【技术实现步骤摘要】
本专利技术涉及管控，具体涉及一种基于深度学习网络的桥梁道路管控系统及方法。
技术介绍
1、在桥梁道路管控领域，现有技术主要包括传统的交通信号控制、路况监测系统、智能交通管理系统等。这些技术采用了智能交通预测和优化算法，通过数据分析和模型预测，提前预判交通拥堵等问题，以提高交通运输效率和道路安全性。但在长度较长的桥梁道路中，传统的交通管理系统对桥梁通行能力的优化往往基于静态的车流模型和规则，静态车流模型和规则往往无法全面考虑车流密度变化因素，导致优化效果有限，缺乏对实时车流数据和桥梁结构状态的综合考虑，在于对桥梁道路的特殊情况考虑不足，无法充分预测和优化桥梁道路的通行能力，使得当车辆数量较多时难以预测路况和及时疏导道路交通。
技术实现思路
1、本专利技术提供一种基于深度学习网络的桥梁道路管控系统及方法，解决现有桥梁道路管理技术对道路车辆的动态预测不足导致对道路管控能力不佳的问题。
2、本专利技术通过下述技术方案实现：
3、一种基于深度学习网络的桥梁道路管控系统，该系统
本文档来自技高网...
【技术保护点】
1.一种基于深度学习网络的桥梁道路管控系统，其特征在于，该系统包括：
2.根据权利要求1所述的一种基于深度学习网络的桥梁道路管控系统，其特征在于，基于实时路况数据设置道路评估策略的过程包括：所述车速数据包括减速频次值，所述车道数据包括第一变道值和第二变道值；所述减速频次值表示每台车辆出现减速行为的次数，所述第一变道值和第二变道值分别为每条车道上的车辆每次侧方离开车道和侧方进入车道的次数；在单位管控周期内的目标桥梁路段上，对每个减速频次值的时间点、第一变道值和第二变道值的变道完成的时间点进行记录；基于减速频次值、第一变道值和第二变道值的时间点和差值大小设置异
...【技术特征摘要】
1.一种基于深度学习网络的桥梁道路管控系统，其特征在于，该系统包括：
2.根据权利要求1所述的一种基于深度学习网络的桥梁道路管控系统，其特征在于，基于实时路况数据设置道路评估策略的过程包括：所述车速数据包括减速频次值，所述车道数据包括第一变道值和第二变道值；所述减速频次值表示每台车辆出现减速行为的次数，所述第一变道值和第二变道值分别为每条车道上的车辆每次侧方离开车道和侧方进入车道的次数；在单位管控周期内的目标桥梁路段上，对每个减速频次值的时间点、第一变道值和第二变道值的变道完成的时间点进行记录；基于减速频次值、第一变道值和第二变道值的时间点和差值大小设置异常路况类别。
3.根据权利要求2所述的一种基于深度学习网络的桥梁道路管控系统，其特征在于，为减速频次值设定减速临界值，且为第一变道值和第二变道值大小设置变道临界值；所述异常路况类别包括：
4.根据权利要求2所述的一种基于深度学习网络的桥梁道路管控系统，其特征在于，实时路况数据的采集形式包括：使用平面直角坐标系分别以连续曲线图和逻辑波形图的形式，分别记录车速数据和车道数据，其中车速数据和车道数据的横坐标均设为单位管控周期的时间长度；车速数据纵坐标表示车速值大小；车道数据的纵坐标包括第一变道值和第二变道值。
5.根据权利要求2所述的一种基于深度学习网络的桥梁道路管控系统，其...
【专利技术属性】
技术研发人员：鲜博，余峰，袁洁，杨荆，
申请(专利权)人：四川高路文化旅游发展有限责任公司，
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。