随着交通事业迅速发展,不平整道路数量的逐渐增加,严重地影响着道路的使用性能、寿命和驾驶的舒适度。如何及时准确地获取道路上的平整度信息,实时有效地检测出道路的不平度,成为了备受学者关注的热点问题。近些年来,旨在解决这些问题的路面不平度检测技术及路面数据处理算法已经成为智能交通领域的研究热点。本文在研究了路面特性及路面不平度检测原理的基础上,对路面不平度检测系统及路面数据处理算法进行深入的研究,研究的主要内容为:1.论文设计了一种由加速度传感器、激光位移传感器和旋转编码器为主要模块的路面不平度检测系统:在通过理论分析了系统可行性的基础上,选用以飞思卡尔公司生产的ARM Cortex-M4为内核的MK60DN512ZVLQ10芯片为MCU,开发了路面不平度检测系统的数据采集部分。并以加速度传感器、激光位移传感器模块组合实现了精确测量路面不平度的功能。2.论文通过自定义路面推理规则,从整体上设计了系统的层次架构图,对系统的本体推理和查询功能进行了用例分析:选用Protégé平台和Jena API工具自定义路面推理规则,实现了路面谱采集系统本体模型的智能推理。最后将路面谱采集系统本体模型的智能推理和基于语义的路面信息进行相互匹配,并通过调用SPARQL语句实现了基于语义的路面信息查询功能,进行了实车实验。3.论文提出了一种基于优化RBM深度神经网络的路面不平度检测算法:利用汽车质心垂直加速度功率谱和俯仰角加速度功率谱作为输入参量,使用AdaBoost技术训练BP网络,基于此进行RBM深度神经网络的微调。然后采集的数据通过优化的RBM深度神经网络进行分析,得到了精确的路面信息。实验结果表明,该系统具有良好的检测性能,达到了预期的效果。