本發(fā)明涉及交通工程，尤其涉及城市道路養(yǎng)護策略優(yōu)化方法及系統(tǒng)。

背景技術(shù)：

1、交通工程是研究和設(shè)計城市、鄉(xiāng)村以及交通網(wǎng)絡(luò)的學(xué)科，包括道路、橋梁、交通信號系統(tǒng)等基礎(chǔ)設(shè)施的規(guī)劃、設(shè)計和養(yǎng)護。該領(lǐng)域致力于提高交通系統(tǒng)的效率、安全性和可持續(xù)性，以滿足人們的出行需求并優(yōu)化交通運輸資源的利用。

2、城市道路養(yǎng)護策略優(yōu)化方法指的是通過優(yōu)化道路養(yǎng)護策略來改善城市道路的維護和管理。城市道路的維護包括常規(guī)的路面修復(fù)、標(biāo)線維護、排水系統(tǒng)維修等，而道路養(yǎng)護策略優(yōu)化方法旨在通過合理的規(guī)劃和策略，使道路養(yǎng)護工作更高效、經(jīng)濟，并確保道路資產(chǎn)的長期可持續(xù)性使用。該方法的目的是提高道路養(yǎng)護工作的效果和效率，以延長道路使用壽命、減少維修成本、提升交通安全性，同時提供舒適和高效的出行環(huán)境。通過合理的策略優(yōu)化，城市可以更好地分配資源，提前進行養(yǎng)護預(yù)測和規(guī)劃，從而及時修復(fù)和維護道路，減少交通事故和堵塞，提升整體道路網(wǎng)絡(luò)的魯棒性和可靠性。為了達成這樣的效果，城市道路養(yǎng)護策略優(yōu)化方法通常采用多種手段。其中包括大數(shù)據(jù)分析和決策支持系統(tǒng)，通過收集和分析相關(guān)數(shù)據(jù)，為決策者提供科學(xué)的依據(jù)和參考。此外，還可以應(yīng)用模型和算法進行預(yù)測和評估，以確定最佳養(yǎng)護策略。同時，利用先進的技術(shù)和工具，如遠程監(jiān)測設(shè)備、機器學(xué)習(xí)和人工智能等，可以實現(xiàn)道路狀況的實時監(jiān)控和自動化養(yǎng)護，提高養(yǎng)護工作的效率和準(zhǔn)確性。綜合運用這些手段，城市可以更好地管理和優(yōu)化道路養(yǎng)護策略，以提供更好的交通服務(wù)和可持續(xù)的道路系統(tǒng)。

3、在城市道路養(yǎng)護策略優(yōu)化方法中，現(xiàn)有的道路養(yǎng)護策略方法往往較為靜態(tài)，缺乏實時性和動態(tài)調(diào)整能力，可能導(dǎo)致養(yǎng)護策略不夠精確或滯后。此外，大多數(shù)傳統(tǒng)方法僅僅依賴于人工巡檢和歷史數(shù)據(jù)，這可能導(dǎo)致數(shù)據(jù)的不完整性和不準(zhǔn)確性。而且，傳統(tǒng)方法中缺乏對多種養(yǎng)護指標(biāo)的綜合考慮，可能導(dǎo)致策略的片面性。同時，現(xiàn)有方法中的養(yǎng)護記錄和資料管理往往采用傳統(tǒng)的數(shù)據(jù)庫方式，這在一定程度上可能導(dǎo)致數(shù)據(jù)被篡改或偽造，缺乏足夠的安全性和信任性。最后，由于缺乏對現(xiàn)代技術(shù)，如深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)的有效應(yīng)用，現(xiàn)有方法在道路損壞預(yù)測的準(zhǔn)確性和可靠性上仍有較大的不足。

技術(shù)實現(xiàn)思路

1、本發(fā)明的目的是解決現(xiàn)有技術(shù)中存在的缺點，而提出的城市道路養(yǎng)護策略優(yōu)化方法及系統(tǒng)。

2、為了實現(xiàn)上述目的，本發(fā)明采用了如下技術(shù)方案：城市道路養(yǎng)護策略優(yōu)化方法，包括以下步驟：

3、s1：利用無人機、遙感技術(shù)及智能交通系統(tǒng)對城市道路進行實時監(jiān)測和定期巡檢，收集交通流量、道路損壞、氣候條件數(shù)據(jù)，生成綜合道路數(shù)據(jù)集；

4、s2：基于所述綜合道路數(shù)據(jù)集進行數(shù)據(jù)清洗、缺失值處理，使用數(shù)據(jù)挖掘技術(shù)進行特征工程，提取道路損壞與環(huán)境因素的關(guān)鍵特征，獲取優(yōu)化后的特征數(shù)據(jù)集；

5、s3：基于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)，訓(xùn)練模型對所述優(yōu)化后的特征數(shù)據(jù)集進行道路損壞的潛在位置和程度預(yù)測，出具損壞預(yù)測報告；

6、s4：使用多目標(biāo)優(yōu)化算法，結(jié)合所述損壞預(yù)測報告、安全性、經(jīng)濟性、環(huán)境影響指標(biāo)，篩選和確定最優(yōu)的道路養(yǎng)護策略，生成優(yōu)化養(yǎng)護策略方案；

7、s5：結(jié)合基于數(shù)據(jù)驅(qū)動的道路養(yǎng)護預(yù)測模型和所述智能交通系統(tǒng)，對所述優(yōu)化養(yǎng)護策略方案進行動態(tài)調(diào)整，合理安排養(yǎng)護時間、頻率、資源和供應(yīng)鏈，生成綜合養(yǎng)護計劃；

8、s6：應(yīng)用區(qū)塊鏈技術(shù)對每一次的養(yǎng)護活動進行記錄，生成養(yǎng)護活動的區(qū)塊鏈記錄，同時基于維修歷史進行策略持續(xù)優(yōu)化，產(chǎn)生持續(xù)優(yōu)化策略。

9、作為本發(fā)明的進一步方案，利用無人機、遙感技術(shù)及智能交通系統(tǒng)對城市道路進行實時監(jiān)測和定期巡檢，收集交通流量、道路損壞、氣候條件數(shù)據(jù)，生成綜合道路數(shù)據(jù)集的步驟具體為：

10、s101：利用無人機搭載的高分辨率攝像頭，配合slam同時定位與地圖構(gòu)建技術(shù)進行三維建模，獲取無人機圖像數(shù)據(jù)集；

11、s102：使用地面基站與空中衛(wèi)星間的光學(xué)和雷達技術(shù)收集數(shù)據(jù)，獲取遙感圖像數(shù)據(jù)集；

12、s103：連接城市交通數(shù)據(jù)中心，利用tensorflow或pytorch處理大數(shù)據(jù)流，獲取交通實時數(shù)據(jù)集；

13、s104：使用pandas庫對所述無人機圖像數(shù)據(jù)集、遙感圖像數(shù)據(jù)集和交通實時數(shù)據(jù)集進行數(shù)據(jù)融合，獲取綜合道路數(shù)據(jù)集。

14、作為本發(fā)明的進一步方案，基于所述綜合道路數(shù)據(jù)集進行數(shù)據(jù)清洗、缺失值處理，使用數(shù)據(jù)挖掘技術(shù)進行特征工程，提取道路損壞與環(huán)境因素的關(guān)鍵特征，獲取優(yōu)化后的特征數(shù)據(jù)集的步驟具體為：

15、s201：使用scikit-learn庫中的數(shù)據(jù)預(yù)處理工具，對所述綜合道路數(shù)據(jù)集的數(shù)據(jù)進行標(biāo)準(zhǔn)化和歸一化處理，得到清洗后的數(shù)據(jù)集；

16、s202：使用scikit-learn的imputer方法處理所述清洗后的數(shù)據(jù)集中的缺失值，得到完整數(shù)據(jù)集；

17、s203：利用隨機森林或gbm算法進行特征選擇，獲取篩選特征集；

18、s204：對所述篩選特征集使用pca或t-sne進行特征降維，獲取特征數(shù)據(jù)集。

19、作為本發(fā)明的進一步方案，基于深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)，訓(xùn)練模型對所述優(yōu)化后的特征數(shù)據(jù)集進行道路損壞的潛在位置和程度預(yù)測，出具損壞預(yù)測報告的步驟具體為：

20、s301：基于所述特征數(shù)據(jù)集的性質(zhì)選擇cnn或lstm模型，作為選擇的預(yù)測模型；

21、s302：采用he初始化或xavier初始化策略，為所述選擇的預(yù)測模型賦初值，獲取初始化的模型；

22、s303：利用adam或sgd優(yōu)化器進行多輪迭代優(yōu)化，對所述初始化的模型進行訓(xùn)練，獲取訓(xùn)練完成的模型；

23、s304：將所述特征數(shù)據(jù)集輸入訓(xùn)練完成的模型，得到預(yù)測值，出具損壞預(yù)測報告。

24、作為本發(fā)明的進一步方案，使用多目標(biāo)優(yōu)化算法，結(jié)合所述損壞預(yù)測報告、安全性、經(jīng)濟性、環(huán)境影響指標(biāo)，篩選和確定最優(yōu)的道路養(yǎng)護策略，生成優(yōu)化養(yǎng)護策略方案的步驟具體為：

25、s401：選擇nsga-ii或mopso算法作為選擇的優(yōu)化算法；

26、s402：確定安全性、經(jīng)濟性、環(huán)境影響的評價指標(biāo)和權(quán)重，為策略優(yōu)化設(shè)置評價準(zhǔn)則，建立評價指標(biāo)集；

27、s403：運用所述選擇的優(yōu)化算法，基于所述評價指標(biāo)集和損壞預(yù)測報告，得到不同的策略組合并評估其表現(xiàn)，確定最佳策略，生成優(yōu)化養(yǎng)護策略方案。

28、作為本發(fā)明的進一步方案，結(jié)合基于數(shù)據(jù)驅(qū)動的道路養(yǎng)護預(yù)測模型和所述智能交通系統(tǒng)，對所述優(yōu)化養(yǎng)護策略方案進行動態(tài)調(diào)整，合理安排養(yǎng)護時間、頻率、資源和供應(yīng)鏈，生成綜合養(yǎng)護計劃的步驟具體為：

29、s501：使用增量學(xué)習(xí)策略，對模型進行在線更新，根據(jù)最新數(shù)據(jù)調(diào)整所述優(yōu)化養(yǎng)護策略方案，生成動態(tài)調(diào)整后的策略方案；

30、s502：將所述動態(tài)調(diào)整后的策略方案細化為實際工作流程和時間表，作為綜合養(yǎng)護計劃；

31、s503：依據(jù)所述綜合養(yǎng)護計劃，使用線性規(guī)劃確定資源分配，建立資源分配方案。

32、作為本發(fā)明的進一步方案，應(yīng)用區(qū)塊鏈技術(shù)對每一次的養(yǎng)護活動進行記錄，生成養(yǎng)護活動的區(qū)塊鏈記錄，同時基于維修歷史進行策略持續(xù)優(yōu)化，產(chǎn)生持續(xù)優(yōu)化策略的步驟具體為：

33、s601：每次養(yǎng)護數(shù)據(jù)上鏈前，通過智能合約進行數(shù)據(jù)完整性和真實性的驗證；

34、s602：在區(qū)塊鏈上，采用以太坊或超級賬本技術(shù)，為每一次養(yǎng)護活動建立不可更改的記錄，生成養(yǎng)護活動的區(qū)塊鏈日志；

35、s603：利用區(qū)塊鏈智能合約功能，在多方之間自動執(zhí)行合同條款，確保養(yǎng)護資源和資金的正確流轉(zhuǎn)，生成合同自動執(zhí)行報告；

36、s604：分析所述區(qū)塊鏈日志中的養(yǎng)護活動數(shù)據(jù)，利用機器學(xué)習(xí)技術(shù)提取策略執(zhí)行的效果和問題點，進行策略調(diào)整，產(chǎn)生持續(xù)優(yōu)化策略。

37、城市道路養(yǎng)護策略優(yōu)化系統(tǒng)用于執(zhí)行上述城市道路養(yǎng)護策略優(yōu)化方法，所述城市道路養(yǎng)護策略優(yōu)化系統(tǒng)是由數(shù)據(jù)收集與預(yù)處理模塊、特征工程模塊、模型訓(xùn)練與預(yù)測模塊、策略生成與優(yōu)化模塊、區(qū)塊鏈與資源配置模塊組成。

38、作為本發(fā)明的進一步方案，所述數(shù)據(jù)收集與預(yù)處理模塊結(jié)合無人機圖像、遙感數(shù)據(jù)和交通實時數(shù)據(jù)進行數(shù)據(jù)融合，并使用pandas庫和scikit-learn進行數(shù)據(jù)清洗，生成綜合道路數(shù)據(jù)集；

39、所述特征工程模塊基于綜合道路數(shù)據(jù)，使用scikit-learn的imputer方法處理數(shù)據(jù)中的缺失值，再利用隨機森林或gbm進行特征選擇，并使用pca或t-sne進行特征降維，生成特征數(shù)據(jù)集；

40、所述模型訓(xùn)練與預(yù)測模塊基于特征數(shù)據(jù)集，選擇cnn或lstm作為模型結(jié)構(gòu)，并用he初始化或xavier初始化進行模型初始化，使用adam或sgd優(yōu)化器對模型進行訓(xùn)練，生成訓(xùn)練完成的模型和損壞預(yù)測報告；

41、所述策略生成與優(yōu)化模塊使用nsga-ii或mopso算法基于損壞預(yù)測報告和評價指標(biāo)集進行策略優(yōu)化，并運行算法生成多個策略組合進行評估；

42、所述區(qū)塊鏈與資源配置模塊使用以太坊或超級賬本技術(shù)，為養(yǎng)護策略中的每一次養(yǎng)護活動建立不可更改的記錄，并利用線性規(guī)劃進行資源分配，生成養(yǎng)護活動的區(qū)塊鏈日志和資源分配方案。

43、作為本發(fā)明的進一步方案，所述數(shù)據(jù)收集與預(yù)處理模塊包括無人機數(shù)據(jù)子模塊、實時交通數(shù)據(jù)子模塊、數(shù)據(jù)清洗子模塊；

44、所述特征工程模塊包括缺失值處理子模塊、特征選擇子模塊、特征降維子模塊；

45、所述模型訓(xùn)練與預(yù)測模塊包括模型選擇子模塊、模型初始化子模塊、模型訓(xùn)練子模塊；

46、所述策略生成與優(yōu)化模塊包括策略評價子模塊、策略優(yōu)化子模塊、策略評估子模塊；

47、所述區(qū)塊鏈與資源配置模塊包括區(qū)塊鏈記錄子模塊、數(shù)據(jù)驗證子模塊、資源分配子模塊。

48、與現(xiàn)有技術(shù)相比，本發(fā)明的優(yōu)點和積極效果在于：

49、本發(fā)明中，通過無人機和遙感技術(shù)對城市道路進行實時監(jiān)測，能夠快速、高效且全面地獲取道路狀態(tài)信息，提高了數(shù)據(jù)的準(zhǔn)確性和實時性。通過深度學(xué)習(xí)和神經(jīng)網(wǎng)絡(luò)技術(shù)的應(yīng)用確保了損壞預(yù)測的精確性和可靠性。通過多目標(biāo)優(yōu)化算法允許養(yǎng)護策略更全面地考慮多種指標(biāo)，確保策略的全面性和效率。通過區(qū)塊鏈技術(shù)的應(yīng)用提高了養(yǎng)護活動記錄的透明性和可信度，確保了養(yǎng)護信息的真實性和不可篡改性。綜上所述，本發(fā)明能夠更精確地預(yù)測和響應(yīng)道路損壞，制定更為合理和經(jīng)濟的養(yǎng)護策略，并且有效提高了養(yǎng)護活動的透明性和可信度。