基于深度学习的三维路面裂缝类病害检测方法

为了在路面三维图像的基础上快速、准确、完整地识别裂缝,提出一种基于深度学习的路面裂缝类病害自动检测方法.首先,以子块图像为处理单元,将三维图像划分为裂缝面元和背景面元,其中背景面元包含了路面标线、不同纹理和桥接缝等复杂场景.根据对面元图像的分析,提出一种基于卷积神经网络的PCCNet分类模型,用于路面背景面元和路面裂缝...     

关于我国智能运输系统ITS产业化发展方向的思考

智能运输系统（ITS）是解决我国当前交通拥挤，提高道路交通安全的有效手段。本文介绍了国外智能运输系统产生的背景、智能系统发展的历史和现状，为了合理、有效地开发智能运输系统技术并使之产业化，我国政府正在加紧制定智能运输系统发展战略。论文对我国智能运输系统产业化相关的技术和政策进行了论述，并且针对我国国情提出了智能运输系统产业化的发展目标和必须的政策与措施。     

公路信号平面交叉口安全服务水平研究

为了客观评价公路平面交叉口的交通安全状况,提出了交叉口安全服务水平基本概念.分析了影响信号交叉口安全服务水平的因素,给出了信号交叉口安全服务水平评价方案.分别建立了基于机动车与机动车、机动车与非机动车、机动车与行人冲突点的安全服务水平主模型和基于交叉口几何特征、交通标志等次要影响因素修正模型,并由此得到信号交叉口安全服务水平总模型.根据多个信号交叉口的数据,把安全服务水平分为A～F等级,并验证了安全服务水平模型的合理性.应用安全服务水平模型评价实际交叉口的安全状况,得到交叉口危险度为11.7,安全服务水平为B级.评价结果表明该安全服务水平模型可以快速有效地评价信号交叉口的交通安全.     

基于改进卡尔曼滤波算法的路面构造深度计算方法

为了提高路面构造深度的测量精度,提出了基于改进卡尔曼滤波算法的路面构造深度计算方法.首先,利用统计检验法对高精度激光距离传感器获取的路面高程值进行异常值筛选及插值修正.其次,基于改进卡尔曼滤波算法对修正后的数据进行滤波,并建立平均剖面深度模型来计算路面剖面深度值.随后选取AC-13沥青混凝土和SMA-13沥青混凝土2种路面作为试验样本,对改进卡尔曼滤波算法与滑动滤波算法和铺砂法进行了对比验证,并建立了2种路面类型的构造深度转换模型.研究结果表明:对于AC-13和SMA-13两种路面类型,改进卡尔曼滤波算法的均方误差分别为0.001 3和0.002 0,平均绝对百分比误差分别为2.92%和3.85%,与铺砂法的相关系数大于0.95,重复性标准偏差及变异系数均小于5%.所提方法具有更高的测量精度和良好的稳定性,能够准确地测量计算路面构造深度.     

城郊高速公路出口匝道落地点的选位方法

提出了一种基于接入管理技术的城郊高速公路出口匝道落地点的选位方法以提高高速公路主线和地面道路交通流的畅通与安全性. 对从出口匝道接入周围的土地利用类型、地面道路和上下游交叉口的功能与等级进行了分析,确定了落地点的宏观选位方法;以此为基础,从落地点与上下游交叉口的接入窗口、接入间距和接入顺序3个方面进行了探讨,对落地点的选位进行了微观界定. 研究表明本文提出的出口匝道落地点的选位方法简单,可操作性强.     

基于多分支深度学习的沥青路面多病害检测方法

为了准确、快速地识别路面多病害,采用一种基于多分支框架的深度学习方法,提取并融合路面图像的大、小尺度特征,将路面二维图像和三维图像作为网络输入,增强病害特征.采集裂缝、条状修补、块状修补、坑槽、松散等沥青路面病害图像共计10 562张,进行人工标注.结果表明：500次训练后该方法的平均交并比为0.83,准确率和召回率的调和平均数F值为0.90,优于U-net、PSPNet、DeepLabv3+等方法;在单一类别上,对条状修补、坑槽、松散、桥接缝等分割效果最优,对裂缝、块状修补的识别展现出较强的鲁棒性;所提方法的识别效果高于仅使用单一输入或者单一分支的方法.因此,双通道和多分支的设计方法可以显著提升网络对多类别路面病害的识别精度.     

基于语义分割模型的三维沥青路面车辙异常分析方法

车辙深度是路面状况评价和道路养护的一个重要指标。现有车辙深度测量方法未考虑复杂路况下坑槽、松散、裂缝和桥梁接缝等对车辙计算的影响,其有效性和适用性受到了限制,测量结果的真实性也有待进一步验证。有鉴于此,文中提出了一种基于语义分割模型的沥青路面车辙异常检测与校正方法。采用三维线激光技术采集道路横断面高程数据,利用包络线算法提取车辙深度。对于最大车辙深度超过10 mm的横断面,搭建基于深度学习的语义分割框架,提出改进的DeepLabV3+网络对病害类型进行自动辨识和像素定位,并结合最大车辙深度高程点,设计基于拉格朗日插值的校正规则来对异常车辙进行校正。研究结果表明,改进的DeepLabV3+模型能较为准确地识别和定位造成车辙检测异常的路面病害,其对5种路面特征和病害的综合检测准确率达81.63%,在均交并比（MIoU）和大部分交并比（IoU）上的表现均优于U-Net、PSPNet、DeepLabV3+模型。现场验证结果表明,文中方法不仅能够自动分析车辙异常的原因,还能通过对异常车辙的校正排除其他病害的影响,从而较大程度地还原实际车辙深度水平。文中研究成果可为路面预防性养护提供科学数据支撑。     

考虑病害三维特征的沥青路面车辙异常检验方法

针对复杂路况下车辙深度异常或横断面数据不完整的问题,提出了基于病害三维特征的路面车辙异常检验方法.首先,对三维图像中激光点异常值进行筛选及修正,利用横断面深度数据应用包络线算法提取最大车辙.考虑到裂缝、坑槽和拥包对车辙提取存在误判,利用三维高程数据建立病害种子检测模型以自动提取裂缝、坑槽和拥包种子点.测试结果表明,车辙深度相对误差小于7%,车辙深度测量重复性小于4%,包络线算法结果与人工测量值的相关系数高达0.999 2.在车辙异常检验中,裂缝种子识别模型准确率和召回率的均值分别为92.18%和84.79%,且F值为88.33%,优于支持向量机及改进的Canny方法.坑槽及拥包种子识别模型检测正确率大于95%.所提方法不仅能高效地提取车辙深度,而且能准确地检验造成车辙检测异常的其他病害.     

快速路交通事件检测方法

为了提出一种适用于任何流量并具有较高检测率和较低误警率的快速路交通事件检测算法,以统计理论、突变理论为基础,设计了事件影响指数检测算法.利用交通量数据,检验纵向时间序列与横向时间序列上流量的波动性和正态拟合性;分析事件数据与非事件数据的差异,得出交通事件数据变化特征.分析结果表明:纵向时间序列的波动性和正态拟合性优于横向时间序列;事件数据具有多模态、不可达、突跳等突变性特征.该算法误警率为0,检测率比经典的Cali-fornia算法高出10%.不同流量下的检测效果对比表明,该算法适用于各种流量,低流量状态下的检测效果更好.     

城市轨道交通客流加权复杂网络分析

本文以上海轨道交通网络为例,使用复杂网络理论构建拓扑网络并以断面客流为权重分析了节点强度、加权最短路径等指标及其分布规律,定量计算各个站点对于蓄意攻击的脆弱性,以鉴定对网络连通度影响最大的关键站点.仿真结果表明,上海轨道交通网络节点强度服从幂律分布,网络加权平均最短路径长度较大,连通性有待提高.面对蓄意攻击时,上海火车站、曹杨路和镇坪路作为关键节点对网络效率和网络最大连通子图的影响都较大,应在运营中加强保护.