一种公路养护管理的风险评估方法及系统

    公开(公告)号:CN118428725A

    公开(公告)日:2024-08-02

    申请号:CN202410526989.3

    申请日:2024-04-29

    摘要: 本发明提供了一种公路养护管理的风险评估方法及系统,方法包括:创建评估指标体系;评估指标体系包括人、物、环境、管理四个角度的风险影响因素;根据评估指标体系构建贝叶斯网络模型,以得到评估模型;将公路养护数据输入至评估模型中,以得到不同风险影响因素的风险等级;输出与每个风险影响因素的风险等级对应的处治策略。该方法全面细致地梳理公路养护管理过程中可能存在的各种影响因素,分析各种影响因素的风险等级,得到各个影响因素发生风险的概率和影响程度,并及时输出有效的处治策略,能够识别公路养护管理过程中的风险,为公路养护管理提供科学依据,降低事故发生的概率,以最低的成本提供最高的安全保障。

    一种适用于半刚性基层沥青路面的结构长期保存养护方法

    公开(公告)号:CN118278919A

    公开(公告)日:2024-07-02

    申请号:CN202410528307.2

    申请日:2024-04-29

    摘要: 本发明实施例公开了一种适用于半刚性基层沥青路面的结构长期保存养护方法,包括:当路面整体状况的评估满足标准且基层稳定性的评估为稳定时,采用面层决策树模型进行面层稳定性评估;若面层稳定性评估为不稳定,则对路面进行结构保存养护。本发明优点如下:(1)首次提出沥青路面结构长期保存定义和技术措施,明确了路面结构长期保存的目标,即通过周期性的表层维修、罩面和结构补强,减缓路面内部和基层的劣化,避免结构性的大修和重建,保持路面结构性能长期稳定,延长路面的使用寿命。(2)结合路面预防性养护和结构长期保存需求,建立决策树模型,包括预防性养护、结构保存、结构性大修三个决策模块,可解决高速公路养护中的结构性问题。

    一种冷拌冷铺沥青混合料速强剂发展强度评价方法及系统

    公开(公告)号:CN117612649A

    公开(公告)日:2024-02-27

    申请号:CN202311582553.8

    申请日:2023-11-23

    IPC分类号: G16C60/00 G01N33/42

    摘要: 本发明涉及路材强度评价技术领域,具体涉及一种冷拌冷铺沥青混合料速强剂发展强度评价方法及系统,方法包括:根据速强剂的影响时间,对混合料的强度发展过程进行时期划分;根据时期划分,获取各时期未添加和添加速强剂的混合料的强度变化信息;对强度变化信息中各时期的强度数据点进行标记;获取强度数据点对应的时间信息,并构建时间序列;构建发展强度评价的时间序列模型,并基于时间序列模型的预测结果,对速强剂发展强度进行评价。通过本发明,有效解决了现有方法存在的对速强剂发展强度评价不准确、片面化的问题,通过引入时序模型,提升了对速强剂影响的全面性和全局性的评价。

    一种有限预算约束下路网养护决策优化方法和系统

    公开(公告)号:CN117273369A

    公开(公告)日:2023-12-22

    申请号:CN202311322228.8

    申请日:2023-10-12

    摘要: 本发明涉及道路养护技术领域,尤其涉及一种有限预算约束下路网养护决策优化方法和系统,方法包括:采集路网的路况数据、交通量数据、养护历史数据和建设数据;根据数据进行评价,获取路网的关键路况指标性能值;依据关键路况指标性能值进行预测,获得各年度的路况性能预测值;基于关键路况指标性能值和各年度的路况性能预测值,形成若干种初始养护计划组合方案;基于给定的预算,对若干种初始养护计划组合方案进行筛选,获得多个优化养护计划组合方案;分别获得多个优化养护计划组合方案的养护效益,排序并筛选最优养护效益的优化养护计划组合方案作为最终决策方案,并进行养护投资;能够获得最优的养护效益,决策准确性和资金利用率高。

    一种基于YALOv3的路面裂缝自动识别方法及系统

    公开(公告)号:CN118038342A

    公开(公告)日:2024-05-14

    申请号:CN202410063021.1

    申请日:2024-01-16

    摘要: 本发明涉及路面裂缝识别技术领域,具体涉及一种基于YALOv3的路面裂缝自动识别方法及系统,方法包括:采集路面实时图像并进行预处理,得到路面图像数据集;对实时图像数据集中的图像进行路面病害标注,并获得路面病害情况统计信息;基于YALOv3建立路面裂缝识别的卷积神经网络模型,并根据路面病害情况统计信息,对卷积神经网络模型进行优化;使用优化后的卷积神经网络模型对路面病害图像进行识别;使用非极大值抑制,对所述卷积神经网络模型输出的裂缝边界框进行筛选。通过本发明,有效解决了现有方法识别速度慢,目标检测不准确的问题,实现了更快的检测速度、更好的特征学习能力,提供更灵活的模型预测,在实时性、准确性和适应性上取得显著提升。