[發明專利]一種智能網聯環境下基于車輛編隊的道路損傷檢測方法

在審

• 申請號: 202010427274.4
• 申請日: 2020-05-19
• 公開（公告）號: CN111666833A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 李林超;朱家松;鄒亮;劉翰林;杜彥良
• 申請（專利權）人: 深圳大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06N20/20
• 代理公司: 廣州粵高專利商標代理有限公司 44102
• 代理人: 張金福

本發明提供一種智能網聯環境下基于車輛編隊的道路損傷檢測方法，包括步驟：S1：人工采集道路損傷圖片和對應的非損傷圖片；S2：將數據集中70％數據作為訓練樣本集，剩余數據作為測試樣本，采用網格搜索算法優化模型參數；S3：將訓練的模型植入車輛導航系統中，在車輛上安裝道路路面圖像采集設備，將采集的圖像輸入模型，輸出結果；S4：結果集成：道路管理中心實時獲取車隊所有車輛的輸出結果；該方法可以準確識別道路損傷，為道路運營養護提供參考，并且可以節約檢測的成本。

技術領域

本發明涉及智能交通領域，更具體地，涉及一種智能網聯環境下基于車輛編隊的道路損傷檢測方法。

背景技術

目前我國高速公路里程已超過14萬公里，居世界第一。隨著建設年限的不斷增加，高速公路開始出現各種病害，造成不同程度的道路損傷，從而直接影響駕駛員行駛的安全性和舒適性。為了能夠及時的發現道路損傷，及時進行修復，保證道路的良好使用性能。傳統的人工檢修方法需要管理部門投入了大量的人力、財力和物力，而且檢測精度存在一定的偏差。

隨著IT技術和通訊技術的不斷發展，自動化檢測技術開始被應用于道路損傷檢測工作中，眾多研究機構和企業研發了自己的檢測車，并得到了商業化的應用。但是，專業的檢測車價格昂貴，而且檢測效率較低，尤其是在交通量較大的路段，還會影響道路交通的正常運行。總的來說，道路損傷檢測十分重要，目前的檢測技術無法滿足實時、自動化的高效率檢測。因此，結合新興技術，提供一種自動高效的道路損傷檢測方法十分必要。

發明內容

本發明提供一種智能網聯環境下基于車輛編隊的道路損傷檢測方法，利用駕車出行的車輛組成的車隊，實現實時、自動化的高效率檢測道路損傷。

為解決上述技術問題，本發明的技術方案如下：

一種智能網聯環境下基于車輛編隊的道路損傷檢測方法，包括以下步驟：

S1：采集道路損傷圖片和對應的非損傷圖片，并將損傷圖片和非損傷圖片以數字的形式導入數據庫存儲形成數據集，將損傷圖片標記為1，對應的非損傷圖片標記為0；

S2：將S1的數據集中的一部分數據作為訓練樣本集，剩余數據作為測試樣本集，利用訓練樣本集和測試樣本集進行模型訓練，得到訓練好的模型，所述模型用于識別道路損傷；

S3：將訓練好的模型植入車輛導航系統中，在車隊車輛上安裝道路路面圖像采集設備，所述道路路面圖像采集設備采集車輛行駛的道路路面圖像，將采集的道路路面圖像輸入模型中，模型輸出識別結果0或1，0對應非損傷，1對應損傷；

S4：實時獲取車隊所有車輛的模型的輸出識別結果，若輸出1的個數大于等于輸出0的個數，則輸出結果道路路面發生損傷；若輸出1的個數小于輸出0的個數，則輸出結果路面正常。

優選地，步驟S1中道路損傷圖片和對應的非損傷圖片的比例為1:1。

優選地，步驟S1中損傷圖片中的道路損傷包括但不局限于裂縫、車轍等道路變形。

優選地，步驟S1中采用人工采集方法采集道路損傷圖片和對應的非損傷圖片，所述人工采集方法包括手機拍照和相機拍照。

優選地，步驟S1中的數據庫為EXCEL、Access、Oracle、MySQL中的其中一種，也可以是其它數據庫。

優選地，步驟S2中將S1的數據集中的70％數據作為訓練樣本集，訓練樣本集損傷圖片和對應的非損傷圖片的比例為1:1。

優選地，步驟S2中利用訓練樣本集和測試樣本集進行模型訓練中，采用網格搜索算法優化模型超參數。

優選地，步驟S2中采用網格搜索算法優化模型超參數，具體為：