[发明专利]基于车载感知数据的城市道路路面故障实时检测方法

权利要求书

1.基于车载感知数据的城市道路路面故障实时检测方法，其中，所述方法包括如下步骤：

根据采样间隔，获取观测时段内检测道路上车辆的车载感知数据；

对车载感知数据进行预处理，包括缺失数据和异常数据的处理；

计算检测间隔内路面故障的一系列状态分类特征，构造特征向量；

根据不同时间内的特征向量构建特征矩阵，计算每个故障类型在训练样本中出现的频率以及其协方差矩阵和均值向量，完成贝叶斯分类器的训练；

对检测时段内车载感知数据进行处理，利用贝叶斯分类器对待检测道路的路面故障特征向量进行分类，分析结果，判断道路路面是否存在故障；

在获取观测时段内检测道路上车辆的车载感知数据时的具体过程包括：

对所需检测的道路进行区域划分，并确定观测时段及采样间隔，通过地图匹配，采集观测时段内通过车辆在各个采样间隔的车载感知数据，包括观测时段天数D、采样间隔ts、经度l、纬度d、速度v、加速度a、瞬时加速度ia、转向角度φ、瞬时角速度w、雨刷频率

对采样间隔内的车载感知数据进行预处理；

确定检测间隔，定义路面故障的一系列状态分类特征，构造特征向量，并利用车载感知数据进行计算；

在对车载感知数据进行预处理，包括缺失数据和异常数据的处理时的具体过程：根据缺失比例确定处理方式，具体方式包括：删除该车载感知数据、数据补齐以及不处理三种方式，并根据阈值范围判别异常数据并进行修正，其中数据补齐或修正采用均值插补方法实现；

在计算车载感知数据的缺失比例时的方法为：

统计每日每辆车每项数据的个数和非随机缺失数据的个数，继而计算缺失数据个数，具体公式如下：

式中参数含义：——在第k日内车辆i的第m和m+1个采集数据之间的非随机缺失数据个数：第m和m+1个采集数据的采样间隔不连续时，两个采样数据之间必定存在缺失数据，但是当二者对应的距离差却很小时，认为缺失数据为非随机缺失数据，缺失原因有路边停车、车辆损坏等；

——分别为第k日内车辆i的第m和m+1个采集数据的采样间隔；

——分别为第k日内车辆i的第m和m+1个采集数据的经度；

——分别为第k日内车辆i的第m和m+1个采集数据的纬度；

——在第k日内车辆i的非随机缺失数据个数；

——在第k日车辆i的采集数据个数；

——在第k日车辆i的车载感知数据j的随机缺失数据个数；

——在第k日车辆i的车载感知数据j的缺失数据个数；

继而利用如下公式计算随机缺失数据比例：

式中：——在第k日内车辆i的车载感知数据j的随机缺失比例；

——在第k日内车辆i的车载感知数据j的随机缺失个数；

——在第k日内车辆i的车载感知数据的平均随机缺失比例；

p_k,j——在第k日内车载感知数据j的平均随机缺失比例；

Q_k——在第k日内检测道路的通过车辆数。

2.根据权利要求1所述的方法，其中，检测异常数据的检测方法为：

根据车载感知数据j的性质和变化特点，确定其阈值范围若该数据为异常数据；

其中，为车载感知数据j的下限，为上限值；代表在第k日内车辆i的第m个采集数据j的实际值。

3.根据权利要求2所述的方法，其中，车载感知缺失数据和异常数据的具体处理方式：

对于非随机缺失数据采取不处理的方式；

对于随机缺失数据：

当时，认为车辆i车载感知器出现故障，直接删除车辆i的所有数据；

当p_k,j＞20％时，认为车载感知数据类型j不可靠，直接删除该项车载感知数据；

当且p_k,j≤20％时，对随机缺失数据进行补齐；

对异常数据进行修改：

当j＝6或8时，若则用替代若则用替代

当j≠6且j≠8时，异常数据修改方法与随机缺失数据补齐方法相同。