在现今数字化、智能化浪潮席卷全球之际,交通基础设施领域正步入一场深刻的变革阶段。铺面作为交通系统中的关键构成,其性能和状态直接关系到交通运输的安全、效率以及可持续发展。而传统铺面在长期使用时会面临一系列挑战,如病害频发、养护成本高昂、使用寿命有限等
[1]。为应对这些棘手问题,智能铺面顺势诞生,它把先进的传感器技术、物联网技术、数据处理技术、能源收集技术以及人工智能算法融合在一起,可实现对铺面状态的实时监测、智能诊断、精准养护以及能源自给等功能,从而极大提升铺面的性能与使用寿命,并减少维护费用,增强交通运行功效,为智慧交通系统的规划提供强力辅助
[2]。
智能铺面的关键技术是实现其智能化功能的核心,涉及智能感知技术、数据传输技术、数据处理与分析技术以及能源自给技术等。智能感知技术是智能铺面的“感官”,采用在铺面结构上嵌入各种类型传感器的方式,诸如应变传感器、位移传感器、光纤光栅传感器、压电传感器之类,并与无损检测技术如探地雷达、超声波检测、图像检测等结合,两者共同实现铺面力学响应、交通荷载、环境因素等信息的实时感知,为后续的数据分析与处理提供基础数据。数据传输技术则相当于智能铺面的“神经系统”,负责将传感器采集到的海量数据进行有效的处理、分析、存储与传输,通过边缘计算与云计算相结合的方式,实现数据的快速处理与实时共享,为智能养护决策提供及时准确的数据支持
[3]。数据处理与分析技术是智能铺面的“大脑”,利用机器学习、深度学习等人工智能算法,对铺面的病害进行早期诊断、预测与评估,评估路基、路面风险,制定出科学合理的养护方案、及时的风险控制措施等,实现精准养护、安全运营
[4]。能源自给技术则是智能铺面的“能源心脏”,通过压电发电、太阳能发电等技术,将铺面受到的交通荷载能量或太阳能转化为电能,为传感器、数据处理设备等提供能源支持,实现智能铺面的能源自给自足,降低对外部能源的依赖,提高铺面的可持续性
[5-6]。
现对智能铺面关键技术的研究现状进行全面综述,系统梳理各关键技术领域的研究进展,分析当前智能铺面技术面临的挑战与问题,并展望未来的发展趋势。以期能够为智能铺面领域的研究人员提供一个全面、系统的参考框架,促进智能铺面技术的进一步发展与完善,推动交通基础设施向智能化、可持续化方向迈进,为构建更加安全、高效、绿色的智慧交通系统贡献力量。
1 感知技术
在智能铺面技术体系中,感知技术是重要的组成部分,可以及时准确地获得铺面的状态信息,而且它能为后续的数据分析、决策等提供信息基础。凭借先进的传感器技术、无损检测技术等,感知技术实现对铺面全方位、及时、准确的监测。
1.1 传感器技术
传感器技术是智能铺面感知系统的重要组成部分。铺面感知系统通过在铺面中或铺面上安装不同类型的传感器,从而实现对铺面物理参数的实时、准确监测。根据传感器所检测的物理参数的不同,大体上可以将传感器分为应变传感器、温度传感器、湿度传感器等,这些传感器相互补充、彼此配合,从各个不同角度为铺面的感知提供数据支持。
1.1.1 应变传感器
应变传感器通过监测在车辆荷载下铺面的微应变,并实时反馈铺面的受力状态,常用于铺面结构健康监测、铺面性能研究以及铺面施工质量的控制。应变传感器工作原理是基于材料物理特性的变化来实现测量,由此可分为箔式应变片、半导体应变片、光纤应变传感器、微机电系统传感器(micro-electro-mechanical systems,MEMS)等。以上这些传统的应变传感器虽在精度和稳定性等方面具有一定的优势,但在灵敏度和复杂环境适应方面还存在不足。然而近年来,柔性电子、纳米材料与分布式传感技术的融合,推动了智能铺面应变传感器在上述问题上的突破。Wan等
[7]研发的柔性智能传感系统,采用聚二甲基硅氧烷(polydimethylsiloxane,PDMS)基底和Ni-Au金属薄膜传感层,可同时监测横向和纵向的全方向应变,灵敏度高且适应复杂环境。Zeng等
[8]则利用分布式光纤传感技术,开发了沥青铺面应变模态测量方法,通过互功率谱分析提取动态应变特征,实现了厘米级空间分辨率的结构健康监测。Wang等
[9]开发的纳米金刚石/聚酰亚胺(nanodiamond/polyimide,ND/PI)复合材料传感器,在250 ℃高温下仍能保持稳定的压阻响应,且在酸性(pH=2)和碱性(pH=12)环境中耐腐蚀性能提升5倍。该传感器已用于沥青路面摊铺过程中的实时温度-应变同步监测。
尽管应变传感器在智能铺面的健康监测中具有重要应用,但因为材料本身的特性以及技术上尚未攻克的难关等,目前还面临不少挑战:首先是极端环境下的稳定性和耐用性问题。例如,传统的光纤传感器在超过170 ℃的高温施工环境中,它的封装材料像环氧树脂之类的容易变脆断裂,最终导致传感器失效
[8],在沿海地区的盐雾环境里,金属电极会发生电化学腐蚀,这会让应变传感器的寿命缩短到3~5年。其次是施工工艺的兼容问题。传统光纤传感器在沥青摊铺的时候,容易受到超过160 ℃的高温和机械振动的影响,从而导致应变传递失真
[10]。再者是多源干扰和数据可靠性的问题。电动车电机产生的电磁干扰,会让电阻式传感器的输出波动超过±10 με,信噪比(signal-to-noise ratio,SNR)也会从25 dB降到12 dB
[11],从而影响最后的测量结果。另外,应变传感器的零点漂移会随着时间积累,例如,金属箔式应变片每年的漂移大约有±50 με,这就需要定期人工校准,维护成本也因此提高
[12]。各类型应变传感器的原理、优势和局限性如
表1[13-16]所示。
1.1.2 温度传感器
中国高等级公路主要采用沥青混合料作为铺面材料,而沥青材料具有温敏性,其力学性能和路用性能受温度影响较大,在高温条件下路面易发生车辙,而低温条件下易形成温缩裂缝。因此利用温度传感器实时采集铺面的温度数据,可为研究温度对铺面材料性能的影响以及预测路面病害的发生提供重要依据。基于物理原理的不同,温度传感器可分为热电偶温度传感器、热电阻温度传感器、光纤温度传感器、红外温度传感器等。
目前有关温度传感器在智能铺面中应用的研究,大多为改进温度传感器测量方法或者采用新型材料,使得温度传感器测得温度范围更广、精度更高。Guan等
[17]通过合成Gd
xSc
2-xO
3钙钛矿单晶纤维制备出的晶体基超声温度传感器,能实现25~2 030 ℃的超宽测温,同时具备98.89 ns/(℃·m)的超高单位灵敏度,有效解决了极端环境下接触式测温的难题,对推动极端环境传感技术的发展具有重要参考价值。Zhu等
[18]设计制造的柔性复合荧光光纤传感器,采用Er
3+/Yb
3+共掺荧光粉与双包层光纤,测温精度可达±0.1 K。这项技术依靠温度梯度变化进行结构损伤警报,适用于检测路面裂缝或者不均一沉降。但也有许多研究者将温度传感器与其他无线传感器、物联网(Internet of Things,IoT)以及机器学习结合起来进行实时的信息数据收集和分析。Godoy等
[19]开发了路面温度监测系统,这个系统利用低价温度传感器并结合车路协同通信(vehicle-to-infrastructure,V2I),采用神经网络预测温度分布,提高了检测精度,缩减了检测时间。而WinterSense系统则是通过红外传感器与IoT通信相结合,将路面温度数据实时传输至云端平台,从而支持交通管理部门动态调整融雪策略。
温度传感器在铺面工程领域内有着高精度实时监测、自动化采集数据、远程传输信息等诸多技术优势,给路面结构性能评价、病害预报以及养护决策等方面提供重要支持,但温度传感器的实际工程应用中还存在一些问题,例如,温度传感器在极端高温或者低温环境下很容易出现漂移现象,所以一旦路面温度出现变动,热电偶传感器就有可能发生热电势漂移,于是就要定期对它展开校正;另外,传统的插入式温度传感器在进行沥青摊铺的过程中,只能定点检测,并不能及时追踪到混合料从卸料、搅拌到摊铺这一系列流程中发生的温度变化情况
[20];嵌入式的温度传感器因为长期承受交通荷载而经常会出现接触不良或者折断的情况,而且这种类型的温度传感器在维修保养时所花费的成本也相对较高。各类型温度传感器的原理、优势和局限性如
表2[21-24]所示。
1.1.3 湿度传感器
当铺面出现裂缝、孔隙等病害时,水分就容易渗进铺面里面,从而引发铺面结构性损坏,所以可以依靠湿度传感器感知路面内部水分分布、渗透状况以及湿度变化,以此评判铺面的病害程度及其发展走向,当下智能铺面的湿度传感器包含电容式湿度传感器、电阻式湿度传感器、光学式湿度传感器、半导体式湿度传感器等,现在关于湿度传感器的研究大多聚焦在元件材料更新、自主供电技术融合、多种场合应用等方面。Han等
[25]开发的纳米纤维素/MXene复合膜湿度传感器模仿了“砖-砂浆”结构设计,在11%~95%相对湿度范围内实现87%的灵敏度(Δ
I/I0),并可承受50次以上折叠。Li等
[26]提出一种基于日常用品的CI/FP自供电湿度传感器,利用水分吸附产生的电压信号实现自供电,并通过摩擦纳米发电机收集车辆动能供电。Yang等
[27]通过调节缺陷,所制备的TiO
2/CdS湿度传感器在11%~95%相对湿度范围内灵敏度响应值达63 459,响应时间和恢复时间仅7 s和5 s,湿滞误差约3.5%,解决了传统金属氧化物传感器在高温高湿下的稳定性问题。Lu等
[28]将纤维素基自供电传感器和深度学习算法相结合,建立湿度-荷载耦合预测模型,在贵州某桥梁监测中,病害预警精度提高到90%以上。
综上所述,湿度传感器通过优化与改进,其测量精度、灵敏度以及稳定性都有了较大的提升,但与应变、温度传感器相同的是湿度传感器也存在耐久性不足的问题,例如,嵌入式湿度传感器在通车1年后因路面碾压损坏率可达20%;电容式湿度传感器的金属电极在碱性混凝土环境中易发生腐蚀,未作防腐处理的传感器在6个月后测量误差从±3%增至±15%
[27];此外铺面材料的孔隙结构和热传导特性会扭曲传感器响应,多孔沥青的透气性导致表面湿度与内部湿度差异显著,从而导致含水量相同的密实型混凝土与多孔沥青相比,湿度传感器响应差异可达12%
[29]。湿度传感器的原理、长处和不足之处如
表3[30-33]所示。
1.2 无损检测技术
无损检测指的是在不损害路面的情况下,能够对路面的状态、损伤(裂缝、坑洞、车辙、松动)及内部的损伤进行检查评估的一种技术。探地雷达技术、超声波检测技术、红外热成像检测技术、视觉检测技术等是常用的无损检测技术。这些无损检测技术与传感器技术可以互相补充,形成了完善的智能铺面感知系统。
1.2.1 探地雷达技术
探地雷达主要由主机(主控单元)、发射机、发射天线、接收机和接收天线五部分组成,如
图1[34]所示。其工作原理是运用电磁波在不同介质中的传播特性,向铺面发出电磁波,然后接收从铺面反射回来的电磁波,以此达到快速准确探测铺面内部结构层厚度、有无脱空及裂缝等各种病害的目的
[35],如
图2所示。在智能铺面建造时期,可应用探地雷达开展智能建造期间的施工质量检测,检测路面铺层的铺设厚度是否与设计厚度相匹配,并检测是否出现施工期间材料离析及压实程度不够等情况。虞将苗等
[36]针对沥青层厚度不足的问题,采用三维探地雷达技术对沥青路面进行全断面扫描,并绘制出沥青路面厚度分布的云图,最后对沥青面层厚度进行动态调整。在运营阶段,探地雷达技术可对大面积的路面实施快速扫描,迅速找出路面潜藏的病害。曾雄鹰等
[37]提供一种运用双主频高动态探地雷达检测系统来检测道路地下病害的方法,可明显识别地下病害的种类、确切的位置、埋入深度以及影响范围。总结起来,探地雷达技术具有检测速度较快的优点,每小时可以达到数公里甚至更多,所以适合检测长距离的道路,同时它的分辨率较高,能清楚地识别厘米甚至更小的结构和病害。
目前,采用深度学习以及探地雷达得到的影像来检测道路的隐伏病害是一个热点研究方向。利用深度学习算法能够对探地雷达采集到的复杂数据图像进行自动提取和分析,以完成检测,从而解决了探地雷达铺面结构复杂、异常检测目标多变导致的难以检测的问题。例如,余巍
[38]利用YOLOv5架构,并且提出CG-YOLO算法,CG-YOLO算法采用了SA-CA注意力模块和Gbone模块,解决了自身存在的精度以及满足数字化探地雷达的轻量化要求的问题。Li等
[39]提出了一种利用深度学习预处理与逆时偏移(reverse time migration, RTM)成像相结合的方式,采用上下文特征融合模块(contextual feature fusion module, CFFM)和增强空间注意力模块(enhanced spatial attention module, ESAM)进行成像,克服了探地雷达(ground penetrating radar, GPR)记录由于地下介质分布不均匀产生的杂波干扰问题。但是,上述几种方法的前提都需要有大量的数据才能够实施。因此,针对实际数据的缺失或数据获取成本高,原达等
[40]利用生成对抗网络(generative adversarial network, GAN)或者正演模拟得到虚拟数据进行补全,有效克服了这一问题。
在智能铺面的应用方面,探地雷达技术已然是铺面结构检测的关键手段,然而其与智能化系统的深度融合仍旧面临以下关键问题:一是外部环境因素易对GPR信号造成干扰,引起其穿透能力下滑,而铺面材料中的高湿度同样会显著增加导电性,由此引发电磁波的衰减,最终影响测量结果的准确性;二是压实度、成分和含水量对沥青混凝土材料的介电常数有影响,传统线性模型难以准确描述,往往导致厚度计算存在误差
[41];三是GPR天线频率的选取要在探测深度与分辨率之间做权衡,低频天线可达到较深的穿透距离,但分辨效果较差;高频天线呈现出高分辨率,但探测深度有局限
[42];此外,GPR图像的解释需结合介电特性、结构设计和病害特征,单一依靠图像容易造成检测结果的误判;最后,反射裂缝、层间脱空等隐性病害在发展初期难以识别,且病害的三维空间分布增加了图像解译难度。
1.2.2 超声波检测技术
超声波检测技术基于超声波在不同介质中传播速度、能量衰减不同,以及在介质界面的反射、折射、散射等原理,从而实现铺面内部缺陷检测,其工作原理如
图3所示。由于超声波的声能在各向异性的均匀介质中会发生衰减,因此在道路结构介质中,当超声波频率越高时衰减就会越明显,对于最后的检测结果精度影响就越大。为提升超声波检测技术在铺面内部缺陷检测中的精度,目前学者针对超声波在沥青混凝土中的传播衰减规律展开研究。顾兴宇等
[43]针对超声波在混凝土中的衰减原因,以不同频率的超声波和不同温度的实验环境对层间脱离病害进行超声波检测,最后得出较低的入射频率和温度有利于沥青混凝土的超声波检测的结论,但该实验只以层间脱离一种损伤类型进行实验,对于其他类型的损伤条件下的超声波衰减规律还有待研究。在此基础之上,潘晓军
[44]分析了沥青路面黏弹性模量和超声波频率对超声波衰减的影响,提出沥青路面传播中存在衰减因子
α,且
α与超声波发射频率
ω成正比,最后提出超声波检测的入射频率在20~60 ℃,检测温度不超过40 ℃时检测结果最佳。
超声波检测技术在智能铺面感知技术上有着突出的优点,即该方法可以对铺面进行非破坏性的检测,降低外部环境因素的影响。例如,Pan等
[45]利用压电超声波技术对沥青混凝土进行损伤检测的室内研究,通过分析超声波传播速度、振幅衰减与频率变化实现沥青混凝土裂缝、空洞等缺陷识别,实验结果表明压电超声波技术是一种很有前景的沥青混凝土损伤检测技术,具有显著优势。Tian等
[46]在其基础上,采用超声波阵列的方式进一步地进行混凝土厚度检测,测得其混凝土厚度检测平均相对误差为1.7%~1.9%,相比地面穿透雷达技术的检测精度更优。此外,超声波成像与深度学习技术的融合,进一步提高了检测结果的准确率。例如,Bej等
[47]开发的IoT系统结合深度学习,实现了90%以上准确率的路面坑洞实时检测与维护触发,且该技术尤其适用于交通流量监测等场景。再者,超声波检测技术还有其他检测技术不具备的优点,即它是多参数同步检测,也就是说可以借助不同的参数相互关联或者相互补充来保证检测结果的准确性,而且能够做到检测结果的全面可靠。Zhang等
[48]通过超声波波速与沥青材料密度等参数建立联系,并由此建立了沥青材料性能模型,其吻合度超90%;且最后超声波设备还有适应不同环境、制造简单、成本低的优势。
近些年来,超声波检测技术通过图像识别算法革新、设备硬件改良等举措,渐渐搭建起从材料性质评定到构造健康监控再到施工质量把控的完备技术体系,突出表现在:超声波对沥青路面空隙率、密度以及力学性能检测有着特别之处。Ayar等
[49]的综述研究指出,超声波波速与沥青混合料空隙率呈负相关关系,当空隙率从3%增至8%时,波速下降约12%。同时该研究还建立了超声波波速与动态模量、抗压强度的数学模型,其相关系数超过0.85,并为沥青路面材料性能的非破坏性评估提供了理论依据。此外,低频超声层析成像技术可在混凝土路面检测中实现厚度测量与钢筋定位的高精度结合。de Salles等
[50]通过三维重建算法,将混凝土板厚度检测误差控制在±3 mm,钢筋位置识别误差小于5 mm。且该团队开发的新型混凝土质量指标(concrete quality index, CQI)与横向裂缝及碱-硅反应(alkali-silica reaction, ASR)的关联度达82%,显著提升了铺面结构病害的早期预警能力。最后,深度学习算法的引入显著提升了超声波信号的特征提取能力。Vahab等
[51]提出的无监督深度学习框架,通过深度自动编码器(deep autoencoder, DAE)与隔离森林(isolation forest)的结合,对混凝土内部分布式损伤的识别准确率达95%,较传统阈值法提升20%。
综上所述,超声波检测技术具有精度高、可定量、设备轻便、易于操作的优势,但是超声波检测技术本身存在的缺点和不足使超声波在智能铺面感知方面还存在许多挑战。超声波检测技术的挑战主要是因为材料异质性
[52]、表面条件依赖
[53]、缺陷方向敏感性及环境适应性不足
[54],所以未来要做的工作是研究超声波技术的多技术融合检测系统(如超声波与GPR)、信号处理算法(如深度学习去噪算法)以及提高设备的环境鲁棒性。
1.2.3 红外热成像检测技术
任何物体都辐射红外线,一个物体的辐射强度与它表面的温度相关,红外热成像检测技术是利用红外热像仪捕捉铺面上表面所辐射的红外线并将其转变为温度分布图,如
图4所示。一般情况下的铺面温度都是均匀的,但当内有脱空、含水量过高或过低、材料老化等问题时,会导致热量传递不正常,从而导致表面温度不同,例如脱空处的热量流失较快,在热像图上呈低温区,且含水量过高的地方会吸收热量变慢,热像图上呈现的温度也会较低。
红外热成像技术在智能铺面感知方面相对于传统的检测技术有明显的优势:红外热成像通过物体表面的红外辐射来检测,不需要接触铺面,因此可以避免传统方式对铺面结构的破坏,检测效率和精度也比传统的接触式方法大大提高。例如,Hoegh等
[55]在研究中发现,红外热成像可快速扫描大面积路面,检测沥青路面层间脱空时的效率与传统接触方法相比,能提高3倍以上。此外,红外热成像检测技术由于具有对表面温度差异的高灵敏度,在检测微小缺陷等方面表现突出。Jank$\stackrel{\mathit{。}}{\mathrm{u}}$等
[53]通过对比实验表明,红外热成像仪对混凝土表面0.1 mm以下的微裂纹检测概率达85%,而超声波检测仅为60%。而且红外热成像技术不受光照条件限制,可在夜间或恶劣天气下稳定工作。Jonsson等
[56]在冬季道路维护研究中证实,红外热成像在湿、雪、冰等环境下的温度检测精度比传统传感器高20%,且能有效识别路面结冰区域,误差小于0.5 ℃。
目前红外热成像技术在智能铺面上的研究形成了一个立体的技术体系,利用深度学习技术、材料创新以及与其他检测技术相结合的方法使检测精度、速度和成本等都得到了较大的提升。例如,Jiang等
[57]提出的GskyYOLOv5模型,通过GhostNet和选择性核网络增强特征感知,在自建红外裂缝数据集上实现92.3%的检测准确率,较传统YOLOv5提升4.7%。Jank$\stackrel{\mathit{。}}{\mathrm{u}}$等
[53]将红外热成像与探地雷达(GPR)融合,对200~300 mm深度脱层的检测准确率比单一GPR提高15%,且对表面粗糙度的敏感度降低50%。此外,跨模态数据融合成为研究热点,通过将检测对象多种数据来源整合,可实现检测结果精度的进一步提升。Jiang等
[57]通过将红外图像与可见光图像结合,并采用GSkYOLOv5模型对图像进行精确分析,实现了沥青路面裂缝的全面智能检测,但该模型通常将可见光和红外图像视为独立信息,通过分离的网络来提取特征。为了解决这一问题,Jiang等
[58]提出一种基于Transformer架构的新型多模态融合网络(multi-modal fusion network,M2FNet),该网络包含联合模态注意力模块(universal modal attention,UMA)和跨模态注意力模块(cross-modality attention,CMA)。该方法相较于仅使用可见光或红外图像训练的基线方法,其平均精确度分别提高10.71%和2.97%。
综上所述,红外热成像技术依靠非接触、高灵敏、全天候等特性,由早期的表面缺陷检测工具变成如今智能铺面全生命周期的关键技术。伴随深度学习、边缘计算以及多模态融合技术的发展,它在材料性能判定、即时运维抉择等方面的应用潜力将持续被挖掘,以后还需继续突破深层缺陷反演算法,缩减多模态体系的成本并达成国际标准统一,从而做到从单点技术到智能铺面生态圈的深度交融,给基础设施数字化转型提供高效、靠谱的技术保障。
1.2.4 视觉检测技术
视觉检测技术是指利用计算机视觉和图像处理技术的一种非接触式的检测方法,使用摄像头、图像传感器等采集目标图像,并利用算法对图像进行分析、处理、特征提取,进而对铺面的尺寸、缺陷、表面特征等属性进行检测识别,如
图5所示。目前,视觉检测技术在铺面病害识别、结构健康监测、全生命周期管理中得到了应用。王慧等
[59]提出了一种基于三维视觉检测技术的路面功能性检测跟踪方法,解决了以往检测孔隙率或排水率时人工效率低、存在安全隐患的问题,为检测工作能够高效精准地开展提供了智能化的技术手段。胡晓伟等
[60]针对现有路面病害检测方法存在的精确度不足的问题,提出一种融合状态空间模型的YOLOM路面病害轻量化检测方法。该方法具有模型规模小、复杂度低和检测精度高的显著优势,具有较强的学习能力和泛化性能,可为道路智慧检测提供助力。赵启鹏
[61]提出基于主成分分析的光照校正算法以解决光照不均对裂缝识别的影响,通过优化YOLOv5s模型的Backbone、Neck和Head层提升裂缝识别性能,并设计自动化检测系统实现裂缝的自动化检测。
当前的视觉检测技术研究热点包括轻量化以及边缘计算驱动下的视觉检测、多模态融合与三维视觉技术、自监督学习与少样本学习等。例如,孙铸等
[62]提供了一种基于边缘计算的实时道路交通状态监测方法、设备及系统,将语义分割算法配合目标检测算法和目标跟踪算法,实现对道路区域内的车辆以及车辆的行为辨识,以实现对当前的交通状态进行实时监测分析。王耀南等
[63]提供一种基于多模态融合的工业视觉检测系统,能够对多个传感器的数据进行有效处理并融合使用,提高检测的准确性以及快速反应能力,解决了现有技术中存在的缺陷。田浩江
[64]提出了基于深度对比学习的路面裂缝图像分类方法和基于深度对比学习的路面裂缝图像分割方法,该方法在CrackForest与Crack500数据集中未增加训练样本及标注的情况下,分割精准率达91.7%,显著提升了模型对路面裂缝图像中背景与裂缝的区分能力及分割效果。
综上,目前关于视觉检测技术的研究呈现“高精度、实时化、智能化、多模态”的发展趋势
[65],从单一病害识别到全生命周期监测,从单一场景到与物联网、大数据结合等。随着边缘计算、小样本学习等技术的发展,未来该技术会更好地融合于智慧交通中,道路养护由被动转为主动。尽管视觉检测技术在路面病害检测、路面结构健康监测等方面取得了较大的发展,然而仍然存在很多的技术瓶颈和实践问题。首先是检测鲁棒性弱,当处在复杂的环境背景下,由于光照、混凝土气泡、阴影等因素形成的噪声会导致路面裂缝被误检,裂缝在不同程度上存在一定断裂的情况
[66]。其次,车载摄像头视角下的路面破损检测算法面临小目标病害(如微裂缝)和运动模糊问题。最后是实时性与计算能力矛盾,基于边缘智能的路面病害检测算法需在轻量化模型与高精度之间平衡,现有研究通过分组卷积和共享检测头减少参数量,但边缘设备的功耗与体积仍需优化
[67]。
2 数据传输技术
数据传输技术是智能铺面系统的“神经传导网络”,是智能铺面系统中“感知层”和“数据处理层”的联系纽带,主要通过无线(LoRa、NB-IoT、5G)或有线(光纤、以太网)方式把路面传感器检测到的结构应变、温度湿度、病害等数据传送到边缘节点或云端。
2.1 有线传输技术
智能铺面依靠物联网和人工智能等技术实现了数字化转型,在进行智能铺面的数据传输时需要实现高带宽、低时延且可靠的传输。有线传输方式由于其抗干扰能力强且具有很好的安全性,成为智能铺面基础设施间数据传输的重要支撑。使用最多的有线技术包括以太网技术、光纤传输技术以及工业总线技术(RS485总线/CAN总线)。其各自的优势、缺陷和应用场景如
表4[68-71]所示。
目前,针对以太网技术的布线困难、移动性不足等问题,部分研究集中在优化以太网技术的布线,以及以太网技术在动态交通环境中的应用研究上,以使固定节点间的通信畅通无阻。杜威等
[72]提供了以数字化技术为基础的城市网络优化布线方法及系统,通过建立网络布线模型以获得城市的区域初始网络布线图,然后根据干扰信号分布图以及允许布线范围,使用线路优化网络算法进行线路优化调整,以获得此城市区域的初始目标网络布线图,虽然文献中的解决方案是城市区域的网络设计的,但也为铺面网络提供了一个优化布线的新思路。宋谦
[73]提出了面向目标的主动绕障PCB布线算法,该算法改变传统PCB布线算法中的被动躲避为主动避免,使得布线更有主动性。同时其面向目标的特性又降低了探索的盲目性,普遍减少了探索的次数,并且在探索过程中始终朝向目标,减少了探索范围,提高了计算效率。而针对光纤部署成本高昂的问题,当前的研究趋势为减少光纤铺设与维护成本,探索新类型的光纤材料改进性能,推动光纤与其他技术相互融合,构建更高效的混合传输网络。赵丽娟等
[74]公开了一种新型高双折射光子晶体光纤。本发明提供一种新型高双折射光子晶体光纤,其由包层和纤芯组成,其中基底材料选用二氧化硅,能有效提高光信号传输距离及稳定性,适用于长距离光纤通信系统,对传输质量要求较高的领域有广泛的应用场景,如长距离高精度光纤传感网络等。黄俊等
[75]公开了一种柔性光纤带及光缆,该发明降低了黏结力与撕裂力微妙平衡控制所带来的材料开发、制造及并带工艺的控制难度,提升了柔性光纤带内光纤与黏结部之间黏结力的一致性,确保产品质量稳定。此外,对于RS485总线速率低(≤10 Mbps)的局限,当前研究主要通过优化数据帧格式、采用数据压缩技术提升传输效率,或与其他高速技术结合,形成分层传输架构来解决。毛亮华等
[76]公开了一种基于RS485环形网络的分布式系统,解决了现有技术中RS485存在单点故障导致通信异常、冗余网络复杂的问题,当系统内任一节点总线电缆松动时,所有的节点都能正常通信,提升了总线信号质量,有利于提高系统可靠性。冯丽莉等
[77]公开了一种BMSCAN和RS485多合一通信接口管控方法及系统,能够实现CAN和RS485两种通信协议之间的切换,在不同的设备或系统之间进行数据传输,提高BMS的可扩展性。
综上研究表明,智能铺面有线传输技术的核心问题可通过协议标准化、材料创新、混合组网等途径逐步解决。但目前还存在一些传输协议与兼容性问题、抗干扰与稳定性不足
[78]、移动性与灵活性缺陷
[79]等问题。未来可以通过多技术融合架构、自修复材料研发、智能化运维系统等方面逐步解决存在的问题。
2.2 无线传输技术
随着智能公路的发展,无线传输技术间的互补性日益明显。智能铺面无线传输技术具有非物理连接的特性,可以很好地解决智能铺面有线传输技术在灵活性、部署成本、动态场景适配性等方面的缺点,是智能铺面数据传输的重要补充方案。智能铺面无线传输技术与有线技术的对比如
表5所示。目前流行的无线传输技术有短距离无线通信技术(ZigBee/蓝牙)、中长距离无线通信技术(Wi-Fi/蜂窝网络/低功耗广域网)、专用车联网通信技术(专用短程通信/蜂窝车联网)。
目前无线传输技术主要应用于分布式传感器网络、移动检测与应急通信、车路协同技术等。例如,利用远距离无线电(LoRa)或窄带物联网(NB-IoT)的传输方式与铺面上方安装的埋设有应变计和温度传感的传感器建立无线通信的桥梁来建立分布式传感器网络,对路面结构的健康状况进行及时的监测。张怀志等
[80]发明了采用无线传输技术的沥青路面裂缝宽度实时监测系统,无线传输信号与服务器终端相连,实时获取沥青路面横、纵两个方向裂缝宽度变化的数据,并对数据的变化进行分析,从而得出裂缝产生的原因以及最佳灌封时间。在移动检测与应急通信中,借助无人机搭载高清摄像头,通过5G网络将巡检视频实时回传至数据处理中心,通过对数据的分析和处理可及时进行决策。湖南湘江新区智能道路项目中,无人机巡检数据传输时延<100 ms,缺陷识别效率提升3倍
[81]。车路协同技术则是通过专用短程通信(dedicated short range communications,DSRC)
[82]或蜂窝车联网(cellular vehicle-to-everything,C-V2X)
[83]技术,实现车辆与智能铺面的实时交互。两种技术的系统架构如
图6和
图7所示。
当前关于无线传输技术的研究主要集中在无线传感网络优化部署、低功耗通信协议应用、边缘计算与数据融合上。由于存在无线传感器网络部署优化覆盖率较低、传感器节点分布不均匀等问题,闫好霖等
[84]提出了一种基于改进黑猩猩优化算法的无线传感器网络部署优化算法。结果表明,改进黑猩猩优化算法寻优效果优于对比算法,它优化的无线传感器网络的平均覆盖率能达到99.81%,且节点分布也更加均匀。而王振东等
[85]则针对含障碍物的无线传感网络异构节点部署优化问题,基于花朵授粉算法(flower pollination algorithm,FPA)提出改进算法IFPA,以解决原算法收敛慢、精度低的问题,并通过基准函数实验验证IFPA有较好的收敛性。最后使用WSN部署仿真实验验证了IFPA可以获得比较高的覆盖率,从而可以节约网络部署成本。孙伟
[86]针对物联网设备能耗高、寿命短的问题,提出一种低能耗通信协议软件系统,从信息的传输方式以及节能角度进行改进,提出自适应速度、确认重发、休眠模式、动态能耗管理等方法,使设备能够在高效稳定的条件下进行通信,从而降低设备的能耗。赵鲁诺等
[87]研发了基于物联网的低功耗通信协议软件系统,通过优化数据封装传输机制(自适应速率控制、确认重传)及节能策略(休眠模式、动态功耗管理),实现高效可靠通信并降低设备能耗。此外,随着物联网与5G技术发展,融合通信系统面临数据处理效率与延迟优化挑战。刘艳等
[88]提出一种基于边缘计算的处理方法,将数据迁移到网络的边缘以减少数据发送到中心的负担和延迟,在基于边缘计算的基础上,该方法在吞吐数据、响应时间和吞吐能力方面具有一定的优势。将此方案作为实时处理决策的一种辅助工具。肖逊
[89]基于边缘计算多数据融合方法及系统,提出了基于边缘计算多数据融合系统的使用流程是边任务分配单元接收来自传感器、设备的数据,并按照任务加密等级和预设计定的方式划分出带有标识的子群数据。根据边缘处理器的工作情况划分数据组,分配相应的标识序列,最后由边缘处理器处理,返回处理后的结果。智能调度实现数据实时处理,以提升效率和响应速度。
综上可知,无线传感技术在当下正从单一功能向多种技术融合发展。在无线传感技术发展中,以低功耗通信、高效能量管理、边缘智能等技术,实现无线传感器网铺面系统的自主化、精细化管理,但受到自身技术限制仍存在一些不足:无线通信环境面临的挑战有多径效应、噪声干扰、人为恶意干扰等因素严重影响无线通信信号质量;部分无线协议传输延迟高,如LPWAN可达秒级,导致交通流量实时监测等要求无法得到满足
[90]。另外,目前智能铺面无线传输缺乏行业级标准,导致设备接口、数据格式等不统一,增加了跨厂商协作和系统扩展的难度。而高密度部署需大量传感器节点和中继设备,硬件成本占比可达总投资的60%以上,初期投资较高。
3 数据处理与分析技术
在智能铺面关键技术中,数据处理与分析技术作为核心组成部分之一,通过对传输来的数据进行数据清洗和数据转换,从而排除数据中噪声、异常值的干扰,以提高数据的质量。然后采用统计分析、机器算法学习、深度学习的方法对数据进行分析,以应用于边坡监测预警、路面病害检测、路面抛洒物识别、路面养护智能决策等实际应用中。
3.1 边坡监测预警技术
随着基础设施建设的快速推进,越来越多的工程活动涉及边坡开挖、填筑等作业,这使得边坡失稳引发的地质灾害风险日益增加。而边坡监测预警技术作为预防边坡灾害的重要手段,受到了广泛关注。传统的边坡监测方法主要有大地测量法和倾斜仪测量法。但以上两种监测方法由于其技术本身的限制存在监测频率和监测范围受限的问题,同时该两种方法严重依赖人工操作且仪器安装过程烦琐,而得到的监测结果精度也不高。目前针对边坡监测的研究主要以自动化、智能化方向为主。近几年随着大数据、5G、GPS等信息技术的发展,新型监测技术也应运而生,例如全球导航卫星系统(global navigation satellite system,GNSS)、合成孔径雷达干涉测量技术(interferometric synthetic aperture radar,InSAR)、光纤传感监测技术、地面激光雷达(terrestrial laser scanning,TLS)等。
全球导航卫星系统属于边坡地表变形监测的核心技术,依靠全天候以及三维定位的优势,为局部边坡的精确监测提供了基础。黄观文等
[91]研发的分层式GNSS/全站仪一体化装置,通过预埋PVC管与多源传感器集成,实现了膨胀土边坡表层与深层形变的同步监测,位移监测误差小于2 mm。在局部边坡监测的基础上,区域尺度的形变评估同样关键。合成孔径雷达干涉测量技术(InSAR)通过时序分析技术,可实现大范围区域的毫米级形变监测,有效弥补了GNSS在覆盖范围上的不足。李如仁等
[92]采用SBAS-InSAR与PS-InSAR融合方法,对山区高速公路边坡进行监测,沉降速率反演精度达±3 mm/年,比传统的水准测量手段的效能提升了5倍。针对侧重于地表、区域的大尺度监测,准确找到边坡深部滑移面才能有效预警潜在滑动。光纤传感技术通过对应变、温度的微小变化监测,可直接找到深部滑移面的位置。任绪言等
[93]开发的BOTDA(布里渊光时域分析)系统在三峡库区滑坡监测应用中,对200 mm深度剪切带的位移监测精度为±0.1 mm,成功预警了多个滑面的渐发式破坏。而将上述多维度监测数据转化为直观的稳定性分析,地面激光雷达(terrestrial laser scanning,TLS)技术则发挥了不可替代的作用。它通过高密度点云数据构建边坡三维模型,实现形变场的可视化呈现。廖恒彬等
[94]发明基于三维建模的岩质边坡稳定性分析方法、系统及介质,获取待分析边坡的地形数据集和地质数据集,该发明基于实际数据构建的三维地质模型进行稳定性分析,有效提高分析结果的准确性,极其适用于岩溶发育区岩质高陡边坡的稳定性分析领域,形成了从数据采集到综合研判的完整闭环。
目前研究在硬件精度以及算法优化方面获得不错进展,但系统性解决方案还得突破多学科交叉的壁垒,在地质灾害防治方面,边坡监测技术依旧面临许多挑战:就环境适应性及耐久性而言,面对复杂的地形环境时,GNSS易因信号被遮挡,造成精度降低
[95],TLS的点云空洞率在雨雾环境中增加40%以上,传感器长期埋设存在耐久性问题,光纤光栅应变传递率随时间衰减约8%;对于数据处理层面而言,高采样率设备产出的巨量数据需高效算法进行支撑,传统LSTM对非线性变形做预测,误差达到±8 mm,而Transformer模型虽然精度获得提升,可耗时却不断增加,且多源数据在时空对齐方面的精度仅±10 mm,不确定性的传播机制尚未弄明白;在成本以及集成的层面,毫米波雷达等高端设备初始阶段的投入费用高,分布式光纤监测对安装工艺的要求十分苛刻,因偏远地区通信延迟,预警效率受影响;预警模型针对非线性变形预测存在偏差,例如,线性外推模型的临滑阶段误差超过了50%,而多指标耦合的预警阈值普遍适用性不足,不同地质条件下标准的差异十分显著
[96]。上述问题对边坡监测技术的工程应用形成了限制,必须在硬件微型化、算法优化及标准体系建设等方面取得进展。
3.2 路面病害检测技术
路面是交通运输最基本的承载基础,它在长时间承受车辆的荷载以及一些自然因素的影响下容易出现病害问题:裂缝、坑槽、车辙和拥包等。伴随着科技的快速发展与革新,路面病害检测从传统人工方式逐步发展为智能化、自动化的检测方式。而传统的路面病害检测手段多采用人工巡检法和路面检测车法,人工巡检可以比较直观灵活地判断出各种复杂的路面病害,但是其弊端也非常明显,即检测速度非常慢,长距离的道路检测时,需要投入大量的劳动力和时间成本
[97]。与人工巡检法相比,路面检测车具有检测速度快、数据采集量大、精度相对较高的优点,能够在较短时间内对较大面积的路面进行检测。但路面检测车法受狭窄街道、弯道路段或者路况复杂的影响较大,在狭窄街道、弯道较多或者路况复杂的路段,路面检测车车速慢,行驶和检测作业受到影响,而且部分检测设备对于路面内部的脱空、基层裂缝等隐蔽性病害检测能力有限,无法有效识别。在此背景下,基于图像识别、探地雷达等的新型路面病害检测技术应运而生。
当前路面病害检测技术研究呈现多技术融合、智能化升级的趋势。早期的路面病害检测依赖传统图像处理方法,如边缘检测(Canny算子)、阈值分割(Otsu算法)等方法。这类技术在单一病害识别中表现稳定,但受光照、阴影等干扰显著,且对复杂病害(如龟裂、网裂)的识别精度不足30%,难以满足实际工程需求,这一局限也为后续技术升级指明了方向。针对上述传统手段的不足,近年来,深度学习技术通过端到端的自动学习特征实现了重大改善,不需要人工设定,可以做到从图像中自动提取有关语义,从而大大改善复杂情形下的病害识别状况。阙云等
[98]提出一种以改进型U-Net网络模型为基础的路面裂缝语义分割算法,能较为准确地分割出路面裂缝,在背景像素较为复杂的情况下能较好地避免误检的情况,其平均像素精度、平均交并比分别达到了92.43%、83.43%。但随着场景检测从人工巡检、车辆监控等转向无人机巡检、车载实时监控等移动终端,“高精度”与“实时性”之间的矛盾成为新的技术挑战,于是轻量化模型成为新的研究热点——即在保证检测精度的情况下,通过减少模型参数和计算量,达到适应边缘设备的计算能力。胥铁峰等
[99]提出一种面向复杂自然场景的轻量级道路病害检测模型DGE-YOLO-P。实验结果表明,DGE-YOLO-P模型相较于YOLOv8n模型mAP提高2.4%,而模型参数量、计算量和模型大小分别降低58.1%、66.7%和55.5%。Luo等
[100]提出的E-EfficientDet网络,通过特征提取增强模块(feature extraction enhancement module, FEEM)和半密集连接金字塔结构,在模型体积仅32.31 MB的情况下,实现了55.1%的mAP,满足无人机、巡检车等边缘设备的部署需求。在深度学习与轻量化技术的基础上,多模态数据融合进一步拓展了检测的维度——激光雷达与视觉数据的结合,能弥补单一视觉传感器在深度信息捕捉上的不足,实现更全面的病害特征提取。Li等
[101]利用UAV LiDAR点云数据提取48维多尺度特征,结合随机森林分类,对沥青路面病害的识别精度达92.3%,Kappa系数为0.902。
总体而言,路面病害检测技术已完成从传统图像处理到深度学习与轻量化模型的过渡,再到多模态融合的变迁,依照“解决问题—提出新需求—达成新成就”的逻辑不断完善,但落地实践依然面临关键瓶颈:多模态数据(视觉加LiDAR)的融合算法复杂,不易在边缘设备进行实时运行;在样本量少的场景,罕见病害(早期网裂)的数据标注工作难以开展,模型在泛化上表现欠佳;雨雾、强光等环境下特征出现失真,LiDAR的高端设备价格高,不易在大范围中运用。未来研究方向应针对轻量化多模态聚合框架,将其与注意力机制相结合,以优化特征的权重分配等;同时,元学习、GAN合成方法等能够强化小样本学习能力,提高罕见病害识别水平。而从环境适应的角度看,搭建极端情况场景数据集,进行鲁棒性训练,让模型在动态过程中适应干扰。就成本把控而言,“低成本视觉加上轻量化LiDAR”的组合,结合运用国产硬件以达到降门槛的目的,更关键的一点是利用长时间采集的数据建立病害演化进程模型,从而达成由事后识别变为事前预测的发展转变,进而让养护从被动式修复转变为前瞻性预防,从而更有效地达成精准维护。
3.3 路面抛洒物检测技术
路面抛洒物涵盖从车辆掉落的货物、建筑材料到生活垃圾等各类物体,其出现不仅破坏道路整洁,还可能导致车辆失控、追尾等交通事故,尤其在高速行驶路段,危害更为严重
[102]。所以高效的路面抛洒物检测技术具有非常大的现实意义。目前的路面抛洒物检测技术主要有基于图像识别的检测技术、激光雷达检测技术和传感器融合检测技术。
现在智能路面抛洒物检测技术是朝着“技术融合加深+场景应用化”发展,基础感知、算法优化、架构支撑、场景应用环环相扣,形成了一个完整的技术闭环。多传感器的融合感知是技术落地的基础,它是整个系统最直接的“眼睛”,是检测系统中最为关键的一个环节。将各种不同的传感器通过视觉感知、毫米波雷达、超声波、激光雷达等方式进行融合,融合不同种类、不同功能的传感器可以有效地规避单一传感器带来的局限性。西安电子科技大学研制开发的TSR雷达
[103]利用多个传感器融合的方式实现全天候、全目标跟踪,同时弥补了单一传感器在雨雾以及夜晚环境下无法工作的问题,雷达远距离的优点也使得检测范围大大增加,能够为后续的数据处理提供更为全面的数据资源,已经成功地应用到了路面抛洒物预警以及交通事故的预警中。在多传感器协同的基础上,算法层面持续提升,更是突破了检测的瓶颈。深度学习在算法层面,针对抛洒物检测进行针对性的优化,以达到更精准的识别率和更好的泛化能力,如改进的Faster R-CNN结合ResNet101网络提升小目标检测精度
[104],HazardNet模型通过小样本学习解决未知抛洒物识别难题
[105],基于自编码器的无监督模型则能有效识别类别外异常
[106]。算法与硬件的协同,需要高效的计算架构作为支撑。边缘计算与云的协同架构设计,恰好满足了抛洒物检测中对于“实时性”和“全局化”的要求。边缘节点做现场数据的实时加工,可以实时识别抛洒物,而云端平台专门负责事件归类、全局预警和历史记录回放等任务,两者配合就能构成从检测到处置的完整流程。随着技术成熟,这样的应用从实验室扩展到各种真实场景,并且出现了针对性的解决方案。浙江萧山东收费站使用的AI系统经过分析货车的装载形式,在源头上就把那些存在抛洒危险的卡车拦截下来;韶赣高速隧道事件监测系统,仅仅17 s就能够找出抛洒物并且触发警报。在这一基础上,新兴技术的融合拓宽了检测边界:无人机搭载AI算法实现了大范围路面的快速巡检,填补了固定设备的检测盲区;苏州思卡光视一体机采用激光雷达与视觉图像的深度融合,突破了远距离小目标检测的瓶颈,提升了检测精准度,同时参与到行业标准的制定中,推动技术规范化、标准化发展。
综上所述,尽管智能铺面路面抛洒物检测技术已实现多传感器协同感知、深度学习算法优化及边缘-云端架构支撑,在高速公路、隧道等场景中展现出全天候监测、秒级响应的优势,甚至能通过源头拦截与无人机巡检形成全链条防控,但仍面临诸多现实挑战:数据稀缺性导致模型泛化能力受限,合成数据真实性有待提升
[105];雨雾、夜间等复杂环境下视觉传感器易失效,需加强多模态融合(如红外+激光雷达);高速公路场景对实时性要求极高,现有边缘计算平台算力需进一步优化
[107]。成本方面,高端传感器(如LiDAR)制约大规模部署,而抛洒式传感器等低成本方案需解决功耗与通信稳定性问题。伦理与隐私问题亦不容忽视,图像采集需通过匿名化处理和区块链存证确保合规。因此,未来路面抛洒物检测技术需朝着智能化、高精度、低成本发展。首先,深度学习等人工智能技术优化图像识别与数据融合,精准应对复杂场景,减少误判漏判。其次,传感器技术革新使设备小型、集成、低功耗,降本且提升稳定性,推动技术普及。最后,物联网检测体系完善,实现数据实时传输、共享与智能分析,协助交管部门快速响应,保障道路安全。
3.4 路面养护智能决策技术
交通基础设施发展的同时,道路里程不断增加,传统的依靠经验和人工分析的路面养护决策方式已经不能满足高效、精准的养护需求。路面养护智能决策技术以先进的信息技术和数据分析技术为支撑,旨在为路面养护提供科学、合理的决策支持,实现路面养护决策的高效性
[108]。路面养护智能决策技术研究现状呈现出多技术融合、系统化应用的特点,其核心为“基于数据的精确决策”,并形成了一套“数据采集—数据分析—决策模型”的递进逻辑链。
作为决策的根基,数据采集与检测环节利用多技术集成对信息维度进行了全面拓展:依托多源传感器(如LiDAR、FBG)、无人机、车载终端以及物联网技术的整合运用,实现了路面病害以毫米级进行识别和长期性能实时监测
[109]。依托采集到的数据,数据分析技术借助算法的创新把原始数据转变为决策的依据:计算机视觉与深度学习算法(如YOLO系列、CNN模型)在复杂环境中的病害识别准确率突破90%,与随机森林、LSTM等机器学习模型相结合,路面性能预测精度比传统方法提升20%~30%
[110];而多模态数据挖掘技术(例如CPRA算法)利用历史数据关联规则分析,实现了养护策略优先等级的评定,在实际路段验证中,与经验决策的相符程度达到70%
[111]。凭借数据及分析得出的结果,搭建起决策模型框架,其中采用优化算法的多层决策框架,凭借串联模型实现养护资金的优化配置,可使平均每年成本节省5%~10%,而知识图谱与专家系统则将病害数据关联推理,强化方案推荐的智能属性。
综上,从数据采集达成全面化,到分析技术往深度迈进,而后是决策模型的系统化,路面养护智能决策技术正借助各环节的递次式创新,拉动养护决策从依赖经验驱动过渡到依赖数据驱动,但路面养护智能决策技术在数据、模型和系统范畴依然存在诸多技术瓶颈,亟待突破。多源传感器(如LiDAR、FBG)检测标准不一致造成了“数据孤岛”
[112],病害标注规范的差异造成跨区域数据复用率低下,且传感器长时间漂移(例如FBG漂移超出5%)会影响模型泛化能力;深度学习算法(如YOLO、LSTM)虽提高了识别与预测的精度,但“黑箱”特性造成决策透明度存在不足
[113],小样本场景阶段跨区域迁移能力低下,极端环境之中,鲁棒性的波动达到20%~30%
[111];就新兴技术融合而言,数字孪生多数仍停留在三维可视化阶段,实时数据交互产生超10 min的延迟,联邦学习与边缘计算协同的力度不足
[114]。未来需从建立国家级的数据标准做起,实施可解释AI技术研发工作,以及全环节数据融合,在深化数字孪生等技术发展阶段逐步去解决。
4 能源自给技术
能源自给技术是智能铺面实现长期稳定运行的“能量心脏”,在整个技术体系中充当了至关重要的核心支撑作用,它依靠“能量采集-储存-利用”的循环系统,对环境能量进行有效捕捉并重新分配到不同时空内,其中的核心技术体系包含多种能量采集装置(如太阳能收集、压电式能量收集)以及储能设备(如锂离子电池、超级电容器)的耦合设计。在不同的地区根据环境、条件的不同可以提供不同程度的能量供应,满足各地区的能量需求,如
图8所示。
4.1 太阳能收集技术
对于智能铺面,太阳能收集方式主要是利用太阳能光伏板来完成能量转换和供应的过程。太阳能光伏板由太阳能硅光伏电池等半导体材料制成,在太阳光照射的情况下,半导体会吸收太阳光子的能量,从而引发电子挣脱束缚并形成自由的电子-空穴对,由于内部产生的电场将这两种带相反电荷的电荷分开,导致电子朝一个方向、空穴朝另一个方向移动到达电池两头,从而产生电势差形成电流,该电流首先通过电路收集,再通过逆变器转换成交流电供给智能铺面上的各种设备使用。其工作原理如
图9所示。采用太阳能技术为智能铺面供能,能实现一定程度的能源自主,减少对外部电网的依赖,从而降低因电网故障或不稳定对设备运行的影响。尤其在偏远或自然灾害频发、电网基础设施薄弱的地区,太阳能供能可保障智能铺面设备正常运行,维持道路交通安全和管理功能。
目前太阳能收集技术正在沿着“材料创新突破—集热结构升级—成本与性能双赢”的思路稳步发展,并且各个领域的发展成果相互促进,形成了良性的持续发展态势。在材料层面,传统硅基光伏材料不断优化,单晶硅电池实验室效率已达26.7%,接近理论极限;与此同时,新兴材料成为重要突破点,Liu等
[115]通过构建新型0D/3D异质结构,成功实现钙钛矿太阳能电池光电转换效率与环境稳定性的协同突破,其理论效率超30%,部分单结器件效率逼近S-Q理论极限的26%;而据相关研究,通过分子设计与材料优化,其光电转换效率已超18%,合理选择活性层材料、电极材料等,能显著提升有机太阳能电池性能,如采用π-π共轭聚合物和富勒烯衍生物等活性层材料,可提高光吸收效率
[116-117]。二维材料领域,陈刚等
[118]发现制备垂直取向的纯相二维钙钛矿薄膜新方法,由此制备的太阳能电池能量转化效率达15.04%,创造低
n值(
n≤3)二维钙钛矿最高效率纪录,且湿热和放置稳定性极佳。此外,多结光伏材料通过堆叠不同带隙半导体材料高效利用太阳光谱,实验室光电转换效率超45%,是商业化应用中效率较高的光伏材料之一,这些材料创新为高效能量转换奠定了基础。在集热器技术方面,基于材料进步的结构优化持续深化:平板集热器通过保温设计提升实用性,王克
[119]提出了一种针对集热器底部保温层的优化方案,通过在集热器保温层内部放置铝箔片,以此减少内部辐射传热强度,从而达到增强保温效果的目的。结果表明优化后的平板集热器的集热效率提高了3.2%,热损失系数降低了9.6%;复合抛物面(compound parabolic concentrator,CPC)型集热器通过可变聚光比设计来间接实现集热效率的提高。邹斌
[120]提出一种单侧螺旋内肋集热管新型结构,通过对比实验分析了其与传统光滑集热管、全螺旋内肋集热管在传热性能及水力特性上的差异,并基于场协同理论,深入揭示了该新型集热管热性能提升的内在机理。
综上所述,尽管太阳能收集技术已在材料创新与结构优化上取得显著突破。但由于太阳能能源的特殊性,该技术在实际应用中也存在一定的问题:在材料层面,钙钛矿等新兴材料虽效率优异,却存在长期稳定性不足的问题,难以满足户外设备长期运行需求;聚光型集热器对太阳跟踪精度要求极高,微小角度偏差(>1°)便会导致效率骤降10%~20%。成本方面,尽管太阳能电池板价格有所下降,但包括设备采购、安装及配套电力存储和转换设备在内的整体初始投资依旧较高,在部分地区经济竞争力不及传统能源。在效率方面,太阳能能量密度低、供应间歇性与不稳定性突出,受天气和昼夜变化影响,光伏发电输出功率波动大,难以持续稳定供电。储能技术也存在短板,配备有效储能系统会增加成本与系统复杂性、加大维护工作量。同时,太阳能电池板制造过程中存在环境污染问题,像晶体硅电池制造需经化学工序处理,消耗大量能源,污染环境。这些瓶颈共同限制了太阳能技术从“高效收集”向“稳定供应”的跨越。
4.2 压电式能量收集技术
压电式能量收集技术基于压电效应,即压电材料在机械力作用下形变时产生电能,其整体工作流程如
图10所示。在智能铺面中,车辆行驶、行人走动等产生的机械力作用于压电材料,后者将机械能转化为电能,为智能铺面的传感器、通信设备等供能。压电式能量收集供能技术能量获取便捷,可持续收集车辆荷载、行人脚步等机械能,无需额外能量输入装置。且在能量收集转换时无温室气体和污染物,符合可持续发展要求,有利于环保。此外,压电材料可制成多样形状尺寸,便于与智能铺面结构、功能集成,不影响铺面正常使用与外观,能按需灵活布置。并且道路中的压电传感器,既能靠压电反应发电为基础设施供电,又可用于交通、道路状况监测
[121]。
压电式能量收集技术近几年很受欢迎,主要集中在材料、机械结构和电路3个方面进行研究。在材料层面,传统的无机压电材料,如钛酸钡和锆钛酸铅,压电性能不错,但硬脆特性使得其无法在柔软装备中使用,而有机压电材料如聚偏氟乙烯等,虽然具有较好的柔性和生物相容性,但是由于压电系数比较低,能量转换率不理想。为了解决以上存在的问题,Peng等
[122]研发的新型压电纳米发电复合薄膜通过复合结构实现挠曲电与压电效应协同,有效提升了能量收集性能。在机械结构研究方面,中间梁固定方式相对于传统的悬臂梁固定,在同样的加速度作用下可以使压电式能量采集器的单位加速度下的最大开路电压、发电功率和机电耦合系数得到大幅提高
[123];另外对悬臂梁电极长度的分析显示矩形悬臂梁和三角形悬臂梁存在最优的电极比例以减少能量损耗
[124]。在电路设计层面,基于同步电荷提取的高效多压电能俘获电路通过改进峰值检测结构和单电感时分复用技术,使单压电元件的能量收集效率大幅提升,较标准能量俘获电路功率提升达3.09倍
[125]。此外,新型压电复合材料开发、结构与电路优化仍是提升其能量收集效率与功能拓展的关键研究方向。
综上,虽然压电式能量收集技术利用材料、结构、电路3个方面来提高能源收集效率已取得了很大的改善。但目前压电式能量收集技术仍然存在着许多问题亟待解决:在材料性能方面,传统无机压电材料,如锆钛酸铅(PZT),具有较高的压电系数但脆性大、加工难,不能满足复杂场景的需要;有机材料,如聚偏氟乙烯(PVDF),具有良好的柔韧性,但压电系数低,导致能量转换效率不高,且部分压电材料的环境稳定性差
[126]。从能量转换效率来看,传统的压电悬臂梁结构的能量转换工作频带窄,无法适应环境宽频振动。并且压电元件与负载电路的阻抗不匹配,进一步增加了能量损失,并且压电材料机电耦合系数低,机械能转化为电能的比例低
[127]。结构设计上,柔性压电装置拉伸性和长期循环稳定不可兼得,环境干扰易造成压电元件的误响应,电磁干扰易导致压电能量收集电路能量损耗增加
[128]。同时大规模生产下,高性能的压电材料如单晶硅基压电薄膜需要复杂且昂贵的半导体工艺,有机压电材料溶液加工均匀性及重复性差。最后,该技术跨学科协同不足,多聚焦单一维度研究,跨学科合作可提升能量收集系统性能,且行业缺乏统一标准与测试体系,各种研究所用的测试条件不一样,所得出的结果也没有可比性,不利于压电式能量收集技术的发展与应用推广。
4.3 能量存储技术
智能铺面依靠太阳能板、压电材料收集能量,但太阳能受光照影响、压电材料受车辆通行影响,能量收集存在间歇性,需通过能量存储技术快速存储不稳定能量,防止浪费。智能铺面为分布式系统,照明、传感器等功能模块分布广且独立供能,要求能量存储技术模块化、小型化,能灵活部署于各功能节点实现局部供能。而且,智能铺面铺设后维护、更换设备不便,能量存储装置须长寿命,能在复杂户外环境稳定工作。当下,锂离子电池和超级电容器是解决上述问题的主要能量存储技术。
4.3.1 锂离子电池
锂离子电池由正极、负极、电解液和隔膜组成。充电时,锂离子从正极脱出,经电解液穿过隔膜嵌入负极;放电时则反向移动,同时电子经外电路从负极流向正极形成电流。其优势显著:能量密度高,在智能道路传感器节点、智能停车场车位引导系统等场景,小型化模块能于狭小空间存足电能,保障设备长期稳定运行,且相同体积或重量下,可存储更多能量,优化智能铺面布局;循环寿命长,一般能循环充放电1 000次以上,多次循环后性能依旧良好,且有效降低运营成本;自放电率低,设备待机时电量损耗小
[129]。
近年来锂离子电池的研究在材料体系方面、界面工程方面、智能化方面取得了很大进展,这些研究成果已经形成了一系列支撑锂离子电池发展的理论成果。正极材料方面,高镍三元材料通过掺杂改性和单晶化处理实现循环稳定性提升
[130],无钴高镍材料经锂占位调控后,500次循环容量保持率超80%
[131];富锂锰基材料(lithium-rich manganese-based oxide,LRMO)通过氧还原机制突破300 mA·h/g容量瓶颈,但电压衰减问题仍待解决。负极材料中,硅基负极因高理论容量成为研究热点,但体积膨胀限制其应用。硅碳复合材料凭借核壳结构设计缓解体积膨胀,研究表明其循环500次后容量保持率超过80%
[132];而对于锂金属负极则通过MXene/SiO
2复合薄膜和紧密离子对聚集体电解液实现均匀锂沉积,Jie等
[133]开发的500 W·h/kg软包电池循环130次后容量保持率达90%。电解液领域,Ma等
[134]提出的分子对接电解液策略,通过动态配位降低Li
+脱溶剂化能垒,使锂铜库仑效率超99.5%,4.4 V全电池循环700次后容量保持率90%;隔膜技术方面,复合陶瓷涂层隔膜提升热稳定性,Lin等
[135]开发的PVIM/PAN复合纳米纤维隔膜可有效抑制锂硫电池的多硫化物穿梭效应。智能化方面,AI驱动的材料筛选和电池管理系统(battery management system,BMS)优化可将剩余寿命(remaining useful life,RUL)预测误差控制在5%以内。
总体而言,锂离子电池研究正在由单个材料改良转向系统集成改良,今后要继续在高镍正极稳定状况,硅基负极量产,固态电解质界面契合状况以及AI全寿命期管控等方面努力,从而支撑电动汽车,储能等诸多范畴的规模化运用。
4.3.2 超级电容器
超级电容器作为新型储能器件,依靠高功率密度、可实现快速充放电特性,在智能铺面能源供应体系中受到普遍关注,它依靠双电层电容和法拉第准电容原理工作,如
图12所示,其优势是显而易见的:功率密度高到极点,短时间即可释放或吸收大量的能量,能满足应急照明启动瞬时、监控设备迅速启动以及数据突发传输等大功率需求;充电速度极为迅速,从数秒到数分钟即可搞定,充电速度比传统电池快得多;工作温度区间大,能于-40~+70 ℃的温度范围稳定开展工作,增大智能铺面的适用区域;生产、使用阶段无毒害,是可回收的。
超级电容器技术研究在材料创新、界面工程和器件集成等领域实现了显著突破,因其高功率密度、长循环寿命和快速充放电的特性,使其在新能源存储、智能电网和便携式电子设备方面有了广阔的应用前景,就电极材料而言,二维MXene运用层间调控(如Al
3+插层)以及与还原氧化石墨烯(reduced graphene oxide,rGO)做复合,达到680 F/g的比电容,循环10 000次后容量保持率大于92%
[137],借助引入氧化还原添加剂可进一步提高MXene基器件能量密度。就电解液优化而言,离子态的液体(ionic liquids,ILs)与乙腈的协同体系使c-MOF电极的离子传输率上升,从器件结构这一维度,MXene基柔性电极采用卷对卷印刷实现规模化产出,Co(OH)
2纳米片/激光刻蚀石墨烯微型器件展现出优良的机械稳定性。就快充技术而言Lin等
[135]提出的固相电催化策略使锂金属电池9 min充电到80%,300次循环后电池性能无衰减。固态超级电容器商业化进程正快速推进,中科大攻关得到的低成本硫化物固态电解质(low-cost lithium phosphorus sulfide oxide,LPSO)的成本仅达14.42美元/kg,推进全固态电池进入量产阶段,未来应突破MXene长期稳定性、MOF导电性提升、固态电解质界面兼容性、AI全生命周期管理等方面的阻碍,以支撑智能铺面领域的规模化推广。
综上,锂离子电池和超级电容器各有优劣,未来发展需聚焦材料革新与技术集成。锂离子电池可通过研发新型正负极材料
[138-139]、电解液
[140]与隔膜
[141-142],提升锂离子电池能量密度、安全性与循环寿命,降低成本。超级电容器则是通过研发新型电极材料
[143]、电解液等,提高超级电容器的能量密度、降低自放电率并进一步提升功率密度。同时将超级电容器与锂离子电池等技术集成,构建混合储能系统,利用超级电容器高功率密度和快速充放电特性满足设备瞬间高功率需求,借助锂离子电池高能量密度实现长时间稳定供电。在后续维护保养方面,开发智能化管理系统,借助人工智能算法分析锂离子电池使用数据,实现精准监测、寿命预测与故障预警,提升安全性与可靠性。利用传感器监测超级电容器电压、电流等参数,通过大数据和人工智能算法进行分析,实现精准控制和预测性维护
[144]。
5 结论
智能铺面作为智慧交通基础设施的核心组成,其关键技术研究在感知、传输、数据处理与供能等领域已实现显著突破,但系统性的突破仍需要跨学科合作与技术革新。
就感知技术方面而言,各类传感器和无损检测技术一起构建起多维监测体系:应变、温度、湿度传感器依靠材料革新提高了复杂环境适应水平,分布式光纤及MEMS技术推动监测精度向厘米级甚至毫米级前进,探地雷达与深度学习相融合实现了隐伏病害的自动识别,超声波与红外热成像技术在开展结构厚度检测与表面缺陷预警时体现出高效性,但传感器耐久性、多源数据时空对齐的精确性以及复杂环境下抗干扰能力依然是核心瓶颈。
数据传输技术显示出有线与无线互补的发展格局:光纤与工业总线技术借由材料创新增强了传输的稳定性,LoRa/NB-IoT与5G的融合带动了分布式传感器网络的规模化部署,但有线技术成本高的状况与无线技术的延迟缺陷制约了实时性需求场景,不同厂商设备协议不兼容这一情况,进一步阻碍了系统集成推进。
数据处理与分析技术依托深度学习实现了从“人工巡检”转变为“智能诊断”的跨越:针对路面病害识别,YOLOv5等算法的准确率突破了92%,InSAR和BOTDA技术针对边坡监测实现了毫米级的形变反演,多源数据呈“孤岛化”、模型具有“黑箱”特性,加上极端环境鲁棒性波动,限制了技术普适性,小样本场景中的跨区域迁移能力亟须增强。
能源自给技术借助太阳能和压电效应搭建起“环境能量捕获—存储—利用”的闭环:钙钛矿光伏材料光电转换效率已突破26%,压电纳米复合薄膜借助挠曲电效应提高了能量转换效率,锂离子电池同超级电容器的混合储能系统实现了功率密度与能量密度的协同优化,但太阳能的间歇性现象、压电材料频带的局限性以及储能设备的安全隐患,仍需通过材料革新和系统集成去突破。
未来智能铺面技术会展示出三大发展趋势:一是多种技术深度聚合,如感知层的“传感器-无损检测”协同作业、传输层的“有线-无线-卫星”混合搭建网络、数据层的“物理模型-深度学习”耦合操作,实现全链条技术的闭环构建。二是践行智能化与绿色化升级,借助数字孪生技术搭建铺面全生命周期的虚拟映射,把自供电传感器跟可降解压电材料搭配在一起,实现“无外部能源依赖”的可持续监测。三是和智慧交通系统做生态整合,凭借车路协同实现铺面状态与车辆控制的实时对接,再融入区域能源网络里面,驱动交通基础设施向“能源-信息”双枢纽过渡。因此智能铺面技术成熟需依赖材料科学、电子工程、交通工程等多领域的交叉创新,其商业化落地需要同步开展技术标准制定与成本管控,伴随“新基建”战略的深入,智能铺面有潜力成为未来智能交通、智慧城市的基础单元,为构建安全、高效、绿色的交通体系提供核心支撑。
PDF
(8254KB)
