基于灰色模型的路面行驶质量指数分析

路面行驶质量指数(Riding Quality Index,RQI)可以反映路面平整度变化以及行驶质量舒适性程度。针对现有数学模型和机器学习模型对特定路段小样本且分布规律性不强的数据在分析时存在较大的局限性，基于检测数据和养护历史对广州西二环高速公路RQI展开分析。首先根据历年路面状况检测结果整合2012年～2015年这4年间的RQI指数，基于时空关联特性对异常数据进行修复。其次结合养护历史，提取有效数据，分析不同养护情况下的RQI时空变化过程。最后基于灰色模型对整个路段以公里桩为空间粒度对未进行养护工程的路段展开分析，挖掘不同路域环境下每公里RQI的变化规律。结果表明，与真实情况相比，所提出方法的分析精度R²达到0.902。与分析精度低于0.5的随机森林、CatBoost(Categorical Boosting)等机器学习模型相比，基于公里粒度分析的灰色模型具有更强的适应性和鲁棒性。