CN118822283B 融合路面表征的道路多要素塌陷风险动态评估方法及系统 （云途信息科技(杭州)有限公司）

融合路面表征的道路多要素塌陷风险动态本发明实施例公开了融合路面表征的道路多要素塌陷风险动态评估方法及系统。方法包GPS数据确定历史数据；对当前路面表征数据以当前路面表征数据以及处理后的历史数据输入至道路塌陷风险评估模型中进行道路塌陷风险本发明实施例的方法可实现在很大程度上预测2根据所述实时数据确定病害的实际面积、病害类型以及路面高对所述当前路面表征数据以及所述历史数据进行归一化和编码处将所述处理后的当前路面表征数据以及所述处理后的历史数据输入至道路塌陷风险确定所述当前特征向量与中间特征向量的差值，并将所述当前特征向量投影到差值所述当前特征向量为多维向量，包括当前路面表征数据对应的病害面2.根据权利要求1所述的融合路面表征的道路多要素塌陷风险动态评估方法，其特征对所述当前路面表征数据以及所述历史数据内的数值数据进行归一化3.根据权利要求1所述的融合路面表征的道路多要素塌陷风险动态评估方法，其特征将所述内积结果通过全连接层和Softmax层计算因4.根据权利要求3所述的融合路面表征的道路多要素塌陷风险动态评估方法，其特征35.根据权利要求4所述的融合路面表征的道路多要素塌陷风险动态评估方法，其特征数据获取单元，用于获取车载传感器以及摄处理单元，用于对所述当前路面表征数据以及所述历史数据进行编码评估单元，用于将处理后的当前路面表征数据以及处理后的历史特征提取子单元，用于将所述处理后的当前路面表征数据以所述当前特征向量为多维向量，包括当前路面表征数据对应的病害面4[0012]将处理后的当前路面表征数据以及处理后的历史数据输入至道路塌陷风险评估5[0017]将处理后的当前路面表征数据以及处理后的历史数据输入至道路塌陷风险评估特征投影层分别提取所述当前路面表征数据的严重程度特征以及所述历史数据的严重程[0030]将所述历史因素变化向量与历史因素变化向量的转置进行内积，以得到内积结6理后的当前路面表征数据以及处理后的历史[0046]图1为本发明实施例提供的融合路面表征的道路多要素塌陷风险动态评估方法的[0047]图2为本发明实施例提供的融合路面表征的道路多要素塌陷风险动态评估方法的[0048]图3为本发明实施例提供的融合路面表征的道路多要素塌陷风险动态评估方法的[0049]图4为本发明实施例提供的融合路面表征的道路多要素塌陷风险动态评估方法的7[0054]图9为本发明实施例提供的融合路面表征的道路多要素塌陷风险动态评估系统的踪道路状态的变化，导致在空窗期内可能出现的新的病害或风险无法被及时发现和处理，[0063]图1是本发明实施例提供的融合路面表征的道路多要素塌陷风险动态评估方法的8[0071]在本实施例中，根据视频数据确定病害的实际面积的具体实现步骤属于现有技[0074]根据震动传感器数据确定病道路的不平整度以及颠簸路段的具体缺陷类型的具9过全连接层和Softmax计算因素的权重值，结合当前特征向量与历史特征向量进行投影后维度为路面高程信息，所有历史数据特征向量通过特征提取器FC提取当前时刻历史向量数据。[0111]S1621、通过自注意力机制计算历史数据中各因素的差异，得到历史因素变化向间特征向量fp*(t)。接着，将当前特征向量fp(t)投影到当前特征向量fp(t)与中间特[0135]这种处理方式的目的是首先通过将当前向量fp(t)投影到历史向量fc(t)上来[0136]S164、将所述最终特征向量通过全连接层以及Softmax层，以得到连续的风险分些风险分数转换为概率分布，其中概率最高的单元格对应的风险分数即为在时间点t的输[0139]在本实施例中，将一条道路上连续的风险分数划分为若干个离散的风险等级区[0141]模型将最终的风险分数通过全连接层和Softmax层处理后，能够生成详细的风险[0151]图9是本发明实施例提供的一种融合路面表征的道路多要素塌陷风险动态评估系路面表征的道路多要素塌陷风险动态评估系统300包括用于执行上述融合路面表征的道路史数据进行编码，以得到处理后的当前路面表征数据以及处理后的历史数据；评估单元306，用于将处理后的当前路面表征数据以及处理后的历史数据输入至道路塌陷风险评估[0163]上述融合路面表征的道路多要素塌陷风险动态评估系统300可以实现为一种计算[0166]该非易失性存储介质503可存储操作系统5031和计算机程序5032。该计算机程序理后的历史数据输入至道路塌陷风险评估模型中进行道路塌陷风险评估，以得到评估结[0172]在一实施例中，处理器502在实现所述对所述当前路面表征数据以及所述历史数[0174]在一实施例中，处理器502在实现所述将处理后的当前路面表征数据以及处理后[0175]将处理后的当前路面表征数据以及处理后的历史数据输入至道路塌陷风险评估[0176]在一实施例中，处理器502在实现所述将处理后的当前路面表征数据以及处理后特征投影层分别提取所述当前路面表征数据的严重程度特征以及所述历史数据的严重程[0179]在一实施例中，处理器502在实现所述通过自注意力机制计算历史数据中各因素述历史因素变化向量进行内积计算，得到内积结果；将所述内积结果通过全连接层和[0182]将所述历史因素变化向量与历史因素变化向量的转置进行内积，以得到内积结[0183]在一实施例中，处理器502在实现所述对所述当前特征向量以及所述历史特征向量进行向量投影，以得到表示所述当前特征向量的严重程度变化的最终特征向量步骤时，[0186]应当理解，在本申请实施例中，处理器502可以是中央处理单元305(CentralProcessingUnit，CPU)，该处理器502还可以是其他通用处理器、数字信号处理器微处理器或者该处理器也可以是任何常规的[0187]本领域普通技术人员可以理解的是实现上述实施例的方理后的历史数据输入至道路塌陷风险评估模型中进行道路塌陷风险评估，以得到评估结面表征数据以及处理后的历史数据输入至道路塌陷风险评估模型中进行道路塌陷风险评[0193]将处理后的当前路面表征数据以及处理后的历史数据输入至道路塌陷风险评估特征投影层分别提取所述当前路面表征数据的严重程度特征以及所述历史数据的严重程述历史因素变化向量进行内积计算，得到内积结果；将所述内积结果通过全连接层和[0200]将所述历史因素变化向量与历史因素变化向量的转置进行内积，以得到内积结[0208]该集成的单元如果以软件功能单元的形式