[发明专利]一种道路路面状况检测方法及检测系统

权利要求书

1.一种道路路面状况检测方法，其特征在于，包括如下步骤：

平行于路面放置第一本底，垂直于路面放置第二本底，所述第一本底表面和第二本底表面在检测光源的照射下反射光线；

采集所述第一本底和所述第二本底的反射光谱数据；

比较第一本底反射光谱数据和第二本底反射光谱数据，得到道路路面状况检测结果，具体步骤包括：

对第一本底反射光谱数据和第二本底反射光谱数据进行预处理，其中，预处理为进行十次波形相加求平均和五点三次算法平滑处理；

根据第二本底反射光谱数据判断所述检测光源类型；

用预处理后的第二本底反射光谱数据除以预处理后的第一本底反射光谱数据，得到比较数据，根据所述比较数据的波形判断道路路面状况，得到道路路面状况检测结果；

当所述检测光源为太阳光时，阳光照射在第一本底和第二本底上，通过第一光谱仪和第二光谱仪分别采集第一本底和第二本底上580nm—1100nm波段的光谱数据，并取可见光660-680nm波段光谱数据作为光源环境特征值，然后计算得到比较数据，并对比较数据的波形放大1000倍后进行采样，采样点为256个：

若所述比较数据的波形位于第一设定区间内，则所述道路路面状况为路面正常，其中，将比较数据放大1000倍，第一设定区间的范围为950≤R1≤1050；

若所述比较数据的波形位于所述第一设定区间下方，则所述道路路面状况为路面积雪，且比较数据的波形数值越小，雪的厚度越深；

若所述比较数据的波形位于所述第一设定区间上方，将第一光谱数据输入BP神经网络分类模型中进行识别，以判断道路路面状况为路面结冰或路面有水中的一种；

训练BP神经网络，以得到所述BP神经网络分类模型的方法包括：

大量采集15000-70000/counts光照下，分别带有1mm-10mm水量的、1mm-10mm厚度的冰层的第一本底的反射光谱样本数据，和同等光照强度下第二本底的反射光谱样本数据；

对第一本底的反射光谱样本数据和第二本底的反射光谱样本数据进行预处理；

用预处理后的第二本底的反射光谱样本数据除以预处理后的第一本底的反射光谱样本数据，得到样本比较数据，并取出第二本底的反射光谱曲线中660-680nm波段的光谱样本数据作为光源环境特征值；

将样本比较数据与光源环境特征值进行融合，得到修正样本比较数据；

将修正样本比较数据按照一定比例分为训练样本数据和测试样本数据，将训练样本数据输入BP神经网络模型，对BP神经网络模型进行训练，将测试样本数据输入训练后的BP神经网络模型进行验证，得到所述BP神经网络分类模型。

2.根据权利要求1所述的一种道路路面状况检测方法，其特征在于，所述检测光源还可以为人造灯源中的一种。

3.根据权利要求2所述的一种道路路面状况检测方法，其特征在于，所述检测结果为路面积雪、路面正常、路面结冰或路面有水中的一种。

4.根据权利要求1所述的一种道路路面状况检测方法，其特征在于，当所述检测光源为人造灯源时：

若所述比较数据的波形位于第一设定区间内，则所述道路路面状况为路面正常；

若所述比较数据的波形位于所述第一设定区间下方，则所述道路路面状况为路面积雪；

若所述比较数据的波形位于所述第一设定区间上方，且所述比较数据的波形位于第二设定区间内，则所述道路路面状况为路面结冰；若所述比较数据的波形位于第二设定区间上方，则所述道路路面状况为路面有水。

5.一种道路路面状况检测系统，其特征在于，包括:第一光谱仪、第二光谱仪、第一本底、第二本底、检测光源、数据处理器、预警器和显示器，所述第一光谱仪和第二光谱仪均与数据处理器连接；

所述检测光源用于照射第一本底表面和第二本底表面，使第一本底表面和第二本底表面反射光线；

所述第一本底与路面平行放置，以使冰、水和雪能够自然落于第一本底上面；

所述第二本底与路面垂直放置，以避免冰、水和雪落于第二本底上；

所述第一光谱仪用于采集所述第一本底的反射光谱数据；

所述第二光谱仪用于采集所述第二本底的反射光谱数据；

所述数据处理器用于对第一本底的反射光谱数据和第二本底的反射光谱数据进行比较，以得到道路路面状况检测结果，并将所述检测结果传输到显示器和预警器，比较第一本底反射光谱数据和第二本底反射光谱数据，得到道路路面状况检测结果，具体步骤包括：

对第一本底反射光谱数据和第二本底反射光谱数据进行预处理，其中，预处理为进行十次波形相加求平均和五点三次算法平滑处理；

根据第二本底反射光谱数据判断所述检测光源类型；

用预处理后的第二本底反射光谱数据除以预处理后的第一本底反射光谱数据，得到比较数据，根据所述比较数据的波形判断道路路面状况，得到道路路面状况检测结果；

当所述检测光源为太阳光时，阳光照射在第一本底和第二本底上，通过第一光谱仪和第二光谱仪分别采集第一本底和第二本底上580nm—1100nm波段的光谱数据，并取可见光660-680nm波段光谱数据作为光源环境特征值，然后计算得到比较数据，并对比较数据的波形放大1000倍后进行采样，采样点为256个：

若所述比较数据的波形位于第一设定区间内，则所述道路路面状况为路面正常，其中，将比较数据放大1000倍，第一设定区间的范围为950≤R1≤1050；

若所述比较数据的波形位于所述第一设定区间下方，则所述道路路面状况为路面积雪，且比较数据的波形数值越小，雪的厚度越深；

若所述比较数据的波形位于所述第一设定区间上方，将第一光谱数据输入BP神经网络分类模型中进行识别，以判断道路路面状况为路面结冰或路面有水中的一种；

训练BP神经网络，以得到所述BP神经网络分类模型的方法包括：

大量采集15000-70000/counts光照下，分别带有1mm-10mm水量的、1mm-10mm厚度的冰层的第一本底的反射光谱样本数据，和同等光照强度下第二本底的反射光谱样本数据；

对第一本底的反射光谱样本数据和第二本底的反射光谱样本数据进行预处理；

用预处理后的第二本底的反射光谱样本数据除以预处理后的第一本底的反射光谱样本数据，得到样本比较数据，并取出第二本底的反射光谱曲线中660-680nm波段的光谱样本数据作为光源环境特征值；

将样本比较数据与光源环境特征值进行融合，得到修正样本比较数据；

将修正样本比较数据按照一定比例分为训练样本数据和测试样本数据，将训练样本数据输入BP神经网络模型，对BP神经网络模型进行训练，将测试样本数据输入训练后的BP神经网络模型进行验证，得到所述BP神经网络分类模型；

所述预警器安装于道路上，用于根据接收到的检测结果，发出预警；

所述显示器安装在控制室中，用于显示所述检测结果。