[發明專利]路面技術狀況預測方法、裝置、電子設備及存儲介質

在審

• 申請號: 202011041591.9
• 申請日: 2020-09-28
• 公開（公告）號: CN112241808A
• 公開（公告）日: 2021-01-19
• 發明（設計）人: 陳斌;侯蕓;康子莊;董元帥;張艷紅;代聰;周晶;李建偉;田佳磊;周榮征
• 申請（專利權）人: 四川省交通運輸發展戰略和規劃科學研究院;中國公路工程咨詢集團有限公司;中咨公路養護檢測技術有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/00;G06Q50/26;G06N20/00
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 馬瑞

1.一種路面技術狀況預測方法，其特征在于，包括：

獲取與路面技術狀況有關的路面技術等級數據、路面類型數據和路面養護數據；

將所述與路面技術狀況有關的路面技術等級數據、路面類型數據和路面養護數據輸入至路面技術狀況預測模型，得到與所述路面技術狀況對應的預測分值；

根據所述路面技術狀況對應的預測分值，確定所述路面技術狀況；

其中，所述路面技術狀況預測模型為采用樣本路面的與路面技術狀況有關的路面技術等級樣本數據、路面類型樣本數據和路面養護樣本數據作為輸入數據，以及，采用與所述樣本路面的路面技術狀況對應的預測分值作為輸出數據，基于機器學習算法進行訓練得到的。

2.根據權利要求1所述的路面技術狀況預測方法，其特征在于，還包括：

對所述與路面技術狀況有關的路面技術等級數據、路面類型數據和路面養護數據進行預處理；

其中，所述預處理包括利用神經網絡對與路面技術狀況有關的路面技術等級數據、路面類型數據和路面養護數據進行異常值修復，得到與路面技術等級數據、路面類型數據和路面養護數據對應的可靠數據集；

對所述可靠數據集進行歸一化處理。

3.根據權利要求1或2所述的路面技術狀況預測方法，其特征在于，所述路面技術狀況預測模型為采用樣本路面的與路面技術狀況有關的路面技術等級樣本數據、路面類型樣本數據和路面養護樣本數據作為輸入數據，以及，采用與所述樣本路面的路面技術狀況對應的預測分值作為輸出數據，基于機器學習算法進行訓練得到的，具體包括：

獲取樣本路面的與路面技術狀況有關的路面技術等級樣本數據、路面類型樣本數據和路面養護樣本數據；

將所述樣本路面的與路面技術狀況有關的路面技術等級樣本數據、路面類型樣本數據和路面養護樣本數據按預設比例分為初始訓練數據集和測試數據集作為樣本輸入數據，按照第一關系模型，采用所述初始訓練數據集和所述測試數據集不重疊變化更新的策略對路面技術狀況預測模型進行訓練，以及，采用與所述樣本路面的路面技術狀況對應的預測分值作為輸出數據，直至與所述樣本路面的路面技術狀況對應的預測分值滿足預設訓練結束條件，確定路面技術狀況預測模型；

其中，所述第一關系模型包括：

其中，表示訓練樣本x_i的訓練誤差，Ω(f_k)表示第k顆樹的正則項，K表示樹的總個數，f_k表示第k顆樹，表示訓練樣本x_i的預測結果，x_i表示訓練樣本，Obj(θ)表示損失函數，n表示訓練樣本的總個數，i表示第i個樣本，y_i表示訓練樣本x_i的真實值。

4.根據權利要求2所述的路面技術狀況預測方法，其特征在于，所述對所述可靠數據集進行歸一化處理，具體包括：

按照第二關系模型，對所述可靠數據集進行歸一化處理；

其中，第二關系模型包括：

其中，x^*表示已處理值，x表示待處理值，min為待處理值的最小值，max為待處理值的最大值。

5.根據權利要求3所述的路面技術狀況預測方法，其特征在于，還包括：

根據第三關系模型，采用復相關系數、均方根誤差及平均絕對值誤差對所述路面技術狀況預測模型的預測效果進行評估；

其中，所述第三關系模型包括：

其中，R²表示復相關系數，RMSE表示均方根誤差，MAE表示平均絕對值誤差，i表示第i個樣本，f_i表示第i個樣本的預測值，y_i表示第i個樣本的真實值，表示所有真實值的平均值，N表示樣本總數。