基于移动智能终端的道路状况检测系统研究与实现

发布时间：2021-09-06 09:00

　　随着我国经济的快速发展,机动车保有量以年均10%的速度增长,汽车已成为人们不可或缺的代步工具,但由于汽车数量的大幅度增加,公路所承受的压力也越来越大,道路路面损坏情况不可避免。然而,道路的检测和维护速度远远跟不上汽车的增长速度,路面异常（如坑洼等）不仅会影响驾乘人员的舒适度,而且严重的情况会影响道路使用者的安全,造成重大财产损失。针对这一问题,本文设计并开发了一个基于移动智能终端的道路状况检测系统,通过车载移动终端内置的传感器采集道路状况数据,将数据传输汇聚到服务器,分析处理后,将道路状况标注在地图上,结合地图导航功能为驾驶者提供道路状况预警服务。论文主要工作如下:（1）通过分析道路状况检测的基本需求和应用场景,设计基于移动终端的道路状况检测系统结构。主要包括数据采集与处理、道路状况分类及道路状况预警三个部分,数据采集部分主要是在车辆行驶过程中利用树莓派系统内置加速度、陀螺仪等传感器采集数据,进而计算行驶车辆加速度、震动幅度、偏移数据和行驶车辆位置数据等信息,形成道路路面状态数据库;道路状况分类主要是在服务器端对采集的数据进行预处理后,完成分类工作;道路状况预警主要是在车辆行驶过程中前... 

【文章来源】：西安理工大学陕西省

【文章页数】：82 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
1 绪论
    1.1 研究背景及意义
    1.2 国内外研究现状
        1.2.1 国外研究现状
        1.2.2 国内研究现状
    1.3 论文工作及组织结构
        1.3.1 论文主要工作
        1.3.2 论文组织结构
    1.4 本章小结
2 基于移动智能终端的道路状况检测系统结构
    2.1 系统基本组成
    2.2 系统总体结构
    2.3 系统关键技术
        2.3.1 众包数据采集
        2.3.2 数据清洗
        2.3.3 数据分割
        2.3.4 特征提取
        2.3.5 分类方法
        2.3.6 数据融合
    2.4 本章小结
3 基于马田系统的道路状况检测方法
    3.1 问题描述
    3.2 马田系统
        3.2.1 马田系统概述
        3.2.2 马田系统实现步骤
        3.2.3 马田系统的特点
    3.3 基于马田系统的道路状况检测模型
        3.3.1 构造基准空间
        3.3.2 基准空间有效性验证
        3.3.3 基准空间特征优化
        3.3.4 道路状况分类
    3.4 实验结果与分析
        3.4.1 实验数据采集
        3.4.2 模型验证
        3.4.3 实验结果分析
    3.5 本章小结
4 基于D-S证据理论的道路状况融合方法
    4.1 问题描述
    4.2 D-S证据理论
        4.2.1 D-S证据理论概述
        4.2.2 D-S证据理论的组合规则
        4.2.3 D-S证据理论的特点
    4.3 基于D-S证据理论的道路状况融合模型
        4.3.1 确定假设空间
        4.3.2 路况BPA的确定
        4.3.3 组合规则
        4.3.4 路况数据合成与诊断
    4.4 实验结果与分析
        4.4.1 算法验证
        4.4.2 实验结果分析
    4.5 本章小结
5 道路状况检测系统的设计与实现
    5.1 系统分析
        5.1.1 系统功能性需求
        5.1.2 系统非功能性需求
        5.1.3 系统功能结构
        5.1.4 开发环境介绍
    5.2 系统总体设计
        5.2.1 数据库设计
        5.2.2 客户端设计
        5.2.3 服务器设计
    5.3 基于树莓派系统的智能网关
        5.3.1 树莓派功能设计
        5.3.2 树莓派工作流程
    5.4 基于Android的导航APP
        5.4.1 APP设计
        5.4.2 APP功能模块结构
        5.4.3 APP主要功能界面
    5.5 本章小结
6 总结与展望
    6.1 工作总结
    6.2 研究展望
致谢
参考文献
攻读硕士期间研究成果


【参考文献】：
期刊论文
[1]一种基于多尺度脊边缘的沥青路面裂缝检测算法[J]. 王世芳,车艳丽,李楠,徐志刚,安毅生.  中国公路学报. 2017(04)
[2]基于图像处理的三维裂缝识别技术[J]. 邵娜娜.  信息通信. 2017(03)
[3]基于回字形法路面裂缝图像增强[J]. 谭海婷,英红,马骁,汪文,包娜娜.  住宅与房地产. 2017(06)
[4]基于结构光的路面裂缝检测方法研究[J]. 宋葵阳,徐贵力,李开宇,贾银亮.  机械制造与自动化. 2016(06)
[5]基于分数阶偏微分的路面裂缝图像增强新模型[J]. 洪晓江.  公路交通科技. 2016(12)
[6]城市坑洞覆土厚度探测及快速安全评估探讨[J]. 矫恒信.  铁道建筑技术. 2016(08)
[7]基于结构光的公路路面裂缝检测关键技术[J]. 许海标.  科技与企业. 2016(10)
[8]基于FCM聚类算法的马田系统研究[J]. 任化娟,赵义恒,朱秋平,温彬彬,齐建奎.  无线互联科技. 2016(07)
[9]基于双相扫描检测的路面三维裂缝识别方法[J]. 孙朝云,赵海伟,李伟,郝雪丽,呼延菊.  中国公路学报. 2015(02)
[10]基于OpenGL路面裂缝三维重构技术研究[J]. 孙朝云,邹鹏,李伟,郝雪丽.  中外公路. 2014(05)

博士论文
[1]基于二维图像和深度信息的路面裂缝检测关键技术研究[D]. 黄建平.哈尔滨工业大学 2013
[2]低信噪比路面裂缝增强与提取方法研究[D]. 邹勤.武汉大学 2012

硕士论文
[1]基于众包模式的城市级路面危害坑洞检测技术[D]. 杨超.上海交通大学 2015
[2]基于LabVIEW的路面裂缝三维检测软件设计[D]. 苏超.长安大学 2014
[3]基于k-means算法的马田系统研究及其在个人信用评价中的应用[D]. 邹雅莹.南京理工大学 2014
[4]路面裂缝图像检测算法研究[D]. 朱平哲.河南科技大学 2012
[5]路面裂缝图像自动识别系统研究[D]. 赵轲.长安大学 2009



本文编号：3387164