-
公开(公告)号:CN117273501A
公开(公告)日:2023-12-22
申请号:CN202310977997.5
申请日:2023-08-04
申请人: 东南大学
IPC分类号: G06Q10/0639 , E01C23/01 , G01N33/42
摘要: 本发明涉及一种道路面层评价指标,尤其涉及一种基于无损检测技术的道路沥青面层裂缝评价方法。该步骤包括确定检测路段尺寸,通过检测建立各类裂缝尺寸:检测路段中通过计算得到上面层裂缝状况指数、中面层裂缝状况指数、下面层裂缝状况指数、沥青面层总体裂缝状况指数,依据道路沥青面层裂缝分级评价表对个指数进行评价。本发明基于路面无损检测技术,弥补了现有评价指标仅仅针对开口裂缝的路表形态进行评价的问题,综合考虑路面所有类型裂缝对路面服役性能的影响,对上面层、中面层、下面层分别计算裂缝状况指数,并且计算总体裂缝状况指数,这些指数更具有代表性,提升了养护修复措施制定的针对性与科学性。
-
公开(公告)号:CN116908795A
公开(公告)日:2023-10-20
申请号:CN202310606131.3
申请日:2023-05-26
申请人: 东南大学
摘要: 本发明涉及一种面向探地雷达信号的机器学习数据标注方法及系统,将原始探地雷达数据转化成XYZ格式文件;程序将XYZ格式文件中的连续单道扫描数据转化成S×T×E的矩阵,其中S代表每个标注区间单点扫描个数,T代表单道扫描的时窗深度,E代表S×T范围内雷达回波的电场强度;之后程序采用最大归一法将这些电场强度E归一化至0‑255范围内,即为S×T尺寸的电场强度相对值灰度图,并在B‑scan窗口中实时显示用以辅助标注;继续采用“三线定位法”标注某个单道扫描的具体时窗区间;利用数据集构建程序将标注结果保存为原数据及其对应标签;本发明集成原始数据解译、视觉辅助标注、标注结果存储以及数据集制作,将探地雷达与机器学习进行深度结合。
-
公开(公告)号:CN116681849A
公开(公告)日:2023-09-01
申请号:CN202310605989.8
申请日:2023-05-26
申请人: 东南大学
摘要: 本发明提出一种基于多目事件型相机的路面宏观纹理空间重构方法,该方法包括以下步骤,步骤1、在检测车外侧安装并校准事件型相机;步骤2、路面宏观纹理数据采集;步骤3、路面宏观纹理数据降噪预处理;步骤4、获取各事件相机行驶轨迹;步骤5、生成半稠密点云地图;步骤6、生成路面宏观纹理三维重构模型。本发明的技术方案能够解决路面宏观纹理智能检测技术无法适应实际工程环境中复杂的光照变化问题。同时,本发明采集数据占据存储空间少,检测结果精度高、连续性好,能够为路用性能评估,路面智能监控和养护决策提供关键支撑。
-
公开(公告)号:CN116167137A
公开(公告)日:2023-05-26
申请号:CN202310171006.4
申请日:2023-02-27
申请人: 东南大学
IPC分类号: G06F30/13 , G06F30/23 , G06F119/14 , G06F119/04
摘要: 本申请公开了一种基于BIM沥青路面结构组合自动化设计生成方法,沥青路面结构组合设计方案规则库的构建;基于规则库自动生成路面结构组合初始设计方案;基于BIM构建路面结构参数化模型;建立BIM模型与仿真分析软件的数据交互模块;在仿真分析软件中对当前路面结构进行分析计算,得到响应结果;基于BIM的路面结构设计方案验算;基于BIM进行使用性能指标与经济性指标分析评估;自动生成下一组方案,重复迭代优化,得到非劣解方案集;选取最合适方案进行建模。本申请用于实现在BIM环境下的道路结构组合自动生成设计与验算评估,帮助设计人员探索最佳的道路结构组合设计方案,提高设计效率与设计质量。
-
公开(公告)号:CN117852219A
公开(公告)日:2024-04-09
申请号:CN202311390030.3
申请日:2023-10-25
申请人: 东南大学
IPC分类号: G06F30/18 , G06F30/28 , G06F113/08 , G06F113/14 , G06F119/14
摘要: 本发明涉及一种基于渗流场与电磁场耦合的城市道路管道漏水电磁响应正演方法,该方法包括如下步骤:首先,生成城市道路路基非均质土壤细观结构,并将其导入带有管线的城市道路几何模型中;其次,采用有限元方法进行渗流模拟,获得漏水区域空气和水的体积分数;基于空气和水的体积分数,计算非均质土壤混合电物理参数,包括介电常数、电导率、磁导率;划分电磁仿真子区域,并将漏水区域的混合电物理参数带入漏水子区域波动方程实现两种物理场耦合条件下的电磁正演模拟。依据该模型结果,本发明提出了城市道路管道漏水点定位及漏水时间的计算模型。
-
公开(公告)号:CN116434539B
公开(公告)日:2024-03-15
申请号:CN202310172681.9
申请日:2023-02-28
申请人: 东南大学
IPC分类号: G08G1/01 , G08G1/048 , G08G1/0967 , G06F30/28 , G06F18/25 , G06F113/08 , G06F119/14
摘要: 本申请公开了基于数字孪生的极端雨水天气下高速公路车速预警方法,包括如下步骤:S1、基于车载式三维激光路面检测系统的道路状态检测;S2、基于微波检测技术的雨水参数的实时测量与传输;S3、建立基于多源数据融合的数字化信息模型;S4、建立数字化信息模型与仿真软件的数据交互;S5、基于多源数据融合的附着系数模型仿真分析;S6、不同工况组合下的最大安全行驶车速仿真推演;S7、基于数字孪生的车速实时预警。本申请基于数字孪生为极端雨水天气下高速公路行驶车辆建立车速预警系统,对行驶车辆进行速度限值的实时预警。
-
公开(公告)号:CN116167267A
公开(公告)日:2023-05-26
申请号:CN202310171003.0
申请日:2023-02-27
申请人: 东南大学
IPC分类号: G06F30/23 , G06V20/62 , G06V20/40 , G06V10/764 , G06V20/52 , G06V10/82 , G06F16/28 , G06N3/0464
摘要: 本申请公开了一种基于数字孪生的沥青路面车辙评估与养护决策系统,包括:S1基于道路参数数据构建路面孪生模型;S2将实时获取的车辆特征数据集成在孪生模型中;S3建立孪生模型和有限元模型数据同步交互接口,基于实时更新的车辆荷载数据仿真得到车辙发展历程数据;S4计算RDI时程曲线;S5依据曲线划分预防性养护时段并制定养护方案。所述系统包括车辆特征数据采集模块、路面孪生模型构建模块、车辙仿真模块、车辙养护方案制定模块。本发明的上述方法与系统能够将道路参数信息、实时车辆荷载以及车辙数据通过可视化路面孪生模型呈现,易于展示服役期间在车辆荷载作用下的车辙发展历程,为车辙养护决策方案的制定提供了数据理论基础。
-
公开(公告)号:CN115166729A
公开(公告)日:2022-10-11
申请号:CN202210956786.9
申请日:2022-08-10
申请人: 东南大学
摘要: 本发明提供一种探地雷达检测车、其稳定机构及使用方法,探地雷达检测车包括:车辆及探地雷达天线;机械减震臂,连接于所述车辆;三轴稳定器,连接于所述机械减震臂;支撑杆,分别连接所述三轴稳定器及所述探地雷达天线;激光测距仪,固定于所述探地雷达天线并信号连接所述机械减震臂及所述三轴稳定器,所述激光测距仪用于实时监测探地雷达天线底面相对于路面高度和俯仰角姿态,所述机械减震臂根据所述探地雷达天线底面相对于路面高度变化相应调整其高度,以消除传递到三轴稳定器的振动,所述三轴稳定器根据所述探地雷达天线底面与路面相对倾角的变化相应调整其角度以保持探地雷达天线在测量过程中的水平位置。
-
公开(公告)号:CN118097167A
公开(公告)日:2024-05-28
申请号:CN202410513536.7
申请日:2024-04-26
申请人: 东南大学
IPC分类号: G06V10/40 , G06V20/64 , G06F16/11 , G06F16/172 , G06T19/20 , G01S13/88 , G01S7/41 , G01N22/02
摘要: 本发明公开了一种基于3D窗口的结构损伤雷达全剖面特征提取方法,包括:对已获取的道路地下结构损伤目标探地雷达多通道检测数据进行解耦,得到单通道数据;对单通道下各条测线上每个采样点的电场强度用灰度进行映射,形成探地雷达灰度图谱;对雷达图谱进行去直达波处理;基于open3D模块可视化处理后的三维探地雷达多通道检测数据;通过reflexw软件标定结构病害双曲线的回波区域,开发基于病害双曲线区域的3D提取窗口,获取结构病害雷达图谱3D剖面体。本发明能够实现对结构病害图谱特征的三维可视化展示,并同时获取结构病害三维图谱的切片信息,有效克服了传统方法在获取结构病害雷达图谱特征信息方面的局限性。
-
公开(公告)号:CN116434059A
公开(公告)日:2023-07-14
申请号:CN202310222621.3
申请日:2023-03-03
申请人: 山东省交通规划设计院集团有限公司 , 东南大学 , 中公高科养护科技股份有限公司
IPC分类号: G06V20/10 , G06V10/25 , G06V10/774 , G06V10/82
摘要: 本发明属于路面检测领域,提供了一种基于深度学习与探地雷达的路面隐性病害检测方法及系统,包括获取路面探地雷达图像并进行预处理;基于预处理后的路面探地雷达图像,利用预先训练好的深度区域建议网络模型进行路面隐性病害检测;其中,所述深度区域建议网络模型包括依次连接的两层卷积池化层、两层卷积层、一层感兴趣层、一层ROI池化层以及两个输出层;所述卷积池化层由一层卷积层和一层池化层组成;所述感兴趣层用于从卷积层和卷积池化层生成的特征图中生成局部特征,再利用ROI池化层对这些局部特征进行归一化。
-
-
-
-
-
-
-
-
-