三种路面破损分类算法的仿真比较概要

交通运输工程与信息学报第2卷第3期 2004年9月 Journal of Transportation Engineering and Information No.3 V o1.2 Sept.2004
53
交通运输工程与信息学报 2004年第3期
三种路面破损分类算法的仿真比较肖旺新等
交通运输工程与信息学报 2004年第3期
三种路面破损分类算法的仿真比较肖旺新等
交通运输工程与信息学报 2004 年第3期表3 Tab.3 测试数据 A1 A2 A3 B1
B2 B3 C1 C2 C3 密度因子测试结果图片来测试这三种算法的性能。

对于容易区分的横向和纵向裂缝，因比较简单，用实际路面去验证三种算法时，其测试效果基本如表 2 ~ 表 4，限于篇幅，省略之。

图 7、 8 分别是文献[2]中给出的典型实际块状图裂缝和典型龟状裂缝，也是唯一的两幅已经“0” 、“1” 子块化的块状裂缝和龟状裂缝路面。

这样的实际路面，应该可以充分的检验我们提出的算法。

由于实际收集到的破损路面总是不够，我们采用一种比较巧妙的解决方案：对于块状裂缝，我们从图 8 的任意抽一行一列，代替图 7 的任意抽一行一列，这样可以产生 4 万多种块状裂缝；对于龟状裂缝，我们基本按照表 1 中人工产生龟状裂缝时采用的方法，即把图 8 分别从中心、左上、左下、右上、右下删除不同大小方块，以及从图 8 中任意删除一行、两行、 Test results from density factor algorithm 错误明细表纵向裂缝 12 4 13 5 2 8 1 8 12 横向裂缝 8 15 18 7 6 6 10 11 15 块状裂缝 0 0 0 1 0 0 0 0 0 龟状裂缝 0 0 0 0 0 0 0 0 0 完好路面 0 0 0 0 0 0 0 0 0 总数 143 268 462 150 150 150 150 210 270 总体识别率 /(% 86.01 92.91 93.29 91.33 94.67 90.67 92.67 90.95 90.00 表4 方向密度因子测试结果 Test results from Tab.4 directional density factor
algorithm 测试数据 A1 A2 A3 B1 B2 B3 C1 C2 C3 错误明细表纵向裂缝 0 0 0 0 0 0 0 0 0 横向裂缝 0 0 0 0 0 0 0 0 0 块状裂缝 0 0 0 2 0 0 2 0 0 龟状裂缝 0 0 0 0 0 0 0 0 0 完好路面 0 0 0 0 0 0 0 0 0 总数 143 268 462 150 150 150 150 210 270 总体识别率
/(% 100 100 100 98.67 100 100 98.67 100 100 图7 Fig.7 实际的块状裂缝 One block of real pavement crack 从表 2、表 3 和表 4 可以看出，对于人工数据， PROXIMITY 算法和方向密度因子算法的识别率都很高，难以看出算法的优劣。

基本密度因子算法的整体识别率略低于 PROXIMITY 算法和方向密度因子算法，但是，对于常规算法最难区分、识别的块状裂缝和龟状裂缝，基本密度因子算法的误判数为 1，方向密度因子算法的误判数为 4，PROXIMITY 算法的误判数为 13，说明基本密度因子算法对块状裂缝和龟状裂缝的识别率最高。

2.3 实际路面数据测试结果为了进一步测试算法的优劣，我们采用实际路面 Fig.8 图8 实际的龟状裂缝 One alligator of real pavement crack 58
三种路面破损分类算法的仿真比较肖旺新等三行，一列、两列、三列和四列，以及同时删除一行和一列、一行和两列，一列和两行等，我们共随机产生4500 个龟状裂缝样本。

测试结果见表 5 ~ 表 6。

表5 不同方法对龟状裂缝识别结果 Tab.5 Test results of 基于破损密度因子的路面破损分类方法的可行性和优越性。

下一步的工作是进一步改进密度因子方法，即设计不同结构——不同大小或不同形式的密度因子，得到不同的改进算法，以达到对更多类型的路面破损形式进行分类的目的。

different algorithm for alligator crack 识别方法 PROXIMITY 方法密度因子方法方向密度因子方法错误数目 1 634 0 0 总数 4 500 4 500 4 500 识别率/(% 63.7 100 100 表6 不同方法对块状裂缝识别结果 Tab.6 Test results of different algorithms for block crack 识别方法错误数目 749 1 015 总数 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 3 888 识别率/(% 80.74 73.89 82.00 78.94 80.20 77.34 78.06 78.86 79.63 78.91 96.42 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 100 表 2 告诉我们，对于表 1 中的人工数据， PROXIMITY 方法识别率很高。

但是， 5 告诉我们，表对于 4 500 个实际龟状裂缝的变化出来的数据，
PROXIMITY 方法的缺陷就表现出来。

PROXIMITY 方法把其中的 1 632 个龟状裂
缝识别为块状裂缝，把其中的 2 个龟状裂缝识别为纵向裂缝。

文献[2]中没有发现这个问题，可能是他的实际测试的路面数据太少了，总共才 127 个，其中龟状裂缝才 16 个， PROXIMITY 方法识别正确的有 14 个，识别率为
88 %。

虽然识别率不低，但是，测试的路面数据太少。

对于实际的块状裂缝和
龟状裂缝，密度因子算法和方向密度因子算法的识别率都很高，100 %或者非常
接近 100 %。

而 PROXIMITY 算法，虽然对表 1 中的人工数据识别率很高，但
是，表 5 和表 6 表明，对于实际路面数据，其识别率不高，证明 PROXIMITY 算
法泛化能力比较差。

密度因子方法 PROXIMITY 方法 700 819 770 881 853 822 792 820 139 0 0 0 0 0 0 0 0 0 0 0 0 3 结语本文通过大量的模拟路面和实际路面对三种路0 0 0 0 方向密度因子方法 0 0 0 0 0 0 面破损分类算法进行了仿真，仿真结果表明：1）三种路面破损分类算法中，方向密度因子算法对五种常见路面破损类型的整体识别效果最好； 2）对于常规算法最难区分的块状裂缝和龟状裂缝，基本密度因子的算法的识别效果最好。

通过本文的仿真试验，充分验证了文献[3]提出的 59
交通运输工程与信息学报 2004 年第3期参考文献 [1] 王荣本，王超，初秀民. 路面破损图像识别研究 Dissertation Submitted to the Faculty of the 进展[J]. 吉林大学学报（工学版），2002；32（4）： 91-97. [2] Lee B. J. Development of an integrated digital pavement imaging and neural network system [D]. A [3] University of Iowa, 2001. 肖旺新，张雪，黄卫. 基于破损密度因子的路面破损识别新方法[J]. 交通运输工程与信息学报， 2004；2（2）：82-89. 上接第 15 页和经验估计相对容
易一些。

设 F 是 Rn 上任意非空的有界子集，δ(F是长度最大为δ， N 可以覆盖 F 的集中的最少个数，则 F 的主车流维数为 3 结论本文重点对主干道上主车流分形图形的形成过dim B F = lim log N δ ( F δ →δ 0 − log δ （3）程进行了描述，并结
合图形说明了主车流在主干道上的分形控制机理，以及实现分形几何控制将会大大提高我国城市主干道的主车流流速，减小道路建设投资，降低排放污染的重大意义。

为了实现对主车流的几何控制，在对主车流分形维数进行数学描述的基础上，得出实际的主车流图形的分形维数为1.749，这进一步说明了主车流图形是分形，用分形理论对主车流进行控制是完全可行的。

取桑塔钠轿车长度与安全距离
之和作为网格长度δ ，以单车道宽作为网格宽度，用这样的网格去覆盖主车流图形，网格中有图形象素的方格数目 [4] 为 N(F，那么由式（3）即可求出主车流维数。

用此方法可求得哈尔滨市某信号控制交叉口的主车流图形的分形维数为1.749。

参考文献 [1] 李作敏，黄中祥，张亚军. 高速公路交通流分形特性分析[J]. 中国公路学报，2000；13（3）：82-85. [2] 贺国光，马寿峰，冯蔚东. 对交通流分形问题的初步研究[J]. 中国公路学报，2002；15（4）：82-85. [3] 曾文曲，刘世耀，戴连贵，高占阳译.分形几何——数学基础及其应用[M]. 沈阳：东北大学出版社， [5] [4] 2001. 孙霞，吴自琴，黄畇. 分形原理及其应用[M]. 合肥：中国科学技术大学出版社，2003. 隽志才，魏丽英，李江. 信号交叉口排队长度宏观模拟的自适应分析法[J]. 中国公路学报，2000； 13（1）：77-80. 60。