护措施的自动生成进行了研究，部分研究从养护历史案例中提取养护措施，但历史养护方案由人为决定，仅考虑历史案例缺乏客观性，不能全面地指导养护决策，为此，我们提出一种沥青路面养护决策自动生成方法、系统及设备。
技术实现思路
1、本专利技术的目的在于提供一种沥青路面养护决策自动生成方法、系统及设备，解决当前沥青路面养护决策过程中仍过多依赖人工，缺乏客观性的问题。
2、为实现上述目的，本专利技术提供如下技术方案：一种沥青路面养护决策自动生成方法，具体包括如下：
3、获取路面历史病害及养护知识数据，包括路面基础信息、路面检测信息、路面养护信息；
4、根据所述历史检测数据，构建沥青路面养护历史库，针对路面病害及养护知识，利用bert-bilstm-crf技术提取三元组，采用neo4j技术构建沥青路面养护知识图谱；
5、确定病害
6、针对检测数据和预测结果，利用知识图谱判断主要病害，采用k-means对路段进行聚合，并采用马尔可夫决策过程匹配养护方案。
7、进一步的，所述利用bert-bilstm-crf技术提取三元组，具体如下：
8、通过bert提取文本词向量信息，实现中文分词，输入下游bilstm-crf，利用bilstm获得每个词向量对应不同实体标签的概率，最终通过crf实现实体分类，根据实体类别间的相关关系，构建沥青路面养护三元组库。
9、进一步的，采用neo4j技术构建沥青路面养护知识图谱，具体如下：
10、通过图数据库neo4j存储沥青路面养护三元组，三元组中主客实体作为节点，以实体类别为标签，三元组中实体关系作为边，构建沥青路面养护知识图谱。
11、进一步的，所述路面基础信息包括路线编号、起止桩号、路面结构、路龄；
12、路面检测信息包括检测时间、路面破损率、国际平整度、车辙深度、横向力系数、路面跳车数、路面结构强度、病害明细；
13、路面养护信息包括养护时间、起止桩号、养护类型、养护方案。
14、进一步的，所述通过rnn神经网络针对未来检测数据进行预测，具体如下：
15、以路面基础信息、路面检测信息、路面养护信息整理为每一路段的时序数据，将时序数据作为rnn神经网络的输入，病害的评价指标作为输出，实现对检测数据的预测。
16、进一步的，所述采用k-means对路段进行聚合，并采用马尔可夫决策过程匹配养护方案，具体如下：
17、针对路段的路面基础信息与路面养护信息，利用k-means方法将路段聚合为k类，k取值可通过多种方法确定，在聚合后的类别中，将桩号相邻的路段相聚合，实现考虑空间性的相邻路段聚合；
18、将路面状况历史检测数据和病害的评价指标作为状态空间具体为s，其中s∈s表示一个具体的状态，养护措施作为动作空间，设动作空间为a，其中a∈a表示一个具体的养护措施，根据历年路面养护信息，确定奖励函数与状态转移概率，设奖励函数为r(s,a)，表示在状态s下采取动作a所获得的奖励，状态转移概率为p(s'|s,a)，表示在状态s下采取动作a后转移到状态s'的概率，使用动态规划方法，计算每个状态的价值函数，设价值函数为v(s)，表示在状态s下的长期累积奖励，根据计算所得价值函数，确定在每个状态下应采取的最优养护措施，以实现最大化长期沥青路面寿命的目标，设最优养护措施为π(s)，表示在状态s下应采取的最优养护措施，具体计算过程如下：
19、初始化：将所有状态的价值函数初始化为0，即v(s)＝0，对于终止状态，价值函数为0；
20、迭代计算：从终止状态开始，逐步计算每个状态的价值函数，根据贝尔曼方程，可以得到如下迭代计算公式：
21、
22、其中，γ是折扣因子，用于平衡当前奖励和未来奖励的重要性；
23、更新策略：根据计算所得的价值函数，确定在每个状态下应采取的最优养护措施，即：
24、
25、其中，argmax表示使得括号内表达式最大化的动作；
26、以此，即可得到每个状态的价值函数和最优养护措施。
27、进一步的，所述沥青路面养护历史库包括路面病害定义、路面病害影响因素、路面评价指标、路面养护措施；
28、路面病害定义包括沥青路面常见的病害的定义与分类信息，包括裂缝、车辙；
29、路面病害影响因素包括每种沥青路面病害的外部因素和内部因素，外部因素包括气候、车辆荷载，内部因素包括路面结构；
30、路面评价指标包括各类病害的评价子表，包括路面破损率、国际平整度、车辙深度、横向力系数、路面跳车数；
31、路面养护措施包括各类病害常用的养护方案、包括微表处、薄层罩面。
32、进一步的，所述沥青路面养护历史库还包括养护路段基础信息、养护路段历史检测信息、养护类型、养护方案。
33、根据本专利技术的一个方面，本专利技术提供一种沥青路面养护决策自动生成系统，其特征在于，包括：
34、获取模块，用于获取路面状况历史检测数据，包括路面基础信息、路面检测信息、路面养护信息；
35、构建模块，用于根据所述历史检测数据，构建沥青沥青路面养护历史库和沥青路面养护历史库，利用bert-bilstm-crf技术提取三元组，采用neo4j技术构建沥青路面养护知识图谱；
36、预测模块，用于确定病害的评价指标，依据历史路面状况检测数据通过rnn神经网络针对未来检测数据进行预测；
37、决策生成模块，用于针对检测数据和预测结果，利用知识图谱判断主要病害，采用k-means对路段进行聚合，采用马尔可夫决策过程匹配养护方案。
38、根据本专利技术的另一个方面，本专利技术提供一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了所述的一种沥青路面养护决策自动生成方法。
39、本专利技术至少具备以下有益效果：
40、1、本专利技术通过构建沥青路面养护知识图谱，实现在路面性能预测和沥青路面养护决策的过程中将知识与数据本文档来自技高网...
【技术保护点】
1.一种沥青路面养护决策自动生成方法，其特征在于，具体包括如下：
2.根据权利要求1所述的一种沥青路面养护决策自动生成方法，其特征在于，利用Bert-BiLSTM-CRF技术提取三元组，具体如下：
3.根据权利要求2所述的一种沥青路面养护决策自动生成方法，其特征在于，采用neo4j技术构建沥青路面养护知识图谱，具体如下：
4.根据权利要求2所述的一种沥青路面养护决策自动生成方法，其特征在于：所述路面基础信息包括路线编号、起止桩号、路面结构、路龄；
5.根据权利要求4所述的一种沥青路面养护决策自动生成方法，其特征在于，通过RNN神经网络针对未来检测数据进行预测，具体如下：
6.根据权利要求5所述的一种沥青路面养护决策自动生成方法，其特征在于：所述采用K-Means对路段进行聚合，并采用马尔可夫决策过程匹配养护方案，具体如下：
7.根据权利要求6所述的一种沥青路面养护决策自动生成方法，其特征在于：所述沥青路面养护历史库包括路面病害定义、路面病害影响因素、路面评价指标、路面养护措施；
8.根据权利要求1
9.一种沥青路面养护决策自动生成系统，其特征在于，包括：
10.一种终端设备，包括存储器、处理器及存储在存储器中并能够在处理器上运行的计算机程序，其特征在于，所述存储器中存储有能够在处理器上运行的计算机程序，所述处理器加载并执行计算机程序时，采用了权利要求1至8中任一项所述的一种沥青路面养护决策自动生成方法。
...【技术特征摘要】
1.一种沥青路面养护决策自动生成方法，其特征在于，具体包括如下：
2.根据权利要求1所述的一种沥青路面养护决策自动生成方法，其特征在于，利用bert-bilstm-crf技术提取三元组，具体如下：
3.根据权利要求2所述的一种沥青路面养护决策自动生成方法，其特征在于，采用neo4j技术构建沥青路面养护知识图谱，具体如下：
4.根据权利要求2所述的一种沥青路面养护决策自动生成方法，其特征在于：所述路面基础信息包括路线编号、起止桩号、路面结构、路龄；
5.根据权利要求4所述的一种沥青路面养护决策自动生成方法，其特征在于，通过rnn神经网络针对未来检测数据进行预测，具体如下：
6.根据权利要求5所述的一种沥青路面养护决策自动生成方法，其特征在于：所述采用k-means对路段...
【专利技术属性】
技术研发人员：王佳男，陈铮，张惠勤，李响，陈磊磊，李庆营，陈小虎，丛波日，
申请(专利权)人：湖北武麻高速公路有限公司，
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。