【技术实现步骤摘要】
本专利技术属于路面质量检测，尤其涉及一种基于可信度量的道路巡查结果众包融合方法。
技术介绍
1、精准掌握道路病害数据并高效分析其服役状态，对于制定科学养护决策、提升交通设施服务水平具有重要意义，随着城市化进程的不断加快以及设施管养数字化和智能化的加速转型，城市大范围路网性能的高频率、低成本更新需求也日益迫切。
2、现有道路巡查方式主要可分为三类，人工检测、一体化检测车辆和轻量化巡检。传统的人工巡检方式耗时费力、效率低下。基于高精传感的一体化检测车辆价格昂贵，难以大范围、高频率地推广使用。以具备智能计算功能的工业相机为代表的轻量化巡检是目前城市道路巡检的主流方式，然而其自动检测模型的精度提升也呈现出“长尾效应”，仍存在一定程度的漏检与误检现象。因此相对现有道路巡查方式效率低、成本高、数据可信程度低等劣势，利用非专业采集设备筹集到的众包数据进行道路巡查为广域路网的低成本、高频更新提供了可能。
技术实现思路
1、本专利技术的目的在于提供一种基于可信度量的道路巡查结果众包融合方法，其特征在于，包括如下步骤：
2、s1：将图像采集设备安装在社会车辆上，将图像采集设备俯视拍摄路面病害，采集道路巡检结果的图片数据；
3、s2：对采集的图片数据进行路面病害的识别与去重，建立道路巡检结果数据集；
4、s3：在路面病害数据集中筛选出重要的噪声源，并划分不同的巡检工况；
5、s4：在不同的巡检工况下，通过分布拟合对道路巡检结果进行可信度量；p>
6、s5：采用ds证据理论对不同工况、不同来源的众包道路巡查结果进行可信融合。
7、进一步地，所述s1中，所述社会车辆包括巡查车、出租车、物流车；所述图片数据包括路面病害及其相关采集信息。
8、进一步地，所述相关采集信息为图片数据的采集时间和采集地点。
9、进一步地，所述s2中，所述识别的方法采用yolov7网络进行识别；所述去重的方法采用地理信息匹配结合孪生神经网络相似度量的方法进行去重；所述道路巡检结果数据集包括区域道路的路面病害图片和巡检道路的真实病害数量。
10、进一步地，所述s3中，所述巡检工况划分包括如下步骤：
11、s31：定性列举可能影响路面病害识别准确性的重要噪声源，确定该噪声源的评价指标；
12、s32：在道路巡检结果数据集中，利用k-means聚类方法对所述评价指标聚类，然后对各类病害数量与真值的绝对差值进行显著性分析，从而获得显著性相对较高的类别；
13、s33：分别计算聚类后不同类别的道路巡检结果与路面病害真值的绝对偏差，并进行显著性分析，当显著性分析得到的p值小于等于0.05时，则确定该评价指标对应为重要噪声源；当结果不显著，则更换噪声源或评价指标并重复s32；
14、s34：获取重要噪声源及对应评价指标后，通过交叉组合确定道路巡检采集工况。
15、进一步地，所述s4中，对道路巡检结果进行可信度量具体包括以下步骤：
16、s41：根据不确定推理的c-f模型，定义任意一条道路巡检结果的可信度为：当该次巡检结果得到的病害数为n，则该路段的病害真值数同为n的概率；
17、s42：绘制不同工况下该次巡查道路对应的巡检结果直方图，并进行分布拟合；
18、s43：结合该道路的病害真值和s42中的分布，获取不同工况下的道路可信度，根据不同工况下的道路可信度计算不同工况下的平均可信度。
19、进一步地，所述s5中，进行可信融合具体包括以下步骤：
20、s51：采用综合可靠性修正不同工况下的平均可信度，并转换为融合所需bpa函数mi；
21、s52：采用置信hellinger距离度量证据间距离，即并构建矩阵距离；
22、s53：根据距离矩阵计算证据间相对信度
23、s54：采用改进后的murphy算法，以相对信度为权重，dempster-shafer规则为基本组合方式，融合获得融合后的bpa函数；
24、s55：获取道路巡查结果众包融合的可信度增长曲线，针对任意一条道路，通过该条道路该曲线的分析，获得当前巡检结果的可信度，以及达到设定的可接受置信度所需的最小巡检次数。
25、与现有技术相比，本专利技术的有益效果主要体现在：本专利技术提出的方法可以实现在道路巡查中对公交、物流车行车影像为代表的众包数据的高可信应用，减少道路巡查的成本和更新周期，对实现广域、高频、低成本的道路设施性能数字化具有重要意义。
本文档来自技高网...【技术保护点】
1.一种基于可信度量的道路巡查结果众包融合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述S1中，所述社会车辆包括巡查车、出租车、物流车；所述图片数据包括路面病害及其相关采集信息。
3.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述相关采集信息为图片数据的采集时间和采集地点。
4.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述S2中，所述识别的方法采用YOLOv7网络进行识别；所述去重的方法采用地理信息匹配结合孪生神经网络相似度量的方法进行去重；所述道路巡检结果数据集包括区域道路的路面病害图片和巡检道路的真实病害数量。
5.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述S3中，所述巡检工况划分包括如下步骤：
6.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述S4中，对道路巡检结果进行可信度量具体包括以下步骤：
7.根据权利要求
...【技术特征摘要】
1.一种基于可信度量的道路巡查结果众包融合方法，其特征在于，包括如下步骤：
2.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述s1中，所述社会车辆包括巡查车、出租车、物流车；所述图片数据包括路面病害及其相关采集信息。
3.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述相关采集信息为图片数据的采集时间和采集地点。
4.根据权利要求1所述的基于可信度量的道路巡查结果众包融合方法，其特征在于，所述s2中，所述识别的方法采用yolov7网络进行识别；所述去...
【专利技术属性】
技术研发人员：杜豫川，李亦舜，主帅，刘成龙，吴荻非，王文轩，李瑞旭，杨英颢，
申请(专利权)人：同济大学，
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。