交通工程專業創新教學實踐
——以基于智能手機的道路病害檢測為例

周寶定 姚楚羨 唐可懿 蔡皓楠

（[1]深圳大學土木與交通工程學院交通工程系 廣東·深圳 518060；[2]深圳大學城市智慧交通與安全運維研究院 廣東·深圳 518060）

1 背景介紹

我國交通工程學科產生于20世紀80年代初，是一門派生于道路工程學的新興學科，它把人、車、路集中于一個統一的系統中進行研究，兼有社會科學與自然科學的雙重特點，具有系統性、綜合性、交叉性、社會性、超前性、動態性等特點，是一門發展中的綜合性學科。隨著信息技術和計算機技術的發展，交通工程專業也呈現出更多的學科交叉與融合。我國的交通發展日新月異，城市交通向信息化與智慧化發展，交通工程專業向智能化發展，社會與國家對交通領域人才的要求也不斷提高。因此，交通工程的學生應當相應的擴大對交通工程專業的認識，在掌握傳統交通工程的基礎上具備多學科交叉知識背景和解決實際工程問題及創新學習能力，擴充自身的技能技術，以提升競爭力。

我校的交通工程專業較為依托于土木工程，若與土木工程專業的重疊部分不能充分凸顯專業特色，那么競爭力將會被大大削弱；此外，實踐教學是提升學生專業興趣、促進學生課外技能技術學習、應用基本專業知識、加深及擴充學生對專業技能的認知和理解的有效途徑。以道路病害檢測為例。道路病害檢測較為偏向于土木工程專業，假若能夠對道路養護狀況進行實時檢測，并及時反饋到車輛駕駛員及行人，便能有利于車輛駕駛員選擇路面優良的道路，享受更加舒適的駕駛體驗，減小道路對車輛造成的損傷，降低安全隱患，更加減少了車輛對有病害道路的再次損害，避免道路病害加劇，同時也有利于對道路進行及時的維護和修理，實現了人、車、路三者的聯動與統一，體現交通工程專業特色。實時對道路病害進行檢測需要有計算機與信息技術的支持，同時也要有智慧交通系統作為依托，這是偏向于土木工程的交通工程專業發展的方向之一。

本文將以基于智能手機的道路病害檢測實踐教學為例，給學生充分展示交通工程專業的發展潛力，拓寬學生對專業的認識與思考，激發學生對交通工程領域創新的興趣與熱情，并且引導學生不斷擴充自身的技能技術，為今后的深入學習打下良好基礎。

2 基于智能手機的道路病害檢測教學實踐

智能手機憑借其普及度、便捷性和可操作性高，加以智能手機配置有大量的內置傳感器，可以測量用戶和他們周圍環境的不同信息，在智能交通領域有廣泛的應用。因此，本次教學實踐以智能手機應用為工具收集道路情況數據，利用相關計算機軟件與技術，如MATLAB和Python，對數據進行可視化與處理，并采用機器學習的方法對校內道路情況與病害進行分類與分析，再與道路實際情況比對，提高數據處理的可靠性。

2.1 道路病害及檢測原理

我國常見的路面主要有混凝土和瀝青路面，混凝土路面常見的病害有混凝土接縫問題和混凝土板自身的損傷，瀝青路面常見的病害有變形，包括沉陷和隆起，以及裂縫。校園內及周邊道路以瀝青路面為主，路面保養狀況較好，未發現重大病害，故以減速帶、井蓋等較為明顯的路面凸起和凹陷代替道路病害進行實踐，這樣同時也降低了后期數據處理和可視化的難度，也便于進行數據處理結果與實際路況的對比，使對比有明顯的依據，有利于達到實踐教學效果。

依靠智能手機的內置加速度傳感器和APP，可以記錄手機運動x、y、z軸的加速度、航向角、經緯度、氣壓等屬性的變化，將智能手機固定于車輛上，使一軸與車輛垂直于路面的軸平行，當車輛在行駛時，就能記錄車輛的相關屬性的變化。車輛在平整的道路上勻速行駛時會產生穩定的振動，加速度數據的波形較為穩定；而當車輛駛過不平整的路面，例如減速帶和井蓋等凸起和凹陷時，加速度數據的波形會產生相應的變化，由此可初步判斷出路面的平整情況，從而推斷出道路的病害。

因此，本文主要依據車輛加速度的變化對校園內及周邊道路質量進行分類及道路病害檢測，并輔以行車記錄進行輔助判斷和驗證。

2.2 道路狀況數據收集及處理

本文采用一輛小汽車對深圳大學周邊總長約15km的城市道路進行數據采集，將智能手機固定于車上進行數據收集。

對收集到的加速度數據進行可視化處理后如圖1所示。道路平整度越低，車輛經過道路時的顛簸越厲害。評價為“優”的道路，加速度的波動最??；“中”的道路，加速度的波動較??；“差”的道路，加速度的波動最大。

圖1：車輛經過不同質量道路的加速度變化

數據收集完成后，需要對數據進行處理和特征值提取，進而運用機器學習方法進行分類。由于每次放置手機時，手機的姿態不能精確地保持一致，若一單軸的加速度作為道路病害評判的依據會有較大的偏差，因此，先要把三軸的加速度進行矢量相加合成為總加速度。對于所收集的數據中加速度進行特征提取。在加速度，計算全部加速度的峰值平均值、標準差、方差、中位數、最大值、最小值、平均值和極差。通過經緯度將用于收集數據的道路以約100m的長度進行分段，共分成149段。

為使后續的機器學習模型正常進行，先使用Kmeans聚類算法對分段后的數據分成“好”“中”“差”三類。由于用于收集數據的道路大體較為平整，出現了部分Kmeans聚類算法無法確定的路段情況，對于這部分有爭議的數據，需結合行車記錄、采集數據時的行車體驗輔助判斷，數據分布詳見表1。

表1：道路檢測數據集

2.3 建立機器學習模型

本文使用支持向量機（SVM）、決策樹、K臨近算法（KNN）、隨機森林四種機器學習分類模型進行道路質量等級分類，并對比了無濾波的原始數據、小波閾值降噪、巴特沃斯濾波對分類的準確性。四種機器學習算法分別使用原始數據、小波閾值降噪、巴特沃斯濾波的準確率如表2所示。

表2：道路分類準確率（%）

本文使用了十折交叉驗證測試算法的準確性，在此過程中，數據被劃分為10個不相交的部分，迭代地用于訓練和測試分類模型。由于支持向量機算法（SVM）的準確率較高，因此導出支持向量機算法的測試結果，具體結果如下：

表3：SVM采用原始數據的分類結果

表4：SVM使用小波降噪處理的分類結果

表5：SVM使用巴特沃茲濾波的分類結果

由實驗結果可看出，在100m的計算間隔中，分類誤差最小的是好類，誤差最大的是差類，大部分出現誤差的差類被錯誤地歸為中類，其中，使用巴特沃茲濾波的誤差最小。造成誤差的原因可能有在人工分類過程中，人對道路質量和病害判斷和分類的主觀因素不穩定，影響較大，且沒有處理數據集中的異常數據點，例如停車的數據點，本次實踐收集道路數據持續時間長，數據收集頻率高，會出現由各種原因造成的異常數據點，異常數據點會給道路分類造成影響，使得分類準確率下降。在上述所有參與實驗的模型中，采用巴特沃茲濾波的決策樹模型的分類正確率最高，因此，可采用使用巴特沃茲濾波的決策樹模型作為分類的模型，進行后續進一步的研究。

2.4 制作道路質量分布圖

對分類之后的結果可以在Arcgis中實現可視化，利用數據集中的經緯度畫出路線圖，再與道路情況分類合并，以不同的顏色表示不同的道路情況，加上圖例和標注，制成道路質量分類圖，如圖2所示。

3 結束語

本次基于智能手機的道路病害檢測實踐旨在拓寬學生對交通工程專業的了解與認識，提高學生對專業發展潛力的認同，同時也將提升學生以下幾方面的能力：

（1）數據收集能力：本次實踐的主體為收集道路數據與處理，手機應用記錄數據的頻率非?？?，加速度計的記錄周期為0.002s左右，地理坐標的記錄周期為1s左右，學生將會獲得大量的數據。數據收集的過程中有非常多的注意事項，在實際操作中也會遇到各種問題，如固定的手機不慎脫落甚至無法固定，手機沒電導致的數據收集中斷等。如何減少誤差，提高數據的可靠性也是在收集數據的過程中需要深入思考的難點。

（2）數據簡單處理與分析能力：數據收集結束后學生將會面臨著巨大數據的處理。在數據處理過程中將會面臨巨大的噪音干擾，如車輛行駛不勻速，行駛軌跡不是直線，地形起伏造成的干擾，石子或雜物造成的干擾等，如何在大量數據中提取有效的數據，進行有效的分析，得出與實際情況偏離不大的成果，是整個實踐的亮點所在。同學們在實踐中將會大大提升簡單處理的能力。

圖2：道路質量分類圖

（3）計算機與信息技術能力：數據處理及成果比對是完全依靠于計算機技術，如MATLAB的操作，然而學院并沒有系統地開設相關課程，較多同學的計算機技術較為薄弱，這也是交通工程專業的同學們日后發展的痛點之一。本次實踐將會促進同學們對相關計算機技術的學習，拓寬同學們的知識面。

（4）問題發現與解決能力：本次實踐內容與學院設置的課程重疊度較小，沒有課堂知識作為鋪墊，難免會出現很多沒有預想到的問題，這與今后很多的作業、實習乃至工作都有一定的相似性。通過本次實踐，同學們將會在實踐中提升隨機應變的能力、自學能力、知識遷移能力等，并用之解決實際發生的問題，將理論轉化為實際，為同學們今后的學習打下基礎。

4 建議

基于智能手機的道路病害檢測實踐作為一次對交通工程專業特色發展的探索性實踐教學，有別于傳統交通工程專業的實踐，更加強調了學科的交叉與融合，也為同學們擴展對專業學習的思考提供了想法與思路。同時，在收集道路數據的過程中也將促進同學們對校內道路設置的觀察與思考，可以作為一次對于傳統交通工程校內的課外學習。

對同學們來說，本次實踐所涉及到的內容較為陌生，建議先要提前學習，熟悉相關手機應用和計算機軟件的操作，學習Matlab、Python、機器學習等相關知識。為方便后續標定道路病害的位置，在測量過程中可以進行視頻錄制。此外，數據處理中要求同學們有初步的程序設計基礎和能力，也應該提前學習相關內容。

在道路病害的分類方面，最初采用的是人工觀察波形并分類，這種方法并不適合投入真正的道路病害檢測使用，代價也很高。該實踐可作為一次長期實踐，后續可采集更多不同道路的數據，用機器學習的方法分析各種病害的數據特征，不斷完善模型的設置，對病害進行高效準確的分辨和分類，再自動繪制出道路病害分布圖。

本文上述的數據處理與可視化操作的方法只是眾多方法中的一種，本次實踐應該要注重激發同學們的創造力和主觀能動性，探索不同的方法去解決實際問題，互相交流結果和心得，再不斷對方法進行優化，讓所得出的結論真正能解決實際問題。