基于数据增强的道路塌陷风险评估方法

来源：中国安全科学学报杂志2025年第S1期北京时间：

作者：王一兆, 柏文锋, 何青伦, 王飞, 陈龙, 贺森

单位：1 广州地铁设计研究院股份有限公司, 广东 广州 510091；2 清华大学 安全科学学院, 北京 100084；3 清华大学 深圳国际研究生院安全科学与技术研究所, 广东 深圳 518000

摘要：为预防道路塌陷事故发生、减轻事故后果,需科学有效地评估城市道路风险。针对地面塌陷数据集不平衡问题,引入合成少数过采样技术(SMOTE)和生成对抗网络(GAN),以增强原始正样本事故数据,并基于卷积神经网络(CNN)、多层感知机(MLP)等深度学习模型进行训练,训练的模型可用于城市道路的风险识别。选取佛山市2014—2018年塌陷事故数据进行试验。结果表明:数据增强的方法能够使模型对少数类样本识别能力大幅提升(平均召回率提升最高可达20%),并解决不平衡数据训练模型时存在的过拟合问题。

关键词：数据增强,道路塌陷,风险评估,深度学习,神经网络

基金资助：项目基金:广东省城市轨道交通工程建造新技术企业重点实验室(2017B030302009); 广州市院士专家工作站(2021创新中心030号)