1.一种道路性态自适应拓扑感知与应用系统,其特征在于,所述系统包括:性态集群感知模块,用于通过多模态传感器构成的异构感知网络实时监测道路结构性态参数;
路段动态风险等级评估模块,用于根据所述道路结构性态参数和风险评估模型计算路段风险指数,并根据所述路段风险指数得到路段风险等级;
数据传输通讯模块,用于采用分层通信协议对异常事件进行低时延传输和常规事件低功耗传输,并基于三维地理网格编码和精确时间协议对所述异构感知网络生成的多源异构数据进行时空对齐;
节点调整与资源分配模块,用于根据所述路段风险等级调整所述异构感知网络中各传感器的激活状态和采样频率;以及用于通过构建的道路系统数字孪生模型模拟验证不同路段风险等级下各种资源分配方案的实施效果,进而采用多目标优化算法得到最优资源分配方案。
2.根据权利要求1所述的道路性态自适应拓扑感知与应用系统,其特征在于,所述路段动态风险等级评估模块还用于根据历史监测数据和LSTM-GRU混合网络模型动态调整所述风险评估模型中的权重;其中,所述LSTM-GRU混合网络模型包括输入层、LSTM隐藏层、全连接层和输出层,所述输入层用于接收所述历史监测数据,所述LSTM隐藏层包括三层LSTM单元,每层LSTM单元包括128个神经元,每个神经元均具有遗忘门、输入门和输出门结构,所述全连接层包括第一全连接层和第二全连接层,所述第一全连接层包括64个神经元,所述第二全连接层包括32个神经元,所述输出层用于输出未来一段时间的环境预测参数和权重调整系数。
3.根据权利要求2所述的道路性态自适应拓扑感知与应用系统,其特征在于,所述路段动态风险等级评估模块在LSTM-GRU混合网络模型训练阶段,采用AdamW优化器实现自适应学习率调节与权重衰减,并配置早停机制防止过拟合,所述LSTM-GRU混合网络的损失函数为Focal Loss损失函数。
4.根据权利要求2或3所述的道路性态自适应拓扑感知与应用系统,其特征在于,所述LSTM-GRU混合网络模型通过注意力机制赋予不同时间尺度的预测结果以不同的权重,进行短期、中期和长期的预测,且所述LSTM-GRU混合网络模型的输出还包括预测结果的置信区间。
5.根据权利要求1所述的道路性态自适应拓扑感知与应用系统,其特征在于,所述节点调整与资源分配模块还用于基于历史监测数据计算所述异构感知网络中各传感器对风险评估的贡献度,并采用集成学习方法计算不同传感器组合的信息增益,得到高价值感知节点集合,根据实时路段风险等级激活所述高价值感知节点集合中的各节点。
6.根据权利要求1所述的道路性态自适应拓扑感知与应用系统,其特征在于,所述数据传输通讯模块还用于获取所述异构感知网络中各节点发送的时间戳消息,并以系统主时钟源为基准计算所述各节点的传输延迟,根据所述传输延迟对各节点的时间戳消息进行时间补偿,将补偿后的时间作为各节点的数据采集时间标签。
7.根据权利要求1所述的道路性态自适应拓扑感知与应用系统,其特征在于,所述系统还包括:应用业务模块,用于将路段风险等级映射为具体的业务动作,进行跨部门业务闭环联动。
8.一种道路性态自适应拓扑感知与应用方法,其特征在于,所述方法包括:步骤S1,获取多模态传感器构成的异构感知网络实时监测的道路结构性态参数;
步骤S2,根据所述道路结构性态参数和风险评估模型计算路段风险指数,并根据所述路段风险指数得到路段风险等级;
步骤S3,采用分层通信协议对异常事件进行低时延传输和常规事件低功耗传输,并基于三维地理网格编码和精确时间协议对所述异构感知网络生成的多源异构数据进行时空对齐;
步骤S4,根据所述路段风险等级调整所述异构感知网络中各传感器的激活状态和采样频率,利用构建的道路系统数字孪生模型模拟验证不同路段风险等级下各种资源分配方案的实施效果,并采用多目标优化算法得到最优资源分配方案。
9.根据权利要求8所述的道路性态自适应拓扑感知与应用方法,其特征在于,所述风险评估模型的表达式为:;
式中,RI为路段综合风险指数;G为路基形变速率,取值范围为0-1;A为沥青层疲劳损伤指数,取值范围为0-1;B为基层脱空风险指数,取值范围为0-1;α、β和γ均为权重系数;其中,所述路基形变速率的计算公式为:;
式中,为连续监测期间的路基累积沉降量(mm),为监测时间间隔(天),为临界形变速率阈值(mm/天);
所述沥青层疲劳损伤指数的计算公式为:
;
式中,为应变水平下的实际荷载作用次数,为沥青层底部拉应变(με),为沥青混合料弹性模量(MPa),为与沥青材料特性相关的实验参数;
所述基层脱空风险指数的计算公式为:
;
式中,为压力传感器阵列监测的基层底部压力超过脱空压力阈值的面积(kPa),为总监测面积(m2)。
10.根据权利要求8所述的道路性态自适应拓扑感知与应用方法,其特征在于,三维地理网格编码的步骤包括:步骤S301,对道路及周边环境进行三维网格划分,形成基本空间单元;
步骤S302,采用层级嵌套编码策略,在水平方向应用Geohash或H3算法生成平面坐标编码,在垂直方向叠加Z轴层级编码,得到各基本空间单元唯一的地理编码;
步骤S303,将所述异构感知网络中的传感器的物理位置映射到对应的三维网格单元,并将三维网格单元的地理编码作为传感器所采集数据的空间标签。