WWW.DISSERS.RU

БЕСПЛАТНАЯ ЭЛЕКТРОННАЯ БИБЛИОТЕКА

   Добро пожаловать!


 

На правах рукописи

Панов Петр Владимирович

АВТОМАТИЗИРОВАННАЯ СИСТЕМА УПРАВЛЕНИЯ ПРОМЫШЛЕННЫМ ПРОИЗВОДСТВОМ АСФАЛЬТОБЕТОННЫХ СМЕСЕЙ ПО РЕЗУЛЬТАТАМ МОНИТОРИНГА СОСТОЯНИЯ АВТОМОБИЛЬНЫХ ДОРОГ

Специальность 05.13.06 – Автоматизация и управление технологическими процессами и производствами (промышленность)

Автореферат

диссертации на соискание ученой степени

кандидата технических наук

Москва – 2012

Работа выполнена на кафедре «Автоматизированные системы управления» в Федеральном государственном бюджетном образовательном учреждении высшего профессионального образования Московском автомобильно-дорожном государственном техническом университете (МАДИ).

Научный руководитель

Строганов Виктор Юрьевич

Лауреат премии Правительства РФ,

доктор технических наук, профессор, МГТУ им.Н.Э.Баумана, профессор кафедры «Системы обработки информации и управления»

Официальные оппоненты

Суворов Дмитрий Наумович

доктор технических наук, профессор,

МАДИ, профессор кафедры «Автоматизация производственных процессов»

Горюнов Игорь Иванович

кандидат технических наук, доцент

Московский государственный строительный университет (МГСУ),

заведующий  кафедрой «Автоматизация инженерно-строительных технологий»

Ведущая организация: Российский научно-исследовательский институт информационных технологий и систем автоматизированного проектирования (Рос НИИ ИТ и АП), г. Москва.

Защита состоится 11 апреля 2012г. в 1000 часов на заседании диссертационного совета Д.212.126.05 при Московском автомобильно-дорожном государственном техническом университете (МАДИ) по адресу:

125319, г. Москва, Ленинградский пр., д.64.

С диссертацией можно ознакомиться в библиотеке МАДИ.

Автореферат разослан 7 марта 2012г.

Отзыв на автореферат в одном экземпляре, заверенный печатью, просим направлять в адрес совета МАДИ.

Ученый секретарь

диссертационного совета,

кандидат технических наук, доцент                         Михайлова Н.В.

Общая характеристика работы

Актуальность проблемы

Диагностика автомобильных дорог является основой системы управления состоянием автомобильных дорог, в том числе планирования, распределения и использования средств, направляемых на содержание, ремонт и реконструкцию дорог, оптимизацию программ дорожных работ. Цель диагностики и оценки состояния автомобильных дорог, состоит в получении полной, объективной и достоверной информации о транспортно-эксплуатационном состоянии дорог, условиях их работы и степени соответствия фактических потребительских свойств, параметров и характеристик требованиям движения. Результаты диагностики являются основой управления состоянием автомобильных дорог и исходной базой для эффективного использования средств, направляемых на совершенствование и развитие дорожной сети. Транспортно-эксплуатационное состояние дороги комплекс фактических значений параметров и характеристик технического уровня и эксплуатационного состояния на момент обследования и оценки, обеспечивающих её потребительские свойства.

Поддержание на должном эксплуатационном уровне автомобильной дорожной сети является важной задачей, от решения которой зависит безопасность движения. Основной задачей системы обработки данных для автоматизации технологических процессов мониторинга дорожной сети является сбор и систематизация данных об элементах автодорожной сети, обработка собранных данных с целью прогнозирования затрат материалов на ремонт и, как следствие, прогнозирование объемов производства материалов ремонта, что и определяет актуальность исследований.

Цель и основные задачи исследования

Целью работы является повышение эффективности мониторинга дорожного полотна за счет создания автоматизированной системы обработки данных, обеспечивающей уточнение количественно-качественных показателей основных элементов автомобильных дорог; организацию систематических наблюдений за объектами мониторинга с регистрацией изменений в эксплуатационном состоянии элементов обустройства, материалов, конструкций, возникших за период между наблюдениями; планирование ремонтных работ на участках обследуемых автомобильных дорог; прогнозирование объемов производства материалов, требующихся для проведения ремонтных работ.

В соответствии с поставленной целью в диссертации решаются следующие задачи:

1. Сравнительный анализ и исследование различных способов сбора визуальной информации о состоянии объектов с целью выбора рационального решения, позволяющего провести наиболее полную автоматизированную обработку.

2. Разработка и реализация алгоритмов распознавания элементов, принадлежащих объектам автомобильных дорог и элементов обустройства.

3. Реализация функции прогнозирования расхода материалов на ремонт по данным вычисленных дорожных характеристик на базе регрессионных моделей, с использованием связи системы с внешними математическими пакетами.

4. Разработка базы данных для хранения информации о проведенных измерениях дорожной лаборатории, хранения значений вычисленных дорожных характеристик, а также характеристик дорожных объектов.

5. Разработка специализированного программного обеспечения, позволяющего регистрировать количественный и качественный состав элементов, определять геометрию элементов, вычислять заданные характеристики качества дороги.

Научная новизна

Научная новизна состоит в теоретической и практической реализации методов бесконтактной диагностики и оценки эксплуатационного состояния автомобильных дорог.

На защиту выносятся:

  • методы прогнозирования расходов материалов на ремонтные работы участков дорожного полотна;
  • методы распознавания состояния дорожной одежды (дорожной разметки, трещин, дорожных заплаток);
  • методы расчета характеристик продольной ровности дорожного полотна;
  • алгоритм вычисления поперечной ровности дорожного полотна;
  • база данных для хранения данных измерений проведенных дорожной лабораторией, информации о характеристиках дороги, а также технико-эксплуатационного состояния.

Теоретическая и методологическая основа исследования

Теоретической и методологической основой исследования являются методы технического зрения, многомерного статистического анализа, системного анализа, математические методы распознавания и анализа изображений, регрессионного анализа, теории баз данных.

Практическая ценность и реализация результатов работы

Научные результаты, полученные в диссертации, доведены до практического использования. Они представляют непосредственный интерес в области автоматизации мониторинга дорожного полотна. Разработанные методы и алгоритмы прошли апробацию и внедрены для практического применения в ряде предприятий, а также используются в учебном процессе в Московском автомобильно-дорожном государственном техническом университете (МАДИ).

Содержание отдельных разделов и диссертации в целом было доложено и получило одобрение:

  • на Российских, межрегиональных и международных научно-технических конференциях и семинарах (2005-2011 гг.);
  • на заседаниях кафедры АСУ МАДИ.

Полученные в диссертации результаты позволяют производить оперативный контроль эксплуатационного состояния автомобильных дорог, планировать сроки и объемы производства ремонтных работ, планировать производство необходимых ремонтных материалов дорог.

Структура работы соответствует списку перечисленных задач, содержит описание разработанных методов, моделей и методик.

СОДЕРЖАНИЕ РАБОТЫ

Во введении обоснована актуальность темы, сформулированы цель и задачи исследования, приведено краткое изложение основных разделов диссертации.

В первой главе диссертации рассматриваются и анализируются основные проблемы диагностики автомобильных дорог с применением специализированных дорожных лабораторий. Проведен обзор некоторых из существующих систем диагностики и мониторинга, определены и сформулированы их основные возможности, а так же сформулирована проблематика решаемого вопроса – автоматизации процесса обработки получаемых с помощью дорожных лабораторий визуальных данных.

В МАДИ с целью обеспечения возможности получения необходимой информации о технико-эксплуатационном состоянии дорожных объектов была разработана передвижная дорожная лаборатория «АДС-МАДИ» (рис.1).

Рис.

1

Дорожная лаборатория «АДС-МАДИ»

Основная задача лаборатории – сбор и систематизация данных об элементах улично-дорожной сети, обработка собранных данных с целью установления их соответствия имеющимся классификационным нормам, оказание влияния на принимаемые решения по обеспечению ремонтных операций на дорогах.

Дорожная лаборатория включает в себя ряд систем, обеспечивающих выполнение работ по диагностике состояния дорожных объектов:

  • система замера продольной ровности покрытия;
  • система фиксации дефектов, элементов горизонтальной дорожной разметки и др.;
  • система замера поперечной ровности с фиксацией колейности высотных отметок дефектов;
  • двухдиапазонная система георадарного зондирования.

В диссертации приведено подробное описание технической базы и функций лаборатории «АДС-МАДИ». На основании этого описания определены основные технологические процессы обработки данных, требующие автоматизации. Сформулированы основные проблемы, возникающие при разработке автоматизированных систем обработки данных, и приведены методы их решения применительно к выбранным классам объектов мониторинга автомобильных дорог.

В работе в качестве конечного результата обработки данных лаборатории предлагается вычисление четырех характеристик состояния дорожного покрытия: продольной ровности дороги, поперечной ровности дороги, плотности трещин дорожного покрытия и плотности ремонтных карт и разрушений.

Для того чтобы вычислить эти четыре характеристики необходимо сделать предобработку исходных данных лаборатории и к обработанным данным применить алгоритмы вычисления данных характеристик.

На рисунке 2 представлена схема последовательного вычисления дорожных характеристик дороги.

Продольная ровность определяется показателем ровности дороги IRI, который непосредственно вычисляется из записанного в файле 1D микропрофиля дороги, по приведенному в работе алгоритму. Поперечная ровность, плотность трещин, а также плотность ремонтных карт и разрушений вычисляются для каждой полосы движения, поэтому для их вычисления  необходима информация о расположении каждой полосы движения на изображении. Для нахождения расположения полос движения на изображении дороги выделяется разметка дороги и по ее расположению находятся границы полос движения. Также для нахождения границ дороги по файлу высотных отметок 3D определяется расположение границ дороги – бортового камня. Для правильного вычисления поперечной ровности необходимо выделить область дорожного полотна не содержащую бортового камня, разметки, дорожных заплаток и трещин и для этой области рассчитать поперечную ровность дороги. Параметры распознанных объектов трещин и заплаток на участке применяются для прогнозирования затрат материалов на текущий ремонт данного участка.

Рис.

2

Схема последовательного вычисления дорожных характеристик и вычисления прогноза расхода материалов на ремонт

Из обозначенных на схеме, в работе представлено описание следующих алгоритмов:

  • Вычисление показателя IRI;
  • Преобразование левого и правого изображений 2D в совмещенное изображение;
  • Распознавание границ дороги и автотранспорта по файлу 3D высотных отметок микропрофиля;
  • Распознавание трещин на изображении;
  • Распознавание дорожных заплаток на изображении;
  • Распознавание вертикальной разметки;
  • Алгоритм выделения полос движения;
  • Алгоритм вычисления плотности трещин;
  • Алгоритм вычисления плотности ремонтных карт и разрушений;
  • Алгоритм вычисления поперечной ровности;
  • Алгоритм прогноза расхода материалов на ремонт.

Во второй главе разработаны основные методы вычисления дорожных характеристик на основе алгоритмов распознавания элементов дорожного полотна и других дорожных объектов.

Для автоматизации вычисления характеристики поперечной ровности был разработан алгоритм вычисления просвета под двухметровой рейкой по данным измерений высотных отметок.

В алгоритме вычисления поперечной ровности дороги можно выделить три этапа:

  1. Деление дороги на участки длиной 20 метров;
  2. Нахождение на каждом участке интервала измерений для каждой полосы движения, равного по длине двум метрам;
  3. Расчет максимального просвета на каждом двухметровом интервале между рейкой и высотными отметками.

Алгоритм распознавания дорожной разметки можно поделить на четыре этапа:

1) Сегментация изображения – применяется сегментация с адаптивным порогом;

2) Маркирование объектов – каждому объекту присваивается свой уникальный идентификатор;

3) Фильтрация объектов – объекты по площади не превышающие некоторого порога не участвуют в дальнейшей обработке;

4) Распознавание сегментированных объектов

В процедуре классификации реализована возможность распознавания четырех классов объектов:

  1. «Линия»;
  2. «Зебра»;
  3. «Стоп-линия»;
  4. «Стрелка».

Рис.

3

Выделение характерных признаков объекта

Процедура классификации состоит в выделении характерных признаков объекта и сравнении их с эталонным описанием. Рассмотрим каждый класс и характерные признаки в отдельности. Определим функцию f(x), значения которой представляют высоту объекта в столбце x описывающего прямоугольника. Также определим функцию g(y), значения которой представляют ширину объекта в строке y описывающего прямоугольника (рисунок 3). Каждый вид разметки может быть охарактеризован своими видами функций f(x) и g(y), а также комбинациями этих функций. При отсутствии характерных признаков, принадлежащих какому-либо известному классу, объект подвергается декомпозиции на составные объекты, которые в свою очередь подвергаются повторной классификации.

Работу алгоритма распознавания трещин дорожного полотна можно разделить на два этапа: 1) выделение линейных сегментов; 2) сборку трещин из линейных сегментов.

На первом этапе все изображение дороги делится на квадратные области   блоки. В каждом квадратном блоке выделяется линейный сегмент, представляющий собой прямую линию, проходящую через весь блок. Линейный сегмент характеризует наиболее вероятное расположение линейного участка трещины, проходящей через блок.

а)

б)


Рис.

4

Построение проекции блока изображения


Рассмотрим построение проекции блока изображения (рисунок 4а). Через центр блока O проведем ось L под углом α к оси X блока изображения. Ось L поделим на равные отрезки Li где i = Z, i 0. Для каждого отрезка Li вычислим его проекцию Ci по формуле:

,

(1)

где: cj – цвет j-го пикселя в 8-битной градации; sj – площадь области j-го пикселя попадающего в полосу проекции Li.

Для определения положения и угла линейного сегмента проекция блока изображения вычисляется для каждого угла α, где 0°α<180°. На рисунке 4б представлена двумерная функция f(x, α) значения которой для угла α соответствуют проекции блока изображения для этого угла.

Следующим этапом вычисляется свертка g(x, α) функции f(x, α) с ядром h1:

;

(2)

.

(3)

Ядро h1 представляет собой дискретизированную функцию Гаусса (рис.5а).

а)

б)



Рис.

5

a) Функция Гаусса; б) Производная функции Гаусса

Значения x=x0 и α=α0 соответствующие максимальному значению функции g(x, α) являются искомыми параметрами линейного сегмента.

Для оценки близости вычисленного линейного сегмента к сегменту трещины вычисляется свертка гистограммы максимума с ядром h2 в точке вычисленного максимума.

(4)

Ядро h2 представляет собой перевернутый график второй производной функции Гаусса (рис.5б).

Сумма коэффициентов дискретизированного ядра h2 равна 0. Это означает, что при менее выраженном максимуме относительно соседних значений гистограммы значение свертки в точке максимума будет небольшим. В то же время, если форма гистограммы в окрестностях максимума приближена к форме ядра, то значение свертки будет существенным. В приведенном алгоритме значение свертки ядра и гистограммы в точке максимума используется для достоверности наличия сегмента трещины в блоке. Если значение свертки не превышает некоторого установленного порога T, то трещина в блоке отсутствует.

Найденные параметры сегмента α0 и x0 преобразуются в условные координаты (x1, y1, x2, y2) пересечения линейного сегмента с границами квадрата 1x1 представляющего блок изображения (рис.6а).

Вычисленные линейные сегменты формируют карту линейных сегментов. После просмотра блока линейного сегмента он помечается как обработанный. Блоки, в которых не было обнаружено линейного сегмента, также помечаются как обработанные.

Далее выполняется рекурсивная процедура сборки объектов трещин из линейных сегментов. Рассмотрим алгоритм сборки объектов трещин. При просмотре карты линейных сегментов вычисляются меры близости L1, L2, L3, L4 сегмента блока B с сегментами блоков S1, S2, S3 и S4 соответственно (рис.6б).

а)

б)


Рис.

6

а) Параметры линейного сегмента; б) Карта линейных сегментов

Мера близости сегментов L вычисляется на основании соотношения:

,

(5)

где α – угол образованный двумя линейными сегментами при соединении их в ближайших точках; αmax – максимально допустимый угол между двумя линейными сегментами (αmax = 45°); ΔS – расстояние между ближайшими точками двух сегментов; ΔSmax – максимально допустимое расстояние между ближайшими точками двух сегментов (ΔSmax = 0.5) (рис.7).

Рис.

7

Мера близости линейных сегментов

Далее находится максимальная мера близости Li max , такая что

Li max = max(L1, L2, L3, L4);

(6)

Li max > TL ,

(7)

где TL – установленный порог достоверности принадлежности двух сегментов одной трещине.

Если для сегмента блока B и сегмента блока S соответствует максимальная мера близости, то выполняется рекурсивная процедура сборки трещин.

Из центральных точек найденных сегментов блоков B формируется последовательность точек ломаной представляющая объект трещины.

Для оценки продольной ровности дороги вычисляется показатель IRI. Для получения продольного профиля в дорожной лаборатории АДС-МАДИ имеется инерционный профилометр. В результате обработки данных профилометра на участке автомобильной дороги получают массив ординат микропрофиля, в результате обработки которого, вычисляют показатель ровности IRI.

Алгоритм расчета показателя IRI проводится по следующей схеме:

Рассматривается движение стандартной двухмассовой модели (рис.8) с постоянной скоростью VA = 80 км/ч.

Рис.

8

Двухмассовая модель, принятая для расчета показателя IRI

Уравнения движения модели, имеют вид:

,

(8)

где: mп - подрессоренная масса; mк - неподрессоренная масса; С1 – жесткость подвески; С2 – жесткость шины; B – коэффициент вязкого трения подвески; z – вертикальные перемещения подрессоренной массы; у – вертикальные перемещения неподрессоренной массы; q – вертикальное возмущение от поверхности проезжей части (микропрофиль, профиль).

Уравнения в виде канонической системы представлены как:

,

(9)

где:

; ;

(10)

Переменные и коэффициенты в уравнениях определяются следующим образом:

; ; ; ;

(11)

; ; ; ;

(12)

Для расчета показателя IRI принимают следующие параметры модели:

B1 = 63,3 c-2; B2 = 653 c-2; C = 6 c-1; M = 0,15.

Для вычисления значения показателя IRI необходимо найти решение уравнения

,

(13)

где переменные определяются следующим образом:

; ; ; .

(14)

Показатель IRI определяется по формуле

(15)

Решение уравнения проводится по рекуррентным формулам

,

(16)

где – матричная экспонента

,

(17)

- шаг массива микропрофиля (секунды),

- шаг массива микропрофиля в метрах.

Матричная экспонента вычисляется разложением в ряд Тейлора

,

(18)

Показатель IRI в программе вычисляется по формуле

,

(19)

где n – количество точек измерения.

Ремонт таких разрушений, как трещины, выбоины, обнаруживаемых на изображениях измерений дорожной лаборатории, относится к текущему ремонту. Согласно ВСН 42-91 «Нормы расхода материалов на строительство и ремонт автомобильных дорог и мостов» устанавливаются нормы расходов материалов на ремонт

Возможность контроля размера разрушений на дороге во времени дает возможность идентифицировать модель для последующего предсказания количественного разрушения дорожного полотна на участках и, как следствие, сделать возможным планирование дальнейших работ по ремонту дороги с учетом оптимального расхода материалов на ремонт.

Для решения задачи прогнозирования значений характеристик дорожного полотна во времени, в работе предлагается использование моделей регрессионного анализа.

В третьей главе выполнен полный цикл проектирования базы данных системы мониторинга и прогнозирования объема производства асфальтобетонных смесей.

Анализ и систематизация задач в области моделирования производства смесей и оценки их качества с целью выбора конструктивных параметров и рациональных режимов работы производственных агрегатов привела к схеме исследований, представленной на рис.9 Верхний уровень связан с принятием управленческих решений по выбору типов агрегатов. Свойства смесей существенно влияют на эффективность использования агрегатов, поэтому необходима разработка формализованных моделей технологических процессов производства смесей.

Выбора конструктивных параметров агрегатов

Моделирование динамики производства смесей

Моделирование оценки качества смесей

Статистические модели смесей

Рис.

9  Взаимосвязь задач автоматизации выбора режимов работы агрегатов

 

Решение задач среднего уровня связано с определением оптимальных режимов работы агрегатов по выпуску смесей. Основой расчета должна быть совокупность математических моделей описания процесса производства смеси, что дает основу для расчета технических характеристик агрегатов. В свою очередь модели анализа характеристик смесей и формальные методы оптимизации дают основу задачам синтеза, которые вместе с экспертными оценками составляют основу методологии выбора типов агрегатов и режимов их работы.

Для организации процедур контроля в диссертации предлагается использование выборочных планов последовательного типа, которые более предпочтительны по соображениям большей мощности. По сравнению со статическими планами они требуют меньшего объема выборки (количества контрольных замеров). При динамическом контроле, обозначая количество дефектных изделий m, процентная частота попадания в выборке равна . Для бесконечно большой генеральной совокупности границы коридора имеют вид:

, .

(20)

Для конечных генеральных совокупностей  используется поправка на конечность . Способ определения доверительного интервала для относительной частоты генеральной совокупности основан на нормальном приближении и вычисляется на основании:

.

(21)

На рис.10 приведены границы коридора в ситуациях принятия и отклонения гипотез о соответствии качества.


Рис.

10

Проверка гипотез качества продукции

В результате такой поход дает возможность организации адаптивного контроля для установления соответствия уровня качества продукции требуемому уровню. Причем, начиная с построения с различных начальных точек реализуется динамическая идентификация пороговых точек изменения качества.

В диссертации ставится задача автоматизации и моделирования технологических процессов производства смесей. Решение поставленных задач позволило реализовать целостную методику выбора методов оценки качества выпускаемой продукции, и организовать обратную связь в ходе управления агрегатами.

Далее в работе определены функции автоматизированной информационной системы (рис.11). Приведено описание каждой вычисляемой характеристики автомобильной дороги измеряемой с помощью систем дорожной лаборатории. Проведен анализ информационных требований пользователя автоматизированной системы. Выделен состав приложений предметной области, а также состав функций каждого приложения. Из функций выделены подфункции и приведено их описание. Также составлен список основных запросов для каждой подфункции.

Составлена ER диаграмма на основе исходной информации системы локальных представлений в виде модели «объект-атрибут» (рис.12).

На основе анализа и последовательного объединения моделей «объект-атрибут» построена концептуальная схема данных в виде модели «объект-связь», EER-модели на локальном уровне (рис.13).

Рис.

11

Функции автоматизированной информационной системы

Рис.

12

Модели данных «объект-атрибут»

Построено отображение ER-диаграмм в реляционную схему данных.

Реляционная модель данных является однородной и состоит из множества отношений. Каждому отношению сопоставлена некоторая таблица. Каждая таблица имеет наименование. Отношения различаются между собой по признакам.

Структура таблицы определяется составом ее колонок. Смысловое значение каждой колонки фиксируется в верхней части таблицы с помощью символьного имени (атрибута отношения). На уровне отношений описываются соответствующие объекты со своими свойствами из концептуальной схемы. В силу однородности реляционной модели данных и объекты, и связи модели «объект-связь» соответствуют отношению. Каждый абстрактный объект представляется в таблице строкой значения. При этом для каждого атрибута в каждой строке появляется ровно одно значение. Каждый атрибут описывает свойства объекта и неявно связан с некоторым доменом.

Рис.

13

Концептуальная схема данных

В качестве целевой СУБД для реляционной базы данных был выбран SQL Server.

Отображение концептуальной модели в реляционную схему данных представлено на рисунке 14.

В четвертой главе рассматриваются принципы построения автоматизированной системы мониторинга и на ее базе системы прогнозирования производства материалов ремонта, приводится ее архитектура. Определены принципы построения, состав и характеристики программного и аппаратного обеспечения, необходимые для практической реализации разработанной системы обработки.


Рис.

14

Реляционная схема данных

Рис.

15

Технологическая схема обработки информации в автоматизированной системе обработки данных

Основные компоненты разработанной в диссертации системы обработки данных приведены на рисунке 15 и состоят из следующего семейства алгоритмов и подсистем:

  • алгоритм вывода данных измерений дорожной лаборатории на файл сервер в соответствии с иерархической структурой хранения данных на компьютере. Обрабатываются данные, которые поступают с системы измерения продольной ровности (система 1D), системы видео компьютерного сканирования (система 2D), системы замера поперечной ровности (система 3D) и системы георадарного зондирования дорожной лаборатории (система 4D). Данные систем представлены упорядоченной последовательностью файлов;
  • файл-сервер. Файлы 1D, 2D, 3D, 4D. Основное назначение – хранить упорядоченные по объектам обследования файлы в иерархической структуре каталогов.
  • подсистема конвертации данных измерений дорожной лаборатории в формат БД. В подсистеме реализован алгоритм преобразования существующих файлов измерений дорожной лаборатории, учитывая структуру их хранения на файл-сервере.
  • сервер БД. База данных АБДД. Реляционная база данных, разработанная для автоматизированной системы, включает в себя: данные о сотрудниках дорожной лаборатории, данные об объектах измерений (основными сущностями являются названия, регистрационный номер БТИ, описание участка дороги), преобразованные данные измерений лаборатории, данные о параметрах съемки, данные о дорожных объектах (тип, класс, размеры, координаты), данные о вычисленных характеристиках дороги. Так же в базе данных хранится ряд вспомогательных таблиц-списков необходимых для технического сопровождения работ по мониторингу автомобильных дорог.
  • система автоматизированной обработки данных. Включает в себя следующие подсистемы: подсистема коррекции изображения, подсистема распознавания элементов дорожного полотна на изображении, подсистемы выделения полос движения, подсистема вычисления дорожных характеристик. В подсистеме коррекции изображения реализованы алгоритмы преобразования изображения, в результате работы которых убираются проекционные искажения изображения, и выравнивается освещенность изображения. В подсистеме распознавания элементов дорожного полотна реализованы алгоритмы распознавания разметки дороги, распознавания машин, распознавания границ дороги, распознавания трещин, распознавания дорожных заплаток. В подсистеме выделения полос движения дороги реализован алгоритм, позволяющий определить области полос движения по наличию распознанных элементов дорожной разметки и границ дороги. В подсистеме вычисления дорожных характеристик реализованы следующие алгоритмы: алгоритмы вычисления международного индекса ровности дороги IRI, алгоритм вычисления поперечной ровности, алгоритм вычисления плотности трещин на участке дороги, алгоритм вычисления плотности дорожных карт и разрушений.
  • подсистема коррекции данных оператором. Ядро системы – содержит основные процедуры и функции по работе с базой данных. Позволяет оператору вносить изменения и добавлять данные объектов мониторинга, а также редактировать результаты обработки данных измерений лаборатории;
  • подсистема визуализации данных и формирования отчетной документации. В подсистеме реализован алгоритм визуализации вычисленных характеристик в различных формах отображения информации. Функция формирования отчетной документации создана в виде табличных шаблонов-запросов.
  • подсистема прогнозирования затрат материалов. В подсистеме реализована связь с математическими пакетами, связь с базой данных моделей прогноза и функция предсказания значений затрат материалов на основании данных расчета эмпирических регрессионных моделей.

Реализация концептуальной модели архитектуры системы обработки данных, основана на применении технологии MDI (Multi Document Interface), как на оптимальном варианте, существенно облегчающем работу, как оператора с готовым приложением, так и процесс его создания.

Рис.

16

Архитектура системы обработки данных

Рис.

17

Результат применения регрессионной модели предсказания значения суммы длин трещин дорожного полотна

Определена объектная модель дороги и в соответствии с ней рассмотрены структуры хранения объектов данных в автоматизированной системе.

Для более эффективного использования времени работы системы в приложении применяется распределение независимых задач по процессам. Такое разделение позволяет системе выполнять задачи по обработке данных одновременно с ожиданием ответа на запрос к базе данных.

Все алгоритмы работы с данными лаборатории, а именно алгоритмы распознавания, алгоритмы работы с изображениями скомпилированы в отдельных динамически библиотеках DLL, что позволяет разработчику работать отдельно над повышением эффективности алгоритмов без компиляции основного приложения.

Реализована подсистема предсказания расходов материалов при текущем ремонте на указанную дату. Все расчеты производятся с помощью внешнего математического пакета Statistica (StatSoft).

На рисунке 17 приведен пример расчета регрессионной модели предсказания будущих значений количественных разрушений дорожного полотна с использованием пакета Statistica.

Полученные в опыте коэффициенты регрессии можно использовать для начальных значений коэффициентов при поиске моделей зависимостей других участков с учетом типа покрытия дорожного полотна, интенсивности движения, а также других факторов.

В заключении представлены основные результаты работы.

В приложении приводятся акты внедрения результатов диссертационной работы.

Публикации. По результатам выполненных исследований опубликовано 6 печатных работ.

ОСНОВНЫЕ ВЫВОДЫ И РЕЗУЛЬТАТЫ РАБОТЫ

В процессе выполнения диссертационной работы были получены следующие результаты:

  1. Проведен сравнительный анализ и исследование различных способов сбора визуальной информации о состоянии объектов дорожного полотна с целью выбора рациональных решений по формированию планов ремонтных работ.
  2. Разработаны алгоритмы распознавания элементов, принадлежащих объектам автомобильных дорог и элементов обустройства, а также вычисления поперечной и продольной ровности дорожного полотна, распознавания дорожной разметки, трещин, дорожных заплаток и др.
  3. На базе регрессионных моделей с использованием интерфейсного взаимодействия с математическими пакетами реализованы функции прогнозирования расхода материалов на ремонт, по вычисленным показателям дорожных характеристик.
  4. Разработана база данных для хранения информации о проведенных измерениях дорожной лаборатории, хранения значений вычисленных дорожных характеристик, а также характеристик дорожных объектов.
  5. Разработано специализированное программное обеспечение, позволяющее регистрировать количественно качественный состав элементов, определять геометрию элементов, вычислять заданные характеристики качества дороги.

Публикации по теме работы

Из перечня ВАК

  1. Панов П.В. Автоматизация идентификации выбросов высотных отметок поверхности дорожного полотна / Панов П.В., Зайцев Д.В., Ла Суан Тханг, Мазуренко С.В. // Вестник МАДИ(ГТУ), вып. 3(18). 2009. – С.87-91.

В других Издательствах

  1. Панов П.В. Автоматизация мониторинга характеристик профилей дорожного полотна / Панов П.В. // Теория и практика автоматизированного управления: сб. науч. тр. МАДИ(ГТУ). - М., 2009. - С.113-117.
  2. Панов П.В. Вычисление поперечной ровности дороги, как задача вычислительной геометрии / Панов П.В., Строганов В.Ю. // Новые технологии производства и управления в промышленности и образовании: сб. науч. тр. МАДИ(ГТУ). - М., 2009. - С. 73-78.
  3. Панов П.В. Задачи оптимизации структуры управления производством работ на протяженных объектах / Панов П.В., Карасев А.А., Кудрявцев А.Ю., Якунин П.С. // Автоматизация и управление: стратегия, инвестиции, инновации. сб. науч. тр. МАДИ. Техполиграфцентр. М., 2011. С. 5359.
  4. Панов П.В. Разработка алгоритма распознавания трещин дорожного полотна / Панов П.В. // Автоматизация и управление на транспорте и в дорожном строительстве: сб. науч. тр. МАДИ. - М., 2011. - С. 115-122.
  5. Панов П.В. Алгоритм распознавания заплат дорожного полотна / Панов П.В. // Автоматизация и управление на транспорте и в дорожном строительстве: сб. науч. тр. МАДИ. - М., 2011. - С. 123-126.






© 2011 www.dissers.ru - «Бесплатная электронная библиотека»

Материалы этого сайта размещены для ознакомления, все права принадлежат их авторам.
Если Вы не согласны с тем, что Ваш материал размещён на этом сайте, пожалуйста, напишите нам, мы в течении 1-2 рабочих дней удалим его.