摘要：路面摩擦性能是公路安全的重要指标,它与路面纹理密切相关。针对不同噪声的路面纹理数据,该文提出了一套路面三维纹理数据去噪方法,该方法可以在去除噪声的同时保留纹理的局部特征。此外,该文还基于Vision Transformer的设计理念,开发了Friction-1D Transformer抗滑预测模型,用于评估沥青路面的抗滑性能。与传统的卷积神经网络不同,Friction-1D Transformer利用位置编码结构和多头注意力机制,能够从一维纹理信号中提取沿行车方向的全局特征,从而实现对路面摩擦性能的准确预测。与随机森林(RF)、k近邻算法(k-NN)、深度残差网络(Resnet)和Vision Transformer(VIT)共4种模型进行对比分析后发现,Friction-1D Transformer具有更高的准确率和更快的训练速度,且其参数量仅为3915914。该研究验证了直接使用原始纹理数据进行训练并进行抗滑预测的可行性,所使用的模型结构有望推动路面抗滑性能测试技术的进一步发展。