高速公路沥青路面预防性养护评价体系研究

根据高速公路半刚性基层沥青路面预防性养护的特点,提出用裂缝、车辙和修补3种类型来表征高速公路沥青路面的破损,并建立了6个单项路面性能指标的评价体系;以路面结构强度指数作为控制指标,综合考虑其余5个单项指标对路面综合性能的影响,利用灰色聚类理论建立了基于三角白化权函数的路面使用性能综合聚类评价模型.     

基于改进灰色聚类法的高速公路沥青路面使用性能评价

分析了传统灰色聚类法的弊端,引入分段指数白化函数建立了改进灰色聚类法评价模型;利用陕西省某高速公路路段路面损坏状况指标、行驶质量指数、路面车辙深度指数和抗滑性能指数检测结果,分别运用传统和改进灰色聚类评价方法对其路面使用性能进行评价,结果显示改进灰色聚类法评价模型的评价结果与规范评价结果完全一致,能客观评价沥青路面的使用性能。     

集对分析在路面性能综合评价中的应用

为了更好地了解路面实际使用状况,以集对分析理论为基础,建立路面性能指标与各级路面性能标准之间的联系度表达式.差异度系数i依据路面实测值与各级标准的距离关系确定.将集对分析联系度表达式用于路面性能评价,评价结果与实况符合,可作为路面性能评价的方法.     

BP神经网络在公路路面性能预测中的应用

路面性能预测是路面养护管理的重要组成部分,一般较难考虑自然环境对路面性能的影响,对已知信息的利用效率不高,造成预测误差.文中以某高速公路路面性能预测为例,详细说明了BP神经网络技术在路面性能预测中的作用,力求推广计算机辅助的人工神经网络在路面性能预测中的应用.     

系统聚类方法在路面寿命周期费用分析中的应用

在对路面结构进行寿命周期费用分析的过程中,养护周期的确定是决定分析结果是否准确的关键因素之一,鉴于多数地区因缺乏路况检测数据,短时间内难以建立路面衰变模型,以及传统性能预估模型在重载交通条件下预估精度较低的情况,该文提出用系统聚类的方式、Fisher判别分析方法确定重载交通地区路面的养护周期,并且通过实例对系统聚类、判别分析的流程、聚类指标的确定、有效养护周期的筛选进行了初步探讨和说明.     

基于卷积自编码的沥青路面目标与裂缝智能识别

目前基于深度学习的路面裂缝识别经常面临训练数据集小，以及路面图片标注成本高等问题，基于小规模路面图片数据集，利用卷积自编码（CAE）方法进行数据增强，开展包括路面裂缝在内的路面目标智能化识别方法研究。在传统图像几何变换数据增强的基础上，采用CAE重构图片方法对原始数据集进行两步骤扩增；利用卷积神经网络DenseNet，设置了不同数据扩增方法的对比试验；针对沥青路面裂缝图片背景较黑，裂缝特征不清晰，无监督聚类学习难度大等问题，采用了一种基于CAE预训练的深度聚类算法DCEC，对经数据增强的路面图片进行无标注的聚类识别。研究结果表明：经过DenseNet网络100代的训练，在同一测试集的测试下，基于原始数据集训练的网络分类准确度为78.43%，利用传统图像处理方法进行扩增后准确度为83.44%，利用所提出的图片增强方法进行数据扩增后准确度达87.19%；在保持扩增后数据集样本量大小相同的情况下，与几何变换、像素颜色变换等经典数据增强手段相比，CAE重构图片的数据扩增方法有较高的路面图片识别精度；CAE数据扩增方法较受训练数据集样本量的影响，利用传统方法将数据集扩增后进行CAE特征学习，重构后的图片样本更易被机器识别；相较于传统机器学习聚类算法，所提出的的DCEC深度聚类方法将聚类准确率提升了约10%，初步实现了无需人工标注的路面目标的端到端智能识别。     

基于自适应模糊神经网络的交通流状态预测

研究交通流状态的分类、识别与预测,建立了基于模糊聚类及模式识别的交通流状态自适应模糊神经推理系统.对大量交通流历史特征数据采用模糊聚类法进行状态分类并进行模式识别,得到系统的原始输入输出数据集.建立交通流状态预测的自适应模糊神经系统,以交通流特征数据及其识别结果作为训练数据集进行系统参数及模糊规则的训练与确定,直到误差在控制范围内,并进行系统检测和复核.仿真及其检测和复核结果表明系统预测的准确率在 95%以上.     

路面检测周期对使用性能预测影响研究

路面使用状况的跟踪检测对路面养护管理来说是十分必要的.由于检测点位、检测频率与检测误差等原因,检测数据均具有一定的不确定性,各地区路面状况检测周期差异进一步加剧了检测数据的不确定性,进而对路面使用性能的预测造成一定影响.该文在对路面性能预测模型误差分析的基础上,通过检测数据的增减,拟合了检测周期不同时车辙深度、开裂面积、国际平整度指数等指标的路面性能预测模型,并采用模型对不同路段的使用年限进行预测,进而分析了检测周期对性能预测的影响.最后根据路面实际检测数据推荐出不同性能指标的最佳检测周期.实例证明:合理的检测周期不但能够节约检测费用,而且可以减少路面使用性能预测误差,更好地为路面养护提供决策依据.     

基于模糊推理系统路面平整度预测研究

通过分析影响路面平整度的因素,选择公路技术等级、公路使用年份和路面铺装情况作为预测路面平整度的自变量.采用模糊聚类的方法论证了因素选取和调查数据的有效性,然后对各影响因素进行模糊化,选择适合的隶属函数,建立了多路输入和一路输出的模糊推理系统,并且得到了系统的输出曲面,从而论证了系统的合理性,为迅速方便掌握大范围路段平整度分布提供了计算方法.     

地聚物注浆加固在道路中修工程中的应用与研究

地聚物注浆加固技术利用“非开挖”、快速开放交通的优势,避免了以往路面翻挖、对路面结构扰动大等缺点.该文通过对地聚物注浆的路用性能进行试验分析,发现注浆后路面弯沉提升明显,有效地延长了道路使用寿命,具有明显的环保和经济效益.     

路面裂缝修复中改性聚氯氨酯与SBS改性沥青物理性能研究

为了探究路面裂缝修复中改性聚氯氨酯与SBS改性沥青物理性能,通过疲劳试验与抗渗试验对两种材料进行对比分析,结果表明;改性聚氯氨酯与SBS改性沥青两种材料作为路面裂缝的补料均可满足路面的路用性能需求.改性聚氯氨酯材料在修复路面裂缝后的疲劳期相对于SBS改性沥青材料的要短,并且SBS改性沥青材料的抗疲劳性能更强.对于抗渗能力,两种材料的抗渗等级一致.改性聚氯氨酯材料的耐水压力与渗水压力相对于SBS改性沥青材料更大.     

灰色聚类法在沥青路面性能评价中的应用研究

旧沥青路面性能评价对养护方案制定尤为重要,准确地评价旧路面状况才能采取合适的养护措施,充分利用有限的养护资金,取得最佳养护效果。总结了灰色聚类的一般步骤,然后将其应用到路面性能评价中。通过实例,验证了此法在旧路面性能评价中的可行性。     

沥青路面性能预测研究综述

沥青路面是中国公路路面的主要形式,其路面性能预测是养护决策的基础,是交通基础设施建设规划及资源分配的依据,能否准确高效地对沥青路面性能进行预测,至关重要。该文分析了沥青路面性能预测的复杂性和影响沥青路面性能变化的诸多因素,在深入调查分析国内外沥青路面预测方法相关研究文献的基础上,总结了现有各预测方法的特点,评述了相关领域的研究进展。根据调研结果,该文提出了现阶段该研究领域的4个关键问题:极端事件导致路面性能波动问题,维修养护导致路面性能变化问题,多因素对路面性能衰变的耦合作用问题,以及大数据在路面性能预测中的应用问题。     

基于投影寻踪的快速路交织区交通状态判别方法

为了准确判别城市快速路交织区的交通状态,实现交通控制策略的优化决策,基于投影寻踪模型与k-means聚类算法,研究了一种新的交通状态判别方法.以交通状态的量化分析为目标,考虑投影寻踪模型的特性,定义了交通状态系数;根据类内聚集度与异类间散度的分析,建立了聚类效果评价系数表达式;应用推导的改进式遗传算法,结合k-means聚类算法,计算获得最优投影方向与聚类中心;应用最优投影方向将新观测的交通流数据转化为交通状态系数,判定欧式距离最小的聚类中心,获得相对应的交通流状态.新方法克服了传统方法对专家经验的依赖性,解决了熵权法对小概率事件信息熵的过量估计问题,并改进了投影寻踪模型的聚类效果评价系数.仿真实验结果表明,新方法状态判别准确率为96.63%,较神经元网络和决策树算法分别提高了5.58% 和7.01%,能够准确判别交织区交通流状态.      

典型道路路段的选取方法及其验证方法研究

采用德尔菲法分别从路面铺装情况、公路技术等级和公路使用年份三种因素影响情况下对道路行驶质量进行打分,并采用模糊聚类和层次划分的方法对路面平整度进行划分,建立道路铺装类型、技术等级及使用年份与路面平整度之间的对应关系.进而按照道路的平整度分布情况对道路样本进行聚类划分,运用均匀分布随机抽样函数对各个聚类进行随机抽样,最终完成典型道路路段的选取.运用以上方法选取镇江地区的部分典型路段进行平顺性试验,试验数据分析结果表明德尔菲法获得的分值与真实的道路行驶质量指数有很好的一致性,验证了典型路段选取方法的可行性.     

基于灰色理论的沥青路面使用性能预测模型

依托辽宁某高速公路工程多年的路面检测数据,应用灰色理论对其进行分析,建立了沥青路面性能衰减模型,对模型进行精度检验,确定模型对路面性能预测的准确性,然后对路面衰变模型进行分析,预测辽宁省某高速公路路面近年的性能衰变过程,从而确定需要采用的养护方式。     

考虑公路等级的沥青路面性能衰变预测方法

为了研究沥青路面使用性能的衰变规律,准确预测未来路面病害发展状况。根据沥青路面面层厚度、基层厚度的不同,将某省国省干线2011—2014年路面病害检测数据进行归类,分别采用4种路面性能衰变模型,以时间和累计当量轴次作为自变量进行回归分析,根据回归模型预测了2015年路面PCI(路面损坏状况指数)值,与实际检测值进行了对比。结果表明:在不同类别中,以累计当量轴次为自变量时,拟合的衰变曲线相关系数均高于以时间为自变量的模型;在2015年路面状况预测值与实际值的对比分析中,高速公路指数形模型的差值最小,其他等级公路S形模型相对较好,但整体情况劣于高速公路;因此,对于高速公路路面性能,推荐采用累计当量轴次为自变量的指数形模型进行预测;对于其他等级公路,推荐采用累计当量轴次为自变量的S形模型进行预测。     

文本数据驱动下的高速公路事故持续时间预测模型

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据.针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本.并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析.结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果.      

面向 NSM 的高速公路大区段事故风险预测方法

为探究路网交通安全管理(NSM )中的事故风险预测方法,以国内高速公路的大区段路段为研究对象,首先分别采用系统聚类、k-means动态聚类和二阶聚类方法对路段进行聚类,确定最优聚类方法和聚类数量,然后对"同质性路段"分别建立负二项回归、贝叶斯负二项回归、随机或固定效应的负二项回归和多层混合效应负二项回归4种模型,通过精度评价指标选择出最优的事故预测模型,最后计算出相应路段的事故风险大小并识别出事故多发路段.结果表明:选择最优的聚类方法和聚类数量相较于未聚类的情况将有效提高事故预测的拟合精度,其均方方差下降了64% .当选择二阶聚类方法且聚类数量为3时,"同质性路段"负二项回归的事故模型拟合精度最高,其模型的赤池信息量 A IC为464 .79 ,贝叶斯信息量 BIC为476 .98 ,均方方差为99 .22 .在4种事故预测模型中,负二项回归具有良好的预测精度,其预测结果的均方方差最小,为108 .64 .采用统计学方法识别"同质性路段"的事故多发路段,共识别出辽宁省22条事故多发路段.      

基于路面性能衰变规律的路面养护需求分析

通过对路面中长期性能的统计分析,路面性能衰变遵循一定的统计学规律;通过对路面性能中长期均值和方差的回归分析,列出其变化曲线,估算路面性能宏观(整体技术状况)与微观(各公里路段)的联系,预测寿命周期内路面性能变化规律,按照路面养护技术规范的规定建立性能变化与养护需求之间的联系,为路面养护需求分析提供依据。