-
公开(公告)号：CN111612224A
公开(公告)日：2020-09-01
申请号：CN202010374054.X
申请日：2020-05-06
申请人： 中咨公路养护检测技术有限公司 , 中国公路工程咨询集团有限公司
摘要： 本发明实施例提供一种路面多车道状况预测与养护规划方法，所述方法包括：获取各路面状况基础数据，建立路面不同车道的性能衰变模型；所述基础数据包括历史路面技术状况、车流量、断面监测区间；将所述各路面状况基础数据输入路面不同车道性能衰变模型，得到所述路面不同车道性能衰变模型输出的路面不同车道技术状况预测结果；获取首年养护经费限制要求，根据各路段各车道技术状况、车道优先级指数及费用效益比，反复规划首年养护方案；满足首年养护经费要求后，进行次年养护规划，同首年养护规划方式，直至完成多年度养护规划。本发明实施例基于准确的预测结果对多车道路面进行多年度养护方案制定，保障路面性能的提升。
-
公开(公告)号：CN116305420B
公开(公告)日：2023-10-17
申请号：CN202310118577.1
申请日：2023-01-30
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中部高速公路管理(山西)有限公司
摘要： 本发明提供一种公路养护数字孪生体构建方法、系统、设备及介质，方法包括：获取预设的基础数字孪生体，基础数字孪生体包括：一个或多个孪生体单元，每个孪生体单元分别具有对应的定义信息，定义信息包括类型编码和属性定义；获取目标公路养护对象的BIM模型，BIM模型包括：至少一个模型构件，模型构件具有一一对应的构件编码，构件编码与类型编码具有映射关系；基于映射关系和属性定义，获取模型构件对应的属性表；将模型构件的属性信息填充至属性表，完成公路养护数字孪生体的构建；本发明提供的公路养护数字孪生体构建方法，较好地实现了公路养护数字孪生体的自动构建，自动化程度较高，构建成本较低，公路养护数字孪生体的精确度较高。
-
公开(公告)号：CN116305420A
公开(公告)日：2023-06-23
申请号：CN202310118577.1
申请日：2023-01-30
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中部高速公路管理(山西)有限公司
摘要： 本发明提供一种公路养护数字孪生体构建方法、系统、设备及介质，方法包括：获取预设的基础数字孪生体，基础数字孪生体包括：一个或多个孪生体单元，每个孪生体单元分别具有对应的定义信息，定义信息包括类型编码和属性定义；获取目标公路养护对象的BIM模型，BIM模型包括：至少一个模型构件，模型构件具有一一对应的构件编码，构件编码与类型编码具有映射关系；基于映射关系和属性定义，获取模型构件对应的属性表；将模型构件的属性信息填充至属性表，完成公路养护数字孪生体的构建；本发明提供的公路养护数字孪生体构建方法，较好地实现了公路养护数字孪生体的自动构建，自动化程度较高，构建成本较低，公路养护数字孪生体的精确度较高。
-
公开(公告)号：CN112508071B
公开(公告)日：2023-04-18
申请号：CN202011375596.5
申请日：2020-11-30
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
摘要： 本发明提供一种基于BIM的桥梁病害标记方法和装置，所述方法包括：获取待测桥梁的桥梁病害图像和桥梁BIM模型；提取桥梁病害图像中的多个病害特征点；基于桥梁病害图像的拍摄位置信息，将桥梁病害图像的拍摄点作为桥梁BIM模型的视点，并以视点为原点建立桥梁BIM模型的投影空间，基于投影空间，对桥梁病害图像中每一病害特征点进行投影变换和坐标变换，得到桥梁病害图像中每一病害特征点在桥梁BIM模型中对应的匹配特征点；基于所有匹配特征点，在桥梁BIM模型中进行桥梁病害标记。本发明提供的一种基于BIM的桥梁病害标记方法和装置，通过桥梁BIM模型可以直观显示桥梁病害信息，有利于提升桥梁病害的可视化管理水平。
-
公开(公告)号：CN115033960A
公开(公告)日：2022-09-09
申请号：CN202210652315.9
申请日：2022-06-09
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06F30/13 , G06F30/20 , G06F16/29 , G06F119/02
摘要： 本发明提供一种BIM模型和GIS系统的自动融合方法及装置，其中该方法包括：基于指定的标记位置，分别获取BIM模型和GIS系统的第一基准点集和第二基准点集；依次确定在不同坐标变换公式下，第一基准点集对应的第一变换点集；若第一变换点集中任意变换点间的相对位置与第二基准点集中任意基准点间的相对位置相同，则确定第一变换点对应的坐标变换公式为目标坐标变换公式；进而确定两者自动融合的结果。本发明通过将BIM模型的基准点转换至GIS系统，比较其和GIS系统中对应基准点的相似性，确定匹配的坐标变换公式，实现从BIM模型到GIS系统的自动融合，不需操作人员具备GIS专业技能，具备更广泛的适用性。
-
公开(公告)号：CN113837361A
公开(公告)日：2021-12-24
申请号：CN202111022184.8
申请日：2021-09-01
申请人： 中咨公路养护检测技术有限公司 , 中国公路工程咨询集团有限公司
摘要： 本发明提供一种空气污染物浓度预测方法及系统，所述方法包括：获取待测区域中至少两个空气监测站点的空间关系参数，并获取各个所述空气监测站点的当前时刻的监测指标信息；其中，所述监测指标信息包括空气污染物浓度监测值；基于所述空间关系参数以及所述当前时刻的监测指标信息，预先训练好的特征提取模型进行计算得到当前时刻的空气质量特征；将所述当前时刻的空气质量特征输入至预先训练好的污染物浓度预测模型，得到所述污染物浓度预测模型输出的下一时刻的待测区域空气污染物浓度预测结果。本发明通过提取空气监测站点的空间特征信息，并综合时序和空间特征信息对空气污染物进行预测，从而有效提高了空气污染物浓度的预测精度。
-
公开(公告)号：CN112241808A
公开(公告)日：2021-01-19
申请号：CN202011041591.9
申请日：2020-09-28
摘要： 本发明实施例提供了一种路面技术状况预测方法、装置、电子设备及存储介质，方法包括获取与路面技术状况有关的路面技术等级数据、路面类型数据和路面养护数据；将所述与路面技术状况有关的路面技术等级数据、路面类型数据和路面养护数据输入至路面技术状况预测模型，得到与所述路面技术状况对应的预测分值；根据所述路面技术状况对应的预测分值，确定所述路面技术状况。本发明实施例输入数据包括路面养护数据，使得预测模型考虑养护因素的干预；同时，所述预测模型基于机器学习算法进行训练，能够对预测模型的参数进行自动校正和优化，从而大大提升预测效率和预测精度，进而使得预测模型输出的预测分值能够更为准确的反映路面技术状况。
-
公开(公告)号：CN118552723A
公开(公告)日：2024-08-27
申请号：CN202410569289.2
申请日：2024-05-09
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
IPC分类号： G06V10/26 , G06V10/774 , G06V10/764 , G06V10/40 , G06N3/0464 , G06N3/0455
摘要： 本申请涉及一种水泥路面裂缝分割方法，该方法基于DeepLabV3+网络模型，DeepLabV3+网络模型的编码器采用mobilenetv2结构，以改善特征提取网络中离散计算过多问题，优化对参数量和速度的控制，减少DeepLabV3+网络的冗余；编码器部分结合累积分布通道注意力模块CDCA，解决了DeepLabV3+在语义分割时未充分利用主干的低级特征，以及大倍数上采样造成有效特征缺失的问题；此外，引入边缘监督，在模型训练过程中，通过边缘损失函数来获得边缘预测和边缘标签的误差以更好地学习边缘特征，进一步提升模型的语义分割性能。
-
公开(公告)号：CN118053114A
公开(公告)日：2024-05-17
申请号：CN202410074671.6
申请日：2024-01-18
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司
摘要： 本发明提供一种路面病害发展预测方法、装置、系统、设备及介质，涉及公路养护技术领域，该方法包括：获取待预测路段的路面影像，作为目标路面影像；对目标路面影像进行路面病害识别，获取目标路面影像中的路面病害的类型信息以及几何信息，作为目标路面病害识别结果；将目标路面病害识别结果输入路面病害发展预测模型，获取路面病害发展预测模型输出的待预测路段的路面病害发展预测结果。本发明提供的路面病害发展预测方法、装置、系统、设备及介质，能更准确地、更高效地预测微观路面病害的发展趋势，能为预防性养护时机提供决策支持，能增加道路的使用寿命，能提高道路的运营效率。
-
公开(公告)号：CN116558578B
公开(公告)日：2023-10-17
申请号：CN202310850035.3
申请日：2023-07-12
申请人： 中国公路工程咨询集团有限公司 , 中咨公路养护检测技术有限公司 , 中部高速公路管理(山西)有限公司
摘要： 本发明提供一种道路路面状况检测方法、装置和存储介质，涉及交通控制系统技术领域，该方法具体包括：基于第一传感器组，采集针对待检测的道路路面的第一路况传感数据；基于预设的路面路况检测模型，确定第一路况传感数据所对应的道路路面状况；路况检测模型包括第一模型模块和第二模型模块，第一模型模块和第二模型模块是基于路况传感数据样本集通过集成学习方式而进行训练的，路况传感数据样本集是基于第一传感器组而确定的；第一模型模块的模型特征维度与第一传感器组所对应的传感信息类型相匹配，并且第一模型模块的模型特征维度不同于第二模型模块的模型特征维度。由此，能够实时、精准地识别道路的路面状况。
-
-
-
-
-
-
-
-
-
搜索结果
47 条记录 (耗时 0.104 秒)
