-
公开(公告)号：CN116362714A
公开(公告)日：2023-06-30
申请号：CN202310188693.0
申请日：2023-02-21
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 , 中咨数据有限公司
IPC分类号： G06Q10/20 , G06Q10/04 , G06Q10/063
摘要： 本发明提供一种路面养护周期的预测方法和装置。该方法包括：对目标路段的多个养护周期决策变量进行采样，得到养护周期决策变量在当前时间段内的观测序列；养护周期决策变量包括路面综合性能指标和路面综合性能指标的影响因素参数；将观测序列输入路面综合性能指标预测模型中，得到路面综合性能指标预测模型输出的路面综合性能指标预测序列；基于路面综合性能指标预测序列和目标路段的基本养护周期，计算得到目标路段的路面养护周期。本发明能够利用基于深度学习神经网络搭建的路面综合性能指标预测模型充分挖掘路面综合性能指标及其多个影响因素之间的关系，强化影响作用较大的影响因素在模型计算中的重要性，提高路面养护周期的评估准确性。
-
公开(公告)号：CN116362714B
公开(公告)日：2023-11-03
申请号：CN202310188693.0
申请日：2023-02-21
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 , 中咨数据有限公司
IPC分类号： G06Q10/20 , G06Q10/04 , G06Q10/063
摘要： 本发明提供一种路面养护周期的预测方法和装置。该方法包括：对目标路段的多个养护周期决策变量进行采样，得到养护周期决策变量在当前时间段内的观测序列；养护周期决策变量包括路面综合性能指标和路面综合性能指标的影响因素参数；将观测序列输入路面综合性能指标预测模型中，得到路面综合性能指标预测模型输出的路面综合性能指标预测序列；基于路面综合性能指标预测序列和目标路段的基本养护周期，计算得到目标路段的路面养护周期。本发明能够利用基于深度学习神经网络搭建的路面综合性能指标预测模型充分挖掘路面综合性能指标及其多个影响因素之间的关系，强化影响作用较大的影响因素在模型计算中的重要性，提高路面养护周期的评估准确性。
-
公开(公告)号：CN116416212B
公开(公告)日：2023-12-08
申请号：CN202310124903.X
申请日：2023-02-03
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
IPC分类号： G06T7/00 , G06T7/136 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/08
摘要： 本发明提供一种路面破损检测神经网络训练方法及路面破损检测神经网络，方法包括：将预设的多个单类型路面破损数据集分别输入对应的基础图像分割网络进行单独训练，获取多个教师网络，单类型路面破损数据集与基础图像分割网络一一对应；基于预设的多类型路面破损数据集，利用多个教师网络对预设的学生网络进行知识蒸馏，将知识蒸馏后的学生网络作为路面破损检测神经网络；学生网络包括编码器和解码器，编码器包括预设层数的编码子网络，解码器包括与编码子网络对称的预设层数的解码子网络，预设层数少于5层。本方法能够较好地实现多类型路面破损的自动检测，且较好地减少了路面(56)对比文件JP 6902652 B1,2021.07.14Yuang Liu等.Adaptive multi-teachermulti-level knowledgedistillation.Neurocomputing.2020,第415卷106-113.孙朝云;马志丹;李伟;郝雪丽;申浩.基于深度卷积神经网络融合模型的路面裂缝识别方法.长安大学学报(自然科学版).2020,(第04期),5-17.
-
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：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。
-
公开(公告)号：CN116558578A
公开(公告)日：2023-08-08
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。
-
公开(公告)号：CN116416212A
公开(公告)日：2023-07-11
申请号：CN202310124903.X
申请日：2023-02-03
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
IPC分类号： G06T7/00 , G06T7/136 , G06N3/048 , G06N3/0464 , G06N3/0455 , G06N3/096 , G06N3/08
摘要： 本发明提供一种路面破损检测神经网络训练方法及路面破损检测神经网络，方法包括：将预设的多个单类型路面破损数据集分别输入对应的基础图像分割网络进行单独训练，获取多个教师网络，单类型路面破损数据集与基础图像分割网络一一对应；基于预设的多类型路面破损数据集，利用多个教师网络对预设的学生网络进行知识蒸馏，将知识蒸馏后的学生网络作为路面破损检测神经网络；学生网络包括编码器和解码器，编码器包括预设层数的编码子网络，解码器包括与编码子网络对称的预设层数的解码子网络，预设层数少于5层。本方法能够较好地实现多类型路面破损的自动检测，且较好地减少了路面破损检测神经网络的参数量，更易于部署与应用，检测精确度较高。
-
公开(公告)号：CN116204770B
公开(公告)日：2023-10-13
申请号：CN202211599237.7
申请日：2022-12-12
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 , 中咨数据有限公司
IPC分类号： G06F18/21 , G06F18/214 , G06F18/2433 , G06N3/0455 , G06N3/091 , G06N3/096 , G06N3/084 , G06N3/088 , G06F123/02
摘要： 本发明提供一种用于桥梁健康监测数据异常检测的训练方法及装置，方法包括：获取不同领域多个类别的时间序列监测数据样本集和多个待训练的教师网络，按类别输入对应的每个待训练的教师网络中进行训练直至收敛完成教师网络训练；获取桥梁健康监测数据样本集和待训练的学生网络，分别输入已训练好的多个教师网络和待训练的学生网络，利用已训练好的多个教师网络对待训练的学生网络进行知识蒸馏训练直至收敛完成学生网络训练；利用已训练好的学生网络对待检测的桥梁健康监测数据进行异常预测。本发明解决了因现有技术中桥梁监测异常数据集存在无标注和正例样本不足问题，而导致现有神经网络模型无法对目标桥梁健康监测数据进行异常检测的问题。
-
公开(公告)号：CN116227775A
公开(公告)日：2023-06-06
申请号：CN202310499029.8
申请日：2023-05-06
IPC分类号： G06Q10/047 , G06Q10/20 , G06Q50/26
摘要： 本发明提供一种道路养护作业路线的确定方法、装置及存储介质，方法包括：确定目标路网中目标作业点的作业点位置，其中，目标作业点为需要进行道路养护作业的地点；获取至少一个出发点的出发点位置，以及目标路网的多个节点的节点位置；根据作业点位置、至少一个出发点的出发点位置和多个节点的节点位置，分别确定各出发点与目标作业点之间的最短线路；根据各出发点与目标作业点之间的最短线路，确定到达目标作业点的目标线路。本方法可以自动生成到达目标作业点的目标线路，可以确保及时到达目标作业点，提高了道路养护作业的作业效率。
-
-
-
-
-
-
-
-
-
搜索结果
35 条记录 (耗时 0.102 秒)
