一种基于振动的方法来监测道路表面:克服速度效应的过程

科学领域:

• 土木工程 土木工程是指土木工程.
• 运输工程 运输工程
• 数据科学数据科学数据科学

背景情况:

• 有效的道路铺路监测对于及时维护和城市基础设施管理至关重要.
• 目前在城市地区的大规模监测方法可能是昂贵和缓慢的,无法捕捉路面退化动态.
• 现有的基于振动的道路监控技术往往取决于速度,并且在车辆速度较低时不够.

研究的目的:

• 统计分析车辆速度监测对道路路面状况评估的影响.
• 开发和引入一种新的方法来减轻道路监测数据中的速度效应.
• 用基于速度和路面恶化指数的机器学习方法来预测道路表面损坏的严重程度.

主要方法:

• 通过仪器驾驶出租车车辆在不同速度收集的道路状况数据进行统计分析.
• 开发一种机器学习模型,以确定损害严重程度预测的决策边界.
• 使用车辆速度和路面退化指数作为预测模型的主要输入参数.

主要成果:

• 该研究量化了车辆速度对道路路面状况监测准确性的影响.
• 成功实施了机器学习过程,以克服与速度相关的测量偏差.
• 开发的方法在实时预测道路损坏严重程度方面达到80%以上的准确性.

结论:

• 拟议的机器学习方法提供了一个用户友好和高效的解决方案,用于实时评估道路路面状况.
• 这种方法有效地解决了基于振动的道路监控系统中速度依赖的挑战.
• 这些发现支持将智能车辆数据集成到增强的道路网络维护战略中.