一种路面胀缩预警方法及系统与流程

1.本发明涉及计算机应用领域，尤其涉及一种路面胀缩预警方法及系统。


背景技术：

2.随着科学技术的不断前进发展，我国的经济也在走上坡路，得到了快速发展，随之而来公路上的交通车辆的数量在日益增加。道路路面裂缝和胀缩缝是影响道路工程质量的主要病害，路面出现裂缝及胀缩缝会影响道路的长期使用，一旦遭受暴雨或者地表水入侵，在车辆载荷的作用下，极容易导致路面强度下降，而且会诱发沉陷等问题，十分不利于行车安全。现有技术通过定期巡检对路面胀缩情况进行对应处理，存在路面胀缩问题发现不及时，进而无法第一时间进行处理，影响道路正常使用，甚至引发交通事故的技术问题。因此，利用计算机技术对路面胀缩情况进行实时监测，从而提高路面胀缩问题发现实时性，提高处理高效性等具有重要的意义。
3.然而，现有技术中通过定期巡检对路面胀缩情况进行对应处理，存在路面胀缩问题发现不及时，进而无法第一时间进行处理，影响道路正常使用，甚至引发交通事故的技术问题。


技术实现要素：

4.本发明的目的是提供一种路面胀缩预警方法及系统，用以解决现有技术中通过定期巡检对路面胀缩情况进行对应处理，存在路面胀缩问题发现不及时，进而无法第一时间进行处理，影响道路正常使用，甚至引发交通事故的技术问题。
5.鉴于上述问题，本发明提供了一种路面胀缩预警方法及系统。
6.第一方面，本发明提供了一种路面胀缩预警方法，所述方法通过一种路面胀缩预警系统实现，其中，所述方法包括：通过基于大数据采集历史路面胀缩数据，其中，所述历史路面胀缩数据中包括多组带有时间、位置标识的胀缩数据；对所述多组带有时间、位置标识的胀缩数据依次进行分析，得到历史胀缩分析结果；根据所述历史胀缩分析结果，得到胀缩影响因素集合，其中，所述胀缩影响因素集合包括多个胀缩影响因素；基于所述多个胀缩影响因素构建路面胀缩知识图谱；对目标路面进行多维度数据采集，得到目标路面数据；将所述目标路面数据渲染至所述路面胀缩知识图谱，得到目标路面胀缩知识图谱；基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。
7.第二方面，本发明还提供了一种路面胀缩预警系统，用于执行如第一方面所述的一种路面胀缩预警方法，其中，所述系统包括：数据采集模块，所述数据采集模块用于基于大数据采集历史路面胀缩数据，其中，所述历史路面胀缩数据中包括多组带有时间、位置标识的胀缩数据；数据分析模块，所述数据分析模块用于对所述多组带有时间、位置标识的胀缩数据依次进行分析，得到历史胀缩分析结果；因素确定模块，所述因素确定模块用于根据所述历史胀缩分析结果，得到胀缩影响因素集合，其中，所述胀缩影响因素集合包括多个胀缩影响因素；图谱构建模块，所述图谱构建模块用于基于所述多个胀缩影响因素构建路面
胀缩知识图谱；目标图谱预警模块，所述目标图谱预警模块包括：目标数据采集模块，所述目标数据采集模块用于对目标路面进行多维度数据采集，得到目标路面数据；目标图谱获得模块，所述目标图谱获得模块用于将所述目标路面数据渲染至所述路面胀缩知识图谱，得到目标路面胀缩知识图谱；目标图谱应用模块，所述目标图谱应用模块用于基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。
8.本发明中提供的一个或多个技术方案，至少具有如下技术效果或优点：通过基于大数据采集历史路面胀缩数据，其中，所述历史路面胀缩数据中包括多组带有时间、位置标识的胀缩数据；对所述多组带有时间、位置标识的胀缩数据依次进行分析，得到历史胀缩分析结果；根据所述历史胀缩分析结果，得到胀缩影响因素集合，其中，所述胀缩影响因素集合包括多个胀缩影响因素；基于所述多个胀缩影响因素构建路面胀缩知识图谱；对目标路面进行多维度数据采集，得到目标路面数据；将所述目标路面数据渲染至所述路面胀缩知识图谱，得到目标路面胀缩知识图谱；基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。通过利用大数据采集历史路面胀缩数据，并分析构建路面胀缩知识图谱，进而将目标路面的相关数据渲染至路面胀缩知识图谱中，得到目标路面胀缩知识图谱，实现了将路面实时胀缩情况可视化显示的技术目标。通过利用目标路面胀缩知识图谱对目标路面的胀缩相关数据进行实时直观显示，达到了提高路面胀缩预警的直观化、智能化程度，进而提高路面胀缩预警及时性、准确性的技术效果。
9.上述说明仅是本发明技术方案的概述，为了能够更清楚了解本发明的技术手段，而可依照说明书的内容予以实施，并且为了让本发明的上述和其它目的、特征和优点能够更明显易懂，以下特举本发明的具体实施方式。
附图说明
10.为了更清楚地说明本发明或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是示例性的，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据提供的附图获得其他的附图。
11.图1为本发明一种路面胀缩预警方法的流程示意图；图2为本发明一种路面胀缩预警方法中组建胀缩影响因素集合的流程示意图；图3为本发明一种路面胀缩预警方法中构建路面胀缩知识图谱的流程示意图；图4为本发明一种路面胀缩预警方法中组成路面胀缩知识元素集合的流程示意图；图5为本发明一种路面胀缩预警系统的结构示意图。
12.附图标记说明：数据采集模块m100，数据分析模块m200，因素确定模块m300，图谱构建模块m400，目标图谱预警模块m500，目标数据采集模块m510，目标图谱获得模块m520，目标图谱应用模块m530。
具体实施方式
13.本发明通过提供一种路面胀缩预警方法及系统，解决了现有技术中通过定期巡检
对路面胀缩情况进行对应处理，存在路面胀缩问题发现不及时，进而无法第一时间进行处理，影响道路正常使用，甚至引发交通事故的技术问题。通过利用目标路面胀缩知识图谱对目标路面的胀缩相关数据进行实时直观显示，达到了提高路面胀缩预警的直观化、智能化程度，进而提高路面胀缩预警及时性、准确性的技术效果。
14.本发明技术方案中对数据的获取、存储、使用、处理等均符合国家法律法规的相关规定。
15.下面，将参考附图对本发明中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本发明的一部分实施例，而不是本发明的全部实施例，应理解，本发明不受这里描述的示例实施例的限制。基于本发明的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本发明相关的部分而非全部。
16.实施例一请参阅附图1，本发明提供了一种路面胀缩预警方法，其中，所述方法应用于一种路面胀缩预警系统，所述方法具体包括如下步骤：步骤s100：基于大数据采集历史路面胀缩数据，其中，所述历史路面胀缩数据中包括多组带有时间、位置标识的胀缩数据；具体而言，所述一种路面胀缩预警方法应用于所述一种路面胀缩预警系统，可以通过利用大数据采集历史路面胀缩数据，并分析构建路面胀缩知识图谱，进而将目标路面的相关数据渲染至路面胀缩知识图谱中，得到目标路面胀缩知识图谱，实现将路面实时胀缩情况可视化显示的目标。
17.所述历史路面胀缩数据是指基于大数据采集到的历史各次路面发生胀缩故障时的记录数据，包括各类道路、各个时间发生的路面胀缩类故障。示范性的如某城市在某年某月某日发生的道路胀缩事件，事件诱因、造成后果、解决方案等。所述历史路面胀缩数据中包括的历史路面胀缩数据中每次历史路面胀缩数据均包括对应的路面胀缩发生的时间、地点，也就是说，所述历史路面胀缩数据包括多组带有时间、位置标识的胀缩数据。通过基于大数据采集历史路面胀缩数据，达到了为后续构建路面胀缩知识图谱提供数据基础的技术效果。
18.步骤s200：对所述多组带有时间、位置标识的胀缩数据依次进行分析，得到历史胀缩分析结果；步骤s300：根据所述历史胀缩分析结果，得到胀缩影响因素集合，其中，所述胀缩影响因素集合包括多个胀缩影响因素；进一步的，如附图2所示，本发明步骤s300还包括：步骤s310：提取所述历史胀缩分析结果中多次历史胀缩的多个分析结果；步骤s320：根据所述多个分析结果，构建历史胀缩指标-事件散点图，其中，所述历史胀缩指标-事件散点图包括多个指标-事件散点图；进一步的，本发明还包括如下步骤：步骤s321：基于大数据组建胀缩指标集合，其中，所述胀缩指标集合包括多个胀缩指标；步骤s322：基于所述多个胀缩指标，对所述多个分析结果依次进行指标参数提取，
得到多组指标参数；步骤s323：根据所述多组指标参数与所述多次历史胀缩的映射关系，构建所述多个指标-事件散点图，并组成所述历史胀缩指标-事件散点图。
19.步骤s330：利用spss对所述多个指标-事件散点图依次进行相关性分析，得到多个相关性分析结果；步骤s340：筛选所述多个相关性分析结果中，相关性符合预设相关性要求的结果，并反向匹配得到多个指标；步骤s350：根据所述多个指标，组建所述胀缩影响因素集合。
20.具体而言，在对历史各次路面胀缩事件进行分析，得到对应事件分析结果前，首先，基于大数据分析得到路面胀缩相关的指标，并组建所述胀缩指标集合。然后，基于所述胀缩指标集合中的各个胀缩指标，对历史各次路面胀缩事件进行数据对应提取，从而得到各次历史路面胀缩事件的指标参数，即得到多组指标参数。接着根据所述多组指标参数与所述多次历史胀缩的映射关系构建所述多个指标-事件散点图，并组成所述历史胀缩指标-事件散点图。示范性的如道路材料、路面胀缩事件发生时的环境温度、环境湿度等指标与对应事件的散点关系图。
21.进一步的，提取所述历史胀缩分析结果中多次历史胀缩的多个分析结，并根据所述多个分析结果，构建历史胀缩指标-事件散点图，其中，所述历史胀缩指标-事件散点图包括多个指标-事件散点图。接着，利用spss等数据处理分析软件对所述多个指标-事件散点图依次进行相关性分析，得到多个相关性分析结果。进而，筛选所述多个相关性分析结果中，相关性符合预设相关性要求的结果，并反向匹配得到多个指标。示范性的如筛选显著相关的指标，组成胀缩影响因素集合。
22.通过对历史路面胀缩数据进行分析，从而得到影响路面胀缩的指标因素，实现了对路面胀缩进行全面、科学、直观的影响因素分析的技术目标，并为后续构建路面胀缩知识图谱提供了指标因素基础。
23.进一步的，如附图3所示，本发明还包括步骤s360：步骤s361：利用网络爬虫技术对所述多个胀缩影响因素依次进行数据爬取，得到目标数据集合；步骤s362：对所述目标数据集合中的目标数据进行分词处理，得到数据分词结果，其中，所述数据分词结果包括多个分词文本；步骤s363：筛选所述多个分词文本中满足预设文本要求的文本，组成关键文本集合；步骤s364：将所述关键文本集合作为路面胀缩知识元素集合，并根据所述路面胀缩知识元素集合构建所述路面胀缩知识图谱。
24.进一步的，如附图4所示，本发明步骤s364还包括：步骤s3641：获得第一预设分词要求；步骤s3642：将所述多个分词文本中满足所述第一预设分词要求的分词文本进行剔除，得到剔除结果；步骤s3643：获得第二预设分词要求；步骤s3644：将所述剔除结果中满足所述第二预设分词要求的分词文本进行提取，
得到提取结果；步骤s3645：对所述提取结果中的分词文本进行类别划分，得到分词分类结果，其中，所述分词分类结果包括概念分词、属性分词、关系分词；步骤s3646：将所述概念分词作为概念知识元素、将所述属性分词作为属性知识元素、将所述关系分词作为关系知识元素，并组成所述路面胀缩知识元素集合。
25.具体而言，在分析确定了影响路面胀缩故障的所述胀缩影响因素集合之后，通过利用网络爬虫技术对所述多个胀缩影响因素依次进行数据爬取，即得到与所述胀缩影响因素集合中各个胀缩影响因素相关的网络数据知识，从而组建得到目标数据集合。接着，对所述目标数据集合中的目标数据进行分词处理，得到数据分词结果，其中，所述数据分词结果包括多个分词文本。示范性的如将pdf、图片等格式的数据进行利用ocr文字识别技术进行识别，进而利用jieba分词技术进行分词处理，从而得到数据的分词结果。
26.进一步，对分词处理后得到的多个分词文本进行筛选处理，筛选处理后留下的分词文本组成所述关键文本集合。首先将所述多个分词文本中满足所述第一预设分词要求的分词文本进行剔除，得到剔除结果。其中，所述第一预设分词要求是指数据文本中的停用词文本，示范性的如“等等”、“和”、“此外”、“例如”等词语。接下来，将所述剔除结果中满足所述第二预设分词要求的分词文本进行提取，得到提取结果。其中，所述第二预设分词要求是指不属于路面胀缩故障的影响因素及影响因素相关属性、关系类的文本。最后，对所述提取结果中的分词文本进行类别划分，得到分词分类结果，其中，所述分词分类结果包括概念分词、属性分词、关系分词，并将所述概念分词作为概念知识元素、将所述属性分词作为属性知识元素、将所述关系分词作为关系知识元素，并组成所述路面胀缩知识元素集合。最后，将所述关键文本集合作为路面胀缩知识元素集合，并根据所述路面胀缩知识元素集合构建所述路面胀缩知识图谱。
27.通过筛选分析得到路面胀缩知识元素集合，进而构建得到路面胀缩知识图谱，通过剔除无用数据文本，避免了后续构建的路面胀缩知识图谱大而无用，且影响系统运行性能。
28.步骤s400：基于所述多个胀缩影响因素构建路面胀缩知识图谱；步骤s500：对目标路面进行多维度数据采集，得到目标路面数据；步骤s600：将所述目标路面数据渲染至所述路面胀缩知识图谱，得到目标路面胀缩知识图谱；步骤s700：基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。
29.具体而言，基于分析筛选得到的所述多个胀缩影响因素构建路面胀缩知识图谱之后，首先对目标路面进行多维度数据采集，得到目标路面数据。其中，所述目标路面是指任意一个待使用所述路面胀缩预警系统进行路面胀缩智能监测和预警的路面。进一步的，将所述目标路面数据渲染至所述路面胀缩知识图谱，从而得到目标路面胀缩知识图谱，最后，基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。实现了基于知识图谱的路面胀缩数据实时监测，提高路面胀缩监测直观性、可靠性的技术效果。
30.进一步的，本发明还包括如下步骤：步骤s810：获得路面胀缩预警；步骤s820：基于大数据组建胀缩故障数据集；
进一步的，本发明还包括如下步骤：步骤s821：基于大数据组建路面胀缩故障集，其中，所述路面胀缩故障集包括多种路面胀缩故障；步骤s822：依次对所述多种路面胀缩故障中各种路面胀缩故障进行分析，得到多组故障特征；步骤s823：根据所述多组故障特征，依次分析得到多个故障处理方案；步骤s824：根据所述多种路面胀缩故障、所述多组故障特征、所述多个故障处理方案之间的映射关系，组建所述胀缩故障数据集。
31.步骤s830：基于所述路面胀缩故障预警，在所述胀缩故障数据集中遍历得到目标胀缩故障类型；步骤s840：匹配所述目标胀缩故障类型的目标故障处理方案，并根据所述处理方案进行路面胀缩故障处理。
32.具体而言，在基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预，并获得路面胀缩预警后，结合大数据分析当前预警的路面胀缩的类型，并针对性制定故障解决和处理方案。首先，基于大数据组建胀缩故障数据集，从而将所述路面胀缩故障预警，在所述胀缩故障数据集中进行遍历，并得到目标胀缩故障类型。其中，所述胀缩故障数据集基于大数据组建路面胀缩故障集，其中，所述路面胀缩故障集包括多种路面胀缩故，接着，依次对所述多种路面胀缩故障中各种路面胀缩故障进行分析，得到多组故障特征，根据所述多组故障特征，依次分析得到多个故障处理方案，并根据所述多种路面胀缩故障、所述多组故障特征、所述多个故障处理方案之间的映射关系，组建所述胀缩故障数据集。进一步的，匹配所述目标胀缩故障类型的目标故障处理方案，并根据所述处理方案进行路面胀缩故障处理。
33.通过结合大数据组建胀缩故障数据集，为路面胀缩预警的遍历分析提供数据库基础，进而提高处理方案的可靠性、贴近现实性的技术效果。
34.综上所述，本发明所提供的一种路面胀缩预警方法具有如下技术效果：通过基于大数据采集历史路面胀缩数据，其中，所述历史路面胀缩数据中包括多组带有时间、位置标识的胀缩数据；对所述多组带有时间、位置标识的胀缩数据依次进行分析，得到历史胀缩分析结果；根据所述历史胀缩分析结果，得到胀缩影响因素集合，其中，所述胀缩影响因素集合包括多个胀缩影响因素；基于所述多个胀缩影响因素构建路面胀缩知识图谱；对目标路面进行多维度数据采集，得到目标路面数据；将所述目标路面数据渲染至所述路面胀缩知识图谱，得到目标路面胀缩知识图谱；基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。通过利用大数据采集历史路面胀缩数据，并分析构建路面胀缩知识图谱，进而将目标路面的相关数据渲染至路面胀缩知识图谱中，得到目标路面胀缩知识图谱，实现了将路面实时胀缩情况可视化显示的技术目标。通过利用目标路面胀缩知识图谱对目标路面的胀缩相关数据进行实时直观显示，达到了提高路面胀缩预警的直观化、智能化程度，进而提高路面胀缩预警及时性、准确性的技术效果。
35.实施例二基于与前述实施例中一种路面胀缩预警方法，同样发明构思，本发明还提供了一种路面胀缩预警系统，请参阅附图5，所述系统包括：
数据采集模块m100，所述数据采集模块m100用于基于大数据采集历史路面胀缩数据，其中，所述历史路面胀缩数据中包括多组带有时间、位置标识的胀缩数据；数据分析模块m200，所述数据分析模块m200用于对所述多组带有时间、位置标识的胀缩数据依次进行分析，得到历史胀缩分析结果；因素确定模块m300，所述因素确定模块m300用于根据所述历史胀缩分析结果，得到胀缩影响因素集合，其中，所述胀缩影响因素集合包括多个胀缩影响因素；图谱构建模块m400，所述图谱构建模块m400用于基于所述多个胀缩影响因素构建路面胀缩知识图谱；目标图谱预警模块m500，所述目标图谱预警模块m500包括：目标数据采集模块m510，所述目标数据采集模块m510用于对目标路面进行多维度数据采集，得到目标路面数据；目标图谱获得模块m520，所述目标图谱获得模块m520用于将所述目标路面数据渲染至所述路面胀缩知识图谱，得到目标路面胀缩知识图谱；目标图谱应用模块m530，所述目标图谱应用模块m530用于基于所述目标路面胀缩知识图谱进行所述目标路面的胀缩预警。
36.进一步的，所述系统中的所述因素确定模块m300还用于：提取所述历史胀缩分析结果中多次历史胀缩的多个分析结果；根据所述多个分析结果，构建历史胀缩指标-事件散点图，其中，所述历史胀缩指标-事件散点图包括多个指标-事件散点图；利用spss对所述多个指标-事件散点图依次进行相关性分析，得到多个相关性分析结果；筛选所述多个相关性分析结果中，相关性符合预设相关性要求的结果，并反向匹配得到多个指标；根据所述多个指标，组建所述胀缩影响因素集合。
37.进一步的，所述系统中的所述因素确定模块m300还用于：基于大数据组建胀缩指标集合，其中，所述胀缩指标集合包括多个胀缩指标；基于所述多个胀缩指标，对所述多个分析结果依次进行指标参数提取，得到多组指标参数；根据所述多组指标参数与所述多次历史胀缩的映射关系，构建所述多个指标-事件散点图，并组成所述历史胀缩指标-事件散点图。
38.进一步的，所述系统中的所述因素确定模块m300还用于：利用网络爬虫技术对所述多个胀缩影响因素依次进行数据爬取，得到目标数据集合；对所述目标数据集合中的目标数据进行分词处理，得到数据分词结果，其中，所述数据分词结果包括多个分词文本；筛选所述多个分词文本中满足预设文本要求的文本，组成关键文本集合；将所述关键文本集合作为路面胀缩知识元素集合，并根据所述路面胀缩知识元素集合构建所述路面胀缩知识图谱。
39.进一步的，所述系统中的所述因素确定模块m300还用于：
获得第一预设分词要求；将所述多个分词文本中满足所述第一预设分词要求的分词文本进行剔除，得到剔除结果；获得第二预设分词要求；将所述剔除结果中满足所述第二预设分词要求的分词文本进行提取，得到提取结果；对所述提取结果中的分词文本进行类别划分，得到分词分类结果，其中，所述分词分类结果包括概念分词、属性分词、关系分词；将所述概念分词作为概念知识元素、将所述属性分词作为属性知识元素、将所述关系分词作为关系知识元素，并组成所述路面胀缩知识元素集合。
40.进一步的，所述系统还包括故障处理模块，用于：获得路面胀缩预警；基于大数据组建胀缩故障数据集；基于所述路面胀缩故障预警，在所述胀缩故障数据集中遍历得到目标胀缩故障类型；匹配所述目标胀缩故障类型的目标故障处理方案，并根据所述处理方案进行路面胀缩故障处理。
41.进一步的，所述系统中的所述故障处理模块还用于：基于大数据组建路面胀缩故障集，其中，所述路面胀缩故障集包括多种路面胀缩故障；依次对所述多种路面胀缩故障中各种路面胀缩故障进行分析，得到多组故障特征；根据所述多组故障特征，依次分析得到多个故障处理方案；根据所述多种路面胀缩故障、所述多组故障特征、所述多个故障处理方案之间的映射关系，组建所述胀缩故障数据集。
42.本说明书中各个实施例采用递进的方式描述，每个实施例重点说明的都是与其他实施例的不同之处，前述图1实施例一中的一种路面胀缩预警方法和具体实例同样适用于本实施例的一种路面胀缩预警系统，通过前述对一种路面胀缩预警方法的详细描述，本领域技术人员可以清楚的知道本实施例中一种路面胀缩预警系统，所以为了说明书的简洁，在此不再详述。对于实施例公开的装置而言，由于其与实施例公开的方法相对应，所以描述的比较简单，相关之处参见方法部分说明即可。
43.对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所公开的原理和新颖特点相一致的最宽的范围。
44.显然，本领域的技术人员可以对本发明进行各种改动和变型而不脱离本发明的精神和范围。这样，倘若本发明的这些修改和变型属于本发明及其等同技术的范围之内，则本发明也意图包含这些改动和变型在内。