针对在传统的道路目标识别中,需要进行手工提取特征,模型的泛化能力差.使用深度学习的技术,提出了使用深度卷积神经网络(SSD)解决道路目标问题.该方法首先对图像特征进行自动提取,在基础网络后添加不同尺寸的特征图,然后对多尺寸的特征图做卷积滤波,得到目标坐标值和目标的类别.实验中,在SSD模型中增加了特征图的检测层数,增大原图像尺寸,调试相应的参数,经过多次迭代,最终得到目标模型.实验采用行车记录仪采集的图像,在图像中标定出车辆、行人和骑行的人三类,实验表明,检测目标尺寸越小,检测难度越大,检测效果越差,SSD模型对目标检测的平均准确率均值提高了0.082.提出的道路目标检测方法与传统目标识别算法相比,省去了手工特征提取,减少了工作量,提高了模型的泛化能力.

介绍了道路声屏障的声学设计原理和方法,声屏障的结构设计以及形式的选择和材料的合理利用,并结合工程实例进行了分析和论述.

为了满足道路半刚性基层隐含裂缝的灌浆要求,研究了一种快硬硫铝酸盐水泥与普通硅酸盐水泥复配的水泥基灌浆材料;同时辅以减水剂对不同配合比灌浆材料的灌浆特性进行了研究。结果表明,得到15min内流动性好、30min达到初凝、2h内强度增长快的水泥基灌浆材料的最佳配合比为水泥∶水∶减水剂=1∶0.35∶0.015,其中快硬硫铝酸盐水泥与普通硅酸盐水泥的比值为0.5625,AS氨基磺酸系减水剂与FDN萘系减水剂1:1复合使用。