CN111460551B - 二维车辆超限荷载谱的模拟、分级和编制方法 - Google Patents

二维车辆超限荷载谱的模拟、分级和编制方法 Download PDF

Info

Publication number
CN111460551B
CN111460551B CN202010227394.XA CN202010227394A CN111460551B CN 111460551 B CN111460551 B CN 111460551B CN 202010227394 A CN202010227394 A CN 202010227394A CN 111460551 B CN111460551 B CN 111460551B
Authority
CN
China
Prior art keywords
traffic flow
overrun
vehicle
load
lane
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
CN202010227394.XA
Other languages
English (en)
Other versions
CN111460551A (zh
Inventor
黄培彦
陈展标
姚国文
李稳
李世亚
郭永昌
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.)
South China University of Technology SCUT
Original Assignee
South China University of Technology SCUT
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 South China University of Technology SCUT filed Critical South China University of Technology SCUT
Priority to CN202010227394.XA priority Critical patent/CN111460551B/zh
Publication of CN111460551A publication Critical patent/CN111460551A/zh
Priority to US17/117,443 priority patent/US20210304594A1/en
Application granted granted Critical
Publication of CN111460551B publication Critical patent/CN111460551B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0137—Measuring and analyzing of parameters relative to traffic conditions for specific applications
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
    • G06F17/10—Complex mathematical operations
    • G06F17/18—Complex mathematical operations for evaluating statistical data, e.g. average values, frequency distributions, probability functions, regression analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0108—Measuring and analyzing of parameters relative to traffic conditions based on the source of data
    • G08G1/0116—Measuring and analyzing of parameters relative to traffic conditions based on the source of data from roadside infrastructure, e.g. beacons
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0129—Traffic data processing for creating historical data or processing based on historical data
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/0104—Measuring and analyzing of parameters relative to traffic conditions
    • G08G1/0125—Traffic data processing
    • G08G1/0133—Traffic data processing for classifying traffic situation
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/015—Detecting movement of traffic to be counted or controlled with provision for distinguishing between two or more types of vehicles, e.g. between motor-cars and cycles
    • G—PHYSICS
    • G08—SIGNALLING
    • G08G—TRAFFIC CONTROL SYSTEMS
    • G08G1/00—Traffic control systems for road vehicles
    • G08G1/01—Detecting movement of traffic to be counted or controlled
    • G08G1/052—Detecting movement of traffic to be counted or controlled with provision for determining speed or overspeed
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/08—Probabilistic or stochastic CAD

Landscapes

  • Physics & Mathematics (AREA)
  • General Physics & Mathematics (AREA)
  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Analytical Chemistry (AREA)
  • Data Mining & Analysis (AREA)
  • General Engineering & Computer Science (AREA)
  • Mathematical Analysis (AREA)
  • Mathematical Physics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Mathematical Optimization (AREA)
  • Computer Hardware Design (AREA)
  • Evolutionary Computation (AREA)
  • Geometry (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Biology (AREA)
  • Operations Research (AREA)
  • Probability & Statistics with Applications (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Algebra (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Databases & Information Systems (AREA)
  • Software Systems (AREA)
  • Traffic Control Systems (AREA)

Abstract

本发明公开了二维车辆超限荷载谱的模拟、分级和编制方法，包括步骤：对各种典型道路连续采集一段时间的车流量信息；生成各车道的车流序列，并确定车流量的最优样本容量；对各车道车流序列的概率特性进行分析；模拟全部车道车流序列；生成二维超限车辆荷载谱；对二维超限车辆荷载谱进行分级；对二维超限车辆荷载谱进行编制。采用本发明所述方法对车辆超限荷载谱进行模拟、分级和编制，可达到再现我国道路/公路交通运输中的超限、超载和过载等实际情境、方便对桥梁结构的荷载效应、承载力及安全评定、健康监测、变幅和随机疲劳实验、寿命预测以及对公路/道路桥梁进行分级管养和安全风险控制等效果。

Description

二维车辆超限荷载谱的模拟、分级和编制方法
技术领域
本发明涉及车辆荷载谱的技术领域，尤其涉及二维车辆超限荷载谱的 模拟、分级和编制方法。
背景技术
在我国的道路(公路)运输中，车辆的超限/超载是普遍现象。虽然不 是所有超限/超载都会引起桥梁结构承受比设计荷载要大的过大荷载(简称 “过载”)，但超限/超载往往会导致过载，而过载会造成桥梁结构过早出现 损伤及各种病害，甚至危及结构和交通安全。为了保障既有公路桥梁结构 的安全，又为公路桥梁设计标准的完善提供理论依据，需要对我国典型公 路的实际车辆荷载谱(含超限荷载)进行精确的模拟和编制。
目前常用的车辆荷载谱模拟方法是对通过某路段或某座桥梁的车辆或 轴重进行统计及损伤等效分析，得到模型车辆或轴重的概率统计特征，再 根据其统计特征，利用蒙特卡洛等数值模拟方法对车辆荷载-时间序列(荷 载谱)进行模拟。但目前的荷载谱都是一维荷载谱，即只有车辆荷载-时间 序列，并没有考虑车辆荷载的平面作用位置变化。实际道路交通中，对于 单向两个以上车道的公路和桥梁，在相同时间、同一截面上每个车道的车辆荷载在很大概率上是不相同的，其荷载谱也有异。而且，车辆的随意变 道也是中国公路/道路交通的特有情境。因此，一维荷载谱无法准确描述车 辆荷载对道路和桥梁的作用效应，需要考虑随时间和空间(车道)变化的 二维车辆荷载谱。
对于一般的车辆荷载谱，如无实验或控制等其他要求，模拟后可不再 进行编制，但对于超限(超过规定尺寸或重量)车辆，因其包含超载(超 过其规定载重)车辆，而超载车辆又包含过载(超过桥梁结构的设计荷载) 车辆，因此，需要对超限车辆荷载谱进行分级和编制。而且，对于过载车 辆，由于其过载的程度不同，其对桥梁结构造成的损伤程度也不一样，因 此，为了能够对车辆过载下桥梁结构的安全风险进行评估、管理和控制， 更有必要对超限车辆荷载谱进行分级和编制。
综上所述，目前我国在(超限)车辆荷载谱的模拟、分级和编制方面 存在以下问题：目前的车辆荷载谱都是一维荷载谱(荷载～时间序列)，即 只考虑车辆荷载随时间的变化规律，而没有考虑其随空间(车道)的变化； 未见车辆超限荷载谱的报道；没有车辆超限荷载谱的模拟、分级和编制方 法；未见二维车辆荷载谱的报道；没有二维车辆超限荷载谱的模拟、分级 和编制方法。
发明内容
本发明的目的在于克服现有技术的不足，提供二维车辆超限荷载谱的 模拟、分级和编制方法。本发明可用于公路桥梁、城市道路桥梁、地方道 路桥梁的结构响应分析、安全评估、设计、维养、管理及风险控制等工作， 也可以用于车辆超限荷载谱下桥梁结构的变幅和/或随机疲劳实验。
本发明的目的能够通过以下技术方案实现：
二维车辆超限荷载谱的模拟、分级和编制方法，包括步骤：
对各种典型道路连续采集一段时间的车流量信息；
生成各车道的车流序列，并确定车流量的最优样本容量；
对各车道车流序列(有效数据)的概率特性进行分析：根据确定的最 优样本容量，取最优样本容量的各车道车流序列数据，计算并确定其功率 谱密度函数或自相关函数，确定其概率分布函数；
模拟全部车道车流序列；
生成二维超限车辆荷载谱；
对二维超限车辆荷载谱进行分级；
对二维超限车辆荷载谱进行编制。
具体地，典型道路包括国道、城市快速路、高速公路以及其他道路等； 采集方法包括采用车辆动态称重系统、抓拍系统或者采取人工计数等方法； 车流量信息包括车牌号、通过时间、所在车道、车型(车轴数)、轴重、总 重、车速等。车流量信息连续采集时间为一个月以上。
具体地，生成各车道的车流序列包括两种方法，分别为：
将采集到的车辆数据按照小型车、中型车、大型车和客货拖挂车分为 4个类别的车型，分别统计单位时间内通过该路段(桥梁)各个车道的车 流量，并生成同方向各个车道的车流序列。
分别计算不同车轴数的车辆的荷载效应，将具有同样车轴数的车辆分 为一类，将各类车辆中荷载效应最大的车型作为各自的标准车型；对采集 到的各车道的车流量数据按照标准车型重新进行统计，获得同方向各个车 道的车流序列。
具体地，确定车流量最优样本容量的方法为：根据各车道车流量统计 数据中超限车辆的出现概率，设定统计分析的精度，计算所需超限车辆数 量的超越概率，进而确定有效数据量(最优样本容量)，以便对这些有效数 据进行统计分析。
优选地，车流量统计分析中设定的抽样精度为
Figure BDA0002428171870000031
则得到的 最小样本容量为
Figure BDA0002428171870000032
其中，统计样本中所需超限车辆数量的 超越概率为Pe＝No/Np，No为预统计时间t内通过某一车道的超限车辆的数 量，Np为同一时间内通过该车道的所有车辆数量。若N≤Np，则取N＝Np， 将统计时间定为t，此时N为最优样本容量；若N>Np，则增加预统计时间 t，直到各车道的最小样本容量满足N≤Np为止。
具体地，模拟某一车道车流序列的方法为：根据某一车道上的车流序 列(有效数据)的概率分布函数，判断该统计分析对象的车流序列的随机 过程属性：
如果属于高斯随机过程，则利用其概率分布函数以及功率谱密度函数 或自相关函数，采用三角级数谐波合成法的数值模拟方法，可得到该车道 含超限车辆的模拟车流序列(一维超限车辆荷载谱)；
如果车流序列的随机过程属性为非高斯随机过程，则采用“概率分布 转换”与三角级数谐波合成法相结合的模拟方法，以非高斯过程的功率谱 密度函数为模拟目标，经过“概率分布转换”以及对功率谱密度函数的修 正，得到该车道属于非高斯随机过程的含超限车辆的模拟车流序列(一维 超限车辆荷载谱)。
更进一步地，所述“概率分布转换”与三角级数谐波合成法相结合的 模拟方法，是通过“概率分布转换”以及借助高斯过程的模拟来达到非高 斯过程模拟的一种方法，包括步骤：
将非高斯过程的功率谱密度函数作为模拟目标函数；
设定高斯过程的均值为零，其方差与非高斯过程的方差相等；
利用目标函数模拟高斯过程；
假设模拟后的高斯过程的每个离散值分别与非高斯过程的每个离散值 的概率相等，并生成(模拟)非高斯过程；
计算模拟后的非高斯过程的功率谱密度函数，并与目标函数比较：
如果两者基本一致，即相对误差小于3％，则模拟工作结束；如果两者 不一致，则利用目标函数以及模拟非高斯过程的功率谱密度函数对该步骤 中高斯过程的功率谱密度函数进行修正，再返回利用目标函数模拟高斯过 程步骤中去模拟高斯过程，直至模拟后的非高斯过程的功率谱密度函数与 目标函数基本一致为止。
具体地，按照某一车道车流序列的模拟方法，模拟出全部车道含超限 车辆的模拟车流序列。
优选地，所述“概率分布转换”过程中，高斯过程的功率谱密度函数 的修正次数为1～3次。
具体地，生成二维超限车辆荷载谱的方法为：将同一时间通过道路或 桥梁某一截面的各车道上的模拟车流序列，按照车道顺序进行排列和整理， 生成能重现车辆类型/荷载、车辆通过时间和所在车道位置的二维超限车辆 荷载谱。
具体地，二维超限车辆荷载谱的分级方法为：按照与车辆超限荷载等 效的常幅荷载对桥梁结构造成的损伤程度(疲劳寿命的等比降低程度)以 及过载的界定方法对二维超限车辆荷载谱进行分级：
第一级荷载的上限为常幅疲劳荷载下构件的疲劳极限再除以一个安全 系数；
第二级荷载的上限为车辆临界过载值；
第三级荷载的上限为过载10％，即超过临界过载值的10％；
第四级荷载的上限为过载25％，即超过临界过载值的25％；
第五级荷载的下限为大于过载25％。
更进一步地，桥梁构件的疲劳极限的确定方法为：根据相关规范的规 定确定其无限寿命Nf，并根据相同材料或构件在常幅疲劳荷载下的疲劳实 验曲线(S～N曲线)或疲劳方程，确定其与Nf相对应的疲劳极限Sf。
优选地，第一级荷载中所述疲劳极限的安全系数为1.6～2.0。
优选地，过载的界定方法为：
对于钢筋混凝土构件，将受弯构件的混凝土下缘(最大拉应力处)出 现拉应力时的临界弯矩与考虑结构安全系数(K＝1.6～2.0)后的极限承载 力(弯矩)中的较小值，作为定义过载的临界弯矩，而将大于等于该弯矩 值所对应的车辆荷载定义为过载；
对于钢结构件和其他结构件，将考虑结构安全系数(K＝2.0)后的极限 承载力(应力，弯矩)作为定义过载的临界应力(临界载荷，临界弯矩)， 而将大于等于该应力(载荷，弯矩)值所对应的车辆荷载定义为过载。
具体地，二维超限车辆荷载谱的编制方法为：根据二维超限车辆荷载 谱的分级方法，将荷载谱中第一级荷载的荷载值全部设定为零，再按照原 荷载谱的顺序和位置，编制成所需的二维超限车辆荷载谱。
本发明相较于现有技术，具有以下的有益效果：
1、二维车辆超限荷载谱，能够再现我国公路/道路交通运输中的超限、 超载和过载等实际情境，既能呈现车辆荷载～时间序列，又能反映车辆荷 载的空间位置(车道位置)，为桥梁在实际车辆荷载作用下的结构响应的精 确评价、进而对桥梁结构的承载力及安全评定、设计、加固维修、管养、 风险控制等奠定了良好基础；而本发明中的二维车辆超限荷载谱的模拟方 法，既能高效精确地再现车辆荷载～时间序列，又能高效精确地模拟车辆 荷载的空间位置(车道位置)；既能对服从高斯分布的车辆荷载随机过程进 行高效精确的模拟，又能对服从非高斯分布的车辆荷载随机过程进行高效 精确的模拟。
2、本发明中的二维车辆超限荷载谱的分级和编制方法，基于车辆超限 随机荷载作用下桥梁结构损伤累积(寿命衰减)规律与过载界定方法相结 合，明确了车辆超限、超载与过载的区别和界定方法；既能充分保留对结 构会造成损伤的较大荷载、不改变原荷载顺序和位置，又有助于编制用于 随机疲劳实验和变幅疲劳实验的荷载谱(实验谱)，并能大量减少实验工作 量。
3、本发明中的二维车辆超限荷载谱的分级方法，可方便使用经典疲劳 理论和修正Miner线性损伤累积准则对桥梁结构的使用寿命进行评价和预 测，并可大量减少桥梁结构的荷载效应、健康监测、承载力及安全评定等 的工作量，便于对公路/道路桥梁进行分级管养和安全风险控制。
附图说明
图1是本发明中二维车辆超限荷载谱的模拟、分级和编制方法的流程 图。
图2是本发明实施例2中非高斯随机过程的数值模拟流程图。
图3是本发明实施例2中某一时段第1～3车道的车流量。
图4是本发明实施例2中各轴数车辆的标准车型示意图。
图5是本发明实施例2中各车道的车流序列(一维超限车辆荷载谱)。
图6是本发明实施例2中的二维超限车辆荷载谱。
图7是本发明实施例2中分级和编制后的二维超限车辆荷载谱。
具体实施方式
下面结合实施例及附图对本发明作进一步详细的描述，但本发明的实 施方式不限于此。
实施例1：
如图1所示为二维车辆超限荷载谱的模拟、分级和编制方法的流程图， 所述方法包括步骤：
(1)对各种典型道路连续采集一段时间的车流量信息；
典型道路包括国道、城市快速路、高速公路以及其他道路等；
采集方法包括采用车辆动态称重系统、抓拍系统或者采取人工计数等 方法；
车流量信息包括车牌号、通过时间、所在车道、车型(车轴数)、轴重、 总重、车速等。
车流量信息连续采集时间为一个月以上。
(2)生成车流序列，并确定车流量的最优样本容量；
生成车流序列包括两种方法，分别为：
根据《公路工程技术标准》(JTGB01-2014)规定，将车辆荷载标准化， 将采集到的车辆数据按照小型车、中型车、大型车和客货拖挂车分为4个 类别的车型，分别统计单位时间内通过该路段(桥梁)各个车道的车流量， 并生成同方向各个车道的车流序列。
根据《道路车辆外廓尺寸、轴荷及质量限值》(GB1589-2004)和《中国 汽车车型手册(2012)》，分别计算不同车轴数的车辆的荷载效应，将具有同 样车轴数的车辆分为一类，将各类车辆中荷载效应最大的车型作为各自的 标准车型；对采集到的各车道的车流量数据按照标准车型重新进行统计， 获得同方向各个车道的车流序列。
确定车流量最优样本容量的方法为：根据各车道车流量统计数据中超 限车辆的出现概率，设定统计分析的精度，计算所需超限车辆数量的超越 概率，进而确定有效数据量(最优样本容量)，以便对这些有效数据进行统 计分析。
优选地，车流量统计分析中设定的抽样精度为
Figure BDA0002428171870000091
则得到的 最小样本容量为
Figure BDA0002428171870000092
其中，统计样本中所需超限车辆数量的 超越概率为Pe＝No/Np，No为预统计时间t内通过某一车道的超限车辆的数 量，Np为同一时间内通过该车道的所有车辆数量。若N≤Np，则取N＝Np， 将统计时间定为t(此时的N称之为最优样本容量)；若N>Np，则增加预 统计时间t，直到各车道的最小样本容量满足N≤Np为止。
(3)对各车道车流序列(有效数据)的概率特性进行分析：根据确定 的最小样本容量，取大于最小样本容量的各车道车流序列数据，计算并确 定其功率谱密度函数或自相关函数，确定其概率分布函数；
(4)模拟全部车道车流序列；
具体地，模拟某一车道车流序列的方法为：根据某一车道的车辆荷载 数据统计分析得到的自相关函数R(τ)(或功率谱密度函数S(f))和概率分 布函数Fx(x)，判断该统计分析对象的车流序列的随机过程属性：
如果属于高斯随机过程，则利用其概率分布函数以及功率谱密度函数 或自相关函数，采用三角级数谐波合成法的数值模拟方法，可得到该车道 含超限车辆的模拟车流序列(一维超限车辆荷载谱)，具体为：
设高斯过程x(t)的功率谱密度函数为S(f)，构造x(t)的三角级数生成随 机过程：
Figure RE-GDA0002489644490000101
其中，x(t)的方差
Figure RE-GDA0002489644490000102
fk为具有概率密度函数
Figure RE-GDA0002489644490000103
的 随机变量；φk是服从(0,2π)上均匀分布的随机变量，N为充分大的正整数。 由式(1)可模拟得到某一车道服从高斯分布的车辆荷载～时间序列(一维 车辆荷载谱)。
如果车流序列的随机过程属性为非高斯随机过程，则采用“概率分布 转换”与三角级数谐波合成法相结合的模拟方法，以非高斯过程的功率谱 密度函数为模拟目标，经过“概率分布转换”以及对功率谱密度函数的修 正，得到该车道属于非高斯随机过程的含超限车辆的模拟车流序列(一维 超限车辆荷载谱)，如图2所示，具体为：
(4-1)将非高斯过程的功率谱密度函数Sw(f)作为模拟目标函数；
(4-2)设定高斯过程的均值μg为零，其方差σg 2与非高斯过程的方差 σw 2相等，其功率谱密度函数也相等，即Sg(f)＝Sw(f)；
(4-3)利用目标函数模拟高斯过程g(x)；
(4-4)假设模拟后的高斯过程的每个离散值分别与非高斯过程的每个 离散值的概率相等，即
Figure BDA0002428171870000102
生成(模拟)非高斯过程w(x)；
(4-5)计算模拟后的非高斯过程w(x)的功率谱密度函数
Figure BDA0002428171870000103
(i＝1)， 并与目标函数Sw(f)比较：
如果两者基本一致，即相对误差小于3％，则结束模拟过程；
如果两者不一致，则进入步骤(4-6)；
(4-6)利用目标函数以及模拟非高斯过程的功率谱密度函数对该步骤 中高斯过程的功率谱密度函数进行修正，即
Figure BDA0002428171870000111
再返回 步骤(4-3)去模拟高斯过程，直至模拟后的非高斯过程的功率谱密度函数 与目标函数一致为止。
优选地，所述“概率分布转换”过程中，高斯过程的功率谱密度函数 的修正次数为1～3次。
重复本步骤，模拟其他全部车道车流序列。
(5)生成二维超限车辆荷载谱；
具体地，生成二维超限车辆荷载谱的方法为：将同一时间通过道路或 桥梁某一截面的各车道上的模拟车流序列，按照车道顺序进行排列和整理， 生成能重现车辆类型/荷载、车辆通过时间和所在车道位置的二维超限车辆 荷载谱。
(6)对二维超限车辆荷载谱进行分级；
具体地，二维超限车辆荷载谱的分级方法为：按照与车辆超限荷载等 效的常幅荷载对桥梁结构造成的损伤程度(疲劳寿命的等比降低程度)以 及过载的界定方法对二维超限车辆荷载谱进行分级：
第一级荷载是对桥梁结构的疲劳寿命几乎没有影响的荷载。因此，可 将第一级荷载的上限S1,max定为其疲劳极限再除以一个安全系数，即 S1,max＝Sf/(1.6～2.0)；
第二级荷载是去除第一级荷载后、不大于过载的正常(安全)车辆荷 载，故其上限值S2,max是该桥梁结构的车辆临界过载值Pc或σc或Mc。在第 二级荷载作用下桥梁结构的疲劳寿命可以采用经典疲劳理论来描述；
第三级荷载是大于等于车辆临界过载值、小于等于过载10％，即第三 级荷载的上限是临界过载值Pc或σc或Mc的110％；
第四级荷载的上限是过载25％，即为临界过载值Pc或σc或Mc的125％；
第五级荷载的下限是大于过载25％，即大于临界过载值Pc或σc或Mc的125％。
在第三级～第五级荷载作用下桥梁结构的疲劳寿命可以采用修正 Miner线性损伤累积准则来描述。
更进一步地，桥梁构件的疲劳极限的确定方法为：根据相关规范的规 定确定其无限寿命Nf，并根据相同材料或构件在常幅疲劳荷载下的疲劳实 验曲线(S～N曲线)或经典疲劳方程SmN＝C，确定其与Nf相对应的疲劳 极限Sf。
优选地，第一级荷载中所述疲劳极限的安全系数为1.6～2.0。
优选地，过载的界定方法为：
(6-1)对于钢筋混凝土构件，将受弯构件的混凝土下缘(最大拉应力 处)出现拉应力时的临界弯矩Mc1与考虑结构安全系数(K＝1.60～2.0)后 的极限承载力(弯矩Mc2)中的较小值，作为车辆过载时的临界弯矩MC， 而最小的车辆过载值Pc则通过MC求得；将大于等于该弯矩值所对应的车 辆荷载定义为过载；
(6-2)对于钢结构件和其他结构件，将考虑结构安全系数(K＝2.0) 后的极限承载力(应力，弯矩)作为过载时的临界应力σc(临界载荷，临 界弯矩)，而将大于等于该应力(载荷，弯矩)值所对应的车辆荷载界定为 过载。
(7)对二维超限车辆荷载谱进行编制。
具体地，二维超限车辆荷载谱的编制方法为：根据二维超限车辆荷载 谱的分级方法，将几乎不影响桥梁结构疲劳寿命的荷载谱中第一级荷载的 荷载值全部设定为零，再按照原荷载谱的顺序和位置，编制成所需的二维 超限车辆荷载谱。
实施例2：
下面结合实例对本二维超限车辆荷载谱的模拟和分级和编制方法作更 进一步的介绍，所述方法包括步骤：
(1)某城市快速(高速)路桥梁单幅为三个车道，综合采用车辆动态 称重系统和抓拍系统，连续采集了一个月的车流量数据，其中24天的数据 如图3所示。
(2)根据《道路车辆外廓尺寸、轴荷及质量限值》(GB1589-2004)和 《中国汽车车型手册(2012)》，分别计算各轴数车辆的荷载效应，并参考现 场的抽查结果，将具有同样车轴数的车辆作为一类，将各类车辆中荷载效 应最大者作为各自的计算(标准)车型，如图4所示。标准车型确定后， 对采集到的各车道车流量数据按照标准车型重新进行统计，即可获得同方 向各个车道的车流序列。
取车流量统计分析中的抽样精度为
Figure BDA0002428171870000131
预统计时间t＝7天。在预 统计时间7天内通过各个车道的车辆总数Np分别为：9124辆，43454辆， 29274辆，其中，超限车辆数量N0分别为：386辆，480辆，603辆，则其 超越概率Pe＝N0/Np分别为：4.23％，1.10％，2.06％；各车道需抽样车辆数 N＝(1-Pe)/(0.05Pe)分别为：9055辆，35812辆，19019辆。由于各个车道均 满足Np>N，因此本次统计数据的最优样本容量为t＝7天的车流量，即取 N＝Np。
(3)对7天内各车道的车流序列数据，分别计算和确定其功率谱密度 函数或自相关函数，确定其概率分布函数。
三个车道的功率谱密度函数分别为：
Figure BDA0002428171870000141
Figure BDA0002428171870000142
Figure BDA0002428171870000143
三个车道的概率分布(2参数的威布尔分布)函数分别为：
Figure BDA0002428171870000144
Figure BDA0002428171870000145
Figure BDA0002428171870000146
(4)各个车道车流序列的模拟。
根据步骤(3)的概率统计分析结果可知，三个车道的车流序列都是服 从2参数的威布尔分布的非高斯随机过程w(x)，因此需采用“概率分布转 换”与三角级数谐波合成法相结合的方法，按照图2所示步骤进行模拟。 本实例的计算参数及模拟结果如下：
模拟目标函数分别为：Sw(f)＝S1(f)，S2(f)，S3(f)；
高斯过程g(x)的方差分别为：σg 2＝35.92，89.42，93.62；
高斯过程g(x)的功率谱密度函数为：Sg(f)＝Sw(f)；
模拟后的高斯过程的每个离散值分别与非高斯过程的每个离散值的概 率相等：
Figure BDA0002428171870000147
模拟次数：i＝3；
模拟结果：
Figure BDA0002428171870000148
各车道的车流序列(一维车辆荷载谱)如图5所示。
(5)二维超限车辆荷载谱的生成。
将同一时间通过道路或桥梁某一截面的各车道上的模拟车流序列(一 维车辆荷载谱)按照车道顺序进行排列和整理，可生成能重现车辆通过时 间和所在车道位置的二维超限车辆荷载谱，如图6所示。
(6)二维车辆超限荷载谱的分级，包括以下步骤：
疲劳极限的确定。根据相关规范的规定，对于公路桥梁的一般RC构 件(本实施例以20米空心板梁为例)，其无限寿命Nf＝2×106；再根据RC 构件在常幅循环荷载下的疲劳实验曲线(S～N曲线)，考虑结构安全系数 后，可求得RC构件与Nf相对应的疲劳极限(以弯矩表示，MSf)为：
MSf＝Rf(Mcu-M1)/K
其中，Rf＝0.576为RC构件的相对疲劳极限；K＝1.8为结构安全系数； Mcu和M1分别为20米空心板梁的极限弯矩和恒载弯矩。按照《公路钢筋 混凝土及预应力混凝十桥涵设汁规范》(JTGD62-2004)的规定，可计算得 到Mcu＝2308kN·m，M1＝860kN·m。
因此，MSf＝463kN·m。
过载的计算和界定。
20米空心板梁受弯时，计算得到其混凝土下缘(最大拉应力处)出现 拉应力时的临界弯矩为：Mc1＝1300kN·m；
考虑结构安全系数(K＝1.8)后该板梁的极限承载力(弯矩)为：
Mc2＝1282kN·m
考虑横向分布系数η＝0.549后，车辆活载作用下的临界过载弯矩为：
Figure BDA0002428171870000151
与临界过载弯矩Mc相对应的车辆荷载临界过载值记为Sc(Pc，σc)，则 所有S≥Sc的车辆荷载定义为过载。由于Sc的计算与车辆的轴数和车速有 关，即不同的轴数和车速，其Sc值不同。因此，为方便起见，本实施例以 临界过载弯矩MC为参量来对车辆荷载谱进行分级。
荷载谱的分级。
第一级荷载(弯矩)的上限S1,max为：S1,max＝MSf＝463kN·m；
第二级荷载(弯矩)大于MSf、小于临界过载弯矩MC、即其上限值 S2,max<MC＝769kN·m；
第三级荷载(弯矩)大于等于临界过载弯矩MC、小于等于过载弯矩的 10％，即第三级荷载的上限值为：S3,max＝1.1MC＝846kN·m；
第四级荷载(弯矩)大于S3,max，其上限是过载25％，即第四级荷载的 上限值为：S4,max＝1.25MC＝961kN·m；
第五级荷载(弯矩)的下限是大于过载25％，即第五级荷载为： S5>961kN·m；
(7)二维超限车辆荷载谱的编制。
根据上述二维超限车辆荷载谱的分级方法，将几乎不影响桥梁结构疲 劳寿命的荷载谱中第一级荷载的荷载值(即与≤MSf＝463kN·m相对应的车 辆活载：S≤Sf)全部设定为零，再按照原荷载谱的顺序和位置，编制成所 需的二维超限车辆荷载谱。作为例子，图7所示为轴数为3、车速为60km/h 时的二维超限荷载谱中的一段。其中，20m空心板梁的疲劳极限所对应的 车辆活载为Sf＝140.3kN。
上述实施例为本发明较佳的实施方式，但本发明的实施方式并不受上 述实施例的限制，其他的任何未背离本发明的精神实质与原理下所作的改 变、修饰、替代、组合、简化，均应为等效的置换方式，都包含在本发明 的保护范围之内。

Claims (10)

1.二维车辆超限荷载谱的模拟、分级和编制方法，其特征在于，包括步骤：
对各种典型道路连续采集一段时间的车流量信息；
生成各车道的车流序列，并确定车流量的最优样本容量；
对各车道车流序列的概率特性进行分析：
模拟全部车道车流序列；
生成二维超限车辆荷载谱；
对二维超限车辆荷载谱进行分级；
对二维超限车辆荷载谱进行编制；
所述确定车流量最优样本容量的方法为：根据各车道车流量统计数据中超限车辆的出现概率，设定统计分析的精度，计算所需超限车辆数量的超越概率，确定最小样本容量，进而确定最优样本容量；
所述各车道车流序列的概率特性分析方法为：根据确定的最优样本容量，取最优样本容量的各车道车流序列数据，计算并确定其功率谱密度函数或自相关函数，确定其概率分布函数；
生成二维超限车辆荷载谱的方法为：将同一时间通过道路或桥梁某一截面的各车道上的模拟车流序列，按照车道顺序进行排列和整理，生成能重现车辆类型/荷载、车辆通过时间和所在车道位置的二维超限车辆荷载谱；
二维超限车辆荷载谱的分级方法为：按照与车辆超限荷载等效的常幅荷载对桥梁结构造成的损伤程度以及过载的界定方法对二维超限车辆荷载谱进行分级；
二维超限车辆荷载谱的编制方法为：根据二维超限车辆荷载谱的分级方法，将荷载谱中第一级荷载的荷载值全部设定为零，再按照原荷载谱的顺序和位置，编制成所需的二维超限车辆荷载谱。
2.根据权利要求1所述的方法，其特征在于，典型道路包括国道、城市快速路、高速公路以及其他道路；采集方法包括采用车辆动态称重系统、抓拍系统或者采取人工计数方法；车流量信息包括车牌号、通过时间、所在车道、车型、轴重、总重、车速；车流量信息连续采集时间为一个月以上。
3.根据权利要求1所述的方法，其特征在于，生成车流序列包括两种方法，分别为：
将采集到的车辆数据按照小型车、中型车、大型车和客货拖挂车分为4个类别的车型，分别统计单位时间内通过路段各个车道的车流量，并生成同方向各个车道的车流序列；
分别计算不同车轴数的车辆的荷载效应，将具有同样车轴数的车辆分为一类，将各类车辆中荷载效应最大的车型作为各自的标准车型；对采集到的各车道的车流量数据按照标准车型重新进行统计，获得同方向各个车道的车流序列。
4.根据权利要求1所述的方法，其特征在于，车流量统计分析中设定的抽样精度为
Figure FDA0003524684390000021
则得到的最小样本容量为
Figure FDA0003524684390000022
其中，统计样本中所需超限车辆数量的超越概率为Pe＝No/Np，No为预统计时间t内通过某一车道的超限车辆的数量，Np为同一时间内通过该车道的所有车辆数量；若N≤Np，则取N＝Np，将统计时间定为t，此时的N为最优样本容量；若N>Np，则增加预统计时间t，直到各车道的最小样本容量满足N≤Np为止。
5.根据权利要求1所述的方法，其特征在于，所述模拟全部车道车流序列的步骤中，模拟某一车道车流序列的方法为：根据某一车道上的车流序列的概率分布函数，判断该统计分析对象的车流序列的随机过程属性：
如果属于高斯随机过程，则利用其概率分布函数、功率谱密度函数或自相关函数，采用三角级数谐波合成法的数值模拟方法，可得到该车道含超限车辆的模拟车流序列，即一维超限车辆荷载谱；
如果车流序列的随机过程属性为非高斯随机过程，则采用“概率分布转换”与三角级数谐波合成法相结合的模拟方法，以非高斯过程的功率谱密度函数为模拟目标，经过“概率分布转换”以及对功率谱密度函数的修正，得到该车道属于非高斯随机过程的含超限车辆的模拟车流序列，即一维超限车辆荷载谱；
按照上述某一车道车流序列的模拟方法，模拟出全部车道含超限车辆的模拟车流序列。
6.根据权利要求5所述的方法，其特征在于，所述“概率分布转换”与三角级数谐波合成法相结合的模拟方法，包括步骤：
将非高斯过程的功率谱密度函数作为模拟目标函数；
设定高斯过程的均值为零，其方差与非高斯过程的方差相等；
利用目标函数模拟高斯过程；
假设模拟后的高斯过程的每个离散值分别与非高斯过程的每个离散值的概率相等，并模拟非高斯过程；
计算模拟后的非高斯过程的功率谱密度函数，并与目标函数比较：
如果两者基本一致，即相对误差小于3％，则结束模拟过程；
如果两者不一致，则利用目标函数以及模拟非高斯过程的功率谱密度函数对该步骤中高斯过程的功率谱密度函数进行修正，再返回利用目标函数模拟高斯过程的步骤去模拟高斯过程，直至模拟后的非高斯过程的功率谱密度函数与目标函数基本一致为止。
7.根据权利要求6所述的方法，其特征在于，所述“概率分布转换”过程中，高斯过程的功率谱密度函数的修正次数为1～3次。
8.根据权利要求1所述的方法，其特征在于，所述对二维超限车辆荷载谱进行分级的步骤中，荷载谱具体分级为：
第一级荷载的上限为常幅疲劳荷载下构件的疲劳极限再除以一个安全系数；
第二级荷载的上限为车辆临界过载值；
第三级荷载的上限为过载10％，即超过临界过载值的10％；
第四级荷载的上限为过载25％，即超过临界过载值的25％；
第五级荷载的下限为大于过载25％。
9.根据权利要求8所述的方法，其特征在于，桥梁构件的疲劳极限的确定方法为：根据相关规范的规定确定其无限寿命Nf，并根据相同材料或构件在常幅疲劳荷载下的疲劳实验曲线或经典疲劳方程，确定其与Nf相对应的疲劳极限Sf。
10.根据权利要求8所述的方法，其特征在于，过载的界定方法为：
对于钢筋混凝土构件，将受弯构件的混凝土下缘，即最大拉应力处出现拉应力时的临界弯矩与考虑结构安全系数后的极限承载力中的较小值，作为定义过载的临界弯矩，而将大于等于该弯矩值所对应的车辆荷载定义为过载；
对于钢结构件和其他结构件，将考虑结构安全系数后的极限承载力作为定义过载的临界应力，而将大于等于该应力值所对应的车辆荷载定义为过载。
CN202010227394.XA 2020-03-27 2020-03-27 二维车辆超限荷载谱的模拟、分级和编制方法 Active CN111460551B (zh)

Priority Applications (2)

Application Number Priority Date Filing Date Title
CN202010227394.XA CN111460551B (zh) 2020-03-27 2020-03-27 二维车辆超限荷载谱的模拟、分级和编制方法
US17/117,443 US20210304594A1 (en) 2020-03-27 2020-12-10 Method for simulating, grading, and compiling two-dimensional over-limit vehicle load spectrum

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202010227394.XA CN111460551B (zh) 2020-03-27 2020-03-27 二维车辆超限荷载谱的模拟、分级和编制方法

Publications (2)

Publication Number Publication Date
CN111460551A CN111460551A (zh) 2020-07-28
CN111460551B true CN111460551B (zh) 2022-05-24

Family

ID=71680525

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202010227394.XA Active CN111460551B (zh) 2020-03-27 2020-03-27 二维车辆超限荷载谱的模拟、分级和编制方法

Country Status (2)

Country Link
US (1) US20210304594A1 (zh)
CN (1) CN111460551B (zh)

Families Citing this family (8)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN111710165B (zh) * 2020-08-17 2020-11-20 湖南大学 基于多源监测数据融合共享的桥梁监管、预警方法及系统
CN112347668B (zh) * 2020-09-29 2022-04-12 华东交通大学 基于概率断裂力学的钢桥面板疲劳可靠度评估方法
CN112100731B (zh) * 2020-11-16 2021-03-02 湖南大学 一种疲劳荷载计算模型的建立方法及系统
CN113935090B (zh) * 2021-10-11 2022-12-02 大连理工大学 一种用于桥梁车致疲劳分析的随机车流精细模拟方法
CN113658419B (zh) * 2021-10-18 2022-01-28 江西通慧科技集团股份有限公司 一种桥梁过载预警方法及系统
CN114354200B (zh) * 2021-12-07 2023-10-03 中国航发控制系统研究所 一种航空发动机控制系统振动载荷谱编制方法
CN115392060B (zh) * 2022-10-28 2023-02-17 山东大学 虚实结合的载荷谱编制方法、系统、介质及设备
CN115798210A (zh) * 2022-11-18 2023-03-14 深圳大学 宽桥面窄支承梁桥防侧翻及突发障碍监控引导系统及方法

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012000603A1 (de) * 2012-01-14 2012-10-11 Daimler Ag Verfahren zum Delektieren einer möglichen Beschädigung eines Kraftwagenbauteils
KR20170108710A (ko) * 2016-03-18 2017-09-27 주식회사에스에이티 무인비행체를 이용한 적재불량 차량 단속 시스템 및 그 방법
CN110704911A (zh) * 2019-09-19 2020-01-17 济南城建集团有限公司 一种基于集群结构相似性的桥梁损伤交叉定位方法
CN110750851A (zh) * 2018-08-05 2020-02-04 北京航空航天大学 加速疲劳载荷谱编制方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10042055B2 (en) * 2016-04-20 2018-08-07 Here Global B.V. Traffic volume estimation

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
DE102012000603A1 (de) * 2012-01-14 2012-10-11 Daimler Ag Verfahren zum Delektieren einer möglichen Beschädigung eines Kraftwagenbauteils
KR20170108710A (ko) * 2016-03-18 2017-09-27 주식회사에스에이티 무인비행체를 이용한 적재불량 차량 단속 시스템 및 그 방법
CN110750851A (zh) * 2018-08-05 2020-02-04 北京航空航天大学 加速疲劳载荷谱编制方法
CN110704911A (zh) * 2019-09-19 2020-01-17 济南城建集团有限公司 一种基于集群结构相似性的桥梁损伤交叉定位方法

Non-Patent Citations (6)

* Cited by examiner, † Cited by third party
Title
PREDICTION OF FATIGUE LIVES OF RC BEAMS STRENGTHENED WITH CFL UNDER RANDOM LOADING;Rongwei Lin等;《Acta Mechanica Solida Sinica》;20080830;全文 *
基于CA模型的大跨桥梁车流荷载模拟方法研究;陆晓俊等;《中外公路》;20131226(第06期);全文 *
拥堵运行状态下新沂河大桥车辆荷载模型;宗周红等;《中国公路学报》;20160215(第02期);全文 *
桥梁随机载荷数据采集和数值模拟;郑小红等;《暨南大学学报》;20050228(第01期);全文 *
湿热环境与车辆过载谱下CFRP加固RC梁疲劳性能研究;陈展标等;《2018年全国固体力学学术会议》;20181125;全文 *
高速公路车辆载荷谱研究;赵贵玲;《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》;20121215;全文 *

Also Published As

Publication number Publication date
CN111460551A (zh) 2020-07-28
US20210304594A1 (en) 2021-09-30

Similar Documents

Publication Publication Date Title
CN111460551B (zh) 二维车辆超限荷载谱的模拟、分级和编制方法
CN101794507B (zh) 基于浮动车数据的宏观路网交通状态评价方法
CN114783183A (zh) 一种基于交通态势算法的监控方法与系统
CN104850676B (zh) 一种公路桥梁随机车流仿真模拟方法
Soriano et al. Simplified probabilistic model for maximum traffic load from weigh-in-motion data
CN104933284B (zh) 一种基于实测数据的公路桥梁随机车流模拟方法
Bala Sivakumar Recalibration of LRFR live load factors in the AASHTO manual for bridge evaluation
CN107273605B (zh) 基于多重分类器系统的实测轴载谱确定方法
Troyer et al. Strength of the variable: calculating and evaluating safety performance function calibration factors for the state of Ohio
Getachew Traffic load effects on bridges, statistical analysis of collected and Monte Carlo simulated vehicle data
Zhizhou et al. Calibration of VISSIM for shanghai expressway using genetic algorithm
Prozzi et al. Effect of weigh-in-motion system measurement errors on load-pavement impact estimation
Zhou et al. Traffic control technologies without interruption for component replacement of long-span bridges using microsimulation and site-specific data
CN103344395A (zh) 一种桥梁加固目标承载力的确认方法及装置
Li et al. WIM-based vehicle load models for urban highway bridge
CN105912775A (zh) 桥梁动态称重系统车辆轴重数据的多模态建模方法
Rakoczy WIM based load models for bridge serviceability limit states
CN114323512B (zh) 一种重载车辆识别方法及系统
CN113642162B (zh) 一种城市道路交通应急预案仿真综合分析方法
Iatsko WIM-based live load model for bridges
Chan et al. Statistical models from weigh-in-motion data
CN1790344A (zh) 一种城市道路交通流数据抽样存储方法与装置
Haghani et al. Calibration of Highway Safety Manual’s Crash Prediction Model for Rural Two-Lane Two-Way Roads in a Developing Country: A Case Study
Oliveira et al. An Artificial Neural Network Model for Evaluating Workers' Performance at Tollbooths
Laman et al. Assessment of current design loads for permit vehicles

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