湿滑路况下路面状态识别与路面附着系数预测研究

There exist some problems such as: the current road traffic monitoring facilities are incomplete; the monitoring density and elements do not generally meet the requirements; the slippery conditions of road to identify the low degree of intelligence; lack study of road adhesion coefficient change under slippery road conditions.In order to solve them, the project will take slippery road conditions identify, road adhesion coefficient forecasting and build highly accurate predictive forecasting model as the research goal. It will use the existing road video surveillance, weather, traffic noise and other sensors to build a low-cost data acquisition system. And it will build multi-sensor fusion recognition method for slippery road conditions， study the mechanism of change in road adhesion coefficient of slippery road conditions, build precision forecasting model to slippery road adhesion coefficient. After completion of this project, some of important scientific issues will be solved such as: to seek the best picture and tire / road noise vector set characterization of the slippery road; design multi-sensor information slippery road surface state recognition classifier to integration pavement temperature, humidity, wind speed and road images and tire / road noise characteristics; analysis of changes in the mechanism of adhesion to the road surface slippery road conditions; build high-precision predictive computational model of slippery road adhesion coefficient. The project seeks to develop the fine, low-cost slippery condition of the road information service system to provide the basis of theory and technology. Meanwhile, it provides a theoretical basis for road maintenance, tire design, vehicle safety research to develop driver assistance equipment, automotive safety systems.

针对当前路况监测设施不完备、监测密度和要素普遍达不到要求，且湿滑路况识别智能化程度低, 湿滑路况条件下路面附着系数变化情况研究不足等情况，本课题以湿滑路况识别与路面附着系数预测并建立高精度的预测计算模型为研究目标，利用道路现有的视频监控、气象、噪声等传感器构建低成本路况信息采集系统。提出湿滑路况多传感器融合识别方法，研究湿滑路况下路面附着系数的变化机理，构建湿滑路面附着系数高精度预测计算模型。重点解决寻求最佳的湿滑路况图像与轮胎/路面噪声特征描述向量集、设计融合路面温度、湿度、风速以及路况图像与胎/路噪声特征的多传感信息路面湿滑状态识别分类器、分析湿滑路况下路面附着系数的变化机理、构建湿滑路面附着系数高精度预测计算模型等一系列科学问题。为开发精细化、低成本的道路路面状况信息服务系统提供理论与技术支持，同时，为道路养护、轮胎设计、汽车安全辅助驾驶装备的开发、汽车安全系统的研究提供理论依据。

湿滑路况信息获取是雨雪天气下道路路况预警与控制基础。本项目以湿滑路况识别与路面附着力预测计算模型为研究目标，首先对国内外研究现状进行了综述，总结了现有研究的不足，确定了本项目的研究内容、研究方法和技术路线。系统研究了湿滑路况多传感器融合识别方法以及湿滑路况下路面附着力的变化机理与湿滑路面附着力预测计算模型。重点研究了湿滑路况图像与轮胎/路面噪声特征描述向量集、路面温度、湿度、风速以及路况图像与胎/路噪声特征的多传感信息路面湿滑状态识别分类器、分析了湿滑路况下路面附着力的变化机理、构建了一种湿滑路面附着力预测计算模型。具体内容包括：.（1）研究了湿滑路况多传感器融合识别方法。根据研究内容，从原始特征中找出最有效的特征，将原始特征转换为一组具有明显物理意义（Gabor、几何特征、纹理）或者统计意义或核的特征。利用统计学中的主成分分析(PCA)应用于对描述子向量的降维，以提高匹配效率。在旋转、尺度变换，透视变换，添加噪声匹配的情形下，保留不变性的同时降维，以减少计算时间。.（2）揭示了湿滑路况下路面附着力的变化机理。基于深度学习方法，设计合理的分类器，在研究中利用卷积神经网络，构建深度监督学习模型，通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示与分类。.（3）设计了路面湿滑状况噪声识别分类器。利用小波胎路噪声频谱特征，设计支持向量机的路面湿滑状况噪声识别分类器。根据分类器使用条件，动态利用模糊理论方法确定分类器集成的权值，实现多分类器选择性集成。.（4）构建路面附着力预测计算模型。将制动过程离散化处理，获得各离散速度下轮胎与路面间的摩擦能量损失率和制动盘的摩擦能量损失率。采用正交试验设计方法，分别以轮胎沟槽宽度、轮胎沟槽面积与胎压为变量，平均制动减速度为评价指标，对轮胎的湿滑路面附着性能进行极差分析和方差分析。