智能巡查设备在公路日常巡查中的应用探讨

摘要 人工智能技术作为数字化转型的强力工具，已逐渐成为公路养护数字化转型中最重要的技术之一。在高速公路智能巡查方面，多数以巡查车辆、无人机等载具为载体，搭配高清摄像头、传感器，辅以人工智能算法和可视化平台，实现对高速公路病害数据资产的数字化管理。但在实际应用过程中，智能巡查在诸多技术和管理方面仍存在较多亟待解决的问题，文章基于人工智能技术在公路养护病害巡查中的实际应用，对智能巡查在公路养护应用过程中需要解决的问题进行了剖析，并提出了相应建议。

关键词 公路养护；智能巡查；智慧养护管理；对策与建议

中图分类号 U418 文献标识码 A 文章编号 2096-8949（2024）24-0011-03

0 引言

截至2023年底，我国公路总里程达544.1万公里，其中高速公路18.4万公里，交通网的不断完善和日益增加的通行量对高速公路日常巡查提出较大挑战。高速公路日常巡查主要针对公路路面、桥涵、隧道、交通工程及沿线设施的表观和日常使用状态，以及影响通行安全的病害、损毁及其他异常情况，为公路日常养护提供主要依据[1]。传统人工巡查高速公路存在如下问题：（1）为保障通行安全，路面日常巡查对巡查车辆车速要求较高，特别是车流量较大路段，频繁的上下车导致安全风险高。（2）受车速和通行影响，巡查的识别率和准确率均较低，无法满足科学养护决策分析所需的数据量和数据精度。（3）针对高速公路的桥梁、边坡，人工日常巡查方式费时费力且存在较多视觉盲区，导致巡查质量差、效率和识别率低，且存在高空作业安全隐患。（4）人工纸质记录、二次数据上传和研判，可能导致数据处理不及时、数据丢失、数据归集困难等。（5）缺乏统一的基础设施和病害数据管理平台，难以对日常养护提供数据支撑。以上问题均表明传统人工巡查模式很难适用于高速公路的日常巡查工作。

人工智能概念自1943年提出，发展至今已经历了专家系统时代、机器学习时代及深度学习革命阶段。特别是自2010年后深度学习技术的突破，使得人工智能能够借助大型神经网络和海量数据在图像识别、语音识别、自然语言处理等领域取得了重大突破。基于此，多数学者基于人工智能实现了公路基础设施资产、病害数据等的统计和识别分析，且已在较多高速公路得到应用。该文将基于智能巡查设备在高速公路路面、桥梁和边坡中的实际应用，对其在实际应用过程中存在的诸多问题进行剖析，为高速公路运营企业普及智能化巡查设备与智能养护平台建设提供对策与建议。

1 高速公路智能巡查系统研究及应用现状

智能巡查系统是由软硬件结合的综合型设备，其中硬件设备包含载具、云台相机、GNSS天线、智能终端及附属功能型传感器等[2]，软件部分主要由“人工智能算法+智能管控平台”组成。人工智能算法作为智能巡查设备的核心软件组成，主要通过人工智能技术完成二维病害图像的分析与处理，其需要大量的训练集对算法进行不断的调参、优化，进而提高其准确度。基于人工智能需要大数据进行训练与优化的这一特性，可按病害信息采集难易程度将其划分为以下三种类型：

第一类为沿高速公路行驶可通视观察的病害。病害类型主要包含路面传统病害，如裂缝、坑槽、龟裂、车辙、拥包、沉降等，交安设施的损坏、缺失、遮挡等，绿化植被倾倒、缺失等。因路面、交安设施均处于路面标高以上且无杂物遮挡，此类病害数据收集较为简单，病害的易搜集特性为人工智能算法的开发和优化提供了强有力的数据保障。因此，此类病害识别的准确率和精确度均能达到较高水准，其日常巡查方式已从传统人工巡查与填报，发展到智能手机巡查系统，再至基于人工智能技术的智能巡查设备[3]。也有学者采用无人机用于道路病害的智能识别，但其存在续航短、病害识别率低、对摄像设备要求高等问题，难以达到此类病害连续不间断的巡查要求，适用效果较差[4]。现今大多巡检设备都是以巡查车辆作为载具，开发轻量化车载路面巡查系统，技术较为成熟，已成为此类病害巡查设备的代表，并已在多条高速公路得到应用与实践[5-7]。

第二类是在高速公路路面设计标高以上或以下部分，无法从路面进行通视观察的病害。此类病害多出现在桥梁、边坡，特别是桥梁下部结构、边坡排水系统。随着民用无人机产业发展逐渐成熟，依托其灵活性高、成本相对较低、测量精度高及不受地形限制等优势，已在高速公路边坡、桥梁的日常巡查和安全评估中得到大量应用，成为此类巡查设备的代表[8-9]，特别是在钢结构的锈蚀、混凝土结构的裂缝与蜂窝麻面、边坡滑坡、边坡坍塌、边坡截排水系统堵塞、地基冲刷等病害的巡查上表现尤为突出。近期，也有学者针对无人机路线规划与人工智能算法搭配后台管控系统，使其能够执行病害的智能识别、分类与统计分析[10-11]。然而，虽有强大的人工智能算法提供技术保障，但桥梁、边坡病害信息复杂，人员难以抵达，病害搜集较为困难，导致算法的病害识别率和准确率均无法满足现有高速公路日常巡查和科学养护决策的数据需求。目前无人机在高速公路巡查中的应用，多数仅停留在代替人工巡查阶段，在智能识别领域应用程度不足。

第三类是无法通过表观采集的深层次隐藏病害。这类病害通常潜藏于路面基层、路基深处或隧道的拱墙结构内部，如基层脱空、路基下陷、拱墙内部空洞等，它们不易察觉，却对公路结构的稳定性和安全性构成严重威胁。与第一类、第二类显性病害不同，深层次病害的检测与评估要求更为精密的技术手段和深入的分析能力。此类深层次病害需基于探地雷达（Ground Penetrating Radar， GPR）或其他无损检测设备，以捕捉到空洞、水分积聚、材料分层等引起的电磁波反射差异，从而得到原始数据。然而，GPR原始数据复杂且富含噪声，直接解读困难，需要经过专业的信号处理与分析才能准确识别病害特征。此时，人工智能可通过机器学习和深度学习算法，通过标记样本数据的不断训练和优化，对GPR采集的大量数据进行高效处理，识别出具有病害特征的特定信号模式，能够从杂乱的回波信号中提取出有用信息，实现对深层次病害的精确定位和分类。这一过程不仅提高了病害检测的准确性和效率，还减少了人工分析的主观性和误差。

综上所述，针对第一类病害，现阶段主要智能巡检设备为车载轻量化智能巡查系统，由巡检车辆、云台相机、GNSS天线、智能巡检终端和可视化平台等组成。第二类病害类型，主要以无人机为代表的智能巡检系统，其是由无人机自带定位系统、相机作为硬件，辅以开发人工智能算法、可视化管理平台，实现边坡、桥梁等位置的病害智能识别与管理。第三类则是通过机器学习和人工智能算法，对GPR等无损检测设备得到的原始数据进行分析处理，结合无损检测过程中得到的桩号信息，实现病害类型判别和精确定位。由于第三类病害的检测通常应用于公路定期检查或专项检查过程，主要用于指导公路修复养护和专项养护工程，对日常养护决策的指导意义较小。因此，该文主要针对前两类智能巡查系统进行讨论。

2 智能巡查设备问题分析及对策建议

2.1 车载智能巡查设备

针对现阶段智能巡查系统的实际应用，经过调查和分析，发现路面、交安类智能巡查设备存在的问题如下：

（1）平台对接不完善。现阶段科技公司开发相关巡查设备往往与自身管理系统紧密捆绑，导致第三方运营或养护公司在尝试将此类设备集成到自身智慧运营管理系统时，遇到病害数据无法对接的难题。特别是在通车时间长、路况复杂的高速公路，病害种类繁多、信息量庞大，即使通过API接口实现数据交换，也会导致海量病害筛选任务艰巨，使得养护单位难以在限时间内完成必要的病害维修工作，影响通行安全。

（2）管理模式的多样性导致病害信息数据处理的复杂化。不同高速公路管理模式差异，直接反映在病害记录的标准与细节上，这种不一致性不仅造成数据的无效或缺失，还会加大跨路段、跨平台数据整合的难度。例如：因跨平台病害字段信息不同，可能导致任务单下发、交竣工验收的病害数据信息缺失。特别是基于机器视觉的二维图像识别技术，虽能快速捕捉病害图像，却往往因为缺乏深度信息而难以精确测量病害的三维尺寸，进而影响工程量估算的准确性，可能导致资源配置不当，增加养护成本。

（3）病害定位信息的准确性受巡查车速影响较大。现有的轻量化车载巡查设备，其定位病害桩号的位置信息可分为差分法定位和卫星定位，前者是通过采集公里牌、百米牌位置信息后通过差分法计算出病害的位置信息，后者则是通过北斗或GPS定位确定病害位置信息。无论哪种模式都难以摆脱车辆行驶速度对定位精度的影响，车辆行驶过快时，定位信息的误差会显著增大，导致病害桩号的位置偏差较大，对养护人员在实地复查时造成较大困难，降低了修复效率。

（4）人工智能在病害识别的误判或不准确问题。尽管AI技术在不断进步，但其基本原理都是通过大量数据的不断训练达到智能识别目的。在二维图像层面上，面对复杂多变的路面状况，仍难以避免将类似特征但不同的病害类型进行混淆，如将微表处脱落误认为坑槽、忽略长纵裂缝等。这些问题要求AI模型需要持续优化，结合更多维度的数据输入，以及引入人工审核机制，进而提高识别的准确率。

2.2 无人机智能巡查设备

无人机技术因其灵活性高、成本相对较低及视角独特等优势，广泛应用于桥梁、边坡等关键基础设施的日常巡查与安全评估，但其在实际应用过程中面临多重挑战，在执行相关任务时遇到的主要难题和对策如下：

（1）卫星导航信号易丢失。以北斗或GPS为代表的全球导航卫星系统，在山区或桥梁下方等复杂地形中，信号容易受到遮挡，导致定位精度大幅下降乃至完全失去信号。这对于依赖精确导航进行定点巡查与数据采集的无人机而言，无疑增加了任务的难度和风险。因此，研究与应用增强型导航技术，如差分GPS和多系统融合的定位技术，成为提升无人机在信号差环境下可靠性的

关键[12]。

（2）边坡环境复杂。这不仅体现在地形地貌上，还涉及周边的人造设施。特别是边坡局部供电线路的密集分布，对无人机的安全飞行构成严重威胁，无人机与高压电线间的最小安全距离难以保证，微小的操作失误都可能导致严重的安全事故[13]。因此，优化飞行路径规划，采用避障传感器与智能算法预测并规避潜在危险，是提高无人机在复杂环境下作业安全性的必要措施。

（3）无线电干扰信号较多。随着通信基础设施的迅速扩张，大量通信基站的建设导致无人机操控所依赖的无线电信号经常遭遇干扰，从而限制遥控距离，甚至导致无人机飞行过程的失衡与撞机。开发抗干扰通信技术和采用专有频段是减少此类风险的有效途径。

（4）飞行空间束缚。无人机防碰撞系统多数需保障与障碍物的水平距离在3～6 m，狭窄的桥下空间与密集排列的桥墩、护坡，限制了无人机的自由移动范围，尤其是在对支座、箱梁底部等关键部位执行细致观测时。这就要求无人机配备更为先进的感知与避障系统，能在有限的空间内灵活机动，同时探索利用超声波、激光雷达（LiDAR）、定点巡航等技术增强无人机在低光照和复杂环境中的飞行能力。

（5）续航时长受限。桥梁、边坡巡查多采用旋翼无人机，其续航一般为20～45 min，频繁更换电池不仅增加操作成本、降低工作效率，还可能因操作失误增加安全隐患。建立固定式或移动式飞行平台可有效提升无人机作业效率和连续工作能力，但其建设成本往往较高。

（6）法律法规和空域管理导致无人机在高速公路中的日常巡查实施难以开展。根据国务院、中央军委《无人驾驶航空器飞行管理暂行条例》相关要求，高速公路属于无人机空域飞行管控区，需上报当地空中交通管理机构报批后方可飞行，在公路沿线的军事管控区飞行受限更为严格，从而影响紧急巡查的开展与降低管养单位的快速响应能力[14]。

此外，市场上的智能巡查设备供应商多且杂，智能巡查设备的病害数据信息缺乏统一的病害综合分析处理，不利于高速公路的科学养护决策和养护单位集约化施工工作的开展。探索建立统一的数据交换标准与病害评估体系、预留平台对接接口，达到跨平台的数据共享与协同分析，为高速公路养护单位提供全面、准确、及时的病害信息，实现养护工作的高效管理，进而提升养护质量与经济效益。

3 结语

该文基于公路智能巡检设备研究及应用现状，将智能巡查设备按照病害数据采集的难易程度，将其按照公路基础设施进行划分，并将其在实际应用过程中亟待解决的问题进行了总结、分析，为智能巡查设备制造厂家和公路运营管理单位提供了问题解决方向。

参考文献

[1]公路养护技术标准： JTG 5110—2023[S].北京，人民交通出版社， 2023.

[2]罗梦琪，崔培强，郭建，等.人工智能技术在高速公路运营期的场景应用探讨[J].交通节能与环保， 2024（2）：172-177.

[3]薛鹏涛，冯志慧，许金良，等.基于智能手机的干线公路养护巡查系统[J].河南农业大学学报， 2012（4）：434-437.

[4]孙成辉，王立军，林海成，等.无人机在公路养护中的应用研究[J].运输经理世界， 2023（33）：131-133.

[5]常光照.车载轻量化道路智能巡检系统探析[J].中国安防， 2020（9）：100-104.

[6]王刚，于丽丽.基于多目视觉的农村公路视频巡查技术研究[J].运输经理世界， 2020（12）：89-90.

[7]朱晓峰.车载式高速公路路面异物智能检测系统研

究[D].福州：福建农林大学， 2023.

[8]黄海峰.无人机在公路养护巡查中的应用前景展

望[C].2014全国公路养护技术学术年会论文集路面卷.中国公路学会养护与管理分会.2015：254-256.

[9]谷雷.无人机在高速公路边坡日常养护巡查中的运

用[J].交通世界， 2020（12）：14-15+41.

[10]兰建雄，潘勇.基于无人机的高速养护智能巡检系统设计[J].中国公路，2023（8）：50-53.

[11]靳朝，林富生，宋志峰，等.基于A星算法的无人机高速公路巡检应用研究[J].江苏科技信息， 2022（6）：32-35.

[12]朱锋.GNSS/SINS/视觉多传感器融合的精密定位定姿方法与关键技术[D].武汉：武汉大学， 2020.

[13]高昆，谢亮，吕梦.高速公路边坡无人机巡查问题分析与探讨[J].科技视界， 2018（14）：122-123.

[14]中华人民共和国国务院，中华人民共和国中央军事委员会.无人驾驶航空器飞行管理暂行条例[J].中华人民共和国公安部公报， 2023（4）：44-54.