本发明涉及人工智能,具体而言,涉及一种基于深度学习的路侧数字化道路状况监测方法及系统。
背景技术:
1、随着智能交通系统和数字化城市的发展,对道路状况的实时监测和维护变得至关重要。传统的道路监测方法多依赖于人工巡查,效率低下且难以及时发现并处理道路问题。
技术实现思路
1、本发明的目的在于提供一种基于深度学习的路侧数字化道路状况监测方法及系统。
2、第一方面,本发明实施例提供一种基于深度学习的路侧数字化道路状况监测方法,包括:
3、获取部署在待监测路段的振动传感器采集的目标道路监测振动信号;
4、将所述目标道路监测振动信号输入经过先期训练的目标道路状况分析模型,确定出所述待监测路段的当前道路状态类型;
5、获取部署在所述待监测路段的摄像头采集的道路监测监控影像;
6、根据所述道路监测监控影像和所述当前道路状态类型生成待处理道路监测事件;
7、根据所述待处理道路监测事件,确定出针对所述待监测路段的道路维护策略。
8、第二方面,本发明实施例提供一种服务器系统,包括服务器,所述服务器用于执行第一方面所述的方法。
9、相比现有技术,本发明提供的有益效果包括:采用本发明公开的一种基于深度学习的路侧数字化道路状况监测方法及系统,通过获取振动传感器采集的道路监测振动信号,并利用训练好的道路状况分析模型确定当前道路状态。同时,结合摄像头采集的监控影像,生成待处理道路监测事件。最后,根据这些事件确定针对特定路段的维护策略。如此设计,通过深度学习技术实现了道路状况的实时监测与智能维护决策,提高了道路维护的效率和准确性。
1.基于深度学习的路侧数字化道路状况监测方法,其特征在于,包括:
2.根据权利要求1所述的方法,其特征在于,所述将所述目标道路监测振动信号输入经过先期训练的目标道路状况分析模型,确定出所述待监测路段的当前道路状态类型,包括:
3.根据权利要求2所述的方法,其特征在于,所述将所述目标道路监测振动信号和所述道路状况描述集合加载至经过先期训练的目标道路状况分析模型,获得目标道路监测振动信号特征和道路状况描述特征集,包括:
4.根据权利要求2所述的方法,其特征在于,所述将所述道路状况描述集合加载至经过先期训练的目标道路状况分析模型,获得道路状况描述特征集,包括:
5.根据权利要求2所述的方法,其特征在于,所述方法还包括:
6.根据权利要求2所述的方法,其特征在于,所述将所述目标道路监测振动信号和所述道路状况描述集合加载至经过先期训练的目标道路状况分析模型,获得目标道路监测振动信号特征和道路状况描述特征集,包括:
7.根据权利要求2所述的方法,其特征在于,所述方法还包括:
8.根据权利要求2所述的方法,其特征在于,所述方法还包括:
9.根据权利要求1所述的方法,其特征在于,所述根据所述待处理道路监测事件,确定出针对所述待监测路段的道路维护策略,包括:
10.一种服务器系统,其特征在于,包括服务器,所述服务器用于执行权利要求1-9中任意一项所述的方法。