CN104268213A - 一种基于多源检测数据的养护路段划分方法 - Google Patents

Abstract

本发明涉及一种道路养护技术，尤其是涉及一种基于多源检测数据的养护路段划分方法，从对日常巡查数据、定期检测数据、专项检测数据的充分挖掘出发，提取有利路段划分信息，得到不同分类数下的路段最佳分界点；在此基础上，考虑养护资金和路段状况的对应关系，获取最佳分类数；最后，通过分析日常巡查数据病害类型、病害严重程度，以提高路段划分的针对性。本发明解决了现有路段划分手段不能区别路面状况类似但主导病害不同的路段这一缺陷，最终获得路面性能相似、病害类型和严重程度相近的路段划分结果，指导养护措施的选择。

Description

一种基于多源检测数据的养护路段划分方法

技术领域

本发明涉及一种道路养护技术，尤其是涉及一种基于多源检测数据的养护路段划分方法。

背景技术

由于交通状况和养护历史等的不同，道路的各组成路段的路面状况可能不同，对不同的路段实施相同的养护措施，其代价是昂贵的。为了满足划分结构和功能差异的路段的需求，路段划分技术应运而生。合理的养护路段划分能够将路面属性相近的单元划归为一段，基于合理路段划分的养护设计能够制定合理的养护方案，节约养护资金。

关于养护路段的划分方法，通过国内外的研究可以发现，国外关于路段划分的研究较早，主要关注划分方法的客观性、耗时以及是否适用于实际的路面管理系统。对路段划分中指标的选取以及最小单元长度的应用等研究较少，大部分研究采用1英里作为路段划分的最小单元，仅有个别研究者采集10m或者100m数据划分路段，但是并没有研究最小单元长短对划分结果的影响。指标的选择多数为rating，SFC和roughness(这些数据通过定期检测数据得到)等，没有涉及道路的主要病害类型，不能区别路面状况类似但主导病害不同的路段，这样易造成路段划分结果对养护措施选择的指导缺乏针对性。国内的研究相对较晚，研究方法较单一，且很多聚类方法并没有考虑路段划分结果连续性这一限制条件。虽然部分研究者已经认识到道路状况1km简单的平均值在一定程度上削弱了原始实测工作的具体性和细致性，但是由于没有全面的掌握现有检测数据的内容，仍采用1km均值代表100m值作为划分路段的最小单元，这一方面使得养护划分结果受制于每公里路面状况均值的限制，另一方面与我国养护实践案例中养护路段长度精确到米是不符的。

综上，现有的研究方法大多使用定期检测数据(定期检测的频率为一年一次或者两年一次(抗滑性能))进行道路状况(对1km检测数据进行平均)聚类，该方法不能区别路面状况类似但主导病害不同的路段，且平均后的1km的检测数据会优化道路状况，更重要的现有方法忽略了日常巡查数据(日常巡查数据的检测频率为一天一次，可以反映道路病害从出现到维修的时间发展序列、病害在不同阶段的特征、小修保养的历史情况(时间、措施、使用期限(效果))等，对于后期病害成因的判断、病害频发路段的判断、病害处治措施的选择等具有重要的参考意义)对养护路段划分的作用。因而，有必要对现有检测数据(日常巡查数据、定期检测检测、专项检测数据)进行挖掘，辅助自动化技术和科学合理的算法，获得科学、合理的路段划分结果是必要的也是可行的。

发明内容

本发明的目的在于克服上述现有技术缺点，提供一种基于多源检测数据的养护路段划分方法。

为解决上述问题，本发明采取的技术方案为：包括以下步骤：

1)、基于定期检测数据划分养护路段

根据定期检测数据中采集到的养护路段路面属性值，同时考虑最短施工长度和结构物障碍的约束，得到不同分类数下的养护路段最佳分界点，将养护路段路面属性值相同的划分为一类，得到相同类的路面属性分类；

2)、基于养护资金确定最佳分类数

根据相同类的路面属性分类，计算每种路面属性分类对应的养护费用，依据养护费用和路面属性的对应关系，获取最佳分类数；

3)、基于日常巡查数据提高路段划分针对性

在基于定期检测数据划分养护路段的基础上，根据日常巡查数据检测到的道路局部特征数据将路面属性相同路段中的道路局部特征相同的养护路路段划分为一类，最终获得路面属性相似和道路局部特征相近的路段划分结果。

利用Mat lab编程模拟构建基于约束的有序聚类法有序聚类的方法对路段进行划分。

所述的有序聚类的方法包括以下步骤：

A)、导入p个定期检测数据中养护路段路面属性值指标构成有序样本集X：

$X=\left[\begin{array}{ccc}{x}_{11}& x_{12}L& x_{1p}\\ x_{21}& x_{22}L& x_{2p}\\ M& M& M\\ x_{n1}& x_{n2}L& x_{\mathrm{np}}\end{array}\right]$

式中x_il——为取自有序样本集X的样本值，i＝1,2,...n；l＝1,2,....p；

n——有序样本集X的样本数；

p——特征指标数；

B)、计算类内距离

设有序样本集X＝{x₁,x₂,...x_n}，定义G_ij＝{x_i,x_i+1,...,x_j}(i≤j)是一类，类G_ij的类内距离为：

$D_{\mathrm{ij}}=\underset{k=i}{\overset{j}{\mathrm{\Σ}}}{(x_k-{\stackrel{\‾}{x}}_{\mathrm{ij}})}^T(x_k-{\stackrel{\‾}{x}}_{\mathrm{ij}})---\left(1\right)$

其中 为类内的平均值，D_ij为类内距离，x_k属于有序样本集X；

当有序样本集X是p维向量，根据公式得到p维向量样本间的类内距离矩阵，公式如下：

$D_{\mathrm{ij}}=\underset{k=i}{\overset{j}{\mathrm{\Σ}}}\underset{l=1}{\overset{p}{\mathrm{\Σ}}}{(x_{\mathrm{lk}}-{\stackrel{\‾}{x}}_{l\left(\mathrm{ij}\right)})}^T(x_{\mathrm{kl}}-{\stackrel{\‾}{x}}_{l\left(\mathrm{ij}\right)})---\left(2\right)$

其中，l＝1,2,....p，i+10≤j，x_kl为有序样本，为类内平均值；

C)、计算损失函数

从有序样本集X中取出n个样本，并将该n个样本分成k类，得到样本：

记为p(n,k)，定义其损失函数为：

$L\left[p(n,k)\right]=\underset{t=1}{\overset{k}{\mathrm{\Σ}}}D(i_t,i_{t+1}-1)---\left(3\right)$

固定n和k，计算当L[p(n,k)]最小时对应的分类k_x,该分类k_x即为所求得最佳分类数；

其中，L[p(n,k)]表示各类的类内变差总和，i_t，i_t+1均取自有序样本集X，k_x取自k。

所述的道路局部特征数据包括路段的病害类型、路段的病害位置、路段的病害严重程度以及路段病害养护历史；

所述的定期检测数据中的路面属性值包括路面状况指数PCI、路面行驶质量指数RQI、车辙深度指数RDI、抗滑性能指数SRI和路面结构强度指数PSSI。

所述的日常巡查数据检测数据采集频率为一天一次；所述的定期检测数据的检测数据采集频率为一年一次。

所述的病害类型包括横向裂缝和车辙。

所述的横向裂缝分为温缩裂缝和反射裂缝，车辙分为流动性车辙、压密性车辙和结构性车辙。

横向裂缝采用灌缝方式修补，修补后采取薄层罩面。

车辙的养护方式为微表处填补车辙、NovaChip薄层罩面、开膛式和铣刨加铺。

所述的结构物障碍包括管辖区域、桥梁、隧道、不同路面结构和不同车道的障碍；所述的最短施工长度≥100m。

与现有技术相比，本发明具有以下有益效果：本发明依据定期检测数据和日常巡查数据，选用分步的方法划养护路路段，根据定期检测数据将路面属性相同的划分为一分类，再确定相同类属性的路面所需的养护资金，获取最佳分类数，通过分析日常巡查数据最终获得路面属性相似和道路局部特征相近的路段划分结果，指导养护措施的选择，解决目前基于定期检测数据的养护路段划分不能区别路面状况类似但主导病害不同的路段的缺陷。

附图说明

图1为本发明的流程图；

图2为本发明的多源检测数据库图；

图3为本发明的有序聚类分割示意图；

图4为本发明的有序聚类算法流程图；

图5为本发明实例中分类数对养护费用的影响图；

图6为本发明实例中A区域路段划分的结果；

图7为本发明实例中B区域路段划分的结果。

具体实施方式

以下结合附图对本发明做进一步详细说明：

参见图1至图7，本发明包括以下步骤：

1)、基于定期检测数据划分养护路段

根据定期检测数据中采集到的养护路段路面属性值路面状况指数PCI、路面行驶质量指数RQI、车辙深度指数RDI、抗滑性能指数SRI和路面结构强度指数PSSI，将最短施工长度限制为100m管辖区域、桥梁、隧道、不同路面结构和不同车道障碍的约束，利用Mat lab编程模拟构建基于约束的有序聚类法有序聚类的方法对路段进行划分，得到不同分类数下的养护路段最佳分界点，将养护路段路面属性值相同的划分为一类，得到相同类的路面属性分类；

2)、基于养护资金确定最佳分类数

根据相同类的路面属性分类，计算每种路面属性分类对应的养护费用，依据养护费用和路面属性的对应关系，获取最佳分类数；

3)、基于日常巡查数据提高路段划分针对性

在基于定期检测数据划分养护路段的基础上，根据日常巡查数据检测到的路段的病害类型、路段的病害位置、路段的病害严重程度以及路段病害养护历史；将路面属性相同路段中的病害类型、路段的病害位置、路段的病害严重程度以及路段病害养护历史相同的养护路路段划分为一类，最终获得路面属性相似和道路局部特征相近的路段划分结果。

有序聚类的方法包括以下步骤：

A)、导入p个定期检测数据中养护路段路面属性值指标构成样本集X：

$X=\left[\begin{array}{ccc}{x}_{11}& x_{12}L& x_{1p}\\ x_{21}& x_{22}L& x_{2p}\\ M& M& M\\ x_{n1}& x_{n2}L& x_{\mathrm{np}}\end{array}\right]$

式中x_il——为取自有序样本集X的样本值，i＝1,2,...n；l＝1,2,....p；

n——有序样本集X的样本数；

p——特征指标数；

B)、计算类内距离

设有序样本集X＝{x₁,x₂,...x_n}，定义G_ij＝{x_i,x_i+1,...,x_j}(i≤j)是一类，类G_ij的类内距离为：

$D_{\mathrm{ij}}=\underset{k=i}{\overset{j}{\mathrm{\Σ}}}{(x_k-{\stackrel{\‾}{x}}_{\mathrm{ij}})}^T(x_k-{\stackrel{\‾}{x}}_{\mathrm{ij}})---\left(1\right)$

其中 为类内的平均值，D_ij为类内距离，x_k属于有序样本集X。

当有序样本集X是p维向量，根据公式得到p维向量样本间的类内距离矩阵，公式如下：

$D_{\mathrm{ij}}=\underset{k=i}{\overset{j}{\mathrm{\Σ}}}\underset{l=1}{\overset{p}{\mathrm{\Σ}}}{(x_{\mathrm{lk}}-{\stackrel{\‾}{x}}_{l\left(\mathrm{ij}\right)})}^T(x_{\mathrm{kl}}-{\stackrel{\‾}{x}}_{l\left(\mathrm{ij}\right)})---\left(2\right)$

其中，l＝1,2,....p，i+10≤j，x_kl为有序样本，为类内的平均值。

C)、计算损失函数

从有序样本集X中取出n个样本，并将该n个样本分成k类，得到样本：

即记为p(n,k)，定义其损失函数为：

$L\left[p(n,k)\right]=\underset{t=1}{\overset{k}{\mathrm{\Σ}}}D(i_t,i_{t+1}-1)---\left(3\right)$

固定n和k，计算当L[p(n,k)]最小时对应的分类k_x,该分类k_x即为所求得最佳分类数；L[p(n,k)]越小，表示分类越合理。

本发明中日常巡查数据检测数据采集频率为一天一次；所述的定期检测数据的检测数据采集频率为一年一次。

本发明中的病害类型包括横向裂缝和车辙，但不限于横向裂缝和车辙。但本发明在实际的应用中，而应根据实际道路状况而定具体是哪种病害类型。横向裂缝分为温缩裂缝和反射裂缝，车辙分为流动性车辙、压密性车辙和结构性车辙。横向裂缝采用灌缝方式修补，修补后采取薄层罩面。车辙的养护方式包括微表处填补车辙、NovaChip薄层罩面、开膛式或铣刨加铺。

本发明是一个基于当前实际养护检测数据库进行的养护路段划分方法，其多源检测数据库的积累需要较长的时间，而且随着数据库的充实，划分方法越快、结果越可靠。该方法的重要前提是多源检测数据库中日常巡查数据、定期检测数据、专项检测数据的真实性和完整性，检测的越细致、数据越完整，划分的路段越能更好的服务于养护方案的制定，以利于节省养护资金。

如图2所示，多源检测数据库包括：日常巡查数据模块、定期检测数据模块、专项检测数据模块。检测数据采集频率对应的有一天一次、一年一次、和无固定频率据养护需要制定。

日常巡查数据采集的数据类型为病害类型、病害位置、病害严重程度以及病害养护历史；

定期检测数据采集的数据类型为PCI、RQI、RDI、SRI以及PSSI；

专项检测数据模块的数据类型为路面状况指标、结构内部状况、旧路材料性能、排水状况。

实施例：

本发明以陕西省某高速公路部分路段2012年6月份的定期检测结果和日常巡查资料为例，1)日常巡查数据模块通过搜集该路段2011年和2012年上半年的日常巡查记录表，总结路段不同病害的出现频率、位置、维修历史等，汇整2012年6月不同里程处的主导病害，辅助养护区段选取具有针对性的养护措施。由于日常巡查记录方式不完善，仅能够获得道路的主导病害类型，缺少病害严重程度。2)定期检测数据模块可以根据年检获得每公里PSSI、PCI、RQI、RDI、SRI的值，以及十米平整度、十米车辙和十米路面破损值，由于收集的资料有限，缺少20m的路面抗滑和10m路面弯沉值。根据路况的调查发现，该路段的路面结构强度指数为优的比例为100％，但是路面抗滑指数的优良率为97.8％，本实例选用均公里路面抗滑性能指数相同(SRI＝80)的路段，并假设每十米SRI值均为80，从而避免抗滑对聚类结果的影响。其中，K1757+000-K1757+800为桥梁路段。该路段没有进行专项检测。

定期检测数据中，路面结构强度(PSSI)为抽样评定指标，是用于评判大修的标准，在路面技术状况标准中单独计算与评定，不作为路段划分的指标。本发明选用PCI、RQI、RDI和SRI，而不选用综合指标PQI(PQI＝0.35×PCI+0.4×RQI+0.15×RDI+0.1×SRI)，是因为PCI、RQI、RDI和SRI分别代表路面的不同属性，PCI、RQI、RDI、SRI不同的路面单元，其对应的PQI可能相同，因此不选用综合指标。鉴于实例中缺少SRI的数据，且假定的SRI每10m的值均为80，因此在聚类方法应用中，仅采用PCI、RQI和RDI。

现结合图1说明养护路段划分流程。主要分为三个步骤，1)基于定期检测数据划分路段2)基于养护资金确定最佳分类数3)基于日常巡查数据提高路段划分针对性。

1)、基于定期检测数据划分路段

(1)基于约束的有序聚类法(Fisher法)进行路段划分；

①参见图3和图4，以n km为路段单元，采用p个指标构成样本集X：

$X=\left[\begin{array}{ccc}{x}_{11}& x_{12}L& x_{1p}\\ x_{21}& x_{22}L& x_{2p}\\ M& M& M\\ x_{n1}& x_{n2}L& x_{\mathrm{np}}\end{array}\right]$

式中x_il——样本值，i＝1,2,...n；l＝1,2,....p；

n——样本数；

p——特征指标数。

②计算类内距离

设有序样本x₁,x₂,...x_n，定义G_ij＝{x_i,x_i+1,...,x_j}(i≤j)是一类，类G_ij的类内距离(直径)为：

$D_{\mathrm{ij}}=\underset{k=i}{\overset{j}{\mathrm{\Σ}}}{(x_k-{\stackrel{\‾}{x}}_{\mathrm{ij}})}^T(x_k-{\stackrel{\‾}{x}}_{\mathrm{ij}})---\left(1\right)$

其中 为类内的平均值，D_ij为类内距离。

如果样本是p维向量，那么需要计算p维向量样本间的类内距离矩阵，公式如下：

$D_{\mathrm{ij}}=\underset{k=i}{\overset{j}{\mathrm{\Σ}}}\underset{l=1}{\overset{p}{\mathrm{\Σ}}}{(x_{\mathrm{kl}}-\stackrel{\‾}{x}l\left(\mathrm{ij}\right))}^T(x_{\mathrm{kl}}-\stackrel{\‾}{x}l\left(\mathrm{ij}\right))---\left(2\right)$

其中，l＝1,2,....p，i+10≤j，x_kl为有序样本，为类内平均值。

③计算损失函数

如果将n个样本分为k类，也即在原有顺序结构上分成k段，即记为p(n,k)。定义其目标函数(损失函数)为：

$L\left[p(n,k)\right]=\underset{t=1}{\overset{k}{\mathrm{\Σ}}}D(i_t,i_{t+1}-1)---\left(3\right)$

当n和k固定时，L[p(n,k)]越小，表示各类的类内变差总和最小，分类越合理。因此所求的分类应使得分类目标函数达到最小值。

(2)考虑约束条件的限制

①最短施工长度

目前路段的评价为每公里的均值，但是这种方法可能会“优化”路面状况，如下表所示，K1752+000-K1753+000的均值为82.93，根据公路技术状况评价标准，评价为良，仅需要日常小修保养；但是通过十米车辙数据可以发现，其中K1752+370-K1752+560段的车辙深度评价连续为中，需要中修。

表1 “优化”路面性能示例

因此，本实例选择十米检测值作为样本值，避免遗漏需要维修的养护路段。但是一线工作人员了解到，从工程实际的角度出发，最小养护路段最好控制的100m以上，当然也会出现小于100m的养护路段。因此为了使路段的划分结果控制在100m以上，需要限定类内的样本值大于等于10，即将式(2)中的条件限制为：i+10≤j，不满足该条件的样本距离设为该样本集距离最大值的10倍，从而保证距离小于等于10的类对应的损失函数不是最小。

②结构物限制

根据工程人员的建议，鉴于结构物和不同路面结构等的养护措施不同，而管理所仅仅负责所辖区域的路段，因此养护路段应该受管辖区域、桥梁、隧道、不同路面结构和不同车道等分界点的限制。本发明所选路段属于同一个管理所的辖区，因此仅需设置结构物分界点。具体步骤为：首先将路段划分为不同的区域，然后在每个区域中进行分段。

(3)通过基于约束的有序聚类方法，设定不同的分类数k，可以得到不同分类数情况下路段的最佳分界点，结果如表2。

表2 聚类分界点

2)基于养护资金确定最佳分类数

从表2可以看出，不同的分类数分别对应最佳的分段方式。但是如何确定哪种分类数能够获得最佳的路段划分方法是需要研究的。路段划分是养护设计科学合理化的一个重要环节，其目的是节约养护资金，因此，从养护费用的角度判断最优分类数是合理的。

本实例根据十米的PCI、RQI和RDI数据，以及设定的每十米SRI值(80)，计算十米PQI，其中：

PQI＝0.35×PCI+0.4×RQI+0.15×RDI+0.1×SRI

再根据不同的分类情况，对计算每段PQI的平均值，依据PQI和养护平均费用COST的对应关系(如表3)，计算每种分类对应的养护费用，其中养护面积按照单车道3.75m计算。

表3 综合评价指标PQI和养护维修平均费用COST关系表

PQI	费用(元/m2)
		0～10	119.25
10～20	116.35
		20～30	110.25
30～40	104.45
		40～50	91
50～60	51.65
		60～70	24.45
70～80	0.7
		80～100	0

以B区域为例，最终不同分类数对养护费用的影响如图5所示：

从图5可以看出，当分类数为4的时候，所需的养护费用最少，因此B区域的最佳分割为四类，结果如图7。从图中可以看出，路段问的分界点亦是路面性能趋势的变化点，该方法将路面性能指数相近的路段归为一类，划分后路段平均值能够较准确的代表道路的真实状况，且对相似的路面状况采取相同的养护措施可以节约养护资金。同样地，根据养护费用最少的方法可得A区域的最佳分类数为3，划分结果见图6。

3)基于日常巡查数据提高路段划分针对性

在基于定期检测数据划分结果的基础上，根据日常巡查数据中主导病害类型对每段进一步区分。由于缺少病害严重程度(仅能通过RDI获得车辙深度值)，无法将主导病害类型转换为数据格式，因此本实例仅对该思想进行示例说明。

以A区域的第Ⅲ段为例，从图6可以看出，Ⅲ段内路面PCI、RQI、RDI在K1756+270‐K1757+000内的变化趋势一致，且浮动较小。但是根据实地调查以及日常巡查的记录发现，该段内路面的实际病害特征如下：

①K1756+270‐K1756+820路段的病害有横向裂缝、车辙和修补，其中车辙的深度较小，5mm左右，修补面积也较少，主要病害为横向裂缝。

②K1756+820‐K1757+000路段病害以车辙为主，同时包含部分裂缝和修补，车辙深度大于10mm。

如果需要进行养护，那么这两个区段的养护措施可能会不同。因为横向裂缝主要分为温缩裂缝和反射裂缝，裂缝的处治措施主要为灌缝，对于大面积的裂缝，灌缝后采取薄层罩面的措施。而车辙分为流动性车辙、压密性车辙和结构性车辙，不同原因的车辙处治方法也不同，如微表处填补车辙或者NovaChip薄层罩面，开膛式，铣刨加铺等。因此，需要对A区域的第三段进一步划分，从而养护措施选择时更具针对性。

Claims (10)

1.一种基于多源检测数据的养护路段划分方法，其特征在于：包括以下步骤：

1)、基于定期检测数据划分养护路段

根据定期检测数据中采集到的养护路段路面属性值，同时考虑最短施工长度和结构物障碍的约束，得到不同分类数下的养护路段最佳分界点，将养护路段路面属性值相同的划分为一类，得到相同类的路面属性分类；

2)、基于养护资金确定最佳分类数

根据相同类的路面属性分类，计算每种路面属性分类对应的养护费用，依据养护费用和路面属性的对应关系，获取最佳分类数；

3)、基于日常巡查数据提高路段划分针对性

在基于定期检测数据划分养护路段的基础上，根据日常巡查数据检测到的道路局部特征数据将路面属性相同路段中的道路局部特征相同的养护路路段划分为一类，最终获得路面属性相似和道路局部特征相近的路段划分结果。

2.根据权利要求1所述的一种基于多源检测数据的养护路段划分方法，其特征在于：利用Mat lab编程模拟构建基于约束的有序聚类法有序聚类的方法对路段进行划分。

3.根据权利要求2所述的一种基于多源检测数据的养护路段划分方法，其特征在于：所述的有序聚类的方法包括以下步骤：

A)、导入p个定期检测数据中养护路段路面属性值指标构成有序样本集X：

$X=\left[\begin{array}{ccc}{x}_{11}& x_{12}L& x_{1p}\\ x_{21}& x_{22}L& x_{2p}\\ M& M& M\\ x_{n1}& x_{n2}L& x_{\mathrm{np}}\end{array}\right]$

其中，L[p(n,k)]表示各类的类内变差总和，i_t，i_t+1均取自有序样本集X，k_x取自k。

4.根据权利要求1所述的一种基于多源检测数据的养护路段划分方法，其特征在于：所述的道路局部特征数据包括路段的病害类型、路段的病害位置、路段的病害严重程度以及路段病害养护历史；

所述的定期检测数据中的路面属性值包括路面状况指数PCI、路面行驶质量指数RQI、车辙深度指数RDI、抗滑性能指数SRI和路面结构强度指数PSSI。

5.根据权利要求4所述的一种基于多源检测数据的养护路段划分方法，其特征在于：所述的日常巡查数据检测数据采集频率为一天一次；所述的定期检测数据的检测数据采集频率为一年一次。

6.根据权利要求4所述的一种基于多源检测数据的养护路段划分方法，其特征在于：所述的病害类型包括横向裂缝和车辙。

7.根据权利要求6所述的一种基于多源检测数据的养护路段划分方法，其特征在于：所述的横向裂缝分为温缩裂缝和反射裂缝，车辙分为流动性车辙、压密性车辙和结构性车辙。

8.根据权利要求7所述的一种基于多源检测数据的养护路段划分方法，其特征在于：横向裂缝采用灌缝方式修补，修补后采取薄层罩面。

9.根据权利要求4所述的一种基于多源检测数据的养护路段划分方法，其特征在于：车辙的养护方式为微表处填补车辙、NovaChip薄层罩面、开膛式和铣刨加铺。

10.根据权利要求1所述的一种基于多源检测数据的养护路段划分方法，其特征在于：所述的结构物障碍包括管辖区域、桥梁、隧道、不同路面结构和不同车道的障碍；所述的最短施工长度≥100m。