PSO-ASVR在三波长路面状态传感器定量标定中的应用

路面状态传感器是路面状态定性识别和定量测量的重要工具,其定量测量性能依赖于定量标定模型的准确性。为了解决路面状态传感器定量标定数据非线性和非均匀分布问题对定量测量的不利影响,提出基于PSO-ASVR(particle swarm optimization-adaptive support vector regression)的路面状态传感器定量标定模型。构建AP(adaptive preprocessing)流程进行标定数据最优化预处理,降低路面状态传感器非均匀分布问题影响下的标定数据处理误差。采用基于结构风险最小化的SVR(support vector regression)算法进行标定数据拟合,并利用PSO(particle swarm optimization)算法实现SVR中参数最优化,降低路面状态传感器标定数据非线性引入的数据拟合误差。不同路面状态条件下标定数据处理实验表明:新方法相比于传统方法在均方根误差RMSE上至少可减小63%,验证了其在提高定量标定模型精度上的有效性,实现了路面状态传感器定量标定误差的降低。

开阳冬季公路路面状态观测试验数据分析研究

冬季凝冻灾害严重影响我省公路交通运输,2019年我中心在开阳开展了路面状态观测试验,通过对人工和自动观测试验数据进行分析,2019年底到2020年初开阳出现了两次凝冻过程,自动观测数据与人工观测数据基本一致,因此该试验为公路路面状态自动化观测和开展交通气象服务奠定一定的基础。