基于群智感知的城市路况信息采集系统研究分析城市管理专业.docx

摘要(Ol)Abstract(02)前言(03)第1章-绪论(04)第1.1节研究背景及意义(04)第L2节本文的主要工作及创新点(05)第L3节本文的组织结构(06)第2章路面损坏检测及其研究现状(06)第2.1节路面破损检测概述(06)第2.2节国内外研究状况分析(07)第2.2.1节国内研究现状(07)第2.2.2节国外研究现状(08)第2.3节本章小结(10)第3章群智感知道路坑槽检测知识概述(10)第3.1节群智感知技术(10)第3.2节系统介绍(12)第3.2.1节系统概述(12)第3.2.3节基于Android的检测系统(13)第3.3节系统模块(15)第3.3.1节系统客户端(15)第3.3.2节中心服务器(16)第3.3.3节查询用户.（19）44.115.(S/(Xl/ (2第5.1.1节SVM算法概述(28)第5.1.2节基于SVM算法的检测(29)第5.2节k-means聚类算法的应用(30)第5.2.1节k-means聚类算法概述(30)第5.2.2节基于k-means聚类算法的检测.（31）第5.3节果（33）第5.3.1节原始数集（33）第5.3.2节数片（36）第5.3.3节数据特取（37）第5.3.4节SVM以及k-means较（37）第5.4节本结.（45）第6章总结望（45）第6.1节本结.（45）第6,2节后续工据采据分征提结果比早小与展文总作展.（46）参考文献(47)致谢(错误!未定义书签。)摘要对路面的破损进行检测是管理和养护道路的一个重要组成部分。路面破损会严重的影响行车的安全性、舒适性和路容路貌。近年来，因为移动设备以及智能手机爆发式的普及，许多大规模，复杂的社会感知任务的实现成为了可能。大量且分散的群智感知用户被交以一些数据收集的任务，而这些任务常常是一个大规模任务所分散分配而来。利用传统人工来检测路面情况这种方式不仅耗利又耗财而且还会出现检测不及时或者有些路面检查不到的情况。因此如何节省物力又节省人力但是又能及时的检测出道路是否破损以及其破损情况是当前亟需解决的问题。本篇论文通过基于群智感知的方式收集城市路况的数据信息，并且对这些采集到的原始数据进行一系列的预处理，利用机器学习中的SVM算法以及k-means聚类算法来提取数据特征，并将这两个算法进行对比。来达到低成本、低工作强度的目的。关键词：坑槽检测；聚类算法；群智感知；机器学习AbstractPavementdistressdetectionisanimportantpartofroadmanagementandmaintenance.Thedamagedpavementwillseriouslyaffecttrafficsafety,comfortandroadappearance.Inrecentyears,becauseoftheexplosivepopularityofmobiledevicesandsmartphones,manylarge-scaleandcomplexsocialsensingtasksbecomepossible.Alargenumberofdispersedgroupsofcrowd-sensingusersaretaskedwithsomedatacollection,andthesetasksareoftendistributedbyalarge-scaletask.Usingtraditionallabortodetectpavementcondition,notonlyisitcostlyandwasteful,butitmayalsocannotbedetectedintimeorsomepavementconditionsthatcannotbedetected.Therefore,howtosavematerialresourcesandsavemanpower,andtimelydetectwhethertheroadisdamagedornotistheurgentproblemtosolvenow.Accordingtothewayofcrowd-sensingtocollectinformationonurbanpavementconditions,inthisthesis,andperformaseriesofpreprocessingontheseinitialdata.UsingSVMalgorithmandk-meansclusteringalgorithmextractdatafeatures,andcomparingthesetwoalgorithms.Toachievethegoaloflowcostandlowintensityofwork.Keywords:potholedetection;clusteringalgorithm;mobilecrowd-sensing;machinelearning物联网的发展使得群智感知渗透到人们的生活中去，例如在环境、社会生活以及基础设施中已有应用1。比如在环境方面，可通过可以通信的空气质量传感器来上传空气质量相关的数据，然后通过Web来进行共享；在社会交往的方面，腾讯采用了共同好友的机制来进行好友的推荐；而在公共交通方面上，已有的应用则包括交通流量的跟踪监测、停车位的寻找等，但是对于在道路状况检测上的应用并不是很多，且大多数都需要人为的参与，通过及时反馈或拍摄图片进行记录，但是这并没有解决成本问题和用户参与问题。所以系统并没有真正得到应用。同时，大多数应用还面临用户数据的传输影响网络的使用、如何保证用户信息的私密性等问题。于是基于群智感知的一些特性，本文将其应用到道路坑槽情况的检测中去，以更好的服务社会。随着这社会的不断进步，经济的发展，为了方便人们的出行需要，修建道路的数量越来越多。许多道路因为破损没有被及时维修，导致年久失修，轻则影响行车体验，重则出现安全隐患，导致交通事故。为了避免这种情况的发生，通过大众的移动设备以及智能手机中的加速度计以及GPS传感器等,用户将无意识的采集数据上传到服务器，中心服务器将会收集这些数据信息并进行处理来判断路面破损的等级，可以使得相关部门及时的对这些道路进行处理。在分析国内的道路状况的基础上，本文提出了简化道路监测与修复的工作难度以及提高道路行车安全性的方法。设想一个利用群智感知的思想来将数据大量采集,将数据回传、分析处理、并加以利用，形成一个不需要人为参与的道路坑槽检测系统。该系统将得到的原始数据进行平坦与坑槽的划分处理，本文主要对这个划分处理所应用的算法进行简述、对比。第1章绪论本章介绍了研究这个课题的背景并且探讨了研究的意义。大概简述了本篇论文所做的主要工作、贡献以及创新点。最后，介绍了本文的组织结构。1.1 研究背景及意义随着中国经济的发展以及经济活跃程度，以及人民群众收入水平的不断提高，越来越多的人具备购买机动车的能力。为了方便出行，中国汽车的保有量一直持续上升，仅仅是机动车的保有量，我国就已经突破了三亿。这与道路建设的发展也有着密切的联系。近年来，我国道路破损严重，原因复杂，总结起来为三个方面的问题：设计、施工和使用这三个方面的问题，并且每个方面在道路破损的实例中都占有一定的比例。从使用方面来说，原因主要集中在交通量匹配和养护维修两个方面，超载运输也是一个主要的原因。而在路面破损方面可以将破损分为功能性以及结构性。结构性的破损表现为路面结构的承载力下降，以及出现各种结构裂缝。功能性的破损的表现则为，影响行车的质量以及行车的安全，路面服务能力下降、抗滑性能、平整度降低。通常，结构性的破损达到一定程度的时候，同样也会出现功能性的破损2。中国公路一直在不断的发展、进步，这是我国走向现代化的标志，是发展现代交通行业的桥梁。中国公路的里程数每年也在以几十万公里的数量增长，以实现“条条道路通罗马”。但是我国每年在公路上发生的交通事故数量不容小觑。相比之下，世界上第一个拥有高速公路的国家是德国，它也是唯一一个拥有不限速的公路的国家。然而在道路交通安全管理的方面上，发生交通事故的死亡人数和死亡率却很低，并仍然呈持续减少的趋势，除了与德国公路的专业、严格管理、精准、安全意识的培养之外这与他们对公路严格而精密的养护工作是分不开的。各种各样的外界环境因素比如温度、湿度、能见度、雨量、风速等都是在他们的严密监控之下，并通过广播、可变动提示板等设备传达消息，提示公路的维修。但是在土地广袤的中国，特意部署众多智能设备需要付出高额的维护成本和代价。在已有的技术中，除了传统采用人工实地勘察记录再到相关部门进行统计分析这种工作量巨大且数据准确度不确定的方法以外，还有基于深度卷积网络的路面遗留物检测方法3,这种方法属于深度特征的视频检测技术领域，这种方法就需要提前部署摄像装置，采集每一条道路所安装设备的视频图像信息，对这些信息进行处理、训练之后提取图像特征，再分析这些信息。但是这样的技术不仅仅是要在每一条街道安装摄像机等设备，而且要对这些设备进行维护也是一个问题。因此，我们在此引入了群智感知的概念，让大量而又分散的用户群体在无意识的情况下，探测城市道路是否有坑槽以及坑槽的严重程度，这些用户的智能移动设备将自行的把数据传输到中心服务器，体现人多力量大的特点，不仅有效的解决了问题又降低了养护成本而且极大程度的降低了路面平整度检测成本，最大限度的缩短了检测周期。1.2 本文的主要工作及创新点基于当前己存在的技术存在的一些问题，本文提出了一种方法，即基于群智感知的道路坑槽检测方法。该方法通过驾驶员的手机终端里集成的传感器来采集路面信息以及位置信息，之后上传到中心服务器，对这些数据进行分析处理，判断路面是否破损以及破损程度。本文的主要工作具体如下：1 .通过查阅大量的相关文献，大致介绍了国内外对路面破损检测的研究。2 .完成对路面坑槽的检测系统的设计并对其进行分析。3 .在多种道路状况下对车辆的行驶进行具体的分析。在基于机器学习的理论基础上，利用SVM算法来提取路面坑槽特征。4 .根据国家的标准对于路面坑槽破损的程度进行划分，通过kmeans（k均值）聚类算法，来预测不同坑槽的破损程度。本文的创新点即，将群智感知的概念应用到了道路坑槽检测中去，并且该坑槽检测机制采用了SVM算法且与k-means聚类算法进行对比。1.3本文的组织结构本文共分为六部分，各章内容结构安排如下所示：第一章：绪论。绪论部分主要介绍了本篇论文的研究背景及意义、本文的主要工作，最后介绍了本文的组织结构。第二章：路面损坏检测及其研究现状。本章主要介绍了目前检测路面是否破损主要的技术以及当前国内外对这方面的研究现状。第三章：群智感知道路检测系统概述。在这一章，首先介绍了群智感知的概念，之后大致的介绍了如何利用群智感知的概念来实现一个坑槽检测系统，并对这一系统进行了大致的概括，之后又介绍了基于Andriod的检测系统，并对系统的每一部分的模块进行概述。第四章：数据处理。第四部分主要介绍了如何对原始数据进行预处理。第五章：路面破损情况以及道路坑槽检测。运用SVM算法以及kmeans聚类算法对采集的数据进行具体的操作。第六章：总结与展望。总结全文，并对未来工作