【技术实现步骤摘要】
本专利技术涉及公路养护和人工智能，尤其涉及一种沥青路面病害预测方法、装置及计算机可读存储介质。
技术介绍
1、我国公路总里程已达528万公里，形成了以高速公路为骨架、普通干线为脉络、农村公路为基础的全国公路网，在综合交通运输体系中发挥着重要作用。公路的路面是将沥青混凝土加以摊铺、碾压成型而形成的沥青路面。公路的沥青路面经常遭受车辙和坑槽病害。其中，每年的高温季节，沥青混合料的强度和刚度大幅度下降，在重量级货车的反复作用下，轮迹带两侧逐渐鼓起形成车辙。车辙以及车辙内的积水不仅会影响车辆行驶的舒适感还会提高安全事故的发生概率；沥青路面的“坑槽”通常指的是路面上的凹陷或者凸起的不平整区域。这些坑槽可能是由于车辆的频繁行驶、气候变化、材料老化等因素引起的路面磨损和损坏所导致的。
2、对于公路的病害，传统上利用人工检测或者检测车检测，如：一名作业员负责驾驶道路养护专用工程车，另一名作业员负责观察路面状况，当发现路面上的路害状况时，对路害状况进行拍摄记录，再登记到系统中；上述检测方式存在效率低风险大的弊端。现有技术中存在基于人工视觉的现场调查方法和基于地表路面图像的检测分析方法，存在片面性高，预测精准度较差的问题。
3、因此，亟需一种精准高效的沥青路面病害预测方法。
技术实现思路
1、本专利技术提供一种沥青路面病害预测方法、系统、电子设备及存储介质，以解决现有技术中存在的至少一个问题。
2、为实现上述目的，本专利技术提供的一种沥青路面病害预测方法，应用于电子
3、获取待检测路面的路面信息；所述路面信息包括地面图像和地面图像对应的gps定位信息；根据所述gps定位信息获取所述gps定位信息对应的地下病害图像；
4、对所述地面图像和地下病害图像进行特征提取，获取地面病害特征向、地下病害特征向量和车流量特征向量；
5、将所述地面病害特征向量、地下病害特征向量和车流量特征向量输入预设的路面病害预测模型进行路面病害预测，获得沥青路面病害预测结果。
6、进一步，优选的，根据所述gps定位信息获取所述gps定位信息对应的地下病害图像的方法包括，
7、对预设的仿真路面模型进行定点截断，搭建仿真地下勘探三维模型；
8、基于所述仿真地下勘探三维模型获取地下灾害数据集；
9、利用所述地下灾害数据集训练潜在路面灾害模型；
10、将gps定位信息输入训练好的潜在路面灾害模型，获得地下病害图像。
11、进一步，优选的，获取待检测路面的路面信息通过载体基于城市沥青道路规划布局图行驶于待检测路面获取，所述载体为搭载由高清摄像头、gps定位设备和路径存储器的车辆或飞行器。
12、进一步，优选的，获取待检测路面的路面信息通过载体基于城市沥青道路规划布局图行驶于待检测路面获取；其中，获取方法包括，
13、按照检测需求设定路径起始点和终止点；将所述所述路径起始点和终止点标注于城市沥青道路规划布局图上，并设定载体行驶方向，进而获得待检测定航路径；
14、载体按照所述待检测定航路径行驶于待检测路面获取待检测路面的路面信息。
15、进一步，优选的，所述路面病害预测模型通过路面病害数据集训练获得，所述路面病害数据集中包括地面病害标注和地下病害标注。
16、进一步，优选的，将所述地面病害特征向量、地下病害特征向量和车流量特征向量输入预设的路面病害预测模型进行路面病害预测，获得沥青路面病害预测结果的方法包括，
17、将地面病害特征向量、地下病害特征向量和车流量特征向量进行融合，获得融合特征向量；
18、基于所述地面病害特征向量、地下病害特征向量、车流量特征向量以及融合特征向量利用注意力门网络进行多任务预测；
19、获得沥青路面病害预测结果。
20、为了解决上述问题，本专利技术还提供一种沥青路面病害预测，系统包括，
21、信息获取单元，用于获取待检测路面的路面信息；所述路面信息包括地面图像和地面图像对应的gps定位信息；根据所述gps定位信息获取所述gps定位信息对应的地下病害图像；
22、特征提取单元，用于对所述地面图像和地下病害图像进行特征提取，获取地面病害特征向、地下病害特征向量和车流量特征向量；
23、预测单元，将所述地面病害特征向量、地下病害特征向量和车流量特征向量输入预设的路面病害预测模型进行路面病害预测，获得沥青路面病害预测结果。
24、为了解决上述问题，本专利技术还提供一种电子设备，所述电子设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有可被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够执行前述的沥青路面病害预测方法中的步骤。
25、为了解决上述问题，本专利技术还提供一种计算机可读存储介质，所述计算机可读存储介质中存储有至少一个指令，所述至少一个指令被电子设备中的处理器执行以实现上述所述的沥青路面病害预测方法。
26、本专利技术提供的上述沥青路面病害预测方法，通过建立预测模型，基于实时数据引入时间序列信息的未来时域预测分析，对模型预测效果进行分析，能够发现表征数据下的地表病害高预测性的特征变量，预测未来一段时间内的稳定性和风险概率，对灾害因子潜在病害发展趋势进行预测和病害等级分析，及时掌握变化情况，提高路面的风险预测控制能力。
27、另外，通过对路面之下的潜在灾害因子和路面之上的地面病害数据信息的获取，能够更加准确的获取路面病害因子信息，同时利用载体搭载的采集设备传输的实时数据进行实时更新；不仅考虑了地面的病害信息以及路面的车流信息，还兼顾了地下病害信息，利用多任务预测神经网络获得沥青路面的病害预测结果，达到提高沥青路面预测的准确率的技术效果。
本文档来自技高网...【技术保护点】
1.一种沥青路面病害预测方法，应用于电子装置，其特征在于，所述方法包括：
2.如权利要求1所述的沥青路面病害预测方法，其特征在于，
3.如权利要求1中所述的沥青路面病害预测方法，其特征在于，
4.如权利要求3所述的沥青路面病害预测方法，其特征在于，
5.如权利要求2所述的沥青路面病害预测方法，其特征在于，所述路面病害预测模型通过路面病害数据集训练获得，所述路面病害数据集中包括地面病害标注和地下病害标注。
6.如权利要求1所述的沥青路面病害预测方法，其特征在于，
7.一种沥青路面病害预测系统，其特征在于，包括：
8.一种电子设备，其特征在于，所述电子设备包括：
9.一种计算机可读存储介质，存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至6中任一所述的沥青路面病害预测方法。
【技术特征摘要】
1.一种沥青路面病害预测方法，应用于电子装置，其特征在于，所述方法包括：
2.如权利要求1所述的沥青路面病害预测方法，其特征在于，
3.如权利要求1中所述的沥青路面病害预测方法，其特征在于，
4.如权利要求3所述的沥青路面病害预测方法，其特征在于，
5.如权利要求2所述的沥青路面病害预测方法，其特征在于，所述路面病害预测模型通过路面病害数据集训练获得，...
【专利技术属性】
技术研发人员：王洪全，罗炜，虞元林，翁立明，谢秋平，
申请(专利权)人：中冶交通建设集团有限公司，
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。