相对快捷，低成本的实现公路路网路面质量实时预分 析，并用于指导后续养护计划、策略、预算的形成。
【附图说明】
[0016] 图1 :本发明中的系统全流程示意； 图2 :本发明中的路面数据采集流程框图； 图3 :本发明中的卡尔曼滤波原理图； 图4 :本发明中的云端评估算算法图。
【具体实施方式】
[0017] 下面结合附图1、2、3、4对本发明进行详细描述： 一种基于智能手机完成路面状况采集和监测方法：该方法为一套基于智能手机的可靠 路面状态数据采集方法、基于手机存储和计算能力的分布式数据处理系统，基于云端路面 平整度、路面行驶质量评估模型和算法； A) 、基于智能手机的可靠路面状态数据采集方法： 智能手机内置有感知设备：加速度传感器、三轴陀螺仪、GPS感知设备； 通过手机将采集到上述传感器的数据，形成速度、行驶方向，垂直方向加速度，GPS等基 础信息； B) 、基于智能手机的可靠路面状态数据采集方法： 手机完成数据采集和本地存储后，先经过滤波算法清洗原始采集数据； 识别方法1 :设置垂直方向加速度阈值，以最近1-15秒的平均Z轴加速度，作为判断标 准； 或者，识别方法2 :利用前后测量得到的垂直方向加速度的差值或者斜率来识别； 识别出路面不平整点后，通过移动数据网络将原始数据和标准评分值上传到云端，维 护上传数据状态，并根据实际情况进行续传； 数据在手机中持续保存，其数据在手机中可以被人工操作删除，云端可根据情况再次 下发提取指令，获取指定时间段内的数据； 利用手机中的地图则可以看到由云端汇聚计算得到的不同路段的平整度分布，在地图 的路线中按照颜色区分优良中次差，亦可以提供基于路段的查询输出平整度分布表； C)、基于云端路面平整度、路面行驶质量评估模型和算法： 数据上传至云端后，将会参照GPS数据汇聚，并经过对时间序列建模，完成基于云端路 面平整度、路面行驶质量的计算和评估。
[0018] 进一步的，在B)、基于智能手机的可靠路面状态数据采集方法中，滤波算法为： 卡尔曼滤波算法，或者平整度异常识别方法。
[0019] 进一步的，在C)、基于云端路面平整度、路面行驶质量评估模型和算法中： 采用时间序列的模型有如下三种：自回归模型：AR模型、滑动平均模型：MA模型和自 回归滑动平均模型：ARMA模型。
[0020] 进一步的，自回归模型：AR模型，该模型拟合参数的计算方法则可用通用的莱文 森递归法，或最小二乘法。
[0021] 进一步的，在B)、基于智能手机的可靠路面状态数据采集方法中，识别方法1 :设 置垂直方向加速度阈值，优选为2秒的平均Z轴加速度，作为判断标准。
[0022] 具体算法参见：离散随机信号处理基础-电子工业出版社。
[0023] 本技术方案通过智能手机采集行驶方向、振动速度(垂直方向加速度，反映其颠簸 程度)、位置等信息与百度/Google/高德等导航系统的开放API确定道路及位置信息，利用 手机自身处理能力进行初步分析计算，并实时将经过处理后的样本数据利用移动/无线网 络上传，供进一步完成国家道路网路面技术状态评估，将之前集中依赖交通管理/管养部 门人工巡检方案转化为数据时代分布式人人众筹分包的解决方案，具备更加技术领先性。
【主权项】
1. 一种基于智能手机完成路面状况采集和监测方法，其特征在于：该方法为一套基于 智能手机的可靠路面状态数据采集方法、基于手机存储和计算能力的分布式数据处理系 统，基于云端路面平整度、路面行驶质量评估模型和算法； A)、基于智能手机的可靠路面状态数据采集方法： 智能手机内置有感知设备：加速度传感器、三轴陀螺仪、GPS感知设备； 通过手机将采集到上述传感器的数据，形成速度、行驶方向，垂直方向加速度，GPS等基 础信息； B) 、基于智能手机的可靠路面状态数据采集方法： 手机完成数据采集和本地存储后，先经过滤波算法清洗原始采集数据； 识别方法1 :设置垂直方向加速度阈值，以最近1-15秒的平均Z轴加速度，作为判断标 准； 或者，识别方法2 :利用前后测量得到的垂直方向加速度的差值或者斜率来识别； 识别出路面不平整点后，通过移动数据网络将原始数据和标准评分值上传到云端，维 护上传数据状态，并根据实际情况进行续传； 数据在手机中持续保存，其数据在手机中可以被人工操作删除，云端可根据情况再次 下发提取指令，获取指定时间段内的数据； 利用手机中的地图则可以看到由云端汇聚计算得到的不同路段的平整度分布，在地图 的路线中按照颜色区分优良中次差，亦可以提供基于路段的查询输出平整度分布表； C)、基于云端路面平整度、路面行驶质量评估模型和算法： 数据上传至云端后，将会参照GPS数据汇聚，并经过对时间序列建模，完成基于云端路 面平整度、路面行驶质量的计算和评估。2. 根据权利要求1所述的基于智能手机完成路面状况采集和监测方法，其特征在于： 在B)、基于智能手机的可靠路面状态数据采集方法中，滤波算法为：卡尔曼滤波算 法，或者平整度异常识别方法。3. 根据权利要求1所述的基于智能手机完成路面状况采集和监测方法，其特征在于： 在C)、基于云端路面平整度、路面行驶质量评估模型和算法中： 采用时间序列的模型有如下三种：自回归模型：AR模型、滑动平均模型：MA模型和自 回归滑动平均模型：ARMA模型。4. 根据权利要求3所述的基于智能手机完成路面状况采集和监测方法，其特征在于： 自回归模型：AR模型，该模型拟合参数的计算方法则可用通用的莱文森递归法，或最 小二乘法。5. 根据权利要求1所述的基于智能手机完成路面状况采集和监测方法，其特征在于： 在B)、基于智能手机的可靠路面状态数据采集方法中，识别方法1 :设置垂直方向加速 度阈值，优选为2秒的平均Z轴加速度，作为判断标准。
【专利摘要】本发明涉及一种基于智能手机完成路面状况采集和监测方法，尤其涉及一种基于智能手机加速度传感器、陀螺仪、GPS等感知设备综合运用实时监测道路路面质量状况的方法。本发明为客户提供了数据时代分布式人人众筹分包的解决方案，将交通养护部门被动、局部、未知成本的养护策略，逐步转化为主动、全局、准确且系统化基于大数据的养护策略。通过本方法，可以相对快捷，低成本的实现公路路网路面质量实时预分析，并用于指导后续养护计划、策略、预算的形成。
【IPC分类】E01C23/01, G06Q50/26, G06F17/50
【公开号】CN105426587
【申请号】CN201510747527
【发明人】谢镇, 刘建刚, 王亮, 刘歆毅
【申请人】江苏飞尚安全监测咨询有限公司
【公开日】2016年3月23日
【申请日】2015年11月6日