楊黎娜，孫新杰，李惠，許然

（六盤水師范學(xué)院計算機科學(xué)學(xué)院，貴州 六盤水 553001）

構(gòu)建高質(zhì)量的交通網(wǎng)絡(luò)，能從根源上增強城鎮(zhèn)人口承載能力，促進區(qū)域協(xié)調(diào)發(fā)展。2019年，貴州省啟動了路面改善提升工程，計劃在兩年內(nèi)改善1.5萬公里的縣鄉(xiāng)公路路況。然而，該項目面臨著諸多困難：工程建設(shè)任務(wù)繁重，制約因素眾多，管理難度大［1］。目前，公路維護中的路況檢測任務(wù)主要依靠人工攜帶專業(yè)路面檢測設(shè)備進行。然而，專業(yè)養(yǎng)護設(shè)備費用高、操作復(fù)雜，檢測周期長，無法及時、方便地獲取路況信息，無法滿足當(dāng)前待維護道路增多、維護經(jīng)費緊張的現(xiàn)狀。因此，須要另辟蹊徑，借助創(chuàng)新來解決這些問題。

華南理工大學(xué)的許倫輝研究發(fā)現(xiàn)，公路的路面平整度與行車舒適性密切相關(guān)［2］。通過仿真實驗，他們發(fā)現(xiàn)垂直方向的振動加速度可以作為行車舒適性的評價指標?，F(xiàn)有智能設(shè)備中都有獲取加速度值的傳感器［3，4，5］，因此，利用智能設(shè)備進行路況數(shù)據(jù)采集，并結(jié)合數(shù)據(jù)存儲、分析等相關(guān)技術(shù)對路況數(shù)據(jù)進行處理，可以大幅降低路況測量成本［6，7］。臺灣大學(xué)開發(fā)了一種路況檢測系統(tǒng)，利用摩托車載移動手機作為硬件平臺，利用智能手機內(nèi)置的加速度計和全球定位系統(tǒng)（GPS）進行數(shù)據(jù)采樣。該系統(tǒng)使用支持向量機（Support Vector Machine,SVM）分類算法和閾值法來檢測坑洞，客戶端任務(wù)包括數(shù)據(jù)過濾、分段和特征提取等部分［8］。另外，還有其他研究團隊提出了利用智能手機內(nèi)置傳感器進行路面感知數(shù)據(jù)采集和判斷道路健康狀況的方法［9,10］。南京師范大學(xué)設(shè)計了一款基于安卓手機的道路平整度實時觀測應(yīng)用程序（APP），通過將裝有該APP 的智能手機固定在自行車上，用戶可以騎行進行路況測量，解決了大型路況檢測設(shè)備無法測量較窄路段路況的問題［11］。

國際上通用的路面平整度測量設(shè)備采用的是激光、加速度計和距離測量設(shè)備相結(jié)合，但使用這些設(shè)備進行路況測量的成本較高。基于三軸加速度計、陀螺儀、磁場傳感器和GPS等模塊進行路況檢測已經(jīng)成為主要的研究方向。由于這些模塊的低成本和易于使用的特性，它們在路況檢測領(lǐng)域具有廣闊的應(yīng)用前景。在這些研究中采用了閾值法、SVM 和K 均值聚類算法等機器學(xué)習(xí)方法進行數(shù)據(jù)分析。然而，閾值的選擇取決于車輛類型、車輛健康狀況和傳感器的靈敏度，在不同道路上使用相同的閾值可能導(dǎo)致無法準確區(qū)分不同的道路異常，從而降低路況分類的準確性。在監(jiān)督學(xué)習(xí)算法中，需要對不同類型的數(shù)據(jù)進行標記，并且在訓(xùn)練時要注意數(shù)據(jù)類別的均衡性。然而，在路況數(shù)據(jù)采集階段，異常路況的數(shù)據(jù)量較小，因此，在分類時，數(shù)據(jù)量較大的類型將對模型產(chǎn)生更大的影響。如果不對此類數(shù)據(jù)進行處理，將會影響整個路況感知方法的準確性。

為了更有效地將路況感知系統(tǒng)應(yīng)用于實際工作，本文設(shè)計了一個包括安裝在智能終端上的路況數(shù)據(jù)采集應(yīng)用程序（Road-Collection-Data APP，RCD-APP）和路況后臺管理系統(tǒng)的路況感知系統(tǒng)。本系統(tǒng)進行了以下改進：第一，采用SmoteEnn算法處理智能終端采集的數(shù)據(jù)，平衡不平順路段和平順路段的數(shù)據(jù)，避免少數(shù)類型數(shù)據(jù)量過少對模型準確率的影響；第二，使用LightGBM 算法進行具體路況的分類訓(xùn)練和識別，相比之前采用的分類算法，該算法提高了路況分類的精準率，降低了運算時間和內(nèi)存消耗；第三，RCD-APP 可以實時標注具體路況，解決了初期采樣數(shù)據(jù)有限和路況感知算法數(shù)據(jù)量過小導(dǎo)致的路況識別不準確問題，提高了系統(tǒng)在不同城市實際部署的適應(yīng)性；第四，RCD-APP適用于大部分安卓系統(tǒng)設(shè)備，并與后臺管理系統(tǒng)通過無線網(wǎng)絡(luò)進行數(shù)據(jù)交互，實現(xiàn)數(shù)據(jù)共享，避免了因設(shè)備不同而數(shù)據(jù)接口不統(tǒng)一的問題；第五，后臺管理系統(tǒng)可以將具體路況在地圖上標注并將測量數(shù)據(jù)可視化，方便路政部門的工作人員查看路況和進行維修調(diào)度。在充分研究采集到的數(shù)據(jù)集的基礎(chǔ)上，本系統(tǒng)進行了算法設(shè)計與實現(xiàn)，提高了路況識別的準確率，為實現(xiàn)智能化的路況維護管理工作提供了可行性。

1 系統(tǒng)設(shè)計

1.1 系統(tǒng)總體架構(gòu)設(shè)計

基于上面系統(tǒng)設(shè)計所分析的內(nèi)容，設(shè)計了如圖1所示的路況感知系統(tǒng)總體架構(gòu)圖。

圖1 路況感知系統(tǒng)總體架構(gòu)

由圖1可知，系統(tǒng)總體分為兩個部分：第一部分是智能終端，它是一種集成了三軸加速度傳感器、GPS 模塊、4G 通信模塊和Wifi 通信模塊，并采用Android操作系統(tǒng)的設(shè)備。包括查看路況、路況數(shù)據(jù)采集、路況標記、路況維護、距離計算、人員設(shè)置和車輛設(shè)置等功能模塊。智能終端將數(shù)據(jù)暫存本地，并通過無線網(wǎng)絡(luò)與服務(wù)器端實時通信。其主要功能是采集數(shù)據(jù)、設(shè)置參數(shù)、顯示數(shù)據(jù)，并確保數(shù)據(jù)的保存和上傳，以防數(shù)據(jù)丟失。第二部分是服務(wù)器，包括數(shù)據(jù)存儲服務(wù)器和Web 服務(wù)器。Web 服務(wù)器包含數(shù)據(jù)管理、路況顯示、網(wǎng)絡(luò)通信、數(shù)據(jù)處理和路況分類等模塊。智能終端和服務(wù)器之間采用C/S架構(gòu)，智能終端通過socket通信與服務(wù)器進行數(shù)據(jù)的上傳和下載。后臺管理系統(tǒng)采用B/S架構(gòu)，用戶可以通過瀏覽器與Web服務(wù)器進行交互。智能終端采集的數(shù)據(jù)上傳到服務(wù)器終端進行存儲，并在Web 終端進行數(shù)據(jù)顯示和管理。后臺服務(wù)器接收智能終端上傳的數(shù)據(jù)后，利用數(shù)據(jù)處理模塊和路況分類模塊對數(shù)據(jù)進行預(yù)處理，并通過路況分類算法進行分類識別，將識別結(jié)果存入數(shù)據(jù)庫并在Web終端進行顯示。

1.2 功能模塊設(shè)計

根據(jù)對用戶需求的分析和總體結(jié)構(gòu)的設(shè)計，明確了本系統(tǒng)的主要工作內(nèi)容，確定了路況感知系統(tǒng)包含RCD-APP和后臺管理系統(tǒng)兩部分，確定了每部分的主要功能模塊。RCD-APP 主要包括查看路況、標記路況、維護路況、測量路況數(shù)據(jù)以及基本設(shè)置模塊；后臺管理系統(tǒng)主要包含數(shù)據(jù)管理、路況顯示、測量數(shù)據(jù)顯示、維修管理、路況識別算法管理和網(wǎng)絡(luò)通信等模塊。具體的系統(tǒng)功能模塊如圖2所示。

圖2 路況感知系統(tǒng)功能模塊

如圖2 所示，本系統(tǒng)中的路況后臺管理系統(tǒng)在路政部門的路況數(shù)據(jù)采集、路況類型識別、路況信息查看和路況維護等工作中扮演著重要角色，可以統(tǒng)一管理路況、車輛、人員等數(shù)據(jù)，降低不同設(shè)備之間的數(shù)據(jù)壁壘。

2 系統(tǒng)實現(xiàn)關(guān)鍵技術(shù)

2.1 數(shù)據(jù)采集與傳輸技術(shù)

LSM6DSM 系列芯片是一款集成了三軸加速度和三軸陀螺儀功能的芯片。該芯片在0.65 mA的低功耗下能夠提供高性能運行。它適用于-40～85 ℃的工作溫度范圍，并可測量±2/±4/±8/±16 g 的加速度范圍［12］。LSM6DSM 支持串行外設(shè)接口和I2C總線，并且與常見操作系統(tǒng)兼容。它提供真實、虛擬和批處理傳感器功能，并具備4 KB的動態(tài)數(shù)據(jù)批處理能力。該芯片可嵌入到智能終端中，實現(xiàn)高效、精確和穩(wěn)定的加速度數(shù)據(jù)采集和處理。

為了實現(xiàn)安全的數(shù)據(jù)傳輸，本系統(tǒng)采用了Netty 開源框架。Netty 是由JBOSS 提供的Java 開源框架，用于開發(fā)高性能、高可靠性的異步、事件驅(qū)動網(wǎng)絡(luò)應(yīng)用程序，可用于快速開發(fā)網(wǎng)絡(luò)服務(wù)器和客戶端程序。本系統(tǒng)利用Netty框架開發(fā)Socket通信服務(wù)端和客戶端功能，并選擇TCP 傳輸協(xié)議以確保數(shù)據(jù)傳輸?shù)陌踩浴?/p>

2.2 路況識別技術(shù)

路況識別主要使用LightGBM 模型實現(xiàn)，LightGBM 是微軟開發(fā)的boosting 集成模型，相較于同類型的XGBoost 模型，它采用直方圖算法改進了預(yù)排序算法，在查找特征分割點時避免了復(fù)雜度高、效率低的問題。此外，LightGBM還利用單邊梯度采樣算法減少樣本數(shù)量，過濾掉權(quán)重較小的樣本，并利用互斥特征捆綁算法減少特征數(shù)量，從而提升模型的訓(xùn)練速度和精度［13，14，15，16，17，18，19］。本系統(tǒng)中采用Panads 進行數(shù)據(jù)的初步處理，利用LightGBM 庫進行模型的訓(xùn)練和數(shù)據(jù)分類，利用StreamLit構(gòu)建模型訓(xùn)練和結(jié)果顯示界面。本算法主要包括數(shù)據(jù)采集、路況感知模型訓(xùn)練、使用訓(xùn)練好的模型進行路況感知和保存路況等步驟。算法的流程圖如圖3所示。

圖3 基于SmoteEnn_LightGBM模型的路況感知算法流程

如圖3 所示，訓(xùn)練路況感知模型子流程具體步驟如下：

輸入：從智能終端上采集到的傳感器數(shù)據(jù)X={x1,x2,...,xn}；

輸出：標注過的路況數(shù)據(jù)集X={（x1,y1）,（x2,y2）,...（xn,yn）}和訓(xùn)練過的路況感知模型；

第一，通過RCD-APP采集數(shù)據(jù)；

第二，將采集到的數(shù)據(jù)上傳到服務(wù)器，并選擇訓(xùn)練模型需要的數(shù)據(jù)集；

第三，將選擇的數(shù)據(jù)集進行數(shù)據(jù)清洗，去除空值、零值以及超出正常范圍的值；

第四，將采集到的振動數(shù)據(jù)和標注的GPS 數(shù)據(jù)進行融合，進行路況的初步標注，再繪制振動數(shù)據(jù)折線圖進行手動校對路況標注信息；

第五，用來判斷傳入的數(shù)據(jù)是否用來進行模型的訓(xùn)練，如果是，則對三軸加速度進行求均方根處理，并使用低通濾波處理，將處理后的數(shù)據(jù)進行提取特征值處理。將三軸加速度的均方根RMS（公式1）進行低通濾波處理，去除發(fā)動機等轉(zhuǎn)動設(shè)備的高頻干擾；

第六，進行特征數(shù)據(jù)處理用于提取特征，將三軸加速度（分別用x、y、z表示）、三軸加速度的RMS（公式1）、車速、相鄰兩條加速度之差的絕對值A(chǔ)bs_Acc（公式2）、相鄰兩條三軸加速度的RMS之差的絕對值δ（公式3）等作為用于LightGBM 模型分類的特征；

第七，將處理后的數(shù)據(jù)用SmoteEnn 算法進行數(shù)據(jù)均衡處理，得到各種路況數(shù)據(jù)量均衡的數(shù)據(jù)集；

第八，最后使用LightGBM進行模型訓(xùn)練調(diào)參并保存模型。

3 系統(tǒng)實現(xiàn)

3.1 數(shù)據(jù)采集終端RCD-APP的實現(xiàn)

3.1.1 路況數(shù)據(jù)的采集

路況數(shù)據(jù)的采集是RCD-APP 的主要功能。數(shù)據(jù)的采集在測量數(shù)據(jù)模塊中進行，采集的主要有三軸加速度、車速、經(jīng)緯度、時間等數(shù)據(jù)。測量模塊主要調(diào)用應(yīng)用層的getSystemService函數(shù)獲取傳感器管理對象，通過initListeners 進行傳感器監(jiān)聽器的初始化，通過registerListener函數(shù)進行傳感器的注冊監(jiān)聽。在對數(shù)據(jù)進行采集時需要設(shè)置數(shù)據(jù)的采集頻率，本程序采用采集頻率較高的SENSOR_DELAY_FASTEST 參數(shù)，在設(shè)置定位精度時采用的是ACCURACY_FINE模式的GPS定位。

3.1.2 路況數(shù)據(jù)的傳輸與保存

路況數(shù)據(jù)的傳輸主要依賴Netty框架來實現(xiàn)，智能終端上安裝的RCD-APP 實現(xiàn)Netty 的客戶端，后臺服務(wù)器實現(xiàn)Netty 的服務(wù)端。在RCD-APP 程序中進行Netty 組件的封裝，調(diào)用channelActive（）方法進行服務(wù)端的連接，通過channel Read0（）方法讀取服務(wù)端消息，并根據(jù)通信協(xié)議對發(fā)送的路況數(shù)據(jù)進行定義編碼。后臺管理系統(tǒng)整合Netty 服務(wù)端，封裝Netty 組件并啟動服務(wù)端，收到消息后對消息進行解碼并作出相應(yīng)的處理。

在RCD-APP 和后臺服務(wù)端都有路況數(shù)據(jù)的保存功能。RCD-APP 采用Android 系統(tǒng)內(nèi)置的SQLite 數(shù)據(jù)庫進行數(shù)據(jù)存儲備份，通過導(dǎo)出按鈕可以將數(shù)據(jù)庫中的數(shù)據(jù)導(dǎo)出到逗號分隔值（Comma-Separated Values，CSV）文件中，方便用戶通過文件對數(shù)據(jù)進行收集和備份。后臺服務(wù)器在收到RCD-APP 通過網(wǎng)絡(luò)上傳的路況數(shù)據(jù)后保存到系統(tǒng)的MySql 數(shù)據(jù)庫中，系統(tǒng)讀取數(shù)據(jù)庫中的路況數(shù)據(jù)進行路況識別，用戶可以通過后臺服務(wù)端對數(shù)據(jù)進行查看。

RCD-APP部分實現(xiàn)頁面如圖4所示。

圖4 RCD-APP主要實現(xiàn)界面

3.2 后臺管理系統(tǒng)的實現(xiàn)

3.2.1 路況識別

路況識別功能主要是通過路況感知算法將RCD-APP采集到的數(shù)據(jù)進行訓(xùn)練和識別，得出具體數(shù)據(jù)對應(yīng)的路況信息。路況識別算法使用LightGBM模型對數(shù)據(jù)進行訓(xùn)練和識別，本系統(tǒng)中采用Python語言進行算法的實現(xiàn)。在項目中使用StreamLit 框架進行模型訓(xùn)練界面的實現(xiàn)，在代碼中導(dǎo)入pandas庫進行數(shù)據(jù)處理，導(dǎo)入LightGBM庫進行模型的訓(xùn)練。本實驗采用GridSearchCV的調(diào)參方式，由如圖5所示num_leaves=70、max_depth=12 以及l(fā)earning_rate=0.1 對模型性能較好的參數(shù)值，并對其他參數(shù)進行進一步調(diào)參以提升模型的準確率并降低過擬合。

圖5 num_leaves、max_depth以及l(fā)earning_rate不同參數(shù)值的multi_error對比

本文采用LightGBM 模型作為路況感知模型并和分類效果較好的SVM模型、梯度提升決策樹（Gradient Boosting Decision Tree，GBDT）、XGBoost三種模型進行對比實驗。表1為不同模型關(guān)于路況分類的評價值對比。

表1 不同模型評價值對比數(shù)據(jù)

根據(jù)表1的結(jié)果顯示，4種模型的評價指標值均在90%以上，都能有效區(qū)分出5 種不同的路況。然而，從運行時間的角度來看，基于GBDT的GBDT、XGBoost和LightGBM模型的運行時間明顯小于SVM 模型，而LightGBM 是3 種GBDT 模型中所需時間最短的。與LightGBM相比，支持向量機模型的路況分類耗時超過LightGBM 的百倍以上。根據(jù)召回率、精確率和F1 值的數(shù)據(jù)分析，LightGBM模型表現(xiàn)出最高的數(shù)值，證明該模型在路況分類中具有良好的分類效果，且其誤判率也是4 種模型中最低的，表明LightGBM 模型在路況分類問題中具有良好的應(yīng)用前景。

3.2.2 數(shù)據(jù)可視化

本系統(tǒng)在RCD-APP 和后臺管理系統(tǒng)中對數(shù)據(jù)進行可視化處理，其中查看路況模塊、標記路況模塊、路況顯示是基于百度地圖應(yīng)用程序接口（Application Program Interface，API）進行開發(fā)的，首先需要在百度地圖開放平臺進行開發(fā)者認證，認證通過后在應(yīng)用管理中創(chuàng)建“我的應(yīng)用”并進行配置，獲取到應(yīng)用訪問的API 密鑰（API Key，AK），并 將AK 寫 入RCD-APP 的AndroidMainfest.xml 文件中，以及在后臺服務(wù)端加載地圖頁面，引入百度地圖API 進行地圖的相關(guān)顯示。RCD-APP 將采集到的數(shù)據(jù)上傳給后臺服務(wù)器后，后臺服務(wù)器進行存儲及訓(xùn)練識別，將識別的路況在數(shù)據(jù)庫中存儲更新，并在地圖上進行路況類型的標記。圖6是后臺服務(wù)端的路況顯示頁面。

圖6 路況顯示頁面

如圖6 所示，測量數(shù)據(jù)顯示模塊主要是將智能終端采集到的數(shù)據(jù)進行可視化。測量數(shù)據(jù)顯示頁面主要是讓用戶可以更直觀地觀察到車輛行駛在公路上的三軸加速度的變化情況，便于檢測路況和三軸加速度的關(guān)聯(lián)性。在測量數(shù)據(jù)顯示頁面可以通過車牌號、車道、起止時間來選擇要查看的數(shù)據(jù)。測量數(shù)據(jù)顯示模塊的開發(fā)是使用百度Echart 庫進行繪制，在開發(fā)時需要導(dǎo)入Echart 庫，再進行圖表參數(shù)配置，然后從數(shù)據(jù)庫中獲取數(shù)據(jù)插入圖表中進行顯示。登錄后臺管理系統(tǒng)后，點擊測量數(shù)據(jù)顯示按鈕，顯示出測量數(shù)據(jù)顯示界面，在顯示界面上選擇查詢條件，點擊查詢按鈕，即可顯示三軸加速度和車速相應(yīng)的折線圖，實現(xiàn)效果如圖7所示。

圖7 測量數(shù)據(jù)顯示頁面

4 結(jié)束語

根據(jù)文中所述的路政部門的業(yè)務(wù)需求和功能需求，本文設(shè)計并實現(xiàn)路況感知系統(tǒng)。該研究成果可以提高路政部門工作人員的工作效率，方便路況敏感乘客查看并選擇舒適的路況。目前本系統(tǒng)對路況的標注還只是進行點標注，將引起車輛顛簸的位置信息進行記錄，在地圖上進行點狀標記，這種表示方法在路況良好的地方可以表現(xiàn)出較好的區(qū)分度，但如果在路況較差的區(qū)域就會降低用戶體驗。因此，在后續(xù)的開發(fā)工作中可以將路況標記為連續(xù)的色階圖，可以使用戶更加直觀地看到整條路的具體顛簸情況，從而提升用戶的體驗感。