道路异常检测为什么不能只按振动幅度排序

振动大不一定代表路面更坏

车辆压过坑洞时，加速度会明显变化，但减速带、井盖、桥梁接缝和急刹车也会产生相似信号。若系统只按单次峰值排序，可能把正常道路结构误认为严重异常。工程上需要结合位置、车辆状态和事件形状，才能缩小候选范围。

同一个坑洞在不同速度下产生的车身响应不同。速度较快可能放大垂直加速度，也可能因为悬架动态让波形发生变化。比较不同车辆上传的数据时，应至少保留速度区间；否则高峰值可能只是驾驶条件不同。

手机放在仪表台、座椅或口袋里，方向和固定程度都不同。重力分量会投影到不同轴，松动设备还会产生额外振动。实际应用可以先做姿态转换，或使用与方向较无关的合加速度，但仍需识别设备是否稳定放置。

一个位置被多辆车、多次经过都记录到相近异常，比单次报告更值得优先检查。空间聚类可把GPS漂移造成的邻近点合并，但半径设得太大又会把两个独立坑洞混成一个。聚类参数应参考定位精度和道路宽度。

公交车、轿车和摩托车的质量、轮胎与悬架差异很大，同一冲击不能直接比较。若数据规模足够，可以按车型建立基线；数据较少时，至少把车型作为解释条件，而不是假设所有终端具有相同响应。

维修优先级不只看损坏程度，还涉及车流量、行人、自行车、学校与救援路线。技术检测回答哪里可能异常，公共维护则要回答先处理哪里。把危险暴露与传感证据结合，排序才真正服务于行动。

自动系统适合筛选大量候选点，却无法仅凭振动确认裂缝类型、坑洞深度和排水状况。高优先级地点应安排影像或人工复核，并把结果反馈给模型。误报与漏报记录能帮助阈值随道路和季节变化。

城市峡谷、树荫和高架道路会降低卫星定位质量。每次记录偏移数米，地图上就可能出现一串相邻事件。聚类时应参考水平精度、道路方向和行驶轨迹，而不是用固定半径处理所有地区。密集路网尤其需要防止把平行道路的数据合并。

双向道路的两条车道距离很近，却可能具有完全不同的损坏。把车辆航向和道路中心线加入分析，可以减少对向车道事件被合并。道路等级、车道数量和匝道结构也会改变合理空间尺度，单纯比较经纬度距离并不充分。

降雨、冻融、高温与积雪都会改变道路状态，轮胎压力和悬架表现也随温度变化。长期系统应比较同一地点的时间趋势，并在维修或强天气后重新建立基线。没有季节标签的模型，容易把每年重复出现的环境差异当成突然损坏。

相机容易辨认裂缝、坑洞和积水，却受光线、遮挡和隐私限制；振动传感器能在夜间工作，却难以说明表面形态。两类证据结合后更完整，但时间与位置必须对齐，否则影像可能对应另一个路段，反而增加错误信心。

分类器给出的高风险分数，需要能够回到原始波形、车速、位置和重复次数。只保存最终标签，会让现场人员无法判断为什么优先。可解释并不要求公开全部算法，而是让关键输入、筛选规则和结果之间能够追踪，便于发现系统性误报。

现场确认后记录异常类型、尺寸、影像和处理日期。若系统持续把同类井盖判为坑洞，可以加入环境特征；若某些损坏经常漏检，则调整采样或模型。反馈进入下一轮测试后，自动检测才会随实际维护经验进步，而不是永久重复早期偏差。