CN114282033A - 一种基于gps纠偏及公路病害智能上报*** - Google Patents
一种基于gps纠偏及公路病害智能上报*** Download PDFInfo
- Publication number
- CN114282033A CN114282033A CN202210195620.XA CN202210195620A CN114282033A CN 114282033 A CN114282033 A CN 114282033A CN 202210195620 A CN202210195620 A CN 202210195620A CN 114282033 A CN114282033 A CN 114282033A
- Authority
- CN
- China
- Prior art keywords
- gps
- disease
- point
- classification
- database
- 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
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 153
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 153
- 238000012937 correction Methods 0.000 title claims abstract description 33
- 238000004458 analytical method Methods 0.000 claims abstract description 32
- 238000012800 visualization Methods 0.000 claims abstract description 23
- 230000000007 visual effect Effects 0.000 claims abstract description 6
- 238000012545 processing Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000005259 measurement Methods 0.000 claims description 6
- 238000003860 storage Methods 0.000 claims description 4
- 101100182247 Caenorhabditis elegans lat-1 gene Proteins 0.000 claims description 3
- 101100182248 Caenorhabditis elegans lat-2 gene Proteins 0.000 claims description 3
- 238000012550 audit Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000012384 transportation and delivery Methods 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 abstract description 13
- 238000005516 engineering process Methods 0.000 description 26
- 238000007726 management method Methods 0.000 description 16
- 238000000034 method Methods 0.000 description 12
- 238000001514 detection method Methods 0.000 description 10
- 238000011161 development Methods 0.000 description 8
- 238000007689 inspection Methods 0.000 description 7
- 230000008569 process Effects 0.000 description 7
- 238000010276 construction Methods 0.000 description 4
- 238000011160 research Methods 0.000 description 4
- 230000008901 benefit Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 3
- 206010063385 Intellectualisation Diseases 0.000 description 2
- 238000004140 cleaning Methods 0.000 description 2
- 230000001737 promoting effect Effects 0.000 description 2
- 238000005728 strengthening Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 239000000969 carrier Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000009776 industrial production Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000007789 sealing Methods 0.000 description 1
- 238000012031 short term test Methods 0.000 description 1
- 238000012360 testing method Methods 0.000 description 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 description 1
Images
Landscapes
- Navigation (AREA)
- Instructional Devices (AREA)
Abstract
本发明提供了一种基于GPS纠偏及公路病害智能上报***，涉及智能信息技术领域。本发明所提供的***包括上报终端和智能分析云端；智能分析云端设置有图片识别分类单元、GPS纠偏算法单元、GPS基础数据库、GIS网路数据库和GIS地图可视化分析***；图片识别分类单元能对公路图像数据进行图像识别分类；GPS纠偏算法单元能对GPS定位数据进行GPS路线定位和定位纠偏，得到精确定位坐标；GPS基础数据库用于保存GPS定位所需的基本数据；GIS网路数据库用于保存GIS路网数据；所述GIS地图可视化分析***用于对上报终端上报信息进行空间信息地图可视化展示；该***能识别路面情况，并进行精准定位；有利于合理安排养护工作计划，降低了人工成本，提高了产出效率。
Description
技术领域
本发明涉及智能信息技术领域，尤其涉及一种基于GPS纠偏及公路病害智能上报***。
背景技术
农村公路在促进经济和社会进步的过程中发挥了极其重要的作用，其作为农村与外界联系的主要交通出行载体之一，能够带动农村经济的发展。近些年来随着乡村振兴战略推进，农村各项基础事业建设规模也在不断增大，特别是在公路建设方面，取得的成效十分突出。但就当前实际状况来看，农村公路在后期投入运营的过程中时常出现各种病害问题，很大程度上影响着其使用功能及使用寿命，且随着农村中的车辆呈逐年上升的趋势，对公路带来的破坏也在不断地增加着 ，因此有必要针对路面病害进行分析，采取相匹配的养护措施，从而保护农村公路的安全运营。
“十三五”期间“四好农村路”的建设情况，全国累计完成新改建农村公路138.8万公里，全国农村公路总里程数已达到420万公里，四川省农村公路总里程数已达到34.7万公里，农村公路占比占公路总里程的83.8%。从以上数据体现了农村公路快速发展，而公路养护成本不断增多，该项目的投入即可满足农村快速发展的养护资金需求，也极大地促进了农村公路的养护发展。因此，我们需要引用新技术、新手段赋能农村公路管理。坚持智慧发展，推动运用新技术、新手段赋能农村公路管理养护工作。加强5G、北斗、互联网、物联网、大数据、卫星遥感等新技术的应用，不断提升农村公路管理效能和养护水平。
农村公路管理信息化水平不断提升，“快速检测技术”也被首次提出；推动农村公路基础信息数字化，加强互联网、卫星遥感、快速检测等新技术的应用，建立数据采集、处理的长效机制，完善农村公路综合监管能力，强化信息资源共享交换，提升农村公路管理效能。
对于智能汽车的辅助驾驶***而言，关键在于能够对路径目标和车辆环境进行准确的识别和检测，并通过数据分析，做出合理的判别。而道路状况和行车环境是复杂多变的，一般包括道路标记、车道线、交通标识、障碍物、行人车辆、交通信号等。如何在有效的时间内快速、准确地检测到目标路径和行车状态，成为研究汽车安全辅助驾驶技术的难点。随着视觉技术迅速发展，机器视觉对目标的识别与检测更加精确，且获取信息量大、不依赖于道路形状的改变，可以进行多目标检测，且维修费用低，便于存储。因此，视觉技术在智能汽车的道路识别与跟踪方面表现出巨大的优势。国外很早就已经开展机器视觉在智能交通领域的研究，并有相关成熟的产品问世，但我国在这方面的研究起步比较晚，技术还不够成熟，相关产品并不多。因此，开展基于视觉技术的智能汽车辅助驾驶技术的研究已经迫在眉睫。
机器视觉是通过摄像机获取图像，送入计算机进行处理，获得图像中包含的特征信息，以实现对目标识别与检测。随着图像处理技术的快速发展，机器视觉已经广泛应用在各类检测与监视、工业生产、视觉导航、人机交互等领域，给人们的生产生活带来了极大的方便。特别是在智能汽车领域，视觉技术的应用更是给汽车革命带来了巨大变化。
现有技术的缺陷和不足：1.车载设备GPS误差大，具体病害不能准确展示在地图上。2.公路病害没有及时上报，上报的病害位置过多，导致数据量过大，无效数据冗余，完全影响读取和分析效率，同时影响数据可视化展示的直观性。3.公路病害管理所需人工成本高，效率低。
因此，有必要提供一种新的公路病害智能上报***来解决上述一或多个技术问题。
发明内容
为解决上述一或多个技术问题，本发明提供的一种基于GPS纠偏及公路病害智能上报***，包括上报终端和智能分析云端。
具体的，所述上报终端部署在移动和/或车载智能设备上，并通过通信网络与智能分析云端建立通信连接；所述上报终端能实时采集/上传GPS定位数据与公路图像数据，并通过数据包与智能分析云端进行数据接收/上传。
更具体的，所述智能分析云端设置有图片识别分类单元、GPS纠偏算法单元、GPS基础数据库、GIS网路数据库和GIS地图可视化分析***。
详尽地，所述图片识别分类单元用于接收上报终端上传的公路图像数据，并对公路图像数据进行图像识别分类，得到公路病害识别结果；所述GPS纠偏算法单元用于接收上报终端上传的GPS定位数据，并对GPS定位数据进行GPS路线定位和定位纠偏，得到精确定位坐标；所述GPS基础数据库用于保存GPS定位所需的基本数据；所述GIS网路数据库用于保存GIS网路数据；所述GIS地图可视化分析***用于对上报终端上报信息进行空间信息地图可视化展示。
作为更进一步的解决方案，所述GPS基础数据库和GIS网路数据库均采用mysql数据库作为存储数据库，并采用Redis数据库作为缓存数据库；所述Redis数据库部署有RedisGeo并通过Redis消息队列数据进行数据处理。
作为更进一步的解决方案，所述GPS纠偏算法单元通过如下步骤得到定位路段的
偏移量常系数
：
S1 接收上报终端上传的GPS定位数据；
S2 将当前定位点位的经纬度设为上传点P（X0，Y0）；
S3 通过Redis Geo找到附近的定位点A（X1，Y1），所述定位点A隶属于路线L；
S4 通过定位点A匹配前后向两个点的任一值作为定位点B（X2，Y2）；
S5 求出定位点A与定位点B之间的向量AB（X2-X1，Y2-Y1），其中，
；
S6 作上传点P到L线路的垂线，并将相交点设为垂直点Q（X，Y）；
S7 求出上传点P与向量PQ（X-X0，Y-Y0），其中，
；
S8 通过向量PQ垂直向量AB，即：向量PQ在向量AB上的投影的模为0，其点积为0，计
算出Q点坐标；其中，
；
S9 判断Q点是否在直线L线路上，即计算公式：
是否成立；若成立则将Q点记为上传点P对应的纠偏点Q；
S10 计算定位点A到纠偏点Q的距离S1，其中，
；
S11 获取各点的经纬度；
S12 计算定位点A经纬度lat1，lng1和上传点P经纬度lat2，lng2之间的实际距离S2，计算公式为：
S13 将S1与S2带入偏移量，并计算上传点P的偏移量M，其中，M=S1/S2；
S14 重复S1至S13步骤，获得L线路多次偏移量平均值作为正式的偏移量常系数
，公式为：
；其中n为测量次数，i为测量编号，得到的偏移量常系数
。
作为更进一步的解决方案，所述GPS纠偏算法单元通过如下步骤判断GPS定位数据是否与GIS网路数据发生偏移：
A1 作上传点P到向量AB的垂直线，得到垂直点Q；
A2 判断垂直点Q是否在AB线段上：即计算公式
是否成立；若成
立，则说明垂直点Q在AB线段内；若不成立，则说明垂直点Q不在AB线段内；
A3 若垂直点Q不在AB线段内，则利用偏移量常系数
计算出垂直点Q在AB线段内
的坐标点；若垂直点Q在AB线段内，则直接计算其坐标，并执行下一步；
A4 在GPS基础数据库内检索垂直点Q对应坐标是否已经存在，其中，预设有GPS重复阈值，若两点之间距离大于GPS重复阈值，则视为不相同的两个坐标；若两点之间距离不大于GPS重复阈值，则视为相同的两个坐标；
A5 若垂直点Q对应坐标已存在于GPS基础数据库内，则仅对坐标对应的上报信息进行更新；若垂直点Q对应坐标未存在于GPS基础数据库内，则将坐标新建保存至GPS基础数据库中，并新建坐标对应的上报信息。
作为更进一步的解决方案，所述图片识别分类单元是基于AI的图片识别分类单元，并通过病害图片分类训练库对模型进行训练得到各病害分类特征值，步骤如下：
B1 收集公路病害图片并进行分类处理，得到病害图片分类训练库；
B2 将病害图片分类训练库按照分类输入图片识别分类单元并进行特征提取；
B3 得到公路病害的特征并进行特征值计算，得到病害分类特征值；
B4 将各类公路病害对应的病害分类特征值加入病害分类特征值数据库。
作为更进一步的解决方案，所述图片识别分类单元通过如下步骤得到分类结果：
C1 收上报终端上传的公路图像数据；
C2 通过图片识别分类单元提取公路图像数据特征并计算病害图片特征值；
C3 将病害图片特征值写入Redis数据库中进行缓存；
C4 将病害分类特征值数据库写入Redis数据库中进行缓存；
C5 将病害图片特征值与病害分类特征值数据库进行特征值对比分析；
C6 若病害图片特征值与病害分类特征值数据库建立匹配，则输出病害分类结果；若未建立匹配，则病害分类结果为未识别灾害。
作为更进一步的解决方案，所述GIS地图可视化分析***为分层、动态与交付地图可视化***；所述GIS地图可视化分析***包括GIS路网图层、病害图层和巡查图层；所述GIS路网图层包括路线、路段、桥梁、隧道、涵洞、边坡、互通区、交通实施、交通量和资料档案；所述病害图层以病害图表展示具***置，包括病害审核状态、病害处置状态、病害地点、病害分类、上报单位、病害图片、病害面积和病害体积信息；所述巡查图层用于巡查人员日常巡查实时轨迹的展示，包括巡查轨迹、巡查次数和巡查里程。
与相关技术相比较，本发明提供的一种基于GPS纠偏及公路病害智能上报***具有如下有益效果：
1、本发明所提供的智能上报***能识别路面情况，并能上报、查看和处理病害；有利于合理安排养护工作计划，降低了人工成本，提高了产出效率；
2、本发明通过GPS纠偏算法单元能结合可视化技术精确地在地图上展示病害位置，并实现精确地在高德地图上展示病害，上传的经纬度和基础道路数据通过Redis Geo找出GPS位置最近的坐标，Redis geo 可以很方便地计算最近距离的点，再通过纠偏算法进行纠偏，实现完全吻合匹配于GIS网路数据库的匹配线路上，便于精确地在高德地图上展示；
3、本发明使用的GIS地图可视化分析***为分层、动态与交付地图可视化***，包括GIS路网图层、病害图层和巡查图层；能使使用者直观、快速、准确和多层次地了解到公路病害情况；提高工作效率；
4、本发明通过图片识别分类技术对上报病害进行处理分析，同时对上报的GPS经纬度进行GPS纠偏处理，并上报至智能分析云端，再通过GIS地图可视化分析***可视化展示病害的具***置；很大程度上降低了巡查及检测的成本，提高了公路巡查效率，同时实现了智能化、自动化、可视化等智能管理。
附图说明
图1为本发明实施例提供的一种基于GPS纠偏及公路病害智能上报***的较佳***框图；
图2为本发明实施例提供的GPS纠偏算法单元的较佳流程示意图；
图3为本发明实施例提供的图片识别分类单元的较佳流程示意图；
图4为本发明实施例提供的公路病害上报的较佳流程示意图。
具体实施方式
下面结合附图和实施方式对本发明作进一步说明。
如图1至图4所示，本实施例为解决上述一或多个技术问题，提供一种基于GPS纠偏及公路病害智能上报***，包括上报终端和智能分析云端。
具体的，所述上报终端部署在移动和/或车载智能设备上，并通过通信网络与智能分析云端建立通信连接；所述上报终端能实时采集/上传GPS定位数据与公路图像数据，并通过数据包与智能分析云端进行数据接收/上传。
更具体的，所述智能分析云端设置有图片识别分类单元、GPS纠偏算法单元、GPS基础数据库、GIS网路数据库和GIS地图可视化分析***。
详尽地，所述图片识别分类单元用于接收上报终端上传的公路图像数据，并对公路图像数据进行图像识别分类，得到公路病害识别结果；所述GPS纠偏算法单元用于接收上报终端上传的GPS定位数据，并对GPS定位数据进行GPS路线定位和定位纠偏，得到精确定位坐标；所述GPS基础数据库用于保存GPS定位所需的基本数据；所述GIS网路数据库用于保存GIS网路数据；所述GIS地图可视化分析***用于对上报终端上报信息进行空间信息地图可视化展示。
需要说明的是：本实施所提出的一种基于GPS纠偏及公路病害智能上报***其底层主要核心技术采用是GPS纠偏技术以及病害图片识别分类技术；基于Redis Geo 的GPS纠偏技术目的在于解决设备上传病害GPS位置的不准确性，偏移量过大的情形。病害上报主即要通过手机app和车载设备AI实现的，即移动和/或车载智能设备。手机app采用语音和图片的方式上报，采用图片识别分类技术对上报病害进行处理分析，同时对上报的GPS经纬度进行GPS纠偏处理，车辆搭载AI算法设备的对路面进行公路病害智能上报，在通过高德地图图层可视化展示病害的具***置。很大程度上降低了巡查及检测的成本，提高了公路巡查效率，同时实现了智能化、自动化、可视化等智能管理。
将智能巡检设备安装于营运车辆（如公交车、清洁车、乡村客运等）及执法车辆上，并加载车载设备AI实现对所测路面的目标值的快速检测和呈现。用户可在不干扰车辆日常运行的同时，可同步对经过的道路实现快速检测，主要检测目标为路面裂缝、路面坑槽、路面波浪拥包、路面行驶质量指数RQI等数据，并将检测结果采用可视化方式进行展示。
作为更进一步的解决方案，所述GPS基础数据库和GIS网路数据库均采用mysql数据库作为存储数据库，并采用Redis数据库作为缓存数据库；所述Redis数据库部署有RedisGeo并通过Redis消息队列数据进行数据处理。
需要说明的是：利用redis的GEO地理定位计算可以得出病害上报GPS 数据离L线路上点的距离，GIS网路数据库中存放的L线路上的点的经纬度（坐标），通过geo计算得出距离。GPS基础数据库和GIS路网基础数据库都采用mysql数据库存储。缓存数据库采用Redis数据库。同时使用Redis消息队列进行数据处理和Redis Geo进行经纬度的计算。GIS路网基础数据库采用交通运输部科学研究院的公路基础数据库的GIS网路数据库，我们对某个区域的GIS网路数据进行导出，经过数据清洗得到GIS网路数据库。用于GPS纠偏算法的参考数据。
作为更进一步的解决方案，如图2所示，所述GPS纠偏算法单元通过如下步骤得到
定位路段的偏移量常系数
：
S1 接收上报终端上传的GPS定位数据；
S2 将当前定位点位的经纬度设为上传点P（X0，Y0）；
S3 通过Redis Geo找到附近的定位点A（X1，Y1），所述定位点A隶属于路线L；
S4 通过定位点A匹配前后向两个点的任一值作为定位点B（X2，Y2）；
S5 求出定位点A与定位点B之间的向量AB（X2-X1，Y2-Y1），其中，其中，
；
S6 作上传点P到L线路的垂线，并将相交点设为垂直点Q（X，Y）；
S7 求出上传点P与向量PQ（X-X0，Y-Y0），其中，
；
S8 通过向量PQ垂直向量AB，即：向量PQ在向量AB上的投影的模为0，其点积为0，计
算出Q点坐标；其中，
；
S9 判断Q点是否在直线L线路上，即计算公式：
是否成立；若成立则将Q点记为上传点P对应的纠偏点Q；
S10 计算定位点A到纠偏点Q的距离S1，其中，
；
S11 获取各点的经纬度；
S12 计算定位点A经纬度lat1，lng1和上传点P经纬度lat2，lng2之间的实际距离S2，计算公式为：
S13 将S1与S2带入偏移量，并计算上传点P的偏移量M，其中，M=S1/S2；
S14 重复S1至S13步骤，获得L线路多次偏移量平均值作为正式的偏移量常系数
，公式为：
；其中n为测量次数，i为测量编号，得到的偏移量常系数
。
作为更进一步的解决方案，如图2所示，所述GPS纠偏算法单元通过如下步骤判断GPS定位数据是否与GIS网路数据发生偏移：
A1 作上传点P到向量AB的垂直线，得到垂直点Q；
A2 判断垂直点Q是否在AB线段上：即计算公式
是否成立；若成
立，则说明垂直点Q在AB线段内；若不成立，则说明垂直点Q不在AB线段内；
A3 若垂直点Q不在AB线段内，则利用偏移量常系数
计算出垂直点Q在AB线段内
的坐标点；若垂直点Q在AB线段内，则直接计算其坐标，并执行下一步；
这里需要说明的是：通过上传点P到定位A点的距离乘以偏移量常系数
可以得到
AB线段内垂直点Q到A点的距离，又已知定位A、B两点的坐标，即可求出直线方程；通过直线
方程与垂直点Q到A点的距离联立，即可求出垂直点Q的坐标。
A4 在GPS基础数据库内检索垂直点Q对应坐标是否已经存在，其中，预设有GPS重复阈值，若两点之间距离大于GPS重复阈值，则视为不相同的两个坐标；若两点之间距离不大于GPS重复阈值，则视为相同的两个坐标；
A5 若垂直点Q对应坐标已存在于GPS基础数据库内，则仅对坐标对应的上报信息进行更新；若垂直点Q对应坐标未存在于GPS基础数据库内，则将坐标新建保存至GPS基础数据库中，并新建坐标对应的上报信息。
需要说明的是：本实施例通过GPS纠偏算法单元，能结合可视化技术精确地在地图上展示病害位置，并实现精确地在高德地图上展示病害。GPS纠偏步骤包括GPS匹配线路、GPS垂点计算、GPS常系数计算、GPS去重。首先病害上报的设备上报经纬度信息。上传的经纬度和基础道路数据通过Redis Geo找出GPS位置最近的坐标，Redis geo 可以很方便地计算最近距离的点，设置限定返回的记录数为10，匹配到线路的最近点个数越多，则标记为设备点在这条线路上，再通过纠偏算法进行纠偏，实现完全吻合匹配于GIS网路数据库的匹配线路上，便于精确地在高德地图上展示。
作为更进一步的解决方案，如图3所示，所述图片识别分类单元是基于AI的图片识别分类单元，并通过病害图片分类训练库对模型进行训练得到各病害分类特征值，步骤如下：
B1 收集公路病害图片并进行分类处理，得到病害图片分类训练库；
B2 将病害图片分类训练库按照分类输入图片识别分类单元并进行特征提取；
B3 得到公路病害的特征并进行特征值计算，得到病害分类特征值；
B4 将各类公路病害对应的病害分类特征值加入病害分类特征值数据库。
作为更进一步的解决方案，所述图片识别分类单元通过如下步骤得到分类结果：
C1 收上报终端上传的公路图像数据；
C2 通过图片识别分类单元提取公路图像数据特征并计算病害图片特征值；
C3 将病害图片特征值写入Redis数据库中进行缓存；
C4 将病害分类特征值数据库写入Redis数据库中进行缓存；
C5 将病害图片特征值与病害分类特征值数据库进行特征值对比分析；
C6 若病害图片特征值与病害分类特征值数据库建立匹配，则输出病害分类结果；若未建立匹配，则病害分类结果为未识别灾害。
作为更进一步的解决方案，所述GIS地图可视化分析***为分层、动态与交付地图可视化***；所述GIS地图可视化分析***包括GIS路网图层、病害图层和巡查图层；所述GIS路网图层包括路线、路段、桥梁、隧道、涵洞、边坡、互通区、交通实施、交通量和资料档案；所述病害图层以病害图表展示具***置，包括病害审核状态、病害处置状态、病害地点、病害分类、上报单位、病害图片、病害面积和病害体积信息；所述巡查图层用于巡查人员日常巡查实时轨迹的展示，包括巡查轨迹、巡查次数和巡查里程。
如图4所示，本实施例通过手机APP实现公路病害一键上报以及巡查，村镇及区县用户使用移动终端上报病害例如封路、积水、施工及其他等各类路况信息。公路病害按区域分为区县和乡/村道。管理区域每年都规划有计划内的公路病害，根据管理区域病害情况和病害处置预算费用，规划为计划类的病害。而不在计划内的并且严重的病害则划分为应急类。则可以分为计划类和应急类。
公路病害上报流程。首先如果是乡/村道，巡查人员开始上报计划内的病害给交管站，交管站拟定病害处置计划书，通过站长审核同意，病害区域的养护管理员就开始处置病害；如果是计划外的病害，交管站拟定病害处置病害计划书，通过站长审核同意还需要镇领导同意，然后病害区域的养护管理员就开始处置病害。其次如果是县道，巡查人员上报计划类病害，由工程股科员拟定处置方案，让养护段段长一级审核，一级审核通过，二级审核建管科科长审核通过，就结束审核，最后由病害区域的工程股科员来处置病害流程，区县级的处置需要监管科科长或者服务中心主任来进行审核复查。审核通过后，该病害处置完成。
综上所述，一种基于GPS纠偏及公路病害智能上报***实现了基础病害、多类型病害、多种交安设施识别及判断等多元素自动识别。推动农村公路新技术的应用，对GPS纠偏技术、图片识别分类、GIS地图可视化等技术的智能应用，实现科技化管理、赋能农村公路管养工作，推动乡村振兴、带动农村经济发展，生产良好的社会效益。
以上所述仅为本发明的实施例，并非因此限制本发明的专利范围，凡是利用本发明说明书及附图内容所作的等效结构或等效流程变换，或直接或间接运用在其它相关的技术领域，均同理包括在本发明的专利保护范围内。
Claims (7)
1.一种基于GPS纠偏及公路病害智能上报***，其特征在于，包括上报终端和智能分析云端；
所述上报终端部署在移动和/或车载智能设备上，并通过通信网络与智能分析云端建立通信连接；所述上报终端能实时采集/上传GPS定位数据与公路图像数据，并通过数据包与智能分析云端进行数据接收/上传；
所述智能分析云端设置有图片识别分类单元、GPS纠偏算法单元、GPS基础数据库、GIS网路数据库和GIS地图可视化分析***；
所述图片识别分类单元用于接收上报终端上传的公路图像数据，并对公路图像数据进行图像识别分类，得到公路病害识别结果；
所述GPS纠偏算法单元用于接收上报终端上传的GPS定位数据，并对GPS定位数据进行GPS路线定位和定位纠偏，得到精确定位坐标；
所述GPS基础数据库用于保存GPS定位所需的基本数据；所述GIS网路数据库用于保存GIS网路数据；所述GIS地图可视化分析***用于对上报终端上报信息进行空间信息地图可视化展示。
2.根据权利要求1所述的一种基于GPS纠偏及公路病害智能上报***，其特征在于，所述GPS基础数据库和GIS网路数据库均采用mysql数据库作为存储数据库，并采用Redis数据库作为缓存数据库；所述Redis数据库部署有Redis Geo并通过Redis消息队列数据进行数据处理。
3.根据权利要求1所述的一种基于GPS纠偏及公路病害智能上报***，其特征在于，所
述GPS纠偏算法单元通过如下步骤得到定位路段的偏移量常系数
：
S1 接收上报终端上传的GPS定位数据；
S2 将当前定位点位的经纬度设为上传点P（X0，Y0）；
S3 通过Redis Geo找到附近的定位点A（X1，Y1），所述定位点A隶属于路线L；
S4 通过定位点A匹配前后向两个点的任一值作为定位点B（X2，Y2）；
S5 求出定位点A与定位点B之间的向量AB（X2-X1，Y2-Y1），其中，
；
S6 作上传点P到L线路的垂线，并将相交点设为垂直点Q（X，Y）；
S7 求出上传点P与向量PQ（X-X0，Y-Y0），其中，
；
S8 通过向量PQ垂直向量AB，即：向量PQ在向量AB上的投影的模为0，其点积为0，计算出
Q点坐标；其中，
；
S9 判断Q点是否在直线L线路上，即计算公式：
是否成立；若成立则将Q点记为上传点P对应的纠偏点Q；
S10 计算定位点A到纠偏点Q的距离S1，其中，
；
S11 获取各点的经纬度；
S12 计算定位点A经纬度lat1，lng1和上传点P经纬度lat2，lng2之间的实际距离S2，计算公式为：
S13 将S1与S2带入偏移量，并计算上传点P的偏移量M，其中，M=S1/S2；
S14 重复S1至S13步骤，获得L线路多次偏移量平均值作为正式的偏移量常系数
，公式
为：
；其中n为测量次数，i为测量编号，得到的偏移量常系数 
。
4.根据权利要求3所述的一种基于GPS纠偏及公路病害智能上报***，其特征在于，所述GPS纠偏算法单元通过如下步骤判断GPS定位数据是否与GIS网路数据发生偏移：
A1 作上传点P到向量AB的垂直线，得到垂直点Q；
A2 判断垂直点Q是否在AB线段上：即计算公式
是否成立；若成立，则说明
垂直点Q在AB线段内；若不成立，则说明垂直点Q不在AB线段内；
A3 若垂直点Q不在AB线段内，则利用偏移量常系数 
计算出垂直点Q在AB线段内的坐
标点；若垂直点Q在AB线段内，则直接计算其坐标，并执行下一步；
A4 在GPS基础数据库内检索垂直点Q对应坐标是否已经存在，其中，预设有GPS重复阈值，若两点之间距离大于GPS重复阈值，则视为不相同的两个坐标；若两点之间距离不大于GPS重复阈值，则视为相同的两个坐标；
A5 若垂直点Q对应坐标已存在于GPS基础数据库内，则仅对坐标对应的上报信息进行更新；若垂直点Q对应坐标未存在于GPS基础数据库内，则将坐标新建保存至GPS基础数据库中，并新建坐标对应的上报信息。
5.根据权利要求1所述的一种基于GPS纠偏及公路病害智能上报***，其特征在于，所述图片识别分类单元是基于AI的图片识别分类单元，并通过病害图片分类训练库对模型进行训练得到各病害分类特征值，步骤如下：
B1 收集公路病害图片并进行分类处理，得到病害图片分类训练库；
B2 将病害图片分类训练库按照分类输入图片识别分类单元并进行特征提取；
B3 得到公路病害的特征并进行特征值计算，得到病害分类特征值；
B4 将各类公路病害对应的病害分类特征值加入病害分类特征值数据库。
6.根据权利要求5所述的一种基于GPS纠偏及公路病害智能上报***，其特征在于，所述图片识别分类单元通过如下步骤得到分类结果：
C1 收上报终端上传的公路图像数据；
C2 通过图片识别分类单元提取公路图像数据特征并计算病害图片特征值；
C3 将病害图片特征值写入Redis数据库中进行缓存；
C4 将病害分类特征值数据库写入Redis数据库中进行缓存；
C5 将病害图片特征值与病害分类特征值数据库进行特征值对比分析；
C6 若病害图片特征值与病害分类特征值数据库建立匹配，则输出病害分类结果；若未建立匹配，则病害分类结果为未识别灾害。
7.根据权利要求1所述的一种基于GPS纠偏及公路病害智能上报***，其特征在于，所述GIS地图可视化分析***为分层、动态与交付地图可视化***；所述GIS地图可视化分析***包括GIS路网图层、病害图层和巡查图层；所述GIS路网图层包括路线、路段、桥梁、隧道、涵洞、边坡、互通区、交通实施、交通量和资料档案；所述病害图层以病害图表展示具***置，包括病害审核状态、病害处置状态、病害地点、病害分类、上报单位、病害图片、病害面积和病害体积信息；所述巡查图层用于巡查人员日常巡查实时轨迹的展示，包括巡查轨迹、巡查次数和巡查里程。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210195620.XA CN114282033B (zh) | 2022-03-02 | 2022-03-02 | 一种基于gps纠偏及公路病害智能上报*** |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202210195620.XA CN114282033B (zh) | 2022-03-02 | 2022-03-02 | 一种基于gps纠偏及公路病害智能上报*** |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN114282033A true CN114282033A (zh) | 2022-04-05 |
| CN114282033B CN114282033B (zh) | 2022-05-27 |
Family
ID=80882172
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202210195620.XA Active CN114282033B (zh) | 2022-03-02 | 2022-03-02 | 一种基于gps纠偏及公路病害智能上报*** |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114282033B (zh) |
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115630056A (zh) * | 2022-10-20 | 2023-01-20 | 中远海运科技股份有限公司 | 一种基于gps轨迹定位的道路巡查量化考核***及方法 |
| CN116095099A (zh) * | 2023-01-20 | 2023-05-09 | 广东省中山市质量计量监督检测所 | 一种基于机器视觉的机械零件质检*** |
| CN116503027A (zh) * | 2023-06-27 | 2023-07-28 | 成都智达万应科技有限公司 | 一种公路资产智能化管理*** |
Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007087163A (ja) * | 2005-09-22 | 2007-04-05 | Mitsubishi Electric Corp | 地図の座標補正方法及び装置 |
| CN1996195A (zh) * | 2005-12-31 | 2007-07-11 | 清华大学 | 一种机车定位纠偏***及其运动跟踪方法 |
| CN101226406A (zh) * | 2008-01-15 | 2008-07-23 | 郭卫平 | 一种基于gps和gis的太阳跟踪***及其实现方法 |
| CN101794316A (zh) * | 2010-03-30 | 2010-08-04 | 高翔 | 基于gps定位和方向识别的实景咨信***及坐标偏移方法 |
| CN102175254A (zh) * | 2011-01-13 | 2011-09-07 | 北京超图软件股份有限公司 | 导航定位纠偏方法和装置，定位导航*** |
| CN103034737A (zh) * | 2012-12-27 | 2013-04-10 | 天津市通卡公用网络***有限公司 | 电子地图的纠偏方法 |
| CN104120645A (zh) * | 2014-06-20 | 2014-10-29 | 南京理工技术转移中心有限公司 | 一种路面状况自动检测数据定位***与定位方法 |
| CN107357894A (zh) * | 2017-07-13 | 2017-11-17 | 杭州智诚惠通科技有限公司 | 一种道路交通设施数据采集纠偏方法及*** |
| CN107545744A (zh) * | 2017-09-11 | 2018-01-05 | 公安部交通管理科学研究所 | 基于gps与gis线路匹配纠偏的特勤交通信号控制***及方法 |
| CN108037723A (zh) * | 2018-01-24 | 2018-05-15 | 武汉浩宇天辰科技有限公司 | 一种公路养护信息化管理*** |
| CN108242149A (zh) * | 2018-03-16 | 2018-07-03 | 成都智达万应科技有限公司 | 一种基于交通数据的大数据分析方法 |
| CN108759823A (zh) * | 2018-05-28 | 2018-11-06 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
| CN109827582A (zh) * | 2019-03-29 | 2019-05-31 | 深圳市鹏途交通科技有限公司 | 一种快速确定道路路网病害相对位置的方法及*** |
| CN113064187A (zh) * | 2021-04-07 | 2021-07-02 | 多彩贵州印象网络传媒股份有限公司 | 一种基于原始gps数据经纬度纠偏能力算法 |
| CN113253319A (zh) * | 2021-04-29 | 2021-08-13 | 汉纳森（厦门）数据股份有限公司 | 基于车辆gps的路网提取和轨迹纠偏方法和*** |
| CN113269751A (zh) * | 2021-05-27 | 2021-08-17 | 山东大学 | 一种基于卷积神经网络与3d打印修补技术的路面病害识别与修补方法、***、设备及介质 |
-
2022
- 2022-03-02 CN CN202210195620.XA patent/CN114282033B/zh active Active
Patent Citations (16)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JP2007087163A (ja) * | 2005-09-22 | 2007-04-05 | Mitsubishi Electric Corp | 地図の座標補正方法及び装置 |
| CN1996195A (zh) * | 2005-12-31 | 2007-07-11 | 清华大学 | 一种机车定位纠偏***及其运动跟踪方法 |
| CN101226406A (zh) * | 2008-01-15 | 2008-07-23 | 郭卫平 | 一种基于gps和gis的太阳跟踪***及其实现方法 |
| CN101794316A (zh) * | 2010-03-30 | 2010-08-04 | 高翔 | 基于gps定位和方向识别的实景咨信***及坐标偏移方法 |
| CN102175254A (zh) * | 2011-01-13 | 2011-09-07 | 北京超图软件股份有限公司 | 导航定位纠偏方法和装置，定位导航*** |
| CN103034737A (zh) * | 2012-12-27 | 2013-04-10 | 天津市通卡公用网络***有限公司 | 电子地图的纠偏方法 |
| CN104120645A (zh) * | 2014-06-20 | 2014-10-29 | 南京理工技术转移中心有限公司 | 一种路面状况自动检测数据定位***与定位方法 |
| CN107357894A (zh) * | 2017-07-13 | 2017-11-17 | 杭州智诚惠通科技有限公司 | 一种道路交通设施数据采集纠偏方法及*** |
| CN107545744A (zh) * | 2017-09-11 | 2018-01-05 | 公安部交通管理科学研究所 | 基于gps与gis线路匹配纠偏的特勤交通信号控制***及方法 |
| CN108037723A (zh) * | 2018-01-24 | 2018-05-15 | 武汉浩宇天辰科技有限公司 | 一种公路养护信息化管理*** |
| CN108242149A (zh) * | 2018-03-16 | 2018-07-03 | 成都智达万应科技有限公司 | 一种基于交通数据的大数据分析方法 |
| CN108759823A (zh) * | 2018-05-28 | 2018-11-06 | 浙江大学 | 基于图像匹配的指定道路上低速自动驾驶车辆定位及纠偏方法 |
| CN109827582A (zh) * | 2019-03-29 | 2019-05-31 | 深圳市鹏途交通科技有限公司 | 一种快速确定道路路网病害相对位置的方法及*** |
| CN113064187A (zh) * | 2021-04-07 | 2021-07-02 | 多彩贵州印象网络传媒股份有限公司 | 一种基于原始gps数据经纬度纠偏能力算法 |
| CN113253319A (zh) * | 2021-04-29 | 2021-08-13 | 汉纳森（厦门）数据股份有限公司 | 基于车辆gps的路网提取和轨迹纠偏方法和*** |
| CN113269751A (zh) * | 2021-05-27 | 2021-08-17 | 山东大学 | 一种基于卷积神经网络与3d打印修补技术的路面病害识别与修补方法、***、设备及介质 |
Non-Patent Citations (6)
| Title |
|---|
| 杨志鹏 等: "基于GPS/北斗车载终端回传位置信息的电子地图纠偏算法", 《计算机光盘软件与应用》 * |
| 杨志鹏 等: "基于GPS/北斗车载终端回传位置信息的电子地图纠偏算法", 《计算机光盘软件与应用》, vol. 17, no. 9, 31 May 2014 (2014-05-31), pages 17 - 19 * |
| 杨皎皎 等: "车载导航***中定位点纠偏方法的设计及实现", 《信息通信》 * |
| 杨皎皎 等: "车载导航***中定位点纠偏方法的设计及实现", 《信息通信》, no. 4, 15 June 2013 (2013-06-15), pages 43 - 44 * |
| 邱林 等: "利用中心点取值及常系数纠偏技术的电网GIS设备定位研究", 《电子世界》 * |
| 邱林 等: "利用中心点取值及常系数纠偏技术的电网GIS设备定位研究", 《电子世界》, no. 15, 31 August 2016 (2016-08-31), pages 159 - 160 * |
Cited By (5)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115630056A (zh) * | 2022-10-20 | 2023-01-20 | 中远海运科技股份有限公司 | 一种基于gps轨迹定位的道路巡查量化考核***及方法 |
| CN115630056B (zh) * | 2022-10-20 | 2024-01-26 | 中远海运科技股份有限公司 | 一种基于gps轨迹定位的道路巡查量化考核***及方法 |
| CN116095099A (zh) * | 2023-01-20 | 2023-05-09 | 广东省中山市质量计量监督检测所 | 一种基于机器视觉的机械零件质检*** |
| CN116503027A (zh) * | 2023-06-27 | 2023-07-28 | 成都智达万应科技有限公司 | 一种公路资产智能化管理*** |
| CN116503027B (zh) * | 2023-06-27 | 2024-01-19 | 成都智达万应科技有限公司 | 一种公路资产智能化管理*** |
Also Published As
| Publication number | Publication date |
|---|---|
| CN114282033B (zh) | 2022-05-27 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN114282033B (zh) | 一种基于gps纠偏及公路病害智能上报*** | |
| CN105608505B (zh) | 一种基于手机信令数据的居民轨道交通出行方式识别方法 | |
| AU2006304589B2 (en) | System and method for identifying road features | |
| CN100580735C (zh) | 基于探测车技术的实时动态交通信息处理方法 | |
| CN111210612B (zh) | 基于公交gps数据与站点信息提取公交线路轨迹的方法 | |
| CN112580833B (zh) | 一种农村公路养护信息化管理*** | |
| CN110222959B (zh) | 一种基于大数据的城市就业可达性测算方法及*** | |
| CN114037384A (zh) | 物流车辆的监控方法、装置、设备及存储介质 | |
| CN113531400B (zh) | 基于移动设备定位数据的管道巡线方法及*** | |
| CN112036757A (zh) | 基于手机信令和浮动车数据的停车换乘停车场的选址方法 | |
| CN112530158B (zh) | 一种基于历史轨迹的路网补充方法 | |
| CN111829538A (zh) | 交通安全导航方法、存储介质及电子设备 | |
| Flaskou et al. | Analysis of freight corridors using GPS data on trucks | |
| CN110160537A (zh) | 车辆作业的检测方法、***及计算机可读存储介质 | |
| CN112150650A (zh) | 一种基于北斗高精度的公路里程计费管理云平台 | |
| CN113706875B (zh) | 一种道路功能研判方法 | |
| CN115995151B (zh) | 应用于城市管理的网约车异常行为检测方法 | |
| CN115129796A (zh) | 定位数据分析方法、装置、设备和介质 | |
| CN115630056B (zh) | 一种基于gps轨迹定位的道路巡查量化考核***及方法 | |
| CN116659528A (zh) | 一种路网级路面技术状况检测路径规划方法 | |
| CN110599768A (zh) | 一种基于电信大数据的高速公路车流估计方法 | |
| CN113420439B (zh) | 综合交通承载力计算方法、装置、计算机设备及存储介质 | |
| CN105717517A (zh) | 一种车载北斗多模gnss高精度道路基础数据采集方法 | |
| CN114677854B (zh) | 公共交通可达性评估方法及装置 | |
| CN114398413A (zh) | 一种道路巡检智能分析方法、设备及存储介质 |
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 | ||
| PE01 | Entry into force of the registration of the contract for pledge of patent right |
Denomination of invention: A GPS based deviation correction and intelligent reporting system for highway diseases Effective date of registration: 20230411 Granted publication date: 20220527 Pledgee: Industrial Bank Limited by Share Ltd. Chengdu branch Pledgor: CHENGDU INTELLIGENT & OMNIPOTENT TECHNOLOGY CO.,LTD. Registration number: Y2023510000098 |
|
| PE01 | Entry into force of the registration of the contract for pledge of patent right | ||
| PC01 | Cancellation of the registration of the contract for pledge of patent right |
Granted publication date: 20220527 Pledgee: Industrial Bank Limited by Share Ltd. Chengdu branch Pledgor: CHENGDU INTELLIGENT & OMNIPOTENT TECHNOLOGY CO.,LTD. Registration number: Y2023510000098 |