一种基于深度学习的扩建道路路况检测方法与流程

本发明涉及道路检测，具体为一种基于深度学习的扩建道路路况检测方法。

背景技术：

1、道路扩建是指在原有道路的基础上，通过扩建、改建或新建等方式，增加道路的宽度、厚度、车道数量等，以提高道路的通行能力和交通安全性。道路扩建可以改善交通拥堵现象，提高道路的运输效率，同时也可以提升道路的安全性和舒适性，为人们的出行带来更多的便利和舒适；

2、然而，现有的技术在对待扩建的道路在扩建后的路况信息进行评估时，大多依靠道路管理的经验来完成，由于管理人员通过经验来评估，无法形成一套完整的扩建道路路况信息，从而导致道路扩建方案不完善，且精确度低；

3、针对上述问题，发明人提出一种基于深度学习的扩建道路路况检测方法用于解决上述问题。

技术实现思路

1、为了解决道路扩建的方案不完善以及方案的精确度较低的问题；本发明的目的在于提供一种基于深度学习的扩建道路路况检测方法。

2、为解决上述技术问题，本发明采用如下技术方案：一种基于深度学习的扩建道路路况检测方法，包括以下步骤：

3、s1、待扩建道路路基的检测

4、通过实地勘测的方式，对待扩建道路的土壤及路基进行定点检测，并取样，获取道路路基的破损情况，分析得出道路的承载力及使用寿命；

5、s2、待扩建道路车流量的检测

6、通过交通流量传感设备对待扩建道路的车流量进行分段、定点检测，统计道路的车流量大小，获取不同时间段内道路的车流量情况；

7、s3、道路交通管理设施的采集

8、通过道路交通管理中心获取道路的交通信号灯、服务区、收费站及上下匝道的分布情况进行采集，得到道路路况情况；

9、s4、道路数据信息的处理

10、通过深度学习网络的多层神经网络，对道路的承载力数据、道路车流量情况及道路路况数据进行处理，得到待扩建道路扩展后的的路况信息，并生成道路扩展的系统性方案。

11、优选地，在s1中，将取样后的土壤及路基样品进行化学分析，分析路基的承载负荷，为道路扩建的分析评估提供依据。

12、优选地，在s2中，获取的车流量情况包括不同时间内车辆的行驶速度、单位时间内车辆的拥堵系数以及事故的发生比例。

13、优选地，在s3中，多层神经网络的神经元节点对道路的承载力数据、道路车流量情况及道路路况数据进行处理和转换，数据的特征被不断地提取和抽象，从而更好的生成最优系统性方案。

14、优选地，在s4中，所述系统性方案包括道路扩展的时间信息、道路交通管理方案以及道路扩展等级信息。

15、优选地，在s4中，所述系统性方案还包括道路的节点弯度大小以及道路的节点坡度大小。

16、优选地，所述道路的承载力及使用寿命的计算包括以下步骤：

17、s1、通过多层神经网络，对道路的车流量情况及路面破损情况进行采集，形成车流量数据及路况数据，确保多层神经网络中的模型能够学习到车流量情况及路面破损情况的特征；

18、s2、通过多层神经网络的注意力机制捕捉车流量情况与路面破损情况之间的依赖性，构建多层神经网络的模型；

19、s3、通过大量的数据迭代优化模型的参数，并对模型进行训练，然后对模型进行测试，验证模型在实际场景中的可靠性；

20、s4、对测试后的模型进行参数调整和改进，以适应道路的承载力及使用寿命的计算需求。

21、与现有技术相比，本发明的有益效果在于：

22、1、本发明中，通过s1-s4，对待扩建道路的土壤及路基进行检测，分析土壤的性质及路基的承载力，同时对待扩建道路的车流量大小、交通管理设施信息进行采集，获取道路路况数据信息，同时通过深度学习网络对获取的道路路况数据信息进行深度学习，得到多种道路扩展系统性方案，并自动匹配最优系统性方案，从而方便的实现了扩展后的道路的路况信息模拟计算，为道路的扩展提供精准的方案；

23、2、本发明中，通过对待扩建道路的土壤及路基进行检测，分析得出道路的承载力及使用寿命，为后续生成的道路扩展系统性方案提供基础条件，确保生成的道路扩展系统性方案科学合理，满足交通发展的需求，并降低道路扩建的投资成本。

技术特征：

1.一种基于深度学习的扩建道路路况检测方法，其特征在于，包括以下步骤：

2.如权利要求1所述的一种基于深度学习的扩建道路路况检测方法，其特征在于，在s1中，将取样后的土壤及路基样品进行化学分析，分析路基的承载负荷，为道路扩建的分析评估提供依据。

3.如权利要求1所述的一种基于深度学习的扩建道路路况检测方法，其特征在于，在s2中，获取的车流量情况包括不同时间内车辆的行驶速度、单位时间内车辆的拥堵系数以及事故的发生比例。

4.如权利要求1所述的一种基于深度学习的扩建道路路况检测方法，其特征在于，在s3中，多层神经网络的神经元节点对道路的承载力数据、道路车流量情况及道路路况数据进行处理和转换，数据的特征被不断地提取和抽象，从而更好的生成最优系统性方案。

5.如权利要求1所述的一种基于深度学习的扩建道路路况检测方法，其特征在于，在s4中，所述系统性方案包括道路扩展的时间信息、道路交通管理方案以及道路扩展等级信息。

6.如权利要求1所述的一种基于深度学习的扩建道路路况检测方法，其特征在于，在s4中，所述系统性方案还包括道路的节点弯度大小以及道路的节点坡度大小。

7.如权利要求1所述的一种基于深度学习的扩建道路路况检测方法，其特征在于，所述道路的承载力及使用寿命的计算包括以下步骤：

技术总结本发明公开一种基于深度学习的扩建道路路况检测方法，涉及道路检测技术领域；而本发明包括S1待扩建道路路基的检测、S2待扩建道路车流量的检测、S3道路交通管理设施的采集、S4道路数据信息的处理；本发明中，通过S1‑S4，对待扩建道路的土壤及路基进行检测，分析土壤的性质及路基的承载力，同时对待扩建道路的车流量大小、交通管理设施信息进行采集，获取道路路况数据信息，同时通过深度学习网络对获取的道路路况数据信息进行深度学习，得到多种道路扩展系统性方案，并自动匹配最优系统性方案，从而方便的实现了扩展后的道路的路况信息模拟计算，为道路的扩展提供精准的方案。技术研发人员：谢路锋,阮轶,何丕元,李长伟,朱凌,刘军,刘啟倬,余俊,朱馥君,向阳,傅琨受保护的技术使用者：江西省交通设计研究院有限责任公司技术研发日：技术公布日：2024/7/29