[0001] 本发明涉及机器学习技术领域，具体是涉及一种行车道路信息实时分析预测方法及系统。

[0002] 行车道路信息是指道路表面及其结构的当前物理和功能性状况，包括路面平整度、裂缝、坑洞、车辙、磨损程度等物理特征，以及道路的承载能力、抗滑性和排水性能等功能性指标，这些因素共同决定了道路的安全性、舒适度和耐用性，是道路管理和维护的重要依据。

[0003] 现有的行车道路信息主要是通过UGC众包数据针对行车道路信息进行更新上传，但该类方式不适用于地区偏远的行车道路，在面对农村与偏远山区时，由于没有携带UGC的车辆对该行车道路进行更新，使该路段时信息不全面，不能为道路管理和维护提供决策信息。

[0015] 以下描述用于揭露本发明以使本领域技术人员能够实现本发明。以下描述中的优选实施例只作为举例，本领域技术人员可以想到其他显而易见的变型。

[0016] 参照图1所示，一种行车道路信息实时分析预测方法，包括：基于物联网监控设备，获取行车道路历史交通流数据；
基于历史行车道路交通流数据，根据历史交通流数据中的通行特征，预测未来行车道路车流变率；
确定行车道路的修建材料与理想使用年限；
根据行车道路的修建材料与理想使用年限进行分析，行车道路的初始化性能；
基于环境因素，评估在环境因素影响下的行车道路基础性能下降系数，并对行车道路的初始化性能进行更新，获得更新行车道路性能；
基于预测未来行车道路车流变率与更新行车道路性能，针对行车道路进行评估，获得道路的损耗指标，并建立行车道路线性分析模型，预测行车道路维护需求。

[0017] 本方案基于物联网(IoT)技术监控和收集交通流数据，并根据交通流数据的历史趋势分析预测未来的车流量变化。同时，考虑道路的修建材料、设计寿命以及所在地区的环境因素，评估道路的初始性能和在环境影响下的性能下降系数，并针对各个行车道路更新道路的当前状态，通过预测的车流量确定道路的损耗指标。根据道路的损耗指标影响下的发展趋势，建立一个道路状态分析模型，以预测并规划未来的道路维护需求。

[0018] 参照图2所示，基于行车道路历史交通流数据，根据历史交通流数据中的通行特征，预测未来行车道路车流变率具体包括：基于历史行车道路交通流数据，筛选出若干个对交通流量影响关联的特征数据；
所述对交通流量影响关联的特征数据包括：时间特征和天气特征和特殊事件特征；
建立行车道路车流量预测模型；
基于行车道路车流量预测模型，将若干个对交通流量影响关联的特征数据作为影响条件，以历史行车道路历史交通流编号集合中的行车道路的历史交通流作为输入，以预测时间节点下对应的未来行车道路交通流作为输出；
基于预测时间节点下对应的未来行车道路交通流，对每一个道路进行编号，获得未来行车道路交通流编号集合L， ，其中 为第 个时间节点上第 个未
来行车道路预测交通流，为时间节点，为时间节点的总数，为行车道路的总数；
基于未来行车道路交通流编号集合中每一个未来行车道路交通流与历史行车道路交通流，计算每一个行车道路的车流变率；
其中，行车道路车流量预测模型表达式为：
式中， 为第 个时间节点上第i个行车道路的车流变率， 为未来时间节点，为历史时间节点，V()为行车道路车流量预测模型函数，该模型为LSTM神经网络模型， 为预测第 个时间节点上第 个未来行车道路交通流， 历史第 个
时间节点上第 个行车道路交通流实际值。

[0019] 通过分析历史行车道路交通流数据，筛选出关键的影响因素，如时间、天气和特殊事件特征，建立一个车流量预测模型。该模型能够利用这些特征作为影响条件，输入历史交通流数据，输出预测时间节点下的未来交通流，并根据历史交通流数据和未来交通流计算与历史交通流的变化率，为后续流程分析提供数据支持。

[0020] 参照图3基于环境因素，评估在环境因素影响下的行车道路基础性能下降系数，并对行车道路的初始化性能进行更新，获得更新行车道路性能具体包括：基于行车道路修建材料与理想使用年限，分析在理想使用年限下行车道路修建材料的衰退状态，确定行车道路的基础性能下降系数；
基于气象数据，针对历史气象数据进行量化处理，获得若干个环境因素量化指标；
所述环境因素至少包括：温度温差、降水量；
根据行车道路修建材料，确定行车道路因对环境变化的最大能力；
基于行车道路因对环境变化的最大能力，筛选出环境因素量化指标大于行车道路因对环境变化的最大能力的事件，记为环境因素溢值；
根据环境因素溢值超出行车道路因对环境变化的最大能力的频率为每一个环境因素分配权重；
基于环境因素权重与环境因素溢值，计算在环境因素影响下的行车道路环境因素影响指数；
基于行车道路环境因素影响指数对基础性能下降系数进行修正；
根据修正基础性能下降系数，通过性能修正公式，对行车道路的性能进行更新；
其中，性能修正公式为：
式中，为更新后行车道路的性能， 为行车道路的初始化性
能，为使用年限， 为修正基础性能下降系数， 为行车道路的基础性能下降系数，为行车道路环境因素影响指数， 为第j个环境因素权重， 为第j个环境因素溢值，n为超出行车道路因对环境变化的最大能力的环境因素总次数，为自然对数。

[0021] 可以理解的是，本方案通过分析环境因素得到环境因素影响指数后，对行车道路自身的基础性能下降系数进行修正，保证了行车道路自身的基础性能下降系数的准确性，减少其他数据的干扰，避免后续分析因数据问题导致结果不准确。

[0022] 参照图4所示，基于预测未来行车道路车流变率与行车道路性能，针对行车道路进行评估，获得道路的损耗指标，并建立行车道路线性分析模型，预测行车道路维护需求具体包括：根据预测未来行车道路车流变率，分析在行车道路车流变率影响下的行车道路性能下降趋势；
建立行车道路线性分析模型；
基于行车道路线性分析模型，将行车道路车流变率影响下的行车道路性能下降趋势输入，以行车道路的损耗指标作为输出，筛选出行车道路的损耗指标临近行车道路理想阈值的行车道路，标记为待维护行车道路；
其中，行车道路线性分析模型表达式为：
式中，为行车道路的损耗指标， 为在行车道路车流
变率影响下第 个时间节点上行车道路的性能， 为行车道路车流变率影响下第t‑1个时间节点上行车道路性能指标， 、 、 均为模型的系数。

[0023] 可理解的是，损耗指标 的计算方法是基于道路性能指标 在连续两个时间点t和t‑1之间的相对变化。这种计算方式通过取当前时间点的性能指标 与前一时间点的性能指标 之间的差值，然后除以前一时间点的性能指标  ，从而得到一个百分比值。这个百分比值反映了从时间t‑1到时间t期间道路性能的下降程度。损耗指标 是一个相对性能变化的度量，它能够量化并突出显示道路性能在连续时间段内的变化情况，而不是仅仅考虑某个时间点的绝对性能水平。这种方法有助于识别道路性能下降的趋势，并为道路维护和修复工作提供决策支持。

[0024] 参照图5所示，基于一种行车道路信息实时分析预测方法相同发明构思，提出一种行车道路信息实时分析预测系统，包括：交通流采集模块，交通流采集模块用于基于物联网监控设备，获取行车道路历史交通流数据；
车流变率模块，车流变率模块与交通流采集模块无线连接，车流变率模块用于基于历史行车道路交通流数据，根据历史交通流数据中的通行特征，预测未来行车道路车流变率；
道路数据采集模块，道路数据采集模块用于确定行车道路的修建材料与理想使用年限；
初始化模块，初始化模块与道路数据采集模块电性连接，初始化模块用于根据行车道路的修建材料与理想使用年限进行分析，行车道路的初始化性能；
性能更新模块，性能更新模块与初始化模块电性连接，性能更新模块用于基于环境因素，评估在环境因素影响下的行车道路基础性能下降系数，并对行车道路的初始化性能进行更新，获得更新行车道路性能；
维护需求模块，维护需求模块与性能更新模块和车流变率模块电性连接，维护需求模块用于基于预测未来行车道路车流变率与更新行车道路性能，针对行车道路进行评估，获得道路的损耗指标，并建立行车道路线性分析模型，预测行车道路维护需求。

[0025] 车流变率模块内部包括：特征筛选单元，基于历史行车道路交通流数据，筛选出若干个对交通流量影响关联的特征数据；所述对交通流量影响关联的特征数据包括：时间特征和天气特征和特殊事件特征；
第一模型构建单元，建立行车道路车流量预测模型；
第一模型预测单元，基于行车道路车流量预测模型，将若干个对交通流量影响关联的特征数据作为影响条件，以历史行车道路历史交通流编号集合中的行车道路的历史交通流作为输入，以预测时间节点下对应的未来行车道路交通流作为输出；
交通流集合单元，基于预测时间节点下对应的未来行车道路交通流，对每一个道路进行编号，获得未来行车道路交通流编号集合；
车流变率计算单元，基于未来行车道路交通流编号集合中每一个未来行车道路交通流与历史行车道路交通流，计算每一个行车道路的车流变率。

[0026] 性能更新模块内部包括：基础下降系数单元，基于行车道路修建材料与理想使用年限，分析在理想使用年限下行车道路修建材料的衰退状态，确定行车道路的基础性能下降系数；
环境因素量化单元，基于气象数据，针对历史气象数据进行量化处理，获得若干个环境因素量化指标；
道路最大能力单元，根据行车道路修建材料，确定行车道路因对环境变化的最大能力；
环境溢值单元，基于行车道路因对环境变化的最大能力，筛选出环境因素量化指标大于行车道路因对环境变化的最大能力的事件，记为环境因素溢值；
权重分配单元，根据环境因素溢值超出行车道路因对环境变化的最大能力的频率为每一个环境因素分配权重；
影响指数计算单元，基于环境因素权重与环境因素溢值，计算在环境因素影响下的行车道路环境因素影响指数；
修正单元，基于行车道路环境因素影响指数对基础性能下降系数进行修正；
更新单元，根据修正基础性能下降系数，通过性能修正公式，对行车道路的性能进行更新。

[0027] 维护需求模块内部包括：下降趋势单元，根据预测未来行车道路车流变率，分析在行车道路车流变率影响下的行车道路性能下降趋势；
第二模型构建单元，建立行车道路线性分析模型；
第二模型预测单元，基于行车道路线性分析模型，将行车道路车流变率影响下的行车道路性能下降趋势输入，以行车道路的损耗指标作为输出，筛选出行车道路的损耗指标临近行车道路理想阈值的行车道路，标记为待维护行车道路。

[0028] 一种行车道路信息实时分析预测系统的使用过程为：步骤1：基于物联网监控设备，获取行车道路历史交通流数据；
步骤2：基于历史行车道路交通流数据，筛选出若干个对交通流量影响关联的特征数据；所述对交通流量影响关联的特征数据包括：时间特征和天气特征和特殊事件特征；
步骤3：建立行车道路车流量预测模型；
步骤4：基于行车道路车流量预测模型，将若干个对交通流量影响关联的特征数据作为影响条件，以历史行车道路历史交通流编号集合中的行车道路的历史交通流作为输入，以预测时间节点下对应的未来行车道路交通流作为输出；
步骤5：基于预测时间节点下对应的未来行车道路交通流，对每一个道路进行编号，获得未来行车道路交通流编号集合；
步骤6：基于未来行车道路交通流编号集合中每一个未来行车道路交通流与历史行车道路交通流，计算每一个行车道路的车流变率；
步骤7：确定行车道路的修建材料与理想使用年限；
步骤8：根据行车道路的修建材料与理想使用年限进行分析，行车道路的初始化性能；
步骤9：基于行车道路修建材料与理想使用年限，分析在理想使用年限下行车道路修建材料的衰退状态，确定行车道路的基础性能下降系数；
步骤10：基于气象数据，针对历史气象数据进行量化处理，获得若干个环境因素量化指标；
步骤11：根据行车道路修建材料，确定行车道路因对环境变化的最大能力；
步骤12：基于行车道路因对环境变化的最大能力，筛选出环境因素量化指标大于行车道路因对环境变化的最大能力的事件，记为环境因素溢值；
步骤13：根据环境因素溢值超出行车道路因对环境变化的最大能力的频率为每一个环境因素分配权重；
步骤14：基于环境因素权重与环境因素溢值，计算在环境因素影响下的行车道路环境因素影响指数；
步骤15：基于行车道路环境因素影响指数对基础性能下降系数进行修正；
步骤16：根据修正基础性能下降系数，通过性能修正公式，对行车道路的性能进行更新；
步骤17：根据预测未来行车道路车流变率，分析在行车道路车流变率影响下的行车道路性能下降趋势；
步骤18：建立行车道路线性分析模型；
步骤19：基于行车道路线性分析模型，将行车道路车流变率影响下的行车道路性能下降趋势输入，以行车道路的损耗指标作为输出，筛选出行车道路的损耗指标临近行车道路理想阈值的行车道路，标记为待维护行车道路。

[0029] 综上所述，本发明的优点在于：通过物联网技术收集行车道路的交通流数据，运用数据分析和机器学习算法预测未来的车流变率，结合道路材料特性和环境因素评估道路性能，计算损耗指标，并建立线性模型预测维护需求，实现对行车道路性能的智能化评估和维护决策支持。

[0030] 以上显示和描述了本发明的基本原理、主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是本发明的原理，在不脱离本发明精神和范围的前提下本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明的范围内。本发明要求的保护范围由所附的权利要求书及其等同物界定。