本發(fā)明屬于智能交通技術(shù)領(lǐng)域，具體涉及一種基于群智計算的道路質(zhì)量檢測方法。

背景技術(shù)：

現(xiàn)有的主流導(dǎo)航系統(tǒng)有百度地圖，高德地圖等地圖導(dǎo)航軟件，主要的功能集中在定位導(dǎo)航、路況擁堵信息等方面，但是沒有提供道路質(zhì)量的信息，主要包括道路減速帶和伸縮縫等交通設(shè)施的明確標(biāo)注、道路損毀坑洼地帶的表示、臨時修路的圍欄標(biāo)注、損壞或者丟失的井蓋等。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是提供一種基于群智計算的道路質(zhì)量檢測方法，在一定程度上可以有效提高駕駛安全性，降低交通事故發(fā)生率，同時為養(yǎng)路單位制定養(yǎng)路計劃提供數(shù)據(jù)支持。

本發(fā)明所采用的技術(shù)方案是：一種基于群智計算的道路質(zhì)量檢測方法，具體按照以下步驟實施：

步驟1：基于移動群智技術(shù)，在車輛行駛過程中采集道路質(zhì)量信息；

步驟2：基于群智計算技術(shù)的信息處理方法，由已標(biāo)注道路質(zhì)量類別的數(shù)據(jù)構(gòu)造樣本集，根據(jù)樣本集提取道路質(zhì)量類別特征；

步驟3：對采集的數(shù)據(jù)進行清洗、融合和分類，利用道路質(zhì)量類別特征標(biāo)注未知道路質(zhì)量，得出道路實際的質(zhì)量信息；

步驟4：道路實際的質(zhì)量信息通過webgis為車輛駕駛?cè)藛T提供服務(wù)，車輛駕駛?cè)藛T可根據(jù)接收到的路況信息調(diào)整駕駛策略，同時為養(yǎng)路單位制定養(yǎng)路計劃提供數(shù)據(jù)支持。

本發(fā)明的特點還在于：

步驟1具體為：

步驟1.1：移動終端app通過移動終端內(nèi)置傳感器采集基礎(chǔ)數(shù)據(jù)信息：

①行駛車輛加速度：該數(shù)據(jù)信息是通過移動終端三軸加速度傳感器獲??；

②行駛車輛震動幅度：該數(shù)據(jù)信息通過移動終端重力傳感器獲?。?/p>

③行駛車輛偏移數(shù)據(jù)：該數(shù)據(jù)信息通過移動終端加速度和磁力傳感器獲??；

④行駛車輛位置數(shù)據(jù)：通過移動終端gps模塊獲取路況信息的地理坐標(biāo)；

步驟1.2：駕車用戶將裝有步驟1中app的移動終端放置在車內(nèi)，進行道路質(zhì)量信息采集。

步驟2具體為：

步驟2.1：確定車輛正常行駛時的加速度信息、震動信息、偏移信息，并分別設(shè)定閾值；在數(shù)據(jù)采集過程中，對超出閾值范圍的數(shù)據(jù)通過3g/4g網(wǎng)絡(luò)上傳至道路質(zhì)量監(jiān)測云服務(wù)器；

步驟2.2：對采集的車輛振幅進行平滑處理，去掉其中的高頻噪聲數(shù)據(jù)；

步驟2.3：通過對道路的實地觀測，確定不同類型道路質(zhì)量情況的路段，主要包括道路減速帶和伸縮縫交通設(shè)施、道路損毀坑洼地帶、市政規(guī)劃區(qū)域、損壞或者丟失的井蓋，并記錄其位置，基于移動群智技術(shù)采集到的數(shù)據(jù)，根據(jù)記錄的位置從數(shù)據(jù)中提取所有接近該位置的數(shù)據(jù)，每條數(shù)據(jù)信息包括：日期、時間、位置、經(jīng)緯度、加速度信息、震動信息、偏移信息，所有接近該位置的數(shù)據(jù)構(gòu)成數(shù)據(jù)集，所有的數(shù)據(jù)集構(gòu)成樣本集，對該樣本集中的每個數(shù)據(jù)集進行特征提取，特征為最小值、最大值、方差、均值和協(xié)方差，通過提取到的特征來區(qū)分不同類型不同道路質(zhì)量狀況的路段；

步驟2.4：根據(jù)各類別樣本集特征值，采用svm分類器進行訓(xùn)練分類；樣本集有k種類型道路質(zhì)量情況的路段，從k種類型中選一種類型的數(shù)據(jù)集作正類樣本，然后依次從剩余的k-1種類型中選一個負類樣本創(chuàng)建兩類分類，再從剩余的k-1種類型中選一種類型的數(shù)據(jù)集作正類樣本，依次從剩余的k-2種類型中選一個負類樣本創(chuàng)建兩類分類，如此下去，創(chuàng)建兩類分類器共k(k-1)/2個，讓每一個分類器都投上自己的一票，依據(jù)投票結(jié)果確定道路質(zhì)量類別。

步驟3具體為：

步驟3.1：在一段未知道路質(zhì)量的路段上，該路段采集到的每一條數(shù)據(jù)都進行去噪處理，構(gòu)成測試集，然后進行特征提取，提取到的特征與所述步驟2.3中道路質(zhì)量某類別特征相似時，則用相應(yīng)類別暫時標(biāo)注未知道路質(zhì)量的路段；

步驟3.2：計算所有距離<δd的距離內(nèi)的標(biāo)注事件個數(shù)與類別，至少k個相同類別事件發(fā)生在同一地點，并在同一個方向移動，則把這k個事件聚類為一個標(biāo)注點；

步驟3.3：根據(jù)眾包數(shù)據(jù)集中g(shù)ps信息，標(biāo)注每條路段的道路質(zhì)量信息。

步驟4具體為：

步驟4.1：在webgis上標(biāo)注出道路減速帶和伸縮縫交通設(shè)施、道路損毀坑洼地帶、市政道路臨時作業(yè)區(qū)域和損壞或者丟失的井蓋，并添加語音提醒；

步驟4.2：通過云平臺將道路質(zhì)量信息共享給其他車輛，其他車輛駕駛?cè)藛T根據(jù)獲取到的共享信息調(diào)整駕駛策略，同時為養(yǎng)路單位制定養(yǎng)路計劃提供數(shù)據(jù)支持。

移動終端為采用內(nèi)置gps、加速度、陀螺儀、磁力傳感器、重力傳感器和線性加速度傳感器的移動終端。

本發(fā)明的有益效果是：本發(fā)明一種基于群智計算的道路質(zhì)量檢測方法，通過移動群智計算技術(shù)的道路質(zhì)量信息的采集與處理，實現(xiàn)了道路質(zhì)量信息共享，是對現(xiàn)有地圖導(dǎo)航系統(tǒng)的補充；在webgis上標(biāo)注出道路減速帶等交通設(shè)施、道路損毀坑洼地帶、市政道路臨時作業(yè)區(qū)域等，方便車輛駕駛?cè)藛T根據(jù)路況進行駕駛策略調(diào)整，在一定程度上可以有效提高駕駛安全性，降低交通事故發(fā)生率；同時為養(yǎng)路單位制定養(yǎng)路計劃提供數(shù)據(jù)支持，大大降低了建設(shè)成本。

附圖說明

圖1是本發(fā)明基于群智計算的道路質(zhì)量檢測方法的流程圖；

圖2是本發(fā)明基于群智計算的道路質(zhì)量檢測方法中數(shù)據(jù)處理的流程圖。

具體實施方式

下面結(jié)合附圖和具體實施方式對本發(fā)明進行詳細說明。

本發(fā)明一種基于群智計算的道路質(zhì)量檢測方法，具體按照以下步驟實施，如圖1所示：

步驟1：基于移動群智技術(shù)，在車輛行駛過程中采集道路質(zhì)量信息，具體為：

步驟1.1：移動終端(移動終端為采用內(nèi)置gps、加速度、陀螺儀、磁力傳感器、重力傳感器和線性加速度傳感器等的移動終端)app通過移動終端內(nèi)置傳感器采集基礎(chǔ)數(shù)據(jù)信息，主要獲取4種數(shù)據(jù)：

①行駛車輛加速度：該數(shù)據(jù)信息是通過移動終端三軸加速度傳感器獲??；

②行駛車輛震動幅度：該數(shù)據(jù)信息通過移動終端重力傳感器獲取；

③行駛車輛偏移數(shù)據(jù)：該數(shù)據(jù)信息通過移動終端加速度和磁力傳感器獲取；

④行駛車輛位置數(shù)據(jù)：通過移動終端gps模塊獲取路況信息的地理坐標(biāo)；

步驟1.2：通過激勵策略手段將步驟1.1中數(shù)據(jù)采集app安裝到若干位車輛駕駛?cè)藛T的移動終端，駕車用戶攜帶裝有該app的移動終端，并將移動終端放置在車內(nèi)進行道路質(zhì)量信息采集。

如圖2所示，步驟2：基于群智計算技術(shù)的信息處理方法，由已標(biāo)注道路質(zhì)量類別的數(shù)據(jù)構(gòu)造樣本集，根據(jù)樣本集提取道路質(zhì)量類別特征，具體為：

步驟2.1：數(shù)據(jù)的上傳處理。在車輛行駛過程中，基于3g/4g網(wǎng)絡(luò)，將移動終端采集的數(shù)據(jù)實時上傳至道路質(zhì)量監(jiān)測云服務(wù)器，但并非上傳所有采集的數(shù)據(jù)信息，而是上傳產(chǎn)生劇烈波動的異常數(shù)據(jù)，這些信息反映較差的路況質(zhì)量。具體實現(xiàn)：確定車輛正常行駛時的加速度信息、震動信息、偏移信息等，并分別設(shè)定閾值；在數(shù)據(jù)采集過程中，對超出閾值范圍的數(shù)據(jù)進行上傳；

步驟2.2：上傳數(shù)據(jù)的預(yù)處理。在道路質(zhì)量檢測中，車輛振幅反映道路平整程度，由于在正常的路面，車輛也有一定的顛簸，車輛振幅是通過重力傳感器反映，因此需要對采集的重力傳感器數(shù)據(jù)進行平滑處理，去掉其中的高頻噪聲數(shù)據(jù)；

步驟2.3：構(gòu)造數(shù)據(jù)樣本集。通過對道路的實地觀測，確定不同類型道路質(zhì)量情況的路段，主要包括道路減速帶和伸縮縫交通設(shè)施、道路損毀坑洼地帶、市政規(guī)劃區(qū)域、損壞或者丟失的井蓋，并記錄其位置，基于移動群智技術(shù)采集到的數(shù)據(jù)，根據(jù)記錄的位置從數(shù)據(jù)中提取所有接近該位置的數(shù)據(jù)，每條數(shù)據(jù)信息包括：日期、時間、位置、經(jīng)緯度、加速度信息、震動信息、偏移信息等，所有接近該位置的數(shù)據(jù)構(gòu)成數(shù)據(jù)集，所有的數(shù)據(jù)集構(gòu)成樣本集，對該樣本集中的每個數(shù)據(jù)集進行特征提取，特征為最小值、最大值、方差、均值和協(xié)方差等，通過提取到的特征來區(qū)分不同類型不同道路質(zhì)量狀況的路段，不同道路質(zhì)量狀況主要指的是交通設(shè)施的損毀程度和道路損毀坑洼地帶的大?。?/p>

步驟2.4：道路質(zhì)量信息的分類。根據(jù)各類別樣本集特征值，采用svm分類器進行訓(xùn)練分類。樣本集有k種類型道路質(zhì)量情況的路段，從k種類型中選一種類型的數(shù)據(jù)集作正類樣本，然后依次從剩余的k-1種類型中選一個負類樣本創(chuàng)建兩類分類，再從剩余的k-1種類型中選一種類型的數(shù)據(jù)集作正類樣本，依次從剩余的k-2種類型中選一個負類樣本創(chuàng)建兩類分類，如此下去，創(chuàng)建兩類分類器共k(k-1)/2個。讓每一個分類器都投上自己的一票，依據(jù)投票結(jié)果確定道路質(zhì)量類別。評估分類器的錯誤率，測試算法。

步驟3：對采集的數(shù)據(jù)進行清洗、融合和分類，利用道路質(zhì)量類別特征標(biāo)注未知道路質(zhì)量，得出道路實際的質(zhì)量信息，具體為：

步驟3.1：在一段未知道路質(zhì)量的路段上，該路段采集到的每一條數(shù)據(jù)都進行去噪處理，構(gòu)成測試集，然后進行特征提取，提取到的特征與步驟2.3中道路質(zhì)量某類別特征相似時，則用相應(yīng)類別暫時標(biāo)注未知道路質(zhì)量的路段；

步驟3.2：數(shù)據(jù)進行聚類，去除與空間位置無關(guān)的錯誤分類事件。計算所有距離<δd的距離內(nèi)的標(biāo)注事件個數(shù)與類別，至少k個相同類別事件發(fā)生在同一地點(不同標(biāo)注點的距離誤差<δd，近似為同一地點)，并在同一個方向移動，則把這k個事件聚類為一個標(biāo)注點；

步驟3.3：根據(jù)眾包數(shù)據(jù)集中g(shù)ps信息，標(biāo)注每條路段的道路質(zhì)量信息。

步驟4：道路實際的質(zhì)量信息通過webgis為車輛駕駛?cè)藛T提供服務(wù)，車輛駕駛?cè)藛T可根據(jù)接收到的路況信息調(diào)整駕駛策略，同時為養(yǎng)路單位制定養(yǎng)路計劃提供數(shù)據(jù)支持。

步驟4.1：在webgis上標(biāo)注出道路減速帶和伸縮縫等交通設(shè)施、道路損毀坑洼地帶、市政道路臨時作業(yè)區(qū)域和損壞或者丟失的井蓋，并添加語音提醒；

步驟4.2：通過云平臺將道路質(zhì)量信息共享給其他車輛，其他車輛駕駛?cè)藛T根據(jù)獲取到的共享信息(可以為視頻或語音或文字或圖片等方式獲取得到)調(diào)整駕駛策略，駕駛策略包括超車、變道、減速、變向或調(diào)整路線等行為，同時為養(yǎng)路單位制定養(yǎng)路計劃提供數(shù)據(jù)支持。