智能巡查設備在公路日常巡查中的應用探討

摘要 人工智能技術作為數字化轉型的強力工具，已逐漸成為公路養護數字化轉型中最重要的技術之一。在高速公路智能巡查方面，多數以巡查車輛、無人機等載具為載體，搭配高清攝像頭、傳感器，輔以人工智能算法和可視化平臺，實現對高速公路病害數據資產的數字化管理。但在實際應用過程中，智能巡查在諸多技術和管理方面仍存在較多亟待解決的問題，文章基于人工智能技術在公路養護病害巡查中的實際應用，對智能巡查在公路養護應用過程中需要解決的問題進行了剖析，并提出了相應建議。

關鍵詞 公路養護；智能巡查；智慧養護管理；對策與建議

中圖分類號 U418 文獻標識碼 A 文章編號 2096-8949（2024）24-0011-03

0 引言

截至2023年底，我國公路總里程達544.1萬公里，其中高速公路18.4萬公里，交通網的不斷完善和日益增加的通行量對高速公路日常巡查提出較大挑戰。高速公路日常巡查主要針對公路路面、橋涵、隧道、交通工程及沿線設施的表觀和日常使用狀態，以及影響通行安全的病害、損毀及其他異常情況，為公路日常養護提供主要依據[1]。傳統人工巡查高速公路存在如下問題：（1）為保障通行安全，路面日常巡查對巡查車輛車速要求較高，特別是車流量較大路段，頻繁的上下車導致安全風險高。（2）受車速和通行影響，巡查的識別率和準確率均較低，無法滿足科學養護決策分析所需的數據量和數據精度。（3）針對高速公路的橋梁、邊坡，人工日常巡查方式費時費力且存在較多視覺盲區，導致巡查質量差、效率和識別率低，且存在高空作業安全隱患。（4）人工紙質記錄、二次數據上傳和研判，可能導致數據處理不及時、數據丟失、數據歸集困難等。（5）缺乏統一的基礎設施和病害數據管理平臺，難以對日常養護提供數據支撐。以上問題均表明傳統人工巡查模式很難適用于高速公路的日常巡查工作。

人工智能概念自1943年提出，發展至今已經歷了專家系統時代、機器學習時代及深度學習革命階段。特別是自2010年后深度學習技術的突破，使得人工智能能夠借助大型神經網絡和海量數據在圖像識別、語音識別、自然語言處理等領域取得了重大突破。基于此，多數學者基于人工智能實現了公路基礎設施資產、病害數據等的統計和識別分析，且已在較多高速公路得到應用。該文將基于智能巡查設備在高速公路路面、橋梁和邊坡中的實際應用，對其在實際應用過程中存在的諸多問題進行剖析，為高速公路運營企業普及智能化巡查設備與智能養護平臺建設提供對策與建議。

1 高速公路智能巡查系統研究及應用現狀

智能巡查系統是由軟硬件結合的綜合型設備，其中硬件設備包含載具、云臺相機、GNSS天線、智能終端及附屬功能型傳感器等[2]，軟件部分主要由“人工智能算法+智能管控平臺”組成。人工智能算法作為智能巡查設備的核心軟件組成，主要通過人工智能技術完成二維病害圖像的分析與處理，其需要大量的訓練集對算法進行不斷的調參、優化，進而提高其準確度。基于人工智能需要大數據進行訓練與優化的這一特性，可按病害信息采集難易程度將其劃分為以下三種類型：

第一類為沿高速公路行駛可通視觀察的病害。病害類型主要包含路面傳統病害，如裂縫、坑槽、龜裂、車轍、擁包、沉降等，交安設施的損壞、缺失、遮擋等，綠化植被傾倒、缺失等。因路面、交安設施均處于路面標高以上且無雜物遮擋，此類病害數據收集較為簡單，病害的易搜集特性為人工智能算法的開發和優化提供了強有力的數據保障。因此，此類病害識別的準確率和精確度均能達到較高水準，其日常巡查方式已從傳統人工巡查與填報，發展到智能手機巡查系統，再至基于人工智能技術的智能巡查設備[3]。也有學者采用無人機用于道路病害的智能識別，但其存在續航短、病害識別率低、對攝像設備要求高等問題，難以達到此類病害連續不間斷的巡查要求，適用效果較差[4]。現今大多巡檢設備都是以巡查車輛作為載具，開發輕量化車載路面巡查系統，技術較為成熟，已成為此類病害巡查設備的代表，并已在多條高速公路得到應用與實踐[5-7]。

第二類是在高速公路路面設計標高以上或以下部分，無法從路面進行通視觀察的病害。此類病害多出現在橋梁、邊坡，特別是橋梁下部結構、邊坡排水系統。隨著民用無人機產業發展逐漸成熟，依托其靈活性高、成本相對較低、測量精度高及不受地形限制等優勢，已在高速公路邊坡、橋梁的日常巡查和安全評估中得到大量應用，成為此類巡查設備的代表[8-9]，特別是在鋼結構的銹蝕、混凝土結構的裂縫與蜂窩麻面、邊坡滑坡、邊坡坍塌、邊坡截排水系統堵塞、地基沖刷等病害的巡查上表現尤為突出。近期，也有學者針對無人機路線規劃與人工智能算法搭配后臺管控系統，使其能夠執行病害的智能識別、分類與統計分析[10-11]。然而，雖有強大的人工智能算法提供技術保障，但橋梁、邊坡病害信息復雜，人員難以抵達，病害搜集較為困難，導致算法的病害識別率和準確率均無法滿足現有高速公路日常巡查和科學養護決策的數據需求。目前無人機在高速公路巡查中的應用，多數僅停留在代替人工巡查階段，在智能識別領域應用程度不足。

第三類是無法通過表觀采集的深層次隱藏病害。這類病害通常潛藏于路面基層、路基深處或隧道的拱墻結構內部，如基層脫空、路基下陷、拱墻內部空洞等，它們不易察覺，卻對公路結構的穩定性和安全性構成嚴重威脅。與第一類、第二類顯性病害不同，深層次病害的檢測與評估要求更為精密的技術手段和深入的分析能力。此類深層次病害需基于探地雷達（Ground Penetrating Radar， GPR）或其他無損檢測設備，以捕捉到空洞、水分積聚、材料分層等引起的電磁波反射差異，從而得到原始數據。然而，GPR原始數據復雜且富含噪聲，直接解讀困難，需要經過專業的信號處理與分析才能準確識別病害特征。此時，人工智能可通過機器學習和深度學習算法，通過標記樣本數據的不斷訓練和優化，對GPR采集的大量數據進行高效處理，識別出具有病害特征的特定信號模式，能夠從雜亂的回波信號中提取出有用信息，實現對深層次病害的精確定位和分類。這一過程不僅提高了病害檢測的準確性和效率，還減少了人工分析的主觀性和誤差。

綜上所述，針對第一類病害，現階段主要智能巡檢設備為車載輕量化智能巡查系統，由巡檢車輛、云臺相機、GNSS天線、智能巡檢終端和可視化平臺等組成。第二類病害類型，主要以無人機為代表的智能巡檢系統，其是由無人機自帶定位系統、相機作為硬件，輔以開發人工智能算法、可視化管理平臺，實現邊坡、橋梁等位置的病害智能識別與管理。第三類則是通過機器學習和人工智能算法，對GPR等無損檢測設備得到的原始數據進行分析處理，結合無損檢測過程中得到的樁號信息，實現病害類型判別和精確定位。由于第三類病害的檢測通常應用于公路定期檢查或專項檢查過程，主要用于指導公路修復養護和專項養護工程，對日常養護決策的指導意義較小。因此，該文主要針對前兩類智能巡查系統進行討論。

2 智能巡查設備問題分析及對策建議

2.1 車載智能巡查設備

針對現階段智能巡查系統的實際應用，經過調查和分析，發現路面、交安類智能巡查設備存在的問題如下：

（1）平臺對接不完善。現階段科技公司開發相關巡查設備往往與自身管理系統緊密捆綁，導致第三方運營或養護公司在嘗試將此類設備集成到自身智慧運營管理系統時，遇到病害數據無法對接的難題。特別是在通車時間長、路況復雜的高速公路，病害種類繁多、信息量龐大，即使通過API接口實現數據交換，也會導致海量病害篩選任務艱巨，使得養護單位難以在限時間內完成必要的病害維修工作，影響通行安全。

（2）管理模式的多樣性導致病害信息數據處理的復雜化。不同高速公路管理模式差異，直接反映在病害記錄的標準與細節上，這種不一致性不僅造成數據的無效或缺失，還會加大跨路段、跨平臺數據整合的難度。例如：因跨平臺病害字段信息不同，可能導致任務單下發、交竣工驗收的病害數據信息缺失。特別是基于機器視覺的二維圖像識別技術，雖能快速捕捉病害圖像，卻往往因為缺乏深度信息而難以精確測量病害的三維尺寸，進而影響工程量估算的準確性，可能導致資源配置不當，增加養護成本。

（3）病害定位信息的準確性受巡查車速影響較大。現有的輕量化車載巡查設備，其定位病害樁號的位置信息可分為差分法定位和衛星定位，前者是通過采集公里牌、百米牌位置信息后通過差分法計算出病害的位置信息，后者則是通過北斗或GPS定位確定病害位置信息。無論哪種模式都難以擺脫車輛行駛速度對定位精度的影響，車輛行駛過快時，定位信息的誤差會顯著增大，導致病害樁號的位置偏差較大，對養護人員在實地復查時造成較大困難，降低了修復效率。

（4）人工智能在病害識別的誤判或不準確問題。盡管AI技術在不斷進步，但其基本原理都是通過大量數據的不斷訓練達到智能識別目的。在二維圖像層面上，面對復雜多變的路面狀況，仍難以避免將類似特征但不同的病害類型進行混淆，如將微表處脫落誤認為坑槽、忽略長縱裂縫等。這些問題要求AI模型需要持續優化，結合更多維度的數據輸入，以及引入人工審核機制，進而提高識別的準確率。

2.2 無人機智能巡查設備

無人機技術因其靈活性高、成本相對較低及視角獨特等優勢，廣泛應用于橋梁、邊坡等關鍵基礎設施的日常巡查與安全評估，但其在實際應用過程中面臨多重挑戰，在執行相關任務時遇到的主要難題和對策如下：

（1）衛星導航信號易丟失。以北斗或GPS為代表的全球導航衛星系統，在山區或橋梁下方等復雜地形中，信號容易受到遮擋，導致定位精度大幅下降乃至完全失去信號。這對于依賴精確導航進行定點巡查與數據采集的無人機而言，無疑增加了任務的難度和風險。因此，研究與應用增強型導航技術，如差分GPS和多系統融合的定位技術，成為提升無人機在信號差環境下可靠性的

關鍵[12]。

（2）邊坡環境復雜。這不僅體現在地形地貌上，還涉及周邊的人造設施。特別是邊坡局部供電線路的密集分布，對無人機的安全飛行構成嚴重威脅，無人機與高壓電線間的最小安全距離難以保證，微小的操作失誤都可能導致嚴重的安全事故[13]。因此，優化飛行路徑規劃，采用避障傳感器與智能算法預測并規避潛在危險，是提高無人機在復雜環境下作業安全性的必要措施。

（3）無線電干擾信號較多。隨著通信基礎設施的迅速擴張，大量通信基站的建設導致無人機操控所依賴的無線電信號經常遭遇干擾，從而限制遙控距離，甚至導致無人機飛行過程的失衡與撞機。開發抗干擾通信技術和采用專有頻段是減少此類風險的有效途徑。

（4）飛行空間束縛。無人機防碰撞系統多數需保障與障礙物的水平距離在3～6 m，狹窄的橋下空間與密集排列的橋墩、護坡，限制了無人機的自由移動范圍，尤其是在對支座、箱梁底部等關鍵部位執行細致觀測時。這就要求無人機配備更為先進的感知與避障系統，能在有限的空間內靈活機動，同時探索利用超聲波、激光雷達（LiDAR）、定點巡航等技術增強無人機在低光照和復雜環境中的飛行能力。

（5）續航時長受限。橋梁、邊坡巡查多采用旋翼無人機，其續航一般為20～45 min，頻繁更換電池不僅增加操作成本、降低工作效率，還可能因操作失誤增加安全隱患。建立固定式或移動式飛行平臺可有效提升無人機作業效率和連續工作能力，但其建設成本往往較高。

（6）法律法規和空域管理導致無人機在高速公路中的日常巡查實施難以開展。根據國務院、中央軍委《無人駕駛航空器飛行管理暫行條例》相關要求，高速公路屬于無人機空域飛行管控區，需上報當地空中交通管理機構報批后方可飛行，在公路沿線的軍事管控區飛行受限更為嚴格，從而影響緊急巡查的開展與降低管養單位的快速響應能力[14]。

此外，市場上的智能巡查設備供應商多且雜，智能巡查設備的病害數據信息缺乏統一的病害綜合分析處理，不利于高速公路的科學養護決策和養護單位集約化施工工作的開展。探索建立統一的數據交換標準與病害評估體系、預留平臺對接接口，達到跨平臺的數據共享與協同分析，為高速公路養護單位提供全面、準確、及時的病害信息，實現養護工作的高效管理，進而提升養護質量與經濟效益。

3 結語

該文基于公路智能巡檢設備研究及應用現狀，將智能巡查設備按照病害數據采集的難易程度，將其按照公路基礎設施進行劃分，并將其在實際應用過程中亟待解決的問題進行了總結、分析，為智能巡查設備制造廠家和公路運營管理單位提供了問題解決方向。

參考文獻

[1]公路養護技術標準： JTG 5110—2023[S].北京，人民交通出版社， 2023.

[2]羅夢琪，崔培強，郭建，等.人工智能技術在高速公路運營期的場景應用探討[J].交通節能與環保， 2024（2）：172-177.

[3]薛鵬濤，馮志慧，許金良，等.基于智能手機的干線公路養護巡查系統[J].河南農業大學學報， 2012（4）：434-437.

[4]孫成輝，王立軍，林海成，等.無人機在公路養護中的應用研究[J].運輸經理世界， 2023（33）：131-133.

[5]常光照.車載輕量化道路智能巡檢系統探析[J].中國安防， 2020（9）：100-104.

[6]王剛，于麗麗.基于多目視覺的農村公路視頻巡查技術研究[J].運輸經理世界， 2020（12）：89-90.

[7]朱曉峰.車載式高速公路路面異物智能檢測系統研

究[D].福州：福建農林大學， 2023.

[8]黃海峰.無人機在公路養護巡查中的應用前景展

望[C].2014全國公路養護技術學術年會論文集路面卷.中國公路學會養護與管理分會.2015：254-256.

[9]谷雷.無人機在高速公路邊坡日常養護巡查中的運

用[J].交通世界， 2020（12）：14-15+41.

[10]蘭建雄，潘勇.基于無人機的高速養護智能巡檢系統設計[J].中國公路，2023（8）：50-53.

[11]靳朝，林富生，宋志峰，等.基于A星算法的無人機高速公路巡檢應用研究[J].江蘇科技信息， 2022（6）：32-35.

[12]朱鋒.GNSS/SINS/視覺多傳感器融合的精密定位定姿方法與關鍵技術[D].武漢：武漢大學， 2020.

[13]高昆，謝亮，呂夢.高速公路邊坡無人機巡查問題分析與探討[J].科技視界， 2018（14）：122-123.

[14]中華人民共和國國務院，中華人民共和國中央軍事委員會.無人駕駛航空器飛行管理暫行條例[J].中華人民共和國公安部公報， 2023（4）：44-54.