基于车辆振动加速度的路面异常识别方法研究综述与展望

提升道路路面养护管理的信息化水平具有重要的经济和社会意义,首要工作是对路面状况进行快速、及时地检测和评估。对近十年来国内外利用智能手机等智能设备进行路面异常检测的研究进行了调研,并对典型研究情况进行了分析。研究结果表明:利用智能手机等智能设备识别路面异常是一种间接检测路面异常的方法,实现了利用众包数据等技术对路面异常的智能化识别,目前识别精度大多高于80%,采用机器学习等大数据的模型构建方法可将识别精度提高到90%以上。利用智能手机等智能设备识别路面异常的方法受多种因素的影响。如何建立速度、车辆和设备固定位置等的归一化、标准化处理方法,是今后该领域研究的核心内容之一。该技术为建立和形成新一代信息化、智能化的路面养护管理的新体系提供了可行的方法。

基于高阶动态贝叶斯网络嵌入的路面异常检测算法

路面异常会给驾驶员与行人带来不便,更可能引发交通事故。提出了一种通过传感器时序信号数据进行路面异常检测的算法。针对行驶过程中采集的不同传感信号之间具有较强的高阶时序相关性的问题,通过构建高阶动态贝叶斯网络分类器来实现异常检测。首先,通过相关性分析和Granger因果分析分别构建初始时刻网络和转移网络的初始网络;然后,将传感信号进行小波分解,通过卷积神经元网络实现网络嵌入学习;最后,利用网络嵌入进行链路预测,结合MDL评分实现网络修正学习算法。实验结果表明,该检测算法相对于传统的时间序列分类方法,在分析时序相关性较大的信号数据时,具有更低的误检率和漏检率、更高的F1值,并且更加鲁棒。

路面异常报警系统研究

基于我国因为道路异常引发的交通事故频繁,随着时代的发展,传统的检测方式耗人力、物力。文章介绍了以单片机、红外线避障仪、结冰报警器相结合的报警系统。首先,通过传感装置检测到路面异常情况(例如:路面障碍物、路面结冰等异常事件),并采集路面异常的各种参数。其次,通过电子电路对采集的参数进行处理。最后,当满足我们设定的阀值时,该装置进行自动报警。可以有效减少交通事故的发生。