[发明专利]一种基于智能手机完成路面状况采集和监测方法

权利要求书

1.一种基于智能手机完成路面状况采集和监测方法，其特征在于：该方法为一套基于智能手机的可靠路面状态数据采集方法、基于手机存储和计算能力的分布式数据处理系统，基于云端路面平整度、路面行驶质量评估模型和算法；

A）、基于智能手机的可靠路面状态数据采集方法：

智能手机内置有感知设备：加速度传感器、三轴陀螺仪、GPS感知设备；

通过手机将采集到上述传感器的数据，形成速度、行驶方向，垂直方向加速度，GPS基础信息；

B）、基于智能手机的可靠路面状态数据识别传输方法：

手机完成数据采集和本地存储后，先经过滤波算法清洗原始采集数据；

识别方法1：设置垂直方向加速度阈值，以最近1-15秒的平均Z轴加速度，作为判断标准；

或者，识别方法2：利用前后测量得到的垂直方向加速度的差值或者斜率来识别；

通过识别方法1或者识别方法2来识别出路面不平整点后，通过移动数据网络将原始数据和标准评分值上传到云端，维护上传数据状态，并根据实际情况进行续传；

数据在手机中持续保存，其数据在手机中可以被人工操作删除，云端可根据情况再次下发提取指令，获取指定时间段内的数据；

利用手机中的地图则可以看到由云端汇聚计算得到的不同路段的平整度分布，在地图的路线中按照颜色区分优良中次差，亦可以提供基于路段的查询输出平整度分布表；

C）、基于云端路面平整度、路面行驶质量评估模型和算法:

数据上传至云端后，将会参照GPS数据汇聚，并经过对时间序列建模，完成基于云端路面平整度、路面行驶质量的计算和评估。

2.根据权利要求1所述的基于智能手机完成路面状况采集和监测方法，其特征在于：

在B）、基于智能手机的可靠路面状态数据识别传输方法中, 滤波算法为：卡尔曼滤波算法，或者平整度异常识别方法。

3.根据权利要求1所述的基于智能手机完成路面状况采集和监测方法，其特征在于：

在C）、基于云端路面平整度、路面行驶质量评估模型和算法中:

采用时间序列的模型为如下三种之一：自回归模型 ：AR模型、滑动平均模型：MA 模型和自回归滑动平均模型：ARMA模型。

4.根据权利要求3所述的基于智能手机完成路面状况采集和监测方法，其特征在于：

自回归模型 ：AR模型，该模型拟合参数的计算方法则用通用的莱文森递归法，或最小二乘法。

5.根据权利要求1所述的基于智能手机完成路面状况采集和监测方法，其特征在于：

在B）、基于智能手机的可靠路面状态数据识别传输方法中，识别方法1：设置垂直方向加速度阈值，选择为2秒的平均Z轴加速度，作为判断标准。