許亞男, 陳竹安, 楊 波, 夏元平
(1. 東華理工大學(xué) 測繪工程學(xué)院,江西 南昌 330013;2. 湖南師范大學(xué) 資源與環(huán)境科學(xué)學(xué)院,湖南 長沙 410081)
隨著國內(nèi)交通建設(shè)和發(fā)展,我國公路通車總里程逐年增長,公路覆蓋密度逐年增加,各類型等級公路里程逐漸擴(kuò)大(潘一凡等,2017)。但道路路面出現(xiàn)障礙物會給行駛車輛帶來不便和安全隱患。路面常見障礙物有大面積裂縫、局部凸起和坑洞。在車輛行駛過程中,路面裂縫和凸起比較容易被目視掌握,從而繞行,但坑洞往往不易被發(fā)覺。據(jù)業(yè)內(nèi)人士介紹,汽車快速通過路坑時(shí),車胎受到的撞擊力度會加大,如果力度大于車胎原本的承受能力,會導(dǎo)致輪胎產(chǎn)生氣泡甚至爆胎,從而引發(fā)交通事故。此外,如果汽車高速過坑,將直接影響汽車的避震懸掛系統(tǒng),嚴(yán)重時(shí)甚至造成輪轂破裂乃至漏油情況。如果路坑太深,甚至?xí)|及底盤造成更大車損。因此對道路路面進(jìn)行不定期的檢查和修復(fù)尤為重要。通過無人機(jī)低空遙感技術(shù)采集路面影像進(jìn)行分析,最后作出預(yù)判結(jié)果,為道路管理部門提供決策依據(jù)和輔助支持。
無人機(jī)(Unmanned Aerial Vehicle,簡寫為UAV)1980年代開始應(yīng)用在戰(zhàn)場模擬、目標(biāo)監(jiān)測、大地測繪、交通管理、資源探測及環(huán)境保護(hù)等各個(gè)領(lǐng)域(陳強(qiáng),2017;李風(fēng)賢,2017;李明波等,2018),如今無人機(jī)低空遙感技術(shù)日趨成熟,應(yīng)用范圍不斷擴(kuò)大,并取得了很好的實(shí)際效果和應(yīng)用價(jià)值(李德仁等,2014)。但一直以來無人機(jī)應(yīng)用在道路安全方面報(bào)道較少(張莞玲,2017;馬澤忠等,2011)。
當(dāng)前,國內(nèi)各類道路的安全檢測工作主要靠人工巡查,通過現(xiàn)場逐一檢查、拍照和記錄以及人們反映等方式發(fā)現(xiàn)和處理存在問題的道路。但是人工巡查存在以下問題:第一,交通道路范圍廣,人工巡查工作量較大,效率低,需耗費(fèi)大量的人力物力財(cái)力。第二,道路類型多樣化和受道路周邊環(huán)境的影響,巡查時(shí)難免會存在遺漏現(xiàn)象。第三,人工巡查會受工作人員的自身素質(zhì)和專業(yè)技能等主觀因素影響,造成巡查結(jié)果準(zhǔn)確度低或漏查等情況。道路修復(fù)也是人工和專用車輛在處理,對于每次出行所帶修復(fù)材料只能大概估算,沒有相對準(zhǔn)確的參考值(聶鑫路等,2017)。
針對以上情況,如果采用具有智能化、效率高、周期短和范圍廣等優(yōu)勢的無人機(jī)技術(shù)代替?zhèn)鹘y(tǒng)的純?nèi)斯ぱ膊槭侄螌蟠筇岣吖ぷ餍?張志偉,2016),可以為道路管理提供決策依據(jù),為行駛車輛提供警示信號,減少不必要的安全事故,同時(shí)為修復(fù)工作提供科學(xué)參考。
本次研究的主要內(nèi)容是路面影像的采集、處理和識別,針對路面異常物進(jìn)行解算與分析,分類提出解決方案,為道路安全保障或補(bǔ)救提供科學(xué)的、定量的決策依據(jù)。
研究過程中,硬件主要包括:影像數(shù)據(jù)采集主要采用無人機(jī)低空遙感技術(shù),控制點(diǎn)定位采用手持GPS技術(shù),軟件主要包括Global Mapper、Pix4D mapper、ENVI和ArcGIS軟件。最終以可視化的形式為相關(guān)部門提供分析結(jié)果。技術(shù)路線如圖1所示。
本次道路安全監(jiān)測數(shù)據(jù)采集區(qū)域?yàn)榻魇∧喜行陆▍^(qū),根據(jù)前期自駕車在周邊進(jìn)行宏觀調(diào)研之后,將數(shù)據(jù)采樣區(qū)分成兩個(gè)類型。一個(gè)是普通道路,設(shè)置在興國路上,平均行車速度為50 km/h;另一個(gè)是環(huán)城快車道,設(shè)置在楓生高速路上的滬瑞線與梅嶺大道交叉路口處,平均行車速度為80 km/h。
本次采用大疆無人機(jī)自帶的地面控制站軟件DJI GS PRO對地面站進(jìn)行航線規(guī)劃和控制。根據(jù)確定的研究對象和數(shù)據(jù)采集范圍,主要參數(shù)設(shè)置如表1所示。
表1 無人機(jī)參數(shù)設(shè)置
對兩類實(shí)驗(yàn)區(qū)域進(jìn)行多次無人機(jī)航拍,采集的數(shù)據(jù)選取質(zhì)量相對較好的進(jìn)行處理,正攝影像圖均采用Pix 4D軟件進(jìn)行處理(魯恒等,2011)。
由于無人機(jī)影像采集系統(tǒng)本身存在誤差,多次正攝影像需要通過軟件進(jìn)行地理配準(zhǔn)才可實(shí)現(xiàn)地理位置的精確匹配(李欣騰等,2017)。本次配準(zhǔn)在航拍區(qū)域均勻選擇4個(gè)控制點(diǎn),控制點(diǎn)的X、Y坐標(biāo)及殘差均設(shè)置為 0.05 m以下,圖像預(yù)處理后的影像如圖2。
采集路面影像時(shí),時(shí)而會受到大氣、風(fēng)、霧等因素的影響,造成影像模糊或失真,不便于后期的目標(biāo)識別與計(jì)算。在此利用遙感軟件對每幅影像進(jìn)行圖像增強(qiáng)處理。
為有效識別配準(zhǔn)后的影像內(nèi)容,準(zhǔn)確定位研究對象,識別不同于道路的目標(biāo),在采集數(shù)據(jù)區(qū)域,主要的路面異常物體是障礙物(多屬前行車輛灑落)、積水(雨后在路面低洼處存下的雨水)和坑洼(長期行駛對路面的破壞,尤其是超載行駛,出現(xiàn)坑洼后,越壓越深,便形成了坑狀)三類。根據(jù)測區(qū)實(shí)際情況,暫不考慮障礙物(幾乎未發(fā)現(xiàn))和積水(由于采樣當(dāng)天天晴),所以主要的研究對象為路面低洼處(簡稱“路坑”)。路坑的識別主要任務(wù)是確定其邊界。數(shù)據(jù)預(yù)處理后的數(shù)據(jù)采用遙感圖像處理軟件(ENVI)對影像數(shù)據(jù)進(jìn)行目標(biāo)識別。其主要流程為:數(shù)據(jù)錄入、地物識別、隔離道路、定位路坑和確定邊界。
在等時(shí)航拍模式下,航高為60 m的1號點(diǎn)和航高50 m的2至5號點(diǎn)邊界確定后示意圖如圖3所示。
如前所述對2至5號點(diǎn)采取了四次不同類型的飛行模式,即等時(shí)航高分別為50 m、80 m、100 m和等懸停航高100 m。結(jié)果發(fā)現(xiàn)等時(shí)航高50 m的地面分辨率最高,利于數(shù)據(jù)計(jì)算和分析,故后期的計(jì)算時(shí),2至5號點(diǎn)均采用此航拍的數(shù)據(jù)。
利用遙感軟件提取路面異常目標(biāo),確定路坑邊界后,計(jì)算路坑的周長和面積。路坑深度暫采取平均值代替,后期計(jì)算土方量時(shí)再精細(xì)考慮(表2)。
表2 1-5號點(diǎn)數(shù)據(jù)計(jì)算結(jié)果
根據(jù)研究技術(shù)路線,計(jì)算得出的結(jié)果可為人們提供定量的、科學(xué)的判斷依據(jù),并且以可視化的方式展現(xiàn)出來,便于后期處理和防治,主要從安全警示和道路修復(fù)兩方面進(jìn)行分析。
針對有坑路面,道路安全從車速和坑的大小兩個(gè)因素方面進(jìn)行分析,暫且不考慮車輛的大小和性能。
5.1.1 第一因素:車速
在道路行駛過程中,車速越高,發(fā)生交通事故的危險(xiǎn)性就越大。澳大利亞有關(guān)部門研究表明,當(dāng)車速超過60 km/h時(shí),車速每增加5 km/h交通事故的危險(xiǎn)性基本上是原來的2倍。因此,當(dāng)車輛較高速度行駛時(shí),微小的速度變化將會對行車安全帶來非常明顯的影響。
5.1.2 第二因素:路坑大小
首先應(yīng)該精確計(jì)算坑的半徑大小,然后再進(jìn)行危險(xiǎn)性分析。通過對影像進(jìn)行目標(biāo)識別后發(fā)現(xiàn),路面坑洼的形狀近似于圓形,在分析過程中,近似取其半徑作為模型參數(shù)。
精確計(jì)算路坑半徑筆者認(rèn)為有兩種方法,即環(huán)平均值算法和特征射線平均法。
(1)環(huán)平均值算法。對于不規(guī)則路坑多邊形,其半徑的變化幅度一般不會太大,通常在一定范圍內(nèi)浮動,可以采用最大和最小半徑的平均值來求取路坑半徑的大小(圖4)。
實(shí)線輪廓表示實(shí)際路坑多邊形,內(nèi)外兩條虛線是指最小內(nèi)切圓半徑和最大外接圓半徑所構(gòu)成的環(huán)形。平均半徑為:dx=(d1+d2)/2。
以上的理論計(jì)算半徑是用周長和面積反算出半徑的平均值,平均半徑即為內(nèi)外切圓半徑的平均值。根據(jù)計(jì)算結(jié)果(表3),結(jié)合實(shí)地考察,1號點(diǎn)的反推算半徑與環(huán)平均算法得出的半徑相差10 cm,相差較大。原因是此處是長期車輛碾壓形成的大型路坑,坑越大,對周邊的路基影響也越大,最終形成了不規(guī)則區(qū)域,多邊形越接近圓形,此方法誤差越小,反之則越大,就像1號點(diǎn)區(qū)域;2、3、4號點(diǎn)近似于圓形,故環(huán)平均算法近似于反推算的半徑;5號點(diǎn)的兩種計(jì)算結(jié)果誤差為0,原因是此處為一井蓋,因道路整修,導(dǎo)致井蓋周邊高于此處,形成了井蓋低洼處。
表3 環(huán)平均值算法求半徑及誤差
(2)特征射線平均值算法。從路坑中心向其周圍坑口邊緣作特征射線,所謂特征射線是在多邊形邊界線上尋找特征點(diǎn)(曲率變化較大的點(diǎn)),中心到特征點(diǎn)的連線作為特征射線,將所有特征射線長度加相除以射線數(shù)量,取值即為該變路坑半徑的近似大小(圖5)。
特征射線選取的原則是沿著路坑邊界找出變化較大的特征點(diǎn),連接此點(diǎn)至路坑中心即為特征曲線,以上均取5個(gè)特征射線進(jìn)行計(jì)算,從表4結(jié)果可以看出,1號、4號點(diǎn)誤差較大,2、3號點(diǎn)誤差較小,5號點(diǎn)誤差仍為0,因?yàn)榇颂幘w區(qū)域近似圓形,特征點(diǎn)變化不大。
表4 特征射線平均值算法計(jì)算半徑及誤差
如前所述,行車的危險(xiǎn)系數(shù)與車速呈指數(shù)關(guān)系,行車的危險(xiǎn)系數(shù)與路坑的半徑呈區(qū)域性的線性關(guān)系。所以在路況不好的情形下,尤其多路坑路面,行車的危險(xiǎn)系數(shù)與車速和路坑尺寸是符合二元非線性回歸分析模型,并且呈遞增性。
危險(xiǎn)系數(shù)(W)與車速(v)和路坑半徑(d)的函數(shù)關(guān)系表達(dá)為:
W=W1(v)+W2(d)
下面結(jié)合實(shí)際情況,做一種假設(shè):
①當(dāng)0 ②當(dāng)2/3r ③當(dāng)d>2r時(shí),W2隨著d增加而逐漸減小,即路坑大小遠(yuǎn)大于車輪大小,若路坑無積水可以減速通過。 以一般家用轎車為例,輪胎半徑=輪胎寬度×高寬比+輪胎內(nèi)半徑×25.4(單位:mm)。筆者駕駛的福瑞斯汽車輪胎標(biāo)有195/65R15字樣,則輪胎半徑=195×0.65+15×25.4/2=317.3 mm。與5個(gè)采集點(diǎn)相比較則可以給出參考通行意見(表5)。 表5 車輛遇坑通行情況參考(輪胎半徑為0.32m) 根據(jù)此分析結(jié)果,可與交通廣播、電子地圖或?qū)Ш杰浖舆M(jìn)行數(shù)據(jù)更新,及時(shí)提醒車主,避免事故發(fā)生。 對于有效解決路面修復(fù)的關(guān)鍵之處在于,提前知道道路破損程度,從而計(jì)算出所需材料,本次剔除道路其他破壞情況,就路坑修復(fù)而言,根據(jù)采集到的數(shù)據(jù)進(jìn)行解算。由于一般路坑形狀近似于圓錐體,故路坑土方量計(jì)算表達(dá)為: V=S×h/3 式中,V表示路坑土方量,S為坑口面積,h為坑深。 當(dāng)然,一般路坑并不是規(guī)則的圓錐體,即路坑不是定值,在此只能大概估計(jì),如果需要精細(xì)計(jì)算土方量,可以利用微積分方法計(jì)算坑的體積容量。根據(jù)道路施工經(jīng)驗(yàn),往往按照土方計(jì)算量的1.3倍準(zhǔn)備材料,即按照V=1.3(V1+V2+…+Vn)做好準(zhǔn)備,合理配置人力物力以及時(shí)間。本實(shí)驗(yàn)采集影像中路坑的土方量如表6所示。 表6 各點(diǎn)土方量計(jì)算結(jié)果 就本研究區(qū)域而言,采集的5個(gè)路坑總共土方量為V=1.3×(V1+V2+V3+V4+V5=0.20+0.01+0.03+0.02+0.02)=0.364 m3。因此需準(zhǔn)備0.364 m3的材料前去補(bǔ)修路坑,不僅做到定量科學(xué)化,避免材料的浪費(fèi),而且提高了工作效率。 如上所述,無論是安全預(yù)警還是道路修復(fù),利用無人機(jī)低空遙感技術(shù)具有可行性,如果將處理后的數(shù)據(jù)及時(shí)上報(bào)交通部門和市政部門,對防范交通事故和科學(xué)道路修復(fù)都有一定的現(xiàn)實(shí)意義。 通過無人機(jī)低空遙感技術(shù),對路面進(jìn)行影像采集,然后處理分析,大大提高了效率,降低了維護(hù)和保障道路安全及修復(fù)的成本,為實(shí)際生產(chǎn)生活帶來了便利,具體如下: (1)利用UAV技術(shù)采集路面影像數(shù)據(jù),即實(shí)惠又實(shí)用。充分發(fā)揮無人機(jī)的優(yōu)勢,方便快捷地采集數(shù)據(jù),降低了成本,提高了效率。 (2)通過專業(yè)的遙感和地理信息系統(tǒng)軟件處理影像數(shù)據(jù),即可靠又可行。數(shù)據(jù)的處理全部使用成熟的軟件進(jìn)行,過程不受人為因素影響,得到的數(shù)據(jù)與實(shí)際相符。 (3)采用地理數(shù)學(xué)建模方法進(jìn)行分析判斷,即精確又精細(xì)。對采集到的數(shù)據(jù)進(jìn)行深度挖掘,建立評判模型,提供精確精細(xì)的評判結(jié)果,經(jīng)得住實(shí)踐檢驗(yàn)。 (4)通過可視化表達(dá)形式向道路管理部門提供決策依據(jù),即易讀又易懂??梢暬磉_(dá)方式使道路管理者即用戶對研究結(jié)果一目了然,快速輔助決策,及時(shí)作出應(yīng)對,減少道路安全隱患帶來的事故和財(cái)產(chǎn)損失。5.2 道路修復(fù)
6 結(jié)論與展望