(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211212659.4 (22)申请日 2022.09.30 (71)申请人 华南理工大 学 地址 510640 广东省广州市天河区五山路 381号 (72)发明人 余晓琳　张文睿　贾布裕　杨铮　 罗宇蕃　陈扬文　张生林　黄凯　 何颖丰　邓雯　 (74)专利代理 机构 广州市华学知识产权代理有 限公司 4 4245 专利代理师 李斌 (51)Int.Cl. G06F 30/20(2020.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种路面平整度预测方法、 系统及 介质 (57)摘要 本发明公开了一种路面平整度预测方法、 系 统及介质。 该方法包括采集路面及车辆数据； 重 建道路轮廓， 获得道路剖面； 依据路面及车辆数 据、 道路剖面， 通过半车模型仿真得到智能手机 放置处的动力响应； 建立卷积神经网络模型， 并 根据车辆速度和动力学响应信息进行训练； 根据 速度信息、 加速度信息、 角速度信息观测值估算 路面平整度值。 本发明采用常规乘用车辆进行监 测， 仅需要获取车辆行驶时智能手机采集的动力 学数据即测量出道路路面平整度， 对手机安装位 置和测量车辆模 型没有要求， 测量效率高且能降 低仪器成本； 此外， 本发明训练的模型能够将平 整度数据以确定的距离间隔显示出来， 有助于提 高检测效率， 精准维修道路， 保证行 车安全。 权利要求书2页 说明书10页 附图4页 CN 115544763 A 2022.12.30 CN 115544763 A 1.一种路面平整度预测方法， 其特 征在于， 包括下述 步骤： 采集路面及车辆数据； 重建道路轮廓， 获得道路剖面； 依据路面及车辆数据、 道路剖面， 通过半车模型仿真得到智能手机放置处的动力响应； 建立卷积神经网络模型， 并根据车辆 速度和动力学响应信息进行训练； 根据速度信息、 加速度信息、 角速度信息观测值估算路面平整度值。 2.根据权利要求1所述的一种路面平整度预测方法， 其特征在于， 所述路面及车辆数据 包括： 路面平整度的信息、 车辆行驶速度和车辆模型参数。 3.根据权利要求1所述的一种路面平整度预测方法， 其特征在于， 所述重建道路轮廓， 获得道路剖面， 具体为： 基于功率谱密度函数的方法， 以设定的分辨 率重建道路轮廓， 获得道路剖面。 4.根据权利要求1所述的一种路面平整度预测方法， 其特征在于， 所述通过半车模型仿 真得到智能手机放置处的动力响应， 具体为： 收集若干车辆的车辆规格、 重量、 重心、 轴距信 息， 简化为半车模型； 通过车辆前后轴轴 距、 车辆行驶速度获得前后轴延迟输入的不同信息， 变换到时域进 行仿真， 使用半车模型动 力学模拟计算公式获得模拟的车辆的动态响应； 所述通过车辆前后轴轴距、 车辆行驶速度获得前后轴延迟输入的不同信息具体如下 式： 其中， xg1为前轮输入的道路轮廓； xg2为后轮输入的道路轮廓； l1为前轮到车体重心的距 离； l2为后轮到车体重心的距离； d为智能手机到车体重心的距离； v(t)为t时刻车辆的行驶 速度； 所述半车模型动力学模拟计算公式如下式： 其中， M为车辆质量矩阵， 为x(t)关于时间的二阶导数， C为车辆阻尼矩阵， 为x (t)关于时间的一阶导数， K为车辆刚度 矩阵， x(t)为车辆质心处的动力学响应， P(t)为输入 的荷载激励向量。 5.根据权利要求1所述的一种路面平整度预测方法， 其特征在于， 所述卷积神经网络模 型包括输入层、 卷积层、 全局平均池化层以及输出层， 其中卷积层中进行零填充， 并采用 Leaky‑ReLu激活函数； 全局平均池化层对数据进行正则化； 输入层的输入信息为车辆行驶 速度、 加速度、 角速度的组合， 输出层的输出信息为间隔一定距离的路面平整度值。 6.根据权利要求5所述的一种路面平整度预测方法， 其特征在于， 所述卷积神经网络模 型对每一张特 征图计算像素点的均值， 输出1 ×1的像素点， 最终特 征图数量 不变。 7.根据权利要求5所述的一种路面平整度预测方法， 其特征在于， 根据 车辆速度和动力 学响应信息进行训练， 具体为： 在迭代次数达到指定数量之前， 通过每个回归值计算均方误差MSE， 并将MSE作为损失 函数来进 行反向传播， 并更新卷积神经网络的内部参数， 最 终完成梯度下降； 当达到指 定迭权　利　要　求　书 1/2 页 2 CN 115544763 A 2代次数时， 且输出误差满足要求时， 迭代停止， 完成卷积神经网络模型的训练， 得到最终的 预测模型。 8.根据权利要求1所述的一种路面平整度预测方法， 其特征在于， 所述根据加速度信 息 观测值估算路面平整度值， 具体为： 利用车辆在行驶过程中布置于车辆上的智能手机， 收集车辆的车速、 车辆垂直加速度、 角速度等动力响应数据， 预测当前位置的路面平整度值。 9.一种路面平整度 预测系统， 其特征在于， 应用于权利要求1 ‑8中任一项所述的一种路 面平整度预测方法， 包括数据采集模块、 道路剖面建模模块、 动力 响应计算模块、 模型构建 及训练模块以及预测模块； 所述数据采集模块用于采集路面及车辆数据； 所述道路剖面建模 模块用于 重建道路轮廓， 获得道路剖面； 所述动力响应计算模块用于依据路面及车辆数据、 道路剖面， 通过半车模型仿真得到 智能手机放置处的动力响应； 所述模型构建及训练模块用于建立卷积神经网络模型， 并根据 车辆速度和动力学响应 信息进行训练； 所述预测模块用于根据速度信息、 加速度信息、 角速度信息观测值估算路面平整度值。 10.一种存储介质， 存储有程序， 其特征在于： 所述程序被处理器执行时， 实现权利要求 1‑8任一项所述的一种路面平整度预测方法。权　利　要　求　书 2/2 页 3 CN 115544763 A 3