CN106526149A - 一种基于通车时长和交通量的路面使用性能预测方法 - Google Patents
一种基于通车时长和交通量的路面使用性能预测方法 Download PDFInfo
- Publication number
- CN106526149A CN106526149A CN201611046384.6A CN201611046384A CN106526149A CN 106526149 A CN106526149 A CN 106526149A CN 201611046384 A CN201611046384 A CN 201611046384A CN 106526149 A CN106526149 A CN 106526149A
- Authority
- CN
- China
- Prior art keywords
- traffic
- open
- volume
- duration
- pavement
- 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.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/42—Road-making materials
Landscapes
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Food Science & Technology (AREA)
- Medicinal Chemistry (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Road Paving Structures (AREA)
Abstract
本发明提供了一种基于通车时长和交通量的路面使用性能预测方法,包括:选取局部路段作为试验段;选取随机的检测时间;选定合适的检测指标和相应的设备;选取合理的检测频率;按照既定的检测时间、检测设备和检测频率,在试验段内对路面使用性能的各项指标进行数据采集;对采集到的数据进行分析处理,拟合各项指标与通车时长和交通量的回归关系式,建立路面使用性能预测模型;在模型中输入设定时长或预估交通量,得到路面使用性能各项指标的预测值。本发明前期通过试验段的局部检测、数据处理和模型建立,后期不依赖于过多的路面检测指标,只需在模型中输入通车时长和交通量即对路面使用性能进行预测,能够方便地服务于路面管理、设计及养护维修。
Description
技术领域
本发明属于路桥质量监测技术领域,具体来说,涉及到一种基于通车时长和交通量的路面使用性能预测方法。
背景技术
路面在通车期间,其使用性能会随着通车时长和交通荷载累积作用逐渐降低,当降低到一定程度时,路面的服务水平无法满足行车需求,就应该采用相应的措施恢复或提高路面使用性能。路面使用性能预测是通过特定方法,对路面的历史数据进行加工分析,建立路面使用性能预测模型,对未来一定时期内的路面使用性能进行预测,预测成果应用于路面管理、路面设计和路面养护维修等方面。随着全国公路尤其是高等级公路新建任务的逐步完成,现有公路路面的管理及养护维修任务已日趋繁忙。
目前,路面使用性能的预测研究在国内外开展的时间都不是很长,各国的研究人员都结合本国具体的路面情况提出了不同的预测模型,大致可分为确定型预测模型、概率型预测模型和其它模型。这类预测模型的建立需要大量的数据验算修正,以提高预测模型的精度,而我国对路面使用性能的研究起步较晚,相关的基础数据非常有限。因此很难利用较复杂的模型来预测国内道路的使用性能指标,并且预测精度也不会很高。此外,许多模型只能适用于特定的地区,移植性较差,当把一个模型应用到另一个地区时,需要重新标定回归系数,而回归系数的标定又需要大量数据,给路面使用性能预测带来很大困难。
发明内容
为解决上述技术问题,本发明提供了一种简易、较准确的路面使用性能预测方法。
本发明所述的一种基于通车时长和交通量的路面使用性能预测方法,所述路面使用性能预测方法,是采用通车时长和交通量作为预测因素,通过4次以上不连续检测的数据,得到设定时长或预估交通量下的路面使用性能预测值,模型简单灵活,适用于对少量检测数据的路段进行预测。
一种基于通车时长和交通量的路面使用性能预测方法,其特征在于,包括步骤:
1、选取局部路段作为试验段,用于基础数据的检测;
2、选取随机的检测时间;
3、选定合适的检测指标和相应的设备;
4、选取合理的检测频率;
5、按照既定的检测时间、检测设备和检测频率,在试验段内对路面使用性能的各项指标进行数据采集;
6、对采集到的数据进行分析处理,拟合各项指标与通车时长和交通量的回归关系式,建立路面使用性能预测模型;
7、在模型中输入设定时长或预估交通量,得到路面使用性能各项指标的预测值。
优选的,步骤1中,所述试验段为选定2~3段代表性路段,每段1000m。
优选的,步骤2中,在道路通车后,任意选定至少4次检测时间,对试验段进行检测。
优选的,步骤2中,在路面寿命周期的前1/3段完成4次数据的检测。
优选的,步骤3中,所述选定合适的检测指标和相应的设备为:路面破损率DR、国际平整度指数IRI、车辙深度RD、构造深度TD采用多功能检测车检测;横向力系数SFC采用双轮式横向力系数测试仪检测。
优选的,步骤4中,路面破损率DR单车道连续检测;国际平整度指数IRI、车辙深度RD、构造深度TD单车道每10m检测一点;横向力系数SFC每5m检测一点。
优选的,步骤6中,在同一检测时期内,计算各检测指标的平均值;然后采用EXCEL,以各指标平均值为纵坐标,分别以通车时长和交通量为横坐标,分析其相关性,分别建立基于通车时长和交通量的路面使用性能指标的预测模型。
优选的,提出基于通车时长及交通量的加权预测模型:m为通车时长,n为交通量,通车时长与交通量的权重分别为P、1-P,利用加权后的各项指标建立预测模型,重复步骤6,各加权指标如下:
路面破损率DRz=P×DRn+(1-P)DRm,
国际平整度指数IRIz=P×IRIn+(1-P)IRIm,
车辙深度RDz=P×RDn+(1-P)RDm,
构造深度TDz=P×TDn+(1-P)TDm,
横向力系数SFCz=P×SFCn+(1-P)SFCm。
优选的,选取高速公路P=0.9398。
优选的,所述的通车时长以“月”为计量单位,交通量以“标准车累计当量数”为计量单位。
与现有技术相比,本发明所述的基于通车时长和交通量的路面使用性能预测方法,前期通过试验段的局部检测、数据处理和模型建立,后期不依赖于过多的路面检测指标,而只需在模型中输入通车时长和交通量即可对路面使用性能进行预测,能够方便地服务于路面管理、设计及养护维修中,具有良好的推广应用价值。
附图说明
图1是路面破损率DR与通车时长相关性曲线图。
图2是国际平整度指数IRI与通车时长相关性曲线图。
图3是车辙深度RD与通车时长相关性曲线图。
图4是构造深度TD与通车时长相关性曲线图。
图5是横向力系数SFC与通车时长相关性曲线图。
图6是破损率DR与交通量相关性曲线图。
图7是国际平整度指数IRI与交通量相关性曲线图。
图8是车辙深度RD与交通量相关性曲线图。
图9是构造深度TD与交通量相关性曲线图。
图10是横向力系数SFC与交通量相关性曲线图。
具体实施方式
下面结合具体的实施例对本发明所述的基于通车时长和交通量的路面使用性能预测方法做进一步说明,但是本发明的保护范围并不限于此。
实施例1
1、选择试验段。根据某条路对路面使用性能的预测需求,在该条路上选定2~3段代表性路段,每段1000m,作为试验段,用于基础数据的检测。
2、选择检测时间。在通车后的若干年内,任意选定至少4次检测时间,对试验段进行检测。鉴于路面使用性能预测的现实特点,为增强其实用性,推荐在路面寿命周期的前1/3段完成4次数据的检测。
3、选择检测设备。为加强检测效率、提高检测质量,路面检测推荐采用快速检测设备,如路面破损率DR、国际平整度指数IRI、车辙深度RD、构造深度TD可采用多功能检测车检测;横向力系数SFC可采用双轮式横向力系数测试仪检测。
4、选择检测频率。针对不同指标,选取不同的检测频率。路面破损率DR单车道连续检测,国际平整度指数IRI、车辙深度RD、构造深度TD单车道每10m检测一点,横向力系数SFC每5m检测一点。
5、检测基础数据。在选定的检测时间,采用合适的检测设备,按照既定的检测频率,对试验路段进行检测,检测指标包括路面破损率DR、国际平整度指数IRI、车辙深度RD、构造深度TD、横向力系数SFC。
6、分析处理数据及建立预测模型。在同一检测时期内,计算各检测指标的平均值;然后采用EXCEL,以各指标平均值为纵坐标,分别以通车时长、交通量为横坐标,分析其相关性(如图1-图10所示);分别建立基于通车时长、交通量的路面使用性能指标的预测模型。表1、表2分别为某条高速公路基于通车时长和交通量的路面使用性能指标预测模型示例。
表1 基于通车时长(m)的路面使用性能指标预测模型
指标 | 左幅 | 右幅 |
路面破损率(%) | DR=0.083ln(m)-0.094 | DR=0.095ln(m)-0.104 |
国际平整度指数(m/km) | IRI=0.068ln(m)+0.803 | IRI=0.067ln(m)+0.787 |
车辙深度(mm) | RD=0.286ln(m)+1.945 | RD=0.351ln(m)+1.790 |
构造深度(mm) | TD=-0.01ln(m)+0.614 | TD=-0.01ln(m)+0.612 |
横向力系数 | SFC=-5.93ln(m)+80.82 | SFC=-6.56ln(m)+81.11 |
表2 基于交通量(n)的路面使用性能指标预测模型
7、针对步骤6,也可以考虑通车时长和交通量对路面使用性能指标的综合影响,提出基于通车时长(m)及交通量(n)的加权预测模型。设通车时长与交通量的权重分别为P、1-P,路面破损率DRz=P×DRn+(1-P)DRm,国际平整度指数IRIz=P×IRIn+(1-P)IRIm,车辙深度RDz=P×RDn+(1-P)RDm,构造深度TDz=P×TDn+(1-P)TDm,横向力系数SFCz=P×SFCn+(1-P)SFCm。利用加权后的各项指标建立预测模型,重复步骤6。表3为某条高速公路P=0.9398时基于通车时长(m)和交通量(n)的路面使用性能指标加权预测模型示例。
表3 基于通车时长(m)和交通量(n)的路面使用性能指标加权预测模型
8、在相应的预测模型中输入指定的通车时长(月数m)或预估交通量(标准车累计当量数n),即可得到该条路的路面使用性能各项指标的预测值。
本发明所述的基于通车时长和交通量的路面使用性能预测方法,前期通过试验段的局部检测、数据处理和模型建立,后期不依赖于过多的路面检测指标,而只需在模型中输入通车时长和交通量即可对路面使用性能进行预测,能够方便地服务于路面管理、设计及养护维修中,具有良好的推广应用价值。
可以理解的是,以上实施方式仅仅是为了说明本发明的原理而采用的示例性实施方式,然而本发明并不局限于此。对于本领域内的普通技术人员而言,在不脱离本发明的精神和实质的情况下,可以做出各种变型和改进,这些变型和改进也视为本发明的保护范围。
Claims (10)
1.一种基于通车时长和交通量的路面使用性能预测方法,其特征在于,包括步骤:
1)选取局部路段作为试验段,用于基础数据的检测;
2)选取随机的检测时间;
3)选定合适的检测指标和相应的设备;
4)选取合理的检测频率;
5)按照既定的检测时间、检测设备和检测频率,在试验段内对路面使用性能的各项指标进行数据采集;
6)对采集到的数据进行分析处理,拟合各项指标与通车时长和交通量的回归关系式,建立路面使用性能预测模型;
7)在模型中输入设定时长或预估交通量,得到路面使用性能各项指标的预测值。
2.根据权利要求1所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,步骤1中,所述试验段为选定2~3段代表性路段,每段1000m。
3.根据权利要求2所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,步骤2中,在道路通车后,任意选定至少4次检测时间,对试验段进行检测。
4.根据权利要求3所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,步骤3中,在路面寿命周期的前1/3段完成4次数据的检测。
5.根据权利要求3所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,步骤3中,所述选定合适的检测指标和相应的设备为:路面破损率DR、国际平整度指数IRI、车辙深度RD、构造深度TD采用多功能检测车检测;横向力系数SFC采用双轮式横向力系数测试仪检测。
6.根据权利要求5所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,步骤4中,路面破损率DR单车道连续检测;国际平整度指数IRI、车辙深度RD、构造深度TD单车道每10m检测一点;横向力系数SFC每5m检测一点。
7.根据权利要求6所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,步骤6中,在同一检测时期内,计算各检测指标的平均值;然后采用EXCEL,以各指标平均值为纵坐标,分别以通车时长和交通量为横坐标,分析其相关性,分别建立基于通车时长和交通量的路面使用性能指标的预测模型。
8.根据权利要求1或7中任意一条所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,提出基于通车时长及交通量的加权预测模型:m为通车时长,n为交通量,通车时长与交通量的权重分别为P、1-P,利用加权后的各项指标建立预测模型,重复步骤6,各加权指标如下:
路面破损率DRz=P×DRn+(1-P)DRm,
国际平整度指数IRIz=P×IRIn+(1-P)IRIm,
车辙深度RDz=P×RDn+(1-P)RDm,
构造深度TDz=P×TDn+(1-P)TDm,
横向力系数SFCz=P×SFCn+(1-P)SFCm。
9.根据权利要求8所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,选取高速公路P=0.9398。
10.根据权利要求1所述的基于通车时长和交通量的路面使用性能预测方法,其特征在于,所述的通车时长以“月”为计量单位,交通量以“标准车累计当量数”为计量单位。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046384.6A CN106526149B (zh) | 2016-11-22 | 2016-11-22 | 一种基于通车时长和交通量的路面使用性能预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611046384.6A CN106526149B (zh) | 2016-11-22 | 2016-11-22 | 一种基于通车时长和交通量的路面使用性能预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106526149A true CN106526149A (zh) | 2017-03-22 |
CN106526149B CN106526149B (zh) | 2018-11-13 |
Family
ID=58357941
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611046384.6A Active CN106526149B (zh) | 2016-11-22 | 2016-11-22 | 一种基于通车时长和交通量的路面使用性能预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106526149B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273703A (zh) * | 2017-07-11 | 2017-10-20 | 河南省交通规划设计研究院股份有限公司 | 一种路面使用性能分布情况预测方法 |
CN107761528A (zh) * | 2017-11-14 | 2018-03-06 | 东南大学 | 一种基于实时高温天气和交通量的沥青路面车辙预报方法 |
CN108596396A (zh) * | 2018-04-28 | 2018-09-28 | 中国公路工程咨询集团有限公司 | 一种基于养护历史修正的路面性能预测和养护方法及装置 |
CN109920247A (zh) * | 2019-02-28 | 2019-06-21 | 广东赛诺科技股份有限公司 | 一种路面性能衰变的模型 |
CN109947755A (zh) * | 2019-03-05 | 2019-06-28 | 南京道润交通科技有限公司 | 路面使用性能检测数据质量控制方法、存储介质、电子设备 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565312A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 预估高速公路沥青路面剩余寿命的方法 |
CN102663252A (zh) * | 2012-04-11 | 2012-09-12 | 天津市市政工程设计研究院 | 地下道路复合式路面使用性能评估方法 |
CN104063595A (zh) * | 2014-06-19 | 2014-09-24 | 交通运输部公路科学研究所 | 一种评价沥青路面的路面使用性能的方法 |
CN104992049A (zh) * | 2015-06-10 | 2015-10-21 | 华南理工大学 | 一种以平面位置数据建立路面抗滑性能模型的方法 |
-
2016
- 2016-11-22 CN CN201611046384.6A patent/CN106526149B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102565312A (zh) * | 2011-12-14 | 2012-07-11 | 河海大学 | 预估高速公路沥青路面剩余寿命的方法 |
CN102663252A (zh) * | 2012-04-11 | 2012-09-12 | 天津市市政工程设计研究院 | 地下道路复合式路面使用性能评估方法 |
CN104063595A (zh) * | 2014-06-19 | 2014-09-24 | 交通运输部公路科学研究所 | 一种评价沥青路面的路面使用性能的方法 |
CN104992049A (zh) * | 2015-06-10 | 2015-10-21 | 华南理工大学 | 一种以平面位置数据建立路面抗滑性能模型的方法 |
Non-Patent Citations (1)
Title |
---|
徐剑 等: "乳化沥青冷再生路面性能衰变与病害特征分析", 《公路》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107273703A (zh) * | 2017-07-11 | 2017-10-20 | 河南省交通规划设计研究院股份有限公司 | 一种路面使用性能分布情况预测方法 |
CN107273703B (zh) * | 2017-07-11 | 2020-02-07 | 河南省交通规划设计研究院股份有限公司 | 一种路面使用性能分布情况预测方法 |
CN107761528A (zh) * | 2017-11-14 | 2018-03-06 | 东南大学 | 一种基于实时高温天气和交通量的沥青路面车辙预报方法 |
CN108596396A (zh) * | 2018-04-28 | 2018-09-28 | 中国公路工程咨询集团有限公司 | 一种基于养护历史修正的路面性能预测和养护方法及装置 |
CN108596396B (zh) * | 2018-04-28 | 2020-10-30 | 中国公路工程咨询集团有限公司 | 一种基于养护历史修正的路面性能预测和养护方法及装置 |
CN109920247A (zh) * | 2019-02-28 | 2019-06-21 | 广东赛诺科技股份有限公司 | 一种路面性能衰变的模型 |
CN109947755A (zh) * | 2019-03-05 | 2019-06-28 | 南京道润交通科技有限公司 | 路面使用性能检测数据质量控制方法、存储介质、电子设备 |
Also Published As
Publication number | Publication date |
---|---|
CN106526149B (zh) | 2018-11-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106526149A (zh) | 一种基于通车时长和交通量的路面使用性能预测方法 | |
CN106840049B (zh) | 基于内置三轴加速传感器智能手机的路面质量评级方法 | |
CN103177187B (zh) | 基于可变模糊集理论的公路隧道健康状态动态评价方法 | |
CN111553902B (zh) | 一种基于大数据的公路路面安全监测系统 | |
CN103091480A (zh) | 基于熵权的地下道路沥青路面使用性能评价方法 | |
CN108647805B (zh) | 一种山洪灾害临界雨量综合检验方法 | |
CN108922168B (zh) | 一种中观层面事故多发道路判别的方法 | |
CN110929359B (zh) | 基于pnn神经网络和swmm技术的管网淤积风险预测建模方法 | |
Song et al. | Characteristics of low-speed vehicle-specific power distributions on urban restricted-access roadways in beijing | |
CN106649709B (zh) | 一种基于数据挖掘的车辆停留行为模式预测与评估方法 | |
CN104732013A (zh) | 一种单车通过多梁式桥梁的车辆荷载识别方法 | |
CN104792937A (zh) | 一种基于车载重力加速度传感器的桥头跳车检测评价方法 | |
CN103345566B (zh) | 基于地质内涵的化探异常识别与评价方法 | |
CN107228772A (zh) | 一种盾构隧道结构损伤评估方法 | |
CN102235575A (zh) | 用于检查管道泄露的数据处理方法及系统 | |
CN111127906B (zh) | 一种基于物联网的智能路面管理系统及其方法 | |
CN102721397A (zh) | 基于垂直动载荷的现代时间序列提取路面特征参数的方法 | |
CN108492560A (zh) | 一种道路检测器缺失数据补全方法及装置 | |
CN107798418A (zh) | 一种基于交通分析小区的交通事故频次预测方法 | |
CN107331160B (zh) | 基于单地磁传感器测量车辆速度的方法和装置 | |
CN114897378A (zh) | 地质灾害精细化气象风险预警区评价方法及装置 | |
CN103134433A (zh) | 一种利用位移监测鉴别边坡失稳致滑因子的方法 | |
CN110867075A (zh) | 一种评估雨天条件下道路测速仪对驾驶人员反应行为影响的方法 | |
CN104569340B (zh) | 地下环境质量测定方法及装置 | |
CN108898292A (zh) | 一种桥梁健康状态的安全评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right | ||
TR01 | Transfer of patent right |
Effective date of registration: 20220705 Address after: 030032 No. 27, Wuluo street, Tanghuai Industrial Park, Shanxi transformation and comprehensive reform demonstration zone, Taiyuan, Shanxi Province Patentee after: Shanxi Intelligent Transportation Research Institute Co.,Ltd. Address before: 030006 No. 79, Xuefu street, Xiaodian District, Taiyuan City, Shanxi Province Patentee before: Shanxi Transportation Research Institute |