众包数据在道路状况评估中的应用

免责声明报告详情最终报告准备对象：项目/客户参考：Copyright:报告日期：报告状态/版本：质量认证：James Peeling(项目经理)TRL是交通研究基金会（TRF）的全资子公司，TRF是一家根据担保成立的不以营利为目的的分配公司，旨在公正地推动交通及相关研究、咨询和专家建议的发展。我们在运用循证解决方案和创新思维塑造交通和移动的未来方面是全球领导者。我们没有股东，这使得我们独立于政府、行业和学术界。TRF通过TRL将利润再投资于自主资助的研究项目、参与资助研究项目的资金支持，以及对员工和外部博士生的支持。此处包含之信息为 TRL Limited 的财产。尽管已尽一切努力确保本报告所呈现之内容相关、准确且最新，但 TRL Limited 仍不能对任何错误或遗漏承担任何责任，亦不能对在其他语境下对部分或全部内容之依赖承担责任。本报告由TRL有限公司（TRL）作为其自筹资金再投资研究与开发计划的一部分编制而成。 ACA109 2.12.22.32.42.533.13.23.344.14.24.35.15.266.16.26.36.477.1最终1 引言 6致谢 5执行摘要 3目录众包数据数据收集、对齐和分析的方法将车辆遥测众包数据应用于评估安全状况将手机众包数据应用于理解安全状况5 将车辆遥测众包数据应用于评估功能状态 242 背景——当前战略性道路路况数据收集与使用方法7 1功能状态测量（形状和外观）安全性的测量（抗滑性）结构状态测量（挠度）进一步的数据来源在资产状况评估中使用当前数据什么是众包数据？本研究中众包数据的类型本研究使用的数据来自众包当前数据类型众包数据分析方法网络层面的颠簸评估识别和追踪特定的颠簸/坑洼用于测量抗滑性的遥测数据识别高风险地点——案例研究识别高风险地点——处理和分类是否存在众包遥测数据与碰撞之间的关系风险？与SCRIM类别和调查级别的关系 7889101111111315151622242627273033363939ACA109 29.19.29.39.411 参考文献 60结论与建议 59讨论General observations on the collection and collation of the data and itscontent利用众包数据报告功能状态？利用遥测数据报告安全状况？使用手机数据报告安全状况？8 众包数据的覆盖范围468.1网络级抗滑性评估的覆盖要求 46 8.2覆盖要求以识别高风险区域527.2识别高风险区域——案例研究417.3手机众包数据与碰撞记录之间是否存在关联？437.4交通影响44 910 5555565758 ACA109最终 执行摘要值得注意的是，本研究可获取的众包数据仅覆盖了较短的时间段，并且数据类型有限（“事件”）。该数据集并不能代表如果常规应用于道路状况评估所能达到的众包数据的覆盖范围和内容。因此，必须结合本研究可获取的数据来考量其结论。然而，本研究为该数据未来的潜力提供了洞见。该研究从两种众包数据类型中获取示例数据——安装在标准车辆上的传感器提供的数据（车载遥测数据）和手机数据——在两个地理区域和两个特定时间期限内。进行了一项专注的、基于案例的研究，以确定这些众包数据类型是否以及在何种程度上可以应用于理解道路状况，以及它们如何补充当前数据收集方法测量的功能和安全服务水平评估。在战略道路网络（SRN）监测中，路面资产状况目前通过专用调查来实现，这些调查测量功能性（例如，用户体验如粗糙度、视觉外观）、安全性（例如，抗滑性）和结构性（例如，承载能力）状况。这些数据通过年度网络级调查提供，以支持长期规划，以及更频繁的数据采集以检测快速发展的缺陷（例如，坑洼）。研究发现，众包数据与道路状况管理相关。然而，为了使该数据能与现有数据源协同应用，必须进行数据对齐、汇总和聚类。该研究为此付出了大量努力。结论表明，在道路资产管理系统内开发工具，以促进众包数据的更顺畅访问、适配、对齐和分析，将带来益处。提供商在交付众包数据的方式上所做的改进可能有助于简化这一过程。近年来，一种被称为“众包数据”的新数据源已成为可用。这些数据可以通过车辆或手机，在网络范围内，从多个来源提供。众包有潜力改变数据用于管理SRN状况的方式。本报告所展示的研究调查了众包数据在SRN状况管理中应用的可能性及方式。提供给研究的车辆遥测数据包括每个带有其地理位置和时间戳的“点事件”。该研究专注于检查遥测“滑行”和“颠簸/坑洼”事件。手机数据也仅限于报告事件，在这种情况下是带有其地理位置和时间戳的“减速”事件。未提供关于提供者采用的方法来确定/识别这些事件的详细信息。在考虑功能状况（粗糙度/凹凸度）时，具体案例研究表明存在识别和追踪坑洼的潜力。然而，所提供的众包数据仅限于一系列阈值值（或由于收集时间短—— 3ACA109最终 4ACA109最终该研究直接对比了遥测滑移事件与传统抗滑性能（SCRIM）的测量数据。这种直接对比并未显示出强相关性。这并不令人意外，因为遥测数据所覆盖的时间段较短，可以预期需要通过单个地点的测量数据“积累”来改善与SCRIM的关系。一项覆盖范围评估表明，实现全网范围内的测量需要相当长的时间，并且现有的众包数据尚无法取代诸如SCRIM等基础网络测量。因为手机减速率数据仅与车辆要求的抗滑需求相关，而与抗滑供给无关，因此手机数据不直接与SCRIM测量值进行比较。相反，由于SCRIM站点类别与特定地点预期的抗滑需求关系更密切，本研究将减速率事件数据与站点类别进行比较。结果显示出合理的关联性，证实用于案例研究的场地的站点类别设立，与手机数据中记录的场地制动需求水平相符。观测结果表明，减速率数据可为支持站点分类提供进一步的洞察。值得注意的是，尽管众包数据在管理安全状况方面具有巨大潜力，但这些数据可能无法全面反映风险。可能存在一些事故高发（或已发生）但记录事件数量极低的地点。这些地点所呈现的风险在众包数据集中将被曲解。未来关于众包数据应用的研究也应考虑这类地点。最后，鉴于这些数据的潜力，建议数据提供方和最终用户（例如资产管理系统提供方或道路管理部门）协作，以完善数据报告方法，确保内容符合用户需求。尽管与传统的抗滑性能测量指标缺乏直接相关性，但目前有充分的证据支持利用众包数据在风险评估中的应用。这包括确定如何定义场地类别，以及为是否应采取干预措施提供决策支持。当发现某些场地的抗滑性能较低时，众包数据可用于判断该场地是否存在不成比例数量的车辆“要求”此类抗滑性能，同时也可用于将SCRIM数据未能识别的某些场地引起道路运营商的注意。至于功能数据，提供更高详度的数据有助于形成更具参考价值的指标，以辅助理解场地状况。在(该时段)期间，众包数据与传统粗糙度测量值之间缺乏一致。在颠簸事件数据中提供更多细节(例如垂直加速度或一个适当的导出参数)可能提供更有效的测量方法，以协助理解状况。有关车辆类型/悬挂特性的数据也可能有用。 致谢最终地图数据来自OpenStreetMap（openstreetmap.org/copyright）。本报告所呈现的研究成果，若非得益于源自国家公路数据库的路面状况数据，则无法完成。我们谨对此数据的使用授权表示诚挚的感谢。我们同样感谢提供本工作中所使用的遥测和手机数据集的提供者。 5ACA109 •1 引言Obtain the data provided by conventional condition data sources over the same地区。为管理战略路网（SRN）资产，需要了解其状态。目前这是通过专用调查来实现的，这些调查测量功能性（例如用户体验如粗糙度、视觉外观）、安全性（例如抗滑性能）和结构（例如承载能力）条件。对于中短期和长期规划，这些数据由年度网络层面调查提供。对于短期/即时维护规划，则进行更频繁的数据收集，以检测快速发展的缺陷，通常是为了解决功能性或安全性服务水平的故障（例如坑洼）。近年来，一种被称为“众包数据”的新数据来源变得可用。这些数据可以通过车辆或手机，在全网范围内，从多个来源提供。众包有潜力改变数据用于管理SRN（道路状况监测网络）的方式。然而，尽管这些数据来源在此应用中具有潜力，但它们并非专门为测量道路状况而开发。应注意的是，本研究可获取的众包数据仅覆盖短期时间跨度，且数据类型有限。该数据集不能代表若常规应用于道路状况评估所能实现的众包数据的覆盖范围和内容。研究结论必须在所使用数据的背景下进行考量。然而，本研究确实为该数据未来的潜力提供了洞察。本报告所呈现的研究旨在探讨众包数据是否以及在何种程度上具有应用于SRN状况管理的潜力。该研究采用的方法是：研究总结中呈现了可从研究中得出的总体观察结果和结论，并提出了为在SRN（南方公路网络）的路面状况管理中开始引入这些数据所应采取的措施建议。• 从两种众包数据类型中获取示例数据——安装在标准车辆上的传感器提供的数据和来自移动手机的数据——在网络的两个地理区域，收集于两个特定时间段。• 开展一项聚焦于案例研究调查，以确定众包数据类型在何种程度上能够应用于理解网络状态，以及如何评估其功能和安全服务水平。该方法在于针对特定应用场景提出关于众包数据应用的问题，随后探索数据以确定是否存在支持或反对在该应用中使用这些数据的强有力证据、薄弱证据或不充分的证据。 6ACA109最终 7图 2-1：TRACS调查车辆2.1 功能状态测量（形状和外观）在SRN功能条件下，通过TRACS调查（图2-1）进行路面状况测量。TRACS调查车载设备测量三维路面形状（剖面），并在交通速度下采集路面图像。算法将剖面测量数据转换为包含路面车辙和纵向剖面的状况参数（以不同波长下的增强纵向剖面方差（eLPV）表示，包括3米、10米和30米波长）。尽管eLPV数据提供了路面一般粗糙度的参考，但会进一步计算另一个参数，称为颠簸指数，用于报告可能出现在坑洼、失效接缝和失效块等局部缺陷位置的重大颠簸。图像数据也用于识别视觉恶化（开裂）。TRACS调查每年对所有车道进行。道路路面的功能状况主要与提供能让车辆以适当于路面设计速度行驶的、具有可接受舒适度水平的路面表面相关。功能状况的评估通过测量路面表面轮廓来实现。横断面轮廓通常用于确定车辙深度，这会影响车辆操控并导致水漂现象。纵断面轮廓可用于量化行驶质量并识别凸起和坑洼。目前，SRN路面状况的管理依赖于多个数据来源，这些数据主要通过专门的网络调查获取。数据被收集、适配至网络并加载至网络数据库中。随后进行数据分析，评估数据以在网络层面报告路面状况，并识别需要进一步调查或维护的地点。以下提供简要总结。请注意，这并非详尽总结；旨在为报告后文考虑众包数据应用提供背景。2背景——当前对战略道路路况数据收集和使用的做法 ACA109最终 8图 2-2：SCRIM 测绘车内的测试轮ACA1092.2 安全性测量（抗滑性）最终2.3 结构状态测量（挠度）测量抗滑性是用于量化安全信息的主要数据来源，因为抗滑性（摩擦力）不足会降低车辆安全通过弯道或在其可接受的距离内停止的能力。在SRN中，抗滑性通过使用侧向力系数例行调查机（SCRIM）进行测量。SCRIM使用一个朝向机器中心的测试轮来在机器移动时产生侧向力（图2-2）。该设备测量侧向力与测试轮反作用力的比率，该比率以SCRIM系数的形式报告。对主车道路、连接道和环岛的一号车道每年进行SCRIM调查。由于抗滑性存在季节性变化，路面在不同的时间进行测量，并将三年期间的SCRIM系数平均，以提供校正的SCRIM系数（CSC）。路面结构状况评估其支撑车辆载荷的能力。在SRN上，整体结构状况通过测量荷载下的路面挠度来确定，该方法结合了在交通速度下进行的连续测量，以及需要在道路封闭时工作于静态或低速的设备。除TRACS年度对视觉状况和功能状况的调查外，还对SRN的状况进行更频繁的视觉评估。这包括每日安全检查，工程师在其中识别路面出现的缺陷，主要是为了支持快速响应/解决安全风险，而不是为了长期资产管理收集数据。