使用预测分析来改变道路维护和维修

无论是使用汽车还是公共交通工具，人们总是抱怨不断恶化的路况和混乱的交通。特别是，坑坑洼洼、车辙和计划不严的减速带都是人们讨厌的东西。

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¹．2017年，印度因道路糟糕造成的死亡人数为3597人，而与恐怖有关的事件造成的死亡人数为803人。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。

利用技术建设更安全、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，并预测未来的事件。可以近实时地收集和处理数据，为更好地制定维护计划提供报告。

这些数据的来源是什么?如今的智能手机和汽车已经配备了基于传感器的设备和GPS导航系统。他们收集的数据可以用来精确地识别有坑洞或起伏的区域，并进行修复。跟踪车辆的行驶质量，记录最小的撞击坑的严重程度也有助于及时修复它们，以免它们变成撞车的车辙。早期检测和修复也有助于降低修复成本。

处理技术

由于其工作环境的复杂性和传感器设备的精度，采集的数据中可能存在一定的噪声。然而，这可以通过使用数据清理的离群值去除方法来消除。在有缺口的地方，也可以采用数据点插值的方法来提高数据的完整性。通过机器学习算法对收集到的数据进行处理、分类和标记，并定期发布接近实时的道路健康分析数据。此外，处理后的信息可以上传到一个中央存储库，以帮助当局就道路养护和维修作出知情决定。

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。爱游戏捕鱼游戏此外，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。

未来的道路将通过在其设计中嵌入互联性，使其维护过程更进一步。有了更智能和强大的传感器，并辅以先进的分析技术，当局将能够实时监测所有变化。这将有助于他们在道路维护、特征增强和交通控制方面做出更好的决策。

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“降低道路维修成本，提高驾驶性能和安全”小册子。

来源：

1 - http://www.newsweek.com/us -交通-死亡-损伤-和- 2015 - 363602 -相关的成本

2-印度时报报道21/07/18

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