[發明專利]一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法

在審

• 申請號: 201911296409.1
• 申請日: 2019-12-16
• 公開（公告）號: CN111160735A
• 公開（公告）日: 2020-05-15
• 發明（設計）人: 陳浩波;金偉松;江華偉;曹燕;舒振宇;王鋼;楊思鵬;金海容;隆威
• 申請（專利權）人: 寧波市市政設施中心;浙江大學寧波理工學院
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06N3/04;G06N3/08
• 代理公司: 北京慕達星云知識產權代理事務所(特殊普通合伙) 11465
• 代理人: 曹鵬飛

本發明公開了一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，在通過橋頭之前的普通路段，車輛的前進方向與豎直方向的加速度變化較為平穩，在通過橋頭時車輛前進方向加速度變化幅值不大，但是豎直方向加速度變化幅值迅速上升，則表明橋頭跳車對車輛豎直方向運動影響遠比水平方向運動影響大。因此根據采集的大量的車輛通過多個橋頭的前進過程中的加速度數據結合LSTM遞歸神經網絡進行網絡訓練，獲得遞歸神經網絡LSTM模型，通過該模型對待測路段進行橋頭跳車檢測，能在最短時間內自動檢測出是否存在橋頭跳車現象，便于專業人員快速定位問題路段并及時維護，從而大大增強橋梁道路的安全性。

技術領域

本發明涉及工程檢測技術領域，更具體的說是涉及一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法。

背景技術

橋頭跳車，是由于公路橋頭及伸縮縫(橋頭引道)處的差異沉降或伸縮縫破壞而使路面縱坡產生臺階，引起通過的車輛產生跳躍的現象。橋頭跳車直接影響車輛行駛安全和舒適性，損害橋臺和路基路面以及損傷車輛底盤，嚴重的將導致交通事故。因此，橋頭跳車問題已成為高等級公路的工程質量和造價的重要影響因素，一直是困擾市政管理工程技術人員的難題之一。

橋頭跳車問題主要包括由引道縱向不均勻沉降引起的“錯臺”和“縱坡突變”兩類。錯臺類主要是由剛性橋面結構物與柔性橋面連接處不均勻沉降形成錯臺所致。車輛行駛經過錯臺區，車內人員會產生一瞬間的不適，并對路面和車輛輪胎產生沖擊，錯臺越高沖擊越大，增加車輛機械磨損和輪胎損耗?？v坡突變類橋面兩端無明顯錯臺，在橋臺和路基路面連接處附近道路沉降量劇烈變化，使得車輛通過時發生顛簸。

目前，世界各地學者對橋頭跳車的研究很不完善，研究成果集中在修復方法，對于橋頭跳車的檢測方法較少，而橋梁建設質量問題直接影響行車安全，對橋梁建設質量問題的及時檢測和維修對保證行車安全具有重要意義。

因此，如何實現橋梁是否存在橋頭跳車現象的準確檢測以保證行車安全是本領域技術人員亟需解決的問題。

發明內容

有鑒于此，本發明提供了一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，采用的原理是與橋頭之前的普通路段相比，車輛在經過橋頭時前向加速度變化較為穩定，但是豎直方向加速度變化波動較大，這表明橋頭跳車對車輛豎直方向運動影響遠比水平方向運動影響大。因此根據采集車輛前進過程中的加速度數據結合LSTM遞歸神經網絡進行橋頭跳車檢測，能在最短時間內自動檢測出橋頭跳車，便于專業人員快速定位問題路段并及時維護，從而大大增強橋梁道路的安全性。

為了實現上述目的，本發明采用如下技術方案：

一種基于LSTM遞歸神經網絡的橋頭跳車檢測方法，包括如下具體步驟：

步驟1：采集大量的車輛經過若干橋頭時的加速度數據，所述加速度數據包括前向加速度和豎向加速度，對所述加速度數據進行標簽標記，整理得到一個二維加速度序列；其中，所述車輛經過若干所述橋頭時根據道橋行業中判斷橋頭跳車的標準獲得發生橋頭跳車現象的時間片段根據所述時間片段對所述加速度數據進行所述標簽標記，存在所述橋頭跳車現象的時間段內的所述加速度數據標記為標簽1，對不存在所述橋頭跳車現象的時間段內的所述加速度數據標記為標簽0，獲得訓練樣本；每個所述訓練樣本包含所述車輛經過當前所述橋頭時的所述二維加速度序列和所述標簽；

步驟2：將所述訓練樣本所述二維加速度序列采用LSTM遞歸神經網絡進行訓練學習，得到遞歸神經網絡LSTM模型Q；

步驟3：采集在待檢測橋頭上所述車輛行駛的待檢測加速度數據，獲得待檢測加速度序列；

步驟4：將所述步驟3中的所述待檢測加速度序列輸入到所述步驟2中的所述遞歸神經網絡LSTM模型Q中，獲得所述待檢測加速度序列中每一列對應的所述標簽；由所述標簽判斷所述待檢測橋頭是否存在橋頭跳車，如果所述標簽為1則當前所述待檢測橋頭存在所述橋頭跳車現象，所述標簽為0則當前所述待檢測橋頭不存在所述橋頭跳車現象。