CN109190257B - 一种高速公路性能指标衰变的预测方法 - Google Patents

一种高速公路性能指标衰变的预测方法 Download PDF

Info

Publication number
CN109190257B
CN109190257B CN201811042811.2A CN201811042811A CN109190257B CN 109190257 B CN109190257 B CN 109190257B CN 201811042811 A CN201811042811 A CN 201811042811A CN 109190257 B CN109190257 B CN 109190257B
Authority
CN
China
Prior art keywords
maintenance
expressway
performance
road
decay
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
CN201811042811.2A
Other languages
English (en)
Other versions
CN109190257A (zh
Inventor
董侨
涂珊珊
陈雪琴
王茜
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.)
Southeast University
Original Assignee
Southeast University
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 Southeast University filed Critical Southeast University
Priority to CN201811042811.2A priority Critical patent/CN109190257B/zh
Publication of CN109190257A publication Critical patent/CN109190257A/zh
Application granted granted Critical
Publication of CN109190257B publication Critical patent/CN109190257B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/10Geometric CAD
    • G06F30/13Architectural design, e.g. computer-aided architectural design [CAAD] related to design of buildings, bridges, landscapes, production plants or roads
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06FELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00Computer-aided design [CAD]
    • G06F30/20Design optimisation, verification or simulation
    • GPHYSICS
    • G06COMPUTING; CALCULATING OR COUNTING
    • G06QINFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
    • G06Q10/00Administration; Management
    • G06Q10/04Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Geometry (AREA)
  • General Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • Computer Hardware Design (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Human Resources & Organizations (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Civil Engineering (AREA)
  • Tourism & Hospitality (AREA)
  • Quality & Reliability (AREA)
  • Operations Research (AREA)
  • Marketing (AREA)
  • Game Theory and Decision Science (AREA)
  • Development Economics (AREA)
  • Architecture (AREA)
  • General Business, Economics & Management (AREA)
  • Structural Engineering (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Pure & Applied Mathematics (AREA)
  • Road Signs Or Road Markings (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种高速公路性能指标衰变的预测方法,包括以下步骤:建立预测模型;建立高速公路的养护处理方式与高速公路的环境指标以及所述的模型参数对应关系表;确定待预测的高速公路的性能指标;参照所述的对应关系表,对参数进行取值;对每一养护处理方式的待测性能指标进行预测;对比所有养护处理方式的性能指标的预测结果,确定养护时机和养护方案。本发明中模型可针对不同的结构和养护措施进行预测,并且根据不同的实地情况进行矫正。本发明的预测方法可以用在道路管理系统中,实现道路的全寿命周期养护方案的制定,科学管理,增加道路使用寿命,使道路尽可能处于优良的服务水平,显著节约道路养护成本,提高道路服务水平。

Description

一种高速公路性能指标衰变的预测方法
技术领域
本发明属于高速公路性能指标的预测方法,具体涉及一种基于不同养护模式下的高速公路性能指标衰变预测方法。
背景技术
高速公路网在飞速发展的同时,也带来了大量的养护、管理问题。据统计中国每年用于道路设施各类养护和改造的投资将达到5000亿元以上。高速公路是公路网的骨架,高速公路上行车速度高,对路面的技术状况要求高,因而对科学的路面养护维修提出了更高的要求。搞好道路路面养护维修和管理工作的核心是路面养护维修规划及科学决策,关键问题是路面性能衰变的科学预测。路面使用性能预测的目的就是在路面使用性能评价的基础上,确定路面养护需求,以此来制定相应的养护改建措施,并确定在未来何时采用何种措施,投入多少养护资金。
目前国内外有大量关于路面性能预测的研究,其中,具有代表性的有以下三种模型:(1)刘伯莹和姚祖康的指数模型:
Figure GDA0003312415410000011
但方程系数数学物理含义不明确,且衰变速率过快,目前道路的性能衰变没有这么快;(2)孙立军和刘喜平的S模型:
Figure GDA0003312415410000012
Figure GDA0003312415410000013
其中参数α为寿命因子,代表了路面性能衰变到62%时的时间;β为衰变模式因子。但目前高速公路的性能几乎不会让其衰变到62%,参数α难以确定;(3)潘玉利通过限定上下限来控制衰变范围:
Figure GDA0003312415410000014
其中a为拐点,b代表衰变速率。衰变形式关于拐点对称,且形式单一。
且目前对于不同养护维修方法的研究很少,路面性能的预测具有复杂性,不仅与道路路面类型、环境状况、工作状态、交通量等有关,而且直接与养护维修方法有关。因此,对于不同养护模式下的高速公路性能衰变的预测是高速公路养护管理领域的一个难题。
发明内容
发明目的:本发明的目的是提供一种对高速公路路面性能预测精准、预测形式多样,并能将不同养护模式下的高速公路性能衰变预测融合到一个预测模型中的高速公路性能指标衰变的预测方法。
技术方案:为了达到上述发明目的,本发明所述的高速公路性能指标衰变的预测方法,包括以下步骤:
(1)建立预测模型,其模型表达式为:
Figure GDA0003312415410000021
其中,参数a、参数b为上下渐近线,参数c为衰变速率,参数d为衰变速率最大点位置,参数f则与拐点有关,t为时间;
(2)建立高速公路的养护处理方式与高速公路的环境指标以及所述的模型参数对应关系表;
(3)确定待预测的高速公路的性能指标;
(4)参照所述的对应关系表,对参数a、b、c、d、f进行取值;
(5)对每一养护处理方式的待测性能指标进行预测;
(6)对比所有养护处理方式的性能指标的预测结果,确定养护时机和养护方案。
进一步,在步骤(2)中所述的养护处理方式包括封层、超薄抗滑耐久性磨耗层、薄层罩面、就地热再生、高强沥青修补车辙、铣刨重铺上面层、高性能乳化沥青就地冷再生、直接罩面、铣刨重铺上中面层、铣刨后罩面、铣刨重铺上中下面层和铣刨重铺面层及基层。
进一步,所述的每一养护处理方式对应一预测模型参数与高速公路的环境指标关系表。
进一步,在步骤(2)中所述的高速公路的环境指标包括公路的交通量、横缝间距或贯穿度以及车辙深度。
进一步,所述的交通量包括轻、中、重和特重等级。
进一步,所述的横缝间距或贯穿度包括中、良、优良和优等级。
进一步,所述的车辙深度包括差、中、良、优良和优等级。
进一步,所述的性能指标包括PQI、RDI和TCEI。
有益效果:通过本发明的预测方法,可以精准找到使养护投入资金最少的最佳养护时机,本发明的预测方法可以用在道路管理系统中,实现道路的全寿命周期养护方案的制定,科学管理,增加道路使用寿命,使道路尽可能处于优良的服务水平,显著节约道路养护成本,提高道路服务水平。
附图说明
图1为本发明的数模型对应的所有可能的趋势走向;
图2为路面性能随时间常见的变化趋势;
图3为本发明模型c值对使用性能的影响;
图4位本发明不同养护方案下PCI性能预测趋势图;
图5为本发明的铣刨上面层罩面下模型预测值与G15实测值数据图。
具体实施方式
下面结合说明书附图和具体实例对本发明做进一步说明。
本发明针对不同的养护方案,环境因素,高速公路的道路水平状态对道路进行多种性能指标的预测,给出一种高速公路性能指标衰变预测模型,能够模拟对拐点非对称的情况,该模型公式如下:
Figure GDA0003312415410000031
其中,a、b为上下渐近线,c为衰变速率,d为衰变速率最大点位置,f则与拐点有关,t为时间。
如图1所示,图中给出,当a=100,b=50时,c=0.5,d=20,f=3;c=0.3,d=15,f=1.5;
c=0.5,d=10,f=1;c=0.6,d=5,f=0.5;以及c=0.5,d=2,f=0.1五种衰变曲线,这五种衰变曲线的走向完全涵盖了图2的现有路面的先慢后快、先快后慢以及S形曲线走向的衰变情况。针对不同的高速公路的性能应有不同的养护处理方案。该模型公式等号左侧性能指标可以是PQI,RDI,TCEI等。
当路面衰变的上下限不变,分别为100和50时,其他参数不变,无论如何改变衰变速率c,都有PCI/PCI0=0.7778,在这种情况下d的含义可以定义为性能衰变到初始值的77.78%的路面使用年数,如图3所示。其中,这个77.78%不是固定不变的,对于不同的地区,受环境,材料各方面的影响,路面性能衰变肯定有地区差异。参数取值不同,模型趋势就不同,如图1所示。例如,对江苏省实际道路的多年性能数据分析,会发现一般SRI、RQI、RDI衰减趋势呈现凹形;TCEI为横向裂缝状况指数呈现凸形,先慢后快;PCI主要呈现反S形趋势,而这所有的形式都可以调整参数,用本发明的模型公式进行趋势演示。故,本发明的高速公路性能衰变预测模型可以对高速公路的性能指标衰减进行预测,比现有技术的一模型对应一性能指标更方便。
高速公路的性能预测模型建立的基础是以初始高速公路的路面结构特征为主,因为在相同的外部条件下,采用简单的罩面与铣刨重铺后,路面性能下降肯定是不一样的,而且结构养护一般比一般养护效果更好,之后的道路性能下降更缓慢。基于此,先将工程中常用的道路养护维修处理方式进行分级。其中,处理等级越高,处理效果越好,未来路面性能衰变越慢。其中,在铣刨重铺上面层、铣刨重铺上中面层、铣刨重铺上中下面层、铣刨重铺面层及基层等措施中,涉及材料的选择,不同的材料对道路未来性能衰变影响也不一样,比如SMA-13比AC-13更好一些,道路的使用性能也会更优。
然而,高速公路性能衰变预测模型的参数的取值主要结合气象资料,统计的交通量数据,道路竣工资料以及养护管理部门的历年养护数据,本发明的高速公路性能衰变预测模型公式中的参数a、b、c、d、f的取值主要根据该公路的公路环境指标与参数关系对应表,如表1所示。其中,该指标包括交通量、横缝间距/贯穿度、车辙深度的级别进行取值。而交通荷载的作用是路面使用性能衰变的重要因素,交通因素主要是公路等级和交通量的影响。在高速公路或高等级公路上,交通量比一般公路大,其标准轴载累计作用次数高,导致路面使用性能下降的速度也较快。研究表明,交通荷载作用对于路面的结构性能影响最大,体现为交通量越大,路面破损状况越严重。路面使用性能预测多采用综合评价指标,包含了各种因素导致路面使用性能变化的属性特征,一般的方法是将交通量分为不同等级,研究不同交通量等级下道路随时间变化的路面使用性能衰变规律,以反映交通荷载因素和其他因素共同作用的结果。基于此,将交通量分成4级,即轻、中、重、特重。
而道路前期的修筑质量,道路所处具体环境等综合因素对道路性能衰变也具有影响,这些因素可以整体反应到路面的病害上,因此在进行性能衰变的预测时,道路的病害反应了这条路在未来性能衰变的潜力,即前期裂缝大或者车辙深的道路性能后期衰变也更快。因此,将道路的横缝间距/贯穿度与车辙深度进行分级。即将横缝间距/贯穿度的等级分为优、优良、良和中共4个等级;车辙深度的等级分为优、优良、良、中和差共5个等级。
综上所述,根据历年高速公路养护的实测数据,建立不同养护方式下,高速公路性能衰变预测模型的参数与公路环境指标关系对应表,如下表1所示,是铣刨上面层处理方法下,不同环境指标不同参数取值:
表1铣刨上面层方式的模型参数取值与公路环境指标关系对应表
Figure GDA0003312415410000041
Figure GDA0003312415410000051
Figure GDA0003312415410000061
Figure GDA0003312415410000071
经验与理论证明,高速公路的养护存在一个最佳点,使投入资金尽可能少,道路性能始终处于一个最优状态,本发明的模型对于高速公路的性能衰变进行科学预测的目的,是有助于找到这个最佳时机,为了给出一个最佳的养护方案,本发明给出一针对一段特定的道路,可以对比采取不同的养护方案下,道路未来的一个服务状态,如表2所示,可以做到在什么时候采取什么养护维修方案最佳,将有助于管理者决策。
例如,针对某一高速公路的公路环境指标为:交通量为重,横缝间距优良,车辙深度良的道路,给出在十二种养护方案下的预测模型的参数取值与养护方案的对应表,以及十二种养护方案的一个10年预测结果,如表2所示。本发明的十二种养护方案为封层、超薄抗滑耐久性磨耗层TFC、薄层罩面、就地热再生、高强沥青ECA2.5修补车辙、铣刨重铺上面层、高性能乳化沥青就地冷再生、直接罩面、铣刨重铺上中面层、铣刨后罩面、铣刨重铺上中下面层以及铣刨重铺面层及基层。如图4所示,给出表2中十二种养护方案对PCI进行十年预测的走势。
表2为每一养护方案的预测模型的参数与公路环境指标关系对应表以及预测结果
Figure GDA0003312415410000072
Figure GDA0003312415410000081
为了更详细介绍本发明的高速公路性能衰变预测模型的预测方法,本发明给出一对G15沈海高速公路江苏段连盐通第二车道的车辙衰变进行预测实施列,沈海高速公路原属同三高速公路的一部分,现为国家高速公路统一规划中的沈阳-海口路线,是唯一贯通中国东南沿海地区的高速公路。其中江苏段:从汾水经连云港,盐城,在南通跨越长江(苏通长江大桥),到苏州常熟董浜枢纽折向东经太仓,于朱桥主线(苏沪省界)进入上海。
以车辙(RDI)为例,选取的是G15沈海高速公路江苏段连盐通第二车道检测数据,该路段2010年8月进行了养护,采取的方案是铣刨上面层罩面,并对改路段的车辙进行了6个时间段的数据监测,实测数据如下表3所示:
表3 G15沈海高速公路江苏段连盐通实测数据
Figure GDA0003312415410000082
针对G15沈海高速公路江苏段连盐通第二车道,根据本发明的高速公路性能衰变预测模型进行预测。首先,确定该高速公路的车辙为本实施列的预测性能指标,其次,根据该路段的实际公路环境指标,即该路段的交通量等级为重、横缝间距/贯穿度的等级优良、车辙深度等级为良,在该公路环境指标下,确定十二种养护方案所对应的预测模型的参数值并进行预测,参照表2,管理部门一般要求未来5年道路服务水平不低于80分,因此,封层,超薄抗滑耐久性磨耗层TFC,薄层罩面,就地热再生,高强沥青ECA2.5修补车辙等方案都不合适,考虑性价比,选择铣刨重铺上面层,在实际情况下,也是用的铣刨重铺上面层,根据表2,得出参数a=100,b=70,c=0.5,d=3,f=0.1;根据公式(1),可测定出10年的数据,其中模型预测出的10年结果与实测G15结果如表4所示,
表4铣刨上面层罩面后RDI模型预测与实测数据
Figure GDA0003312415410000091
由上表4可以看出模型预测结果与实际检测结果表1误差最大的一年是1.46,与实测结果基本吻合,发展趋势也符合实际。模型预测结果到第五年在80左右,第10年就降到了70左右,这与实际的道路所在位置有关。在本例中交通量为重交通,车辙发展较快,可以发现,在第六年之后应该对该段路进行养护维修。故,确定第6年为养护时机,此时,还应根据铣刨上面层罩面后,确定第6年的横缝间距水平,以及对第6年交通量的一个预测,以此来判断第6年该道路的环境参数。这里假定第6年的交通量变化不大,等级为重、横缝间距/贯穿度的等级优良、车辙低于80,处于良。再根据表2去查找对应的养护方案,即得养护方案为:铣刨上面层罩面。通过本模型对G15沈海高速公路江苏段连盐通第二车道的车辙衰变进行预测得到的结果和我们实际养护方案一致,如图5所示。
本实施例利用本发明的高速公路性能衰变预测模型对车辙这一公路性能指标衰变进行预测的结果与实际测得值基本吻合,养护方案相同。这证实了本发明的预测模型的精准度很高。通过本发明的预测模型可以快速找到使养护投入资金最少的养护最佳时机。

Claims (8)

1.一种高速公路性能指标衰变的预测方法,其特征在于:包括以下步骤:
(1)建立预测模型,其模型表达式为:
Figure FDA0003312415400000011
其中,参数a、参数b为上下渐近线,参数c为衰变速率,参数d为衰变速率最大点位置,参数f则与拐点有关,t为时间;
(2)建立高速公路的养护处理方式与高速公路的环境指标以及所述的模型参数对应关系表,采集高速公路不同养护处理方式对应路段的历年检测的路面性能数据,采集高速公路不同养护处理方式对应路段在养护处理前高速公路的环境指标,确定不同的环境指标等级组合的路面性能数据对应的模型参数;
(3)确定待预测的高速公路的性能指标;
(4)参照所述的对应关系表,对参数a、b、c、d、f进行取值;
(5)对每一养护处理方式的待测性能指标进行预测;
(6)对比所有养护处理方式的性能指标的预测结果,确定养护时机和养护方案。
2.根据权利要求1所述的一种高速公路性能指标衰变的预测方法其特征在于:在步骤(2)中所述的养护处理方式包括封层、超薄抗滑耐久性磨耗层、薄层罩面、就地热再生、高强沥青修补车辙、铣刨重铺上面层、高性能乳化沥青就地冷再生、直接罩面、铣刨重铺上中面层、铣刨后罩面、铣刨重铺上中下面层和铣刨重铺面层及基层。
3.根据权利要求2所述的一种高速公路性能指标衰变的预测方法其特征在于:所述的每一养护处理方式对应一预测模型参数与高速公路的环境指标关系表。
4.根据权利要求1所述的一种高速公路性能指标衰变的预测方法其特征在于:在步骤(2)中所述的高速公路的环境指标包括公路的交通量、横缝间距或贯穿度以及车辙深度。
5.根据权利要求4所述的一种高速公路性能指标衰变的预测方法其特征在于:所述的交通量包括轻、中、重和特重等级。
6.根据权利要求4所述的一种高速公路性能指标衰变的预测方法其特征在于:所述的横缝间距或贯穿度包括中、良、优良和优等级。
7.根据权利要求4所述的一种高速公路性能指标衰变的预测方法其特征在于:所述的车辙深度包括差、中、良、优良和优等级。
8.根据权利要求1所述的一种高速公路性能指标衰变的预测方法其特征在于:所述的性能指标包括PQI、RDI和TCEI。
CN201811042811.2A 2018-09-07 2018-09-07 一种高速公路性能指标衰变的预测方法 Active CN109190257B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201811042811.2A CN109190257B (zh) 2018-09-07 2018-09-07 一种高速公路性能指标衰变的预测方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201811042811.2A CN109190257B (zh) 2018-09-07 2018-09-07 一种高速公路性能指标衰变的预测方法

Publications (2)

Publication Number Publication Date
CN109190257A CN109190257A (zh) 2019-01-11
CN109190257B true CN109190257B (zh) 2021-12-07

Family

ID=64915285

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201811042811.2A Active CN109190257B (zh) 2018-09-07 2018-09-07 一种高速公路性能指标衰变的预测方法

Country Status (1)

Country Link
CN (1) CN109190257B (zh)

Families Citing this family (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN110674592B (zh) * 2019-10-09 2021-04-02 南京航空航天大学 一种路面养护封层材料的应用
CN112241808A (zh) * 2020-09-28 2021-01-19 四川省交通运输发展战略和规划科学研究院 路面技术状况预测方法、装置、电子设备及存储介质
CN112418554B (zh) * 2020-12-07 2024-08-13 江苏高速公路工程养护技术有限公司 一种路面性能衰变的影响因素的确定方法及装置
CN113298409A (zh) * 2021-06-10 2021-08-24 西湾智慧(广东)信息科技有限公司 一种基于道路管养的预警机制的养护方法

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008138067A1 (en) * 2007-05-15 2008-11-20 University Of Technology, Sydney A method and system for estimating parameters of a vehicle
CN103669154A (zh) * 2013-12-06 2014-03-26 长沙理工大学 一种结构层寿命逐层递增的耐久性沥青路面设计方法
CN107609757A (zh) * 2017-08-28 2018-01-19 东南大学 一种评价路面养护长期效益的方法

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2008138067A1 (en) * 2007-05-15 2008-11-20 University Of Technology, Sydney A method and system for estimating parameters of a vehicle
CN103669154A (zh) * 2013-12-06 2014-03-26 长沙理工大学 一种结构层寿命逐层递增的耐久性沥青路面设计方法
CN107609757A (zh) * 2017-08-28 2018-01-19 东南大学 一种评价路面养护长期效益的方法

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
Ultimate biodegradation of alkylphenol ethoxylate surfactants and their biodegradation intermediates;Charles A. Staples等;《https://doi.org/10.1002/etc.5620201108》;20091103;全文 *
基于多元回归模型的高速公路养护路段长期性能研究;单岗 等;《公路》;20180331(第3期);第222-226页 *

Also Published As

Publication number Publication date
CN109190257A (zh) 2019-01-11

Similar Documents

Publication Publication Date Title
CN109190257B (zh) 一种高速公路性能指标衰变的预测方法
Yu et al. A methodology for evaluating micro-surfacing treatment on asphalt pavement based on grey system models and grey rational degree theory
CN113516258B (zh) 公路养护智能决策分析系统
Moreira et al. Coordination of user and agency costs using two-level approach for pavement management optimization
Sohaney et al. Pavement texture evaluation and relationships to rolling resistance at MnROAD
CN108257069B (zh) 一种基于swmm模型的道路年径流总量控制率速查法
Jain et al. Selection of optimum maintenance and rehabilitation strategy for multilane highways
Papageorgiou et al. Defining threshold values for pavement surface characteristics
Čutura et al. Application of the HDM-4 model on local road network: case study of the Herzegovina-Neretva Canton in Bosnia and Herzegovina
Deori et al. HDM-4 deterioration modelling: validation and adoption for flexible pavements with modified bituminous road surfacing
Kareem et al. Pavement condition index (PCI) for some highways collector selected in Najaf city implemented with PAVER software
Paplauskas et al. Road pavement condition index deterioration model for network-level analysis of national road network based on pavement condition scanning data
Beg et al. Developing Optimized Maintenance Work Programs for an Urban Roadway Network using Pavement Management System
Bagherian et al. Pavement performance prediction model development for Tehran
Bamdad Mehrabani et al. Predicting operating speed: comparison of linear regression and structural equation models
Saarenketo et al. From Reactive to Proactive Maintenance in Road Asset Management
Wang et al. Recent Developments in Pavement Management for Road Maintenance: Equipment, Software, and Standard
Wei et al. Performance Evaluation Model of Urban Road Asphalt Pavement Based on Attribute Hierarchical Model and Entropy Weight Method
Wang et al. Use of Crack Characteristics in Crack Sealing Performance Modeling and Network-Level Project Selection
Jones et al. Development of guidelines for unsealed road assessment
Zhang et al. Research and development of intelligent decision system for highway maintenance based on GIS
Mubaraki Development of pavement condition rating model and pavement roughness model for Saudi highways
CN117744205B (zh) 一种既有沥青路面延寿设计方法
Li et al. Data Grouping Analysis of Asphalt Pavement Distress Using Sequential Cluster Method
He Application of Fuzzy Analytic Hierarchy Process and Three-Dimensional Terrain Model in Traffic Routes Selection

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