用预测分析转换道路维护和修复

无论是使用汽车还是公共交通工具，人们都经常抱怨道路状况恶化和混乱交通。特别是，坑洼，喧嚣和计划的速度破坏者是宠物恐惧。

多年来，道路运输业已经受到高度养育成本，压力的交通状况和频繁事故困扰。国家安全委员会于2015年报告了38,300人死亡人数，在美国道路上受伤了440万人¹。最近，2017年，由于恐怖相关的事件，印度被不良道路造成的3,597次死亡，而不是803人死亡。²

差的路面条件通常导致更多的磨损和撕裂车辆。坑洼是轴和悬架失败的主要原因，占英国道路上的三分之一的机械问题。这些故障在英国的汽车所有者每年估计为28亿英镑，当局由于道路差而赔偿索赔超过3000万英镑。^3.

如果没有某种形式的维护，任何道路都会恶化变得无法使用。由于道路网络通常很长，并且可能包括具有不同特性的道路，因此无需全面规划就不能出现有效的维护。有计划和主动的道路维护是使道路安全，可接近和可接受的条件所必需的。

利用技术更安全，更高效的道路

维护道路有两种方法 - 您可以解决这种损坏，这些损坏已经发生了反应，或者您尝试并防止损坏在第一位置发生损坏作为主动度量。分析，基于云的移动技术以及事物互联网（物联网）的进步使当局能够采用后一种方法。它不仅有助于他们避免道路状况差而且避免发生的事故，但也会产生更多的成本节约，可以转移到道路维护。

预测分析使用统计和数据挖掘技术来分析历史和当前数据集，创建规则和预测模型，并预测未来事件。可以在近乎实时收集和处理数据，以便为维护计划提供更好的决策。

这种数据如何源？今天已经，智能手机和汽车提供了基于传感器的设备和GPS导航系统。它们可以利用它们收集的数据精确识别具有坑洼或起伏并需要维修的区域。跟踪车辆的驱动器质量并记录最小的陨石坑的严重程度也有助于在转向汽车突破车辙之前修复它们。早期检测和定影也有助于保持维修费用低。

处理技术

由于它们操作的复杂环境以及传感器设备的精度，所收集的数据可能存在一些噪声。但是，可以使用数据清洁的异常删除方法来消除这一点。数据点的插值也可以应用于改善数据的完整性，无论存在差距。由机器学习算法处理，分类和标记所聚集的数据，并定期发布，作为近实时道路健康分析数据。此外，处理的信息可以上传到中央存储库，帮助当局在道路维护和维修方面做出明智的决策。

道路网络具有巨大的，并且通过这种方法导出最大的预测性维护益处，数据应通过嵌入各种系统的传感器集体来源，例如公共交通车队，由驾驶室聚合器管理的车辆或SAT-NAV制造公司管理。此外，还可以利用来自社交媒体的社交媒体（如Twitter或Smart City Citizen）和发布报告的众媒体数据，以验证传感器数据。

向未来的道路

将数据分析直接纳入巷道是复杂的，因为据认为道路很少或没有与IoT或联网设备的联系。然而，建造具有数据收集工具的“智能”道路的努力正在慢慢实现。有些城市路线已经有了改装传感器，以收集早期维护所需的重要信息。传感器还可以监控道路上交通模式和交通负荷的变化。

预计未来的道路将通过在其设计中嵌入互连来进一步进行维护过程。通过高级分析支持的更智能和强大的传感器，当局将能够实时监控所有变化。它将帮助他们在道路维护，功能增强和交通管制方面做出更好的决定。

探险已经为智能城市和运输系统的开发构建了全面的解决方案。我们利用基于云的技术和机器学习算法来提供有关最电流和超局部道路状况的信息。现在可以加强改善道路状况和预防事故的努力，这些预测分析工具进行维护和规划。

下载我们的手册“降低了道路维护成本并改善了驾驶性和安全性”。

来源：

1- http://www.newsweek.com/us-traffic-deaths-injuries-and-related-costs-2015-363602

2-TOI报告21/07/18

3- https://www.potholes.co.uk/facts.