道路巡检数据与养护决策系统的对接

一个路面坑槽，从被巡查车拍下到工单交到养护班组手里，需要多久？上海城市道路运营的答案是小时级。这个速度不会凭空出现——往回推，它的起点是道路巡检数据与养护决策系统的对接。一条完整的链路：车载巡检识别病害并结构化；按JTG 5210-2018计算PCI、PQI等技术状况指数；历史病害追踪数据连同指数输入养护决策模型，辅助生成养护计划；计划转化为养护工单下派执行，处置结果回流平台形成闭环。链路打通后，病害从发现到派单以小时计，养护决策从经验判断转向数据驱动。

为什么这条路必须打通

公路养护的核心矛盾是钱和路：养护资金有限，路网里程庞大，每一笔钱花在哪段路、什么时候花，都要有依据。依据来自路况数据——哪段路病害多、病害发展快、不处理会恶化成什么样。

过去这些数据靠人工巡查和年度检测积累，颗粒度粗、时效差。等发现某段路PCI明显下降，病害往往已经发展到需要大修的程度，养护成本成倍增加。日常巡检数据如果只停留在"发现问题、记录问题"，就浪费了它最大的价值：连续、高频、全覆盖的路况观测序列，恰恰是预测病害发展、安排预防性养护的基础原料。

所以巡检数据必须流进决策系统。对接要解决的不是"能不能传数据"，而是数据在每一环是否可用。

病害先从画面变成记录

车端要做的事，是把病害从画面变成能入库的记录。以千寻驰观为例：千寻驰观慧眼负责路面画面采集，千寻驰观智脑在车端实时完成病害识别，千寻驰观灵控供巡检人员现场核对，巡检结果同步接入千寻驰观SaaS平台。这一步输出的不能是图片截图，而是结构化记录：病害类型（沥青或水泥路面22种病害的分类编码）、位置（经纬度加桩号，车道级）、面积（像素级量化）、发现时间。

同一段路反复巡检时，系统还要做多帧关联去重，把多次采集拍到同一处病害的记录归并为同一个对象，重检率控制在5%以内——否则决策模型看到的病害数量会虚高。

记录再被换算成指数

决策系统不直接消费病害清单，它消费的是指数。平台依据JTG 5210-2018《公路技术状况评定标准》，用路面病害数据自动计算PCI，结合平整度、车辙、抗滑等分项数据合成PQI，并按路段、按月度输出评定结果。

到这一环，巡检数据完成了第一次"升维"：从"K12+300有一处2.3平方米的坑槽"变成"该路段本月PCI为82，较上月下降4个点"。养护管理者的视角从单点病害切换到路段状况，这正是决策所需的信息粒度。

模型接手之后的判断

有了连续的指数序列和病害发展记录，养护决策模型才有用武之地。它要回答的问题有两个：这段路什么时候该养护？该采用什么养护方式？

山东临沂的实践给出了一个样本。临沂公路事业发展中心在19条国省道、1600公里路网上部署60台巡检车，巡检数据接入后建立了组合预测模型，养护辅助决策模型的预测误差控制在5%以内——也就是模型对路况发展趋势的判断，与实际情况的偏差足够小，可以直接作为编制养护计划的依据。该项目作为交通运输部数字化试点已通过验收，形成了从数据采集到养护决策的全链路智能养护体系。

决策模型的输入除了当次巡检数据，还包括历史病害追踪记录和路面性能退化曲线。连续观测时间越长，模型对易损路段的判断越准，预防性养护的窗口也就抓得越准。

工单把决策送上路

决策只有变成行动才有意义。把指数和计划变成路上的动作，靠的是工单：系统按病害优先级自动研判——大量原始线索经过智能研判收敛为高优先级工单，派发到对应养护班组，处置完成后拍照回传、逐级确认销号。

上海城市道路运营的实践体现了这一环的时效价值。30台智能巡检车日均巡检近1600公里，每日产生约300条有效病害线索，经AI智能研判和去重后进入派单流程，病害从发现到派单处置的周期压缩到4小时级别，派单用时从此前的10小时缩短到5小时。对城市道路来说，一个路面坑槽早处置4小时，就少一分车辆受损和二次事故的风险。

跑通之前，还有几道槛

对接要真正跑通，前面还有门槛立着。

数据质量上，决策模型对输入数据敏感，病害漏报、重复计数、位置漂移都会污染模型输出。识别准确率90%以上、漏报率5%以内、去重机制完备，是决策级应用的基本门槛。

指数口径上，PCI、PQI的计算必须严格执行JTG 5210-2018，包括病害折减系数和分项权重，否则模型输出的决策无法通过养护部门的评定审核。

流程配套上，工单下派、处置回传、销号确认需要对应到养护组织的岗位职责，系统闭环和组织闭环同步落地，数据才不会停在最后一环。

链路四环都转起来之后，变化最先落在钱上：养护资金有了提前量，可以花在路况恶化之前，而不是大修之后。这个时候再回头看，道路巡检数据与养护决策系统的对接就不是一个单纯的技术升级项，而是养护管理从经验判断走向数据驱动的那道闸门。