[发明专利]基于智能化的路面病害实时监测与预测装置及方法

说明书

本发明公开了一种基于智能化的路面病害实时监测与预测装置及方法，其中系统包括数据采集模块，用于获取道路行车振动产生的行车振动数据与压力数据；病害判断模块，根据所述行车振动数据与所述压力数据进行公路病害识别；数据存储模块，用于对所述行车振动数据以及压力数据，病害分析处理数据进行存储；深度学习模块，用于构建和训练路面病害预测模型；病害预测模块，用于根据所述数据存储模块存储的历史行车振动数据和压力数据对病害发展进行预测。本发明通过对公路内部设置压力与振动传感器，根据检测数据进行判断，实现了路面病害的智能实时识别，同时采用机器学习，根据历史数据的变化实现了路面病害形成时间的预测。

技术领域

本发明属于路面监测领域，特别是涉及一种基于智能化的路面病害实时监测与预测装置及方法。

背景技术

公路建成投入运营后，在长期反复的汽车荷载和外界自然环境因素的影响下，特别是交通量增长引起累计轴载数量增加，致使道路在超负荷状态下运营，路面的材料性质逐渐劣化和路面结构不断出现疲劳衰变断裂，最终导致路面的使用性能及安全性能降低。另外，路面病害的发展是一个由轻到重，逐渐加深的过程，因此，应当实时监测路面状态，及时发现路面病害，以便于路面损伤程度的判断和病害的及时精确维修。

现有的路面病害识别方案中，大多通过高速摄像、雷达成像、卫星定位系统采集公路路表图像，通过图像识别技术识别路面病害。而上述技术手段检测路段范围较小，检测数据可信度不足，对天气等条件较敏感，成本也高，并且常常由于图像质量问题导致识别效果不佳。另外检测周期长，新出现的路面病害无法及时发现，同时无法实现对路面病害发展形成的有效预测。

发明内容

本发明的目的是提供一种基于智能化的路面病害实时监测与预测装置及方法，以解决上述现有技术存在的问题。

一方面为实现上述目的，本发明提供了一种智能化的路面病害实时监测与预测装置，包括数据采集模块、病害判断模块、数据存储模块、深度学习模块、病害预测模块；

所述数据采集模块用于获取道路行车振动产生的行车振动数据与压力数据；

所述病害判断模块用于根据所述行车振动数据与所述压力数据进行公路病害识别；

所述数据存储模块用于对所述行车振动数据以及压力数据，病害分析处理数据进行存储；

所述深度学习模块用于采用卷积神经网络构建病害预测模型；

所述病害预测模块用于根据所述数据存储模块存储的历史行车振动数据和压力数据通过所述深度学习模块构建的病害预测模型对病害发展进行预测。

可选地，所述数据采集模块包括若干个设置于公路道路内部的振动传感器与压力传感器，所述振动传感器与所述压力传感器分别用于获取所述行车振动数据与所述压力数据；若干个所述振动传感器与所述压力传感器按照不同深度、相同间隔距离进行设置。

可选地，所述病害判断模块通过获取病害特征，根据所述行车振动数据与所述压力数据获取行车振动深度数据，根据所述病害特征与所述行车振动深度数据进行公路病害识别；

所述病害特征为车辆经过路面病害时产生的振动标准深度，当所述行车振动深度数据大于等于所述振动标准深度时，则判断发生振动的振动传感器位置出现路面病害；当所述行车振动深度数据小于所述振动标准深度时，则将对应的行车振动深度数据传输至所述数据存储模块进行存储。

可选地，所述数据存储模块获取行车振动深度数据后，将不同空间位置获取的所述行车振动深度数据以获取时间的先后顺序进行存储。

可选地，所述深度学习模块采用卷积神经网络，通过获取存储于所述数据储存模块的历史行车振动深度数据作为样本数据进行训练，构建路面病害预测模型。