路面气象状态识别关键技术研究

发布时间：2020-04-29 00:25

【摘要】：路面气象状态识别技术旨在帮助公路及交通部门及时发现并定位结冰、积雪等不良路况,是路面维护及管理工作中的重要决策依据。复杂路面状态识别技术的进步使融冰、除雪、路段封闭等工作逐渐迈入精细化、智能化的新阶段。为了满足下一代智能公路网络的信息化需求,本文在接触式路面状态识别框架内,分别进行了基于谐振原理、光谱吸收原理及驰豫极化原理的路面状态识别技术研究及相应的传感器实验工作,然后以此为基础,开展了面向多源数据融合的复杂路面状态识别方法研究。首先,本文开展了基于谐振谱统计特征的路面状态识别技术的研究,探索了如何挖掘、分析谐振谱统计特征与凝结物厚度之间关系的科学问题。在研究过程中,发现了传统谐振式传感器因一阶谐振峰衰减导致的读数稳定性较差的缺陷,并通过对小挠度弯曲问题、等效弯曲刚度模型及有限元仿真结果的研究,提出了利用多阶频率响应进行路面状态识别的方法。在此基础上,本文以相关系数筛选特征向量,并引入回归模型进行凝结物厚度计算,实现了对冰、水、空气的识别与测量,将传感器厚度量程上限由不足2mm大幅提升至10mm。通过实验室实验及路面实验评估了传感器的性能,结果表明,传感器的测量精度与稳定性得到了显著提升。然后,本文研究了基于多光谱反射分布的路面状态识别技术,探索了如何构建接触式多光谱反射分布特性模型进行路面状态识别的科学问题。传统的非接触式光学传感器受制于测量距离远且红外吸收现象严重,而必须具有精密的光学结构及较大的发射功率,因此成本高昂。本文研究了接触式光学传感器的可行性,通过建立面向光功率的光传播模型,分析典型的泄漏式及反射式传感器架构在磨损情况下的状态,确定了接触式光学传感器的隔离式结构。结合基于吸收的多波段主动光源测量原理,实现了识别7种路面状态的光学传感器,并通过数字平均滤波技术及光电信号比值等特征量使传感器具备了抗磨损能力强、功耗低、成本低的特点。进一步,本文进行了基于复阻抗频谱特性的路面状态识别技术的研究,探索了如何以复阻抗频谱特性为核心识别路面状态的科学问题。针对传统测量方法在凝结物较薄时可能存在虚警、漏警现象的缺陷,本文以参数化仿真为设计基础,在给定的结构尺寸约束下,有效提高了复阻抗传感器的测量响应,提升了传感器对于少量凝结物的识别能力。同时,依据驰豫极化原理,通过计算等效电容及电导曲线,并以相关数据的离散系数等特征构建特征向量,在温度、厚度、盐度均大幅波动的测量环境中实现了97.5%的三大类路面状态识别正确率。最后,在上述研究成果的基础上,本文针对基于多源特征融合的复杂路面状态识别方法进行了研究,结合三种路面状态识别技术,依据路面凝结物的物理特性,探索了如何通过建立多源特征融合机制实现复杂路面状态识别的科学问题。现有的复杂路面状态传感器依赖于知识规则进行决策层数据融合,一定程度上削弱了特征间的关联特性,而单纯的特征层融合方法表现出稳定性不足的缺陷。本文通过多层次的数据融合方法,使模型同时具备决策层融合模型的稳定性与特征层融合的正确率,以路面状态传感器为搭载平台,成功实现了对8种路面状态的高效可靠识别。本文的研究成果在实验室数据集上实现了97.9%的正确率,并在路面实验中展现出超越非接触式探测器的状态识别与厚度测量能力,为构造下一代复杂路面状态监测系统提供了关键的技术支撑。
【图文】：

状态图,路面,状态,积雪

积水、泥土覆盖等等。随着技术的发展及公路网络系统智能化要求的提高，路面状态被逐渐细分为多个类别。同济大学及交通运输部公路科学研究院的汤筠筠等人依据摩擦系数的差异，将路面状态划分为干燥、潮湿、结冰及积雪四类[33]。另一方面，作为公路气象监测网络和预报预警服务体系的核心数据，在《公路交通气象观测站网建设暂行技术要求》中，明确要求路面传感器应能够准确区分干燥、潮湿、积水、积雪和结冰五种状态。北欧国家因为独特的气候条件，对路面气象状态的研究与划分则更为深入与领先，瑞典哥德堡大学的 JonasNorrman 以气温及降雨、降雪等气候条件为基础对路面状态进行了非常细致的分类，其类别达到 16 种[34]，但实际上，从状态识别的角度出发，这些类别的核心判别依据可以总结为干燥、潮湿、积水、结冰、积雪、雪泥共六类状态。本文针对我国公路网络气候特点，依据不同路面状态对公路交通安全的威胁程度，同时兼顾应对图 1-2 中涉及的复杂状况，将重点研究干燥、潮湿、积水、结冰、积雪、雪泥、冰层被覆盖（雪下有冰板）、异物，共八种路面状态的识别技术，各个路面状态的典型情况如图 1-3 所示。

状态识别,方法,路面

(a) 实验设置 (b) 实验结果图 1-4 基于多光谱差异性的局部状态识别方法为增强在多重干扰因素的测量环境中系统工作的稳定性，Patrik Jonsson 等人于2011 年探索了基于图像提取特征及路面辅助传感器的融合识别方法。该方法使用全天候工作的红外灰度摄像机图像及风速、风向、温度、湿度、降雨量等传感器数据作为原始输入，共提取了 28 维特征，其中包括 14 维图像特征，12 维气象站数据特征以及 2 维包含白昼、黑夜标签的一位有效编码。通过特征层融合结构，建立了以偏最小二乘法（PLS）为基础的路面状态判断模型，完成了对多维数据空间的分割，并与三层人工神经网络（ANN）模型进行交叉验证，实现了优于 91%的综合识别正确率[42,43]。该研究的成果为路面状态识别技术的发展提供了新的思路，但对于各类可能对摄像机视场造成干扰的因素，，如雨雪天气、光污染源等仍有欠考虑。为发挥非接触式方法的探测视野优势，PatrikJonsson 及 JohanCasselgren 等人于2015 年提出了基于多光谱图像的路面状态成像识别方法。在多光谱识别技术的基础上进行拓展，通过红外光谱仪研究了冰、雪、水等状态的谱特征，在 1200nm 至 2200n
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2019
【分类号】：U418.6;TP212

【参考文献】