[发明专利]一种基于随机森林的路面平整度预测方法

说明书

本发明一种基于随机森林的路面平整度预测方法：步骤1：对于每个沥青路面采集路面平整度指数IRI以及路面参数的取值，得到沥青路面样本数据；步骤2：对每个路面参数归一化得到训练集；步骤3：将训练集采用随机森林算法进行训练，将路面平整度指数IRI作为随机森林算法的输出，将路面数据作为输入，得到训练好的沥青路面平整度预测模型；步骤4：采集待测沥青路面的路面参数值，得到待测的沥青路面数据；步骤5：归一化操作；步骤6：用训练好的沥青路面平整度预测模型对待测的归一化后的沥青路面数据处理，得到待测沥青路面的路面平整度。本发明建立了基于随机森林的路面平整度预测模型，通过该模型能够大大提高了路面平整度的预测精度。

技术领域

本发明属于路面监测技术领域，具体涉及一种基于随机森林的路面平整度预测方法。

背景技术

路面平整度(Road Surface Roughness)指的是路表面纵向的凹凸量的偏差值，路面平整 度是路面评价及路面施工验收中的一个重要指标，它关系到行车的安全、舒适以及路面所 受冲击力的大小和使用寿命。因此，路面平整度的测量工作的高效性和准确性对于路面评 价是非常重要的。

传统的路面平整度的测量方法有三种：定长度直尺法、断面描绘法和顺簸累积法，但 这些传统的方法在效率和准确性并不十分理想，目前，神经网络方法来预测路面平整度成 为了主要的检测手段，该方法在一定程度上解决了准确性的问题，但还存在以下两方面的 问题：第一，神经网络结构的选择至今尚无一种统一而完整的理论指导，一般只能由经验 选定，若网络结构选择过大，则训练中效率不高，可能出现过拟合现象造成网络性能低、容错性下降，若选择过小，则又会造成网络可能不收敛。网络的结构直接影响网络的逼近能力及推广性质，如何选择合适的网络结构并非易事。另外，无论多简单的问题，神经网 络的方法都需要经过成百上千次学习，这导致预测速度很慢。

发明内容

针对上述现有技术中存在的缺陷或不足，本发明的目的在于，提供一种基于随机森林 的路面平整度预测方法，该方法采用随机森林对沥青路面平整度进行预测，能够快速、精 确地对沥青路面平整度进行预测。

为了达到上述目的，本发明采用如下的技术方案予以解决：

一种基于随机森林的路面平整度预测方法，具体包括如下步骤：

步骤1：采集沥青路面样本，对于沥青路面样本中的每个沥青路面，采集路面平整度指 数IRI以及路面参数的取值，得到沥青路面样本数据；

步骤2：对步骤1得到的沥青路面样本数据中的每个路面参数进行归一化操作，得到 训练集；

步骤3：将步骤2得到的训练集采用随机森林算法进行训练，其中，将路面平整度指数IRI作为随机森林算法的输出，将路面数据作为输入，得到训练好的沥青路面平整度预测模型；在随机森林算法中，n_estimators的取值为407，max_depth的取值为32，min_samples_split的取值为2，min_samples_leaf的取值为1，max_features的取值为22；

步骤4：采集待测沥青路面的路面参数值，得到待测的沥青路面数据；

步骤5：对步骤4得到的沥青路面数据进行归一化操作，得到待测的归一化后的沥青 路面数据；

步骤6：采用训练好的沥青路面平整度预测模型，对待测的归一化后的沥青路面数据 进行处理，得到待测沥青路面的路面平整度结果。

进一步的，所述步骤1、步骤4中所述的路面参数包括以下27种参数：