37、路面性能评估方法与案例分析

路面性能评估方法与案例分析

1. 评估指标概述

在评估分类模型性能时，ROC（Receiver Operating Characteristic）曲线是一个重要工具。位于图表底部的模型表现甚至不如随机猜测，而一个优秀、完整的分类器应处于图表左上角，此时真阳性率（TP）值为 1，假阳性率（FPR）为 0。通过改变分类器的决策阈值可以计算出 ROC 曲线，基于该曲线，曲线下面积（AUC）可用于衡量分类模型的性能。

除了 ROC 和 AUC，还有一些数值指标可用于评估方法的性能，如基本比率（BR）、比率的比率（ROR）和附加统计量（AS）。此外，基于豪斯多夫距离提出了 ScM 测量指标，用于评估裂缝检测算法的能力。该指标范围在 0 到 100 之间，计算公式如下：
[ScM = 100 - \frac{BH(x_i, y_i)}{w} \times 100]
其中，(BH(x_i, y_i)) 是两个截面之间的距离，(w) 为每个图像宽度的 0.2 倍。

不同评估方法的使用频率存在差异。统计分析显示，在基础设施和路面自动评估方面，BR 方法的使用比例最高，达到 74%。尽管 ROR 方法在识别和评估基础设施故障以及自动化检查和评估方面效率较高，但相关研究较少，仅占 5%。此外，在 39%的研究中，虽强调使用自动化方法减少计算时间，但未提供方法的时间和复杂度信息。高速、同时分离和分类方法的使用频率约为 28%，低于低速方法。因此，优先考虑使用具有高速和低复杂度的互补指标。

2. 案例分析

2.1 案例 1：路面排水评估的混淆矩阵

基于图像分析对 30 个路面路段的排水质量进行评估，专家将其分为三类，并