路面平整度的时间序列模型的制作方法
【专利摘要】一种路面平整度的时间序列模型，包括自动化检测系统，自动化检测系统包括测距传感器和定位传感器，测距传感器和定位传感器同时通过USB接口传输线连接AD转换器，AD转换器连接PLC，PLC连接存储器和数据处理器，数据处理器连接显示屏。本发明可有效测量出路面的真实平整度，消除了路面测量过程中，检测数据不准确，误差大，不能得到准确的路面平整度数据问题，降低了公路的养护成本，提高了公路的使用寿命。
【专利说明】路面平整度的时间序列模型
【技术领域】
[0001]本发明涉及公路维护【技术领域】，尤其是指一种路面平整度的时间序列模型。
【背景技术】
[0002]在对公路进行养护前期，路面平整度是公路技术状况评定和公路养护分析的重要指标之一，平整度的快速、准确检测对公路养护管理具有极其重要的意义，例如，提高公路的使用寿命，降低公路的养护成本等。
上世纪70年代开始，西方国家，针对路面平整度快速检测开展了大量的研究工作，提出了一系列路面平整度快速检测方法及相关装置和设备，其中包括车载式颠簸累积仪。为了建立各种不同检测设备之间的数据关系，世界银行也提出了国际平整度指数(IR1:1nternationalroughness index)、IRI标定方法、计算过程和车载式颠簸累积设备的检测指南。
随着激光技术的广泛应用，英国、美国、丹麦、瑞典等国家的公路研究机构相继开发了基于激光技术的断面类路面平整度快速检测装置与设备并广泛应用。断面类激光平整度快速检测设备的方法是，用车载式激光测距装置测量载体或激光测距装置与路面的距离，并采用加速度传感装置修正载体或激光测距装置上下运动导致的垂直位移，并通过世界银行提出的算法运算出路面的IRI。此类设备的检测条件是，车辆行驶速度大于25km/h才有效检测，且检测时要保持速度匀速不变。
因此，上述的检测方法得到的检测数据普遍存在失真问题。许多检测部门的检测工程师不得不在检测过程中现场标注可能失真的路段，然后通过后续的人工分析处理剔除问题数据。检测数据精度较差的问题严重影响了公路技术状况评定的客观性和养护分析决策的可信性。
【发明内容】
[0003]本发明专利的目的在于克服上述方法中存在的不足，提供一种路面平整度的时间序列模型。
本发明的目的是以如下方式实现的:一种路面平整度的时间序列模型，其特征在于:包括自动化检测系统，自动化检测系统包括测距传感器和定位传感器，测距传感器和定位传感器同时通过USB接口传输线连接AD转换器，AD转换器连接PLC，PLC连接存储器和数据处理器，数据处理器连接显示屏。
所述的自动化检测系统安装在检测车上。
所述的检测车上设有测距传感器和定位传感器各8个。
本发明的有益效果是:时间序列模型用有限参数线性模型描述时间序列的自相关结构，便于进行统计分析与数学处理。可有效测量出路面的真实平整度，消除了路面测量过程中，检测数据不准确，误差大，不能得到准确的路面平整度数据问题，降低了公路的养护成本，提闻了公路的使用寿命。[0004]【专利附图】
【附图说明】:
图1为路面闻程度图象；
图2为零均值化序列的自相关函数；
图3残差序列图a;
图4残差序列图b。
[0005]【具体实施方式】:
一种路面平整度的时间序列模型，其特征在于:包括自动化检测系统，自动化检测系统包括测距传感器和定位传感器，测距传感器和定位传感器同时通过USB接口传输线连接AD转换器，AD转换器连接PLC，PLC连接存储器和数据处理器，数据处理器连接显示屏。所述的自动化检测系统安装在检测车上。所述的检测车上设有测距传感器和定位传感器各8个。
I非标准道路时序模型
已知测量道路数据序列即道路样本{ h }且足够长，建立模型的过程如下:
1.1对测量数据序列进行预处理
包括剔除异常值，数据平滑化，非平稳序列经一次或多次差商(差分)后的平稳化，非零均值序列的零均值化等。
1.2模型识别和定阶
对于经预处理后的时序数据，通过计算该序列的自相关函数和偏相关函数来确定
拟用模型的类型，如果序列的偏相关函数第m步后截尾，而自相关函数是拖尾的，则该序列为AR(m)序列；如果序列的自相关函数和偏相关数都是拖尾的，则可判定其为ARMA序列。对AR模型，直接可以判定其阶次m而对于ARMA模型，其阶次要由定阶准则来确定。
1.3确定模型参数和检验模型适用性
对AR模型前已确定阶次，故容易得到模型参数的估计值。常用的估计模型参数的方法有矩方法、最小二乘法和极大似然法。当样本满足正态分布且足够长时，采用最小二乘法估计参数可得到与采用极大似然法基本一致的结果，最小二乘法就是使得残差平方和达到最小条件下所得到的对未知参数的估计值。由于时序模型的谱仅依赖于有限参数——自回归系数、滑动平均系数及输入白噪声的方差，因此可以通过对时序模型的谱估计转化得到对模型参数的估计，而其中参数化的谱估计以最大熵谱估计方法为代表，与AR模型的线性自回归不同，ARMA模型的回归是非线性的，不能用最小二乘法估计出模型的参数，而需用非线性最小二乘法——泰勒级数展开线性化或广义最小二乘法，其计算过程复杂、计算量很大。常用矩方法估计ARMA模型参数，也可用二级最小二乘法估计模型参数，即首先导出一足够高阶的AR模型，然后利用AR模型估计ARMA模型的输入输出互相关特性并进而确定其参数。
1.4进行模型适用性检验，时序方法中发展了一系列的准则以检验模型的适用性，这些准则主要有:白噪声检验准则，残差平方和检验准则。适用性检验对于时序模型而言，实质上就是模型定阶，尤其对ARMA模型，可以称这些准则为定阶准则。如果模型通过了适用性检验则模型是正确的，且具有所需的模拟精度，该模型能被外推用于道路数据库模型中。
2道路平整度实例分析
2.1数据的采集本文所用到的数据是由道路综合检测车对实际路段测得。采用自动化检测技术、以测距传感器和定位传感器为工具的多点车辙测量仪，可通过USB接口的传输线将采集的数据存入在检测车上的便携式处理器，进行数据处理。检测车由16个传感器组成，可以同时测量一个行车道断面的16个点，并且可以连续密集的采集路面表面的数据。经室内标定，该仪器的测量相对误差均在1%以下，如表3-1所示，完全可以满足工程要求。
表3_1标定的相对误差(%)
【权利要求】
1.一种路面平整度的时间序列模型，其特征在于:包括自动化检测系统，自动化检测系统包括测距传感器和定位传感器，测距传感器和定位传感器同时通过USB接口传输线连接AD转换器，AD转换器连接PLC，PLC连接存储器和数据处理器，数据处理器连接显示屏。
2.根据权利要求1所述的路面平整度的时间序列模型，其特征在于:所述的自动化检测系统安装在检测车上。
3.根据权利要求2所述的路面平整度的时间序列模型，其特征在于:所述的检测车上设有测距传感器和定位传感器各8个。
【文档编号】E01C23/01GK103669183SQ201310627006
【公开日】2014年3月26日 申请日期:2013年12月2日 优先权日:2013年12月2日
【发明者】王佳秋, 王葳, 王春, 刘彦惠, 杜广环, 孙秀娟, 邓慧 申请人:黑龙江科技大学