CN117711185B - 一种基于多源数据的公路施工用预警监控***及方法 - Google Patents
一种基于多源数据的公路施工用预警监控***及方法 Download PDFInfo
- Publication number
- CN117711185B CN117711185B CN202410161804.3A CN202410161804A CN117711185B CN 117711185 B CN117711185 B CN 117711185B CN 202410161804 A CN202410161804 A CN 202410161804A CN 117711185 B CN117711185 B CN 117711185B
- Authority
- CN
- China
- Prior art keywords
- road
- vehicle
- data
- module
- value
- 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
- 238000010276 construction Methods 0.000 title claims abstract description 78
- 238000000034 method Methods 0.000 title claims abstract description 68
- 238000012544 monitoring process Methods 0.000 title claims abstract description 33
- 238000004364 calculation method Methods 0.000 claims description 79
- 230000008569 process Effects 0.000 claims description 37
- 238000012423 maintenance Methods 0.000 claims description 23
- 238000004590 computer program Methods 0.000 claims description 14
- 230000015654 memory Effects 0.000 claims description 14
- 238000003384 imaging method Methods 0.000 claims description 4
- 239000000463 material Substances 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 4
- 230000006870 function Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 230000008676 import Effects 0.000 description 3
- 238000000638 solvent extraction Methods 0.000 description 3
- 238000004891 communication Methods 0.000 description 2
- 238000013500 data storage Methods 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000003287 optical effect Effects 0.000 description 2
- 239000004065 semiconductor Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004422 calculation algorithm Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000007306 turnover Effects 0.000 description 1
Landscapes
- Traffic Control Systems (AREA)
Abstract
本发明公开了一种基于多源数据的公路施工用预警监控***及方法，属于专门用于管理的数据处理***领域，本发明进行实时的道路施工段的道路危险值的计算，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值，将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，将实时整体威胁程度与设定的威胁程度阈值对比，根据对比结果向车辆端和维护端发布车辆改道或正常通过指令，通过道路数据和车辆数据的共同评估计算判断车辆和道路的匹配程度，避免了车辆行驶在不匹配的道路上导致车辆或/和道路发生损伤。
Description
技术领域
本发明属于专门用于管理的数据处理***领域，具体的说是一种基于多源数据的公路施工用预警监控***及方法。
背景技术
公路运输是一种陆地上的运输方式，通常用于较长距离的货物运输，它具有机动灵活、周转速度快、运量较大、适用货类广泛等优势，在进行公路施工时，需要对来往车辆进行监控预警避免车辆在施工道路上行驶导致车辆或道路发生损伤，现有技术在进行道路预警时无法通过道路数据和车辆数据的共同评估计算判断车辆和道路的匹配程度，从而导致了车辆行驶在不匹配的道路上导致车辆或/和道路发生损伤，现有技术中均存在上述问题；
例如在申请公布号为CN116645778A的中国专利中公开了一种公路施工用预警监控***，包括中央监控中心，所述中央监控中心通信连接有拍摄模块、测速模块、测距模块以及报警单元；所述拍摄模块用于实时拍摄监控施工周围的环境，并将拍摄的视频画面实时显示在中央监控中心的显示幕上；所述测速模块和测距模块均电性连接有显示模块；所述测速模块用于实时检测朝向施工区域行驶的车辆的实时车速；所述测距模块用于检测朝向施工区域行驶的车辆与施工现场之间的距离。通过报警表环的设置，能及时通过振动警示模块提醒施工人员逃离现场，以防有非施工车辆驶入施工现场对施工人员造成损伤，且具有双重提醒施工人员的功能，极大的提升施工人员的安全；
以上专利均存在本背景技术提出的问题：现有技术在进行道路预警时无法通过道路数据和车辆数据的共同评估计算判断车辆和道路的匹配程度，从而导致了车辆行驶在不匹配的道路上导致车辆或/和道路发生损伤，为了解决这些问题，本申请设计了一种基于多源数据的公路施工用预警监控***及方法。
发明内容
针对现有技术的不足，本发明提出了一种基于多源数据的公路施工用预警监控***及方法，本发明通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中，从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值，从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值，将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，将实时整体威胁程度与设定的威胁程度阈值对比，向车辆端和维护端发布车辆改道或正常通过指令，通过道路数据和车辆数据的共同评估计算判断车辆和道路的匹配程度，避免了车辆行驶在不匹配的道路上导致车辆或/和道路发生损伤。
为实现上述目的，本发明提供如下技术方案：
一种基于多源数据的公路施工用预警监控方法，其包括以下具体步骤：
S1、通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中；
S2、从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值；
S3、从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值；
S4、将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断；
S5、将实时整体威胁程度与设定的威胁程度阈值对比，若整体威胁程度大于等于设定的威胁程度阈值，则向车辆端和维护端发布车辆改道指令，若整体威胁程度小于设定的威胁程度阈值，则向车辆端和维护端发布正常通过指令。
具体的，所述S1包括以下具体步骤：
S11、无人飞行器携带扫描设备对道路施工段的道路三维图像进行扫描成像，获取道路施工段的道路三维图像，从道路施工段的道路三维图像中获取道路的平均高度，对道路进行区域划分划分为n*m块，其中n为水平面上横向划分区域个数，m为水平面上纵向划分区域个数，获取各区域的平均水平高度，同时获取道路三维图像的道路表面裂缝长度和深度数据，将采集的获取道路的平均高度、各区域的平均水平高度、道路三维图像的道路表面裂缝长度和深度数据储存在第一储存模组中；
S12、通过车辆数据传感器采集车辆在行驶过程中的整体重量数据、车辆行驶左右晃动数据和车辆体积数据，将采集的整体重量数据、车辆行驶左右晃动数据和车辆体积数据储存在第二储存模组中；
具体的，所述S2中道路危险值计算模型包括以下具体内容：
S21、从储存模组中获取道路施工段的道路数据，其中包括道路的平均高度、各区域的平均水平高度、道路三维图像的道路表面裂缝长度和深度数据；
S22、提取道路的平均高度和各区域的平均水平高度，将道路的平均高度和各区域的平均水平高度代入道路水平高度危险值计算公式中计算道路水平危险安全值，道路水平高度危险值计算公式为：，其中/>为第i行第j列个划分区域的平均高度，/>为道路的平均高度；
S23、获取道路三维图像的道路表面裂缝长度和深度数据，将获取得到的道路表面裂缝长度和深度数据代入道路裂缝危险值计算公式中计算道路裂缝危险值，其中，道路裂缝危险值计算公式为：，其中，/>为道路裂缝条数，/>为第z条裂缝的长度，/>为设定的裂缝长度标准值，/>为第z条裂缝的最大宽度，/>为设定的裂缝宽度标准值；
S24、获取计算得到的道路水平高度危险值和道路裂缝危险值代入道路危险值计算公式中计算道路危险值，道路危险值计算公式为：，其中，/>为道路水平高度危险值占比系数，/>为道路裂缝危险值占比系数，其中/>。
具体的，所述S3的车辆危险值计算模型包括如下具体步骤：
S31、获取车辆在行驶过程中的整体重量数据、设定时间内车辆行驶左右晃动数据和车辆体积数据；
S32、将获取得到的车辆在行驶过程中的整体重量数据、设定时间内车辆行驶左右晃动数据和车辆体积数据导入车辆危险值计算公式中计算车辆危险值，其中，车辆危险值计算公式为：，其中T为整体重量数据，/>为道路允许行驶的车辆的最大重量，exp()为e的幂次，V为车辆整体体积数据，/>为道路允许行驶的车辆的最大体积，/>为设定时间时长，/>为t时刻的车辆行驶左右晃动数据，M为车辆行驶左右晃动数据安全范围最大值，dt为时间积分，/>为重量占比系数，/>为体积占比系数，/>为左右晃动占比系数，其中，/>。
具体的，所述S4的整体威胁程度判断策略还包括如下具体步骤：
S41、提取计算得到维修道路的实时道路危险值和各个车辆的车辆危险值；
S42、将得到的维修道路的实时道路危险值和各个车辆的车辆危险值代入整体威胁程度计算公式中计算整体威胁程度，其中，整体威胁程度计算公式为：，其中，/>为道路危险值占比系数，/>为车辆危险值占比系数，/>；
具体的，所述S5的具体步骤如下：
S51、提取计算得到的整体威胁程度，将实时整体威胁程度与设定的威胁程度阈值对比；
S52、若整体威胁程度大于等于设定的威胁程度阈值，则向车辆端和维护端发布车辆改道指令，若整体威胁程度小于设定的威胁程度阈值，则向车辆端和维护端发布正常通过指令。
在此需要说明的是，这里的重量占比系数、体积占比系数、左右晃动占比系数、道路危险值占比系数、车辆危险值占比系数和威胁程度阈值的取值方式为：获取5000组道路数据和车辆行驶数据进行车辆行驶实验，得到车辆在对应道路上行驶后道路和车辆产生故障的次数，将获取的道路数据和车辆行驶数据代入整体威胁程度计算公式中计算整体威胁程度，将计算得到的整体威胁程度和故障判断结果代入拟合软件中输出符合故障判断准确率的最优重量占比系数、体积占比系数、左右晃动占比系数、道路危险值占比系数、车辆危险值占比系数和威胁程度阈值的取值；
一种基于多源数据的公路施工用预警监控***，其基于上述一种基于多源数据的公路施工用预警监控方法实现，其包括数据获取模块、车辆危险值计算模块、道路危险值计算模块、整体威胁程度计算模块、数据对比模块、指令发布模块和控制模块，所述数据获取模块用于通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中，所述车辆危险值计算模块用于从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值。
具体的，所述道路危险值计算模块用于从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值，所述整体威胁程度计算模块用于将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，所述数据对比模块用于将实时整体威胁程度与设定的威胁程度阈值对比，所述指令发布模块用于向车辆端和维护端发布车辆改道或正常通过指令。
具体的，所述控制模块用于控制数据获取模块、车辆危险值计算模块、道路危险值计算模块、整体威胁程度计算模块、数据对比模块和指令发布模块的运行。
一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
所述处理器通过调用所述存储器中存储的计算机程序，执行上述的一种基于多源数据的公路施工用预警监控方法。
一种计算机可读存储介质，储存有指令，当所述指令在计算机上运行时，使得计算机执行如上述的一种基于多源数据的公路施工用预警监控方法。
与现有技术相比，本发明的有益效果是：
本发明通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中，从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值，从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值，将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，将实时整体威胁程度与设定的威胁程度阈值对比，根据对比结果向车辆端和维护端发布车辆改道或正常通过指令，通过道路数据和车辆数据的共同评估计算判断车辆和道路的匹配程度，避免了车辆行驶在不匹配的道路上导致车辆或/和道路发生损伤。
附图说明
图1为本发明一种基于多源数据的公路施工用预警监控方法流程示意图；
图2为本发明一种基于多源数据的公路施工用预警监控***整体框架示意图。
具体实施方式
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明一部分实施例，而不是全部的实施例。
实施例1
请参阅图1，本发明提供的一种实施例：一种基于多源数据的公路施工用预警监控方法，其包括以下具体步骤：
S1、通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中；
在此需要具体说明的是，S1包括以下具体步骤：
S11、无人飞行器携带扫描设备对道路施工段的道路三维图像进行扫描成像，获取道路施工段的道路三维图像，从道路施工段的道路三维图像中获取道路的平均高度，对道路进行区域划分划分为n*m块，其中n为水平面上横向划分区域个数，m为水平面上纵向划分区域个数，获取各区域的平均水平高度，同时获取道路三维图像的道路表面裂缝长度和深度数据，将采集的获取道路的平均高度、各区域的平均水平高度、道路三维图像的道路表面裂缝长度和深度数据储存在第一储存模组中，在此需要说明的是，这里的无人飞行器携带扫描设备对道路施工段的道路三维图像进行扫描成像为现有技术中的常规技术手段；
S12、通过车辆数据传感器采集车辆在行驶过程中的整体重量数据、车辆行驶左右晃动数据和车辆体积数据，将采集的整体重量数据、车辆行驶左右晃动数据和车辆体积数据储存在第二储存模组中；
S2、从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值；
在此需要具体说明的是，S2中道路危险值计算模型包括以下具体内容：
S21、从储存模组中获取道路施工段的道路数据，其中包括道路的平均高度、各区域的平均水平高度、道路三维图像的道路表面裂缝长度和深度数据；
S22、提取道路的平均高度和各区域的平均水平高度，将道路的平均高度和各区域的平均水平高度代入道路水平高度危险值计算公式中计算道路水平危险安全值，道路水平高度危险值计算公式为：，其中/>为第i行第j列个划分区域的平均高度，/>为道路的平均高度；
下面是用C语言编写的提取道路平均高度和各区域平均水平高度，并计算道路水平危险安全值的示例代码：
#include<stdio.h>
#define N 10 // 水平面上的划分区域个数
float calculateDangerValue(float xij[], float xc, int n, int m);
int main() {
int i, j;
int m = 5; // 水平面上纵向划分区域个数
float roadHeight = 10.0; // 道路的平均高度
float xij[m][N]; // 各区域的平均水平高度
// 从数据源提取各区域的平均水平高度到xij数组中
// 代码省略...
// 计算道路水平危险安全值
float dangerValue = calculateDangerValue(xij, roadHeight, N, m);
printf("道路水平危险安全值为: %f\n", dangerValue);
return 0;
}
float calculateDangerValue(float xij[], float xc, int n, int m) {
float sum = 0.0;
int i, j;
int mn = m * n;
for (i = 0; i<m; i++) {
for (j = 0; j<n; j++) {
sum += fabs((xij[i][j]- xc) / xc);
}
}
return sum / mn;
}
注意，这只是一个示例代码，根据需求可能需要在代码中添加错误处理和其他逻辑。请根据你的实际情况进行相应的修改和完善；
S23、获取道路三维图像的道路表面裂缝长度和深度数据，将获取得到的道路表面裂缝长度和深度数据代入道路裂缝危险值计算公式中计算道路裂缝危险值，其中，道路裂缝危险值计算公式为：，其中，/>为道路裂缝条数，/>为第z条裂缝的长度，/>为设定的裂缝长度标准值，/>为第z条裂缝的最大宽度，/>为设定的裂缝宽度标准值；
S24、获取计算得到的道路水平高度危险值和道路裂缝危险值代入道路危险值计算公式中计算道路危险值，道路危险值计算公式为：，其中，/>为道路水平高度危险值占比系数，/>为道路裂缝危险值占比系数，其中/>；
S3、从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值；
在此需要具体说明的是，S3的车辆危险值计算模型包括如下具体步骤：
S31、获取车辆在行驶过程中的整体重量数据、设定时间内车辆行驶左右晃动数据和车辆体积数据；
S32、将获取得到的车辆在行驶过程中的整体重量数据、设定时间内车辆行驶左右晃动数据和车辆体积数据导入车辆危险值计算公式中计算车辆危险值，其中，车辆危险值计算公式为：
，其中T为整体重量数据，/>为道路允许行驶的车辆的最大重量，exp()为e的幂次，V为车辆整体体积数据，/>为道路允许行驶的车辆的最大体积，/>为设定时间时长，/>为t时刻的车辆行驶左右晃动数据，M为车辆行驶左右晃动数据安全范围最大值，dt为时间积分，/>为重量占比系数，/>为体积占比系数，/>为左右晃动占比系数，其中，/>；
S4、将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断；
在此需要具体说明的是，S4的整体威胁程度判断策略还包括如下具体步骤：
S41、提取计算得到维修道路的实时道路危险值和各个车辆的车辆危险值；
S42、将得到的维修道路的实时道路危险值和各个车辆的车辆危险值代入整体威胁程度计算公式中计算整体威胁程度，其中，整体威胁程度计算公式为：，其中，/>为道路危险值占比系数，/>为车辆危险值占比系数，/>；
S5、将实时整体威胁程度与设定的威胁程度阈值对比，若整体威胁程度大于等于设定的威胁程度阈值，则向车辆端和维护端发布车辆改道指令，若整体威胁程度小于设定的威胁程度阈值，则向车辆端和维护端发布正常通过指令。
在此需要具体说明的是，S5的具体步骤如下：
S51、提取计算得到的整体威胁程度，将实时整体威胁程度与设定的威胁程度阈值对比；
S52、若整体威胁程度大于等于设定的威胁程度阈值，则向车辆端和维护端发布车辆改道指令，若整体威胁程度小于设定的威胁程度阈值，则向车辆端和维护端发布正常通过指令；
在此需要说明的是，这里的重量占比系数、体积占比系数、左右晃动占比系数、道路危险值占比系数、车辆危险值占比系数和威胁程度阈值的取值方式为：获取5000组道路数据和车辆行驶数据进行车辆行驶实验，得到车辆在对应道路上行驶后道路和车辆产生故障的次数，将获取的道路数据和车辆行驶数据代入整体威胁程度计算公式中计算整体威胁程度，将计算得到的整体威胁程度和故障判断结果代入拟合软件中输出符合故障判断准确率的最优重量占比系数、体积占比系数、左右晃动占比系数、道路危险值占比系数、车辆危险值占比系数和威胁程度阈值的取值。
因此本实施例相对与现有技术的好处为：通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中，从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值，从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值，将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，将实时整体威胁程度与设定的威胁程度阈值对比，根据对比结果向车辆端和维护端发布车辆改道或正常通过指令，通过道路数据和车辆数据的共同评估计算判断车辆和道路的匹配程度，避免了车辆行驶在不匹配的道路上导致车辆或/和道路发生损伤。
实施例2
如图2所示，一种基于多源数据的公路施工用预警监控***，其基于上述一种基于多源数据的公路施工用预警监控方法实现，其包括数据获取模块、车辆危险值计算模块、道路危险值计算模块、整体威胁程度计算模块、数据对比模块、指令发布模块和控制模块，数据获取模块用于通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中，车辆危险值计算模块用于从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值；道路危险值计算模块用于从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值，整体威胁程度计算模块用于将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，数据对比模块用于将实时整体威胁程度与设定的威胁程度阈值对比，指令发布模块用于向车辆端和维护端发布车辆改道或正常通过指令。
实施例3
本实施例提供一种电子设备，包括：处理器和存储器，其中，存储器中存储有可供处理器调用的计算机程序；
处理器通过调用存储器中存储的计算机程序，执行上述的一种基于多源数据的公路施工用预警监控方法。
该电子设备可因配置或性能不同而产生比较大的差异，能够包括一个或一个以上的处理器（Central Processing Units，CPU）和一个或一个以上的存储器，其中，该存储器中存储有至少一条计算机程序，该计算机程序由该处理器加载并执行以实现上述方法实施例提供的一种基于多源数据的公路施工用预警监控方法。该电子设备还能够包括其他用于实现设备功能的部件，例如，该电子设备还能够具有有线或无线网络接口以及输入输出接口等部件，以便进行数据的输入输出。本实施例在此不做赘述。
实施例4
本实施例提出一种计算机可读存储介质，其上存储有可擦写的计算机程序；
当计算机程序在计算机设备上运行时，使得计算机设备执行上述的一种基于多源数据的公路施工用预警监控方法。
例如，计算机可读存储介质能够是只读存储器（Read-Only Memory，简称：ROM）、随机存取存储器（Random Access Memory，简称：RAM）、只读光盘（Compact Disc Read-OnlyMemory，简称：CD-ROM）、磁带、软盘和光数据存储设备等。
应理解，在本申请的各种实施例中，上述各过程的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
应理解，根据A确定B并不意味着仅仅根据A确定B，还能够根据A和/或其它信息确定B。
上述实施例，可以全部或部分地通过软件、硬件、固件或其他任意组合来实现。当使用软件实现时，上述实施例可以全部或部分地以计算机程序产品的形式实现。计算机程序产品包括一个或多个计算机指令或计算机程序。在计算机上加载或执行计算机指令或计算机程序时，全部或部分地产生按照本发明实施例的流程或功能。计算机可以为通用计算机、专用计算机、计算机网络或者其他可编程装置。计算机指令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线网络或/和无线网络方式向另一个网站站点、计算机、服务器或数据中心进行传输。计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包含一个或多个可用介质集合的服务器、数据中心等数据存储设备。可用介质可以是磁性介质（例如，软盘、硬盘、磁带）、光介质（例如，DVD）、或者半导体介质。半导体介质可以是固态硬盘。
本领域普通技术人员可以意识到，结合本发明中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本发明的范围。
所属领域的技术人员可以清楚地了解到，为描述的方便和简洁，上述描述的***、装置和单元的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
在本发明所提供的几个实施例中，应该理解到，所揭露的***、装置和方法，可以通过其它的方式实现。例如，以上所描述的装置实施例仅仅是示意性的，例如，单元的划分，仅仅为一种划分方式，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个***，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通信连接可以是通过一些接口，装置或单元的间接耦合或通信连接，可以是电性，机械或其它的形式。
作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
另外，在本发明各个实施例中的各功能单元可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中。
在本说明书的描述中，参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不一定指的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节，也不限制该发明仅为的具体实施方式。显然，根据本说明书的内容，可做很多的修改和变化。本说明书选取并具体描述这些实施例，是为了更好地解释本发明的原理和实际应用，从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (10)
1.一种基于多源数据的公路施工用预警监控方法，其特征在于，其包括以下具体步骤：
S1、通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中；
S2、从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值；
S3、从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值；
S4、将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断；
S5、将实时整体威胁程度与设定的威胁程度阈值对比，若整体威胁程度大于等于设定的威胁程度阈值，则向车辆端和维护端发布车辆改道指令，若整体威胁程度小于设定的威胁程度阈值，则向车辆端和维护端发布正常通过指令。
2.如权利要求1所述的一种基于多源数据的公路施工用预警监控方法，其特征在于，所述S1包括以下具体步骤：
S11、无人飞行器携带扫描设备对道路施工段的道路三维图像进行扫描成像，获取道路施工段的道路三维图像，从道路施工段的道路三维图像中获取道路的平均高度，对道路进行区域划分划分为n*m块，其中n为水平面上横向划分区域个数，m为水平面上纵向划分区域个数，获取各区域的平均水平高度，同时获取道路三维图像的道路表面裂缝长度和深度数据，将采集的获取道路的平均高度、各区域的平均水平高度、道路三维图像的道路表面裂缝长度和深度数据储存在第一储存模组中；
S12、通过车辆数据传感器采集车辆在行驶过程中的整体重量数据、车辆行驶左右晃动数据和车辆体积数据，将采集的整体重量数据、车辆行驶左右晃动数据和车辆体积数据储存在第二储存模组中。
3.如权利要求2所述的一种基于多源数据的公路施工用预警监控方法，其特征在于，所述S2中道路危险值计算模型包括以下具体内容：
S21、从储存模组中获取道路施工段的道路数据，其中包括道路的平均高度、各区域的平均水平高度、道路三维图像的道路表面裂缝长度和深度数据；
S22、提取道路的平均高度和各区域的平均水平高度，将道路的平均高度和各区域的平均水平高度代入道路水平高度危险值计算公式中计算道路水平危险安全值，道路水平高度危险值计算公式为：，其中，/>为第i行第j列个划分区域的平均高度，/>为道路的平均高度；
S23、获取道路三维图像的道路表面裂缝长度和深度数据，将获取得到的道路表面裂缝长度和深度数据代入道路裂缝危险值计算公式中计算道路裂缝危险值，其中，道路裂缝危险值计算公式为：，其中，/>为道路裂缝条数，/>为第z条裂缝的长度，/>为设定的裂缝长度标准值，/>为第z条裂缝的最大宽度，/>为设定的裂缝宽度标准值；
S24、获取计算得到的道路水平高度危险值和道路裂缝危险值代入道路危险值计算公式中计算道路危险值，道路危险值计算公式为：，其中，/>为道路水平高度危险值占比系数，/>为道路裂缝危险值占比系数，其中/>。
4.如权利要求3所述的一种基于多源数据的公路施工用预警监控方法，其特征在于，所述S3的车辆危险值计算模型包括如下具体步骤：
S31、获取车辆在行驶过程中的整体重量数据、设定时间内车辆行驶左右晃动数据和车辆体积数据；
S32、将获取得到的车辆在行驶过程中的整体重量数据、设定时间内车辆行驶左右晃动数据和车辆体积数据导入车辆危险值计算公式中计算车辆危险值，其中，车辆危险值计算公式为：
，其中T为整体重量数据，/>为道路允许行驶的车辆的最大重量，exp()为e的幂次，V为车辆整体体积数据，/>为道路允许行驶的车辆的最大体积，/>为设定时间时长，/>为t时刻的车辆行驶左右晃动数据，M为车辆行驶左右晃动数据安全范围最大值，dt为时间积分，/>为重量占比系数，/>为体积占比系数，为左右晃动占比系数，其中，/>。
5.如权利要求4所述的一种基于多源数据的公路施工用预警监控方法，其特征在于，所述S4的整体威胁程度判断策略还包括如下具体步骤：
S41、提取计算得到维修道路的实时道路危险值和各个车辆的车辆危险值；
S42、将得到的维修道路的实时道路危险值和各个车辆的车辆危险值代入整体威胁程度计算公式中计算整体威胁程度，其中，整体威胁程度计算公式为：，其中，为道路危险值占比系数，/>为车辆危险值占比系数，/>。
6.如权利要求5所述的一种基于多源数据的公路施工用预警监控方法，其特征在于，所述S5的具体步骤如下：
S51、提取计算得到的整体威胁程度，将实时整体威胁程度与设定的威胁程度阈值对比；
S52、若整体威胁程度大于等于设定的威胁程度阈值，则向车辆端和维护端发布车辆改道指令，若整体威胁程度小于设定的威胁程度阈值，则向车辆端和维护端发布正常通过指令。
7.一种基于多源数据的公路施工用预警监控***，其基于如权利要求1-6任一项的所述一种基于多源数据的公路施工用预警监控方法实现，其特征在于，其包括数据获取模块、车辆危险值计算模块、道路危险值计算模块、整体威胁程度计算模块、数据对比模块、指令发布模块和控制模块，所述数据获取模块用于通过无人飞行器采集道路施工段的道路数据，通过车辆数据传感器采集车辆行驶过程中的车辆数据，同时将采集的数据储存在储存模组中，所述车辆危险值计算模块用于从储存模组中获取车辆行驶过程中的车辆数据，将车辆行驶过程中的车辆数据导入构建的车辆危险值计算模型中导出车辆危险值。
8.如权利要求7所述的一种基于多源数据的公路施工用预警监控***，其特征在于，所述道路危险值计算模块用于从储存模组中获取道路施工段的道路数据，将实时的道路施工段的道路数据导入构建的道路危险值计算模型中导出道路危险值，所述整体威胁程度计算模块用于将计算得到的实时道路危险值和车辆危险值导入整体威胁程度判断策略中进行整体威胁程度的判断，所述数据对比模块用于将实时整体威胁程度与设定的威胁程度阈值对比，所述指令发布模块用于向车辆端和维护端发布车辆改道或正常通过指令，所述控制模块用于控制数据获取模块、车辆危险值计算模块、道路危险值计算模块、整体威胁程度计算模块、数据对比模块和指令发布模块的运行。
9.一种电子设备，包括：处理器和存储器，其中，所述存储器中存储有可供处理器调用的计算机程序；
其特征在于，所述处理器通过调用所述存储器中存储的计算机程序，执行如权利要求1-6任一项所述的一种基于多源数据的公路施工用预警监控方法。
10.一种计算机可读存储介质，其特征在于，储存有指令，当所述指令在计算机上运行时，使得计算机执行如权利要求1-6任一项所述的一种基于多源数据的公路施工用预警监控方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161804.3A CN117711185B (zh) | 2024-02-05 | 2024-02-05 | 一种基于多源数据的公路施工用预警监控***及方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202410161804.3A CN117711185B (zh) | 2024-02-05 | 2024-02-05 | 一种基于多源数据的公路施工用预警监控***及方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN117711185A CN117711185A (zh) | 2024-03-15 |
| CN117711185B true CN117711185B (zh) | 2024-04-09 |
Family
ID=90146538
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202410161804.3A Active CN117711185B (zh) | 2024-02-05 | 2024-02-05 | 一种基于多源数据的公路施工用预警监控***及方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN117711185B (zh) |
Families Citing this family (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117972617B (zh) * | 2024-03-29 | 2024-06-21 | 中国水利水电第九工程局有限公司 | 一种公路工程施工安全事故分析***及方法 |
| CN117994939B (zh) * | 2024-04-03 | 2024-06-07 | 南京沃唐光电科技有限公司 | 基于物联网的气体监测预警***及方法 |
Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009018741A1 (de) * | 2009-04-27 | 2010-10-28 | Continental Teves Ag & Co. Ohg | Geobroadcast über einen Server |
| TW201544377A (zh) * | 2014-05-27 | 2015-12-01 | Univ Nat Yunlin Sci & Tech | 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統 |
| CN106781446A (zh) * | 2017-02-23 | 2017-05-31 | 吉林大学 | 一种施工环境下高速公路应急车辆资源配置方法 |
| CN108171129A (zh) * | 2017-12-14 | 2018-06-15 | 深圳市易成自动驾驶技术有限公司 | 道路信息识别方法、终端设备以及可读存储介质 |
| CA2990099A1 (en) * | 2016-12-27 | 2018-06-27 | S1 Technologies, Inc. | System and method for identifying a fuel loss |
| CN110085042A (zh) * | 2019-04-08 | 2019-08-02 | 武汉理工大学 | 一种基于信息融合的车辆驾驶预警***及方法 |
| KR102095884B1 (ko) * | 2019-10-31 | 2020-04-06 | 한국건설기술연구원 | 차량의 거동 정보 기반 도로위험지표 산출 방법 및 그 장치 |
| US10699347B1 (en) * | 2016-02-24 | 2020-06-30 | Allstate Insurance Company | Polynomial risk maps |
| CN112805763A (zh) * | 2021-01-29 | 2021-05-14 | 华为技术有限公司 | 一种道路预警的方法、装置和*** |
| CN113232648A (zh) * | 2021-04-15 | 2021-08-10 | 江苏大学 | 针对弱势道路使用者的汽车避撞***及其控制方法 |
| CN114926729A (zh) * | 2022-03-16 | 2022-08-19 | 长安大学 | 一种基于行车视频的高风险路段鉴别***及方法 |
| CN115392728A (zh) * | 2022-08-29 | 2022-11-25 | 合肥工业大学 | 基于风险场的大型活动多源交通风险叠加评估方法及应用 |
| CN116187851A (zh) * | 2023-02-24 | 2023-05-30 | 交通运输部公路科学研究所 | 基于贝叶斯的自动驾驶道路与车路匹配风险指数评估方法 |
| CN116798007A (zh) * | 2023-06-08 | 2023-09-22 | 武汉理工大学 | 道路冰雪智能识别及预警方法、装置及电子设备 |
| CN117151513A (zh) * | 2023-08-08 | 2023-12-01 | 中电科新型智慧城市研究院有限公司 | 评价交通安全的方法、装置、设备及存储介质 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US8655951B2 (en) * | 2009-12-23 | 2014-02-18 | Earth Networks, Inc. | Method and apparatus for conveying vehicle driving information |
-
2024
- 2024-02-05 CN CN202410161804.3A patent/CN117711185B/zh active Active
Patent Citations (15)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| DE102009018741A1 (de) * | 2009-04-27 | 2010-10-28 | Continental Teves Ag & Co. Ohg | Geobroadcast über einen Server |
| TW201544377A (zh) * | 2014-05-27 | 2015-12-01 | Univ Nat Yunlin Sci & Tech | 自動化車輛全域性風險分析的區域規劃演算法與軌跡最佳化閃避系統 |
| US10699347B1 (en) * | 2016-02-24 | 2020-06-30 | Allstate Insurance Company | Polynomial risk maps |
| CA2990099A1 (en) * | 2016-12-27 | 2018-06-27 | S1 Technologies, Inc. | System and method for identifying a fuel loss |
| CN106781446A (zh) * | 2017-02-23 | 2017-05-31 | 吉林大学 | 一种施工环境下高速公路应急车辆资源配置方法 |
| CN108171129A (zh) * | 2017-12-14 | 2018-06-15 | 深圳市易成自动驾驶技术有限公司 | 道路信息识别方法、终端设备以及可读存储介质 |
| CN110085042A (zh) * | 2019-04-08 | 2019-08-02 | 武汉理工大学 | 一种基于信息融合的车辆驾驶预警***及方法 |
| KR102095884B1 (ko) * | 2019-10-31 | 2020-04-06 | 한국건설기술연구원 | 차량의 거동 정보 기반 도로위험지표 산출 방법 및 그 장치 |
| CN112805763A (zh) * | 2021-01-29 | 2021-05-14 | 华为技术有限公司 | 一种道路预警的方法、装置和*** |
| CN113232648A (zh) * | 2021-04-15 | 2021-08-10 | 江苏大学 | 针对弱势道路使用者的汽车避撞***及其控制方法 |
| CN114926729A (zh) * | 2022-03-16 | 2022-08-19 | 长安大学 | 一种基于行车视频的高风险路段鉴别***及方法 |
| CN115392728A (zh) * | 2022-08-29 | 2022-11-25 | 合肥工业大学 | 基于风险场的大型活动多源交通风险叠加评估方法及应用 |
| CN116187851A (zh) * | 2023-02-24 | 2023-05-30 | 交通运输部公路科学研究所 | 基于贝叶斯的自动驾驶道路与车路匹配风险指数评估方法 |
| CN116798007A (zh) * | 2023-06-08 | 2023-09-22 | 武汉理工大学 | 道路冰雪智能识别及预警方法、装置及电子设备 |
| CN117151513A (zh) * | 2023-08-08 | 2023-12-01 | 中电科新型智慧城市研究院有限公司 | 评价交通安全的方法、装置、设备及存储介质 |
Non-Patent Citations (4)
| Title |
|---|
| Online and Predictive Warning System for Forced Lane Changes Using Risk Maps;Puphal, T等;《IEEE》;20221111;616-626 * |
| 干线公路路侧安全设施风险性评估仿真研究;沈强儒;曹慧;;计算机仿真;20171215(第12期);全文 * |
| 智慧监控在高速公路运营及维护中的应用;马亚栋;《运输经理世界》;20220625;62-65 * |
| 重庆市涪陵区G319公路洪灾风险评估研究;林孝松;陈洪凯;王先进;唐红梅;褚春超;覃庆梅;梁学战;陈远川;;长江流域资源与环境;20130215(第02期);全文 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN117711185A (zh) | 2024-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN117711185B (zh) | 一种基于多源数据的公路施工用预警监控***及方法 | |
| CN109064495A (zh) | 一种基于Faster R-CNN与视频技术的桥面车辆时空信息获取方法 | |
| CN111626170B (zh) | 一种铁路边坡落石侵限检测的图像识别方法 | |
| CN114076631A (zh) | 超载车辆识别方法、***及设备 | |
| CN113421432A (zh) | 交通限行信息检测方法、装置、电子设备和存储介质 | |
| CN110702195B (zh) | 载重车辆运行状态监测方法及装置 | |
| CN113936215A (zh) | 一种矿区路面凹坑的识别方法、***及无人驾驶货车 | |
| CN116448224A (zh) | 基于视觉应变监测的桥梁动态称重与分级报警方法 | |
| CN113176548B (zh) | 基于多边形建模的路侧雷达的实时滤除背景的方法 | |
| CN113176546B (zh) | 基于nurbs建模的路侧雷达的实时滤除背景的方法 | |
| CN112330675B (zh) | 基于AOD-Net的交通道路图像大气能见度检测方法 | |
| CN113724497A (zh) | 一种目标道路实时交通流量预测方法和装置 | |
| CN112906428B (zh) | 影像侦测区域取得方法及空间使用情况的判定方法 | |
| CN117315441A (zh) | 基于改进yolox的道路井盖状态检测方法 | |
| CN115205797B (zh) | 一种无人驾驶车辆工作状态监控方法及装置 | |
| CN116340307A (zh) | 坡道图层生成方法和装置、高精度地图及电子设备 | |
| CN111709335A (zh) | 基于卫星遥感的铁路线路安全预警方法 | |
| JP7314965B2 (ja) | 対象物検出装置及びプログラム | |
| CN112069957B (zh) | 塌方监测***、方法、控制装置及存储介质 | |
| CN115511876A (zh) | 基于相对位置感知的高铁接触网防鸟刺识别方法及*** | |
| CN116360486A (zh) | 一种管道智能巡护方法、***、装置及无人机 | |
| CN118211897A (zh) | 一种基于数据处理的转运途中血液状态跟踪方法 | |
| CN117830063A (zh) | 一种山地高速公路施工安全风险管理*** | |
| CN117630846A (zh) | 静止目标确认方法、装置及雷达 | |
| CN116402774A (zh) | 隔离挡板异常检测方法和装置、电子设备及存储介质 |
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 |