.png){kind=icon}
返回
Expert evaluation system for pothole defect detection
.png){kind=icon}
OA
AI
DOI：10.1016/j.eswa.2025.127280.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
交通基础设施的快速恶化，由极端天气事件和不断增加的交通负荷加速，给道路维护带来了重大挑战。车辙坑洼作为一种常见的路面损坏形式，不仅危及道路安全，还增加了车辆维护成本并扰乱了经济生产力。为解决此问题，本研究提出了一种基于移动物联网（IoT）的路面监测系统，用于车辙坑洼的自动检测与评估。该提议系统通过结合物联网赋能的加速度计和一种新颖的基于无监督阈值的方法，能够根据从无人地面车辆（UGVs）收集的实时振动数据检测并估算车辙坑洼尺寸。本文介绍了一种可扩展且经济高效的框架，该框架整合了物联网数据采集技术与先进的路面监测算法，为市政部门和基础设施管理者提供了一种用于识别和优先处理道路维修的自动化解决方案。该提议系统已通过多次实地试验和全规模研究得到验证，其中它准确地识别了不同道路条件下各种尺寸的车辙坑洼。基于阈值的提议方法与基于小波的分段点检测算法进行了比较，以证明其在恶劣环境条件下仍能提供可靠且稳健结果的适用性。该提议方法使用九个不同尺寸的车辙坑洼进行验证，这些坑洼在无需任何用户干预的情况下被成功识别和估算。
Keyword:
Pavement monitoring
Anomaly detection
Dynamic thresholding
Vibration-based monitoring
Machine learning
Internet-of-things
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
7.5
论文数:
2.9W
被引数:
10.2W
机构
引用论文
An Automated Machine-Learning Approach for Road Pothole Detection Using Smartphone Sensor Data.png)
SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Assessing and Mapping of Road Surface Roughness based on GPS and Accelerometer Sensors on Bicycle-Mounted SmartphonesSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏On the Application of Time Frequency Convolutional Neural Networks to Road Anomalies' Identification with Accelerometers and GyroscopesSENSORSOAAI
SENSORSIF3.5
OAAI分享收藏A Machine Learning Approach to Road Surface Anomaly Assessment Using Smartphone Sensors使用智能手机传感器进行路面异常评估的机器学习方法IEEE SENSORS JOURNAL
OAAI
IEEE SENSORS JOURNALIF4.5
OAAI分享收藏
查看更多内容