时序InSAR技术在山区公路遥感地质勘察中的应用

传统公路遥感地质勘察方法较难获取潜在地质灾害隐患区信息,影响后续山区公路选线。为此,采用一种基于时序InSAR技术的山区公路遥感地质勘察方法。以青海省沿黄公路隆务峡至公伯峡段为研究区,利用长时间序列的Sentinel-1A影像,通过小基线集干涉测量技术(SBAS-InSAR),获取路线范围内沿雷达视线(LOS)方向的地表形变信息,并将其转化为坡向方向的形变信息,然后利用GIS空间分析方法获取典型沉降区,以此提取出潜在地质灾害隐患区。实验结果表明,SABS-InSAR技术可有效提取出山区公路潜在地质灾害隐患区,有效节约人力物力,为山区公路的准确选线提供数据支撑。     

公路路域景观美学评价

公路路域景观美学感知是营造高质量公路景观环境的重要内容之一.基于公路使用者角度,采用"心理物理学"法定量评价了不同公路路域景观组成的美学感知状况.研究发现:公路路域景观美学质量与人工设施特色性、公路与人工设施距离、人工设施与周围环境融合度、路域植被盖度、景观质地、路域水体大小、路域植被种类、景观多样性、景观自然性、景观开阔性、景观完整性、景观生动性、天象特征和公路在视域内显著度呈显著相关关系;本文的评价模型中仅考虑路域植被类型与景观完整性两个自变量.依据评价结果,提出了五点有助于公路景观设计和决策的路域景观美学建设的建议.     

半干旱区高速公路路域生态恢复工程植物多样性特征

针对半干旱区降水少、气候干燥、生态恢复困难等问题,以地处半干旱区的山东济青南线济南至莱芜高速公路为研究对象,通过路域生态植物实地调查与统计分析,可将路域植物种类数目排序为域外草本植物〉路域木本植物〉路域草本植物〉域外木本植物;根据不同路域区段的物种数、丰富度、多样性、信息量和均匀度等多种指数的统计、计算,结果表明路域草本植物变化程度较小、灌草植物均匀度和信息量都较高,中间路段植物综合丰富度较高,并且乔灌木的多样性受人为再造的影响较大。     

基于序列影像种子跟踪的道路线自动提取算法

为快速建立道路精确的几何模型,利用车载移动测量系统获取的序列影像开展了道路边线自动提取方法研究.针对不同类型道路边线的特征,提出了一种基于序列影像种子跟踪的道路线自动算法.首先,对不同质量道路影像分别采用基于灰度信息和梯度信息的道路边线边缘检测方法;其次,采用线性回归模型拟合道路边线,以当前帧拟合直线为种子点,提出了基于种子直线的序列影像感兴趣预测方法,在此基础上对下一帧影像道路边线进行跟踪;最后,以高速公路和城市街区道路序列影像为例,开展了道路边线自动跟踪提取试验,结果表明此方法可以达到优于20 cm的精度,具有很好的鲁棒性.     

基于RSEI-熵权法复合模型的路域生态环境综合评价

以Landsat影像为数据源，运用RSEI模型对郑尧高速郑禹段沿线两侧各6 km路域空间2004年、2013年和2020年生态环境展开动态评价，结合熵权法构建复合模型开展季相综合生态环境评价。结果表明：研究区RSEI指数夏季最高，其次是春季、秋季和冬季；生态环境质量空间变化最明显的是冬季，其次是春季、秋季和夏季，主要原因是耕地和森林受季节变化影响较大；耕地、建设用地与生态环境质量关联性最大，其次是森林、水体和草地；研究区2004年、2013年、2020年综合生态环境指数分别为0.588 7、0.520 2和0.581 6,呈“先变差-再变好”的趋势；RSEI-熵权法复合模型可以有效开展高速公路路域生态环境质量综合评价，弥补单一季相生态环境评价的不足。研究内容可为区域生态环境综合评价提供技术支持，为路域空间可持续发展提供理论依据。     

路域生态工程技术自身效果评价研究

通过广泛调研和试验,对路域生态工程技术及范围进行了界定,识别了路域生态工程技术主要包括生态恢复基础(土木)工程、植被建植工程、养护管护工程、植被恢复效果及经济成本等5大内容。采用专家咨询和层次分析法相结合构建了评价指标的权重和作用分值;构建了自身效果评价的综合指数评价模型。对典型的9大工程技术进行评价分析,发现不同典型路域生态工程技术自身效果差异较大,这些研究成果对于生产实践具有指导价值。     

国道G214线青海段路域土壤和植被特征分析

为了研究国道G214线青海段路域土壤和植被的基本特征、相关关系与空间分异规律,为路域环境保护、植被恢复与重建提供参考依据,对公路沿线40个样地的土壤养分与植被盖度、多样性和生物量数据进行了基本统计、相关性分析和聚类分析,并将40个样地分成5类。结果表明:土壤与植被属性具有高度的空间变异性与离散性,显示了自然地带性规律叠加了人为影响;大约以K540附近为分界点,即玛多以北路段的土壤和植被存在着一定程度的退化,玛多以南至玉树段路域土壤和植被情况较好,少数破坏地段处于正向演替的过程;氮素不足以及土壤盐碱化可能是制约路域植被恢复的主要因素。当地植物如紫花针茅、沙棘、高山绣线菊、百里香等具有较好的植被恢复与土壤改良效果;为充分发挥当地适生植被的水土保持效果,避免生态受到破坏,在高原公路建设中应注意保护这些原生植被,同时增施氮肥(或种植固氮植物)和控制土壤盐碱化对路域植被恢复重建具有促进作用。     

怀新高速公路路域生态系统建设思路

科学合理地进行路域生态系统设计是正确处理公路建设与生态环境保护之间的关系、实施可持续发展的前提。怀新高速公路地处湘西山岭重丘地带,该文根据其具体环境提出了路域生态系统的建设原则,并对路线进行了划分,提出了不同的建设措施。     

基于DS-LOF与GA-XGBoost的路域环境感知数据智能检测与修复

针对目前路域环境感知系统易受路面结构和气候等众多因素影响从而造成感知数据出现异常的问题，对路域环境感知数据异常智能检测与修复问题展开研究，提出一种基于DS-LOF(Difference&Summation-Local Outlier Factor)与GA-XGBoost (Genetic Algorithm-eXtreme Gradient Boosting)的路域环境异常感知数据智能检测与修复方法。以沥青路面温湿度感知数据为实例，首先通过对感知数据进行一阶差分与线性求和计算，构建原始感知数据DS (Difference&Summation)特征向量；然后，基于DS-LOF算法对感知数据进行异常值检测，并与K-means聚类和单类支持向量机算法进行对比分析；其次，以原始感知数据集为基础，并结合异常检测结果，构建路域环境感知数据异常修复数据集；最后基于遗传算法优化XGBoost模型进行数据修复。试验结果表明：GA-XGBoost模型相比于XGBoost模型以及其他机器学习修复模型，其路域环境感知数据修复平均误差最低(M_AE=1.253 7,R     

基于GIS的山区高速公路排水建模与设计方法

从设计层面分析了山区高速公路水毁发生的原因及传统设计方法的弊端,提出了基于GIS的山区高速公路排水设计方法和流程,设计了排水GIS的系统框架。基于面向对象的数据建模方法建立了路域数字地形模型、水文数据模型,实现了对路域空间数据和水文数据的有效管理。研究了路域水文建模算法,建立了路域水文空间分析模型。结合依托项目,对基于GIS的山区高速公路排水设施布设方法进行了验证,并对排水设施进行了水力仿真与评估。仿真结果表明:通过山区高速公路排水GIS建模与仿真,可进行排水设施的综合布设及适应性评估,实现了排水设计的自动化、可视化、科学化。     

高速公路建设前后路域湿地生态环境变化的特征

为研究高速公路运营对路域湿地生态环境的影响,以淮盐高速公路穿越的湿地地段为研究对象,通过在路域选取七处样点,以水体、土壤和大气环境为观测对象,测定了水土的化学指标,大气的污染物浓度。结果表明:道路运营一年后,水体中总氮、氨氮、总磷、溶解氧、化学需氧量、pH值均表现为上升,但只有总氮变化较显著,其他不明显;土壤中pH值增大、有机质含量下降、速效P流失,但变化均不显著,其他性质变化也不明显;大气中SO2、NO2均有大幅度升高,TSP含量表现为下降。因地制宜的环保和绿化措施,使道路路域湿地生态环境得到了一定程度的补偿和恢复。     

高速公路路域范围内绿地的碳清除作用

高速公路路域范围内的植物在生长周期中能够对空气中的CO2进行吸收和利用,减少运营高速公路的碳排放。为探究路域范围内绿地植物碳清除机理,基于公路绿化工程中现有的常用道路绿化植物,对含碳量进行测定,基于生物计量法,计算各类道路常用绿化植物的碳汇总量,推算出道路绿地植物生长增加碳汇量,以具体的碳汇增量反映道路绿地植物碳清除作用的影响。     

公路路域生态环境遥感调查运行系统的初步建立

本文围绕公路路域生态环境动态监测的需要,将无人机、遥感图像基本处理技术、地理信息系统技术与地下电子标识技术进行综合集成,初步构建能够实时、准确、动态监测公路生态环境变化的遥感监测系统。主要是将无人机实时传输系统与遥感图像处理系统的集成,采用地下电子标识系统辅助解译公路路域的土地利用类型、植被覆盖和土壤侵蚀等生态环境要素定位变化信息,实现公路路域生态环境的快速调查,为公路建设的生态环境评价提供技术支持。     

基于非接触远程智能感知的桥梁形态监测试验

为进一步提高利用非接触式影像监测大型桥梁安全状态的精度与效率，实现结构健康监测系统兼有经济、可信且全息的技术理论优势，提出依据结构全息影像序列数据的非接触式机器视觉远程智能感知进行桥梁结构全息几何形态监测的方法。通过单机自动巡转桥梁立面动静影像全息监测系统试验装置获取试验桥在各损伤/作用工况下的原始动静影像数据，根据序列数据在时间、空间上具有强关联信息的特性，分别构建降噪及抗扰动单元、欧拉运动放大单元及运动信息提取单元进行全息几何形态测量，以历次试验监测数据为样本数据集，利用分层思想依次建立数据抽样和结构几何信息间映射的数学网络模型，经结构设计不断训练、调试与优化桥梁力学行为智能感知网络，最后获取试验桥在试验过程中的全息变形、全息变形包络谱、全息位移时程曲线。研究结果表明：该方法获得的数据与传统的常规接触式传感器实测值基本吻合，试验桥在各工况下的曲线变化趋势基本一致，全息变形测量值平均误差12.21%，全息变形包络谱测量值平均误差9.06%，全息位移时程曲线测量值平均误差8.55%，对环境规律噪声信号筛除效率为81.9%，基于非接触远程智能感知的桥梁形态监测真实、连续、敏感、较为准确地反映了结构在各损伤/作用工况下的真实形态变化，可为后续进一步研究结构状态演绎以及损伤智能化识别方法奠定基础。     

秦岭山区路域生态系统健康评价研究

以秦岭山区路域生态系统为研究对象,从表征系统健康状态的活力、组织力、恢复力三个层面出发,结合公路建设实际,兼顾秦岭山区的特殊性要求,构建基于生态保护的路域系统指标体系,确定指标的度量方法,并采用模糊综合评价法进行系统评价.计算表明,评价结果能较客观地反映施工期秦岭路域系统所处状态,为秦岭山区公路建设生态保护措施提供指导...     

平西高速公路植被限制因子及恢复措施

平西高速公路是青海省第一条高速公路，加之它地处高原，沿线的生态环境脆弱，如果不及时恢复生态，非常容易导致生态系统逆向演替，导致土壤沙化，因此采取恰当措施植被恢复非常必要。本文通过分析该路域影响植被恢复的因子，认为最主要的限制因子是土壤和水分供应，并通过实践探讨平西高速公路路域内克服该问题的措施，首先选择适宜的植物类型，其次通过建植和管护减轻土壤中的有害物质对植物的危害，延长苗木的生长年限。     

宽域沥青混凝土路面典型病害及处治对策研究

通过对湖南省(湘)潭—邵(阳)高速公路宽域沥青路面破损状况进行跟踪调查,对宽域沥青路段的典型病害类型、特征及其产生原因进行了系统分析和总结,并对宽域沥青路段已采取铣刨加铺、微表处的处治效果进行了跟踪观测.研究结果表明:宽域沥青路段的典型病害类型为裂缝类、坑槽类;导致宽域沥青路段典型病害的主要原因有路面结构类型、环境、交通荷载等;采用铣刨加铺、微表处对湖南省潭邵高速公路宽域沥青路段进行处治的效果并不是很理想,不能有效地防治反射裂缝,使用寿命只有2～3年;考虑典型病害产生机理及已采取处治对策的效果,提出了铣刨加铺与增加应力吸收层的处治对策.     

小样本下基于迁移学习与LSTM的雾天高速公路车辆跟驰模型

由于在现实生活中能够采集到的不同雾天等级的高速公路车辆跟驰样本有限，导致雾天跟驰模型精度不佳，为此在长短时记忆神经网络（long short-term memory，LSTM）跟驰模型的基础上，采用迁移学习（transfer learning，TL）方法来提升雾天跟驰模型的性能。利用驾驶模拟实验平台搭建高速公路雾天与正常天气2种实验场景进行驾驶模拟实验，获得296组正常天气下（源域）的跟驰样本与100组雾天下（目标域）的跟驰样本。提出了基于最长公共子序列（longest common sequence solution，LCSS）的迁移样本选择方法，从源域中选出100个样本迁移至目标域中，通过扩大训练样本提升LSTM从源域、目标域特征到目标域输出的端对端泛化学习能力，得到雾天高速公路车辆跟驰模型。为对比所提样本迁移方法对LSTM模型的效用，将LSTM-TL模型与训练样本全部来源于源域的LSTM-S模型和训练样本全部来源于目标域的LSTM-T模型进行对比，LSTM-TL模型的均方误差、均方根误差和平均绝对误差比LSTM-S模型分别减小47.5%、27.7%和46.5%，比LSTM-T模型减小31.1%、17.0%和29.9%。为对比不同模型在仅有100组目标域样本时的性能，将LSTM-TL模型与Gipps、IDM、BP这3个模型进行对比，LSTM-TL模型的均方误差、均方根误差和平均绝对误差比3个模型中表现最优的Gipps模型减小18.5%、8.0%和25.9%。结果表明:直接将LSTM-S模型应用于目标域的预测，其精度不高，采用样本迁移合理可行；LCSS方法对源域样本筛选有效，由100个源域样本迁移到目标域训练得到的LSTM-TL模型的精度最高；在小样本情况下，拥有较少参数的Gipps模型预测精度优于LSTM-T或LSTM-S模型，但由于迁移学习能够从源域样本中获取知识的特性，LSTM-TL模型有着最高的精度。      

基于ATT-LSTM模型的高速公路交通事件持续时长预测

为揭示交通事件对高速公路运行状态持续时间的影响规律，研究了高速公路交通事件持续时长预测方法。考虑高速公路交通事件时间序列特性，基于循环神经网络理论，从时间序列数据中提取交通事件时间依赖关系；通过引入长短时记忆网络，结合特征、时序注意力层挖掘历史时刻信息和当前时刻数据间的相关性，构建基于注意力机制-长短时记忆网络的高速公路交通事件持续时长预测模型。以2018年西安绕城高速公路交通监测数据集为例，开展了高速公路交通事件持续时长预测模型验证，对比了所提模型与反向传播神经网络、随机森林、支持向量机、长短时记忆网络模型这4种典型算法的预测精度，并分析了事件类型、天气条件、车辆类型、交通量等不同影响因素对持续时长的影响程度。结果表明:使用同一数据集，注意力机制-长短时记忆网络预测模型的预测结果平均绝对误差为24.43，平均绝对百分比误差为25.24%，均方根误差为21.17，预测精度优于其他4种预测方法。在模型的各影响因素权重中，事件类型所占权重最大为0.375，其次分别为车道数、车辆类型、天气等；采用立交出入口小时交通量作为修正参数，可以进一步提升预测精度，预测结果的绝对误差、平均绝对百分比误差和均方根误差可分别降低21.3%、7.5%和16.9%。研究结果能进一步提高高速公路交通事件持续时长预测的精度，为公路安全高效运行提供技术支持。      

基于手机定位的高速公路事件检测方法研究

改善自动事件检测方法的检测率(DR)、误报率(FAR)和平均检测时间(MTTD),对于提高事件管理效率至关重要。在分析现有检测方法的基础上,提出基于手机定位的高速公路事件检测方法并给出一种检测算法。算法以在路车辆上每部手机的定位数据为基础,由此获取平均速度、速度标准差和速度变化系数作为特性参数,采用模糊综合评判方法判断道路交通运行状态,实现高速公路事件的自动检测。模拟实验证明了该算法的有效性。