我国高速公路缺乏专业的路面状态检测设备，冬季难以针对冰雪路面进行实时监测和高效预警。对此，提出一种基于交通摄像头的高速公路积雪智能识别方法。利用摄像头采集高速公路视频图像，融合卷积神经网络和注意力机制建立图像分类模型，实现无积雪、应急车道积雪和行车道积雪三种路面状态的识别。实验结果表明，模型在白天场景测试集上识别准确率为98.3%,夜间场景测试集上识别率准确为85.9%。该方法能够充分利用现有交通视频监控设备，以较低成本实现冬季高速公路积雪状况的高密度、大范围监测。

我国高速公路缺乏专业的路面状态检测设备，冬季难以针对冰雪路面进行实时监测和高效预警。对此，提出一种基于交通摄像头的高速公路积雪智能识别方法。利用摄像头采集高速公路视频图像，融合卷积神经网络和注意力机制建立图像分类模型，实现无积雪、应急车道积雪和行车道积雪三种路面状态的识别。实验结果表明，模型在白天场景测试集上识别准确率为98.3%,夜间场景测试集上识别率准确为85.9%。该方法能够充分利用现有交通视频监控设备，以较低成本实现冬季高速公路积雪状况的高密度、大范围监测。

我国高速公路缺乏专业的路面状态检测设备，冬季难以针对冰雪路面进行实时监测和高效预警。对此，提出一种基于交通摄像头的高速公路积雪智能识别方法。利用摄像头采集高速公路视频图像，融合卷积神经网络和注意力机制建立图像分类模型，实现无积雪、应急车道积雪和行车道积雪三种路面状态的识别。实验结果表明，模型在白天场景测试集上识别准确率为98.3%,夜间场景测试集上识别率准确为85.9%。该方法能够充分利用现有交通视频监控设备，以较低成本实现冬季高速公路积雪状况的高密度、大范围监测。

为了确定隧道进出口路面积雪条件下的路面抗滑性能变化规律，采用摆式仪测量了自然降雪过程中恒山隧道和抢风岭隧道进出口间隔25 m的摆值；采用红外测温仪采集了晴天且路面干燥时2座隧道间隔10 m的路面温度。分析结果表明：隧道进出口呈现融化雪路面、松散雪路面和压实雪路面3种状态，3种路面的摆值依次降低；隧道进口的摆值波动幅度和范围均超过了隧道出口，隧道进口的摆值波动范围为洞口内50 m至洞口外170 m，隧道出口的摆值波动范围为洞口至洞口外25 m；隧道内路面温度低于路基段，隧道进出口路面存在明显的温度降低震荡。由此可知，隧道进口的压实雪路面主要是由于进口处温度降低引起的，隧道出口摆值变化与路面温度关系不显著。所作研究可以为降雪条件下隧道进出口事故的预防和预警提供技术支撑。

为了确定隧道进出口路面积雪条件下的路面抗滑性能变化规律，采用摆式仪测量了自然降雪过程中恒山隧道和抢风岭隧道进出口间隔25 m的摆值；采用红外测温仪采集了晴天且路面干燥时2座隧道间隔10 m的路面温度。分析结果表明：隧道进出口呈现融化雪路面、松散雪路面和压实雪路面3种状态，3种路面的摆值依次降低；隧道进口的摆值波动幅度和范围均超过了隧道出口，隧道进口的摆值波动范围为洞口内50 m至洞口外170 m，隧道出口的摆值波动范围为洞口至洞口外25 m；隧道内路面温度低于路基段，隧道进出口路面存在明显的温度降低震荡。由此可知，隧道进口的压实雪路面主要是由于进口处温度降低引起的，隧道出口摆值变化与路面温度关系不显著。所作研究可以为降雪条件下隧道进出口事故的预防和预警提供技术支撑。