許亞男， 陳竹安， 楊 波， 夏元平

(1. 東華理工大學 測繪工程學院，江西 南昌 330013；2. 湖南師范大學 資源與環(huán)境科學學院，湖南 長沙 410081)

隨著國內交通建設和發(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)內人士介紹，汽車快速通過路坑時，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)，嚴重時甚至造成輪轂破裂乃至漏油情況。如果路坑太深，甚至會觸及底盤造成更大車損。因此對道路路面進行不定期的檢查和修復尤為重要。通過無人機低空遙感技術采集路面影像進行分析，最后作出預判結果，為道路管理部門提供決策依據(jù)和輔助支持。

無人機(Unmanned Aerial Vehicle，簡寫為UAV)1980年代開始應用在戰(zhàn)場模擬、目標監(jiān)測、大地測繪、交通管理、資源探測及環(huán)境保護等各個領域(陳強，2017；李風賢，2017；李明波等，2018)，如今無人機低空遙感技術日趨成熟，應用范圍不斷擴大，并取得了很好的實際效果和應用價值(李德仁等，2014)。但一直以來無人機應用在道路安全方面報道較少(張莞玲，2017；馬澤忠等，2011)。

當前，國內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，需耗費大量的人力物力財力。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和專業(yè)技能等主觀因素影響，造成巡查結果準確度低或漏查等情況。道路修復也是人工和專用車輛在處理，對于每次出行所帶修復材料只能大概估算，沒有相對準確的參考值(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)勢的無人機技術代替?zhèn)鹘y(tǒng)的純人工巡查手段將會大大提高工作效率(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，同時為修復工作提供科學參考。

1 研究內容與方法

本次研究的主要內容是路面影像的采集、處理和識別，針對路面異常物進行解算與分析，分類提出解決方案，為道路安全保障或補救提供科學的、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低空遙感技術，控制點定位采用手持GPS技術，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部門提供分析結果。技術路線如圖1所示。

2 研究區(qū)域及數(shù)據(jù)采集

本次道路安全監(jiān)測數(shù)據(jù)采集區(qū)域為江西省南昌市新建區(qū)，根據(jù)前期自駕車在周邊進行宏觀調研之后，將數(shù)據(jù)采樣區(qū)分成兩個類型。一個是普通道路，設置在興國路上，平均行車速度為50 km/h；另一個是環(huán)城快車道，設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自帶的地面控制站軟件DJI GS PRO對地面站進行航線規(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)設置如表1所示。

表1 無人機參數(shù)設置

對兩類實驗區(qū)域進行多次無人機航拍，采集的數(shù)據(jù)選取質量相對較好的進行處理，正攝影像圖均采用Pix 4D軟件進行處理(魯恒等，2011)。

3 圖像校正與增強

3.1 影像配準與幾何校正

由于無人機影像采集系統(tǒng)本身存在誤差，多次正攝影像需要通過軟件進行地理配準才可實現(xiàn)地理位置的精確匹配(李欣騰等，2017)。本次配準在航拍區(qū)域均勻選擇4個控制點，控制點的X、Y坐標及殘差均設置為 0.05 m以下，圖像預處理后的影像如圖2。

3.2 影像增強

采集路面影像時，時而會受到大氣、風、霧等因素的影響，造成影像模糊或失真，不便于后期的目標識別與計算。在此利用遙感軟件對每幅影像進行圖像增強處理。

3.3 目標識別

為有效識別配準后的影像內容，準確定位研究對象，識別不同于道路的目標，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是確定其邊界。數(shù)據(jù)預處理后的數(shù)據(jù)采用遙感圖像處理軟件(ENVI)對影像數(shù)據(jù)進行目標識別。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。

在等時航拍模式下，航高為60 m的1號點和航高50 m的2至5號點邊界確定后示意圖如圖3所示。

4 實驗結果

如前所述對2至5號點采取了四次不同類型的飛行模式，即等時航高分別為50 m、80 m、100 m和等懸停航高100 m。結果發(fā)現(xiàn)等時航高50 m的地面分辨率最高，利于數(shù)據(jù)計算和分析，故后期的計算時，2至5號點均采用此航拍的數(shù)據(jù)。

利用遙感軟件提取路面異常目標，確定路坑邊界后，計算路坑的周長和面積。路坑深度暫采取平均值代替，后期計算土方量時再精細考慮(表2)。

表2 1-5號點數(shù)據(jù)計算結果

5 成果運用

根據(jù)研究技術路線，計算得出的結果可為人們提供定量的、科學的判斷依據(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兩方面進行分析。

5.1 安全警示

針對有坑路面，道路安全從車速和坑的大小兩個因素方面進行分析，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)生交通事故的危險性就越大。澳大利亞有關部門研究表明，當車速超過60 km/h時，車速每增加5 km/h交通事故的危險性基本上是原來的2倍。因此，當車輛較高速度行駛時，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

首先應該精確計算坑的半徑大小，然后再進行危險性分析。通過對影像進行目標識別后發(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)。

精確計算路坑半徑筆者認為有兩種方法，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)。

實線輪廓表示實際路坑多邊形，內外兩條虛線是指最小內切圓半徑和最大外接圓半徑所構成的環(huán)形。平均半徑為：dx=(d1+d2)/2。

以上的理論計算半徑是用周長和面積反算出半徑的平均值，平均半徑即為內外切圓半徑的平均值。根據(jù)計算結果(表3)，結合實地考察，1號點的反推算半徑與環(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號點區(qū)域；2、3、4號點近似于圓形，故環(huán)平均算法近似于反推算的半徑；5號點的兩種計算結果誤差為0，原因是此處為一井蓋，因道路整修，導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(曲率變化較大的點)，中心到特征點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，連接此點至路坑中心即為特征曲線，以上均取5個特征射線進行計算，從表4結果可以看出，1號、4號點誤差較大，2、3號點誤差較小，5號點誤差仍為0，因為此處井蓋區(qū)域近似圓形，特征點變化不大。

表4 特征射線平均值算法計算半徑及誤差

如前所述，行車的危險系數(shù)與車速呈指數(shù)關系，行車的危險系數(shù)與路坑的半徑呈區(qū)域性的線性關系。所以在路況不好的情形下，尤其多路坑路面，行車的危險系數(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。

危險系數(shù)(W)與車速(v)和路坑半徑(d)的函數(shù)關系表達為：

W=W1(v)+W2(d)

下面結合實際情況，做一種假設：

①當0

②當2/3r

③當d>2r時，W2隨著d增加而逐漸減小，即路坑大小遠大于車輪大小，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+輪胎內半徑×25.4(單位：mm)。筆者駕駛的福瑞斯汽車輪胎標有195/65R15字樣，則輪胎半徑=195×0.65+15×25.4/2=317.3 mm。與5個采集點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)此分析結果，可與交通廣播、電子地圖或導航軟件對接進行數(shù)據(jù)更新，及時提醒車主，避免事故發(fā)生。

5.2 道路修復

對于有效解決路面修復的關鍵之處在于，提前知道道路破損程度，從而計算出所需材料，本次剔除道路其他破壞情況，就路坑修復而言，根據(jù)采集到的數(shù)據(jù)進行解算。由于一般路坑形狀近似于圓錐體，故路坑土方量計算表達為：

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，如果需要精細計算土方量，可以利用微積分方法計算坑的體積容量。根據(jù)道路施工經(jīng)驗，往往按照土方計算量的1.3倍準備材料，即按照V=1.3(V1+V2+…+Vn)做好準備，合理配置人力物力以及時間。本實驗采集影像中路坑的土方量如表6所示。

表6 各點土方量計算結果

就本研究區(qū)域而言，采集的5個路坑總共土方量為V=1.3×(V1+V2+V3+V4+V5=0.20+0.01+0.03+0.02+0.02)=0.364 m3。因此需準備0.364 m3的材料前去補修路坑，不僅做到定量科學化，避免材料的浪費，而且提高了工作效率。

如上所述，無論是安全預警還是道路修復，利用無人機低空遙感技術具有可行性，如果將處理后的數(shù)據(jù)及時上報交通部門和市政部門，對防范交通事故和科學道路修復都有一定的現(xiàn)實意義。

6 結論與展望

通過無人機低空遙感技術，對路面進行影像采集，然后處理分析，大大提高了效率，降低了維護和保障道路安全及修復的成本，為實際生產(chǎn)生活帶來了便利，具體如下：

(1)利用UAV技術采集路面影像數(shù)據(jù)，即實惠又實用。充分發(fā)揮無人機的優(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行，過程不受人為因素影響，得到的數(shù)據(jù)與實際相符。

(3)采用地理數(shù)學建模方法進行分析判斷，即精確又精細。對采集到的數(shù)據(jù)進行深度挖掘，建立評判模型，提供精確精細的評判結果，經(jīng)得住實踐檢驗。

(4)通過可視化表達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_方式使道路管理者即用戶對研究結果一目了然，快速輔助決策，及時作出應對，減少道路安全隱患帶來的事故和財產(chǎn)損失。