摘要
本申请涉及公路养护管理技术领域,其具体地公开了一种基于多源数据的新型数字化公路养护管理方法及系统,其利用基于深度学习的图像处理技术对道路裂缝图像进行多维度解析,以识别裂缝类型并量化其宽度、长度及面积等关键参数,同时,通过对公路的历史车流量数据进行时序分析,来捕捉道路车流量的时序变化趋势和周期性规律,进而,通过时序推衍算法将静态裂缝检测结果与动态交通荷载模式相融合,以预测裂缝在未来交通荷载作用下的扩展趋势,形成长期裂缝发展预测,以便于基于道路裂缝的长期预测结果进行公路养护管理。该方法通过多维度数据协同分析,能够有效实现公路状态的精准诊断与主动干预,从而显著提升公路养护的效率和效果。
技术关键词
编码向量
道路车流量
裂缝
车流量数据
公路养护管理系统
公路养护管理技术
细粒度特征
时序特征
深度学习模型
模式
跨模态
矩阵
图像识别模块
LSTM模型
识别器