智能技术在公路工程建设中的应用孙文

智能技术在公路工程建设中的应用孙文
发布时间：2021-10-19T05:16:34.901Z 来源：《防护工程》2021年20期作者：孙文
[导读] 经济的发展，城镇化进程的加快，促进公路建设项目的增多。

公路工程建设中，借助智能技术以提升自身勘察、设计、测量、施工、检测等的效能，为公路工程的建设提供了重要保障，显著提升公路工程建设的水平和质量。

由于计算机技术的飞速发展将人工智能技术应用于高等级公路领域已经成为有效解决目前我国公路建设和管理中复杂技术问题和提高公路使用质量的途径。

本文就智能技术在公路工程建设中的应用展开探讨。

孙文
枣庄市中区公路事业发展中心山东枣庄 277000
摘要：经济的发展，城镇化进程的加快，促进公路建设项目的增多。

公路工程建设中，借助智能技术以提升自身勘察、设计、测量、施工、检测等的效能，为公路工程的建设提供了重要保障，显著提升公路工程建设的水平和质量。

由于计算机技术的飞速发展将人工智能技术应用于高等级公路领域已经成为有效解决目前我国公路建设和管理中复杂技术问题和提高公路使用质量的途径。

本文就智能技术在公路工程建设中的应用展开探讨。

关键词：智能技术；公路工程；建设运用
引言
人工智能是众多行业应用中自动化、智能化技术的核心要素。

近年来随着深度学习技术的发展，人工智能在诸多应用领域都取得了举世瞩目的成就。

使用人工智能技术中的机器视觉和深度学习等技术，对交通大数据进行分析和建模，可以辅助或替代人工来做出分析、判断和决策。

在某些情况下机器的分析识别效果已经接近甚至超过了人类水平。

因此，人工智能技术的进步对于推动交通行业的技术进步，提升交通行业的信息化、自动化、智能化水平有着非常重要和积极的意义。

1预应力智能张拉技术
一般情况下可以认为智能张拉系统和传统施工工艺在张拉程序上大致相同，那是因为该梁体智能工艺是在传统的施工工艺的基础上建立的。

而张拉智能平台在结合了系统管理、计算机智能控制和系统传感测量等方法的优势。

因为，它改进了传统工艺中张拉程度不一致、人工控制的张拉力和人工测量的伸长量不准确、张拉程序难以达到施工规范和数据来源性不强等问题。

智能预应力张拉技术在现代计算机技术的支持下改进了传统工艺的缺点，具有以下优点：（1）该技术可以有效保障结构安全减少结构质量安全风险，增加使用寿命。

由于它可以精确控制千斤顶施加的预应力值，所以能将误差范围控制在±1；（2）延伸量应在±6%范围内，过多过少都要重新校核。

校核方法是由传感器采集数据并将其传到计算机上，然后计算出延伸量，以此完成真正的“双控”；（3）所谓的“多顶同步张拉”工艺就是1台计算机可以同时控制2台或多台千斤顶，并且同时对称张拉，这样便解决了不同步对称张拉导致的扭曲问题；（4）排除了人为和环境因素的影响，张拉过程就变得更加的规范，而且实现了智能控制。

张拉过程的规范在很大程度上降低了预应力的耗费，而规范的因素主要有停顿点、加载速率和持荷时间；（5）自动记载张拉数据实现了实时跟踪，提高了质量的真实性，防止了人为造假的发生；业主、监管、施工、检测单位在同一地区，互动性增强，可以智能控制；另外，还可以在很短的时间内知道桥梁预应力施工情况，以方便及时纠错。

（6）远程监控功能给质量管理增加了便利，使管理效率更加有保证。

智能预应力张拉技术在本文中分析了诸多优点，但是它在运行过程中也出现了一些差错：比如张拉技术中应用的设备如果在使用过程中断了电，设备只能重启，然后重新计算各种数据。

这样的话就容易导致施工进展慢，且差错也会变多。

2 GPS技术
（一） GPS静态测量。

（1）观测的时段进行有效选择即在借助下载的卫星星历文件编写GPS卫星可见性预报表。

并编观测计划书，使得观测站能够与交通完全的结合，使得工作人员工作效果得到明显提升。

（2）根据定位时间选择定位方法即采用静态定位或者快速静态定位的方式。

当卫星观测的数量超过5个以上时，静态定位时间确定为45min～60min，快速静态定位时间确定为15min～25min。

（二）GPS动态测量。

首先，测量人员需要在一个控制点上进行观察，其时间长达10min以上，然后进行初始化的工作。

其次，流动站在观测时需要按照预定的采样间隔进行自动观测。

由于定位模式较为特殊，流动时应该对卫星等进行观测，防止出现GPS信号失锁的现象。

其中动态测量的模式与静态测量的模式有很大区别，在公路勘测阶段能够借助动态测量等进行地形图的测绘、中桩的测量、横断面的测量等。

测量的时间在4s～5s左右，精准度较高。

3模式识别技术
模式识别技术在公路工程中主要应用于道路设施的无损检测，特别是路面的表面性能检测。

高速公路的大量出现，使得传统的路面检测技术已经不能满足需要。

高速公路为汽车专用道路，行车速度大大高于一般道路，传统的人工步行进行路面检测的方法显然已经落后，采用车载的自动检测设备成为必然趋势。

所谓自动检测就是采用车载计算机和摄像记录设备在车辆运行期间采集路表面的基本状况，存入
相应的存储介质中，然后利用以计算机图像识别技术为基础的图像识别分析软件，自动处理和分析采集到的大量路面状况图像，得到对评价路面使用性能有用的基本路面状态数据结构。

模式识别技术是图像识别中的关键技术。

由于路面损坏图像极其复杂，并且对噪声特别敏感，但对处理时间要求却相当高，因此给路面信息的处理和识别造成了很大的困难，同时也对模式识别技术提出了很高的要求。

为了消除噪声的变量影响，在具体的模式识别前，要进行路面信息的预处理消噪，而且对得到的信息进行一定的变换处理，以方便具体的路面信息识别。

经过信息预处理的路面状态信息往往特征不明显，难以识别其中隐含的特征信息，需要根据一定的模式识别法进行变换和分类。

由于路面损坏的复杂性和随机性，模式识别的算法极其复杂，而且都具有一定的局限性。

研究适用于不同路面损坏类型识别的算法是整个软件系统开发的关键，目前国内外已经就此提出了许多种模式识别算法，如直方图阈值法、模糊集合算法、基于神经网络的算法，灰色系统算法等。

此外，对于一些难以结构化且难以描述的问题，可以采用上述的专家系统技术，当然这会加大系统的研究难度。

模式识别算法的优劣是关系到系统成败的关键。

探讨和优化适用于具体问题的算法，提高系统的图像识别率及减小误识别率和拒识别率，将是路面数据自动检测的研究重点。

当然这是一个难度比较大的研究课题，需要多个学科的相互交叉。

4公路弯沉智能信息化检测技术
该技术是一项综合性较强的技术，主要是由检测终端、通信渠道或者控制服务中心、路面的巡检GIS等构成。

该技术检测的数据能综合反映公路路面的强度质量，路面结构设计优化阶段可以借助这一指标进行优化。

同时，公路在验收过程中也可以采用这一技术作为主要参考，已经完全取代了贝克曼梁式弯沉检测仪器。

这种智能化的落锤式弯沉仪通过模拟路面在车辆行驶过程中所产生载荷的变化情况，对相关检测的数据进行收集，从而及时优化路面结构，有效降低了承载力不够路面下沉的现象。

该技术与GPS和GIS技术结合，从而能够帮助技术人员对试验的数据等进行快速的收集和分析。

结语
通过在公路交通中将引入人工智能技术，借助其庞大的数据分析能力，有效的改善了道路交通中的各种问题。

公路工程建设过程中通过合理的应用智能技术，有效提升了公路检测、公路测量、公路测绘、公路施工等工作效率。

全方位的将智能技术应用到公路工程建设工作中，为公路工程的建设提供参考的价值，是公路工程智慧化建设的重要任务。

参考文献
[1]刘剑峰.高速公路智能全程监控系统及关键技术探讨[J].电子世界，2020(19):84-85.
[2]彭欣，梁才.智能技术在公路品质工程建设中的应用[J].西部交通科技，2020(1):143-146+152.
[3]唐修益.信息技术在公路建设中的应用与探索[J].中国公路，2019(3):85-87.。