本發(fā)明涉及多模態(tài)數(shù)據(jù)融合、智能信息提取與遺傳算法領域，具體為一種基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)。

背景技術：

1、多模態(tài)數(shù)據(jù)融合與智能信息提取技術是一種多模態(tài)數(shù)據(jù)處理與信息提取方法，旨在解決傳感器網(wǎng)絡中多模態(tài)數(shù)據(jù)處理和信息提取的問題，多模態(tài)數(shù)據(jù)融合技術對來自不同傳感器的多模態(tài)數(shù)據(jù)進行融合處理，智能信息提取技術能夠智能提取出對公路狀態(tài)監(jiān)測和維護最有價值的信息，通過兩種技術的有效結合，系統(tǒng)能夠更全面、準確地掌握公路的實時狀態(tài)，為公路智慧管養(yǎng)提供堅實的數(shù)據(jù)基礎。

2、遺傳算法是一種基于進化理論的優(yōu)化算法，旨在解決公路維護需求預測和養(yǎng)護策略優(yōu)化的問題，通過分析歷史數(shù)據(jù)和當前狀態(tài)指標，遺傳算法能夠預測未來的公路維護需求，并制定和優(yōu)化公路的養(yǎng)護策略，利用遺傳算法能夠顯著提高養(yǎng)護效果和資源利用效率，確保公路在最優(yōu)狀態(tài)下運行，延長其使用壽命，降低維護成本。

3、而現(xiàn)有的一種基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)在多模態(tài)數(shù)據(jù)處理和信息提取方面缺乏有效的方法，導致數(shù)據(jù)利用效率低，信息提取不全面，其次，系統(tǒng)在公路維護需求預測和養(yǎng)護策略優(yōu)化方面缺乏先進的算法支持，無法準確預測未來的維護需求，導致養(yǎng)護策略不夠科學，資源利用效率低。

技術實現(xiàn)思路

1、本發(fā)明的目的在于提供一種基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)，以解決上述背景技術中提出的現(xiàn)有的一種基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)存在的缺乏在多模態(tài)數(shù)據(jù)處理和信息提取方面有效的方法，導致數(shù)據(jù)利用效率低，信息提取不全面的問題，以及系統(tǒng)缺乏在公路維護需求預測和養(yǎng)護策略優(yōu)化方面缺乏先進的算法支持，導致無法準確預測未來的維護需求的問題，進而造成養(yǎng)護策略不夠科學且資源利用效率低的問題。

2、為實現(xiàn)上述目的，本發(fā)明提供如下技術方案：一種基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)，包括數(shù)據(jù)采集與傳感模塊、數(shù)據(jù)傳輸與通信模塊、數(shù)字集成應用模塊、公路智慧管養(yǎng)模塊、數(shù)據(jù)存儲與管理模塊、用戶監(jiān)控與決策模塊，其特征在于：所述數(shù)據(jù)采集與傳感模塊用于通過傳感器網(wǎng)絡實時采集公路的狀態(tài)數(shù)據(jù)，包括溫度、濕度、壓力和振動信息，所述數(shù)據(jù)傳輸與通信模塊用于通過無線網(wǎng)絡和5g技術對采集到的數(shù)據(jù)進行傳輸并與中央服務器進行通信，所述數(shù)字集成應用模塊包括數(shù)據(jù)融合處理單元和智能分析與應用單元，所述數(shù)據(jù)融合處理單元提出基于多模態(tài)數(shù)據(jù)融合的公路信息提取算法用于對來自傳感器網(wǎng)絡的多模態(tài)數(shù)據(jù)進行數(shù)據(jù)融合處理并智能提取有效信息，所述智能分析與應用單元用于對融合后的數(shù)據(jù)所提取的有效信息進行智能化分析并將分析結果應用于公路狀態(tài)預測、維護策略優(yōu)化和決策支持，所述公路智慧管養(yǎng)模塊包括公路狀態(tài)監(jiān)測單元和養(yǎng)護策略優(yōu)化單元，所述公路狀態(tài)監(jiān)測單元用于實時監(jiān)測公路的具體狀態(tài)指標，包括路面溫度、濕度、裂縫寬度、沉降高度以及交通流量，所述養(yǎng)護策略優(yōu)化單元提出基于遺傳算法的公路養(yǎng)護策略優(yōu)化算法用于制定和優(yōu)化公路的養(yǎng)護策略，以提高養(yǎng)護效果和資源利用效率，所述數(shù)據(jù)存儲與管理模塊用于集中存儲和管理采集到的數(shù)據(jù)與處理后的分析數(shù)據(jù)，確保數(shù)據(jù)的安全和可用性，所述用戶監(jiān)控與決策模塊用于為用戶提供實時監(jiān)控界面和決策支持功能，包括數(shù)據(jù)可視化和預警通知以及決策控制功能。

3、優(yōu)選的，所述數(shù)據(jù)采集與傳感模塊通過在公路上構建的傳感器網(wǎng)絡，包括溫度傳感器、濕度傳感器、壓力傳感器以及振動傳感器，實時采集公路的多模態(tài)數(shù)據(jù)，確保能夠?qū)崟r獲取公路的狀態(tài)信息，為后續(xù)的數(shù)據(jù)處理和分析提供基礎。

4、優(yōu)選的，所述數(shù)據(jù)傳輸與通信模塊通過利用無線網(wǎng)絡與5g通信技術，將采集到的數(shù)據(jù)及時傳輸?shù)街醒敕掌鳎_保數(shù)據(jù)的實時性和準確性，以支持即時的決策和反應。

5、優(yōu)選的，所述數(shù)字集成應用模塊包括數(shù)據(jù)融合處理單元，所述數(shù)據(jù)融合處理單元提出基于多模態(tài)數(shù)據(jù)融合的公路信息提取算法，通過對來自不同傳感器的多模態(tài)數(shù)據(jù)進行整合和處理，確保數(shù)據(jù)的一致性和完整性，并提取多模態(tài)數(shù)據(jù)的有效信息與利用價值。

6、具體的，所述基于多模態(tài)數(shù)據(jù)融合的公路信息提取算法具體如下：首先，假定一個數(shù)據(jù)單元的組織結構，數(shù)據(jù)單元構成整體多模態(tài)數(shù)據(jù)融合算法的基本單元，每個數(shù)據(jù)單元包含信息核、策略集合以及與策略相對應的數(shù)據(jù)管道集合，數(shù)據(jù)單元的組織結構具體公式表示為：

7、u＝{c,s,o}

8、其中，u表示為數(shù)據(jù)單元，c表示為信息核，s表示為策略集合，o表示為數(shù)據(jù)管道集合，信息核c是數(shù)據(jù)單元的核心組成部分，攜帶著數(shù)據(jù)智能實現(xiàn)的關鍵信息，策略集合s包括輸入輸出策略、數(shù)據(jù)標準化策略以及數(shù)學邏輯操作策略，數(shù)據(jù)管道o是信息傳輸和通信的通道，與策略一一對應，通過數(shù)據(jù)管道的關聯(lián)生成新的信息核，實現(xiàn)數(shù)據(jù)單元的層次結構，然后，構建初始數(shù)據(jù)單元直接與數(shù)據(jù)庫關聯(lián)，包括初始信息核的構建、初始策略的構建以及初始數(shù)據(jù)管道的構建，初始信息核是從數(shù)據(jù)庫中提取的字段名與技術名稱，是數(shù)據(jù)的共同屬性，初始策略集合包括基礎策略和高級策略，基礎策略涉及數(shù)據(jù)的輸入輸出、標準化和基本數(shù)學邏輯操作，初始數(shù)據(jù)管道與策略一一對應，通過策略定義數(shù)據(jù)管道進行數(shù)據(jù)傳輸和通信，具體公式表示為：

9、ui＝{ci,s(ci),o(ci,s(ci))}

10、其中，ui表示為第i個初始數(shù)據(jù)單元，ci表示為第i個信息核，從數(shù)據(jù)庫中提取的關鍵信息，s(ci)表示為基于信息核ci的策略函數(shù)，o(ci,s(ci))表示為數(shù)據(jù)管道函數(shù)，根據(jù)信息核和策略生成數(shù)據(jù)管道，i表示為數(shù)據(jù)單元的索引，數(shù)據(jù)標準化策略具體公式表示為：

11、

12、其中，snorm(ci)表示為應用于信息核ci的數(shù)據(jù)標準化策略函數(shù)，norm表示為標準化操作，表示為信息核ci的均值，表示為信息核ci的標準差，其次，對數(shù)據(jù)管道進行隨機關聯(lián)，并不斷生成包含新信息的高級別數(shù)據(jù)單元的信息核，以構建高級別的數(shù)據(jù)單元，通過初始數(shù)據(jù)單元的所有數(shù)據(jù)管道形成初始數(shù)據(jù)單元的數(shù)據(jù)管道集合，并在此基礎上進行數(shù)據(jù)管道的隨機關聯(lián)，生成二元組合數(shù)據(jù)單元的信息核，具體公式表示為：

13、

14、其中，r表示為數(shù)據(jù)管道的隨機關聯(lián)結果集合，r(op,oq)表示為數(shù)據(jù)管道op和oq的關聯(lián)結果，op表示為數(shù)據(jù)管道中的第p個元素，oq表示為數(shù)據(jù)管道中的第q個元素，p與q表示為數(shù)據(jù)管道中元素的索引，表示為全稱量化操作，然后，通過構建獎懲模型，并通過模擬人工對信息核的評分方式來訓練模型，實現(xiàn)對融合后的多模態(tài)數(shù)據(jù)的智能評分和存儲，通過自動篩選出具有實際意義的信息核，為基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)提供高質(zhì)量的數(shù)據(jù)信息，獎懲模型具體公式表示為：

15、

16、其中，loss(θ)表示為獎懲模型的損失函數(shù)，θ表示為獎懲模型的參數(shù)集合，x表示為組合數(shù)據(jù)單元的數(shù)據(jù)樣本，x表示為訓練樣本的集合，rθ(x)表示為獎懲模型根據(jù)參數(shù)集合θ對數(shù)據(jù)樣本x的預測，∈表示為正則化參數(shù)，表示為數(shù)據(jù)樣本x的實際標簽，σ表示為sigmoid函數(shù)，log表示為對數(shù)函數(shù)，最后，構建基于任務驅(qū)動的智能信息提取方法，以實際任務請求為信息輸入，使用自然語言理解的主題模型將任務請求分解為檢索信息核的主題標題集合，然后通過數(shù)據(jù)管道的隨機關聯(lián)生成與任務請求相關的組合數(shù)據(jù)單元的信息核集合，通過構建的獎懲模型的訓練，實現(xiàn)對信息核的智能排序，為給定任務請求存儲最優(yōu)匹配的信息核，具體公式表示為：

17、

18、其中，lossrequest(θ)表示為實際任務需求request中獎懲模型的損失函數(shù)，request表示為實際任務需求，表示為期望值運算操作，表示對所有可能的任務請求和信息核對進行期望運算，cβ表示為第β的信息核，cφ表示為第φ的信息核，β與φ表示為信息核的索引，d表示為訓練樣本的集合，每個樣本是一個三元組(request,cβ,cφ)，來自任務請求和信息核的配對，rankθ(request,cβ)與rankθ(request,cφ)分別表示為在給定任務請求request下，信息核cβ和cφ在排序列表中的排名，通過最小化損失函數(shù)lossrequest(θ)來優(yōu)化模型參數(shù)θ，使得模型能夠?qū)崿F(xiàn)對融合后的多模態(tài)數(shù)據(jù)信息的智能自主提取。

19、優(yōu)選的，所述數(shù)字集成應用模塊包括智能分析與應用單元，所述智能分析與應用單元通過數(shù)據(jù)融合處理單元所提取的多模態(tài)數(shù)據(jù)有效信息對處理后的數(shù)據(jù)進行深入分析，確保生成有價值的應用方案，為公路管理提供智能的支持。

20、優(yōu)選的，所述公路智慧管養(yǎng)模塊包括公路狀態(tài)監(jiān)測單元，所述公路狀態(tài)監(jiān)測單元通過實時監(jiān)測公路的各種狀態(tài)數(shù)據(jù)，包括路面溫度、濕度、裂縫寬度、沉降高度以及交通流量，確保能夠及時發(fā)現(xiàn)潛在的問題和風險。

21、優(yōu)選的，所述公路智慧管養(yǎng)模塊包括養(yǎng)護策略優(yōu)化單元，養(yǎng)護策略優(yōu)化單元提出基于遺傳算法的公路養(yǎng)護策略優(yōu)化算法，通過分析歷史數(shù)據(jù)和當前狀態(tài)指標，預測未來的公路維護需求，確保能夠提前制定合理的維護策略，提高公路的資源利用效率。

22、具體的，所述基于遺傳算法的公路養(yǎng)護策略優(yōu)化算法具體如下：首先，構建一個目標函數(shù)數(shù)學模型來量化公路養(yǎng)護的決策問題，定義決策變量yi表示為第i條公路是否被選為養(yǎng)護對象，取值為1時表示選擇養(yǎng)護，取值為0時表示不養(yǎng)護，目標函數(shù)數(shù)學模型具體公式表示為：

23、

24、其中，f表示為目標函數(shù)，旨在最小化總養(yǎng)護成本，同時最大化養(yǎng)護質(zhì)量，min表示為最小化函數(shù)，ci表示為第i條公路的養(yǎng)護成本，表示對第i條公路進行養(yǎng)護所需的經(jīng)濟投入，i表示為公路數(shù)索引，n表示為公路數(shù)總和，s.t.表示為條件函數(shù)，quality表示為養(yǎng)護質(zhì)量的總和，用于反映養(yǎng)護策略的整體質(zhì)量效果，max表示為最大化函數(shù)，bi表示為公路養(yǎng)護質(zhì)量的度量，通過構建的目標函數(shù)數(shù)學模型將實際的養(yǎng)護需求轉(zhuǎn)化為通過算法求解的數(shù)學表達式，確保模型能夠有效反映公路養(yǎng)護策略的經(jīng)濟性和效率性，然后，為遺傳算法的迭代搜索過程提供一個起點，生成足夠多樣性的初始解集，確保遺傳算法能夠覆蓋解空間的廣泛區(qū)域，具體公式表示為：

25、s(0)＝y(tǒng)1(0),y2(0),…,yp(0)＝{yi(0)|i＝1,2…,p}

26、其中，s(0)表示為初始種群，包含了遺傳算法起始的p個解，y1(0),y2(0),…,yp(0)表示為p個初始種群中的獨立解，yi(0)表示為初始種群中的第i個解，i表示為種群個數(shù)的索引，范圍是從1到p，p表示為種群大小，代表初始種群中解的總數(shù)，通過初始化種群進而生成一組基于啟發(fā)式規(guī)則的初始解，初始解構成了遺傳算法的第一代種群，種群的多樣性直接影響到算法的搜索能力和最終解的質(zhì)量，所構建的良好的初始種群有助于算法有效地探索解空間，避免陷入局部最優(yōu)解，其次，對每個解的適應度進行量化評估，以確定解的優(yōu)劣，篩選出對優(yōu)化目標貢獻較大的解作為后續(xù)迭代的候選，具體公式表示為：

27、f(y)＝w1·cost(y)+w2·qul(y)

28、其中，f(y)表示為適應度函數(shù)，用于評估解y的整體表現(xiàn)，y表示為種群中的獨立解，w1表示為成本權重系數(shù)，用于在適應度函數(shù)中調(diào)整養(yǎng)護成本的影響程度，cost(y)表示為養(yǎng)護成本函數(shù)，代表根據(jù)解y計算的總養(yǎng)護成本，w2表示為質(zhì)量權重系數(shù)，用于在適應度函數(shù)中調(diào)整養(yǎng)護質(zhì)量的影響程度，qul(y)表示為養(yǎng)護質(zhì)量函數(shù)，代表根據(jù)解y計算的養(yǎng)護質(zhì)量，通過適應度函數(shù)f(y)，遺傳算法能夠?qū)ふ乙粋€平衡點，使得總成本最小化的同時，養(yǎng)護質(zhì)量也達到符合標準的水平，然后，通過選擇機制，根據(jù)適應度從當前種群中篩選出優(yōu)秀個體解，優(yōu)秀個體解將作為遺傳算法下一代的父代，具體公式表示為：

29、

30、其中，probability(yj)表示為個體解yj被選中的概率，代表基于個體適應度的相對度量，用于輪盤賭選擇機制中，yj表示為當前種群中的第j個個體解，j表示為當前種群中的個體解的索引，f(yj)表示為個體yj的適應度函數(shù)，通過基于適應度的選擇原理，將適應度越高的個體解具有高概率選中機制，使得算法在迭代過程中能夠選擇優(yōu)秀解決方案，同時保持整體算法的多樣性，最后，通過交叉和變異操作在種群中引入新的遺傳特征，增加種群的多樣性，提高發(fā)現(xiàn)全局最優(yōu)解的概率，具體公式表示為：

31、offspring＝crossover(ya,yb)

32、yoffspring,變異a＝mutate(ya)

33、yoffspring,變異b＝mutate(yb)

34、其中，offspring表示為新生成的子代個體，代表交叉操作的結果，crossover(ya,yb)表示為交叉操作，用于從兩個父代個體解ya和yb中交換遺傳信息，產(chǎn)生新的子代，ya與yb表示為父代個體解，a與b表示為父代個體解索引，yoffspring,變異1與yoffspring,變異2表示為經(jīng)過變異操作后的子代個體解，mutate(ya)與mutate(yb)表示為變異操作函數(shù)，通過變異操作引入新的遺傳特征，防止個體解的過早收斂，交叉操作通過組合兩個父代的特征來創(chuàng)建后代，變異操作通過隨機改變后代的特征來引入新的遺傳多樣性，通過結合交叉操作與變異操作使得算法能夠更好地搜索解空間，尋找到問題的最優(yōu)解決方案。

35、優(yōu)選的，所述數(shù)據(jù)存儲與管理模塊通過集中存儲和管理采集到的多模態(tài)數(shù)據(jù)，確保數(shù)據(jù)的安全性和可用性，同時支持大數(shù)據(jù)的存儲和檢索，提供歷史數(shù)據(jù)的查詢和分析功能，為公路的長期管理和規(guī)劃提供數(shù)據(jù)支持。

36、優(yōu)選的，所述用戶監(jiān)控與決策模塊通過提供直觀的用戶界面和決策支持功能，包括數(shù)據(jù)可視化工具和報告生成功能，幫助管理人員做出正確的決策，同時確保公路管理人員能夠方便地使用系統(tǒng)進行數(shù)據(jù)查詢、分析結果查看和預警信息接收。

37、與現(xiàn)有技術相比，本發(fā)明的有益效果是：

38、1、數(shù)據(jù)融合處理單元提出基于多模態(tài)數(shù)據(jù)融合的公路信息提取算法，該算法通過構建包含信息核、策略集合以及數(shù)據(jù)管道集合的數(shù)據(jù)單元，實現(xiàn)多模態(tài)數(shù)據(jù)的融合與智能提取，每個數(shù)據(jù)單元的組織結構包括攜帶關鍵信息的信息核、包括輸入輸出策略、數(shù)據(jù)標準化策略及數(shù)學邏輯操作策略的策略集合和用于信息傳輸和通信的數(shù)據(jù)管道集合，從而確保了數(shù)據(jù)的高效處理和利用，首先，初始數(shù)據(jù)單元直接與數(shù)據(jù)庫關聯(lián)，通過提取數(shù)據(jù)庫中的字段名與技術名稱構建初始信息核，并結合基礎和高級策略，定義數(shù)據(jù)管道，保證了數(shù)據(jù)的一致性和完整性，基于這些初始數(shù)據(jù)單元，系統(tǒng)能夠有效地進行數(shù)據(jù)的標準化和處理，使數(shù)據(jù)在不同源之間具有可比性和可操作性，通過數(shù)據(jù)標準化策略，系統(tǒng)能夠消除不同數(shù)據(jù)源之間的偏差，確保數(shù)據(jù)的準確性和可靠性，接下來，通過隨機關聯(lián)數(shù)據(jù)管道，系統(tǒng)生成高級別的數(shù)據(jù)單元信息核，實現(xiàn)多源數(shù)據(jù)的深度融合，該方法不僅提高了數(shù)據(jù)的利用效率，還使系統(tǒng)能夠從大量數(shù)據(jù)中提取出有價值的信息核，從而支持更智能的決策和預測，隨機關聯(lián)的數(shù)據(jù)管道能夠構建多元組合的數(shù)據(jù)單元，進一步豐富了系統(tǒng)的數(shù)據(jù)層次結構，為公路智慧管養(yǎng)提供了強大的數(shù)據(jù)支持，此外，基于任務驅(qū)動的智能信息提取方法，通過自然語言理解的主題模型將實際任務請求分解為檢索信息核的主題標題集合，并通過數(shù)據(jù)管道的隨機關聯(lián)生成與任務請求相關的組合數(shù)據(jù)單元信息核集合，通過構建獎懲模型并模擬人工評分方式，系統(tǒng)能夠?qū)崿F(xiàn)對融合后的多模態(tài)數(shù)據(jù)的智能評分和排序，確保提取到的信息核具有實際意義和高質(zhì)量，通過智能信息提取方法能夠提高系統(tǒng)的響應速度，還顯著增強了系統(tǒng)在應對復雜任務請求時的靈活性和準確性，綜合而言，基于多模態(tài)數(shù)據(jù)融合的公路信息提取算法通過構建數(shù)據(jù)單元、實現(xiàn)數(shù)據(jù)融合與智能提取，為公路智慧管養(yǎng)提供了強有力的技術支持，該算法在確保數(shù)據(jù)高效處理和利用的同時，顯著提升了系統(tǒng)的智能化水平，滿足了公路管理和維護中對高質(zhì)量數(shù)據(jù)和智能決策的需求，通過基于多模態(tài)數(shù)據(jù)融合的公路信息提取算法，公路智慧管養(yǎng)系統(tǒng)能夠更好地實現(xiàn)實時監(jiān)控、預測性維護和資源優(yōu)化配置，從而提高公路的管理效率和維護效果；

39、2、養(yǎng)護策略優(yōu)化單元提出基于遺傳算法的公路養(yǎng)護策略優(yōu)化算法，首先，該算法通過構建目標函數(shù)數(shù)學模型，將公路養(yǎng)護的決策問題量化，確保模型能有效反映養(yǎng)護策略的經(jīng)濟性和效率性，目標函數(shù)旨在最小化總養(yǎng)護成本，同時最大化養(yǎng)護質(zhì)量，通過將實際的養(yǎng)護需求轉(zhuǎn)化為算法求解的數(shù)學表達式，確保決策更加科學合理，其次，遺傳算法的初始種群生成步驟確保了解空間的廣泛覆蓋，通過生成足夠多樣性的初始解集，該算法能夠從多個角度出發(fā)，探索不同的養(yǎng)護策略，避免陷入局部最優(yōu)解，提高了算法的全局搜索能力和最終解的質(zhì)量，然后，適應度評估機制通過量化每個解的表現(xiàn)，篩選出對優(yōu)化目標貢獻較大的解，適應度函數(shù)綜合考慮了養(yǎng)護成本和養(yǎng)護質(zhì)量，使得算法在迭代過程中能夠平衡這兩個關鍵因素，確保既能控制成本，又能保證養(yǎng)護質(zhì)量符合標準，在選擇機制方面，基于適應度的選擇原理使得高適應度的個體解具有更高的被選中概率，這種機制不僅能夠選擇出優(yōu)秀的解決方案，還能保持種群的多樣性，防止算法過早收斂，從而提高全局最優(yōu)解的發(fā)現(xiàn)概率，最后，通過交叉和變異操作，引入新的遺傳特征，進一步增加了種群的多樣性，交叉操作通過組合兩個父代的特征來創(chuàng)建后代，變異操作通過隨機改變后代的特征來引入新的遺傳多樣性，這兩種操作的結合，使得算法能夠更好地探索解空間，尋找最優(yōu)的養(yǎng)護策略，綜上所述，基于遺傳算法的公路養(yǎng)護策略優(yōu)化算法在一種基于公路智慧管養(yǎng)的數(shù)字集成應用系統(tǒng)中，通過科學的建模和優(yōu)化手段，提供了高效、智能的公路養(yǎng)護決策支持，不僅提高了決策的科學性和合理性，減少了養(yǎng)護成本，還提升了養(yǎng)護質(zhì)量，最終實現(xiàn)了公路養(yǎng)護的智慧化管理。