[發明專利]一種基于隨機森林的路面平整度預測方法

在審

• 申請號: 201910497679.2
• 申請日: 2019-06-10
• 公開（公告）號: CN110318327A
• 公開（公告）日: 2019-10-11
• 發明（設計）人: 李偉;沙愛民;孫朝云;郝雪麗;李瀅瀅;戶媛姣;裴莉莉
• 申請（專利權）人: 長安大學
• 主分類號: E01C23/01
• 分類號: E01C23/01
• 代理公司: 西安恒泰知識產權代理事務所 61216
• 代理人: 王芳

本發明一種基于隨機森林的路面平整度預測方法：步驟1：對于每個瀝青路面采集路面平整度指數IRI以及路面參數的取值，得到瀝青路面樣本數據；步驟2：對每個路面參數歸一化得到訓練集；步驟3：將訓練集采用隨機森林算法進行訓練，將路面平整度指數IRI作為隨機森林算法的輸出，將路面數據作為輸入，得到訓練好的瀝青路面平整度預測模型；步驟4：采集待測瀝青路面的路面參數值，得到待測的瀝青路面數據；步驟5：歸一化操作；步驟6：用訓練好的瀝青路面平整度預測模型對待測的歸一化后的瀝青路面數據處理，得到待測瀝青路面的路面平整度。本發明建立了基于隨機森林的路面平整度預測模型，通過該模型能夠大大提高了路面平整度的預測精度。

技術領域

本發明屬于路面監測技術領域，具體涉及一種基于隨機森林的路面平整度預測方法。

背景技術

路面平整度(Road Surface Roughness)指的是路表面縱向的凹凸量的偏差值，路面平整 度是路面評價及路面施工驗收中的一個重要指標，它關系到行車的安全、舒適以及路面所 受沖擊力的大小和使用壽命。因此，路面平整度的測量工作的高效性和準確性對于路面評 價是非常重要的。

傳統的路面平整度的測量方法有三種：定長度直尺法、斷面描繪法和順簸累積法，但 這些傳統的方法在效率和準確性并不十分理想，目前，神經網絡方法來預測路面平整度成 為了主要的檢測手段，該方法在一定程度上解決了準確性的問題，但還存在以下兩方面的 問題：第一，神經網絡結構的選擇至今尚無一種統一而完整的理論指導，一般只能由經驗 選定，若網絡結構選擇過大，則訓練中效率不高，可能出現過擬合現象造成網絡性能低、容錯性下降，若選擇過小，則又會造成網絡可能不收斂。網絡的結構直接影響網絡的逼近能力及推廣性質，如何選擇合適的網絡結構并非易事。另外，無論多簡單的問題，神經網 絡的方法都需要經過成百上千次學習，這導致預測速度很慢。

發明內容

針對上述現有技術中存在的缺陷或不足，本發明的目的在于，提供一種基于隨機森林 的路面平整度預測方法，該方法采用隨機森林對瀝青路面平整度進行預測，能夠快速、精 確地對瀝青路面平整度進行預測。

為了達到上述目的，本發明采用如下的技術方案予以解決：

一種基于隨機森林的路面平整度預測方法，具體包括如下步驟：

步驟1：采集瀝青路面樣本，對于瀝青路面樣本中的每個瀝青路面，采集路面平整度指 數IRI以及路面參數的取值，得到瀝青路面樣本數據；

步驟2：對步驟1得到的瀝青路面樣本數據中的每個路面參數進行歸一化操作，得到 訓練集；

步驟3：將步驟2得到的訓練集采用隨機森林算法進行訓練，其中，將路面平整度指數IRI作為隨機森林算法的輸出，將路面數據作為輸入，得到訓練好的瀝青路面平整度預測模型；在隨機森林算法中，n_estimators的取值為407，max_depth的取值為32，min_samples_split的取值為2，min_samples_leaf的取值為1，max_features的取值為22；

步驟4：采集待測瀝青路面的路面參數值，得到待測的瀝青路面數據；

步驟5：對步驟4得到的瀝青路面數據進行歸一化操作，得到待測的歸一化后的瀝青 路面數據；

步驟6：采用訓練好的瀝青路面平整度預測模型，對待測的歸一化后的瀝青路面數據 進行處理，得到待測瀝青路面的路面平整度結果。

進一步的，所述步驟1、步驟4中所述的路面參數包括以下27種參數：