沥青路面路表温度预估模型研究

以山东省永久性沥青路面试验路为研究对象,通过在试验路布设气象观测站,在沥青路面结构不同深度处埋设温度传感器,实测了2007—2008年每1 h的路面温度和气象数据。以距路表面20 mm深度处的路面温度作为路表温度,研究了试验路路表温度的分布规律,对路表温度与气温、太阳辐射强度、降雨之间的相关关系进行了计算分析。考虑到降雨对路面材料热学传导参数的影响,分别研究了雨天和晴天(或阴天)两种天气情况下沥青路面路表温度与气温的相关关系,建立了基于晴天(或阴天)和雨天时路表温度的预估模型。分析结果表明,沥青路面的最高温度和最低温度均出现在距路表面一定深度范围内,雨天情况下路表温度与气温存在着密切相关性;晴天和阴天时,前1 h的平均气温和前3 h的平均太阳辐射强度可以较为准确地反映路表温度。路面温度实测值和预测值的对比表明,预估模型具有较高的预测精度和实用性。     

基于广东省路表实测温度的沥青路面抗滑特性研究

温度是沥青路面抗滑性能的主要影响因素,直接关系着行车的舒适性和安全性。基于广东省路表实测温度,开展气温与路表实际温度的关系研究,提出了基于气温数据的路表实际温度预测公式;通过开展路表实测温度对路面横向力系数的影响研究,建立了路表实际温度与横向力系数间的关系式,为广东省沥青路面温度的预测及抗滑性能温度修正提供依据。     

基于动态模量的长大纵坡沥青路面结构响应特性

长大上坡段沥青路面车辙病害问题一直是工程界讨论的热点问题,同样也是难点问题。据文献[1-3]的相关研究,形成沥青路面车辙的外界因素主要有3个:温度、轴载和速度。采用单因素法和正交分析法相结合,用单因素法分析了路面温度、车辆轴载以及行驶速度分别对路表弯沉的影响;然后通过正交试验法,全面、均衡的分析了路表弯沉在高温、重载、慢速三者耦合作用情况下路表弯沉的变化,并通过正交试验极差、方差分析,得出了温度的影响对路表弯沉影响最大,车辆载重其次,行驶速度给路表弯沉造成影响在三者中属于最小。     

基于有限差分法的路表温度预估模型

以山西大同结构试验区为研究对象,基于实测路面温度与气象数据,分析了路表温度的变化规律。利用有限差分法求解了路面温度场热传导方程,建立了短时路表温度数值预估模型。结果表明,以气温、太阳辐射、风速等气象数据预估路表温度,平均误差在0.5℃以下,均方差为2.5℃左右。分析了不同季节与气象条件下,预测误差的分布特点。结果表明,忽略天空有效温度与气温的差值,将会造成预估温度系统性偏高。纳入该因素后,预估精度得到明显改善。     

基于大数据挖掘技术的车载自组织网络状态异常检测

基于主成分分析法与Apriori关联规则挖掘算法,提出一种利用大数据技术检测车载自组织网络(VANET)运行状态异常的方法。运用主成分分析法从大数据中挖掘出关键评估指标;针对关键指标采用并行关联规则模型,挖掘强关联规则,进而找出主要影响因素;基于历史数据和自组织人工神经网络预测方法,输入主要影响因素值,输出关键评估指标值。对评估指标值进行算例分析,利用VANET状态异常检测方法预测指标概率,结果表明,所提方法得到的预测值较仅使用人工神经网络方法准确性高。     

基于机器学习的路表温度预估方法研究

依托实测路表温度与气象数据,基于路面温度场热平衡方程,分析影响路表温度的主要因素;选取历史路表温度与气象参数作为特征,通过LightGBM(轻量级梯度提升机)对中短时间尺度内的路表温度进行预估.结果表明,水泥、沥青2种路面短期(1 h)预估结果均方根误差分别为0.82,1.12℃,中短期(3h)分别为1.31,1.86...     

海南高速公路沥青路面路表温度分布规律与预估模型

为准确掌握海南地区高速公路沥青路面路表温度变化特点及规律,提出一种基于路面状态的路表温度分布规律的分析与建模方法。以海南新型交通气象站1年多的路面状态和交通气象要素的跟踪观测数据为基础,根据数据特点,制定交通气象监测数据分析流程,分析路表温度与不同季节、不同路面状态、不同时段的影响关系;在此基础上,采用统计分析方法,建立了观测点所在路段路表温度与大气温度的预估模型,并在不同路面状态下检验模型效果。分析结果表明:路表温度与大气温度具有很好的相关性,且在不同季节、不同时段下的分布特性不同,拟合的预估模型具有较好的准确性和工程适用性。     

FWD荷载下沥青路面动力响应的温度影响作用研究

为研究不同温度条件下沥青路面的实际动力响应规律,铺设了3种典型沥青路面试验路,通过落锤式弯沉仪(FWD)开展了温度对路表动态弯沉盆特性的影响作用分析,并通过动态应变传感器获取了不同温度下FWD荷载产生的沥青层底应变响应。研究结果表明:路表动态弯沉盆的各测点弯沉值随径向距离的增加逐渐减小,随荷载水平的增加逐渐增大,随路面温度的增加显著增大;随着温度的提高,路表动态弯沉盆的影响范围显著减小;通过回归分析方法确定沥青层底应变响应的温度修正系数,有助于实现实际温度下的应变响应向标准参照温度的转换。     

温度循环作用下的沥青路面温度应力有限元数值模拟

利用ANSYS有限元软件中热-结构耦合单元,对沥青路面温度应力进行数值模拟。结果表明:沥青面层厚度对面层层底最大温度应力的影响要大于其对路表温度应力的影响;沥青路面路表和面层底的最大温度应力均随着沥青混合料的温缩系数、沥青面层模量和日温差的增大而增大,但路表的最大温度应力随着这3个参数的变化更加明显;半刚性基层的厚度和模量对沥青路面路表和面层底的最大温度应力的影响均有限。     

沥青路面结冰条件判别标准及SVM预测分析

为了探讨沥青路面结冰与道路气象环境间的相关关系,实现路面结冰状态的准确预报,在分析影响沥青路面结冰的主要气象环境因素的基础上,探讨了不同降水类型与气象环境参数的关联性,建立了沥青路面路表温度预估分析模型。结合Norrman路面结冰打滑判别准则,提出了浙中地区冬季沥青路面结冰状态判别标准。通过支持向量机方法(SVM),以RBF函数作为模型核函数,构建了不同降水类型条件下以地表温度与气温为输入量的沥青路面结冰预测模型。结果表明:不同降水条件下沥青路面结冰时的日均气温、日均测点路表温度、日均风速、日均降水量以及日均相对湿度存在差异,其中,日均气温与日均测点路表温度变化差异较大,日均风速与日均降水量次之,日均相对湿度变化差异较小;通过气象环境监测数据可实现降水类型的间接判别和沥青路面路表温度的预估分析;不同结冰类型对车辆行驶安全的影响从高到低依次为雪降到严寒路面、雨降到严寒路面和雪降到温暖路面;使用SVM构建的路面结冰预测模型对路面结冰状态的预测效果较好,错报率低于6.5%,未出现结冰天气的漏报,同时具有良好的泛化能力,充分展现了SVM在道路气象预报领域的应用前景。     

基于灰色关联与Apriori算法的道路交通事故数据分析

针对运用关联规则挖掘道路交通事故(road traffic accident,简称RTA)数据产生大量无效规则与使用灰色关联分析无法发现数据隐藏联系的缺陷,提出将灰色关联分析与关联规则的Apriori算法相结合的方法,并将其运用于RTA数据。首先进行数据预处理;然后运用灰色关联分析,找到与RTA发生数有强关联的因素,并保留其数据,反之剔除相关数据;最后对保留下来的数据进行关联规则挖掘,找到数据之间令人感兴趣的联系。将此方法运用在四川省RTA数据上,通过与仅采用Apriori算法相对比,实验结果表明:此算法的时间缩短了近40%,冗余规则减少了近50%。由此挖掘出了RTA数据之间有趣的联系,并证明了灰色关联分析与Apriori算法相结合方法的有效性。     

基于FP-Growth算法的盾构掘进参数与隧道管片渗漏关联性分析

为研究隧道管片渗漏与盾构掘进参数之间的关联性,对关联规则中的Apriori算法与FP-Growth算法进行比较,选择FP-Growth算法作为文章研究使用的关联规则算法。选取关键掘进参数并对其数据筛选、划分及编码。采用FP-Growth算法,结合Matlab数据分析语言编程,挖掘基于掘进参数频繁项集的管片渗漏关联规则,分析关键掘进参数渗漏原理。依据渗漏频繁项集和渗漏规则,推荐4个关键掘进参数组合的预设范围,并应用在某隧道东线的盾构掘进中。结果表明,关键掘进参数组合优化后的成环管片发生渗漏的概率降低29.36%。     

基于随机森林与FP-growrh算法的山区追尾事故数据分析

传统的离散选择模型在分析事故数据过程中,容易出现模型假定条件不满足的现象。基于此背景,文中收集了2012-2017年昌金及泰赣山区高速公路的948条追尾事故数据,从非参数方法的角度对山区追尾事故进行分析。首先,利用随机森林算法对追尾事故数据进行了模型训练。模型中树的数量为144棵,预测效果最优,精度为0.778;进一步设置因素重要度阈值0.05,剔除了潜在风险因素中的星期、疲劳驾驶、超速、性别4个因素,筛选出10个重要度相对较高的因素。最后,利用FP-growrh算法训练得到40条频繁项集及关联规则。结果表明,FP-growrh算法可以有效说明潜在风险因素间、潜在风险因素与事故严重程度的关联程度。     

沥青路面内部温度预估方法与预估模型

在对浙江温州地区现场沥青路面进行跟踪观测和数据分析处理的基础上,对路面深度20mm处温度实测数据与环境气象数据进行相关分析,比较瞬时环境温度、瞬时太阳辐射、平均环境温度、太阳辐射累积值与路面深度20 mm处温度的相关程度,通过多元线性回归确定温州地区不同地形气候条件下的沥青路面内部温度预估方程。对比分析结果表明:预估模型具有很好的适用性和较高的预测精度。     

基于大数据分析的电动汽车行驶里程 预测方法研究

针对电动汽车行驶里程预测问题,采用人工智能与大数据的分析方法对电动汽车的续驶里程进行预测。首先,通过对北京市某款电动汽车的实际运行数据进行预处理分析,筛选出有效的放电小片段,进行特征工程分析;然后,利用微分思想构造出模型的输入与输出,建立分类与回归树预测模型;为了进一步提高预测精确度,采用随机森林与梯度提升迭代决策树两种不同的模型融合算法对模型进行优化。结果表明,模型融合算法能显著减少预测结果的均方误差,能够很好的预测电动汽车行驶里程。     

气象因素对沥青路面内部温度的影响及定量分析

根据在沥青路面现场试验段获得的路面温度与气象数据,利用聚类分析和逐步回归的方法优选出可以表征路面内部温度变化规律的基本指标,建立沥青路面内部温度与基本指标的多元回归式。预测值与实测值对比分析表明回归公式具有很高的精度,可用于沥青路面内部温度预测。     

SBS/SBR改性沥青PG分级及其在西藏地区的适用性研究

为了对比SBS和SBR两种改性沥青的流变特性,通过动态剪切流变(DSR)试验和小梁弯曲(BBR)试验对2种改性沥青进行了对比研究,并进行了PG性能分级。通过现场对西藏各典型地区路面埋设传感器进行路表最高温度实测,采用SHRP方法计算路表最高温度,并与实测路表最高温度进行对比修正,提出了西藏地区沥青路面路表最高温度预估公式,从而分析SBS和SBR两种改性沥青在西藏各地区的适用性。研究结果表明:SBS改性沥青的高温抗变形能力优于SBR改性沥青,但其低温抗裂性能弱于SBR改性沥青。在中高温下,SBR改性沥青的抗疲劳开裂性能优于SBS改性沥青;在高温下,SBS改性沥青的抗疲劳开裂性能优于SBR改性沥青。     

寒区沥青路面智慧化施工混合料温度预估机器学习模型

寒区沥青路面施工面临骤然降温、大温差、大风等不利天气，造成沥青路面摊铺、碾压温度起伏大，影响沥青路面压实质量，进而诱发诸多病害。以沥青路面施工温度为核心，通过物联网系统和智能元件采集沥青路面施工工艺参数并进行分析，采用机器学习算法构建沥青路面施工温度预估模型，准确掌控沥青路面摊铺和碾压施工温度，确保沥青路面施工质量。结果表明：沥青混合料拌和参数控制精度高，运输、摊铺和碾压阶段的施工工艺参数变异性大，需对参数进行异常值剔除处理，表明当前施工工艺控制技术仍有提升空间；采用随机森林算法对施工工艺参数进行重要性评估，出料温度和施工速度对施工温度影响最显著；基于4种机器学习算法建立了沥青路面施工温度预测模型，其中多层感知机模型最优，对多层感知机模型的隐藏层、神经元个数和学习率进行优化，优化后模型的周期数、均方误差和平均绝对误差降低，整体性能显著提升；考虑气象参数后，施工温度预测模型的训练效率降低，但预测精度提高。工程应用表明：提出的基于多层感知机沥青路面施工温度预测模型与实际工况相符，通过调节出料温度、摊铺速度、碾压速度可以有效减少混合料温度损失。     

基于双层评定模型的钳闭影响下乘员损伤严重程度分析与预测

为确定轿车碰撞事故中钳闭影响下乘员损伤严重程度的影响因素,从陕西长安大学机动车物证司法鉴定中心数据库中筛选包括24种车型的714组轿车碰撞事故数据,通过Apriori关联规则挖掘出相关的特征因素,建立双层评定模型(Logit Model)对车辆层次与乘员层次的特征因素进行分析。结果表明,致伤部件质量变量对组织结构、身体部位、损伤类型变量的影响分别达到28.89%、15.79%、14.03%,事故中头部相较于其他部位损伤更严重,损伤较为严重的情况往往伴随着乘员重度骨折与大面积损伤。最后,通过随机森林模型对乘员损伤严重程度进行预测,预测结果准确率可达到82.97%。     

宁夏六盘山地区沥青路用性能PG分级研究

在搜集、分析宁夏六盘山地区的气象资料的基础上,借鉴美国SHRP沥青PG分级方法,采用SHRP公式将气温转换为位于路表以下20mm深处的平均最高温度作为高温设计温度;低温设计温度则采用路表温度并根据六盘山地区的实际情况进行修正。提出了六盘山地区沥青路面气候分区和沥青路用性能PG分级,并推荐了合适的沥青品种,旨在为六盘山地区修筑沥青路面提供技术支持。