CN113159511A - 一种高速公路路基施工过程质量综合评价方法 - Google Patents

一种高速公路路基施工过程质量综合评价方法 Download PDF

Info

Publication number
CN113159511A
CN113159511A CN202110291671.8A CN202110291671A CN113159511A CN 113159511 A CN113159511 A CN 113159511A CN 202110291671 A CN202110291671 A CN 202110291671A CN 113159511 A CN113159511 A CN 113159511A
Authority
CN
China
Prior art keywords
quality
value
road
construction process
rolling
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN202110291671.8A
Other languages
English (en)
Other versions
CN113159511B (zh
Inventor
朱玉
邵虎
郑建中
姚孝虎
邱旭光
刘永松
张孝虹
韩磊
张帆
王艳利
范军
黄圣恩
李景丰
唐建亚
宋营军
王宣
张�荣
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Jiangsu Zhonglu Information Technology Co ltd
Anhui Transportation Holding Group Co Ltd
Original Assignee
Jiangsu Zhonglu Information Technology Co ltd
Anhui Transportation Holding Group Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Jiangsu Zhonglu Information Technology Co ltd, Anhui Transportation Holding Group Co Ltd filed Critical Jiangsu Zhonglu Information Technology Co ltd
Priority to CN202110291671.8A priority Critical patent/CN113159511B/zh
Publication of CN113159511A publication Critical patent/CN113159511A/zh
Application granted granted Critical
Publication of CN113159511B publication Critical patent/CN113159511B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00—Administration; Management
    • G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
    • G06Q10/063—Operations research, analysis or management
    • G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
    • G06Q10/06395—Quality analysis or management
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
    • G06F18/214—Generating training patterns; Bootstrap methods, e.g. bagging or boosting
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F18/00—Pattern recognition
    • G06F18/20—Analysing
    • G06F18/24—Classification techniques
    • G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
    • G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
    • G06Q50/08—Construction

Landscapes

  • Engineering & Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Economics (AREA)
  • Evolutionary Biology (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Evolutionary Computation (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Development Economics (AREA)
  • Educational Administration (AREA)
  • Artificial Intelligence (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Business, Economics & Management (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Game Theory and Decision Science (AREA)
  • Health & Medical Sciences (AREA)
  • General Health & Medical Sciences (AREA)
  • Primary Health Care (AREA)
  • Road Repair (AREA)

Abstract

本发明的目的在于提供一种高速公路路基施工过程质量综合评价方法、存储介质和电子装置，通过路基施工过程质量数据自动连续采集；对采集到的过程质量数据进行清洗；对路桩所在的路面进行碾压遍数计算,将每个路桩所在路面的碾压遍数与桩号对应；测量并记录不同碾压遍数、不同震动速度和不同振动VCV值下的路基压实度，形成训练样本集D；建立路基施工过程质量综合评价模型，寻找最优结果。本方法通过对公路路基施工过程数据实时自动采集、分类、清洗等数据处理方法，然后再利用处理过的数据，建立路基施工过程质量评价模型，实时进行路基施工过程质量评价，并引导操作手实时改进施工过程，此方法对路基施工过程质量的提高是一种有效的方式。

Description

一种高速公路路基施工过程质量综合评价方法
技术领域
本发明属于高速公路路基施工过程质量综合评价技术领域，尤其涉及高速公路路基施工过程质量综合评价技术方法。
背景技术
高速公路路基指的就是根据公路线路以及相应的位置，通过某种技术所进行的基础建设，路基是用土或石料修筑而成的线形结构物。路基对于公路施工来说是最重要的，它将会直接的影响到公路工程质量。
路基压实是路基施工过程中一个非常重要的环节，路基压实质量直接影响着路基施工过程质量，压实不足会引起道路开裂、渗水、车辙等；路基过压会导致施工材料被破坏，也会影响路基施工过程质量。考虑到路基施工过程物联网数据采集及对路基施工过程的质量评价，本发明主要依托路基压实过程中产生的实时数据，对路基施工过程质量进行综合评价。
目前，对于路基压实数据的采集和处理，现有的方法多依赖于逐点检测的方式，难以表征全域、精准的施工质量信息。以路基智能压实技术为代表的压实检测技术，为施工过程质量数据的高效采集提供了新的解决途径。相较于传统检测技术，此类技术具备精确度高、操作便捷、全域覆盖的优势，可实现了从传统的点式、事后检测升级为全域、过程控制，可大大提高路基压实质量和施工管理水平。如何在利用物联网实时采集路基压实施工过程质量数据，并能利用大数据及机器学习技术，建立路基施工过程质量评价分析模型，以此来实现对路基压实过程质量的实时评价和操作指导，研究还比较少。
发明内容
本发明的目的在于提供一种高速公路路基施工过程质量综合评价方法、存储介质和电子装置，本发明通过对公路路基施工过程数据实时自动采集、分类、清洗等数据处理方法，然后再利用处理过的数据，建立路基施工过程质量评价模型，实时进行路基施工过程质量评价，并引导操作手实时改进施工过程，对路基施工过程质量的提高是一种有效的方式。
本发明第一方面，提供一种高速公路路基施工过程质量综合评价方法，包括：
步骤S1：路基施工过程质量数据自动连续采集，包括压路机行驶速度、振动VCV值、经度、纬度、设备信息；
步骤S2：对采集到的过程质量数据进行清洗；
步骤S3：对路桩所在的路面进行碾压遍数计算，所述路桩沿路基等距离设置，将每个路桩所在路面的碾压遍数与桩号对应；
步骤S4：测量并记录不同碾压遍数、不同震动速度和不同振动VCV值下的路基压实度，形成训练样本集D；
步骤S5：建立路基施工过程质量综合评价模型，并在S4得到的训练样本集D中，采用机器学习SVM算法，寻找最优结果。
进一步的，所述高速公路路基施工过程质量综合评价方法，其特征在于，步骤S1中对路基施工过程质量数据进行采集的时间间隔为1秒。
进一步的，所述高速公路路基施工过程质量综合评价方法，其特征在于：所述步骤S2中，清洗规则包括判断相邻两个测量点间距离是否在阈值以内、是否在路基施工范围内，如果是则为有效数据，否则被清洗；判断是否有重复数据，如果有则清除。
进一步的，所述高速公路路基施工过程质量综合评价方法，其特征在于，所述步骤S3具体为：
步骤S4-1.建立道路线形数据模型，所述线形数据包括平面坐标和沿路固定距离设置的桩的桩号；以两个桩之间的距离为边长，将平面坐标区域划分为多个正方形格子；
步骤S4-2.压路机搭载的定位装置每隔固定时间将当前定位数据发送给服务器，服务器将所述定位数据存入消息队列；
步骤S4-3.根据压路机的长度和宽度，按照时间顺序在平面坐标区域中获取压路机当前覆盖的压实矩阵以及包括所述压实矩阵的最小数目的格子矩阵；遍历所述格子矩阵中所有格子，判断是否位于所述压实矩阵中，如果是则记为碾压1遍，否则标记为0；
步骤S4-4.一个桩号对应至少一个格子矩阵的碾压数据，按照步骤1～步骤3处理完平面坐标区域内所有的格子矩阵，得到每个桩号对应的所有格子矩阵的碾压数据，这些格子矩阵的数量即为该桩所标记的位置的碾压遍数。
进一步的，所述高速公路路基施工过程质量综合评价方法，其特征于在：步骤S5中所述路基施工过程质量综合评价模型具体为：
f＝m*w+n*z,其中w为路基最小划分道路栅格压实稳定性，z为路基最小划分道路栅格压实均匀性，其中m、n取值区间均为0到1。
进一步的，所述高速公路路基施工过程质量综合评价方法，其特征在于：所述路基最小划分道路栅格压实稳定性w具体为：
w＝i*f(sed)+j*f(bed)+k*f(ved)，其中i、j、k取值区间均为0到1，
Figure BDA0002982875230000031
α，β根据现场试验情况确定；碾压速度或碾压遍数控制范围Cr，其值为样本集D中最大样本与最小样本差的一半；振动VCV控制范围Cr取值为现场试验确定固定值；碾压速度偏心距
Figure BDA0002982875230000032
σ1为训练样本集D中碾压速度的标准差，μ1为样本集D中碾压速度所有样本值的平均值，Cl1表示控制值，其取值为样本集D中碾压速度最大值与最小值和的一半；碾压遍数偏心距
Figure BDA0002982875230000041
σ2为训练样本集D中碾压遍数的标准差，μ2为样本集D中碾压遍数所有样本值的平均值，Cl2表示控制值，其取值为样本集D中碾压遍数最大值与最小值和的一半；振动VCV值偏心距
Figure BDA0002982875230000042
σ3为训练样本集D中振动VCV值的标准差,μ3为样本集D中振动VCV值所有样本值的平均值，Cl3表示控制值，其取值为样本集D中振动VCV最大值与最小值和的一半。
进一步的，所述高速公路路基施工过程质量综合评价方法，其特征在于：所述路基最小划分道路栅格压实均匀性z具体为
Figure BDA0002982875230000043
其中
Figure BDA0002982875230000044
为路基最小格子碾压遍数特定值的样本占总样本的比例，γ为最小格子被碾压最后一遍后振动VCV特定值出现次数之和占总样本的比例。
本发明第二方面，提供一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。
本发明第三方面，提供一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。
本发明具有以下有益效果：通过对公路路基施工过程数据实时自动采集、分类、清洗等数据处理方法，然后再利用处理过的数据，建立路基施工过程质量评价模型，实时进行路基施工过程质量评价，并引导操作手实时改进施工过程，此方法对路基施工过程质量的提高是一种有效的方式。
附图说明
图1为高速公路路基施工过程质量综合评价方法流程图。
图2为高速公路路基施工过程质量综合评价结果图。
具体实施方式
为了使本技术领域的人员更好地理解本申请方案，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本申请一部分的实施例，而不是全部的实施例。基于本申请中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都应当属于本申请保护的范围。
需要说明的是，本申请的说明书和权利要求书及上述附图中的术语“包括”和“具有”以及他们的任何变形，意图在于覆盖不排他的包含，例如，包含了一系列步骤或单元的过程、方法、***、产品或设备不必限于清楚地列出的那些步骤或单元，而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或单元。需要说明的是，在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。下面将参考附图并结合实施例来详细说明本申请。
本实施例提供一种高速公路路基施工过程质量综合评价方法，其流程如图1所示，
步骤S1：路基施工过程质量数据自动连续采集，包括压路机行驶速度、振动VCV值、经度、纬度、设备信息；
具体的，经度、纬度分别是压路机所在位置的x轴、y轴的坐标值，设备信息指的是压路机的编号、类型规格等。
步骤S2：对采集到的过程质量数据进行清洗；
具体的，对上述数据进行清洗的规则是：判断相邻两个测量点间距离是否在阈值以内、是否在路基施工范围内，如果是则为有效数据，否则被清洗；判断是否有重复数据，如果有则清除。
步骤S3：对路桩所在的路面进行碾压遍数计算，所述路桩沿路基等距离设置，将每个路桩所在路面的碾压遍数与桩号对应；
在本实施例中，采用以下步骤实现桩号与碾压遍数的对应：
步骤S3-1.建立道路线形数据模型，所述线形数据包括平面坐标和沿路固定距离设置的桩的桩号；以两个桩之间的距离为边长，将平面坐标区域划分为多个正方形格子；
步骤S3-2.压路机搭载的定位装置每隔固定时间将当前定位数据发送给服务器，服务器将所述定位数据存入消息队列；
步骤S3-3.根据压路机的长度和宽度，按照时间顺序在平面坐标区域中获取压路机当前覆盖的压实矩阵以及包括所述压实矩阵的最小数目的格子矩阵；遍历所述格子矩阵中所有格子，判断是否位于所述压实矩阵中，如果是则记为碾压1遍，否则标记为0；
步骤S3-4.一个桩号对应至少一个格子矩阵的碾压数据，按照步骤1～步骤3处理完平面坐标区域内所有的格子矩阵，得到每个桩号对应的所有格子矩阵的碾压数据，这些格子矩阵的数量即为该桩所标记的位置的碾压遍数。
步骤S4：测量并记录不同碾压遍数、不同震动速度和不同振动VCV值下的路基压实度，形成训练样本集D；
步骤S5：建立路基施工过程质量综合评价模型，并在S4得到的训练样本集D中，采用机器学习SVM算法，寻找最优结果。
其中，步骤S5中所述路基施工过程质量综合评价模型具体为：
f＝m*w+n*z,其中w为路基最小划分道路栅格压实稳定性，z为路基最小划分道路栅格压实均匀性，其中m、n取值区间均为0到1。
所述路基最小划分道路栅格压实稳定性w具体为：
w＝i*f(sed)+j*f(bed)+k*f(ved)，其中i、j、k取值区间均为0到1，
Figure BDA0002982875230000061
α，β根据现场试验情况确定；碾压速度或碾压遍数控制范围Cr，其值为样本集D中最大样本与最小样本差的一半；振动VCV控制范围Cr取值为现场试验确定固定值；碾压速度偏心距
Figure BDA0002982875230000062
σ1为训练样本集D中碾压速度的标准差，μ1为样本集D中碾压速度所有样本值的平均值，Cl1表示控制值，其取值为样本集D中碾压速度最大值与最小值和的一半；碾压遍数偏心距
Figure BDA0002982875230000071
σ2为训练样本集D中碾压遍数的标准差，μ2为样本集D中碾压遍数所有样本值的平均值，Cl2表示控制值，其取值为样本集D中碾压遍数最大值与最小值和的一半；振动VCV值偏心距
Figure BDA0002982875230000072
σ3为训练样本集D中振动VCV值的标准差,μ3为样本集D中振动VCV值所有样本值的平均值，Cl3表示控制值，其取值为样本集D中振动VCV最大值与最小值和的一半。
所述路基最小划分道路栅格压实均匀性z具体为
Figure BDA0002982875230000073
其中
Figure BDA0002982875230000074
为路基最小格子碾压遍数特定值的样本占总样本的比例，具体公式为
Figure BDA0002982875230000075
其中n为训练样本集D中样本总数，
Figure BDA0002982875230000076
为碾压X遍的样本之和；γ为最小格子被碾压最后一遍后振动VCV特定值出现次数之和占总样本的比例，具体公式为
Figure BDA0002982875230000077
其中n为训练样本集D中样本总数，
Figure BDA0002982875230000078
为振动VCV值次数之和。
所得结果通过绘图软件，绘制高速公路路基施工过程质量图，如图2所示，图中对应格子颜色越深说明其公路路基施工过程质量越好，反之颜色越浅则公路路基施工过程质量越差。
本发明还提供一种计算机可读的存储介质，所述计算机可读的存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行上述任一技术方案中所述的方法。
本发明还提供一种电子装置，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行上述任一技术方案中所述的方法。
以上所述仅为本申请的优选实施例而已，并不用于限制本申请，对于本领域的技术人员来说，本申请可以有各种更改和变化。凡在本申请的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本申请的保护范围之内。
本发明方案所公开的技术手段不仅限于上述实施方式所公开的技术手段，还包括由以上技术特征任意组合所组成的技术方案。

Claims (9)

1.一种高速公路路基施工过程质量综合评价方法,其特征在于:包括：
步骤S1：路基施工过程质量数据自动连续采集，包括压路机行驶速度、振动VCV值、经度、纬度、设备信息；
步骤S2：对采集到的过程质量数据进行清洗；
步骤S3：对路桩所在的路面进行碾压遍数计算，所述路桩沿路基等距离设置，将每个路桩所在路面的碾压遍数与桩号对应；
步骤S4：测量并记录不同碾压遍数、不同震动速度和不同振动VCV值下的路基压实度，形成训练样本集D；
步骤S5：建立路基施工过程质量综合评价模型，并在S4得到的训练样本集D中，采用机器学习SVM算法，寻找最优结果。
2.根据权利要求1所述高速公路路基施工过程质量综合评价方法，其特征在于，步骤S1中对路基施工过程质量数据进行采集的时间间隔为1秒。
3.根据权利要求1所述高速公路路基施工过程质量综合评价方法，其特征在于：所述步骤S2中，清洗规则包括判断相邻两个测量点间距离是否在阈值以内、是否在路基施工范围内，如果是则为有效数据，否则被清洗；判断是否有重复数据，如果有则清除。
4.根据权利要求1所述高速公路路基施工过程质量综合评价方法，其特征在于，所述步骤S3具体为：
步骤S3-1.建立道路线形数据模型，所述线形数据包括平面坐标和沿路固定距离设置的桩的桩号；以两个桩之间的距离为边长，将平面坐标区域划分为多个正方形格子；
步骤S3-2.压路机搭载的定位装置每隔固定时间将当前定位数据发送给服务器，服务器将所述定位数据存入消息队列；
步骤S3-3.根据压路机的长度和宽度，按照时间顺序在平面坐标区域中获取压路机当前覆盖的压实矩阵以及包括所述压实矩阵的最小数目的格子矩阵；遍历所述格子矩阵中所有格子，判断是否位于所述压实矩阵中，如果是则记为碾压1遍，否则标记为0；
步骤S3-4.一个桩号对应至少一个格子矩阵的碾压数据，按照步骤1～步骤3处理完平面坐标区域内所有的格子矩阵，得到每个桩号对应的所有格子矩阵的碾压数据，这些格子矩阵的数量即为该桩所标记的位置的碾压遍数。
5.根据权利要求1所述高速公路路基施工过程质量综合评价方法，其特征于在：步骤S5中所述路基施工过程质量综合评价模型具体为：
f＝m*w+n*z,其中w为路基最小划分道路栅格压实稳定性，z为路基最小划分道路栅格压实均匀性，其中m、n取值区间均为0到1。
6.根据权利要求3所述高速公路路基施工过程质量综合评价方法，其特征在于：所述路基最小划分道路栅格压实稳定性w具体为：
w＝i*f(sed)+j*f(bed)+k*f(ved)，其中i、j、k取值区间均为0到1，
Figure FDA0002982875220000021
α，β根据现场试验情况确定；碾压速度或碾压遍数控制范围Cr，其值为样本集D中最大样本与最小样本差的一半；振动VCV控制范围Cr取值为现场试验确定固定值；碾压速度偏心距
Figure FDA0002982875220000022
σ1为训练样本集D中碾压速度的标准差，μ1为样本集D中碾压速度所有样本值的平均值，Cl1表示控制值，其取值为样本集D中碾压速度最大值与最小值和的一半；碾压遍数偏心距
Figure FDA0002982875220000023
σ2为训练样本集D中碾压遍数的标准差，μ2为样本集D中碾压遍数所有样本值的平均值，Cl2表示控制值，其取值为样本集D中碾压遍数最大值与最小值和的一半；振动VCV值偏心距
Figure FDA0002982875220000031
σ3为训练样本集D中振动VCV值的标准差,μ3为样本集D中振动VCV值所有样本值的平均值，Cl3表示控制值，其取值为样本集D中振动VCV最大值与最小值和的一半。
7.根据权利要求3所述高速公路路基施工过程质量综合评价方法，其特征在于：所述路基最小划分道路栅格压实均匀性z具体为
Figure FDA0002982875220000032
其中
Figure FDA0002982875220000033
为路基最小格子碾压遍数特定值的样本占总样本的比例，γ为最小格子被碾压最后一遍后振动VCV特定值出现次数之和占总样本的比例。
8.一种计算机可读的存储介质，其特征在于，所述计算机可读的存储介质中存储有计算机程序，其中，所述计算机程序被设置为运行时执行所述权利要求1至8任一项中所述的方法。
9.一种电子装置，包括存储器和处理器，其特征在于，所述存储器中存储有计算机程序，所述处理器被设置为运行所述计算机程序以执行所述权利要求1至8任一项中所述的方法。
CN202110291671.8A 2021-03-18 2021-03-18 一种高速公路路基施工过程质量综合评价方法 Active CN113159511B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110291671.8A CN113159511B (zh) 2021-03-18 2021-03-18 一种高速公路路基施工过程质量综合评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110291671.8A CN113159511B (zh) 2021-03-18 2021-03-18 一种高速公路路基施工过程质量综合评价方法

Publications (2)

Publication Number Publication Date
CN113159511A true CN113159511A (zh) 2021-07-23
CN113159511B CN113159511B (zh) 2023-09-12

Family

ID=76887835

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110291671.8A Active CN113159511B (zh) 2021-03-18 2021-03-18 一种高速公路路基施工过程质量综合评价方法

Country Status (1)

Country Link
CN (1) CN113159511B (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114169754A (zh) * 2021-12-07 2022-03-11 江苏中路信息科技有限公司 一种石灰撒布均匀性评价方法、计算机设备及存储介质

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392224A (zh) * 2014-12-04 2015-03-04 西南交通大学 一种公路路面裂纹检测方法
US20180136332A1 (en) * 2016-11-15 2018-05-17 Wheego Electric Cars, Inc. Method and system to annotate objects and determine distances to objects in an image
CN108647593A (zh) * 2018-04-26 2018-10-12 东华大学 基于图像处理和svm的无人机路面破损分类检测方法
CN110210114A (zh) * 2019-05-30 2019-09-06 中国电建集团昆明勘测设计研究院有限公司 碾压混凝土重力坝施工期最高温度预测算法
CN110349260A (zh) * 2019-07-11 2019-10-18 武汉中海庭数据技术有限公司 一种路面标线自动提取方法及装置

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN104392224A (zh) * 2014-12-04 2015-03-04 西南交通大学 一种公路路面裂纹检测方法
US20180136332A1 (en) * 2016-11-15 2018-05-17 Wheego Electric Cars, Inc. Method and system to annotate objects and determine distances to objects in an image
CN108647593A (zh) * 2018-04-26 2018-10-12 东华大学 基于图像处理和svm的无人机路面破损分类检测方法
CN110210114A (zh) * 2019-05-30 2019-09-06 中国电建集团昆明勘测设计研究院有限公司 碾压混凝土重力坝施工期最高温度预测算法
CN110349260A (zh) * 2019-07-11 2019-10-18 武汉中海庭数据技术有限公司 一种路面标线自动提取方法及装置

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
WANG LINBING;王含笑;赵千;杨海露;赵鸿铎;HUANG BAOSHAN;: "智能路面发展与展望", 中国公路学报, no. 04, pages 54 - 76 *
罗士杰、黄俊: "土石填料性质对连续压实VCV值的影响", 《四川建筑》, vol. 39, no. 6, pages 165 - 170 *

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN114169754A (zh) * 2021-12-07 2022-03-11 江苏中路信息科技有限公司 一种石灰撒布均匀性评价方法、计算机设备及存储介质

Also Published As

Publication number Publication date
CN113159511B (zh) 2023-09-12

Similar Documents

Publication Publication Date Title
US11333796B2 (en) Spatial autocorrelation machine learning-based downscaling method and system of satellite precipitation data
CN110598953A (zh) 一种时空相关的空气质量预测方法
CN107767659B (zh) 基于arima模型的共享单车吸引量和发生量预测方法
Gao et al. Assessing neighborhood air pollution exposure and its relationship with the urban form
CN107103754A (zh) 一种道路交通状况预测方法及***
CN110991262A (zh) 生态服务价值预测的多带宽地理加权回归元胞自动机方法
CN114970315B (zh) 一种基于空间动力特征深度学习的城市积水模拟和快速预测方法
CN112365708B (zh) 基于多图卷积网络的景区交通量预测模型建立和预测方法
CN113593220B (zh) 一种基于宏观基本图的路网承载力估计方法
CN106845559A (zh) 顾及poi数据空间异质性的地表覆盖验证方法及***
CN115760779B (zh) 一种道路施工监管***
CN113340286B (zh) 一种土地规划勘察勘测项目测绘信息数据分析方法、设备及计算机存储介质
CN113159511B (zh) 一种高速公路路基施工过程质量综合评价方法
CN116011778B (zh) 一种基于数据分析的水利河道施工管理***
CN111259539B (zh) 一种道路pm2.5精细化污染分布的模拟方法、***及计算机存储介质
CN114118613A (zh) 一种焦化土壤污染空间分布预测优化方法及***
CN114004950B (zh) 一种基于BIM与LiDAR技术的路面病害智能识别与管理方法
Qing et al. Automated detection of manhole covers in Mls point clouds using a deep learning approach
CN117456342A (zh) 一种基于街景影像的交通事故风险评估方法及***
CN116758757A (zh) 一种公路养护巡检方法、介质以及设备
CN117151800A (zh) 一种农村土地基准地价评估方法
CN115619275B (zh) 一种铁路工程生态修复决策方法和装置
CN114663840B (zh) 隧道环境的巡检设备监控方法及***
CN112597264B (zh) 一种基于时空大数据的巡河轨迹集中度分析方法
CN116307857A (zh) 一种基于遥感图像场景理解的建成区环境评价方法

Legal Events

Date Code Title Description
PB01 Publication
PB01 Publication
SE01 Entry into force of request for substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant