破损路面对城市道路路段通行能力的影响

为了准确评价路面破损条件下的道路通行能力,有必要探讨破损路面对道路通行能力的影响。选取路面车辙深度、裂缝率、坑槽宽度和修补率作为破损路面状况的评价指标,给出了基于灰色聚类分析方法的破损路面状况评价方法。应用该方法对调查路段的破损路面状况进行等级划分,并基于不同破损路面状况等级路段调查的交通流参数,分析破损路面对饱和车头时距和平均行程车速的影响。引入破损路面修正系数的概念,得到不同破损路面状况等级对应的路段通行能力修正系数,并给出不同破损路面状况等级对应的城市道路路段通行能力推荐值。

基于元胞自动机的破损路面车辆换道仿真

针对路面破损条件下,驾驶员为获得更高行驶效益而进行车道变换的现象,以元胞自动机Na Sch模型为基础,引入慢启动规则和换道规则,建立路面破损条件下双车道车辆微观换道模型。以换道需求、车道选择、间隙检测和换道执行4个过程确立仿真流程,对不同路面破损条件下的驾驶员特性、交通流特性和车辆换道特性进行仿真分析。从车辆运行角度对路面破损等级进行划分,依据效用理论计算车辆在不同车道上的行驶效益,建立车辆车道选择模型,并定义换道系数,分析单块路面破损对车辆换道行为的影响。基于驾驶员的行为差异,在仿真过程中将驾驶员分为冒险型、机敏型、谨慎型和迟缓型4类,通过设置仿真参数,对不同类型驾驶员在路面破损条件下的行为特性进行分析。结果表明:换道系数随路面破损等级的增加而不断增大,破损等级越高,车辆在破损路段行驶的效益越低,进一步增大驾驶员进行车道变换的概率,能够很好地模拟路面破损对车辆换道行为产生的影响。冒险型驾驶员在中密度区的换道率最高,随着路面破损程度的增加,车辆换道率和行驶速度方差随之增大,说明破损路面会降低车辆行驶效益,加剧换道行为的产生,同时增加车辆行驶速度的波动性,对交通流正常运行产生一定干扰,不利于行车安全。

薄层水泥混凝土修补破损路面的方法研究

随着国家经济建设的快速发展和公路运输的繁忙,公路的破损现象越来越多,所以如何实现道路的快速的维修和抢修,已成为道路工程值得一个研究的问题,再结合十几年工程实践经验,提出破损路面的修补方法,以供参考。

高速公路破损路面的最高车速限制

利用实测数据,用回归分析方法建立了乘客不舒适感量化指数与车速、平整度标准差及路面状况指数的关系模型.根据计算结果,提出了高速公路对应不同路面状况的最高车速限制取值的建议.

薄层水泥混凝土修补破损路面的方法研究

结合十几年工程实践经验,给出了破损路面的修补方法.采用的混凝土配合比和用料计算,还介绍了修补试验和注意事项.

望花区城建局耗资2万修复破损路面方便百姓出行

家住抚顺市望花区营口路昌图街洗化小区的陈先生一出门就发起愁来,因为他家所在小区东门前由于两年前的管道施工将地面挖开了,可两年过后,依旧无人回填、修复,小区居民每每出门都像翻山越岭,于是他在民心网上反映了此事,并留言希望有关部门的领导在百忙之中予以重视,修复好因施工挖开的路面,并表示了谢意。接到此件诉求后,望花区城建局的领导非常重视,立即调查处理。经查,陈先生反映的问题基本属实。2012年春天。

改进的公路破损路面图像分割CV模型

针对传统Chan-Vese(CV)模型对公路路面破损图像分割的局限性,将图像梯度信息引入CV模型,利用路面破损区域纹理与背景的不同,对图像进行分割。引入梯度阈值,将图像的灰度信息和纹理信息相结合,从而使分割方法更具灵活性。实验结果表明,改进的CV模型比传统CV模型具有更好的分割效果。

基于NAR-ARIMA组合模型的高速公路沥青路面破损状况预测

基于NAR神经网络模型和ARIMA传统时间序列预测模型,对高速公路沥青路面的破损状况进行预测,再分别通过最优加权法和残差优化法对两种预测模型进行组合,得到两种组合模型.对各单一模型和组合模型的精度和稳定性进行了比较分析.实例分析表明,组合模型相较于单一模型的精度和稳定性均有所提升,NAR-ARIMA最优加权组合模型预测效果最佳.该组合模型所需样本量较小,且基于时间序列.由于采用历史数据作为影响因素代替指标,该组合模型计算速度快、精度高,适用于日常的预测工作,为后续合理的道路养护决策提供了重要的理论依据.

车载式路面破损检测系统的可靠性分析

路面破损检测技术的应用发展,已经逐步由自动化检测技术代替常规的人工检测,比如现在市场上见到的车载式路面破损检测系统,但是该技术在应用过程中会出现与实际路面病害不符的情况;本文从这一问题出发,首先简要介绍路面破损检测技术及其发展,路面损坏评价方法,并通过实际的道路评估项目,把车载式路面破损检测系统与人工检测的检测结果进行对比,分析不同检测技术下的路面状况指数,判断车载式路面破损检测技术实际应用的可靠性。

基于深度学习的公路路面破损检测识别方法

路面破损是影响路面性能的主要因素,其中路面裂缝又是破损中最主要的病害形式,所以,准确检测裂缝并进行及时修复是道路养护中的一个重要课题。采用深度学习的方法,提出了一种路面破损自动检测识别的综合模型。运用路面破检测识别网络对破损裂缝进行检测识别,分类后获得裂缝的类别置信度;利用改进的破损分割网络对路面破损裂缝进行精确分割;结合两种网络的优势提出路面破损检测识别综合模型。整体模型通过优化模型参数和改进网络结构,提高了路面破损的分类精确度和分割效果。与传统的单一模型相比,提出的综合模型不仅能提供路面破损的类别信息,还能提取路面主要裂缝的骨架信息,对于路面养护工作有一定的实用价值。

改进型VGG算法对小样本路面破损的分类识别

为解决小样本沥青路面破损图片在分类识别中存在的识别精度差的问题,选择常见的5种路面破损类型,提出了一种基于VGG的浅层深度卷积神经网络模型的路面破损图像分类方法.首先,将采集到的图像集进行预处理并自制成数据集.其次,设置三种不同的批处理量尺寸和两种不同的网络层数作训练,选择最适合该网络模型的尺寸,得到浅层VGG模型.将处理后的路面图片直接作为模型的输入,作模型的训练、验证及测试.最后,将模型试验结果与支持向量机及目前主流的深度卷积神经网络模型的试验结果进行对比.结果表明:浅层VGG模型在训练集、验证集及测试集的分类准确率接近,对路面破损图像的分类识别准确率都达到98%以上,表现出模型良好的识别能力;与支持向量机及目前主流的网络模型试验结果相比,浅层VGG网络模型训练耗时少且泛化能力更强,模型提取到的特征更丰富,可获得更加全局的信息.可见,浅层VGG模型在对小规模图像的分类识别中具有显著优势,同时相比其他方法更具鲁棒性,结果更精确.

基于改进SSD算法的路面破损检测

针对路面破损图像检测精度低、速度慢等问题,提出一种基于改进SSD的路面破损检测算法。该算法利用经过改进的Inception模块,使其替代SSD网络中的Conv4_3、FC7、Conv8、Conv9和Conv10层;针对路面裂缝、凹陷图像检测识别率低的问题,使用空洞卷积,在不丢失分辨率的情况下扩大感受野,提高浅层特征图对目标物体的特征提取能力。为使网络可以根据输入信息的多个尺度自适应调节接受域大小,在特征提取层引入SKNet。实验结果表明,改进后的方法在自制的路面特征数据集上的平均精度为89.52%,检测速度达到56.23 FPS,较改进前的算法在精度和检测速度方面分别提高了6.07%和13.21 FPS。基于SSD的改进算法不仅能有效识别路面破损特征,而且能有效提高识别速度并提升识别效率。

基于E-HRNet的路面破损区域识别方法

针对现有路面破损区域识别方法识别效率低、泛化性能差等问题,提出了一种基于深度高分辨率网络HRNet的路面坑槽和裂缝识别方法.采用车载单目相机实地采集路面坑槽和裂缝图像,并对图像进行预处理和标注,生成路面破损数据集.在原HRNet基础上,对其网络特征提取层的4个不同分辨率表征分别融合改进的卷积注意力模块,形成E-HRNet网络模型.为了提高EHRNet模型的推理速度,对其各步骤中不同分辨率分支的残差层数进行了优化,并采用联合损失函数对该模型进行监督训练.试验结果表明:E-HRNet网络模型对路面坑槽和裂缝区域分割的平均像素精度和平均交并比分别达到了94.53%和88.31%,与原HRNet网络模型相比,平均像素准确率增加了6.53%,平均交并比提升了5.38%,平均类别准确率提高了1.39%;模型检测帧率提高了30.3%,而模型体积则减少了42.6%,可满足模型轻量化和实时检测的需求;与DDRNet、Deep⁃labV3+等同类模型相比,E-HRNet网络模型对坑槽和裂缝区域的分割精度更高,有效地避免了漏检、误检以及边界模糊等问题的出现,具有更好的实时性和泛化性.

基于YOLOv7与Jetson Orin的路面破损检测系统的设计与实现

道路破损对于道路安全有着巨大威胁,准确检测道路破损对道路养护修缮具有重要意义。针对人工检测方法检测效率低、成本高,国内外公司开发的商用路面检测系统成本高、性价比低的等问题,文章设计并实现一种基于YOLOv7模型与边缘检测设备Jetson Orin的路面破损检测系统,通过USB摄像头或工业相机采集道路图像,边缘计算设备Jetson Orin进行图像处理,利用YOLOv7模型进行路面破损检测,可检测出裂缝、井盖、坑槽、修补四种类型的缺陷。系统体积小,成本低、性能强、算法准确率高,可部署在普通的家用汽车进行道路缺陷实时检测。

旧水泥混凝土路面加铺沥青层施工工艺

随着社会经济的迅速发展,公路交通事业面临着日益严重的挑战。尤其是对于一些早期修建的水泥混凝土路面工程,在行车荷载和自然因素的长期影响下,路面已经出现破损、断板等现象,严重影响了行车的安全性。为改善路面使用性能,提高道路通行质量和效率,应对旧水泥混凝土路面进行维修改造。作为一种操作方便、经济高效的处治方案,加铺沥青层施工效果良好。本文结合具体工程案例,在详细调查旧水泥路面破损状况的基础上,提出了加铺厚沥青层的施工方案,并对施工技术要点及工后路用性能检测进行了分析与探究。

沥青路面破损图像分割方法研究

提出了一种减少沥青路面破损图像识别计算量的图像分割方法。将路面图像等分为64×64像素的子块图像,并用灰度方差值描述子块图像特征。同时,设计了基于BP人工神经网络的子块图像模式分类器,利用子块图像模式分类结果所组成的矩阵作为路面破损图像分割结果。实验表明,该方法可较好地分割路面破损图像。

路面破损图像识别研究进展

介绍了几种典型的基于图像处理技术的路面破损自动检测系统 ,对路面破损图像采集、压缩、识别以及路面破损程度评价的研究进展进行了综述 ,探讨了现有路面破损自动检测系统研究中存在的问题 ,并展望了路面破损自动检测技术的发展前景。

农村公路水泥路面破损快简评价方法研究

以湖南省农村公路检测数据为基础,分析了水泥路面病害数量特性及发展规律,建立一套以单块水泥板为单元的简易分类及路面破损简评计算方法。应用结果表明,该方法能以人工调查为基础,实现水泥路面路面破损快速检测及评价,具有较高的准确性,且方法简单易掌握,节约检测费用,适合农村公路养护特点。

路面破损检测自动定位技术

定位技术是路面破损检测系统中的重要技术。本文利用卡尔曼滤波器处理GPS定位数据,提出了GPS与距离传感器结合实现破损图像精确定位的算法。该算法可为路面破损图像提供更为准确的定位信息。最后,试验验证了本算法的正确性。

路面破损自动识别的一种新算法

针对路面破损分类这一难题,提出了一种基于破损密度因子的路面破损分类新算法。对破损密度因子进行了定义和仿真实验,仿真结果表明其对5种常见的路面破损状况的分类效果非常理想。为了进行对比,文中还选择了美国博士论文中的PROXIMITY算法进行比较,两种方法对相同的10几万幅路面样本进行分类试验,试验结果表明,笔者提出的基于破损密度因子的路面破分类方法,整体优于PROXIMITY方法的分类效果。