CN105696447B - 一种沥青路面车辙钻芯取样位置确定方法 - Google Patents
一种沥青路面车辙钻芯取样位置确定方法 Download PDFInfo
- Publication number
- CN105696447B CN105696447B CN201610251545.9A CN201610251545A CN105696447B CN 105696447 B CN105696447 B CN 105696447B CN 201610251545 A CN201610251545 A CN 201610251545A CN 105696447 B CN105696447 B CN 105696447B
- Authority
- CN
- China
- Prior art keywords
- mrow
- rut
- msub
- section
- point
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Road Repair (AREA)
- Road Paving Structures (AREA)
Abstract
本发明公开了一种沥青路面车辙钻芯取样位置确定方法，本发明以具体量化的方法为钻芯位置准确、合理的确定提供了一套系统化理论，为其程序化的选择提供了基本流程；同时这一流程为进一步探讨车辙破坏特征信息及发展规律奠定了基础，对提高路面车辙养护检测质量及提高车辙破坏养护寿命具有十分重要的意义，有益于进一步挖掘多源数据进行智能化养护系统的开发。
Description
【技术领域】
本发明属于沥青路面病害检测领域，具体涉及一种沥青路面车辙钻芯取样位置确定方法。
【背景技术】
车辙是在与时间有关的荷载因素和气候因素共同作用下，轮迹带处逐渐产生凹陷并形成纵向的辙槽，《公路技术状况评定标准》中定义车辙深度大于10mm。是沥青路面主要病害之一，它不仅直接影响行车的舒适性和安全性，还严重影响路面质量及使用寿命。路面养护设计时为了准确掌握车辙破坏成因、破坏层位、结构层间粘结状况等，需要对车辙进行钻芯取样，通过分析芯样的厚度变化、破损变化、层间粘结强度等，确定车辙路段铣刨深度和养护技术。车辙路段钻芯取样是全面掌握车辙破坏特征的有效手段，是路面养护设计的重要依据，对提升路面养护寿命具有重要意义。
利用钻芯取样识别车辙的破坏层位及成因具有直观性、高可靠性，长期以来一直是国内外养护设计与车辙破坏研究最常用、最权威的方法。但是，由于钻芯属于有损检测的范畴，会对路面整体性造成损伤；同时钻芯试坑回填要求较高，处置不好会留下质量隐患，造成大面积二次破坏；另外，该方法费时、费力且不宜大范围、高频率应用。因此，准确合理地选择钻芯位置以代表某段公路车辙的破坏特性，对车辙破坏特征信息的提取至关重要。
目前国内对于车辙钻芯主要依据《公路沥青路面大中修养护设计规范--征求意见稿》，《征求意见稿》中对严重病害的车辙钻芯位置做了如下说明：“对于严重车辙病害，应对病害位置车辙最深处、隆起处及路肩处分别钻芯，深度达到基层”。现行《征求意见稿》中只是根据路面病害的类型严重程度选择取样的位置及数量，并建议了严重车辙横断面上的取样位置。并没有考虑不同车辙破坏类型随时间的变化规律，没有考虑车辙的纵向连续变化特性，没有考虑车辙路段伴随病害对车辙部位危害；因此，无法合理、准确地确定车辙路段的钻芯位置与优先顺序，在实际应用过程中常出现钻取的车辙芯样无法反映车辙破坏特征，过多的钻芯取样破坏路面的完整性，影响路面使用寿命。因此，当前迫切需要解决的一个技术问题是确定车辙路段钻芯位置确定与优先排序方法。
【发明内容】
本发明的目的在于克服上述不足，提供一种沥青路面车辙钻芯取样位置确定方法，该方法能够准确、快速的确定车辙钻芯位置，所选断面可全面反映车辙破坏特征信息，并对钻芯位置按照风险等级进行优先排序。
为了达到上述目的，本发明包括以下步骤：
步骤一，通过定期检测数据定位路段内不同位置车辙的起终点，初步提取重级车辙点；
步骤二，根据车辙断面正负面积比值进行聚类分析得到独立车辙点的类型分布与风险等级，进一步根据类型划分车辙段；
步骤三，根据日常巡查数据结合定期检测数据对各段车辙深度发展平均速率特征指标进行计算，对发展速率所造成的病害破坏程度进行风险对比；
步骤四，通过定期检测数据观察不同断面车辙深度发展速率考察车辙纵向变化特性，确定某段车辙不同断面的深度发展快慢与严重程度，初步确定钻芯位置；
步骤五，根据日常巡查记录综合考虑，结合伴随病害类型具体确定车辙钻芯位置。
所述步骤一中，初步提取重级车辙点采用交叉单位元聚合的方法，过程如下：
第一步，以单位间距的三个相邻桩号为一个单位元，前一个单位元的中间桩作为下一个单位元的起始桩；
第二步，从路段的最小桩号开始第一个重级车辙点对应的桩号即为第一个单位元的起始桩，若单位元中有至少两个桩的深度都对应为重级车辙点，则将其存储并识别，接着从后一个单位元开始判断，若只有一个或没有重级车辙点，则停止识别，此时只有三个桩号被存储识别，若有至少两个重级车辙点，则继续识别，此时有四个桩号被存储识别，依次下去，直到出现只有一个重级车辙点的单位元终止，并剔除最后一个不为重级车辙点的桩号，将剔除后得到的有序桩号组编号并存储；
第三步，在路段上按顺序重复第二步的操作，可以得到一系列有序桩号组，对相邻桩号组进行交叉合并，若两相邻组之间的桩号个数为2，则对相邻组合并成为重级车辙段；
第四步，若两相邻组之间的桩号个数超过2，则不进行合并，但需判断每组的桩号组成个数是否小于四个，若小于说明最小长度不够三个单位间距，则将其剔除，否则作为独立的车辙段存储。
所述步骤二中，车辙断面正负面积比值进行聚类分析的过程如下：
第一步，构建车辙样本集；首先通过定期检测得到的车辙断面构建13点激光高程曲线，道路基准线之上路面上表面之下为正面积，道路基准线之下路面下表面之上为负面积，按照积分中的三角形定理和梯形定理，对每个三角形和梯形进行求和，计算车辙正负面积，公式如下，累积后分别计算图形的正总面积S(+)负总面积S(+)；
S＝Area三角形+Area梯形 (3)
采用数学中模糊聚类的思想，对有效车辙点的车辙横断面，以向量的形式，进行车辙样本集的构建：
记作{X1,X2,X3，……,Xn}T，其中，{Xi1,Xi2,Xi3,……,Xim}代表第i(1≤i≤n)个点在第m年的特征参数即上文所提的正负面积比(xik＝s+/s-)，i对应有效车辙点的桩号，按照从小到大的顺序一一对应。
第二步，车辙样本点数据标准化；按照公式(4)对样本集中每列数据进行标准化设置，其中，1≤k≤m；
第三步，采用贴近度法建立模糊相似矩阵，
第四步，采用平方自合成法构造模糊等价矩阵，
根据步骤第三步所得的模糊相似矩阵R进行运算，
计算R2＝R·R，R4＝R2·R2,,……，直到Rn＝Rn/2·Rn/2
即得到模糊等价矩阵P＝Rn，该矩阵的特点为：
第五步，聚类分布与风险排序；
选取适当的置信水平λ，0≤λ≤1，进行模糊分类，则得到P的λ截动态矩阵P_((λ))，规定：
所述步骤二中，独立车辙点风险等级采用车辙段速率偏差性分析得出，步骤如下：
统计各段车辙月平均速率发展情况，得到以月份为横坐标，月平均速率为纵坐标的折线图，将各月的平均速率与12个月的年平均速率对比，得出平均速率与年平均速率相差较大的月份，据此进行各车辙段的速率偏差分析，对同类车辙下，偏差性更强的车辙段划分为较为危险的等级,取速度的偏差系数r作为车辙速率偏差性分析指标，偏差系数越大的，偏差性越强，偏差系数r计算如下：
vm是高于年平均日发展速率的月份的平均发展速率；
是12个月的月平均日发展速率的均值；
σ是12个月的月平均日发展速率标准差；
计算各段车辙的速率偏差系数，进行重级车辙段的风险排序。
所述步骤三中，车辙深度发展平均速率通过以下方法得出：
根据近n年的定期检测数据，得到各车辙段上纵向10m为单位的车辙点每年的深度d1,d2,…,di,dj,…,dn，并计算年平均增长率记作gij,相邻年平均增长率的差值D，等效年平均增长速率g，具体说明如下：
(1+g)n-1＝(1+g12)·(1+g23)·...·(1+gij)·(1+g(n-1)n) (12)
D＝gjk-gij (13)
得到n-2个D的数据统计其正负频率分析增长趋势：
若D(+)＞50％，则为剧烈增长，记作+；
若D(-)＞50％，则为缓慢增长，记作-；
若二者基本相等，则为稳定增长，记作0；
按照等效g从大到小进行排序，并优先选择发展较深与剧烈增长的点。
所述步骤三中，对发展速率所造成的病害破坏程度进行风险对比通过以下方法得出，根据步骤一采集的定期检测数据和重级车辙点，绘制伴随病害在车辙分布示意图。
所述步骤五中，确定车辙钻芯位置是根据车辙段速率偏差、车辙年增长率和伴随病害点进行排序，从而确定车辙钻芯位置。
与现有技术相比，本发明以具体量化的方法为钻芯位置准确、合理的确定提供了一套系统化理论，为其程序化的选择提供了基本流程；同时这一流程为进一步探讨车辙破坏特征信息及发展规律奠定了基础，对提高路面车辙养护检测质量及提高车辙破坏养护寿命具有十分重要的意义，有益于进一步挖掘多源数据进行智能化养护系统的开发。
【附图说明】
图1为本发明的流程图；
图2为本发明车辙段初步划分示意图；
图3为本发明交叉单位元聚合示意图；
图4为本发明定期检测得到的13点激光断面及车辙正负面积示意图；
图5为本发明模糊聚类动态谱系图；
图6为本发明独立车辙点聚类分布图；
图7为本发明车辙发展速率折线图；
图8为本发明车辙伴随病害分布示意图。
【具体实施方式】
下面结合附图和实施例对本发明做进一步说明。
实施例以1km的某高速路段为例。
实施例：
(1)定期检测数据
我国《公路技术状况评定标准》规定定期检测的频率为一年一次，检测车辙的仪器为智能道路综合检测车。定期检测精度精细，可以获得车辙断面的13点激光高程曲线，如图3所示。从下表1可以看到，可以检测到最小单元为10m的左右辙槽车辙深度数据，代表车辙为左右车辙中深度大的车辙。
表1车辙定期检测数据
该车辆还可通过图像识别技术获取更为详细的路面病害信息，如下表2。
表2沥青表面破损
(2)日常巡查数据
我国《公路沥青路面养护技术规范》规定日常巡查的频率为一天一次，但是考虑到易发病害的周期为3-7天，因此日常巡查的频率降低为一周一至两次。日常巡查一般以人工观测为主，记录车辙深度。
一、基于定期检测数据的车辙段初划分；
(1)代表车辙点纵向变化
根据10m代表车辙数据绘制车辙深度(y)与桩号(x)折线图，如图2所示。同时根据我国交通部发布的《公路技术状况评定标准》对车辙严重程度的定义：规定“车辙深度为10-15mm的车辙为轻级车辙，深度大于15mm的车辙为重级车辙”。由于我国标准中并没有对车辙最小长度进行定义，根据AASHTO标准车辙最小长度定义为100ft(30.48m)，本发明定义车辙最小长度为30m，我国对车辙深度大于15mm的重车辙进行养护。
因而，对连续车辙段内，深度大于15mm的车辙横断面进行聚集，且聚集后的最小长度满足30m的标准。该过程即重级车辙段的初划分，具体步骤包括重级车辙组的初步识别与重级车辙段的初步识别。
(2)重级车辙组的初步识别
本发明基于最小深度与长度的要求对重级车辙对应桩号进行有序聚合，提出交叉单位元聚合的方法(如图3所示)，识别过程说明如下：
i.以10m单位间距的三个相邻桩号为一个单位元，前一个单位元的中间桩作为下一个单位元的起始桩；
ii.从路段的最小桩号开始第一个重级车辙点对应的桩号即为第一个单位元的起始桩，若单位元中有至少两个桩的深度都对应为重级车辙点，则将其存储并识别，接着从后一个单位元开始判断，若只有一个或没有重级车辙点，则停止识别，此时只有三个桩号被存储识别，若有至少两个重级车辙点，则继续识别，此时有4个桩号被存储识别，依次下去，直到出现只有一个重级车辙点的单位元终止，并剔除最后一个不为重级车辙点的桩号，将剔除后得到的有序桩号组编号并存储。
(3)重级车辙段的初步识别
iii.在路段上按顺序重复ⅱ的操作，可以得到一系列有序桩号组，对相邻桩号组进行交叉合并(组1和组2，组2和组3均为相邻组)：若两相邻组之间的桩号个数为2，则对相邻组合并成为重级车辙段；
iv.若两相邻组之间的桩号个数超过2，则不进行合并，但需判断每组的桩号组成个数是否小于4个，若小于说明最小长度不够30m，则将其剔除，否则作为独立的车辙段存储。
进行上述流程，可以得到本例的重级车辙段初步识别为4段如图2所示，可以确定每个重级车辙段的起讫点，各组起讫点及其包含的点记作独立车辙点。
二、基于定期检测数据的车辙模糊聚类分析；
(1)构建车辙样本集；
车辙呈带状分布，一般在横断面的形态由下陷的凹槽和上移的隆起组成。这时，道路基准线与路面表面之间所围成的面积也发生变化。如图4所示，这是定期检测得到的车辙断面的13点激光高程曲线，道路基准线之上路面上表面之下为正面积，道路基准线之下路面下表面之上为负面积。
按照积分中的三角形定理和梯形定理(如图4所示)，对每个三角形和梯形进行求和，计算车辙正负面积。公式如下，累积后分别计算图形的正总面积S(+)负总面积S(-)。
S＝Area三角形+Area梯形 (3)
不同类型，不同成因，不同发展的车辙会有不同的正负面积形态，对应有不同的正负面积比例分布，由于无法排除车辙段的变异性与不均匀性，不能直接对初步确定的重级车辙段求平均值考虑，因此需要对车辙段中的车辙点进行聚类分析，得到主要的车辙类型分布，进行车辙段的风险等级排序，一般来说，当正负面积比趋于0时，有可能是压密车辙；等于0时，路基或软弱路基产生车辙的可能性较大，趋于1时，面层失稳或磨耗车辙的可能性较大；然而直接以这样的分类标准分类并不明确，并且难以界定落于分类区间内的一些数据，同时判断标准过于绝对单一，缺乏相对参照。
本发明为了克服以上缺点，采用数学中模糊聚类的思想，对有效车辙点的车辙横断面，以向量的形式，进行车辙样本集的构建：
记作{X1,X2,X3，……,Xn}T；
其中{Xi1,Xi2,Xi3,……,Xim}代表第i(1≤i≤n)个点在第m年的特征参数即上文所提的正负面积比(xik＝s+/s-)；
i对应有效车辙点的桩号，按照从小到大的顺序一一对应；该分类不同于以往的硬性分类，限定分类数目，而是一种软分类方法，拥有较高的精确度和自由度，更加能反映车辙的发展规律，可以方便对某一点或某一类点进行数据分析的追踪。
车辙样本点数据标准化
(2)按照公式(4)对样本集中每列数据进行标准化设置(1≤k≤m)
(3)建立模糊相似矩阵——贴近度法
(4)构造模糊等价矩阵——平方自合成法
根据(3)所得的模糊相似矩阵R进行运算
计算R2＝R·R，R4＝R2·R2,……，直到Rn＝Rn/2·Rn/2
即得到模糊等价矩阵P＝Rn，该矩阵的特点为：
(5)聚类分布与风险排序
选取适当的置信水平λ(0≤λ≤1)进行模糊分类，则得到P的λ截动态矩阵P(λ)，规定：
据此进行模糊分类,特别说明，λ的取值根据实际情况而定，λ取值的减小，得到的分类由精细变得粗糙，分类数目愈来愈少，最终形成在空间上动态分布的，具有层次性的车辙样本点的聚类，形成聚类组库，根据不同的需要进行后期数据分析，一般来说，λ从大到小过程中，当其相邻取值差值较明显时，选择较大值作为置信水平，对本例运行程序得到独立车辙点的动态聚类图，由于数据量较大，选取部分样本点得到的聚类谱系图(如图5所示)，选取λ＝0.6时的聚类结果，则将独立车辙点基本分为4类，分别用A,B,C,D表示，同时根据分类结果在初步确定的重级车辙段的基础上，得到(如图6所示)基于车辙聚类的有序车辙段的聚合图，进一步根据类车辙确定重级车辙段的划分，例如针对图6所示的集中连续的聚合，车辙段2较长超过100m，中间有一段超过30m的长度其类型异于本段车辙，则可将其作为分隔带，将车辙段重新划分，原来的车辙段2拆分为车辙段2和车辙段3，后面序号依次增加，以此类推，最终划分为5段车辙段并得到表3的分析结果
表3车辙类型分布与类风险排序
根据车辙的聚类结果与最终划分的车辙段，对同段车辙的主车辙(百分比最大的类车辙)进行正负面积的均值计算，计算值越小时，表示该类车辙破坏越接近基层，车辙风险等级越大，钻芯必要性越强，应该优先考虑钻芯。其中，值为0时，是结构破坏，必须钻芯；值超过1时，若发展速率很慢，则可考虑不进行钻芯。
三、基于日常巡查数据的车辙段速率偏差性分析；
统计各段车辙月平均速率发展情况，得到以月份为横坐标，月平均速率为纵坐标的折线图(按相对比例显示)，将各月的平均速率与12个月的年平均速率对比(如图7所示为车辙段2的情况)，发现6,7,8等月份持续气温较高时，各月的平均速率与年平均速率相差较大，据此进行各车辙段的速率偏差分析，对同类车辙下，偏差性更强的车辙段划分为较为危险的等级,取速度的偏差系数r作为车辙速率偏差性分析指标，偏差系数越大的，偏差性越强，偏差系数r计算如下：
vm是高于年平均日发展速率的月份的平均发展速率
是12个月的月平均日发展速率的均值
σ是12个月的月平均日发展速率标准差
计算各段车辙的速率偏差系数，进行重级车辙段的风险排序如下表所示
表4车辙段速率偏差与段风险排序
四、基于定期检测数据的车辙点速率发展性分析；
根据近n年的定期检测数据，得到各车辙段上纵向10m为单位的车辙点每年的深度d1,d2,…,di,dj,…,dn，并计算年平均增长率记作gij,相邻年平均增长率的差值D，等效年平均增长速率g，具体说明如下
(1+g)n-1＝(1+g12)·(1+g23)·...·(1+gij)·(1+g(n-1)n) (12)
D＝gjk-gij (13)
得到n-2个D的数据统计其正负频率分析增长趋势：
若D(+)＞50％，则为剧烈增长，记作+；
若D(-)＞50％，则为缓慢增长，记作-；
若二者基本相等，则为稳定增长，记作0；
按照等效g从大到小进行排序，并优先选择发展较深与剧烈增长的点；
据此统计筛选得到表4中近三年的危险点年增长率风险分析。
表4车辙年增长率与有效车辙点风险排序
五、基于日常巡查数据车辙伴随病害风险等级确定；
车辙上通常伴随有纵向裂缝、坑槽等病害。在对车辙进行养护设计时，需对伴随病害的成因、发展层位等进行确定，以确定更为合理的养护技术。车辙部位的伴随病害会分两类：表面病害如：坑槽、龟裂；结构病害如：纵向裂缝、反射裂缝。表面病害的伴随出现不会加剧基层破坏及加速车辙发展；结构病害的产生会使得水进入基层或层间结构中，造成基层承载力不足或层间粘结强度降低，加速车辙发展。因此，对于结构病害需要掌握病害深及的层位，进行有效的处治，才能保证车辙维修后不会产生二次破坏。
根据车辙数据表1和沥青路面病害破损信息表2，绘制如图8所示的伴随病害在车辙分布示意图。图中车辙段5上有一条纵缝(桩号K4+830-K4+900)，同时伴随两处坑槽。参照下表伴随病害风险等级，确定钻芯位置。
表5伴随病害风险等级
六、基于多源数据的沥青路面车辙钻芯位置确定；
(1)综合上述步骤，可确定车辙钻芯位置及优先排序方法。得到如下表结论。
表6车辙钻芯位置优先序列表
从上表可以看到，A是必须钻芯聚类，B，C为优先考虑钻芯聚类，D为资金不足时可以不考虑钻芯的聚类；各自的钻芯优先顺序按照三个主要考虑的指标即车辙段速率偏差，车辙年增长率，伴随病害点的优先顺序进行排序。
根据聚类结果与指标的相对重要性，本发明定义的钻芯优先序列为：
A-1-1.1＞A-1-1.2＞A-1-1.3…＞A-1-2.1＞A-1-2.2…＞A-2-1.1…
＞B-1-1.1＞B-1-1.2＞B-1-1.3…＞B-1-2.1＞B-1-2.2…＞B-2-1.1…
＞C-1-1.1＞C-1-1.2＞C-1-1.3…＞C-1-2.1＞C-1-2.2…＞C-2-1.1…
＞＞D-1-1.1＞D-1-1.2＞D-1-1.3…＞D-1-2.1＞D-1-2.2…＞D-2-1.1…
(2)其中粗体部分为本例的钻芯优先顺序，是对每个指标最危险点的提取，对应于各自的起始桩号，确定相应的钻芯位置,即在各选取的起始桩号其后10m内上选择车辙辙槽底部与鼓起的封顶分别钻孔。特别说明当序列中的桩号有重合时，则考虑排在前的序列。
Claims (7)
1.一种沥青路面车辙钻芯取样位置确定方法，其特征在于，包括以下步骤：
步骤一，通过定期检测数据定位路段内不同位置车辙的起终点，初步提取重级车辙点；
步骤二，根据车辙断面正负面积比值进行聚类分析得到独立车辙点的类型分布与风险等级，进一步根据类型划分车辙段；
步骤三，根据日常巡查数据结合定期检测数据对各段车辙深度发展平均速率特征指标进行计算，对发展速率所造成的病害破坏程度进行风险对比；
步骤四，通过定期检测数据观察不同断面车辙深度发展速率考察车辙纵向变化特性，确定某段车辙不同断面的深度发展快慢与严重程度，初步确定钻芯位置；
步骤五，根据日常巡查记录综合考虑，结合伴随病害类型具体确定车辙钻芯位置。
2.根据权利要求1所述的一种沥青路面车辙钻芯取样位置确定方法，其特征在于，所述步骤一中，初步提取重级车辙点采用交叉单位元聚合的方法，过程如下：
第一步，以单位间距的三个相邻桩号为一个单位元，前一个单位元的中间桩作为下一个单位元的起始桩；
第二步，从路段的最小桩号开始第一个重级车辙点对应的桩号即为第一个单位元的起始桩，若单位元中有至少两个桩的深度都对应为重级车辙点，则将其存储并识别，接着从后一个单位元开始判断，若只有一个或没有重级车辙点，则停止识别，此时只有三个桩号被存储识别，若有至少两个重级车辙点，则继续识别，此时有四个桩号被存储识别，依次下去，直到出现只有一个重级车辙点的单位元终止，并剔除最后一个不为重级车辙点的桩号，将剔除后得到的有序桩号组编号并存储；
第三步，在路段上按顺序重复第二步的操作，可以得到一系列有序桩号组，对相邻桩号组进行交叉合并，若两相邻组之间的桩号个数为2，则对相邻组合并成为重级车辙段；
第四步，若两相邻组之间的桩号个数超过2，则不进行合并，但需判断每组的桩号组成个数是否小于四个，若小于说明最小长度不够三个单位间距，则将其剔除，否则作为独立的车辙段存储。
3.根据权利要求1所述的一种沥青路面车辙钻芯取样位置确定方法，其特征在于，所述步骤二中，车辙断面正负面积比值进行聚类分析的过程如下：
第一步，构建车辙样本集；首先通过定期检测得到的车辙断面构建13点激光高程曲线，道路基准线之上路面上表面之下为正面积，道路基准线之下路面下表面之上为负面积，按照积分中的三角形定理和梯形定理，对每个三角形和梯形进行求和，计算车辙正负面积，公式如下，累积后分别计算图形的正总面积S(+)负总面积S(+)；
S＝Area三角形+Area梯形 (3)
采用数学中模糊聚类的思想，对有效车辙点的车辙横断面，以向量的形式，进行车辙样本集的构建：
记作{X1,X2,X3，……,Xn}T，其中，{Xi1,Xi2,Xi3,……,Xim}代表第i(1≤i≤n)个点在第m年的特征参数即上文所提的正负面积比(xik＝s+/s-)，i对应有效车辙点的桩号，按照从小到大的顺序一一对应；
第二步，车辙样本点数据标准化；按照公式(4)对样本集中每列数据进行标准化设置，其中，1≤k≤m；
<mrow>
<msub>
<mi>x</mi>
<mrow>
<mi>o</mi>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mi>min</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
<mi>a</mi>
<mi>x</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>-</mo>
<msubsup>
<mi>x</mi>
<mrow>
<mi>k</mi>
<mi>m</mi>
<mi>i</mi>
<mi>n</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
</mrow>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>4</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<msubsup>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
<mo>&prime;</mo>
</msubsup>
<mo>=</mo>
<msub>
<mi>x</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
<mo>-</mo>
<mover>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>,</mo>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>5</mn>
<mo>)</mo>
</mrow>
</mrow>
<mrow>
<mover>
<msub>
<mi>x</mi>
<mi>k</mi>
</msub>
<mo>&OverBar;</mo>
</mover>
<mo>=</mo>
<mfrac>
<mrow>
<msubsup>
<mi>&Sigma;</mi>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>n</mi>
</msubsup>
<msub>
<mi>X</mi>
<mrow>
<mi>i</mi>
<mi>k</mi>
</mrow>
</msub>
</mrow>
<mi>n</mi>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>6</mn>
<mo>)</mo>
</mrow>
</mrow>
第三步，采用贴近度法建立模糊相似矩阵，
第四步，采用平方自合成法构造模糊等价矩阵，
根据步骤第三步所得的模糊相似矩阵R进行运算，
计算R2＝R·R，R4＝R2·R2,……，直到Rn＝Rn/2·Rn/2
即得到模糊等价矩阵P＝Rn，该矩阵的特点为：
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>=</mo>
<mi>j</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>-</mo>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<mi>i</mi>
<mo>&NotEqual;</mo>
<mi>j</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>8</mn>
<mo>)</mo>
</mrow>
</mrow>
第五步，聚类分布与风险排序；
选取适当的置信水平λ，0≤λ≤1，进行模糊分类，则得到P的λ截动态矩阵P_((λ))，规定：
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mo>(</mo>
<mi>&lambda;</mi>
<mo>)</mo>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mrow>
<mn>0</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo><</mo>
<mi>&lambda;</mi>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mrow>
<mn>1</mn>
<mo>,</mo>
</mrow>
</mtd>
<mtd>
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>&GreaterEqual;</mo>
<mi>&lambda;</mi>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>9</mn>
<mo>)</mo>
</mrow>
<mo>.</mo>
</mrow>
4.根据权利要求1所述的一种沥青路面车辙钻芯取样位置确定方法，其特征在于，所述步骤二中，独立车辙点风险等级采用车辙段速率偏差性分析得出，步骤如下：
统计各段车辙月平均速率发展情况，得到以月份为横坐标，月平均速率为纵坐标的折线图，将各月的平均速率与12个月的年平均速率对比，得出平均速率与年平均速率相差较大的月份，据此进行各车辙段的速率偏差分析，对同类车辙下，偏差性更强的车辙段划分为较为危险的等级,取速度的偏差系数r作为车辙速率偏差性分析指标，偏差系数越大的，偏差性越强，偏差系数r计算如下：
<mrow>
<mi>r</mi>
<mo>=</mo>
<mrow>
<mo>(</mo>
<msub>
<mi>v</mi>
<mi>m</mi>
</msub>
<mo>-</mo>
<mover>
<mi>v</mi>
<mo>&OverBar;</mo>
</mover>
<mo>)</mo>
</mrow>
<mo>/</mo>
<mi>&sigma;</mi>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>10</mn>
<mo>)</mo>
</mrow>
</mrow>
vm是高于年平均日发展速率的月份的平均发展速率；
是12个月的月平均日发展速率的均值；
σ是12个月的月平均日发展速率标准差；
计算各段车辙的速率偏差系数，进行重级车辙段的风险排序。
5.根据权利要求1所述的一种沥青路面车辙钻芯取样位置确定方法，其特征在于，所述步骤三中，车辙深度发展平均速率通过以下方法得出：
根据近n年的定期检测数据，得到各车辙段上纵向10m为单位的车辙点每年的深度d1,d2,…,di,dj,…,dn，并计算年平均增长率记作gij,相邻年平均增长率的差值D，等效年平均增长速率g，具体说明如下：
<mrow>
<msub>
<mi>g</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<mrow>
<msub>
<mi>d</mi>
<mi>j</mi>
</msub>
<mo>-</mo>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
</mrow>
<msub>
<mi>d</mi>
<mi>i</mi>
</msub>
</mfrac>
<mo>-</mo>
<mo>-</mo>
<mo>-</mo>
<mrow>
<mo>(</mo>
<mn>11</mn>
<mo>)</mo>
</mrow>
</mrow>
(1+g)n-1＝(1+g12)·(1+g23)·…·(1+gij)·(1+g(n-1)n) (12)
D＝gjk-gij (13)
得到n-2个D的数据统计其正负频率分析增长趋势：
若D(+)＞50％，则为剧烈增长，记作+；
若D(-)＞50％，则为缓慢增长，记作-；
若二者基本相等，则为稳定增长，记作0；
按照等效g从大到小进行排序，并优先选择发展较深与剧烈增长的点。
6.根据权利要求1所述的一种沥青路面车辙钻芯取样位置确定方法，其特征在于，所述步骤三中，对发展速率所造成的病害破坏程度进行风险对比通过以下方法得出，根据步骤一采集的定期检测数据和重级车辙点，绘制伴随病害在车辙分布示意图。
7.根据权利要求1所述的一种沥青路面车辙钻芯取样位置确定方法，其特征在于，所述步骤五中，确定车辙钻芯位置是根据车辙段速率偏差、车辙年增长率和伴随病害点进行排序，从而确定车辙钻芯位置。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610251545.9A CN105696447B (zh) | 2016-04-21 | 2016-04-21 | 一种沥青路面车辙钻芯取样位置确定方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201610251545.9A CN105696447B (zh) | 2016-04-21 | 2016-04-21 | 一种沥青路面车辙钻芯取样位置确定方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105696447A CN105696447A (zh) | 2016-06-22 |
| CN105696447B true CN105696447B (zh) | 2018-04-03 |
Family
ID=56217231
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201610251545.9A Expired - Fee Related CN105696447B (zh) | 2016-04-21 | 2016-04-21 | 一种沥青路面车辙钻芯取样位置确定方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105696447B (zh) |
Families Citing this family (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN106284034B (zh) * | 2016-08-11 | 2018-11-09 | 中公高科养护科技股份有限公司 | 一种路面养护方法 |
| CN109976397B (zh) * | 2018-08-22 | 2021-06-29 | 大连理工大学 | 一种基于激光测距的就地热重铺机组行进速度优化控制系统 |
| CN112700100B (zh) * | 2020-12-24 | 2024-01-23 | 江苏中路工程技术研究院有限公司 | 一种沥青路面车辙养护对策确定方法 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09218028A (ja) * | 1996-02-13 | 1997-08-19 | Mitsubishi Heavy Ind Ltd | 路面性状測定装置用わだち掘れ量算出方法 |
| CN102445397A (zh) * | 2011-10-14 | 2012-05-09 | 河海大学 | 应用于山区公路沥青混合料的车辙测试装置及方法 |
| CN203114219U (zh) * | 2013-02-27 | 2013-08-07 | 浙江土工仪器制造有限公司 | 一种钻孔取芯装置 |
| CN203360989U (zh) * | 2013-06-20 | 2013-12-25 | 长安大学 | 一种沥青路面钻芯取样后的填充压实装置 |
| CN103866675A (zh) * | 2014-03-21 | 2014-06-18 | 长安大学 | 一种车辙破坏层位的自动无损识别方法 |
| CN104018418A (zh) * | 2014-05-20 | 2014-09-03 | 哈尔滨工业大学 | 一种沥青路面车辙产生和发展过程中集料位置变化检测方法 |
-
2016
- 2016-04-21 CN CN201610251545.9A patent/CN105696447B/zh not_active Expired - Fee Related
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| JPH09218028A (ja) * | 1996-02-13 | 1997-08-19 | Mitsubishi Heavy Ind Ltd | 路面性状測定装置用わだち掘れ量算出方法 |
| CN102445397A (zh) * | 2011-10-14 | 2012-05-09 | 河海大学 | 应用于山区公路沥青混合料的车辙测试装置及方法 |
| CN203114219U (zh) * | 2013-02-27 | 2013-08-07 | 浙江土工仪器制造有限公司 | 一种钻孔取芯装置 |
| CN203360989U (zh) * | 2013-06-20 | 2013-12-25 | 长安大学 | 一种沥青路面钻芯取样后的填充压实装置 |
| CN103866675A (zh) * | 2014-03-21 | 2014-06-18 | 长安大学 | 一种车辙破坏层位的自动无损识别方法 |
| CN104018418A (zh) * | 2014-05-20 | 2014-09-03 | 哈尔滨工业大学 | 一种沥青路面车辙产生和发展过程中集料位置变化检测方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105696447A (zh) | 2016-06-22 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105696447B (zh) | 一种沥青路面车辙钻芯取样位置确定方法 | |
| CN108335002A (zh) | 一种可视化的道路养护大数据分析系统 | |
| CN108364467A (zh) | 一种基于改进型决策树算法的路况信息预测方法 | |
| CN102359056B (zh) | 一种沥青路面数据的检测方法 | |
| CN107153737B (zh) | 基于力学-经验法的路面最佳轴载周期确定方法 | |
| CN111652520B (zh) | 一种基于大数据的路面养护智能决策系统及方法 | |
| CN104268213A (zh) | 一种基于多源检测数据的养护路段划分方法 | |
| CN111062648A (zh) | 一种沥青路面综合性能的评价方法 | |
| CN106284034B (zh) | 一种路面养护方法 | |
| CN113626975A (zh) | 一种有砟铁路基床健康状态单元评价方法及系统 | |
| CN102565312A (zh) | 预估高速公路沥青路面剩余寿命的方法 | |
| CN115700666A (zh) | 一种山区公路路基养护排查智能化综合评价方法 | |
| CN115017979A (zh) | 一种半刚性基层沥青路面的路面状况评价方法 | |
| CN115470553A (zh) | 一种软岩隧道围岩大变形分级的预测方法 | |
| CN109948957A (zh) | 一种市政道路网级养护设计辅助决策系统 | |
| Čutura et al. | Application of the HDM-4 model on local road network: case study of the Herzegovina-Neretva Canton in Bosnia and Herzegovina | |
| CN111369051B (zh) | 沥青路面车辙和坑槽病害的预测方法 | |
| CN114118733A (zh) | 基于多源数据的沥青路面质量分析与评估方法 | |
| CN115456372A (zh) | 一种农村低效建设用地识别标准体系构建方法 | |
| CN113762613A (zh) | 一种基于养护优先级排序的公路网养护规划方法 | |
| CN112990671A (zh) | 一种山区营运高速公路路基路面安全隐患风险评估方法 | |
| CN114282298A (zh) | 一种道路技术状况处理方法 | |
| CN111414698A (zh) | 一种地铁隧道开挖地表沉降成因的对应分析方法 | |
| Oladele et al. | Highway maintenance cost estimation modeling for developing countries: a case study of Nigeria | |
| CN113516258B (zh) | 公路养护智能决策分析系统 |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| CB03 | Change of inventor or designer information | ||
| CB03 | Change of inventor or designer information |
Inventor after: Qiao Juan Inventor after: Liu Xiaofang Inventor after: Zhang Meng Inventor after: Wang Changqing Inventor after: Zhang Tao Inventor after: Hui Bing Inventor after: Guo Mu Inventor after: Wang Zhou Inventor after: Cai Yichang Inventor before: Hui Bing Inventor before: Liu Xiaofang Inventor before: Guo Mu Inventor before: Wang Zhou Inventor before: Cai Yichang Inventor before: Yan Jiao |
|
| TA01 | Transfer of patent application right | ||
| TA01 | Transfer of patent application right |
Effective date of registration: 20180207 Address after: 710064 Shaanxi province Xi'an Beilin District South Second Ring Road No. 33 in the middle Applicant after: Changan Univ. Applicant after: Shaanxi Highway Administration Address before: 710064 Shaanxi province Xi'an Beilin District South Second Ring Road No. 33 in the middle Applicant before: Changan Univ. |
|
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180403 Termination date: 20200421 |