无人机路面检查：标准、精度和全球应用
路面检查的全球标准
传统的路面检查依赖于标准化的评级系统来评估路面状况。最广泛使用的是路面状况指数 (PCI)——一个基于损坏类型和严重程度，从0（失效）到100（优秀）的数值评级。最初由美国陆军工程兵团开发并由 ASTM（例如，机场用 ASTM D5340 和道路用 ASTM D6433）标准化，PCI 在美国被广泛使用，并已被许多地区采用或改编。例如，法国的VIZIR方法（Visuel d’Itinéraires à Risque，即风险路线视觉评估）也通过类型和严重程度量化道路损坏，甚至被哥伦比亚交通部 (INV E-813-13) 改编为当地标准。实质上，这些方法为路面状况和维护规划提供了客观指标。
在美国，联邦资助的机场需要实施包含定期检查的路面维护计划。FAA 指南建议每年对机场路面进行详细检查，但如果机场保留了 PCI 调查的历史记录，详细调查的间隔可以延长至三年。实际上，许多大型美国机场每三年进行一次 PCI 调查（通常是为了支持资金申请和维护计划），而小型机场或没有正式 PCI 要求的机场仍会进行例行目视检查以确保安全。即使没有强制要求官方 PCI 分数，这些机场也可以从简化的无人机调查中受益，以验证路面状况并及早发现新出现的问题。在国际上，也存在类似的实践——例如，许多道路管理部门要求进行定期状况评估（无论是 PCI 还是等效指数）以指导修复。共同点在于，一致的标准（如 PCI）允许将无人机收集的数据转换为熟悉的评级，从而使无人机检查与全球现有的路面管理系统兼容。
精度要求和相机分辨率
无人机的一个主要优势是能够捕获识别小型路面损坏（裂缝、剥落、坑洼等）所需的高分辨率图像。精度至关重要：仅几毫米宽的发丝裂缝要求地面采样距离 (GSD) 达到 1–3 毫米/像素的量级才能在图像中可靠检测。实现如此的 GSD 通常需要低空飞行或高端传感器。研究和现场试验已经量化了这种权衡：例如，在约 5 米高度飞行可以产生约 0.2 厘米/像素（2 毫米）的分辨率，而在 60 米高度飞行可能产生约 1.5 厘米/像素（15 毫米）的分辨率。在一项研究中，一架 DJI 无人机在 3–5 米高度飞行时实现了约 0.11–0.18 厘米/像素（1.1–1.8 毫米）的 GSD——足以清晰地显示细微裂缝。更高的高度会迅速降低细节：从 10–15 米收集的图像在测量缺陷时通常具有约 1 厘米的精度，而超过约 30 米的高度，误差可能超过 1.5 厘米。
推荐分辨率已经从这些研究中提出。FAA 在多个机场进行的一项研究项目得出结论，约 1.5 毫米/像素的正射影像“强烈推荐”用于可靠的机场裂缝检测，而约 6 毫米/像素的数字表面模型则用于评估路面剖面。实际上，这意味着使用高分辨率相机（20 兆像素或更高）并在网格中相对低空飞行以覆盖路面。例如，一个带有 1 英寸传感器的 20 兆像素相机可能需要在地面上方约 8–10 米处飞行才能获得约 2 毫米的 GSD。在实际使用中，无人机操作员通常通过分段飞行来平衡覆盖范围和细节：例如，将一条长跑道分成许多小的飞行区块，以保持低空飞行，同时最终覆盖整个区域。现代摄影测量软件可以将数百或数千张重叠图像拼接成一个单一的地理参考正射影像，保留裂缝和表面纹理的毫米级细节。
相机需求：真彩色 RGB 相机足以满足标准路面损坏调查的需求。大多数项目使用市售的无人机相机（如 DJI 的高分辨率传感器）来捕获正射（天底）图像，因为垂直图像能产生最准确的测量结果。图像必须足够清晰，能够将细微裂缝与路面纹理区分开来，并且应光照充足（为获得最佳效果，飞行通常在白天光线良好和天气晴朗时进行）。一些研究也探索了多传感器方法：例如，热像仪可以突出显示地下水分或分层区域（因为这些区域的加热/冷却方式不同），而 LiDAR 扫描仪可以直接测量车辙深度或表面粗糙度。尽管结合 AI 分析的 RGB 图像是裂缝和坑洼检测的主要方法，但这些附加传感器可以补充检查——例如，热成像可能检测沥青下方的早期损坏，而 LiDAR 可以量化视觉方法可能遗漏的不平整度。简而言之，传感器组合可以提供更全面的路面健康状况，尽管会增加成本和复杂性。对于大多数例行检查，稳定无人机平台上的高分辨率 RGB 相机是主力。
机场跑道的无人机检查
机场跑道是无人机检查的主要应用场景。它们是宽阔、漫长的结构，早期发现裂缝或异物碎片 (FOD) 对安全至关重要。传统上，检查需要关闭跑道，并派遣人员或慢速车辆对表面进行目视扫描——对于大型跑道来说，这是一个耗时数小时的繁琐过程。无人机提供了一种更快、更详细的替代方案。主要机场的案例研究已证明其显著优势：
巴黎戴高乐 (CDG) 机场：2016 年，ADP（巴黎机场管理局）在戴高乐机场的一条跑道上进行了一次大规模的无人机路面检查——这是世界上首批此类检查之一。超过 200,000 平方米（约 30 个足球场）的表面区域在约 1 小时 45 分钟的净飞行时间内完成捕获，分为九个短段以最大程度地减少干扰。每个飞行段持续约 18 分钟，并在空中交通间隙期间精心安排时间，与空中交通管制部门充分协调，并在飞行之间进行安全检查（包括 FOD 清扫）。无人机收集了跑道的超高分辨率正射影像。根据项目报告，图像分辨率极高——达到每像素几毫米的量级——从而能够详细绘制跑道上的每条裂缝和损坏。分析结果记录在一份交互式地图和报告中，其中考虑了 ICAO 和 EASA 标准关于允许的损坏限制。因此，机场工程师可以精确确定需要维修的区域，安排有针对性的维护，并最终延长路面寿命，同时降低成本并提高飞机运行的安全性。值得注意的是，这项基于无人机的调查是增强（而非完全取代）了传统检查——它与地面验证结合使用——但它证明了定期跑道调查可以比单独的人工团队更快、更详细地完成这一概念。事实上，法国和德国的机场此后已将此类无人机调查纳入例行目视检查。
伦敦希思罗机场：希思罗机场主要测试无人机，用于在飞行操作间隙扫描 FOD 并检查跑道表面状况。初步试验表明，无人机可以在手动检查所需时间的一小部分时间内清扫跑道。配备 AI 物体检测功能，它们不仅可以绘制裂缝，还可以识别碎片。这在繁忙的枢纽尤其有用——减少了检查所需的跑道停用时间。（希思罗机场的试验作为增强安全努力的一部分进行了报告；这是大型国际机场验证该技术的一个例子。）
北美机场：在美国和加拿大，已在小型和中型机场进行了多次演示。FAA 的机场技术研发小组在 2020-2022 年进行了多机场试验：在五个机场（如佐治亚州哈伯沙姆县和新泽西州罗斯福）进行的测试开发了将无人机整合到机场路面管理计划中的程序。他们确定了哪些损坏类型可以通过无人机检测，并建立了数据收集工作流程。总共在不同条件下飞行了 97 次任务，积累了约 1.5 TB 的图像数据用于分析（表明捕获的细节水平）。最终的 FAA 报告证实，当 GSD 约为 2 毫米/像素时，传统“实地”调查中记录的所有损坏都可以在无人机图像中识别。换句话说，2 毫米分辨率的无人机调查在发现结果方面与人工目视 PCI 检查的效果相当——但更快、更一致。一些小型机场（例如加拿大红鹿地区机场）已与无人机服务公司合作进行例行跑道检查，旨在提高安全性同时缩短检查时间。在加拿大偏远地区，有 100 多个机场拥有难以到达的碎石跑道，研究人员证明，无人机加上 AI 可以在无需工程师亲临现场的情况下检查跑道。这种在加拿大北部碎石简易机场测试的方法，自动检测坑洼、冲刷、植被侵占等缺陷，并正在扩展到其他传统检查成本高昂的偏远地区（澳大利亚、新西兰）。尽管碎石跑道与沥青跑道不同，但这展示了无人机在跑道维护方面的多功能性。
在所有这些案例中，一个共同的考量是监管许可和运行安全。机场的无人机必须在严格的预防措施下运行：通常仅在跑道关闭期间或在空中交通管制 (ATC) 监督下，并且通常在飞行员的视线范围内进行控制和遵守法律。许多航空当局（FAA、EASA 等）限制无人机在活跃跑道附近飞行，因此这些检查通常在计划的维护关闭期间或低流量时段进行。尽管存在这些协调挑战，但回报是巨大的——在短时间的关闭窗口内，可以对整个跑道进行高细节检查。对于繁忙的机场，这意味着对飞行操作的影响更小；对于偏远或军用简易机场，这意味着可以无需等待专业人员即可进行检查。总的来说，与传统方法相比，无人机跑道检查被证明更快、细节更丰富，并且可能更安全（通过使人员远离活跃跑道）。
道路和高速公路的无人机检查
除了机场，无人机也越来越多地用于道路和高速公路路面检查。全球各地的公路机构和市政当局都面临着对长段沥青路面进行裂缝、坑洼和路面健康状况调查的任务——无人机可以显著加快这些任务。一个突出的例子来自中东：
科威特全国道路测量：2024 年，科威特公共工程部与无人机服务提供商 (Zain Drone) 合作，检查了该国的主要道路。在第一阶段，无人机勘测了 1,000 公里长的高速公路和桥梁，捕获了路面的高分辨率图像和视频。这项大规模项目制作了详细的道路状况图，第二阶段将扩展到次级道路网络。所引用的好处是巨大的——无需封闭交通（无人机可以在安全高度飞越或伴随交通），并且无人机生成了比传统人员快得多的精确地图和道路 3D 模型。据官员称，使用无人机提高了安全性和准确性，减少了检查时间和精力，并提供了更丰富、更客观的数据（自动化扫描减少了记录缺陷时的人为错误）。它还通过最大限度地减少劳动力和根据收集的数据进行主动维护招标来降低成本。这个中东项目表明，数百公里可以在一次行动中通过无人机进行检查，这对于人工测量来说在物流上是令人生畏的。
其他值得注意的项目：在沙特阿拉伯，道路总局于 2023 年宣布使用无人机进行定期高速公路检查，以提高效率。该举措强调了节省时间（快速覆盖长距离），甚至使用热成像来检测隐藏的路面变形。在南美洲，研究人员和城市当局已在巴西、哥伦比亚和智利等国家测试无人机，以监测城市和农村地区的道路状况。例如，哥伦比亚的一项研究使用无人机图像对城市道路应用了 PCI 和 VIZIR 方法，发现基于无人机的评级与传统目视调查结果非常吻合。优势在于速度——无人机系统 (UAS) 可以详细捕获整个路段的损坏，而人工目视团队可能需要采样或花费更长时间。在澳大利亚和新西兰，这些国家拥有广泛的道路网络和偏远地区的矿山运输道路，对无人机检查的兴趣正在增长（类似于加拿大偏远跑道案例），以减少派遣人员长途跋涉进行路面评估的需求。即使在欧洲，也存在早期采用者：一些欧盟研究项目和城市试点（在西班牙、葡萄牙等地）已使用无人机绘制市政街道的道路裂缝密度和坑洼。
道路检查的规模可以从小型停车场到数千公里的高速公路不等。无人机可以适应这两种极端情况。对于停车场或城市街道网络，多旋翼无人机可以在几分钟内绘制区域地图，并创建识别每条裂缝的正射影像——这对于设施经理或城市公共工程部门非常有用。对于高速公路，固定翼或 VTOL 无人机（垂直起降无人机）可能更具优势，因为它们每次飞行可以覆盖更长的线性距离。例如，在高空飞行的固定翼无人机可能无法捕获细微裂缝，但可以在数十公里范围内快速扫描主要损坏（如大型坑洼或过度开裂）。然后，如果需要，可以将多旋翼无人机部署到热点区域进行更近距离的检查。在所有情况下，无人机调查的数据都可以输入路面管理系统。如果使用 PCI，无人机检测到的损坏（裂缝长度、修补区域、车辙深度等）可以量化，以计算路段的 PCI 分数。自动化算法已经能够对裂缝进行分类（纵向、横向、鳄鱼裂缝等）并从图像中测量其范围。这意味着无人机不仅可以拍照，而且通过 AI，它还可以“理解”损坏并输出状况评级。多项研究报告称，机器学习模型（CNN、SVM、随机森林等）在无人机捕获的图像中检测路面损坏的准确率达到95-98% 以上。这种 AI 驱动的分析大大减少了人工审查图像的工作量。
实际成果：在实施无人机道路检查的地方，已显示出明显的优势。市政当局避免了数周的道路封闭和人工测量劳动力，而是几天内收集数据。例如，美国一个城市（弗吉尼亚州哈里森堡，在一项案例研究中）发现，无人机检查其 220 英里（约 350 公里）道路上的坑洼比人工团队驾驶每条街道要快。在中东，如前所述，一个项目在总共可能只用了几个月的时间内评估了 1000 多公里——这是一个前所未有的速度。这种速度和区域覆盖优势为更频繁的路面评估打开了大门。例如，当局可以在每个冬季过后飞行无人机，而不是采用年度或多年周期，以快速识别新的霜冻裂缝损坏并在其恶化之前安排维修。更频繁的数据可以带来更积极主动的维护，最终通过及早修复问题来节省成本（这与路面管理中“1 美元的预防可节省未来 5 美元的维修费用”的理念相符）。
相较于传统方法的优势
将无人机整合到路面检查中，与传统方法（步行巡逻或车载测量）相比，具有诸多优势。主要优势包括：
速度和覆盖：无人机可以快速扫描大面积区域，大大减少数据收集时间。一条可能需要关闭 2 小时进行人工步行检查的跑道，无人机可以在 20-30 分钟内完成成像。需要数天缓慢驾驶测量的高速公路，无人机可以在一小部分时间内完成飞行。这也意味着运营基础设施的停机时间或车道封闭时间最短——例如，许多无人机道路测量可以在轻微交通下进行，无需封闭车道，或者在夜间进行，从而减少干扰。
工人安全和责任：通过将检查员从危险环境（繁忙的跑道、路边或高流量高速公路）中移除，无人机提高了安全性。检查员不再需要与移动的交通或活跃的机场操作一起物理地站在路面上，这降低了事故风险。它还减少了责任和对广泛安全措施（工作区设置等）的需求。无人机对于进入难以到达或危险区域特别有价值——例如，它们可以安全地检查高速公路桥梁、陡峭的堤坡或人员进入有风险的活跃机场。
成本效益：尽管无人机有前期成本，但与部署人员和测量车辆相比，它们的运营成本相对较低，尤其是在大面积区域。多项研究指出，使用小型无人机系统 (UAS) 进行路面测量时，在劳动力和设备方面都节省了成本。此外，更好的数据可以带来更优化的维护——通过修复正确的区域，机构可以避免在过早的覆盖层上过度支出，或者相反，避免因遗漏损坏而造成的昂贵重建。科威特项目新闻稿明确提到，由于使用无人机数据进行更高效的道路维护规划，运营成本降低。
数据质量和细节：无人机提供高清晰度、永久性的路面状况记录。您获得的是一张正射影像，其中每条裂缝都已绘制，而不是检查员的手写笔记或主观评级。这导致更客观的评估，并且能够在以后重新分析数据（或应用新的 AI 算法）而无需另一次现场访问。高重叠图像和低角度照明甚至可以揭示地面检查员可能忽略的细微表面问题。在并排比较中，无人机系统图像捕获了更多数量的某些损坏——例如，一项试验发现，无人机测量到的某个路段的“鳄鱼”裂缝面积比现场工作人员记录的多 42%，这突显了高分辨率图像如何捕捉到人类可能遗漏的细微裂缝。同样，无人机系统检测到略多的收缩裂缝，并更精确地量化了修补区域。总的来说，无人机提供了路面的“放大镜”视图，从而产生了非常全面的损坏清单。
高级分析 (AI 和 3D)：无人机数据的数字化特性意味着它可以直接输入软件。算法可以自动分类裂缝，计算其长度/宽度，统计坑洼，甚至从图像中计算 PCI 或其他指数。这有望实现更快的处理结果——过去需要数周手动数据输入的工作可以在数小时内完成。此外，无人机（使用摄影测量或 LiDAR）生成的 3D 模型不仅可以评估表面缺陷，还可以评估表面平整度和车辙。无人机衍生的 5-6 毫米精度的 DEM（数字高程模型）可以揭示跑道或道路车辙中的凹陷或车辙。仅靠目视检查很难捕获此类几何数据。拥有正射影像和 3D 表面地图也有助于未来的监测：可以通过叠加逐年数据来检测变化。
环境和物流效益：无人机检查相对安静和清洁——它们产生的噪音更小，不会对道路造成损坏（与重型测量车辆形成对比），并且比派遣人员驾车数天具有更低的碳足迹。特别是对于偏远或广阔的网络，通过使用无人机减少出行是一种“更绿色”的方法。在物流方面，无人机非常灵活——一个团队可以快速调动小型无人机单元到任何需要的地方，而无需大型设备车队。
尽管优势令人信服，但也存在需要认识到的实际考量和局限性：
天气和照明：无人机通常不能在大雨、强风或其他恶劣天气下运行。路面检查理想情况下需要干燥的条件（潮湿的表面会遮蔽裂缝）和良好的照明。这可能会限制调度。高温也可能影响无人机电池性能和传感器精度（尽管热成像可能在路面冷却的夜间进行）。
电池寿命和飞行时间：大多数小型无人机的飞行时间有限（每块电池 20-30 分钟）。覆盖非常大的区域可能需要多次更换电池或多架无人机协同作业。这在戴高乐机场的例子中有所体现——由于电池和操作限制，分成了 9 次飞行。然而，随着无人机技术的改进，新型号以及电池更换站或系留无人机的使用可能会延长运行时间。
交通管理：对于道路检查，交通管理仍然可能是一个问题。无人机在高速公路上低空飞行可能会分散驾驶员的注意力，因此机构通常会在非高峰时段或短暂封闭车道（如果飞行高度非常低）安排无人机飞行。优势在于无人机通常可以保持在交通上方或路肩上，但需要谨慎（某些司法管辖区有关于出于安全考虑不得直接飞越活跃交通的规定）。在 FAA 的研究中，他们指出任何无人机检查都必须避免造成 FOD 或危险——因此跑道无人机操作包括飞行后的 FOD 检查。实质上，基础设施可能需要部分关闭才能进行真正彻底的测量（尤其是在最低高度），但关闭时间比人工检查要短得多。
监管限制：不同国家有不同的无人机法规。在许多地方，超视距飞行 (BVLOS)——这对于长距离高速公路路段会很有用——需要特殊许可。同样，机场需要豁免才能在受控空域飞行无人机。法规正在逐步适应，但合规性增加了复杂性。通常需要经验丰富、持有执照的无人机操作员来遵守这些规则。尽管如此，监管机构正在将基础设施检查视为有效的无人机用例，并已授予豁免（例如，FAA 在特定安全案例下对机场无人机使用的豁免，或加拿大监管机构允许在偏远机场使用无人机，如东北大学项目所示）。
数据处理和存储：收集高分辨率数据意味着处理大型数据集。无人机飞行后，将数百张图像处理成正射影像可能需要强大的计算机数小时。例如，一个机场项目生成了 1.5 TB 的原始数据，需要进行处理。机构需要 IT 基础设施来处理这些数据（尽管云处理和改进的摄影测量软件正在使其变得更容易）。还需要培训员工解释无人机输出或将这些输出与现有 GIS/PMS 系统集成。
尽管存在这些挑战，但技术和经验的发展轨迹正在减少其影响。自动化任务规划、更好的电池和更清晰的监管框架正在不断提高无人机路面检查的可行性。
总之，无人机路面检查正在发展成为一种成熟的方法，它符合 PCI 等全球标准，满足识别甚至微小损坏的精度要求，并为机场和道路网络提供更快、更安全、通常更便宜的评估。美国、欧洲、中东及其他地区的早期采用者已经展示了成功的项目——从单一机场跑道扫描到千公里国家道路测量。这些成功表明，基于无人机的路面检查并非未来概念，而是一个实际现实，它很可能在未来几年成为维护沥青路面的新行业标准。迄今为止收集的数据和经验将有助于为 Fadron 的受众撰写详细指南和文章，展示如何利用这项技术实现更快的检查、更好的维护决策，并最终在全球范围内实现更持久的路面。
