基于深度学习的三维路面裂缝类病害检测方法

为了在路面三维图像的基础上快速、准确、完整地识别裂缝,提出一种基于深度学习的路面裂缝类病害自动检测方法.首先,以子块图像为处理单元,将三维图像划分为裂缝面元和背景面元,其中背景面元包含了路面标线、不同纹理和桥接缝等复杂场景.根据对面元图像的分析,提出一种基于卷积神经网络的PCCNet分类模型,用于路面背景面元和路面裂缝面元的自动识别.然后,为了进一步提取裂缝面元内裂缝的完整轮廓,考虑路面三维图像中裂缝像素级邻域特征,利用PCCNet模型结合裂缝高程检查方法对路面裂缝进行检测.研究结果表明:通过训练集4 300张高精度三维图像的训练,模型在3 850次迭代之后出现过拟合,且此时PCCNet模型在验证集上的总体F值达到最大,为92.9％;将PCCNet模型结合裂缝高程检查方法应用在测试集的200张三维图像上,方法准确率、召回率和F值分别为87.8％、90.1％和88.9％.与改进Canny方法和种子识别方法对比,所提出的方法在抑制噪声和检测细小裂纹方面具有更强的鲁棒性.     

关于我国智能运输系统ITS产业化发展方向的思考

智能运输系统（ITS）是解决我国当前交通拥挤，提高道路交通安全的有效手段。本文介绍了国外智能运输系统产生的背景、智能系统发展的历史和现状，为了合理、有效地开发智能运输系统技术并使之产业化，我国政府正在加紧制定智能运输系统发展战略。论文对我国智能运输系统产业化相关的技术和政策进行了论述，并且针对我国国情提出了智能运输系统产业化的发展目标和必须的政策与措施。     

公路信号平面交叉口安全服务水平研究

为了客观评价公路平面交叉口的交通安全状况,提出了交叉口安全服务水平基本概念.分析了影响信号交叉口安全服务水平的因素,给出了信号交叉口安全服务水平评价方案.分别建立了基于机动车与机动车、机动车与非机动车、机动车与行人冲突点的安全服务水平主模型和基于交叉口几何特征、交通标志等次要影响因素修正模型,并由此得到信号交叉口安全服务水平总模型.根据多个信号交叉口的数据,把安全服务水平分为A～F等级,并验证了安全服务水平模型的合理性.应用安全服务水平模型评价实际交叉口的安全状况,得到交叉口危险度为11.7,安全服务水平为B级.评价结果表明该安全服务水平模型可以快速有效地评价信号交叉口的交通安全.     

快速路交通事件检测方法

为了提出一种适用于任何流量并具有较高检测率和较低误警率的快速路交通事件检测算法,以统计理论、突变理论为基础,设计了事件影响指数检测算法.利用交通量数据,检验纵向时间序列与横向时间序列上流量的波动性和正态拟合性;分析事件数据与非事件数据的差异,得出交通事件数据变化特征.分析结果表明:纵向时间序列的波动性和正态拟合性优于横向时间序列;事件数据具有多模态、不可达、突跳等突变性特征.该算法误警率为0,检测率比经典的Cali-fornia算法高出10%.不同流量下的检测效果对比表明,该算法适用于各种流量,低流量状态下的检测效果更好.     

城郊高速公路出口匝道落地点的选位方法

提出了一种基于接入管理技术的城郊高速公路出口匝道落地点的选位方法以提高高速公路主线和地面道路交通流的畅通与安全性. 对从出口匝道接入周围的土地利用类型、地面道路和上下游交叉口的功能与等级进行了分析,确定了落地点的宏观选位方法;以此为基础,从落地点与上下游交叉口的接入窗口、接入间距和接入顺序3个方面进行了探讨,对落地点的选位进行了微观界定. 研究表明本文提出的出口匝道落地点的选位方法简单,可操作性强.     

城市轨道交通客流加权复杂网络分析

本文以上海轨道交通网络为例,使用复杂网络理论构建拓扑网络并以断面客流为权重分析了节点强度、加权最短路径等指标及其分布规律,定量计算各个站点对于蓄意攻击的脆弱性,以鉴定对网络连通度影响最大的关键站点.仿真结果表明,上海轨道交通网络节点强度服从幂律分布,网络加权平均最短路径长度较大,连通性有待提高.面对蓄意攻击时,上海火车站、曹杨路和镇坪路作为关键节点对网络效率和网络最大连通子图的影响都较大,应在运营中加强保护.     

无信号平面交叉口机动车冲突点数计算模型

为了便于计算无信号平面交叉口机动车不同种类冲突点的个数,采用虚拟车道和象限表示平面交叉口.针对无信号平面交叉口中的T型交叉口和十字型交叉口,基于交叉口虚拟车道和交叉口象限,以及虚拟车道的转换方法,分别开发了相应的机动车不同种类冲突点数的计算模型,并进行了实际验证.验证结果表明,通过这些计算模型可以迅速地计算无信号T型交叉口和十字型交叉口机动车不同种类冲突点的个数,提高了工作效率,为交叉口交通安全评价和交叉口交通安全改善提供了便利工具.
     

高等级公路养护质量综合评价模型

针对高等级公路养护管理的需求,建立了一种高等级公路养护质量综合评价体系框架,将高等级公路划分为路基、路面、桥梁、涵洞、绿化和沿线设施等6个子系统.基于该种体系框架,就高等级公路养护质量综合评价模型展开讨论.对传统层次分析原理进行了改进,通过聚类分析确定专家个体权重向量的K类划分,引入专家个体权重向量权重系数,进而得出其常权系数值.为满足高等级公路养护质量综合评价对评价指标的均衡性要求,提出变权模型和分组变权模型计算评价模型权重系数值.工程算例表明,新评价模型能更好地反映高等级公路养护管理的需求,体现高等级公路养护质量综合评价对评价指标的均衡性要求.     

基于多分支深度学习的沥青路面多病害检测方法

为了准确、快速地识别路面多病害，采用一种基于多分支框架的深度学习方法，提取并融合路面图像的大、小尺度特征，将路面二维图像和三维图像作为网络输入，增强病害特征.采集裂缝、条状修补、块状修补、坑槽、松散等沥青路面病害图像共计10 562张，进行人工标注.结果表明：500次训练后该方法的平均交并比为0.83,准确率和召回率的调和平均数F值为0.90,优于U-net、PSPNet、DeepLabv3+等方法；在单一类别上，对条状修补、坑槽、松散、桥接缝等分割效果最优，对裂缝、块状修补的识别展现出较强的鲁棒性；所提方法的识别效果高于仅使用单一输入或者单一分支的方法.因此，双通道和多分支的设计方法可以显著提升网络对多类别路面病害的识别精度.     

基于语义分割模型的三维沥青路面车辙异常分析方法

车辙深度是路面状况评价和道路养护的一个重要指标。现有车辙深度测量方法未考虑复杂路况下坑槽、松散、裂缝和桥梁接缝等对车辙计算的影响，其有效性和适用性受到了限制，测量结果的真实性也有待进一步验证。有鉴于此，文中提出了一种基于语义分割模型的沥青路面车辙异常检测与校正方法。采用三维线激光技术采集道路横断面高程数据，利用包络线算法提取车辙深度。对于最大车辙深度超过10 mm的横断面，搭建基于深度学习的语义分割框架，提出改进的DeepLabV3+网络对病害类型进行自动辨识和像素定位，并结合最大车辙深度高程点，设计基于拉格朗日插值的校正规则来对异常车辙进行校正。研究结果表明，改进的DeepLabV3+模型能较为准确地识别和定位造成车辙检测异常的路面病害，其对5种路面特征和病害的综合检测准确率达81.63%，在均交并比（MIoU）和大部分交并比（IoU）上的表现均优于U-Net、PSPNet、DeepLabV3+模型。现场验证结果表明，文中方法不仅能够自动分析车辙异常的原因，还能通过对异常车辙的校正排除其他病害的影响，从而较大程度地还原实际车辙深度水平。文中研究成果可为路面预防性养护提供科学数据支撑。