本發(fā)明涉及路面紋理數(shù)據(jù)集數(shù)據(jù)擴(kuò)充領(lǐng)域。

背景技術(shù)：

1、瀝青路面的濕滑狀態(tài)與人民群眾的出行安全息息相關(guān)，機(jī)器學(xué)習(xí)和深度學(xué)習(xí)等方法有望實(shí)現(xiàn)路面抗滑性能的精準(zhǔn)預(yù)測。但這類人工智能方法的預(yù)測精度與數(shù)據(jù)集高度關(guān)聯(lián)，數(shù)據(jù)集的數(shù)據(jù)量和準(zhǔn)確性越好，意味著預(yù)測精度的增加。

2、路面紋理數(shù)據(jù)集主要用于路表抗滑性能預(yù)測，包括路面狀況、氣候條件、交通荷載、集料類型及構(gòu)造深度數(shù)據(jù)，利用構(gòu)造深度數(shù)據(jù)評價路表抗滑性能，總體包含十二個輸入特征和一個輸出特征。輸入特征包括：在路面狀況上選用代表層厚度作為輸入特征指標(biāo)，有助于評估路面性能；在氣候條件上，綜合考慮降水、風(fēng)速、平均溫度、最高氣溫、凍結(jié)指數(shù)、地表短波輻射、濕度等7大因素影響；在交通荷載考慮上，由于重載交通對路面抗滑性能的影響更大，因此選用第9類大型車輛的年度累計(jì)交通量，該數(shù)據(jù)代表著該車道在特定年份內(nèi)承載的第9類大型車輛（通常是載重較重的貨車或大型車輛）；此外，綜合考慮各類重載卡車的疊加影響，選用重型卡車（車輛類別4、6-13）的年度累積交通量作為特征參數(shù)；在集料類型考慮上，選用通過4.75毫米和0.075毫米篩孔的百分比作為特征參數(shù)，可以較好的表征集料的顆粒級配。輸出特征為路面構(gòu)造深度，用于表征抗滑。

3、路面紋理數(shù)據(jù)集的主要數(shù)據(jù)均為人工或機(jī)器采集，采集周期為每月或每年，且為多路段小樣本數(shù)據(jù)。受限于采集技術(shù)，往往存在采集到的各特征不匹配以及數(shù)據(jù)缺失等問題，極大程度影響路面抗滑性能的預(yù)測，不利于人工智能技術(shù)在路面抗滑性能預(yù)測領(lǐng)域的開展。

4、例如在基于深度學(xué)習(xí)的路面抗滑性能預(yù)測中，首先需要對采集到的數(shù)據(jù)進(jìn)行數(shù)據(jù)清洗和預(yù)處理。然而，數(shù)據(jù)清洗后會發(fā)現(xiàn)，由于受限于采集年份，往往會出現(xiàn)數(shù)據(jù)量不足的問題，由于路面的紋理特征變化較慢，大多數(shù)情況以年為單位，因此數(shù)據(jù)的補(bǔ)充采集極為困難。而即使對多個路段同時采集，這種多路段小樣本數(shù)據(jù)依然會影響深度學(xué)習(xí)預(yù)測的精準(zhǔn)度，無法讓深度學(xué)習(xí)捕捉其在時間序列上的依賴性。因此，針對該問題，現(xiàn)有的方法常采用降低模型的復(fù)雜度，采用線性插值方法補(bǔ)充數(shù)據(jù)，但效果甚微。

技術(shù)實(shí)現(xiàn)思路

1、針對現(xiàn)有技術(shù)的不足，為了克服現(xiàn)有技術(shù)的缺點(diǎn)，本發(fā)明提出了一種基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法。該方法基于holt指數(shù)平滑對采集到的路面紋理數(shù)據(jù)集的缺失值進(jìn)行橫向補(bǔ)充，形成以12個輸入特征和1個輸出特征為代表的完整數(shù)據(jù)集；再利用python環(huán)境，采用pchipinterpolator插值方法，對每個路段的數(shù)據(jù)進(jìn)行縱向插值，將小樣本數(shù)據(jù)進(jìn)行擴(kuò)充，以滿足深度學(xué)習(xí)模型預(yù)測路面抗滑性能的需要。本發(fā)明可充分挖掘路面紋理數(shù)據(jù)之間的時序關(guān)聯(lián)性，實(shí)現(xiàn)路面紋理數(shù)據(jù)集的非線性擴(kuò)充，有效解決現(xiàn)有以路面紋理數(shù)據(jù)為訓(xùn)練集的卷積神經(jīng)網(wǎng)絡(luò)面臨的訓(xùn)練數(shù)據(jù)不足問題。

2、為實(shí)現(xiàn)上述目的，本發(fā)明的技術(shù)方案如下：

3、基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，包括以下步驟：

4、步驟1：從長期路面性能數(shù)據(jù)庫中，采集匹配以厚度m1、降水m2、風(fēng)速m3、平均溫度m4、最高氣溫m5、凍結(jié)指數(shù)m6、地表短波輻射m7、濕度m8、第9類車交通量m9、重載卡車交通量m10、4.75毫米篩孔通過率m11、0.075毫米篩孔通過率m12為代表的輸入特征數(shù)據(jù)mi，以及以構(gòu)造深度數(shù)據(jù)為代表的輸出特征數(shù)據(jù)n，形成原始路面紋理數(shù)據(jù)集a1；

5、步驟2：基于原始路面紋理數(shù)據(jù)集，對數(shù)據(jù)特征分類排序，路面紋理數(shù)據(jù)集更新為路面紋理數(shù)據(jù)集a2；

6、步驟3：構(gòu)建holt指數(shù)平滑模型，進(jìn)行橫向缺失值填補(bǔ)，路面紋理數(shù)據(jù)集更新為路面紋理數(shù)據(jù)集a3；

7、步驟4：構(gòu)建?pchipinterpolator?插值器，進(jìn)行縱向缺失值填補(bǔ)，路面紋理數(shù)據(jù)集更新為路面紋理數(shù)據(jù)集a4；

8、步驟5：動態(tài)調(diào)整步驟3和步驟4，形成多層次數(shù)據(jù)填補(bǔ)擴(kuò)充方法，根據(jù)數(shù)據(jù)的特征變化自動調(diào)整holt模型的平滑參數(shù)以及pchipinterpolator的插值控制點(diǎn)，形成最終的路面紋理數(shù)據(jù)集a5；

9、步驟6：對比插值前后的數(shù)據(jù)，確保插值后數(shù)據(jù)的趨勢和原始數(shù)據(jù)一致。

10、具體的，所述步驟2：以路段為分組依據(jù)進(jìn)行分類，確保每個路段是獨(dú)立的，再以采集年月為時序特征進(jìn)行各特征的數(shù)據(jù)排列，確保插值時的自變量即時間是單調(diào)遞增的，路面紋理數(shù)據(jù)集更新為路面紋理數(shù)據(jù)集a2。

11、具體的，所述步驟3：先采用時序聚類技術(shù)，對具有相似特征的時間序列進(jìn)行聚類分析，再通過平滑原始數(shù)據(jù)，捕捉每個特征的趨勢和水平變化，對數(shù)據(jù)進(jìn)行擬合，并生成平滑后的序列，使用模型的平滑結(jié)果，對路面紋理數(shù)據(jù)集中各特征的缺失值進(jìn)行橫向填補(bǔ)，路面紋理數(shù)據(jù)集更新為路面紋理數(shù)據(jù)集a3。

12、具體的，所述步驟4：以路段作為分類依據(jù)，在每個相鄰的年月中，生成更密集的插值點(diǎn)，進(jìn)行數(shù)據(jù)縱向擴(kuò)充，在所有路段的數(shù)據(jù)都進(jìn)行了插值處理后，將這些結(jié)果合并回路面紋理數(shù)據(jù)集a3中，形成更加密集的路面紋理數(shù)據(jù)集a4。

13、優(yōu)選的，所述的13類特征數(shù)據(jù)的采集頻率均以年為單位，但年份可以不連續(xù)，每類在同一路段至少包含3年以上采集記錄。

14、優(yōu)選的，所述的各類特征數(shù)據(jù)所用單位需為國際單位，若不是，需要換算成國際單位。

15、優(yōu)選的，?holt指數(shù)平滑和pchipinterpolator插值為動態(tài)機(jī)制，可根據(jù)數(shù)據(jù)的特征變化進(jìn)行自動調(diào)整。

16、優(yōu)選的，所述的重載卡車交通量為重型卡車（車輛類別4、6-13）的年度累積交通量。

17、本發(fā)明具有如下優(yōu)點(diǎn)和有益效果：

18、1、本發(fā)明匹配12個輸入特征和1個輸出特征，構(gòu)建holt指數(shù)平滑模型，先進(jìn)行k-means時序聚類，對具有相似特征的時間序列進(jìn)行聚類分析，再進(jìn)行橫向缺失值補(bǔ)充，形成完整紋理數(shù)據(jù)集。再構(gòu)建?pchipinterpolator?插值器，生成更密集的縱向插值點(diǎn)，形成最終的路面紋理數(shù)據(jù)集，數(shù)據(jù)擴(kuò)充精度高，擴(kuò)充量可控，可實(shí)現(xiàn)數(shù)據(jù)集的非線性擴(kuò)充。

19、2、本發(fā)明采用計(jì)算機(jī)編程技術(shù)補(bǔ)充數(shù)據(jù)集，區(qū)別于過往的人工數(shù)據(jù)采集補(bǔ)充，在已有數(shù)據(jù)基礎(chǔ)上，充分挖掘各特征數(shù)據(jù)內(nèi)部的時間關(guān)聯(lián)性，可以有效避免對路段進(jìn)行多次數(shù)據(jù)采集所造成的高昂時間和經(jīng)濟(jì)成本。

20、3、本發(fā)明所有流程和算法均可通過計(jì)算機(jī)編輯循環(huán)程序快速實(shí)現(xiàn)。

技術(shù)特征：

1.基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，包括以下步驟：

2.如權(quán)利要求1所述的基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，所述步驟2：

3.如權(quán)利要求1所述的基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，所述步驟3：

4.如權(quán)利要求3所述的基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，

5.如權(quán)利要求1所述的基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，所述步驟4：

6.如權(quán)利要求5所述的基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，

7.如權(quán)利要求1所述基于holt指數(shù)平滑和pchipinterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法，其特征在于，13類特征數(shù)據(jù)的采集頻率均以年為單位，每類在同一路段至少包含3年以上采集記錄。

技術(shù)總結(jié)
本發(fā)明提出了基于Holt指數(shù)平滑和PchipInterpolator插值的路面紋理數(shù)據(jù)集擴(kuò)充方法。該方法匹配十二種輸入特征數(shù)據(jù)和一種輸出特征數(shù)據(jù)形成多路段小樣本的原始路面紋理數(shù)據(jù)集。以路段為分組依據(jù)，采用Holt指數(shù)平滑模型通過水平更新、趨勢更新方法對原始路面紋理數(shù)據(jù)集進(jìn)行橫向缺失值補(bǔ)充。采用PchipInterpolator插值法對數(shù)據(jù)集進(jìn)行縱向插值擴(kuò)充，為所有特征生成同一時刻下更密集的插值點(diǎn)。與現(xiàn)有技術(shù)相比，本發(fā)明解決了路面紋理數(shù)據(jù)缺失、不連續(xù)的問題，可以減少多次數(shù)據(jù)采集的時間和經(jīng)濟(jì)成本，形成路面紋理數(shù)據(jù)集。

技術(shù)研發(fā)人員：朱興一,吳椏楠,王超,張啟帆
受保護(hù)的技術(shù)使用者：同濟(jì)大學(xué)
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/9