[发明专利]一种路面平整度预测方法、系统及介质

权利要求书

1.一种路面平整度预测方法，其特征在于，包括下述步骤：

采集路面及车辆数据；

重建道路轮廓，获得道路剖面；

依据路面及车辆数据、道路剖面，通过半车模型仿真得到智能手机放置处的动力响应；

建立卷积神经网络模型，并根据车辆速度和动力学响应信息进行训练；

根据速度信息、加速度信息、角速度信息观测值估算路面平整度值。

2.根据权利要求1所述的一种路面平整度预测方法，其特征在于，所述路面及车辆数据包括：路面平整度的信息、车辆行驶速度和车辆模型参数。

3.根据权利要求1所述的一种路面平整度预测方法，其特征在于，所述重建道路轮廓，获得道路剖面，具体为：

基于功率谱密度函数的方法，以设定的分辨率重建道路轮廓，获得道路剖面。

4.根据权利要求1所述的一种路面平整度预测方法，其特征在于，所述通过半车模型仿真得到智能手机放置处的动力响应，具体为：

收集若干车辆的车辆规格、重量、重心、轴距信息，简化为半车模型；通过车辆前后轴轴距、车辆行驶速度获得前后轴延迟输入的不同信息，变换到时域进行仿真，使用半车模型动力学模拟计算公式获得模拟的车辆的动态响应；

所述通过车辆前后轴轴距、车辆行驶速度获得前后轴延迟输入的不同信息具体如下式：

其中，x_g1为前轮输入的道路轮廓；x_g2为后轮输入的道路轮廓；l₁为前轮到车体重心的距离；l₂为后轮到车体重心的距离；d为智能手机到车体重心的距离；v(t)为t时刻车辆的行驶速度；

所述半车模型动力学模拟计算公式如下式：

其中，M为车辆质量矩阵，为x(t)关于时间的二阶导数，C为车辆阻尼矩阵，为x(t)关于时间的一阶导数，K为车辆刚度矩阵，x(t)为车辆质心处的动力学响应，P(t)为输入的荷载激励向量。

5.根据权利要求1所述的一种路面平整度预测方法，其特征在于，所述卷积神经网络模型包括输入层、卷积层、全局平均池化层以及输出层，其中卷积层中进行零填充，并采用Leaky-ReLu激活函数；全局平均池化层对数据进行正则化；输入层的输入信息为车辆行驶速度、加速度、角速度的组合，输出层的输出信息为间隔一定距离的路面平整度值。

6.根据权利要求5所述的一种路面平整度预测方法，其特征在于，所述卷积神经网络模型对每一张特征图计算像素点的均值，输出1×1的像素点，最终特征图数量不变。

7.根据权利要求5所述的一种路面平整度预测方法，其特征在于，根据车辆速度和动力学响应信息进行训练，具体为：

在迭代次数达到指定数量之前，通过每个回归值计算均方误差MSE，并将MSE作为损失函数来进行反向传播，并更新卷积神经网络的内部参数，最终完成梯度下降；当达到指定迭代次数时，且输出误差满足要求时，迭代停止，完成卷积神经网络模型的训练，得到最终的预测模型。

8.根据权利要求1所述的一种路面平整度预测方法，其特征在于，所述根据加速度信息观测值估算路面平整度值，具体为：

利用车辆在行驶过程中布置于车辆上的智能手机，收集车辆的车速、车辆垂直加速度、角速度等动力响应数据，预测当前位置的路面平整度值。