路面状况指数自动生成算法研究与应用

符合鹏，王建伟，尹胜超

(1.香港中文大学深圳研究院，深圳 518000;2.AccTranSys公司，美国华盛顿 20007;3.北京博研智通科技有限公司，北京 100190)

路状况指数是路面工作状况的综合评价指标，路面状况指数方法以专家评分为依据，它是通过测量专家评分路段上的路面损坏量，建立该损坏量与专家评分结果的定量关系.对任一路段应用此关系，可计算出损坏状况的评分值.美国、欧洲和中国都对如何根据路面平整度、车辙、裂缝、鼓起、损害等定量计算路面状况指数进行相关研究.国际上目前前沿的做法是建立相关数据库，利用道路检测车收集路面图像，辅以图像自动处理技术提供的部分数据，以受过专门培训的工程师进行人工判读.本文将提出一种自动判定路面状况指数的算法.

1 行业背景

美国许多专业公司、我国一些大学、道路维护研究机构以及IT开发企业相继开发了多种多功能道路检测车、图像处理、道路检测数据处理系统.

现在的道路检测车进行路面检测时车速在30～120 km/h，对于采集到的图像数据无法实现实时处理，每公里路面数据处理需要近1 h的时间，另外路面检测准确率在80%左右.

针对公路路面复杂的、大量的裂纹病害，特别是波浪拥包、松散、泛油、坑槽等，现在还完全依赖人工对图像做判别.

路面状况指数自动生成涉及的专业技术多样和复杂、行业规范和国内外法规的多样化以及正处于更新期的特征，使得目前的相关研究难以广泛适用，而国内在这方面的研究也刚刚起步.

2 路面状况分析

对沥青路面来说，其路面损坏包括龟裂、块状裂缝、纵向裂缝、横向裂缝、坑槽、松散、沉陷、车辙、波浪拥包、泛油和修补等.对水泥路面来说，水泥混凝土路面的病害可以归纳为四大类:裂缝类——贯通面层厚度的断裂裂缝，把板分为数块，破坏了面层结构的完整性.裂缝类有纵向、横向等形式，也存在一些交叉形态的裂缝.其次，一种大量出现的情况为路面变形，即路面多个部分出现横向或者纵向的位移，变形类形式有错台、层陷、和拱起等;接缝损坏类——横缝和纵缝填缝料的丧失或失效.如板缝处填缝料剥落;表面损坏类——非结构性损害，发生在面层的局部损坏.如露骨、坑洞等.有些道路路面的病害，例如波浪拥包、松散、泛油、坑槽等还完全依赖人工对图像的判读.故需要对路面维护指数所需数据的采集进行研究，提出现行技术条件下最可行可靠的数据自动收集方法.依靠人工判读的路面维护指数费时费力，人为误差也比较大.美国和中国的研究人员为定量判定路面维护指数进行了大量的研究工作，由于数据采集的方式和可靠性问题，这些研究并没有实用化，也没有被政府完全接受，随着技术的已有以及可预期的进展，将这些研究实用化成为可能.本课题在完成对国内外相关数据采集技术和数据分析技术及其发展趋势进行全面分析的基础上，研究了国内外相关技术标准，开发了一套能广泛应用的路面状况检测模型和应用软件.应用软件可以应用到国内高速公路和城市道路的道路维护系统中，其获取的经济利益和由于节省人力物力及时报告路面维护状况以采取措施所带来的社会效益将十分巨大.

3 路面车辙自动识别算法

在采用多功能道路检测车进行检测与数据处理时，研究自动识别车辙的算法非常必要.自动车辙的识别思路为:首先确定判定基准面，为车辙的判定提供基准;基于基准面来确定路面的凹陷以及非凹陷区域，并对凹陷进行分类，划分不同的等级，从而识别路面车辙.具体的步骤如下:

步骤1 获得路面基础数据.以道路检测车的车载设备获得的道路基础数据为依托，分析处理得到道路的三维数据.

步骤2 初步确定基准面.首先，求取道路各采样点的平均值，并计算所有采样点的标准差.其次对采样数据进行修正，修正方式如下:如果采样点的值大于道路各采样点的平均值与标准差之和，将该采样点的值用平均值代替;如果采样点的值小于道路各采样点的平均值与标准差之差，将该采样点的值用道路各采样点的平均值代替;其他情况时，则采样点值不变.经过处理，可得到一个较为平缓的虚拟路面，作为道路的基准面.

步骤3 确定精确基准面拟合.对初步确定的基础面数据进行多次多项式拟合，获得平滑的多项式曲线，即认为获得了精确的基准面.

步骤4 确定凹陷存在的阈值.凹陷存在的阈值可以根据基础面的基础数据确定.通常情况下，根据路面实际凹陷数据的统计规律，将3倍路面采样点的方差作为路面凹陷出现的起始值.

步骤5 凹陷区域的确定.采样获得探测点的高度，计算高度值域基准面的高程差，若高程差大于上步确定的阈值，则成功探测得到凹陷区域，否则，探测失败.

步骤6 除噪处理.所选择的阈值不同，会获得不同数量的凹陷区域，这些区域中并不是所有都为真实的车辙，因此需要做去噪声处理.

步骤7 车辙边缘的确定.所获得的凹陷区域可能存在边缘模糊的情况，需要对边缘的凹陷点进行进一步分析，获得较为精确的车辙边缘.

步骤8等级划分.根据车辙的最大深度、车辙面积进行车辙的等级划分.

利用如上算法，即可获得路面车辙深度，从而计算路面车辙指数.

4 路面破损图像处理算法

路面检测车的一个重要功能即为检测路面破损，本文提出一种基于图像处理的路面破损识别算法，通过检测获取的路面图像，经过图像处理技术，识别图像中路面的破损区域，并分析破损的程度，具体步骤如下:

步骤1 获得路面基础数据.利用道路检测车获得路面图像数据.

步骤2 图像去噪:采用s×s中值滤波算法，去除路面检测车图像采集中的噪声.图像的采集与传输中，由于信号漂移等现象，必然存在着图像噪声，噪声的去除可以有效地提高路面破损的识别精度.

步骤3 图像平滑:为了处理视频图像由于车辆遮挡或是夜晚拍摄出现的色彩暗淡、颜色灰暗等情况，需要进行图像的色彩调整与图像平滑，此处采用图像灰度值重构技术，解决图像存在的暗淡问题，增强图像对比度.

步骤4 破损识别:路面的破损识别基于小波图像处理算法，分图像区域进行破损识别.对于要处理的图像计算像素标准差，用像素标准差作为路面破损的特征值，采用自适应阈值进行分割算法，实现路面的破损检测.

利用如上算法，即可识别路面的破损，获得路面的破损指数.

5 路面状况评定标准

5.1 路面车辙指数

路面车辙指数RQI的计算式

式中，IRI为国际上通用的路面平度标准指数，一般情况下，对于不同的路面需要不同的标定，依靠与高精度的水平仪器或是检测仪器;在一般的检测中，参数a0取值为0.026，对于等级较低的道路，其取值为0.018 5，参数a1的取值，需要根据路面类型的不同而确定，参数的取值范围为0.1～0.5.

5.2 路面破损指数

路面破损状况指数PCI计算式

式中，DR为路面的破损比例，即出现路面破损的道路总体面积与参与检测的道路总体面积的比值;i为标准路面损坏的类型，Ai为此类损坏出现的总面积，wi为此类损坏的比重;a0、a1的取值与实际路面有关，a0的取值为10～15，a1的取值为0.1～0.5.

6 应用示例

6.1 测量路段

明德路为清华大学校内一条贯通南北的道路，是清华大学校园内供车辆行驶的重要道路，它全长约1 km，路面材料为沥青混凝土.本次检测利用先进的路面检测设备，对明德路的路面车辙以及路面破损进行了检测.

6.2 路面检测软件

路面检测软件为自主研发的与路面检测设备相配套的软件，其中路面车辙检测模块与路面破损检测模块用到的检测算法与上文提及的相同.路面检测软件界面如图1所示.

图1 路面检测软件界面设计

6.3 检测结果

路面破损的检测结果如表1所示，路面车辙的检测结果如表2所示，依据表中结果可知，算法可以成功实现路面的破损与车辙检测，并且可以获得精确的车辙深度指数、车辙等级、路面破损状况指数、路面破损率等参数.

表1 路面破损检测结果

表2 路面车辙的检测结果

7 结论

本文提出的算法实现了路面状况(车辙和破损)参数的去顶，配合路面检测软件，可以实现路面状况指数全天候、全自动、高速的检测;本文提出的算法实现了道路检测视频的实时处理，提高了路面破损检测的精度与检测速度;提出车辙程度确定的算法，实现了路面车辙的检测与定级，利用基准面对比，提高了算法的精度法.依据本文的算法与软件，可以极大地提高路面状态检测的工作效率，具有很大的经济社会效益.

致谢:本项目由深圳市国际科技合作项目(Shenzhen Research Project for International Science and technologycooperation)支持，项目编码:GJHZ20120619150404931.

［1］王东浩，关强.采用拟合基准面法进行路面凹陷自动识别的算法［J］.东北林业大学学报，2009(6):106-108.

［2］向俊.机车车辆随机振动分析的有限单元法研究［J］.长沙铁道学院学报，1995，13(4):38-38.

［3］于向军，马若丁，刘岩，等.基于分形理论的路面裂缝图像分割研究［J］.微计算机信息，2008(6):302-304.

［4］曹媛媛，杨波，徐光祐.基于分形纹理特征和小波变换的网状纹理检测方法［J］.自动化学报，2007，33(7):688-692.

［5］宋一凡，陈榕峰.基于路面不平整度的车辆振动响应分析方法［J］.交通运输工程学报，2007(4):39-43.

［6］李寒，牛纪桢，郭禾.基于特征点的全自动无缝图像拼接方法［J］.计算机工程与设计，2007，28(9):2083-2085.

［7］马荣贵，马建，宋宏勋.路面车辙激光检测技术研究［J］.筑路机械与施工机械化，2007，24(4):017.

［8］张雷，马建，宋宏勋.小波域内基于块的路面破损检测算法［J］.郑州大学学报:工学版，2009(3):48-51.

［9］张德津，李清泉，何莉.一种新的激光车辙深度测量方法研究［J］.光学学报，2013(1):115-121.