ARTICLE
28 April 2025

普通国省道路网检测数据智能分析与养护决策研究

玮锃 詹1
Show Less
1 江西省公路工程检测中心, 中国
TACS 2025 , 2(8), 142–144; https://doi.org/10.61369/TACS.2025080011
© 2025 by the Author(s). Licensee Art and Design, USA. This article is an open access article distributed under the terms and conditions of the Creative Commons Attribution -Noncommercial 4.0 International License (CC BY-NC 4.0) ( https://creativecommons.org/licenses/by-nc/4.0/ )
Abstract

当前普通国省道路网检测存在数据采集碎片化、分析手段传统、养护决策依赖经验等问题,导致病害识别滞后、资源分配低效、全生命周期成本较高。基于此,本文深入探究了普通国省道路网检测数据智能分析与养护决策研究的意义与策略,旨在通过构建多源数据融合与动态更新机制、开发基于深度学习的病害智能识别与分级系统、建立基于多目标优化的养护资源分配模型、设计动态响应式养护决策支持系统、推动数据共享与标准化建设、强化全生命周期管理与绩效评估等策略提升路网运行效率,降低养护成本。

Keywords
道路网检测数据
智能分析
养护决策
References

[1] 徐鸿盛, 胡学友, 黄迎辉, 等. 基于改进YOLOv5的道路场景小目标检测方法[J]. 商丘师范学院学报,2024,40(12):14-19.
[2] 付迪, 王金, 许牛琦, 等. 面向数字道路的典型交通设施表观智能检测与识别研究综述[J]. 信息技术与信息化,2024,(11):202-211.
[3] 喻莉, 朱磊, 黄西海. 道路照明节能改造合同能源管理项目能耗基准检测[J]. 工业控制计算机,2024,37(11):161-162.
[4] 桑嘉更, 张志佳, 肖传民, 等. 基于YOLOv8s 模型改进的道路交通目标检测方法研究[J]. 红外与激光工程,2024,53(11):303-316.
[5] 侯涛,张田明, 牛宏侠. MFF-YOLO: 多尺度特征融合的轻量级道路缺陷检测算法[J/OL]. 工程科学与技术,1-10.
[6] 赖耀平, 赵庆辉, 官敬超, 等. 融合轻量卷积和注意力机制的道路目标检测算法[J]. 微电子学与计算机,2025,42(09):115-124.
[7] 李婷, 赵尔敦, 杨军. 基于自注意力与双向特征融合的道路障碍物检测方法[J]. 计算机科学,2024,51(S2):287-291.
[8] 章东平, 何数技, 魏杨悦, 等. 基于动态可变形卷积的轻量化道路缺陷检测方法[J/OL]. 计算机辅助设计与图形学学报,1-12.
[9] 王晓燕, 王禧钰, 李杰, 等. 无人机视角下的道路损伤检测算法MAS-YOLOv8n[J]. 光电工程,2024,51(10):69-83.
[10] 陈清华, 陈晨. 探地雷达在江苏盐城市政道路检测中的应用研究[J]. 现代信息科技,2024,8(20):135-139.
[11] 刘德林. 基于无损检测技术的道路施工起重设备检验方法[J]. 现代制造技术与装备,2024,60(10):20-22.
[12] 唐杨, 王建平, 张家高, 等. 基于改进YOLOv5s 的道路目标检测算法与跟踪研究[J]. 安徽工程大学学报,2024,39(05):8-16.
[13] 孙文财, 胡旭歌, 杨志发, 等. 融合GPNet 与图像多尺度特性的红外- 可见光道路目标检测优化方法[J]. 吉林大学学报( 工学版),2024,54(10):2799-2806.
[14] 陈子昂, 郭唐仪, 隋立岩, 等. 基于YOLOv5s 优化模型的道路交通标志异常状态检测[J]. 公路交通科技,2024,41(10):8-16.
[15] 罗向龙, 王彦博, 蒲亚亚, 等. 多病害并发复杂场景下的道路病害检测RGT-YOLOv7模型[J]. 湖南大学学报( 自然科学版),2024,51(12):107-118.

Share
Back to top