1.本技术涉及路面养护技术领域，尤其涉及一种隧道内的路面养护方法及设备。
背景技术：2.随着交通行业的不断发展，道路四通八达，过去道路大多在地面铺设，尽量绕开山丘、沟壑等复杂地形。如今，建设道路的技术的发展，为缩短两地之间的间隔，人们开始凿山修路，修出一条条贯穿高山的隧道。
3.隧道的出现，减少了人们出行时间，给人们带来的便利。隧道的常年高强度使用下，隧道的路面将发生损坏，而隧道的行驶环境十分复杂，若不能对隧道进行合理的安排修复，不仅会影响隧道通行效率，也可能威胁驾驶人员的生命安全。
技术实现要素：4.为解决上述问题，本技术实施例提供了一种隧道内的路面养护方法及设备，用于提供合理修复隧道的养护信息，保障隧道通行效率以及驾驶人员的生命安全。
5.一方面，本技术实施例提供了一种隧道内的路面养护方法，该方法包括：
6.获取来自图像采集设备的若干实时路面监控图像及相应的采集信息。将各路面监控图像输入预设的损坏路面识别模型，以确定路面监控图像对应的监控路面是否为待养护路面。在确定路面监控图像对应的监控路面为待养护路面的情况下，根据路面监控图像的采集信息，确定待养护路面对应的隧道位置、路面损坏时间。基于待养护路面对应隧道的历史行驶数据及隧道的可替换路径的历史行驶数据，确定隧道的车流量权重集合。其中，可替换路径的可达目的地处于隧道位置的下行路线和/或上行路线或者处于隧道的下行路线的可达延长线和/或上行路线的可达延长线。基于路面监控图像、路面损坏时间及车流量权重集合，确定隧道的路面养护信息，并将路面养护信息发送至养护终端。
7.在本技术的一种实现方式中，通过损坏路面识别模型，确定各路面监控图像中损坏路面对应的损坏图像帧。识别各损坏图像帧对应的损坏标签。其中，损坏标签至少包括以下一项或多项：沉陷、车辙、开裂、缩裂、渗水。基于各损坏标签，确定监控路面的损坏程度是否大于预设阈值。在确定监控路面的损坏程度大于预设阈值的情况下，将监控路面作为待养护路面。
8.在本技术的一种实现方式中，确定各损坏标签相应的损坏程度比对图像。其中，一个损坏标签至少存在两个损坏程度比对图像。预设阈值处于两个损坏程度比对图像相应的损坏程度值对应区间内。将损坏标签相应的损坏图像帧，与各损坏程度比对图像匹配，以根据匹配结果，确定损坏标签对应的损坏程度值。其中，损坏程度值根据匹配的损坏程度比对图像确定。根据各损坏标签对应的损坏权重及相应的损坏程度值，确定监控路面的损坏程度是否大于预设阈值。
9.在本技术的一种实现方式中，根据隧道的历史行驶数据，确定隧道的第一平均车流量。根据各可替换路径的历史行驶数据，确定各可替换路径相应的第二平均车流量。基于
第一平均车流量及各第二平均车流量，确定相应的第一车流量权重。基于隧道的历史行驶数据，确定隧道的若干预设时间段的第三平均车流量，以根据第三平均车流量，确定隧道的若干第二车流量权重。根据隧道的第一车流量权重及各第二车流量权重，确定车流量权重集合。
10.在本技术的一种实现方式中，确定第一平均车流量及各第二平均车流量的车流平均值。根据车流平均值、第一平均车流量及各第二平均车流量，确定第一平均车流量及各第二平均车流量相应的第一车流量权重。
11.在本技术的一种实现方式中，通过预设的损坏类型识别模型，确定路面监控图像的路面损坏类型。根据路面损坏类型，确定隧道的修复时长。根据路面损坏时间、车流量权重集合及各可替换路径的车流量权重集合，确定第一预设时间内若干第三车流量权重序列。确定各第三车流量权重序列中，隧道的第三车流量权重满足权重最小值的时间段，为待定修复时段。确定待定修复时段，可替换路径的第一车流量权重是否大于隧道的第一车流量权重。在可替换路径的第一车流量权重大于隧道的第一车流量权重的情况下，将待定修复时段作为修复时段。否则，剔除权重最小值，并确定剔除后的第三车流量权重序列中权重最小值对应的时间段，为待定修复时段，直至确定修复时段。在修复时段小于修复时长的情况下，确定m个第m预设时间内的修复时段，直至各修复时段的和值大于修复时长，确定各修复时段为路面养护信息。其中，m为自然数。
12.在本技术的一种实现方式中，获取区块链平台中的若干路面损坏图像及其对应的路面损坏类型。将各路面损坏图像作为训练样本、将其对应的路面损坏类型作为训练样本的训练标签，输入预设的神经网络识别模型。在神经网络识别模型的损失函数小于预设值的情况下，确定训练后的神经网络识别模型为损坏类型识别模型。
13.在本技术的一种实现方式中，获取若干样本数据图像，并将各样本数据图像及相应的损坏程度比对图像，输入预设分类器，以对分类器训练。其中，分类器将样本数据至少分为与损坏程度比对图像的数量一致的多个图像组合。图像组合中的损坏程度值与相应的损坏程度比对图像的损坏程度值匹配。通过分类器，匹配损坏图像帧对应的图像组合，以根据匹配的图像组合，确定损坏图像帧对应的损坏程度值。
14.在本技术的一种实现方式中，在确定监控路面的损坏程度小于或等于预设阈值的情况下，将监控路面中的损坏图像帧发送至养护终端。
15.另一方面，本技术实施例提供了一种隧道内的路面养护设备，该设备包括：
16.至少一个处理器；以及，与至少一个处理器通信连接的存储器。其中，存储器存储有能够被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
17.获取来自图像采集设备的若干实时路面监控图像及相应的采集信息。将各路面监控图像输入预设的损坏路面识别模型，以确定路面监控图像对应的监控路面是否为待养护路面。在确定路面监控图像对应的监控路面为待养护路面的情况下，根据路面监控图像的采集信息，确定待养护路面对应的隧道位置、路面损坏时间。基于待养护路面对应隧道的历史行驶数据及隧道的可替换路径的历史行驶数据，确定隧道的车流量权重集合。其中，可替换路径的可达目的地处于隧道位置的下行路线和/或上行路线或者处于隧道的下行路线的可达延长线和/或上行路线的可达延长线。基于路面监控图像、路面损坏时间及车流量权重
集合，确定隧道的路面养护信息，并将路面养护信息发送至养护终端。
18.通过上述方案，本技术利用隧道的路面监控图像及采集信息，进行确定隧道路面是否需要养护，然后根据隧道的历史行驶数据及位置的相关信息，确定该隧道及其可替换路径的车流量权重集合。进而通过图像识别技术，确定路面修复时长，并进行确定修复该隧道路面的修复时段，避免对隧道进行不合理的修复，影响隧道通行效率。同时，及时的修复可以保障驾驶人员的生命安全，也提高驾驶人员行驶隧道的体验。本技术考虑了隧道的若干可替换路径，可以环境进行路面养护隧道的交通压力，进一步提高了隧道的养护修复效率。
附图说明
19.此处所说明的附图用来提供对本技术的进一步理解，构成本技术的一部分，本技术的示意性实施例及其说明用于解释本技术，并不构成对本技术的不当限定。在附图中：
20.图1为本技术实施例中一种隧道内的路面养护方法的一种流程示意图；
21.图2为本技术实施例中一种隧道内的路面养护方法中的一种示意图；
22.图3为本技术实施例中一种隧道内的路面养护方法中的另一种示意图；
23.图4为本技术实施例中一种隧道内的路面养护方法中的再一种示意图；
24.图5为本技术实施例中一种隧道内的路面养护方法的另一种流程示意图；
25.图6为本技术实施例中一种隧道内的路面养护设备的结构示意图。
具体实施方式
26.为使本技术的目的、技术方案和优点更加清楚，下面将结合本技术具体实施例及相应的附图对本技术技术方案进行清楚、完整地描述。显然，所描述的实施例仅是本技术一部分实施例，而不是全部的实施例。基于本技术中的实施例，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，都属于本技术保护的范围。
27.本技术实施例提供了一种隧道内的路面养护方法及设备，用来提供合理修复隧道的养护信息，保障隧道通行效率以及驾驶人员的生命安全。
28.以下结合附图，详细说明本技术的各个实施例。
29.本技术实施例提供了一种隧道内的路面养护方法，如图1所示，该方法可以包括步骤s101-s105：
30.s101，服务器获取来自图像采集设备的若干实时路面监控图像及相应的采集信息。
31.图像采集设备可以是设置于隧道内的摄像头，也可以是隧道巡检人员的手持图像采集设备，实时路面监控图像指的是图像采集设备将实时采集到的路面图像发送服务器的图像，采集信息为实时路面监控图像的采集时间以及采集地点。
32.需要说明的是，服务器作为隧道内的路面养护方法的执行主体，仅为示例性存在，执行主体不仅限于服务器，本技术对此不作具体限定。
33.s102，服务器将各路面监控图像输入预设的损坏路面识别模型，以确定路面监控图像对应的监控路面，是否为待养护路面。
34.损坏路面识别模型可以是神经网络模型，如：alexnet、zfnet、vgg等。
35.在本技术实施例中，服务器将各路面监控图像输入预设的损坏路面识别模型，以确定路面监控图像对应的监控路面，是否为待养护路面，具体包括：
36.首先，服务器通过损坏路面识别模型，确定各路面监控图像中损坏路面对应的损坏图像帧。
37.损坏路面识别模型可以通过若干的路面损坏图像样本进行训练，经过多次训练后损坏路面识别模型可以识别路面监控图像中，损坏路面对应的损坏图像帧。在本技术实施例中，由于图像采集设备的设置数量不作限定，对于同一路面，可能有多个图像采集设备从不同方向采集路面图像，因此路面监控图像有多个，路面监控图像为包含若干图像帧的图像。
38.接着，服务器通过该损坏路面识别模型的识别操作，服务器确定各损坏图像帧对应的损坏标签。
39.其中，损坏标签至少包括以下一项或多项：沉陷、车辙、开裂、缩裂、渗水。
40.损坏标签为用于训练损坏路面识别模型的路面损坏图像样本对应的标签确定，不同的损坏标签对应有多张路面损坏图像样本，保证损坏路面识别模型的识别准确度。
41.然后，服务器基于各损坏标签，确定监控路面的损坏程度是否大于预设阈值。
42.具体地，服务器基于各损坏标签，确定监控路面的损坏程度是否大于预设阈值包括以下步骤：
43.第一步，服务器确定各损坏标签相应的损坏程度比对图像。
44.其中，一个损坏标签至少存在两个损坏程度比对图像。预设阈值处于两个损坏程度比对图像相应的损坏程度值对应区间内。
45.如图2所示，损坏程度比对图像有201,202,203,204，损坏标签所对应的损坏图像帧为205。
46.第二步，服务器将损坏标签相应的损坏图像帧，与各损坏程度比对图像匹配，以根据匹配结果，确定损坏标签对应的损坏程度值。
47.其中，损坏程度值根据匹配的损坏程度比对图像确定。
48.各损坏程度比对图像对应有唯一的损坏程度值，例如201的损坏程度值为a，202的损坏程度值为b，203的损坏程度值为c，204的损坏程度值为d。服务器通过将损坏标签的损坏图像帧，与各损坏程度比对图像进行匹配，进而得到损坏标签的损坏程度值。
49.其中，在本技术的一些实施例中，服务器将损坏标签相应的损坏图像帧，与各损坏程度比对图像匹配，以根据匹配结果，确定损坏标签对应的损坏程度值，具体包括：
50.服务器获取若干样本数据图像，并将各样本数据图像及相应的损坏程度比对图像，输入预设分类器，以对分类器训练。
51.其中，分类器将样本数据至少分为与损坏程度比对图像的数量一致的多个图像组合。图像组合中的损坏程度值与相应的损坏程度比对图像的损坏程度值匹配。
52.分类器可以使用支持向量机的分类算法，将样本数据图像与各损坏程度比对图像作为输入，将样本数据图像及各损坏程度比对图像的分类作为输出，从而将样本数据图像分类为图像组合，分类后的图像组合的数量，至少等于损坏程度比对图像的数量。例如输入的不同损坏程度值的损坏程度比对图像为4，分类器将样本数据图像至少分为4个图像组合，以将样本数据图像进行区分，从而能够实现不同损坏程度的图像进行特征分类。
53.支持向量机的分类算法，可以实现非线性模型的分类，在每两类之间建立一个二分类器，对样本数据图像进行准确分类。不同的样本数据图像将匹配不同的损坏程度值的损坏程度比对图像。直至分类器训练的正确率高于一预设正确率，例如分类后的图像组合的正确率达到99％，则确定分类器训练完成。
54.然后，服务器通过分类器，匹配损坏图像帧对应的图像组合，以根据匹配的图像组合，确定损坏图像帧对应的损坏程度值。
55.服务器根据损坏图像帧经过分类器分类后，将损坏图像帧划分的图像组合，得到损坏图像帧的损坏程度值。
56.第三步，服务器根据各损坏标签对应的损坏权重及相应的损坏程度值，确定监控路面的损坏程度是否大于预设阈值。
57.在本技术实施例中，损坏权重是根据损坏标签得到的，该损坏权重可以是根据用户预先设置的，不同的损坏权重表征了不同损坏标签的严重程度，例如沉陷的损坏权重为0.2，车辙的损坏权重为0.15
……
。服务器计算损坏权重与损坏程度值的乘积，并将该乘积值与预设阈值进行比较，从而确定监控路面的损坏程度是否大于预设阈值。
58.举例说明，损坏权重为a，损坏程度值为b，比较a*b与预设阈值c的大小关系，服务器可以确定监控路面的损坏程度。
59.最后，服务器确定监控路面的损坏程度大于预设阈值的情况下，将监控路面作为待养护路面。
60.在本技术实施例中，预设阈值根据用户实际使用进行设定，预设阈值表征损坏程度达到了需要养护修复的程度，或接近需要养护修复的程度，对于预设阈值的具体取值，本技术对此不作具体限定。
61.在本技术的一个实施例中，在确定监控路面的损坏程度小于或等于预设阈值的情况下，服务器将监控路面中的损坏图像帧发送至养护终端。
62.在隧道内的路面养护方法实际使用过程中，养护终端可以实时观看监控路面的实际情况，在监控路面存在损坏图像帧的情况下，即使不需要立即进行养护，也可以通过养护终端相应的专家进行判定，进而避免损坏程度小的路面养护不及时，加重路面损坏程度，使路面遭到严重损坏。同时可在一定程度上，避免后续的损坏加重，影响隧道通信效率，威胁驾驶人员的生命安全。
63.s103，服务器确定路面监控图像对应的监控路面为待养护路面的情况下，根据路面监控图像的采集信息，确定待养护路面对应的隧道位置、路面损坏时间。
64.换言之，服务器将监控路面确定为待养护路面之后，服务器可以根据采集信息，确定该待养护路面所在的隧道位置，以及发现该待养护路面的路面损坏时的第一时刻，即路面损坏时间。
65.s104，服务器基于待养护路面对应隧道的历史行驶数据及隧道的可替换路径的历史行驶数据，确定隧道的车流量权重集合。
66.其中，可替换路径的可达目的地处于隧道位置的下行路线和/或上行路线或者处于隧道的下行路线的可达延长线和/或上行路线的可达延长线。
67.可替换路径与隧道的关系如图3(双向车道)、图4(单向车道)所示，在隧道为双向车道时，在当前隧道的行驶方向上存在有与隧道的起始地与目的地相同的其他路线，其他
路线为不包含当前隧道的路线，其他路线也可以包含隧道、高速公路、过道等。或者当前隧道的行驶方向上，存在某路线的延长线上为当前隧道的可达目的地。
68.在本技术实施例中，服务器基于待养护路面对应隧道的历史行驶数据及隧道的可替换路径的历史行驶数据，确定隧道的车流量权重集合，具体包括：
69.首先，服务器根据隧道的历史行驶数据，确定隧道的第一平均车流量。
70.历史行驶数据可以是采集隧道的过去一个月或一年内，隧道的车辆行驶数据，例如过去的一个月，隧道平均车流量为n，将n作为第一平均车流量。
71.其次，服务器根据各可替换路径的历史行驶数据，确定各可替换路径相应的第二平均车流量。
72.第二平均车流量为与第一平均车流量同一时间段的，可替换路径的平均车流量。
73.再次，服务器基于第一平均车流量及各第二平均车流量，确定相应的第一车流量权重。
74.具体地，服务器基于第一平均车流量及各第二平均车流量，确定相应的第一车流量权重包括以下步骤：
75.第一，服务器确定第一平均车流量及各第二平均车流量的车流平均值。
76.例如第一平均车流量为n，各第二评价车流量包括：
77.m1、m2、m3......mn，车流平均值为：
78.v＝(n+m1+m2+
…
+mn)/(n+1)。其中，n为自然数。
79.第二，根据车流平均值、第一平均车流量及各第二平均车流量，确定第一平均车流量及各第二平均车流量相应的第一车流量权重。
80.在本技术实施例中，根据车流平均值、第一平均车流量及各第二平均车流量，确定第一车流量权重的公式如下：
[0081][0082]
其中，β为第一车流量权重，x为第一平均车流量或第二平均车流量。
[0083]
随后，服务器基于隧道的历史行驶数据，确定隧道的若干预设时间段的第三平均车流量，以根据第三平均车流量，确定隧道的若干第二车流量权重。
[0084]
服务器可以根据隧道的历史行驶数据，确定隧道在如工作日、节假日的各个时间段的第三平均车流量，例如某日的1点-2点，第三平均车流量为q1；2点-3点，第三平均车流量为q1；3点-4点，第三平均车流量为q2；4点-5点，第三平均车流量为q2
……
。预设时间段可以根据第三平均车流量进行划分，例如1点-2点与2点-3点的第三平均车流量相同，且时间为相邻的，可以为一个预设时间段；按照上述方案，可以知道的是，3点-4点与4点-5点也为一个预设时间段。根据各第三平均车流量占各预设时间段在某日的总车流量中的比重，确定第二车流量权重，如第三平均车流量为y1，总车流量为y0，那么权重为y1/y0。
[0085]
随后，服务器根据隧道的第一车流量权重及各第二车流量权重，确定车流量权重集合。
[0086]
车流量权重集合为包含第一车流量权重及各第二车流量权重的权重集合。
[0087]
s105，服务器基于路面监控图像、路面损坏时间及车流量权重集合，确定隧道的路
面养护信息，并将路面养护信息发送至养护终端。
[0088]
养护终端可以是养护人员的手持终端，如手机、ipad等设备，也可以是笔记本电脑等设备，本技术对此不作具体限定。
[0089]
在本技术实施例中，服务器基于路面监控图像、路面损坏时间及车流量权重，确定隧道的路面养护信息，如图5所示，具体包括以下步骤：
[0090]
s501，服务器通过预设的损坏类型识别模型，确定路面监控图像的路面损坏类型。
[0091]
在本技术实施例中，隧道内的路面养护方法应用于预先搭建的区块链平台，区块链平台包括若干子节点，子节点用于上传路面损坏图像及其对应的路面损坏类型。在通过预设的损坏类型识别模型，确定路面监控图像的路面损坏类型之前，方法还包括：
[0092]
首先，服务器获取区块链平台中的若干路面损坏图像及其对应的路面损坏类型。
[0093]
区块链平台中的各个子节点，可以上传路面损坏图像及该路面损坏图像的路面损坏类型，子节点可以是用户的手机，例如用户在驾车行驶过程中发现了路面损坏，可以进行拍照并将照片及该招聘对应的路面损坏类型发送至区块链平台中。
[0094]
然后，服务器将各路面损坏图像作为训练样本、将其对应的路面损坏类型作为训练样本的训练标签，输入预设的神经网络识别模型。
[0095]
该神经网络识别模型可以如上述损坏路面识别模型使用的神经网络模型相同，也可以不同，本技术对此不作具体限定。
[0096]
在神经网络识别模型的损失函数小于预设值的情况下，服务器确定训练后的神经网络识别模型为损坏类型识别模型。
[0097]
在神经网络识别模型的损失函数小于预设值，即神经网络识别模型的准确度符合要求，服务器将该训练好的神经网络识别模型作为损坏类型识别模型。
[0098]
s502，服务器根据路面损坏类型，确定隧道的修复时长。
[0099]
在本技术实施例中，路面损坏类型可以有损坏类型对照表，该损坏类型对照表包含路面损坏类型与其修复时长的对应关系，该损坏类型对照表可以由用户进行预先生成。
[0100]
s503，服务器根据路面损坏时间、车流量权重集合及可替换路径的车流量权重集合，确定第一预设时间内第三车流量权重序列。
[0101]
第一预设时间内的第三车流量权重序列指的是在路面损坏时间后的一时间段内如该时间段包含有s1、s2、s3三个子时间段，隧道的第一车流量权重分别与第二车流量权重做乘积后，得到第三车流量权重，并按时间顺序，生成第一权重序列。各可替换路径的第一车流量权重分别与可替换路径的第二车流量权重(可替换路径的第二车流量权重的获取方式可参考隧道的第二车流量权重获取方式)做乘积后，得到可替换路径的第三车流量权重，并按时间顺序，生成第二权重序列。
[0102]
按照时间顺序，服务器获取同一时间段如s1对应的隧道的第一权重序列及可替换路径的各第二权重序列中的权重，并按照权重大小顺序，排列权重，以得到第三车流量权重序列。
[0103]
s504，服务器确定第三车流量权重序列中，隧道的第三车流量权重满足权重最小值的时间段，为待定修复时段。
[0104]
也就是说，在同一时间段中，第三车流量权重序列的最小值，为隧道的第三车流量权重时，那么该时间段，为待定修复时段。
[0105]
s505，服务器确定待定修复时段，可替换路径的第一车流量权重是否大于隧道的第一车流量权重。
[0106]
服务器将在确定待定修复时段后，将可替换路径的第一车流量权重与隧道的第一车流量权重进行大小比较。
[0107]
s506，服务器在可替换路径的第一车流量权重大于隧道的第一车流量权重的情况下，将待定修复时段作为修复时段。
[0108]
也就是说，在可替换路径的行驶车辆多于隧道的行驶车辆的时段，作为修复时段，通过权重的比较可以使比较效果更好，权重可指代路径的重要程度，若隧道在待定修复时段的重要程度高于可替换路径，养护该隧道将影响正常车辆的行驶。
[0109]
s507，否则，服务器剔除权重最小值，并确定剔除后的第三车流量权重序列中权重最小值对应的时间段，为待定修复时段，直至确定修复时段。
[0110]
也就是说，服务器在可替换路径的第一车流量权重小于隧道的第一车流量权重的情况下，将剔除权重最小值的子时间段，继续执行s504的步骤。
[0111]
s508，服务器在修复时段小于修复时长的情况下，确定m个第m预设时间内的修复时段，直至各修复时段的和值大于修复时长，确定各所述修复时段为所述路面养护信息。
[0112]
其中，m为自然数。也就是说，修复时段可能为第一天的2点-3点，第二天的3点-4点
……
修复时长为10小时，那么服务器需要得到的多个修复时段相加的和值大于修复时长，才能够完成隧道的养护，将各修复时段作为路面养护信息。
[0113]
通过上述方案，本技术利用隧道的路面监控图像及采集信息，进行确定隧道路面是否需要养护，然后根据隧道的历史行驶数据及位置的相关信息，确定该隧道及其可替换路径的车流量权重集合。进而通过图像识别技术，确定路面修复时长，并进行确定修复该隧道路面的修复时段，避免对隧道进行不合理的修复，影响隧道通行效率。同时，及时的修复可以保障驾驶人员的生命安全，也提高驾驶人员行驶隧道的体验。
[0114]
图6为本技术实施例提供的一种隧道内的路面养护设备，该设备包括：
[0115]
至少一个处理器；以及，与至少一个处理器通信连接的存储器。其中，存储器存储有能够被至少一个处理器执行的指令，指令被至少一个处理器执行，以使至少一个处理器能够：
[0116]
获取来自图像采集设备的若干实时路面监控图像及相应的采集信息。将各路面监控图像输入预设的损坏路面识别模型，以确定路面监控图像对应的监控路面，是否为待养护路面。若是，根据路面监控图像的采集信息，确定待养护路面对应的隧道位置、路面损坏时间。基于待养护路面对应隧道的历史行驶数据及隧道的可替换路径的历史行驶数据，确定隧道的车流量权重集合。其中，可替换路径的可达目的地处于隧道位置的下行路线和/或上行路线或者处于隧道的下行路线的可达延长线和/或上行路线的可达延长线。基于路面监控图像、路面损坏时间及车流量权重集合，确定隧道的路面养护信息，并将路面养护信息发送至养护终端。
[0117]
本技术中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于设备实施例而言，由于其基本相似于方法实施例，所以描述的比较简单，相关之处参见方法实施例的部分说明即可。
[0118]
本技术实施例提供的设备与方法是一一对应的，因此，设备也具有与其对应的方法类似的有益技术效果，由于上面已经对方法的有益技术效果进行了详细说明，因此，这里不再赘述设备的有益技术效果。
[0119]
还需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、商品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、商品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、商品或者设备中还存在另外的相同要素。
[0120]
以上所述仅为本技术的实施例而已，并不用于限制本技术。对于本领域技术人员来说，本技术可以有各种更改和变化。凡在本技术的精神和原理之内所作的任何修改、等同替换、改进等，均应包含在本技术的权利要求范围之内。
技术特征：1.一种隧道内的路面养护方法，其特征在于，所述方法包括：获取来自图像采集设备的若干实时路面监控图像及相应的采集信息；将各所述路面监控图像输入预设的损坏路面识别模型，以确定所述路面监控图像对应的监控路面是否为待养护路面；若是，根据所述路面监控图像的采集信息，确定所述待养护路面对应的隧道位置、路面损坏时间；基于所述待养护路面对应隧道的历史行驶数据及所述隧道的可替换路径的历史行驶数据，确定所述隧道的车流量权重集合；其中，所述可替换路径的可达目的地处于所述隧道位置的下行路线和/或上行路线或者处于所述隧道的下行路线的可达延长线和/或上行路线的可达延长线；基于所述路面监控图像、所述路面损坏时间及所述车流量权重集合，确定所述隧道的路面养护信息，并将所述路面养护信息发送至养护终端。2.根据权利要求1所述方法，其特征在于，所述将各所述路面监控图像输入预设的损坏路面识别模型，以确定所述路面监控图像对应的监控路面，是否为待养护路面，具体包括：通过所述损坏路面识别模型，确定各所述路面监控图像中损坏路面对应的损坏图像帧；识别各所述损坏图像帧对应的损坏标签；其中，所述损坏标签至少包括以下一项或多项：沉陷、车辙、开裂、缩裂、渗水；基于各所述损坏标签，确定所述监控路面的损坏程度是否大于预设阈值；若是，将所述监控路面作为所述待养护路面。3.根据权利要求2所述方法，其特征在于，所述基于各所述损坏标签，确定所述监控路面的损坏程度是否大于预设阈值，具体包括：确定各所述损坏标签相应的损坏程度比对图像；其中，一个所述损坏标签至少存在两个所述损坏程度比对图像；所述预设阈值处于两个所述损坏程度比对图像相应的损坏程度值对应区间内；将所述损坏标签相应的所述损坏图像帧，与各所述损坏程度比对图像匹配，以根据匹配结果，确定所述损坏标签对应的损坏程度值；其中，所述损坏程度值根据匹配的所述损坏程度比对图像确定；根据各所述损坏标签对应的损坏权重及相应的所述损坏程度值，确定所述监控路面的损坏程度是否大于所述预设阈值。4.根据权利要求1所述方法，其特征在于，所述基于所述待养护路面对应隧道的历史行驶数据及所述隧道的可替换路径的历史行驶数据，确定所述隧道的车流量权重集合，具体包括：根据所述隧道的历史行驶数据，确定所述隧道的第一平均车流量；根据各所述可替换路径的历史行驶数据，确定各所述可替换路径相应的第二平均车流量；基于所述第一平均车流量及各所述第二平均车流量，确定相应的第一车流量权重；基于所述隧道的历史行驶数据，确定所述隧道的若干预设时间段的第三平均车流量，以根据所述第三平均车流量，确定所述隧道的若干第二车流量权重；
根据所述隧道的所述第一车流量权重及各所述第二车流量权重，确定所述车流量权重集合。5.根据权利要求4所述方法，其特征在于，所述基于所述第一平均车流量及各所述第二平均车流量，确定相应的第一车流量权重，具体包括：确定所述第一平均车流量及各所述第二平均车流量的车流平均值；根据所述车流平均值、所述第一平均车流量及各所述第二平均车流量，确定所述第一平均车流量及各所述第二平均车流量相应的第一车流量权重。6.根据权利要求5所述方法，其特征在于，所述基于所述路面监控图像、所述路面损坏时间及所述车流量权重，确定所述隧道的路面养护信息，具体包括：通过预设的损坏类型识别模型，确定所述路面监控图像的路面损坏类型；根据所述路面损坏类型，确定所述隧道的修复时长；根据所述路面损坏时间、所述车流量权重集合及各所述可替换路径的车流量权重集合，确定第一预设时间内若干第三车流量权重序列；确定各所述第三车流量权重序列中，所述隧道的第三车流量权重满足权重最小值的时间段，为待定修复时段；确定所述待定修复时段，所述可替换路径的第一车流量权重是否大于所述隧道的第一车流量权重；在所述可替换路径的第一车流量权重大于所述隧道的第一车流量权重的情况下，将所述待定修复时段作为修复时段；否则，剔除所述权重最小值，并确定剔除后的所述第三车流量权重序列中权重最小值对应的时间段，为待定修复时段，直至确定所述修复时段；在所述修复时段小于所述修复时长的情况下，确定m个第m预设时间内的修复时段，直至各所述修复时段的和值大于所述修复时长，确定各所述修复时段为所述路面养护信息；其中，所述m为自然数。7.根据权利要求6所述方法，其特征在于，所述方法应用于预先搭建的区块链平台，所述区块链平台包括若干子节点，所述子节点用于上传路面损坏图像及其对应的路面损坏类型；在通过预设的损坏类型识别模型，确定所述路面监控图像的路面损坏类型之前，所述方法还包括：获取所述区块链平台中的若干路面损坏图像及其对应的路面损坏类型；将各所述路面损坏图像作为训练样本、将其对应的所述路面损坏类型作为训练样本的训练标签，输入预设的神经网络识别模型；在所述神经网络识别模型的损失函数小于预设值的情况下，确定训练后的所述神经网络识别模型为所述损坏类型识别模型。8.根据权利要求3所述方法，其特征在于，所述将所述损坏标签相应的所述损坏图像帧，与各所述损坏程度比对图像匹配，以根据匹配结果，确定所述损坏标签对应的损坏程度值，具体包括：获取若干样本数据图像，并将各所述样本数据图像及相应的所述损坏程度比对图像，输入预设分类器，以对所述分类器训练；其中，所述分类器将所述样本数据至少分为与所述损坏程度比对图像的数量一致的多个图像组合；所述图像组合中的损坏程度值与相应的所
述损坏程度比对图像的损坏程度值匹配；通过所述分类器，匹配所述损坏图像帧对应的所述图像组合，以根据匹配的所述图像组合，确定所述损坏图像帧对应的损坏程度值。9.根据权利要求2所述方法，其特征在于，所述方法还包括：在确定所述监控路面的损坏程度小于或等于预设阈值的情况下，将所述监控路面中的所述损坏图像帧发送至所述养护终端。10.一种隧道内的路面养护设备，其特征在于，所述设备包括：至少一个处理器；以及，与所述至少一个处理器通信连接的存储器；其中，所述存储器存储有能够被所述至少一个处理器执行的指令，所述指令被所述至少一个处理器执行，以使所述至少一个处理器能够：获取来自图像采集设备的若干实时路面监控图像及相应的采集信息；将各所述路面监控图像输入预设的损坏路面识别模型，以确定所述路面监控图像对应的监控路面是否为待养护路面；若是，根据所述路面监控图像的采集信息，确定所述待养护路面对应的隧道位置、路面损坏时间；基于所述待养护路面对应隧道的历史行驶数据及所述隧道的可替换路径的历史行驶数据，确定所述隧道的车流量权重集合；其中，所述可替换路径的可达目的地处于所述隧道位置的下行路线和/或上行路线或者处于所述隧道的下行路线的可达延长线和/或上行路线的可达延长线；基于所述路面监控图像、所述路面损坏时间及所述车流量权重集合，确定所述隧道的路面养护信息，并将所述路面养护信息发送至养护终端。
技术总结本申请提供了一种隧道内的路面养护方法及设备，属于道路养护技术领域。该方法获取来自图像采集设备的若干实时路面监控图像及相应的采集信息，将各路面监控图像输入损坏路面识别模型，确定路面监控图像对应的监控路面是否为待养护路面。若是，根据采集信息，确定对应的隧道位置、路面损坏时间。基于待养护路面对应隧道的历史行驶数据及隧道的可替换路径的历史行驶数据，确定隧道的车流量权重集合。其中，可替换路径的可达目的地处于隧道位置的下行路线和/或上行路线或者处于隧道的下行路线的可达延长线和/或上行路线的可达延长线。基于路面监控图像、路面损坏时间及车流量权重集合，确定隧道的路面养护信息，并将路面养护信息发送至养护终端。息发送至养护终端。息发送至养护终端。
技术研发人员：张加华 李文静 孙晓英 王占威 张丽雪
受保护的技术使用者：山东金宇信息科技集团有限公司
技术研发日：2022.07.11
技术公布日：2022/11/1
