驾驶者的智能手机可能有助于确保高速公路安全

一项新的研究表明，拥有智能手机的驾驶员可以通过从手机发送“众包”数据来帮助公路负责人保持道路质量，从而使工程师能够评估何时需要维修车道。

道路不平整度是状况和行驶质量的重要衡量指标，但是世界上许多拥有大型道路网络的机构都缺乏资源来定期检查其高速公路状态并做出明智的维护决策。

使用智能手机中已经内置的高分辨率三轴加速度计和GPS跟踪(连同低成本应用程序)来记录车辆相对于行车道的垂直移动方式，可以为土木工程师提供有用的道路不平度度量。

伯明翰大学的研究人员研究了以这种方式使用智能手机的可行性，并将其发现发表在《基础设施系统杂志》上。

在大多数道路网络上，道路不平度通常用作功能状态的度量，因为它可以很容易地与道路使用成本相关联并且可以自动进行度量。

伯明翰大学高级讲师迈克尔·伯罗(Michael Burrow)合著者评论道：“评估道路不平整度的最准确的自动化方法是使用装有激光的车辆，但即使评估一个合理规模的网络的不平度也可能是昂贵的。解决方案是使用大多数智能手机中内置的加速度传感器，因为智能手机的所有权和使用范围很广，我们可以预见一种方法，可以使用来自这些移动设备的众包数据来评估道路网络的状况。”

维持适当的标准可以促进经济发展，并最大限度地减少道路使用成本，例如行驶时间，燃油效率，车辆维修和事故。它还提供社会效益并减少运输对环境的影响。

为了充分利用稀缺资源，全球各地的公路部门都根据社会经济效益优先考虑维护工作-通过定期评估路面和结构状况来实现这一目标。

国际粗糙度指数(IRI)是最常用的道路粗糙度度量，但是使用传统技术，即使评估合理大小的道路网络的粗糙度也可能成本很高。

例如，在美国，收集道路不平整数据的成本在每公里$ 1.4到$ 6.2之间，具体取决于各州-在拥有224,719公里道路的伊利诺伊州，每年的数据采集成本为140万美元。

使用通过智能手机系统收集的粗糙度数据进行决策，可以使公路部门：

对整个路网状况进行定期的低成本汇总;

使用网络级别的模型来评估和比较维护策略，以及评估道路使用和道路代理成本;和

筛选道路以识别需要维护的路段并确定其优先级。

Burrow博士说：“在智能车中使用具有相似特性的智能手机上的低成本数据收集系统，可以对路网状况进行常规检查，”

“可以使用机器学习算法分析来自智能手机的垂直加速度数据，以使IRI的预测精度与目视检查所期望的相似，但是具有提高的可重复性和可再现性。特别有用的应用可能是对状况的评估发展中国家的低流量农村公路网络中，大部分农村公路都是用砾石或泥土建造的，而智能手机的拥有率却高得惊人。”