CN107273703B - 一种路面使用性能分布情况预测方法 - Google Patents

一种路面使用性能分布情况预测方法 Download PDF

Info

Publication number
CN107273703B
CN107273703B CN201710561103.9A CN201710561103A CN107273703B CN 107273703 B CN107273703 B CN 107273703B CN 201710561103 A CN201710561103 A CN 201710561103A CN 107273703 B CN107273703 B CN 107273703B
Authority
CN
China
Prior art keywords
matrix
service performance
pavement
performance distribution
obtaining
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.)
Active
Application number
CN201710561103.9A
Other languages
English (en)
Other versions
CN107273703A (zh
Inventor
郝孟辉
王笑风
杨素通
杨博
康存利
侯明业
郑亚坤
杨建峰
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Henan Provincial Communication Planning and Design Institute Co Ltd
Original Assignee
Henan Provincial Communication Planning and Design Institute Co Ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Henan Provincial Communication Planning and Design Institute Co Ltd filed Critical Henan Provincial Communication Planning and Design Institute Co Ltd
Priority to CN201710561103.9A priority Critical patent/CN107273703B/zh
Publication of CN107273703A publication Critical patent/CN107273703A/zh
Application granted granted Critical
Publication of CN107273703B publication Critical patent/CN107273703B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
    • G16Z99/00—Subject matter not provided for in other main groups of this subclass

Landscapes

  • Road Paving Structures (AREA)

Abstract

本发明公开了一种路面使用性能分布情况预测方法，依次包括如下步骤：（1）对整条公路划分单元，评定整条公路在每个单元的使用性能；（2）根据优、良、中、次、差在整条公路每个单元中出现的概率得出历年使用性能分布矩阵；（3）根据历年使用性能分布矩阵得到不同步长的转移概率矩阵（4）转移概率矩阵得到不同步长的马尔科夫链的状态转移矩阵权重；（5）计算第n+1年的路面使用性能分布矩阵B n+1 ：本发明所述的方法步骤紧凑，在传统路面使用性能指数的基础上进一步得到路面使用性能的分布情况从而帮助公路养护管理部门准确掌握全路段路面使用性能分布情况的变化规律。

Description

一种路面使用性能分布情况预测方法
技术领域
本发明属于路面使用性能分析技术领域，尤其涉及一种路面使用性能分布情况预测方法。
背景技术
在交通荷载和环境因素的共同作用下，路面会逐渐出现不同程度的损坏，导致路面的行驶舒适性和服务水平将不断降低。但随着国民快速发展和人们生活水平的不断提高，对道路交通的要求逐渐由通达性向提高道路服务水平的要求转变。因此，当路面使用性能下降到一定水平时，道路养护管理部门需要对路面采取各种养护或改建措施以恢复或提高其使用性能。
为在时间和空间上优化分配给定的养护预算，确定最佳的路面养护方案，必须预测一定时期内路面的使用性能。路面使用性能预测是分析研究路面使用性能各项指标在不同外部条件下随时间的变化规律，建立相关预测模型。
目前，许多国家和地区已经在考虑各自路面管理系统要求和条件的基础上，提出了多种预测模型的构建方法，并建立了相应的预测模型，传统的预测方法都是针对整条高速路面或某个路段综合使用状况指数进行预测，缺少对整条高速或某个路段路面使用状况分布情况的预测，而在进行养护规划时，仅仅知道未来几年道路综合使用状况的变化趋势是不够的。由于施工质量、交通量等因素的差异性，一条道路不同路段之间路面使用状况变化较大，有必要在路面使用状况预测的基础上，对路面使用性能分布情况进行预测。
发明内容
本发明旨在提供一种步骤紧凑，预测准确的路面使用性能分布情况预测方法。
为解决上述技术问题，本发明提供了如下的技术方案：一种路面使用性能分布情况预测方法，依次包括如下步骤：
(1)对整条公路每100米为一个单元进行划分，评定整条公路在每个单元的使用性能，评定结果分为优、良、中、次、差5种，用1、2、3、4、5表示；
(2)根据优、良、中、次、差在整条公路每个单元中出现的概率得出历年使用性能分布矩阵Bi＝(Bi1、Bi2、Bi3、Bi4、Bi5)，i＝1、2、3......5；其中，Bi为第i年性能分布矩阵，Bi1、Bi2、Bi3、Bi4、Bi5分别为优、良、中、次、差在第i年出现的概率；
(3)根据历年使用性能分布矩阵Bi得到不同步长的转移概率矩阵Pi(i＝1、2、3、4、5)，转移概率矩阵Pi的通用形式如下：
Figure GDA0002211211430000021
(4)转移概率矩阵Pi得到不同步长的马尔科夫链的状态转移矩阵权重ki；
ki的得出方法为：
1)建立判别矩阵A；
2)通过判别矩阵获得标度系数wi；
3)状态转移矩阵权重ki的计算公式为：
Figure GDA0002211211430000022
(5)计算第n+1年的路面使用性能分布矩阵Bn+1：
矩阵Bn+1中的数值代表了一条高速公路中优、良、中、次、差所占的比例。
通过以上技术方案，本发明的有益效果为：本发明所述的方法步骤紧凑，在传统路面使用性能指数的基础上进一步得到路面使用性能的分布情况从而帮助公路养护管理部门准确掌握全路段路面使用性能分布情况的变化规律，为道路养护措施的选取及最佳养护时机的确定提供科学的理论依据，具有推广应用的价值。
附图说明
图1为本发明所述方法流程图。
具体实施方式
一种路面使用性能分布情况预测方法，如图1所示，依次包括如下步骤：(1)对整条公路以100米为一个单元划分单元，评定整条公路在每个单元的使用性能，评定结果分为优、良、中、次、差5种，用1、2、3、4、5表示；其中，整条公路在每个单元的使用性能的依据为《公路技术状况评定标准》(JTGH20-2007)。
(2)根据优、良、中、次、差在整条公路每个单元中出现的概率得出历年使用性能分布矩阵Bi＝(Bi1、Bi2、Bi3、Bi4、Bi5)，i＝1、2、3......5；其中，Bi为第i年性能分布矩阵，Bi1、Bi2、Bi3、Bi4、Bi5分布为优、良、中、次、差在第i年出现的概率；
(3)根据历年使用性能分布矩阵Bi得到不同步长的转移概率矩阵Pi(i＝1、2、3、4、5)，转移概率矩阵Pi的通用形式如下：
Figure GDA0002211211430000031
(4)转移概率矩阵Pi得到不同步长的马尔科夫链的状态转移矩阵权重ki，其中ki的得出方法为：1)建立判别矩阵A；2)通过判别矩阵获得标度系数wi，根据判别矩阵获得标度系数为现有技术，具体方法为：以9种判别等级表示指标质的差别，通过对评价指标的评价，进行两两比较，其初始权数形成判断矩阵，判断矩阵中第i行和第j列的元素xij表示指标xi与xj比较后所得的标度系数。
表1：标度系数体系表
取值含义 标度系数
i与j同等重要 1
i比j较为重要 3
i比j更为重要 5
i比j强烈重要 7
i比j极端重要 9
介于相邻两级之间重要程度的比较 2、4、6、8
j与i比较 上述各数的倒数
3)状态转移矩阵权重ki的计算公式为：
Figure GDA0002211211430000032
(5)计算第n+1年的路面使用性能分布矩阵Bn+1：
Figure GDA0002211211430000033
矩阵Bn+1中的数值代表了一条高速公路中优、良、中、次、差所占的比例。
由上述技术方案，以预测某条长约1km的高速公路使用性能为例进行说明：
该高速公路历年的高速公路使用性能评分等级如表2所示：
表2：高速公路使用性能评分等级
Figure GDA0002211211430000041
则历年使用性能分布矩阵Bi如下：
B2010＝(0.3，0.6，0.1，0，0)
B2011＝(0.2，0.5，0.3，0，0)
B2012＝(0，0.4，0.5，0.1，0)
B2013＝(0，0.2，0.4，0.4，0)
B2014＝(0，0，0.3，0.5，0.2)
B2015＝(0，0，0.1，0.5，0.4)
计算不同步长状态转移概率矩阵Pi，结果如下：
Figure GDA0002211211430000042
Figure GDA0002211211430000051
Figure GDA0002211211430000053
计算不同步长的马尔科夫链状态转移矩阵权重ki，其中各个步长之间的判断矩阵A如下：
步长 1 2 3 4 5
1 1 3 5 7 9
2 1/3 1 3 5 7
3 1/5 1/3 1 3 5
4 1/7 1/5 1/3 1 3
5 1/9 1/7 1/5 1/3 1
各行指标标度数据的几何平均数如下：
W1＝3.94，W2＝2.04，W3＝1，W4＝0.49，W5＝0.25
则各行权重系数为：
k1＝0.51，k2＝0.27，k3＝0.13，k4＝0.06，k5＝0.03；
最终计算2016年路面使用性能分布矩阵B2016。
计算过程如下：
B2016＝k1×B2015×P1+k2×B2014×P2+k3×B2013×P3+k4×B2012×P4+k5×B2011×P5＝(0，0，0.03，0.33，0.64)
即本条高速公路2016年路面使用性能分布矩阵为(0，0，0.03，0.33，0.64)，优良的比例为0，中的比例为3％，次的比例为33％，差的比例为64％。
按照此种方法依次可以算出以后各个年份的路面使用性能分布矩阵。

Claims (1)

1.一种路面使用性能分布情况预测方法，用于确定最佳路面养护方案，其特征在于：依次包括如下步骤：
(1)对整条公路每100米为一个单元进行划分，评定整条公路在每个单元的使用性能，评定结果分为优、良、中、次、差5种，用1、2、3、4、5表示；
(2)根据优、良、中、次、差在整条公路每个单元中出现的概率得出历年使用性能分布矩阵Bi＝(Bi1、Bi2、Bi3、Bi4、Bi5)，i＝1、2、3......5；其中，Bi为第i年性能分布矩阵，Bi1、Bi2、Bi3、Bi4、Bi5分别为优、良、中、次、差在第i年出现的概率；
(3)根据历年使用性能分布矩阵Bi得到不同步长的转移概率矩阵Pi(i＝1、2、3、4、5)，转移概率矩阵Pi的通用形式如下：
Figure FDA0002211211420000011
(4)转移概率矩阵Pi得到不同步长的马尔科夫链的状态转移矩阵权重ki；
ki的得出方法为：
1)建立判别矩阵A；
2)通过判别矩阵获得标度系数wi；
3)状态转移矩阵权重ki的计算公式为：
Figure FDA0002211211420000012
(5)计算第n+1年的路面使用性能分布矩阵Bn+1：
Figure FDA0002211211420000013
矩阵Bn+1中的数值代表了一条高速公路中优、良、中、次、差所占的比例。
CN201710561103.9A 2017-07-11 2017-07-11 一种路面使用性能分布情况预测方法 Active CN107273703B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201710561103.9A CN107273703B (zh) 2017-07-11 2017-07-11 一种路面使用性能分布情况预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201710561103.9A CN107273703B (zh) 2017-07-11 2017-07-11 一种路面使用性能分布情况预测方法

Publications (2)

Publication Number Publication Date
CN107273703A CN107273703A (zh) 2017-10-20
CN107273703B true CN107273703B (zh) 2020-02-07

Family

ID=60072576

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201710561103.9A Active CN107273703B (zh) 2017-07-11 2017-07-11 一种路面使用性能分布情况预测方法

Country Status (1)

Country Link
CN (1) CN107273703B (zh)

Families Citing this family (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110826779A (zh) * 2019-10-24 2020-02-21 交通运输部路网监测与应急处置中心 路网级桥隧养护方法、装置及存储介质
CN111222678B (zh) * 2019-10-24 2022-07-22 交通运输部路网监测与应急处置中心 路面技术状况预测方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103678943A (zh) * 2013-12-31 2014-03-26 国家电网公司 一种灾害引发电网故障的多指标模糊判定方法
CN104331953A (zh) * 2014-10-29 2015-02-04 云南大学 一种基于物联网技术的汽车行为数据识别与管理方法
CN106526149A (zh) * 2016-11-22 2017-03-22 山西省交通科学研究院 一种基于通车时长和交通量的路面使用性能预测方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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
CN103678943A (zh) * 2013-12-31 2014-03-26 国家电网公司 一种灾害引发电网故障的多指标模糊判定方法
CN104331953A (zh) * 2014-10-29 2015-02-04 云南大学 一种基于物联网技术的汽车行为数据识别与管理方法
CN106526149A (zh) * 2016-11-22 2017-03-22 山西省交通科学研究院 一种基于通车时长和交通量的路面使用性能预测方法

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
Maintenance budget planning: A case study for rigid pavement maintenance system in Thailand;Suthathip Suanmali etc.;《 2010 7th International Conference on Service Systems and Service Management》;20101231;全文 *
基于马尔可夫链与神经网络组合的路面使用性能预测;周鹏飞 等;《重 庆 交 通 大 学 学 报( 自 然 科 学 版)》;20121031;第31卷(第5期);全文 *
基于马尔科夫S曲线的高速公路路面性能预测研究;李平;《交通科技》;20131231;全文 *
高速公路源青路面使用性能评价及预测研究;周岚;《中国博士学位论文全文数据库 工程科技Ⅱ辑》;20170630;全文 *

Also Published As

Publication number Publication date
CN107273703A (zh) 2017-10-20

Similar Documents

Publication Publication Date Title
CN110570651A (zh) 一种基于深度学习的路网交通态势预测方法及系统
CN109214948A (zh) 一种电力系统热负荷预测的方法和装置
CN103729550B (zh) 基于传播时间聚类分析的多模型集成洪水预报方法
CN103093643B (zh) 一种确定公共停车场泊位数的方法
CN109637128B (zh) 一种基于Markov的灰色Verhulst短时交通流预测方法及系统
CN108817103B (zh) 一种轧钢模型钢族层别分类优化方法
CN103617459A (zh) 一种多影响因素下商品需求信息预测方法
CN112966871B (zh) 基于卷积长短期记忆神经网络的交通拥堵预测方法及系统
CN107067781B (zh) 一种用于先进驾驶辅助系统应用的gis道路黑点地图生成方法
CN111292534A (zh) 一种基于聚类与深度序列学习的交通状态估计方法
CN112734532B (zh) 基于共享电单车借还车点数据的通勤行为识别方法
CN105206040B (zh) 一种基于ic卡数据的公交串车预测方法
CN110428614B (zh) 一种基于非负张量分解的交通拥堵热度时空预测方法
CN107273703B (zh) 一种路面使用性能分布情况预测方法
Huang et al. Research on urban modern architectural art based on artificial intelligence and GIS image recognition system
CN109214458B (zh) 一种基于历史数据的城市负荷量化方法
CN112419131A (zh) 交通起讫点需求估算方法
CN101833610A (zh) 事故黑点鉴别优化方法
CN105678406A (zh) 一种基于云模型的短期负荷预测方法
CN114510778A (zh) 基于混合智能优化lstm的轨道不平顺预测方法
CN115115240A (zh) 基于二维云模型的城市地铁盾构隧道施工风险评价方法
CN113537569B (zh) 一种基于权重堆叠决策树的短时公交客流预测方法及系统
CN103106329A (zh) 一种用于svr短期负荷预测的训练样本分组构造方法
CN111292535B (zh) 车路协同环境下面向乘客出行的路网交通状态评价方法
CN108681741A (zh) 基于ic卡和居民调查数据的地铁通勤人群信息融合方法

Legal Events

Date Code Title Description
PB01 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
CB03 Change of inventor or designer information

Inventor after: Hao Menghui

Inventor after: Wang Xiaofeng

Inventor after: Yang Sutong

Inventor after: Yang Bo

Inventor after: Kang Cunli

Inventor after: Hou Mingye

Inventor after: Zheng Yakun

Inventor after: Yang Jianfeng

Inventor before: Hao Menghui

Inventor before: Wang Xiaofeng

Inventor before: Yang Sutong

Inventor before: Yang Bo

Inventor before: Kang Cunli

Inventor before: Hou Mingye

Inventor before: Zheng Yakun

Inventor before: Yang Jianfeng

CB03 Change of inventor or designer information