[发明专利]一种基于大数据预测路段状况的方法及装置

说明书

本发明公开了一种基于大数据预测路段状况的方法及装置，所述方法采集道路路段上行驶车辆记录的行车数据，将采集的行车数据与正常观测样本进行对比，判断是否为异常数据，如果是异常数据，则将该异常数据及其对应的路段放入异常数据库，并持续记录该路段的行车数据；对于异常数据库中的路段，根据该路段出现异常数据的次数来判断该路段是否是异常路段；对于判断为异常路段的路段，根据预设的模型预测路段异常的原因，提供给用户。本发明的装置包括数据采集模块、异常数据判断模块、异常路段判断模块和异常原因分析模块。本发明的方法及装置，通过大数据的分析可以准确预测路段的状况，节省了人力物力。

技术领域

本发明属于数据处理技术领域，尤其涉及一种基于大数据预测路段状况的方法及装置。

背景技术

随着国民经济的高速发展，我国汽车产业发展也进入了一个新的时期，汽车已经进入家庭。时代的发展对道路交通的要求越来越高，公路的利用率相较于十几年前大大的增加。然而由于道路受汽车碾压、雨水侵蚀等因素的影响，经常会有某路段出现坑洼、路面断层等情况，这让公路的维修工作面临了严峻的考验。

传统的公路的维修工作依靠人工或图像采集去考察路段，公路维护人员需要经常沿路开车视察哪里有问题，这样既耗体力又浪费时间，同时也会有疏忽问题路段或者不能及时查看到问题的情况出现。其中基于图像采集去考察路段时，路面破损图像识别过程包括两个步骤：

路面破损图像采集，主要包括破损图像的采集和获取、数字化、压缩编码等；

路面破损图像分析，包括路面破损图像分割、描述、和分类等。图像分割的方法主要有二大类：基于边界图像分割、基于区域图像分割技术。

但是由于路面破损的种类繁多，加上破损程度很难用统一的解析式来描述，近些年，基于模糊逻辑、人工神经网络、专家系统等人工智能分类判断算法研究成为路面破损自动识别研究热点。

无论从哪种方式来看，现有技术都存在时间消耗大、图像处理复杂，准确性低的问题，急需更为经济和实际有效的方法来定位破损路段，并确定具体的损坏类型，以便派相应的维修人员前去维修。

发明内容

本发明的目的是提供一种基于大数据预测路段状况的方法及装置，以避免人工考察路段或图像采集分析所固有的判断效率低、判断不准确的技术问题。

为了实现上述目的，本发明技术方案如下：

一种基于大数据预测路段状况的方法，所述方法包括：

采集道路路段上行驶车辆记录的行车数据；

将采集的行车数据与正常观测样本进行对比，判断是否为异常数据，如果是异常数据，则将该异常数据及其对应的路段放入异常数据库，并持续记录该路段的行车数据；

对于异常数据库中的路段，根据该路段出现异常数据的次数来判断该路段是否是异常路段；

对于判断为异常路段的路段，根据预设的模型预测路段异常的原因，提供给用户。

进一步地，所述将采集的行车数据与正常观测样本进行对比，判断是否为异常数据，包括：

根据采集的行车数据及其对应的权重计算得到该路段对应的路况评价值；

将计算得到的路况评价值与正常观测样本对应的路况评价值范围进行对比，如果该路段行车数据对应的路况评价值在该路段正常观测样本的路况评价值范围内，则判定该路段为正常路段，其行车数据为正常数据，否则判定该路段为异常路段，其行车数据为异常数据。

进一步地，所述根据该路段出现异常数据的次数来判断该路段是否是异常路段，包括：

如果连续出现异常数据的次数大于设定的阈值，则判断该路段为异常路段，否则将该路段及其行车数据放入观察数据库；