CN115662122B - 一种基于gps的道路巡查、病害识别和巡查考核的养护***及方法 - Google Patents
一种基于gps的道路巡查、病害识别和巡查考核的养护***及方法 Download PDFInfo
- Publication number
- CN115662122B CN115662122B CN202211285097.6A CN202211285097A CN115662122B CN 115662122 B CN115662122 B CN 115662122B CN 202211285097 A CN202211285097 A CN 202211285097A CN 115662122 B CN115662122 B CN 115662122B
- Authority
- CN
- China
- Prior art keywords
- inspection
- road
- maintenance
- disease
- unit
- 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.)
- Active
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 115
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 115
- 238000007689 inspection Methods 0.000 title claims abstract description 107
- 238000012423 maintenance Methods 0.000 title claims abstract description 106
- 238000000034 method Methods 0.000 title claims abstract description 27
- 230000000007 visual effect Effects 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims description 16
- 238000012545 processing Methods 0.000 claims description 16
- 238000013527 convolutional neural network Methods 0.000 claims description 15
- 230000000737 periodic effect Effects 0.000 claims description 13
- 238000011835 investigation Methods 0.000 claims description 9
- 238000012549 training Methods 0.000 claims description 9
- 239000013598 vector Substances 0.000 claims description 8
- 101100136628 Arabidopsis thaliana PIF4 gene Proteins 0.000 claims description 6
- 101150032106 SRL2 gene Proteins 0.000 claims description 6
- 239000011159 matrix material Substances 0.000 claims description 6
- 230000000694 effects Effects 0.000 claims description 4
- 238000011156 evaluation Methods 0.000 claims description 4
- 238000012935 Averaging Methods 0.000 claims description 3
- 101150096245 SRL1 gene Proteins 0.000 claims description 3
- 101100078001 Saccharomyces cerevisiae (strain ATCC 204508 / S288c) MSC2 gene Proteins 0.000 claims description 3
- 230000005284 excitation Effects 0.000 claims description 3
- 238000011176 pooling Methods 0.000 claims description 3
- 238000003672 processing method Methods 0.000 claims 2
- 238000005516 engineering process Methods 0.000 abstract description 3
- 238000011161 development Methods 0.000 description 5
- 238000010276 construction Methods 0.000 description 4
- 238000001514 detection method Methods 0.000 description 3
- 238000004458 analytical method Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012827 research and development Methods 0.000 description 2
- 230000009466 transformation Effects 0.000 description 2
- 230000002776 aggregation Effects 0.000 description 1
- 238000004220 aggregation Methods 0.000 description 1
- 238000012937 correction Methods 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000009434 installation Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000013139 quantization Methods 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000005641 tunneling Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种道路巡查、病害识别和巡查考核的养护***及方法,所述***包括:道路巡查及信息获取子***、病害识别单元、GPS定位单元、工单派发单元、巡查考核单元、可视化界面。通过GPS定位技术进行道路病害识别,将病害位置定位到所属道路并将工单派发给养护单位并进行巡查考核,包括计算路段覆盖率、标段覆盖率、养护巡查频次以及根据养护单位的作业里程计算养护单位的巡查覆盖率。该***集成了道路养护所需的道路巡查、病害识别和巡查考核多种功能,对智能巡航车产生的大量巡查数据和信息并未进行有效利用,深化了物联网在道路养护工程上的应用,提升了道路养护质量和效率,为进一步优化道路养护方案提供了数据基础。
Description
技术领域
本发明涉及智能数字化***信息技术领域,主要涉及一种基于GPS的道路巡查、病害识别和巡查考核的养护***及方法。
背景技术
道路作为现代社会中经济发展、资源流通不可或缺的一环,不仅在建设中拥有明确的建设标准和工艺,其建设后的养护流程也是交通行业中的关键领域板块。近些年,在道路养护方面的投入规模日渐增加,道路养护的管理要素广度、精细度进一步提升。随着智能自动化***、定位服务、信息算法的日渐趋于成熟。一套由智能巡查车执行、定位服务统计、信息***汇聚的智能巡航***成为了养护转型中的重点发展要素。
公路养护管理发展纲要指出,以数字化引领公路养护管理转型升级。结合改扩建、养护工程推进高速公路数字化升级改造,逐步实现对高速公路网全要素动静态信息的数字化呈现和精细化管理,为车路协同、北斗应用、自动驾驶等提供支持。加快公路技术状况检测监测及养护装备研发,重点是公路桥隧、交安设施等自动化快速检测装备、无人化养护施工装备研发。研制推广公路养护智能化应用,重点是基于人工智能(AI)的自动化巡查、基于物联网的养护工程质量管理等应用。加强公路养护科学决策方法研究,重点研发各类设施养护评价、预测、决策等分析算法与模型,通过算法模型汇集分析数据,提高决策水平,提升公路养护管理工作效能。
目前对于道路养护与人工智能的集合方案主要是通过智能巡查车对病害的位置、类型、严重程度进行精确识别,并以此派发工单进行道路养护。例如公布号CN114282033A的发明专利提出了一种基于GPS纠偏及公路病害智能上报***,通过GPS定位***实现了对公路病害的定位。
对于道路巡查方案主要是依赖人工划定巡查范围、人员,并安排督导巡视情况进行人工考核。对智能巡航车产生的大量数据和信息并未进行有效利用,通过巡航数据实现自主考核,也未建立量化的巡查考核方案,即缺乏一种道路巡查、病害识别和巡查考核的养护***及方法。
发明内容
针对目前缺乏道路巡查的考核机制以及没有一套关于道路养护包括道路巡查、病害识别和巡查考核多种功能的完整的道路养护方案的问题,提出了一种道路巡查、病害识别和巡查考核的养护***及方法,通过GPS定位技术进行道路病害识别,将病害位置定位到所属道路并将工单派发给养护单位并进行巡查考核,包括计算路段覆盖率、标段覆盖率、养护巡查频次以及根据养护单位的作业里程计算养护单位的巡查覆盖率。该***集成了道路养护所需的道路巡查、病害识别和巡查考核多种功能,对智能巡航车产生的大量巡查数据和信息并未进行有效利用,深化了物联网在道路养护工程上的应用,提升了道路养护质量和效率,为进一步优化道路养护方案提供了数据基础。
本发明的具体方案如下:
一种道路巡查、病害识别和巡查考核的养护***,包括:道路巡查及信息获取子***、病害识别单元、GPS定位单元、工单派发单元、巡查考核单元、可视化界面;
所述道路巡查及信息获取子***包括巡查车、获取车辆轨迹数据的GPS定位设备和获取图片数据的摄像设备、储存所述车辆轨迹数据和图片数据的本地储存模块;
所述病害识别单元接收所述道路巡查及信息获取子***的图片数据和车辆轨迹数据,利用R-CNN算法进行病害识别,获取病害识别结果并上传到工单派发单元;
所述GPS定位单元包括路段信息储存模块和处理模块;所述路段信息储存模块储存养护设施、路段基本信息和对应路段桩号信息;所述处理模块获取所述车辆轨迹数据,与所述路段信息储存模块的路段和对应路段桩号信息匹配生成带有路段和桩号信息的车辆轨迹数据并储存,根据所述车辆轨迹数据计算巡查车的实跑里程、更新巡查车总的实际作业里程并储存;
所述工单派发单元包括病害位置确定模块,用于接收病害识别单元的病害识别结果、接收所述GPS定位单元的带有路段和桩号信息的车辆轨迹数据,依据时间定位病害位置,向管理单位上报情况,向养护单位派发对应处置工单;
所述巡查考核单元包括考核规则设定模块和考核处理模块,所述考核规则设定模块包括考核规则数据库;所述考核处理模块根据带有路段和桩号信息的车辆轨迹数据以及考核规则设定模块的考核规则量化计算路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率,将上述计算结果生成考核结果并储存;
所述可视化界面通过在地理地图中绘制结果矢量图层展示考核结果。
所述病害识别单元包括R-CNN算法病害识别训练模块、病害识别模块;所述病害识别训练模块利用病害训练样本和R-CNN卷积神经网络,经过若干个卷积层、池化层、激励层及权重矩阵相乘后,得出该样本的特征向量R;将目标值与算法实际输出的差值逐步反馈到前向传播层中,更新权重矩阵,最终得到受过训练的R-CNN算法。
所述道路巡查及信息获取单元包括图片特征判断模块和上报上传模块,所述图片特征判断模块接收所述道路巡查及信息获取子***的图片数据,分析特征向量,确认是否为病害,若不是病害则识别下一张图片,若为病害则先判断病害种类,再根据病害尺寸阈值和严重程度继续对病害分类,最终得到包括上述分类特征的病害识别结果;所述上报上传模块将图片特征判断子单元的病害识别结果向管理单位上报,并上传到工单派发单元。
所述工单派发单元还包括病害流程分类模块,所述病害流程分类模块按照管理单位设立的病害流程分类,将不同病害分为提醒、人工复核、机器复核案件并设立不同的处置流程。
所述考核规则数据库包括养护设施、路段长度、考核规则、路段上下行情况、标段与路段的隶属关系;所述考核规则为根据路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率的计算结果设定养护单位的评价标准。
由所述考核处理模块实现所述方法,包括如下步骤:
S1:获取车辆轨迹数据日期,根据周期规则表判断轨迹所属周期;
S2:获取考核规则数据库中的路段长度、路段上下行情况计算应作业里程;
S3:调取车辆轨迹数据以及该路段的实跑里程和S2中所述应作业里程计算路段该天覆盖率;
S4:将S3中路段该天覆盖率与所属周期匹配,生成周期内每天巡查数据,并计算路段该周期总覆盖率;
S5:调取所述考核规则数据库中标段与路段隶属关系和S4中所述路段该周期总覆盖率加权计算标段内所有路段;
S6:根据S5求出特定标段在特定周期的覆盖率;
S7:管理单位根据所述考核规则数据库中考核规则进行考核,输出考核得分;例行检查设施量是否有更新,若有则更新到考核规则数据库。
重点巡查路段包括城市道路和双向四车道以上的大型道路的所述应作业里程为真实路段长度的两倍,即一次巡查活动内需要将此路段巡查两次。
所述周期规则表设定周期值,所述周期值的表达范式为:
YYYY_MM_PN_PL
YYYY:年份,MM:月份,PN:当前月的第几个周期,PL:该周期的长度+单位名称。
根据所述特定标段在特定周期的覆盖率计算养护单位月度巡查覆盖率,具体步骤如下:
S1:提取每个标段在当月每个周期的覆盖率,平均后得到该标段的当月覆盖率MSC;
S2:查询考核规则表得到养护单位的下属标段信息,得到其各标段的应作业里程(SRL1, SRL2,SRL3...)及各标段的当月覆盖率(MSC1,MSC2,MSC3...),加权平均后,月度巡查考核覆盖率=(SRL1×MSC1+SRL2×MSC2+...)÷(SRL1+SRL2+...),得到养护单位的月度巡查考核覆盖率。
对于无法与自然月对其的考核周期处理方法为:将跨月周期视为权重低一些的“小周期”进行计算,根据天数在对应月份的分布百分比,将该周期权重按比例缩小。
对于无法与自然月对其的考核周期处理方法为:仅计算完整周期,去除任何同属两个月度的跨月周期。
本发明提出了一种道路巡查、病害识别和巡查考核的养护***及方法,所述***包括:道路巡查及信息获取子***、病害识别单元、GPS定位单元、工单派发单元、巡查考核单元、可视化界面。通过病害识别单元识别病害,通过GPS定位单元生成带有路段和桩号信息的车辆轨迹数据并计算巡查车的实跑里程、更新巡查车总的实际作业里程,通过巡查考核单元计算路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率,通过可视化界面展示考核结果。本发明不仅完善了道路巡查考核机制,并提出了一套关于道路养护包括道路巡查、病害识别和巡查考核多种功能的完整的道路养护方案,对智能巡航车产生的大量巡查数据和信息并未进行有效利用,深化了物联网在道路养护工程上的应用,提升了道路养护质量和效率,为进一步优化道路养护方案提供了数据基础。
本发明建立的病害识别单元,可代替人工进行路面病害情况的巡查探测、根据发展特征对病害种类进行甄别分类。而后上传至后台服务器进行自动派单处置;节省了人工巡查成本,提高周期巡查效率。同时拓展病害上报种类,达成病害处置精细化。
本发明建立的巡查考核单元,归纳统计同一个路段的多个GPS轨迹投影点,可以精确计算该路的GPS轨迹覆盖里程,随后入库,以周期、标段、养护公司等维度进行量化加权。高效、多层次的完成巡查考核覆盖率的计算。实现智能化、精细化、可量化、可视化的道路养护巡查考核管理。
附图说明
图1:一种道路巡查、病害识别和巡查考核的养护***结构图。
图2:一种考核规则量化计算的方法流程图。
图3:可视化界面效果图。
具体实施方式
下面结合附图和实施例对本发明作进一步说明。
如图1所示,一种道路巡查、病害识别和巡查考核的养护***,包括:道路巡查及信息获取子***、病害识别单元、GPS定位单元、工单派发单元、巡查考核单元、可视化界面;
所述道路巡查及信息获取子***包括巡查车、获取车辆轨迹数据的GPS定位设备和获取图片数据的摄像设备、储存所述车辆轨迹数据和图片数据的本地储存模块;
所述病害识别单元接收所述道路巡查及信息获取子***的图片数据和车辆轨迹数据,利用R-CNN算法进行病害识别,获取病害识别结果并上传到工单派发单元;
所述GPS定位单元包括路段信息储存模块和处理模块;所述路段信息储存模块储存养护设施、路段基本信息和对应路段桩号信息;所述处理模块获取所述车辆轨迹数据,与所述路段信息储存模块的路段和对应路段桩号信息匹配生成带有路段和桩号信息的车辆轨迹数据并储存,根据所述车辆轨迹数据计算巡查车的实跑里程、更新巡查车总的实际作业里程并储存;
所述工单派发单元接收病害识别单元的病害识别结果、接收所述GPS定位单元的带有路段和桩号信息的车辆轨迹数据,依据时间定位病害位置,向管理单位上报情况,向养护单位派发对应处置工单;
所述巡查考核单元包括考核规则设定模块和考核处理模块,所述考核规则设定模块包括考核规则数据库;根据带有路段和桩号信息的车辆轨迹数据以及考核规则设定模块的考核规则计算路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率,将上述计算结果生成考核结果并储存;
如图3所示,所述可视化界面通过在地理地图中绘制结果矢量图层展示考核结果。
所述病害识别单元包括R-CNN算法病害识别训练模块、病害识别模块;所述病害识别训练模块利用病害训练样本和R-CNN卷积神经网络,经过若干个卷积层、池化层、激励层及权重矩阵相乘后,得出该样本的特征向量R;将目标值与算法实际输出的差值逐步反馈到前向传播层中,更新权重矩阵,最终得到受过训练的R-CNN算法。
所述工单派发单元包括病害流程分类模块,病害位置确定模块,派发处置工单模块;
所述病害流程分类模块按照管理单位设立的病害流程分类,将不同病害分为提醒、人工复核、机器复核案件并设立不同的处置流程;
所述病害位置确定模块接收病害识别单元的病害识别结果、接收所述GPS定位单元的带有路段和桩号信息的车辆轨迹数据,依据时间定位病害位置,根据所述考核规则的负责单位,将工单分发到对应的养护单位,并上报信息到管理单位;
所述派发处置工单模块管理单位接收并核实后,向对应养护单位派发病害处置工单。
所述考核规则数据库包括养护设施、路段长度、考核规则、路段上下行情况、标段与路段的隶属关系;所述考核规则为根据路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率的计算结果设定养护单位的评价标准。
对应路段桩号信息是本身公路具有的,任何道路都有桩号。道路建设的时候就定好的。算国家技术标准。
实施例2:
如图2所示,一种考核规则量化计算的方法,考核规则量化计算步骤包括:
S1:获取车辆轨迹数据日期,根据周期规则表判断轨迹所属周期;
S2:获取考核规则数据库中的路段长度、路段上下行情况计算应作业里程;
S3:调取车辆轨迹数据以及该路段的实跑里程和S2中所述应作业里程计算路段该天覆盖率;
S4:将S3中路段该天覆盖率与所属周期匹配,生成周期内每天巡查数据,并计算路段该周期总覆盖率;
S5:调取所述考核规则数据库中标段与路段隶属关系和S4中所述路段该周期总覆盖率加权计算标段内所有路段;
S6:根据S5求出特定标段在特定周期的覆盖率;
S7:管理单位根据所述考核规则数据库中考核规则进行考核,输出考核得分;例行检查设施量是否有更新,若有则更新到考核规则数据库。
重点巡查路段包括城市道路和双向四车道以上的大型道路的所述应作业里程为真实路段长度的两倍,即一次巡查活动内需要将此路段巡查两次。
更进一步的,公路管理要求中包含道路巡查频次的规范需求,即一定时间内养护单位必须对下属养护范围进行一次完整巡查。在本案例中,养护单位被规范为三天完成一次(重点核查路段两次)。有必要设计一种时间的表达方式,使每一次巡查都可以和一个独特的标识向对应,提升管理查询效率。
所述周期规则表设定周期值,所述周期值的表达范式为:
YYYY_MM_PN_PL
YYYY:年份,MM:月份,PN:当前月的第几个周期,PL:该周期的长度+单位名称。例如,2022年7月的第8个周期,长度为3天,对应周期值为:
2022_07_08_03D
1999年5月的第7个周期,长度为4天,对应周期值为:
1999_05_07_04D
根据所述特定标段在特定周期的覆盖率计算养护单位月度巡查覆盖率,具体步骤如下:
S1:提取每个标段在当月每个周期的覆盖率,平均后得到该标段的当月覆盖率MSC;
S2:查询考核规则表得到养护单位的下属标段信息,得到其各标段的应作业里程(SRL1, SRL2,SRL3...)及各标段的当月覆盖率(MSC1,MSC2,MSC3...),加权平均后,月度巡查考核覆盖率=(SRL1×MSC1+SRL2×MSC2+...)÷(SRL1+SRL2+...),得到养护单位的月度巡查考核覆盖率。
诚然,周期是以巡查要求为基础的时间区间概念,并非自然更迭周期。无法与自然月对齐,出现周期跨月的现象。这对考核的计算带来困扰,本案例提供了两种解决方案:
Case 1:将跨月周期视为权重低一些的“小周期”进行计算,根据天数在对应月份的分布百分比,将该周期权重按比例缩小。例如:
2022年7月31日、8月1日、8月2日共同组成了周期“2022_07_11_03D”,其中一天属于7月考核范围,另外两天属于8月考核考核。于是我们将该周期的覆盖率按比例分配到各月进行计算。在此例,当周期覆盖率以1/3的权重并入到7月计算;以2/3的权重并入到 8月计算。
该方法的优点是达成了最准确的考核计算;缺点是无法在每月伊始立刻计算考核(要等到跨越周期结束)
Case 2:仅计算完整周期,去除任何同属两个月度的跨月周期。通俗来说,是将每个月的周期按情况“掐头去尾”。优点是适应了几乎绝大部分的养护考核情况;缺点是不能完全准确的进行考核计算。
以上所述仅为本发明的优选实施例,而并非是对本发明的实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无法对所有的实施方式予以穷举。凡是属于本发明的技术方案所引申出的显而易见的变化或变动,仍处于本发明的范围之内。
Claims (10)
1.一种道路巡查、病害识别和巡查考核的养护***,其特征在于,包括:道路巡查及信息获取子***、病害识别单元、GPS定位单元、工单派发单元、巡查考核单元、可视化界面;
所述道路巡查及信息获取子***包括巡查车、获取车辆轨迹数据的GPS定位设备和获取图片数据的摄像设备、储存所述车辆轨迹数据和图片数据的本地储存模块;
所述病害识别单元接收所述道路巡查及信息获取子***的图片数据和车辆轨迹数据,利用R-CNN算法进行病害识别,获取病害识别结果并上传到工单派发单元;
所述GPS定位单元包括路段信息储存模块和处理模块;所述路段信息储存模块储存养护设施、路段基本信息和对应路段桩号信息;所述处理模块获取所述车辆轨迹数据,与所述路段信息储存模块的路段和对应路段桩号信息匹配生成带有路段和桩号信息的车辆轨迹数据并储存,根据所述车辆轨迹数据计算巡查车的实跑里程、更新巡查车总的实际作业里程并储存;
所述工单派发单元包括病害位置确定模块,用于接收病害识别单元的病害识别结果、接收所述GPS定位单元的带有路段和桩号信息的车辆轨迹数据,依据时间定位病害位置,向管理单位上报情况,向养护单位派发对应处置工单;所述工单派发单元还包括病害流程分类模块,所述病害流程分类模块按照管理单位设立的病害流程分类,将不同病害分为提醒、人工复核、机器复核案件并设立不同的处置流程;
所述巡查考核单元包括考核规则设定模块和考核处理模块,所述考核规则设定模块包括考核规则数据库;所述考核处理模块根据带有路段和桩号信息的车辆轨迹数据以及考核规则设定模块的考核规则量化计算路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率,将所述路段覆盖率、标段覆盖率、养护巡查频次和巡查覆盖率的计算结果生成考核结果并储存;所述考核规则为根据路段覆盖率、标段覆盖率、养护巡查频次和根据养护单位的作业里程计算养护单位的巡查覆盖率的计算结果设定养护单位的评价标准;
所述可视化界面通过在地理地图中绘制结果矢量图层展示考核结果。
2.由权利要求1所述的一种道路巡查、病害识别和巡查考核的养护***,其特征在于,所述病害识别单元包括R-CNN算法病害识别训练模块、病害识别模块;所述病害识别训练模块利用病害训练样本和R-CNN卷积神经网络,经过若干个卷积层、池化层、激励层及权重矩阵相乘后,得出该样本的特征向量R;将目标值与算法实际输出的差值逐步反馈到前向传播层中,更新权重矩阵,最终得到受过训练的R-CNN算法。
3.由权利要求2所述的病害识别模块的一种道路巡查、病害识别和巡查考核的养护***,其特征在于,所述道路巡查及信息获取单元包括图片特征判断模块和上报上传模块,所述图片特征判断模块接收所述道路巡查及信息获取子***的图片数据,分析特征向量,确认是否为病害,若不是病害则识别下一张图片,若为病害则先判断病害种类,再根据病害尺寸阈值和严重程度继续对病害分类,最终得到包括上述分类特征的病害识别结果;所述上报上传模块将图片特征判断子单元的病害识别结果向管理单位上报,并上传到工单派发单元。
4.由权利要求1所述的一种道路巡查、病害识别和巡查考核的养护***,其特征在于,所述考核规则数据库包括养护设施、路段长度、考核规则、路段上下行情况、标段与路段的隶属关系。
5.采用权利要求1所述***实现考核规则量化计算的方法,其特征在于,由所述考核处理模块实现所述方法,包括如下步骤:
S1:获取车辆轨迹数据日期,根据周期规则表判断轨迹所属周期;
S2:获取考核规则数据库中的路段长度、路段上下行情况计算应作业里程;
S3:调取车辆轨迹数据以及该路段的实跑里程和S2中所述应作业里程计算路段该天覆盖率;
S4:将S3中路段该天覆盖率与所属周期匹配,生成周期内每天巡查数据,并计算路段该周期总覆盖率;
S5:调取所述考核规则数据库中标段与路段隶属关系和S4中所述路段该周期总覆盖率加权计算标段内所有路段;
S6:根据S5求出特定标段在特定周期的覆盖率;
S7:管理单位根据所述考核规则数据库中考核规则进行考核,输出考核得分;例行检查设施量是否有更新,若有则更新到考核规则数据库。
6.由权利要求5所述考核规则量化计算的方法,其特征在于,重点巡查路段包括城市道路和双向四车道以上的大型道路的所述应作业里程为真实路段长度的两倍,即一次巡查活动内需要将此路段巡查两次。
7.由权利要求5所述考核规则量化计算的方法,其特征在于,所述周期规则表设定周期值,所述周期值的表达范式为:
YYYY_MM_PN_PL
YYYY:年份,MM:月份,PN:当前月的第几个周期,PL:该周期的长度+单位名称。
8.由权利要求5所述考核规则量化计算的方法,其特征在于,根据所述特定标段在特定周期的覆盖率计算养护单位月度巡查覆盖率,具体步骤如下:
S1:提取每个标段在当月每个周期的覆盖率,平均后得到该标段的当月覆盖率MSC;
S2:查询考核规则表得到养护单位的下属标段信息,得到其各标段的应作业里程(SRL1,SRL2,SRL3...)及各标段的当月覆盖率(MSC1,MSC2,MSC3...),加权平均后,月度巡查考核覆盖率=(SRL1×MSC1+SRL2×MSC2+...)÷(SRL1+SRL2+...),得到养护单位的月度巡查考核覆盖率。
9.由权利要求8所述考核规则量化计算的方法,其特征在于,对于无法与自然月对其的考核周期处理方法为:将跨月周期视为权重低一些的“小周期”进行计算,根据天数在对应月份的分布百分比,将该周期权重按比例缩小。
10.由权利要求9所述考核规则量化计算的方法,其特征在于,对于无法与自然月对其的考核周期处理方法为:仅计算完整周期,去除任何同属两个月度的跨月周期。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211285097.6A CN115662122B (zh) | 2022-10-20 | 2022-10-20 | 一种基于gps的道路巡查、病害识别和巡查考核的养护***及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211285097.6A CN115662122B (zh) | 2022-10-20 | 2022-10-20 | 一种基于gps的道路巡查、病害识别和巡查考核的养护***及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN115662122A CN115662122A (zh) | 2023-01-31 |
CN115662122B true CN115662122B (zh) | 2024-01-19 |
Family
ID=84989830
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211285097.6A Active CN115662122B (zh) | 2022-10-20 | 2022-10-20 | 一种基于gps的道路巡查、病害识别和巡查考核的养护***及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115662122B (zh) |
Families Citing this family (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116758757B (zh) * | 2023-08-18 | 2023-11-14 | 福建智涵信息科技有限公司 | 一种公路养护巡检方法、介质以及设备 |
CN117112932B (zh) * | 2023-10-25 | 2024-01-30 | 成都智达万应科技有限公司 | 一种基于gps的道路巡查覆盖率的分析方法及*** |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335377A (zh) * | 2017-12-26 | 2018-07-27 | 武汉长江通信智联技术有限公司 | 一种基于gis技术的道路巡查车辆业务自动考核的方法 |
CN109284931A (zh) * | 2018-09-29 | 2019-01-29 | 河北上元智能科技股份有限公司 | 道路养护作业人员考核方法 |
CN109680591A (zh) * | 2019-01-23 | 2019-04-26 | 江苏集萃道路工程技术与装备研究所有限公司 | 一种沥青路面智能养护管理***及其工作方法 |
-
2022
- 2022-10-20 CN CN202211285097.6A patent/CN115662122B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108335377A (zh) * | 2017-12-26 | 2018-07-27 | 武汉长江通信智联技术有限公司 | 一种基于gis技术的道路巡查车辆业务自动考核的方法 |
CN109284931A (zh) * | 2018-09-29 | 2019-01-29 | 河北上元智能科技股份有限公司 | 道路养护作业人员考核方法 |
CN109680591A (zh) * | 2019-01-23 | 2019-04-26 | 江苏集萃道路工程技术与装备研究所有限公司 | 一种沥青路面智能养护管理***及其工作方法 |
Non-Patent Citations (2)
Title |
---|
俞小玲 ; .浦东:"智能"向"智慧"迭代升级.中国公路.2020,(第17期),23-28. * |
浦东:"智能"向"智慧"迭代升级;俞小玲;;中国公路(第17期);23-28 * |
Also Published As
Publication number | Publication date |
---|---|
CN115662122A (zh) | 2023-01-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115662122B (zh) | 一种基于gps的道路巡查、病害识别和巡查考核的养护***及方法 | |
CN109871876B (zh) | 一种基于浮动车数据的高速公路路况识别与预测方法 | |
CN101930668B (zh) | 车牌识别的道路交通od信息采集***的处理方法 | |
CN106228808B (zh) | 基于浮动车时空网格数据的城市快速路旅行时间预测方法 | |
CN110738523B (zh) | 一种维修订单量预测方法及装置 | |
CN110889092A (zh) | 一种基于轨道交易数据的短时大型活动周边轨道站点客流量预测方法 | |
CN116597649B (zh) | 一种基于高速公路收费***的路网交通流量推演方法 | |
Jintanakul et al. | Bayesian mixture model for estimating freeway travel time distributions from small probe samples from multiple days | |
CN115630056B (zh) | 一种基于gps轨迹定位的道路巡查量化考核***及方法 | |
CN108597224B (zh) | 一种基于时空轨迹数据的待改善交通设施识别方法及*** | |
CN115376315B (zh) | 一种面向路网排放核算的多层级卡口质量控制方法 | |
Crawford et al. | Analysing spatial intrapersonal variability of road users using point-to-point sensor data | |
CN114398413A (zh) | 一种道路巡检智能分析方法、设备及存储介质 | |
Hadi et al. | Application of dynamic traffic assignment to advanced managed lane modeling. | |
Rofiq et al. | Analysis of Priority Scale of Road Handling In Murung Raya Regency Using Analytical Hierarchy Process (AHP) Method | |
Chaudhry et al. | Visualizing Impact of Weather on Traffic Congestion Prediction: A Quantitative Study | |
Bari et al. | Traffic operations at mainline toll plazas | |
CN117332488B (zh) | 一种基于bim技术的道路桥梁实景模型分析方法和*** | |
CN117520906B (zh) | 基于人群出行活动熵的不同特征人群分类方法及*** | |
CN117764303B (zh) | 一种基于人工智能的道路巡检数据分析***及方法 | |
CN113343781B (zh) | 使用遥感数据和出租车轨迹数据的城市功能区识别方法 | |
Li et al. | Application of bridge maintenance and management system with BIM technology | |
Codjoe et al. | Evaluation of DOTD’s Existing Queue Estimation Procedures | |
CN118366312A (zh) | 一种交通检测***及方法 | |
CN117522170A (zh) | 城中村土地利用转型潜力分析*** |
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 |