基于深度学习和虚拟模型的路面全域伤损状态自动化感知

路面全域伤损的有效感知是全面、系统地实施维护决策的关键依据。提出一种基于深度学习和虚拟模型的路面全域伤损状态自动化感知方法。该方法首先基于无人机实测数据建模生成路面虚拟实体;然后使用深度语义分割网络从实测数据中精细化地检测路面伤损;最后,将输出的伤损特征检测结果与虚拟实体数据进行匹配和UV映射,获取各个伤损在虚拟空间中的定位信息并逐一部署,得到面向路面全域的伤损状态感知模型。结果表明：在现场实测统计长为236 m,宽为20 m的实际路面区域试验研究中,充分训练的U-Net网络的平均交并比(MIoU)达到0.86,显示出对无人机采集到的路面伤损区域极佳的分割精度。建立的路面伤损状态感知模型有效感知实际存在的伤损91处,与传统的二维检测结果相比,能够更加系统地对路面全域伤损进行全局表征,便于高效地推断伤损的特征和位置信息,实现精准、动态的路面服役状态评估。     

一种修复交通流异常数据的改进KNN算法

现场采集的交通流数据经常出现错误与缺失等异常现象。为有效修复交通流异常数据,文中提出一种改进的KNN算法——相关系数-调幅权重法。该算法采用每天采集的所有数据构造固定长度状态向量,以适应异常数据随机分布的特点;采用相关系数筛选近邻指标,以满足近邻须为相似交通流的要求;采用相关系数和调幅系数对传统距离倒数权重进行修正,以克服相关系数过小和近邻距离过远带来的不利影响。基于实测交通流数据进行蒙特卡洛分析,结果表明该算法具有良好的数据修复能力,能适应近邻相关系数与欧式距离严重背离的情况。     

智能网联环境下路侧感知单元数据质量在线监测框架

智慧道路中布设的路侧感知单元可以获取全域车辆运动轨迹数据,是交通流智能管控系统、车路协同自动驾驶的重要基础,如何对其数据质量进行主动监测是道路交通运营管理部门面临的重要挑战.随着智能网联车的规模化应用,车载高精度定位与环境感知众包数据为路侧感知单元数据质量监测提供了新的思路.提出了基于智能网联车众包定位与感知数据的路侧...     

软土路基沉降与稳定监测异常数据的判别分析

鉴于分析与判断软土路基沉降与稳定监测异常数据的重要性,对软土路基沉降与稳定监测异常数据的成因进行了分析,提出了综合应用监测指标、监控预报模型、监测关系曲线作为判断路基沉降与稳定监测异常数据的评判准则,并利用相邻监测点间存在的关联性及监测点的时序性判别异常监测数据,为软土路基沉降与稳定监测提供了有效的数据分析方法。     

自动弯沉仪检测数据的正态性检验与分析

国内现行规范关于弯沉检测数据的处理及评定均以弯沉检测数据呈正态分布为前提。通过偏峰度检验法和统计分析软件SPSS对自动弯沉仪检测数据的正态分布检验,表明检测数据仅接近于而非完全正态化,而通常的异常值剔除法亦不能使弯沉检测数据正态化,说明现行弯沉检测数据的处理和评定存在一定的偏差,应在现有基础上探寻更合理的弯沉测值处理及评价方法。     

车辆修复后的性能检测

车辆维修竣工后,必须对其进行技术性能的检测,目的是通过对车辆进行外部检查和道路行驶试验,了解其维护质量,以便发现问题而及时解决。     

基于三维激光数据的水泥路面裂缝宽度检测可靠性研究

为研究三维激光点横向间距对水泥路面裂缝宽度检测结果的可靠性,文章采用室内三维激光检测系统,获取4组激光点横向间距为0.5 mm～1.5 mm的水泥混凝土裂缝试件高程数据,并建立三维模型,识别裂缝宽度并划分为3种分级水平,分析了激光横向点间距对不同严重等级裂缝宽度检测结果的可靠性及其误差变化规律。结果表明：随着激光点间距增加,裂缝宽度检测相对误差明显增大;而当裂缝宽度不断增大时,0.5 mm间距下重复检测结果的变异系数由2.62%降低至0.22%;裂缝宽度检测的绝对误差可能会高估病害严重程度等级,影响路面破损状况评价准确性。     

道路环境感知与预警系统的研究

提出了一种具有3层控制结构的车辆道路环境感知与预警系统,其中主要包含前向碰撞预警和自适应前照灯两个模块.实车道路试验结果表明,该系统能有效地增强驾驶员的感知能力并在危险时发出碰撞预警,显著提高了行车安全性.     

路侧感知车辆轨迹数据质量智能评估方法

智慧公路布设了大量路侧智能传感器,可以获取全时空车辆运行轨迹数据.然而,如何实现轨迹数据质量高效便捷的评估一直是困扰行业管理部门的难题.现有评估方法大多存在量化指标维度单一、鲁棒性较差等问题.为此,提出一种通过挖掘轨迹数据多维特征以快速评估轨迹数据质量的方法.首先基于轨迹多元信息从元素特征、时序特征和空间特征3个维度设...     

基于多源数据的单调道路环境与驾驶疲劳关系模型

为了研究单调道路环境对驾驶疲劳的影响,采用眼动仪、脑电仪等仪器设备在G109格尔木-西藏沿线开展实车驾驶试验,获取19名被试驾驶过程中的生理和驾驶行为等多源数据以及驾驶疲劳主观KSS量表,分析不同时间窗下各特征参数随疲劳程度的变化规律。采用不同海拔对应的植被等级作为单调道路环境的量化指标,将驾驶疲劳程度划分为清醒、轻度疲劳、重度疲劳3个等级,根据皮尔逊相关性和自变量共线性检验结果,选取脑电（α+θ）/β、平均眨眼持续时间、血氧含量和植被等级为自变量,驾驶人疲劳程度为因变量,建立基于有序多分类Logistic的单调道路环境与驾驶疲劳的关系模型,并分析单调环境下驾驶疲劳生成机理。研究结果表明：在高海拔单调道路环境下,短时驾驶疲劳主要与环境单调程度有关,驾驶时间并不是引起短时驾驶疲劳的主要因素;脑电α/β和心率与驾驶疲劳程度无显著相关性,脑电（α+θ）/β、平均眨眼时间与疲劳程度呈正相关,血氧含量与疲劳程度呈负相关。当植被覆盖率从较稀疏变为稀疏时,驾驶人警觉性较高,疲劳程度增加5.9%;随着植被覆盖率下降至非常稀疏状态,驾驶人会出现克服自身疲劳的情况,疲劳程度增加5.8%;当环境单调性进一步加剧,植被覆盖率降低至严重稀疏状态时,驾驶人疲劳程度明显增加,进入重度疲劳状态。研究成果可为单调道路环境下驾驶疲劳的预防奠定理论基础。     

含智能感知器件的沥青路面材料力学特性PFC数值分析

埋入式智能感知器件势必会与路面沥青混凝土材料产生交互影响,为研究器件布设深度、数目、形状以及分散情况对沥青路面材料力学特性及破坏形式产生的影响,利用PFC^2D数值模拟软件,从细观角度出发,采用离散元数值模拟的方法建立了在单轴压缩模拟试验条件下沥青试样埋入智能感知器件后的离散元模型,通过模拟沥青混凝土试样在不同影响条件的破坏模式,分析了不同路面埋设深度、器件数目、器件形状和分散状态对含智能感知器件沥青混凝土试样的力学特性及破坏形式的影响规律。研究结果表明：内含智能感知器件的沥青混凝土试样的力学特性及破坏形式受器件数目影响较大,且试验过程中产生的应力集中现象多发生于感知器件边缘与沥青混合料接壤处;器件单元的形状外轮廓会对试样裂缝的开展产生引导作用,矩形感知器件影响下的沥青混凝土试样,其破坏裂缝多呈“V”字形开展,而梯形的智能感知器件在相同的试验条件下容易诱发试样内部产生沿梯形侧边45°的斜裂缝。在各种因素影响条件下,含智能感知器件的沥青混凝土试样以3个器件在试样中呈对角分布状态时的强度最低,稳定性最差,此种分散情况会造成试样最大化程度的破坏。     

基于定点数据的道路瓶颈拥挤自动识别算法

为研究道路瓶颈处的交通拥挤现象,掌握由道路瓶颈引发的常发性拥挤的分布特点和变化规律,提出了道路瓶颈拥挤的自动识别算法.基于检测线圈历史数据,将交通状态定性划分为畅通和拥挤2种,根据瓶颈拥挤原理,识别道路瓶颈所在,并同时对由其引发的拥挤持续时长和拥挤范围进行鉴别.算法运算结果包含瓶颈定位及由其引发的拥挤持续时长和空间影响范围.以上海市南北高架路东侧10 d线圈检测数据为例,验证了算法的有效性和实用性.     

基于分布式光纤的混凝土路面振动场感知与解析

感知并解析路面振动可为智能车路系统提供健康诊断、定位循迹、风险预警等多功能服务,有效驱动路面智能化。通过优化分布式光纤器件设计与阵列布设,研发了水泥混凝土路面振动分布式感知系统;利用短时能量分析、功率谱分析等构建了振动时间-空间特征、频域-空间特征的场式表达方法;基于短时能量时空场、功率谱频空场,提出了水泥混凝土路面振动时空响应特征、全局频域特征的变维度解析方法;并于同济大学足尺试验场进行实测验证。结果表明：①荷载位置显著影响短时能量时空场,短时能量峰值坐标能灵敏地反映荷载位置变化,且相比线形光缆,由光纤环阵列组成的感知系统具有更高的空间分辨率(0.35 m);②相同荷载激振下,振动分布式感知系统与商用高精度加速度计测试结果相近(频峰识别误差小于1 Hz,空间振型置信度大于0.9),且在多点重复测试下具有较高稳定性;③面板模量显著影响功率谱频空场,模量越大前4阶频率越大,且增幅随阶次增高而愈发显著,该实测现象与理论分析吻合,且在6块板内测得相同趋势。该振动分布式感知系统能够准确、稳定地感知路面振动场时间、空间、频域信息;振动场变维度解析方法能够有效、可靠地解析时空响应特征、全局频域特征。     

基于智能交通检测数据的车型换算系数研究

为将智能交通检测数据资源应用于交通规划研究和管理决策以提高交通规划和管理水平,文中基于时空消耗法原理建立了车型换算系数模型,并通过选取10%的检测路段样本进行实际调查和对比分析,对检测数据进行校正,解决了检测数据在车型划分上与实际交通情况不符的问题;采用所建立的车型换算系数模型对检测数据进行计算,按照误差最小的原则,得出了检测数据车型与实际车型之间的换算系数,为实现检测数据有效利用提供理论基础。     

基于视频识别检测数据的机动车OD 分析

交通检测技术的快速发展为机动车 OD分析提供新思路,利用视频识别检测数据,开展 OD 模型推导研究。针对既有研究多基于交通仿真平台,对交通特性体现不全面的缺陷,研究在提出路径补充模型和 OD 补充模型的基础上,采用北京市五环内某路网检测数据进行实证分析,经精度检验获得最佳路径补充模型,并分析了检测器布设对于 OD精度的影响。     

基于大数据的智能辅助驾驶道路适用度评估

随着汽车市场朝网联化发展,主机厂可通过网联终端采集到智能辅助驾驶的行车数据,主机厂通过车联网大数据离线计算了解用户使用智能辅助驾驶功能的情况,分析智能辅助驾驶在各类路况中的适用性。汽车主机厂在研发阶段做了各路况的实车测试,但未有一套基于用户实际使用情况的评估方法。为了了解智能辅助驾驶功能在各类路况中的适用度,需要一套基于用户智能辅助驾驶数据的评估方法。本文基于车联网采集的智能辅助驾驶功能的数据,使用机器学习的方法对汽车智能辅助驾驶的道路适用度进行评估。     

桥梁感知数据的轻量化侦测与分析方法研究

随着桥梁智能感知云平台的运营,其感知数据量随时间呈线性增长.如何使感知数据轻量化并从中获取有价值的信息,以用于桥梁结构的安全评定,已成为迫切需要解决的问题.为此,以某内河航道大跨度连续刚构桥感知数据为例,探讨轻量化数据处理、分析以及数据可视化方法,以期为更好地处理、分析以及展示桥梁感知数据提供参考.     

智能网联环境下基于安全势场理论的车辆跟驰模型

为有效刻画未来智能网联环境下交通流微观跟驰行为,以更加精确地进行车辆的运动决策,建立了基于安全势场理论下的车辆跟驰模型。模型以势场理论为基础,首先阐述了交通环境中安全势场的客观性、普遍性以及可测性,然后通过引入加速度参数对既有安全势场模型进行改进,改进后的安全势场模型能够有效刻画出在不同速度、加速度值下车辆安全势场的变化趋势。在分析安全势场变化基础上,构建的车辆跟驰模型强化了加速度参数对车辆跟驰行为的影响,由于不同速度、加速度信息在智能网联环境下车辆可以实时获取,因此该模型可应用于未来智能网联环境中。此外,在模型参数标定过程中,通过对NGSIM数据进行筛选,得到含有较多减速停车以及启动加速状态的轨迹数据,共筛选得到412组NGSIM真实跟驰车对数据,并最终利用人工蜂群算法对该模型进行参数标定。为评估模型仿真效果,选择OVM模型、IDM模型与本文模型进行比较,并选取均方根误差RMSE和平均绝对百分误差MAPE为参数标定结果评价与验证的指标,结果表明,建立的基于安全势场理论的车辆跟驰模型具有良好的精度,适用于描述考虑加速度参数条件下的跟驰行为,可为今后智能网联环境下车辆微观驾驶安全决策、交通流中观安全势场分布、交通流宏观状态估计等奠定理论基础。