随着我国经济的快速发展,机动车保有量以年均10%的速度增长,汽车已成为人们不可或缺的代步工具,但由于汽车数量的大幅度增加,公路所承受的压力也越来越大,道路路面损坏情况不可避免。然而,道路的检测和维护速度远远跟不上汽车的增长速度,路面异常(如坑洼等)不仅会影响驾乘人员的舒适度,而且严重的情况会影响道路使用者的安全,造成重大财产损失。针对这一问题,本文设计并开发了一个基于移动智能终端的道路状况检测系统,通过车载移动终端内置的传感器采集道路状况数据,将数据传输汇聚到服务器,分析处理后,将道路状况标注在地图上,结合地图导航功能为驾驶者提供道路状况预警服务。论文主要工作如下:(1)通过分析道路状况检测的基本需求和应用场景,设计基于移动终端的道路状况检测系统结构。主要包括数据采集与处理、道路状况分类及道路状况预警三个部分,数据采集部分主要是在车辆行驶过程中利用树莓派系统内置加速度、陀螺仪等传感器采集数据,进而计算行驶车辆加速度、震动幅度、偏移数据和行驶车辆位置数据等信息,形成道路路面状态数据库;道路状况分类主要是在服务器端对采集的数据进行预处理后,完成分类工作;道路状况预警主要是在车辆行驶过程中前方道路存在非平坦路道路状况时进行实时路况提醒。(2)在对车辆行驶中利用树莓派系统采集的传感器数据进行道路状况分类处理中,针对常见的分类方法大多对特征变量间相关性考虑不足的问题,本文以分类准确性为准则,提出了一种基于马田系统的道路状况检测分类方法。通过马氏距离计算得出不同样本集的相似度,该方法考虑了不同特征变量间的相关性,并且特征变量的单位不同不会影响马氏距离的计算结果,从而有效地进行道路状况分类。实验部分将本文提出的分类方法与决策树和支持向量机两种分类算法进行了对比分析,结果表明该方法在道路状况分类方面具有较好的效果。(3)针对不同证据源对同一道路状况的诊断结果可能存在冲突的问题,本文采用基于D-S证据理论的路况融合方法。通过马田系统检测模型的各个路况空间的马氏距离获取各个证据源的基本概率分配函数值,根据加权组合规则算法计算出各个证据源的概率函数值,确定出道路状况的融合结果,并作为最终的诊断结果。该方法考虑了证据之间的相关性和有效性,有效地降低了“坏值”对数据融合结果的影响。实验表明,该方法相比D-S证据理论的其他组合算法可以更好地进行数据融合,提升系统性能。(4)在上述研究基础上,设计并实现了基于移动智能终端的道路状况检测系统,包括基于树莓派系统的智能网关和基于Android的导航APP。系统采用C/S架构,其中客户端提供个人信息管理、个性化设置、导航定位、道路状况提醒、行车记录管理和报警提示等功能;服务器端具有基本信息设置与管理、数据处理、数据分析、数据展示和消息推送等功能。