比较指南
人工、车辆或无人机：五种方法的比较。
对五种检查方法在成本、关闭时间、团队规模以及各自能捕获的最小缺陷方面进行比较，全文引用了具体数据，并涵盖了专业调查车辆或步行检查仍是正确选择的情况。
更新于：2026年7月
一览
综合比较。
引用数据在单元格中注明了来源。在移动设备上，请横向滚动表格。
| 标准 | 人工徒步勘测 | 车载摄像头勘测 | 专用勘测车（激光/LCMS 级别） | 无人机影像 + 工程师人工审查 | 影像 + HALO AI |
|---|---|---|---|---|---|
| 覆盖完整性 | 原则上是全路面覆盖，但实践中是抽样和估算：通常只检查大面积区域的 10% 到 20%。 | 仅限行车道视角；错过非行车道区域和细微的路面细节。 | 高速下全车道覆盖；在车辙和粗糙度检测方面最强。 | 100% 的路面成像；审查深度受工程师时间限制。 | 100% 的成像路面得到分析，每个检测到的缺陷都进行测量。 |
| 勘测速度 | 3 公里路段需要 2 到 4 小时（Fadron 公布的比较数据）；大型路网则需要数周。 | 最快的粗略筛查方法：随车流在路网中行驶。无有来源的吞吐量数据可供发布。 | 以接近或达到高速公路速度进行勘测；最快的全车道仪器方法。 | 每 3 公里采集需要 20 到 40 分钟（Fadron 公布的比较数据）；工程师审查则每个站点需额外增加数天时间。 | 每 3 公里飞行 20 到 40 分钟（Fadron 公布的比较数据），在路面分辨率下每飞行小时大约 5 to 30 ha，分析结果在 24 小时内交付。 |
| 成本 | 传统勘测每公里 200 至 300 美元；一次完整的机场 PCI 勘测需要 200 多个检查员工时，成本在 50,000 至 150,000 美元之间（Fadron 公布的比较数据；《路面检查指南》）。 | 所有方法中单次勘测成本最低；无有来源的每公里数据可供发布。 | 资本和动员成本高，适用于大型高速公路网络；无有来源的每公里数据可供发布。 | 采集成本与无人机方法相当；专家审查工时占总成本主要部分，并随面积增加而增加。 | 每公里 90 至 120 美元，而传统方法为 200 至 300 美元；一条 3,000 米的跑道成本为 2,100 美元，而传统方法为 6,600 美元（Fadron 公布的比较数据）。 |
| 所需人员 | 4 至 6 名检查员在道面上作业 (Fadron 公布的对比数据)。 | 一名驾驶员，评定员可同车或不同车。 | 一名专业操作员和勘测车，通常需要提前安排。 | 一个两人飞行小组，外加审查工程师的时间。 | 2 名采集人员 (Fadron 公布的对比数据)；分析是自动化的。 |
| 一致性 / 客观性 | 因检查员而异；取决于培训和疲劳程度。 | 低；设计上具有主观性和粗略性。 | 对其测量的指标而言一致性高；基于仪器的车辙和粗糙度测量。 | 影像具有一致性，但病害分类仍取决于审查员。 | 高；相同的算法对每个数据集的评分方式相同。 |
| 可被可靠捕获的最小病害 | 近距离肉眼可分辨的任何病害。 | 仅限大型、明显的损坏。 | 传感器规格范围内的细微裂缝和车辙。 | 低至工程师检查时所用影像的分辨率 (GSD)。 | 在所需的影像分辨率下，可检测到小至 1 mm 的损坏。 |
| 交通中断 / 封闭 | 高；工作人员在道面上作业。一次 3,000 米跑道勘测需要 5 名工作人员，封闭约 4 小时 (Fadron 公布的对比数据)。 | 无；与车流同行。 | 低；以等于或接近交通速度行驶。 | 极少；短时飞行，无需工作人员在道面上作业。 | 极少；同样的 3,000 米跑道，飞行采集仅需 2 名工作人员，封闭约 40 分钟 (Fadron 公布的对比数据)。 |
| 输出标准 (D6433 / D5340) | ASTM D6433 和 D5340 的参考方法。 | 无正式标准；仅用于筛选。 | D6433 加车辙和 IRI (国际糙度指数) 指数。 | 当工程师应用 D6433 / D5340 标准时。 | ASTM D6433 和 D5340，报告中会打印扣分值和最大修正扣分值 (CDV)，以便核对计算过程。 |
| 用于变化跟踪的可重复性 | 有限；难以精确重现一次勘测。 | 差。 | 好；地理配准的、可重复的作业。 | 影像重复性好；但人工审查步骤存在差异。 | 极好；相同的影像重新评分结果完全相同，内置变化跟踪功能。 |
| 最适用于 | 小型场地、争议解决和参考审计。 | 对大型路网进行廉价的初次筛选。 | 需要快速测量车辙和 IRI (国际糙度指数) 的公路网。 | 规模不受限制的一次性详细作业。 | 在不同场地和年份，进行大规模、客观、可重复的 ASTM 状况评分。 |
来源：“Fadron 发布的对比”指 Fadron 发布的无人机与传统勘测的对比。“《路面检查指南》”指该指南中发布的手动机场 PCI 勘测数据。未注明来源的单元格内容为我们的定性判断。
我们的不足之处
没有一种方法能在所有方面都胜出。包括我们的方法。
在高速公路速度下进行车辙和 IRI (国际糙度指数) 检测方面，专业车辆仍然胜过我们。在争议中进行主观判断时，步行检查员仍然胜过我们。我们的优势在于，能够对 100% 的路面进行大规模、客观、可重复的表面病害评分，且符合 ASTM 标准。我们希望您在向任何一方购买任何产品之前，能同时了解这两方面的情况。
方法逐一对比
每种方法的真正优势所在。
人工徒步勘测
徒步勘测无需任何设备，至今仍是衡量所有其他方法的基准方法。经验丰富的检查员在现场可以判断出相机无法捕捉到的背景信息，对于小场地或有争议的索赔，这通常是正确的选择。其局限性在于规模和可重复性：一次完整的人工机场 PCI 勘测需要 200 多个检查员工时，成本在 50,000 美元到 150,000 美元之间（《路面检查指南》），并且两名检查员，或同一名检查员在两天内，对大面积区域的检查结果不会完全相同。
车载摄像头勘测
车载摄像头勘测是成本最低的粗略筛查方法。安装摄像头，随车流在路网中行驶，您就能以低成本快速完成初步筛查，标记出路况最差的路段。它对于初步评估分类非常有用。它无法做到的是测量：它只能看到行车道，会错过细微的损坏，并且没有正式标准，因此它只能进行筛查，而不能评分。
专用勘测车（激光 / LCMS 级别）
对于其设计用途而言，这是最强大的工具。激光和 LCMS 级别的车辆在高速行驶时，在车辙和 IRI（国际糙度指数）平整度检测方面表现出色，能提供仪器级的、可重复的、带地理参考的输出。对于管理大型铺装路网的公路机构来说，这正是他们需要的数据。其权衡之处在于资本成本、可用性和专业化：设备昂贵且需要排期，并且其设计适用于道路几何形状，而非停车场、停机坪或结构物。
无人机影像 + 工程师人工审查
通过无人机飞行并由土木工程师审查影像，可以产出高质量的成果：完整的路面覆盖、可靠的分类，以及在工程师应用标准时基于标准的评分。其不足之处在于无法规模化。每个项目都受限于专家的审查时间，因此成本和周转时间会随着面积的增加而攀升，这使其最适合一次性的详细工作，而非周期性的、覆盖整个资产组合的勘测。
影像 + HALO AI
HALO AI 可处理任何勘测级无人机在标准无人机工作流程中生成的影像，并使用始终如一的算法自动分析 100% 的路面。分析结果是一份 ASTM D6433 或 ASTM D5340 PCI 报告，其中包含扣分值和最大修正扣分值 (CDV)，因此分数是可核查的。其优势在于内置了两次勘测之间的变化跟踪功能。关于检测性能，我们引用的证据并非来自我们自身：对这类裂缝检测模型的研究报告显示，其召回率约为 95% (FAA 技术中心，2023 年)。它不能取代工程判断。在分数需要签名负责的情况下，通过“抢先体验”计划提供的 “工程师验证质保” 附加服务可为分类和 PCI 计算提供土木工程师的审查和签字确认。
独立证据
第三方开展的大规模路网无人机调查。
两个关于大规模无人机道路勘测的已发布示例，两者均为独立的第三方项目。
科威特公共工程部，2024年
在六周内通过无人机测绘了 1,000 公里的主要道路，据报道其成本比传统调查低 40%。
弗吉尼亚州哈里森堡市，2021年
使用无人机调查，在三天内完成了 350 公里城市街道的坑洼检测。
经济性分析
调查本身成本不高，但等待的代价是昂贵的。
勘测成本本身的重要性低于其表面价值，因为真正的经济效益体现在勘测结果所支持的后续行动中。早期维修的成本比延迟修复低4到5倍（EIC deck），并且延迟的维修费用会不断累积。无论您选择哪种方法，代价高昂的错误是勘测精度过低，以至于无法在病害尚可低成本修复时发现它们。
并非二选一
结合多种方法。
最明智的方案会根据路网级和项目级的划分来混合使用各种方法。使用挡风玻璃巡查或专业车辆快速筛查大型路网，找出需要关注的路段，然后使用由 HALO AI 评分的无人机影像对这些路段进行验证和量化。车辆告诉您位置；影像加 AI 则准确告诉您病害类型、数量及其随时间的变化情况。
HALO AI 与供应商无关：它适用于任何勘测级无人机拍摄的影像，并可根据要求处理其他来源的数据，例如调查车辆的影像帧，因此您无需放弃已在使用的工具。请在 HALO AI 页面上查看输入要求。
常见问题解答
方法比较问题。
ASTM D6433 定义了路面状况指数 (PCI) 方法：如何识别、测量病害类型并将其综合成一个分数。该标准并未强制规定特定的数据采集方法。重要的是病害的识别和测量要符合该标准的定义。由 HALO AI 分析的无人机影像，其评分遵循 ASTM D6433 (机场遵循 D5340) 标准，报告中会显示扣分计算过程。我们还提供可选的“工程师验证”质量保证附加服务，在项目需要时可提供土木工程师的签核。
可以，根据您的要求。无人机采集是标准工作流程，但如果您的调查车辆或其他来源生成的影像符合我们的分辨率和地理配准要求，HALO AI 也可以对其进行分析。请向我们发送样本，我们将免费确认其是否符合要求。请参阅数据要求。
对于初步的粗略筛查，挡风玻璃或行车记录仪调查的每公里成本最低。对于需要测量的调查，根据 Fadron 公布的比较数据，无人机调查的成本为每公里 90 至 120 美元，而传统调查为每公里 200 至 300 美元；对于一条 3,000 米的跑道，无人机调查成本为 2,100 美元，而传统调查为 6,600 美元。但单次调查成本最低并不等同于决策成本最低：粗略筛查无法为您提供量化的数据，因此您需要根据调查输出能支持您采取何种行动来权衡成本。
并非适用于所有情况。在高速公路速度下检测车辙和 IRI 粗糙度方面，专业车辆仍然是最佳工具。HALO AI 的最大优势在于大规模、客观、可重复的表面病害评分，两者可以很好地结合：使用车辆进行筛查，使用影像加 AI 进行验证和量化。
当您想了解“影像加人工智能”这一栏目实际生成的内容时，请查看样本调查。