路面破损检测的自动定位技术探讨

路面破损检测自动定位技术为路面的修整提供了技术支撑，为路面的持续运行提供了保证。以传统的路面破损检测方式为基础进行分析，明确了传统路面破损检测技术中存在的问题，而后提出了自动定位检测系统，为公路路面的检测和维修提供了技术帮助，同时也为类似路面破损检测的自动定位技术提供了可供参考的经验。     

沥青路面养护管理关键性技术

沥青路面破损的分析破损分类 路面修复必须对症下药．根据不同的病害，找出病害的原因．才能选择不同的修补工艺及配备相应的设备。沥青路面在外力作用下逐步损耗是必然现象．但早期的、不规则的损坏导致路面破损则是一种病害。根据造成破损的原因、病害的严重程度和几何形状的不同，各国对路面破损有不同的分类方法。     

改性沥青基本性能浅析

黑龙江省属于高寒地区，近几年来黑色路面几乎无人问津，一度呈停滞状态。原因是黑色路面破损严重，地产石料多偏酸陛，与沥青结合不好。更有偏见认为黑龙江人不该修黑色路面，于是白色路面突飞猛进地发展起来，几年过去了，由于耐不住寒冷，也因染了地方病而失宠。     

基于神经网络的沥青路面破损图像识别研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法.将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征.设计了基于BP神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果.并将路面破损图像子块分布特征作为路面破损图像的整体特征,在此基础上设计了基于全局优化算法的路面破损前馈神经网络分类器.最后进行了路面破损图像识别试验,识别率达到96.7%.     

路面破损图像自动处理技术研究进展

总结了路面破损图像自动处理技术的重要研究成果, 分析了该领域关键技术的研究进展, 包括路面破损检测系统、图像处理算法和识别算法评估; 比较了不同路面破损检测系统与目标自动识别算法的检测精度和适用性, 给出了路面破损图像自动处理技术未来可能的主要研究方向。研究结果表明: 在路面破损检测系统方面, 从早期基于摄影技术的图像采集到目前的3D激光扫描技术, 路面图像采集技术更加便捷和高效, 但破损图像自动分析和目标自动识别算法仍然存在挑战; 在路面破损图像处理算法方面, 传统的路面裂缝目标分割算法已由过去的基于单一特征(灰度、边缘形状等) 的检测方法演化到多特征融合检测方法和图优化检测方法, 还出现了一些精细化的裂缝目标连接与恢复算法, 大幅提高了裂缝检测精度, 但需要的计算资源和人工先验知识库也随之不断增大; 在路面裂缝处理算法评估和比较方面, 主要利用人工分割来评价自动识别结果, 目前迫切需要建立一个面向全球开放的大型路面破损图像数据库, 以客观、有效地评估现有各种路面破损图像处理算法; 基于2D图像特征分析的路面破损图像自动识别算法很难在识别精确性、算法通用性和实时性方面同时取得最佳效果; 近年来, 大量学者开始尝试借助深度学习神经网络自动识别路面破损, 但该技术仍处于活跃的演进过程中; 在提高路面破损自动识别精度和效率方面, 3D激光扫描技术和基于人工智能的深度学习技术的发展将对未来路面破损图像自动识别技术的最终突破产生重大推进作用。     

水泥混凝土路发生断裂破损的因素

黑河市经济合作区，于1992年修建了近20km水泥混凝土路面。水泥混凝土路面具有强度高、刚度大、稳定性好、平整、粗糙、环保等优点。但是水泥混凝土路面破损后维修难度大，养护期长并影响交通，维修造价高。所以，探讨研究水泥混凝土路面发生破损原因，对预防混凝土路面的破损有很大意义。     

水泥砼路面使用性能预测模型

根据水泥砼路面使用性能的具体特点，本文针对水泥砼路面使用性能的三个主要指标：路面状况指数ＰＣＩ，破损率ＰＳＮ和实测平整度方差ＰＺＤ，采用回归分析的方法，建立了在不同交通和结构条件下使用性能随年份变化的预测模型。     

旧水泥砼路面破损状况合理评价体系

旧水泥砼路面的评价对采取正确的路面养护和维修措施具有重要的作用．本文通过对现行的旧水泥砼路面破损评价的方法和各种方法所采用的指标的对比，指出现行评价方法的优点和存在的不足，并提出了模糊评价方法和指标，以对水泥砼路面破损状况进行更为客观合理的评价，建立合理的评价体系，为采取合理的水泥砼路面修补措施提供理论依据.     

山区公路大纵坡特殊路面结构研究

对大纵坡路段路面破损的主要原因进行了分析,提出了路面破损的解决措施。通过对试验路路面结构方案技术指标、施工难度、路面耐久性及经济性的对比,推荐了两种路面结构组合形式,能够较好地解决山区公路在纵坡坡度及长度较大(简称"大纵坡")路段的路面损害问题。     

104国道水泥混凝土路面破碎板修复施工工艺探讨

论述了混凝土路面破损的主要原因，详细描述了破损路面的修复办法和工艺。     

冲击压实技术在水泥混凝土路面修复中的应用

水泥混凝土路面破损修复和改建是近年来国内研究的一大课题。文章以铺筑试验路段为例，介绍了冲击压实技术在处理旧水泥混凝土路面中的应用以及冲击压实技术效果分析。     

神经网络在路面使用性能评估中的应用

应用神经网络BP算法原理，建立评估路面状况指数PCI的模型。通过平整度和路面破损率数据的学习，预测了路面破埙指标PCI，并把神经网络模型和回归模型进行了比较，证明了神经网络模型在路面使用性能评估中有更好的应用前景。     

水泥混凝土路面破损原因及修复技术研究

对水泥混凝土路面常见破损类型及产生原因进行了分析,介绍了路面破损修复技术,提出路面破损修复材料技术要求。     

破损路面对城市道路路段通行能力的影响

为了准确评价路面破损条件下的道路通行能力,有必要探讨破损路面对道路通行能力的影响。选取路面车辙深度、裂缝率、坑槽宽度和修补率作为破损路面状况的评价指标,给出了基于灰色聚粪分析方法的破损路面状况评价方法。应用该方法对调查路段的破损路面状况进行等级划分,并基于不同破损路面状况等级路段调查的交通流参数,分析破损路面对饱和车头时距和平均行程车速的影响。引入破损路面修正系数的概念,得到不同破损路面状况等级对应的路段通行能力修正系数,并给出不同破损路面状况等级对应的城市道路路段通行能力推荐值。     

浅谈路面无破损检测技术的新发展

综合介绍了国内外在路面使用性能无破损检测上的最新技术及相关的研究，并讨论了其未来的发展趋势。     

基于行车记录仪的高速公路路面状况巡查及报警系统

为解决目前路面破损状态自动检测采用专用摄影检测车检测费用高、检测结果需要专业软件分析不易普及应用的问题,提出一种基于行车记录仪的路面破损状况识别方法。以行车记录仪采集的视频图片、GPS数据为基础,建立基于行车记录仪图片的高速公路路面状况巡查及报警系统,实现路面破损状况识别及报警。系统利用行车记录仪采集的图片,基于卷积神经网络的深度学习算法,实现路面的破损自动识别;利用行车记录仪GPS定位数据以及GIS电子地图,实现行车记录仪图片的GIS地图实时显示及报警。     

水泥砼路面热熔标线早期破损的原因及对策

根据山西京大高速公路水泥混凝土路面热熔标线的破损情况，进行了原因分析并提出了对策。     

三种路面破损分类算法的仿真比较

路面破损分类是制约路面破损自动检测的发展和普及的重要因素之一。本文在前文提出的破损密度方法的基础上,提炼出两种基于密度因子方法的算法——基本密度因子算法和方向密度因子算法,并通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性。文中作为对照的方法是由美国Lee,Byoung Jik博士提供的PROXIMITY算法。仿真结果表明：1)三种路面破损分类算法中,方向密度因子算法对5种常见路面破损类型的整体识别效果最好;2)对于常规算法最难区分的块状裂缝和龟状裂缝,基本密度因子的算法的识别效果最好。这充分验证了前文中我们提出的基于破损密度因子的路面破损分类方法的可行性和优越性。     

基于混合密度因子的路面破损自动识别研究

路面破损分类成为限制路面破损自动检测的普及和发展的重要因素．本文在已提出的破损密度因子算法的基础上,进一步设计出了混合密度因子,得到一种基于图像子块分布特征的路面破损识别算法．通过仿真,验证了其对常见的5种路面破损类型进行分类的可行性,并选择了另外一种路面破损分类算法来进行神经网络仿真对比．神经网络的训练样本是两组,测试样本也是两组,进行了四次仿真对比．四次仿真结果都显示混合密度因子算法有很高的识别率．     

基于AHP-TOPSIS的山区低等级公路路面破损评价方法

以山区低等级公路路面为研究对象,依据不同种类路面的破损危害性不同,拟在公路路面评价中提出路面破损指数概念,对山区低等级公路路面破损程度进行综合评价。所用模型是利用层次分析法(AHP)对不同种类的路面损毁危害性进行赋权,并利用逼近理想解排序法(TOPSIS)计算山区低等级公路路面破损程度与最优情况的贴近度,进而将山区低等级公路路面破损情况转化成区间为[0,1]的路面破损指数,其中路面破损指数越大表示路面的破损程度越高。此模型方法简单,能够运用少量数据对山区低等级公路路面的破损程度进行定量评价,可为山区公路的养护工作提供更准确的数据参照。