基于大数据分析的公路养护需求预测系统的制作方法

本发明属于数据处理，涉及基于大数据分析的公路养护需求预测系统。

背景技术：

1、现有的公路养护需求预测方案在处理多源异构数据时，普遍采用多模态联合预测架构。在具体实现过程中，现有系统通过视觉设备采集路面表观图像，通过业务系统获取历史养护施工日志文本。系统利用卷积网络对图像进行卷积运算，提取出代表病害几何尺寸与纹理分布的数值特征向量。同时，系统利用预训练语言模型对施工日志文本进行编码，将文本中的材料属性与施工步骤转换为相同维度的数值特征向量。随后，现有系统将图像数值特征向量与文本数值特征向量在向量维度进行直接拼接，组合成一个包含所有模态信息的高维长向量。最终，系统将该高维长向量输入至时间序列预测网络或回归模型中，依据历史数据的数值变化规律输出路面性能退化轨迹与养护时间节点预测结果。

2、上述现有技术方案在处理多模态数据时，直接将图像数值特征与文本数值特征拼接输入预测网络，破坏了不同模态数据之间原有的因果对应关系。由于拼接后的数值无法反映具体施工工艺对特定病害形态的实际干预情况，当遇到相同表观病害但在历史施工中采用了不同材料配比或工艺工序时，模型无法区分二者在结构演化路径上的差异，导致输出的养护周期预测结果与路面实际的结构衰减状态产生偏差。

技术实现思路

1、本发明的目的在于提供基于大数据分析的公路养护需求预测系统，可以有效解决上述背景技术中的问题。

2、为实现上述目的，本发明采取的技术方案为：

3、基于大数据分析的公路养护需求预测系统，包括视觉感知终端、业务系统接口、特征提取处理器、融合预测处理器以及养护触发服务器；

4、视觉感知终端用于获取路面表观图像序列；

5、业务系统接口用于获取历史养护施工日志文本；

6、特征提取处理器采用卷积神经网络对路面表观图像序列进行特征提取以生成表观病害形态特征向量，并采用预训练语言模型对历史养护施工日志文本进行特征提取以生成材料配比与工艺工序语义特征向量；

7、融合预测处理器内置跨模态交叉注意力模块，将表观病害形态特征向量作为查询项且将材料配比与工艺工序语义特征向量作为键值项进行交叉注意力计算以生成病害发展速率的动态调节系数，融合预测处理器还内置路面结构力学衰减模型，将动态调节系数输入路面结构力学衰减模型并求解力学方程以输出剩余服役寿命预测曲线；

8、养护触发服务器将剩余服役寿命预测曲线与预设寿命阈值进行比较并在低于预设寿命阈值时生成养护需求触发信号。

9、优选的，特征提取处理器中的卷积神经网络包括多尺度特征提取层与特征拼接层；

10、多尺度特征提取层包含三个并行设置的卷积核尺寸依次递增的卷积分支，三个卷积分支分别对路面表观图像序列进行卷积运算以输出细粒度纹理特征图、中等尺度形态特征图以及宏观拓扑结构特征图；

11、特征拼接层将细粒度纹理特征图、中等尺度形态特征图以及宏观拓扑结构特征图在通道维度进行级联操作以生成初步融合特征矩阵，特征提取处理器对初步融合特征矩阵进行全局平均池化操作并经过全连接层映射以生成表观病害形态特征向量。

12、优选的，特征提取处理器中的预训练语言模型包括命名实体识别层与句法依存解析层；

13、命名实体识别层对历史养护施工日志文本进行序列标注以提取材料属性实体词与工序动作实体词；

14、句法依存解析层对历史养护施工日志文本构建句法树并提取材料属性实体词与工序动作实体词之间的依存关系边，预训练语言模型将材料属性实体词与工序动作实体词作为节点且将依存关系边作为连接路径构建异构图结构，特征提取处理器通过图注意力网络对异构图结构进行聚合更新以生成材料配比与工艺工序语义特征向量。

15、优选的，跨模态交叉注意力模块包括查询映射矩阵、键值映射矩阵以及激活函数层；

16、查询映射矩阵对表观病害形态特征向量进行线性变换以生成目标查询矩阵；

17、键值映射矩阵对材料配比与工艺工序语义特征向量进行线性变换以生成源键值矩阵；

18、跨模态交叉注意力模块计算目标查询矩阵与源键值矩阵的转置矩阵的点积结果以获得跨模态交互相似度矩阵，激活函数层对跨模态交互相似度矩阵进行非线性映射并经过归一化指数函数计算以输出各个工艺工序对应的注意力权重分布序列，融合预测处理器将注意力权重分布序列与病害基准发展速率相乘以生成病害发展速率的动态调节系数。

19、优选的，路面结构力学衰减模型包括路面三维有限元网格构建组件与应力应变求解器；

20、路面三维有限元网格构建组件依据路面结构层位参数将公路结构离散为多个八节点六面体单元并赋予每个八节点六面体单元材料本构模型参数；

21、应力应变求解器接收动态调节系数并将动态调节系数作为材料本构模型参数的衰减乘子叠加至当前材料模量中，应力应变求解器在设定轴载边界条件下对包含衰减乘子的八节点六面体单元进行迭代平衡计算以获取路面结构层底拉应力分布状态，融合预测处理器依据路面结构层底拉应力分布状态计算疲劳损伤累积变量并拟合生成剩余服役寿命预测曲线。

22、优选的，养护触发服务器内设滑动时间窗口比较器与状态寄存器；

23、滑动时间窗口比较器调取剩余服役寿命预测曲线在当前时间节点之前且时长等于预设窗口期内的多个历史预测数值，状态寄存器判断多个历史预测数值是否均低于预设寿命阈值且当前时间节点的剩余服役寿命预测曲线的当前预测数值低于预设寿命阈值，当状态寄存器的判断结果为是时，养护触发服务器生成养护需求触发信号并将养护需求触发信号连同当前时间节点的时间戳发送至外部养护调度终端。

24、优选的，多尺度特征提取层中的三个卷积分支均包含级联的空洞空间金字塔池化模块；

25、空洞空间金字塔池化模块内设四个具有不同空洞率的并行空洞卷积层，四个不同空洞率的并行空洞卷积层分别对各自卷积分支输入的特征图进行多感受野特征提取并输出四个不同感受野的子特征图，空洞空间金字塔池化模块将四个不同感受野的子特征图进行逐元素相加操作以输出增强后的细粒度纹理特征图、增强后的中等尺度形态特征图以及增强后的宏观拓扑结构特征图，特征拼接层接收增强后的细粒度纹理特征图、增强后的中等尺度形态特征图以及增强后的宏观拓扑结构特征图并在通道维度进行级联操作。

26、优选的，图注意力网络包括边特征映射层与节点特征更新层；

27、边特征映射层对异构图结构中的依存关系边提取关系类型嵌入向量并对关系类型嵌入向量进行线性变换以生成边权重系数矩阵；

28、节点特征更新层以材料属性实体词与工序动作实体词作为节点初始特征，节点特征更新层依据边权重系数矩阵计算相邻节点特征之间的注意力系数，图注意力网络依据注意力系数对相邻节点特征进行加权求和聚合操作并将聚合结果与节点初始特征进行残差连接以生成更新后的异构图节点特征，特征提取处理器对更新后的异构图节点特征进行平均池化以生成材料配比与工艺工序语义特征向量。

29、优选的，跨模态交叉注意力模块还包括文本相关性掩码生成器；

30、文本相关性掩码生成器读取历史养护施工日志文本中的工序段落标识符并依据工序段落标识符生成与源键值矩阵维度相匹配的布尔型掩码矩阵，布尔型掩码矩阵中与当前计算病害类型存在对应关系的工序段落对应位置置为真值且其余位置置为假值；

31、跨模态交叉注意力模块在激活函数层进行非线性映射之前，将跨模态交互相似度矩阵与布尔型掩码矩阵执行逐元素逻辑与运算以生成过滤相似度矩阵，激活函数层对过滤相似度矩阵进行非线性映射并经过归一化指数函数计算以输出过滤后的注意力权重分布序列。

32、优选的，应力应变求解器内设模量更新迭代步与收敛判断步；

33、模量更新迭代步读取八节点六面体单元在上一迭代步中的历史材料模量，并将历史材料模量与动态调节系数相乘以获得当前迭代步的更新材料模量；

34、收敛判断步依据更新材料模量重新计算路面结构层底拉应力并获取当前迭代步的当前拉应力计算值，收敛判断步计算当前拉应力计算值与上一迭代步的历史拉应力计算值之间的差值绝对值，当差值绝对值大于预设收敛容差时触发模量更新迭代步进行下一轮计算，当差值绝对值小于或等于预设收敛容差时输出最终拉应力分布状态至融合预测处理器。

35、与现有技术相比，本发明的有益效果在于：

36、1.本方案通过特征提取处理器分别生成表观病害形态特征向量与材料配比及工艺工序语义特征向量，并在融合预测处理器中设置跨模态交叉注意力模块，将表观病害形态特征向量作为查询项且将语义特征向量作为键值项进行计算生成动态调节系数，进而将动态调节系数输入路面结构力学衰减模型求解输出剩余服役寿命预测曲线。此种处理方式在特征层面建立了病害形态与施工工艺之间的定向关联，避免了不同模态特征的直接拼接，使后续输入力学衰减模型的动态调节系数能够反映特定施工工艺对特定病害形态演化的抑制状态，排除了因施工质量差异带来的干扰，使得输出的剩余服役寿命预测曲线对应路面结构本身的真实性能劣化轨迹。

37、2.通过在卷积神经网络中设置三个并行卷积分支及特征拼接层提取多尺度特征，结合空洞空间金字塔池化模块的多感受野提取与逐元素相加操作，能够保留不同尺寸病害的纹理与拓扑结构信息；通过命名实体识别层与句法依存解析层构建异构图结构，并结合图注意力网络依据边权重系数矩阵计算注意力系数进行加权求和与残差连接，能够提取材料与工序之间的逻辑关联；通过在交叉注意力计算中引入文本相关性掩码生成器，依据段落标识符生成布尔型掩码矩阵执行逻辑与运算，过滤了无关工序特征的干扰；通过在应力应变求解器中设定模量更新迭代步与收敛判断步，依据拉应力差值绝对值与预设收敛容差的比较关系控制迭代过程，保障了力学方程求解过程的数值稳定性，进而提高了最终生成的养护需求触发信号的准确度。