CN111652520A - 一种基于大数据的路面养护智能决策系统及方法 - Google Patents
一种基于大数据的路面养护智能决策系统及方法 Download PDFInfo
- Publication number
- CN111652520A CN111652520A CN202010509508.XA CN202010509508A CN111652520A CN 111652520 A CN111652520 A CN 111652520A CN 202010509508 A CN202010509508 A CN 202010509508A CN 111652520 A CN111652520 A CN 111652520A
- Authority
- CN
- China
- Prior art keywords
- road
- maintenance
- road surface
- condition
- index
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION 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
- G06Q50/00—Systems or methods specially adapted for specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- General Health & Medical Sciences (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Genetics & Genomics (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- Physiology (AREA)
- Artificial Intelligence (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供一种基于大数据的路面养护智能决策系统和方法,系统包括路面信息导入模块、路面状况评价模块、路面养护专家方案数据库、路面养护方案生成模块和路面养护费用测算模块;路面信息导入模块用于导入数据、定义基本单元路段;路面状况评价模块用于计算路面状况等级;路面养护专家方案数据库中存储中多个既有的路面养护专家方案;路面养护方案生成模块用于使用决策树算法自动生成多个路面养护方案;路面养护费用测算模块用于计算养护总费用范围值,还用于使用遗传算法选出最优的路面养护方案,并分配基本单元路段的路面养护资金;本发明可以解决现有技术制定的养护方案以及养护费用不够合理,影响养护决策准确性的技术问题。
Description
技术领域
本发明涉及公路路面养护技术领域,具体涉及一种基于大数据的路面养护智能决策系统及方法。
背景技术
随着交通近30年的快速发展,大量路面进入了养护周期,路面养护和管理的工作量巨大,传统的技术手段已经不能满足需求。路面养护管理逐渐向信息化、自动化、智能化方向发展。交通部建立了全国公路数据库、国家干线路网监测信息系统、全国公路路网结构改造工程信息管理系统。各省也逐渐建立了省级公路信息化管理系统。这些信息化系统或平台,提升了路面养护效率,促进了养护技术手段的发展,为交通主管部门实施行业监管和政策制定提供了便捷手段和决策依据。
目前的这些信息化系统或平台,功能主要为数据库管理,对辖区各纳入系统的公路进行路面信息管理、路面病害管理、养护信息管理等,无法对路面病害进行综合分析及使用性能的自动化评价,也没有养护资金智能分配功能,不能为养护资金计划做出有效的分配建议。
现有技术中公开了一种基于遗传算法的高速公路路面养护决策方法,该方法使用遗传算法,对1000km左右里程的高速公路路面进行养护决策的优化。但在实际工程应用中,对于长达1000km里程的高速公路,会出现多段路况完全不同的路面;对于这些路况完全不同的路面,仅仅使用同一种算法进行路面养护决策的优化,会出现算法的匹配度不高、针对性不强,制定的养护方案和养护费用不够合理,影响养护决策准确性技术问题。
发明内容
针对现有技术中的缺陷,本发明提供一种基于大数据的路面养护智能决策系统及方法,
以解决现有技术中存在的对于多段路况完全不同的路面,仅仅使用同一种算法进行路面养护决策的优化,会出现算法的匹配度不高、针对性不强,制定的养护方案以及养护费用不够合理,影响养护决策准确性的技术问题。
本发明采用的技术方案如下:
第一方面,本发明提供了一种基于大数据的路面养护智能决策系统;
在第一种可实现方式中,包括路面信息导入模块、路面状况评价模块、路面养护专家方案数据库、路面养护方案生成模块和路面养护费用测算模块;
路面信息导入模块用于导入待养护路段的基本信息和路面状况分项指标指数;还用于定义基本单元路段,将路面状况分项指标指数匹配给基本单元路段;
路面状况评价模块用于根据路面状况分项指标指数,结合第一映射关系表计算得出基本单元路段的路面使用性能指数;还用于根据路面使用性能指数和路面状况分项指标指数,结合第二映射关系表得出基本单元路段的路面状况等级;
路面养护专家方案数据库中存储中多个既有的路面养护专家方案;
路面养护方案生成模块用于根据待养护路段的基本信息、基本单元路段的路面状况等级,结合路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案;
路面养护费用测算模块用于根据多个路面养护方案,结合第三映射关系表计算得出待养护路段的养护总费用范围值;还用于根据多个路面养护方案,结合人工设定路面养护费用约束条件,使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金。
结合第一种可实现方式,在第二种可实现方式中,待养护路段的基本信息包括路段的总长度、所在经度、所在纬度、海拔高度和车流量;总长度、所在经度、所在纬度和海拔高度用于限定待养护路段的地理空间范围;车流量用于限定待养护路段的路面使用情况。
结合第一种可实现方式,在第三种可实现方式中,路面状况分项指标指数包括路面破损指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI和路面抗滑性能指数SRI,用于通过如下公式,计算路面使用性能指数:
PQI=wPCIPCI+wRQIRQI+wRDIRDI+wPBIPBI+wPWIPWI+wSRISRI
其中,w为各指数的权重。
结合第一种可实现方式,在第四种可实现方式中,路面养护方案生成模块使用决策树算法时,选取的特征包括待养护路段的总长度、所在经度、所在纬度、海拔高度、车流量和路面状况等级。
结合第四种可实现方式,在第五种可实现方式中,各特征的阈值设定如下:路段总长度阈值设为50~150%,所在经度阈值设为1°,所在纬度阈值设为1°,海拔高度阈值设为±100米,车流量的阈值设为50%~300%,路面状况等级的阈值设为相似度90%。
结合第一种可实现方式,在第六种可实现方式中,遗传算法的目标函数满足如下公式:
F(x)=max(A11X11+A12X12+A13X13+……+A1jX1j+A21X11+A22X22+A23X23+……+A2jX2j……+Ai1X11+Ai2X22+Ai3X23+……+AijXij)
在上式中,Aij表示对每一个基本单元路段使用各种路面养护方案的效益做出的测算,Xij表示决策变量、取值为0或1;
结合第一种可实现方式,在第七种可实现方式中,遗传算法的约束条件满足如下公式:
∑j=1Xij=1;
M=∑i=1∑j=1wij×Xij≤C;
在上式中,i∈N*,Xij表示决策变量、取值为0或1,j表示第j段基本单元路段;M表示路面全路段的养护总费用,wij表示每个决策变量的权重,C表示路面养护计划资金。
结合第一种可实现方式,在第八种可实现方式中,遗传算法的适应度函数构造满足如下公式:
maxF(x)=F(x)*p(x)
在上式中,p(x)为罚函数,p(x)={1-(M-C)/max(C,|M-C|)},M表示路面全路段的养护总费用,C表示路面养护计划资金。
第二方面,本发明提供了一种基于大数据的路面养护智能决策方法;
在第九种可实现方式中,使用第一种到第八种可实现方式中的任意一种系统进行路面养护的智能决策,包括以下步骤:
使用路面信息导入模块导入待养护路段的基本信息和路面状况分项指标指数,定义基本单元路段,将路面状况分项指标指数匹配给基本单元路段;
根据路面状况分项指标指数,使用路面状况评价模块结合第一映射关系表,计算得出基本单元路段的路面使用性能指数;
根据路面使用性能指数和路面状况分项指标指数,使用路面状态评价模块结合第二映射关系表,得出基本单元路段的路面状况等级;
根据待养护路段的基本信息和基本单元路段的路面状况等级,使用路面养护方案生成模块结合路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案;
根据多个路面养护方案,使用路面养护费用测算模块,结合第三映射关系表自动计算得出待养护路段的养护总费用范围值;
人工设定路面养护费用约束条件,根据多个路面养护方案,通过路面养护费用测算模块使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金。
结合第九种可实现方式,在第十种可实现方式中,遗传算法按如下步骤进行计算:
染色体编码:路段分解为j段,将每个单元的可能养护方案组成基因片段;
种群初始化,随机生成N条染色体;
在N条染色体中进行N/2组随机交叉。
上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体;
所保留的N条染色体自身随机进化,如果进化染色体优于原染色体,则替换原染色体;
当相邻两代染色体对应的适应度差值满足预设的精度要求,完成计算。
由上述技术方案可知,本发明的有益技术效果如下:
1.可以根据路面检测数据,结合映射关系表自动进行路面状况等级评价。
2.建立了一个路面养护专家方案数据库,收集了大量的路面养护方案实例作为大数据分析的基础。结合路面养护专家方案数据库,使用决策树算法,针对待养护路段这种具有复杂关系的数据匹配要求,自动生成多个路面养护方案。
3.将待养护路段按一定的单位长度定义为多个基本单元路段,分段生成各基本单元路段的路面养护方案,生成的路面养护方案更有针对性,和每一个基本单元路段的匹配性更好。
4.系统根据多个路面养护方案,可以自动计算得出待养护路段的养护总费用范围值,工作人员可以对整个待养护路段的养护工程量会有一个预判。
5.人工设定路面养护计划资金后,采用遗传算法从多个路面养护方案中选出最优方案,并按基本单元路段分配路面养护资金,可以使得待养护路面的养护费用总体效益最优化。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案,下面将对具体实施方式或现有技术描述中所需要使用的附图作简单地介绍。在所有附图中,类似的元件或部分一般由类似的附图标记标识。附图中,各元件或部分并不一定按照实际的比例绘制。
图1为本发明的系统功能模块框图。
图2为本发明的系统工作流程图。
具体实施方式
下面将结合附图对本发明技术方案的实施例进行详细的描述。以下实施例仅用于更加清楚地说明本发明的技术方案,因此只作为示例,而不能以此来限制本发明的保护范围。
需要注意的是,除非另有说明,本申请使用的技术术语或者科学术语应当为本发明所属领域技术人员所理解的通常意义。
实施例1
如图1所示,本发明提供一种基于大数据的路面养护智能决策系统,包括路面信息导入模块、路面状况评价模块、路面养护专家方案数据库、路面养护方案生成模块和路面养护费用测算模块;
路面信息导入模块用于导入待养护路段的基本信息和路面状况分项指标指数;还用于定义基本单元路段,将路面状况分项指标指数匹配给基本单元路段;
路面状况评价模块用于根据路面状况分项指标指数,结合第一映射关系表计算得出基本单元路段的路面使用性能指数;还用于根据路面使用性能指数和路面状况分项指标指数,结合第二映射关系表得出基本单元路段的路面状况等级;
路面养护专家方案数据库中存储中多个既有的路面养护专家方案;
路面养护方案生成模块用于根据待养护路段的基本信息、基本单元路段的路面状况等级,结合路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案;
路面养护费用测算模块用于根据多个路面养护方案,结合人工设定路面养护费用约束条件,使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金。
以下对实施例1工作原理进行详细说明,本发明提供的一种基于大数据的路面养护智能决策系统,在下文中简称决策系统,决策系统具体按以下步骤进行工作:
1.使用路面信息导入模块导入待养护路段的基本信息和路面状况分项指标指数,定义基本单元路段,将路面状况分项指标指数匹配给基本单元路段
通过道路检测车对路面信息进行采集,采集的路面信息数据包括:路面起止点桩号或坐标、路面破损率、路面平整度、路面车辙深度、路面构造深度、路面弯沉。道路检测车的后台处理软件对这些数据进行分析处理后,可以得出多种路面状况分项指标指数。在本实施例中,路面状况分项指标指数包括以下6种:路面破损指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI和路面抗滑性能指数SRI。导入后的数据存储在系统所在平台的数据库中,数据库可以用MySQL或Oracle。
在需要通过决策系统进行路面养护的智能决策时,通过路面信息导入模块进行数据导入,具体的,路面信息导入模块根据人工输入的需要进行养护的路段标号,以某一长度作为一个基本单元路段,将这一个基本单元路段内的各种路面状况分项指标指数定义为一个基本单元路段路面信息数据;路段标号对应了需要进行养护的路段的基本信息,包括路段的总长度、所在经度、所在纬度、海拔高度等信息。路面信息导入模块再读取该路段在数据库中存储的所有路面状况分项指标指数,并一一匹配至各基本单元路段。对于基本单元路段,路面长度可以选100米、200米、1000米;在本实施例中,为兼顾系统作出决策时的运算效率,优选基本单元路段的路面长度为1000米,需要进行养护的路段有多少千米,路面信息导入模块就定义出多少个基本单元,然后将这N个基本单元路段的路面信息数据导入。在导入时,定义到最后的一段路面长度不足1000米时,如果超过500米计入一个基本单元,不足500米则不计入基本单元。
2.根据路面状况分项指标指数,使用路面状况评价模块结合第一映射关系表,计算得出基本单元路段的路面使用性能指数
根据路面破损状况指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI和路面抗滑性能指数SRI,使用路面状况评价模块,结合“指数权重映射关系表”,按如下公式(1)进行计算,得到路面使用性能指数PQI。
PQI=wPCIPCI+wRQIRQI+wRDIRDI+wPBIPBI+wPWIPWI+wSRISRI (1)
在上述公式(1)中,w为各指数的权重,具体的在本实施例中,对应如下表表1“分项指数权重映射关系表”:
表1分项指数权重映射关系表
权重 | 高速公路、一级公路取值 |
w<sub>PCI</sub> | 0.35 |
w<sub>RQI</sub> | 0.3 |
w<sub>RDI</sub> | 0.15 |
w<sub>PBI</sub> | 0.10 |
w<sub>PWI</sub> | 0.10 |
w<sub>SRI</sub> | 0.10 |
在表1中,高速公路、一级公路的路面包括沥青路面和水泥路面。在本发明中,“指数权重映射关系表”为第一映射关系表,根据国家标准查得。
3.根据路面使用性能指数和路面状况分项指标指数,使用路面状态评价模块结合第二映射关系表,得出基本单元路段的路面状况等级
在对路面状况进行等级评价时,根据路面使用性能指数和路面状况分项指标指数,使用路面状态评价模块结合“路面状况评级映射关系表”,进行路面状况等级评价,得出基本单元路段的路面状况等级。在本发明中,“路面状况评级映射关系表”为第二映射关系表,由“国家公路技术状况分项指标等级划分标准”查得,具体如下表表2。
表2路面状况评级映射关系表
根据上表得出每一个基本单元路段的路面状况,在不同指标下分别有不同的对应等级。比如某一基本单元,其PQI为95,PCI为85,RQI为92,RDI为76,PBI为63,PWI为58,SRI为96,则等级评价结果为PQI-优、PCI-良、RQI-优、RDI-中,PBI-次、PWI-差、SRI-优。在本步骤中,决策系统可以根据导入的路面信息数据,自动进行多个基本单元路段的路面状况等级评价,并将等级评价结果进行存储供系统其它功能模块调用。
4.根据需要进行养护路段的基本信息和基本单元路段的路面状况等级,通过路面养护方案生成模块,结合路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案
路面养护方案等级从高到低依次为:日常养护、预防养护、修复养护。对于情况较好的路面,多以日常养护和预防养护为主;对于情况较差的路面,就需要进行修复养护。一般情况下,对于PQI及各分项指标(PCI、RQI、RDI、PBI、PWI、SRI)均评价为“优、良”的路段,通常是进行日常养护、预防养护;而于任意一项分项指标(PCI、RQI、RDI、PBI、PWI、SRI)评价为“中、次、差”的路段,通常要进行修复养护。但在实际的工程应用中,除了需要给出哪些路段要进行修复养护外,还需要给出这些需要进行修复养护的路段其修复的优先级。比如,6项分项指标全为“差”的路段应该是最先进行修复养护的路段。但6项分项指标全为“次”的A路段,和3项分项指标为“中”、3项分项指标为“差”的B路段,A和B哪个路段应该先进行修复养护,就需要结合实际情况进行具体分析,通常是由路面养护专家进行评判,多年来,路面养护专家给出了大量的路面养护方案实例,在本实施例中,决策系统中建立了一个路面养护专家方案数据库,收集了大量的路面养护方案实例作为大数据分析的基础。在这些路面养护方案实例中,囊括了国内各个地域、各种路面类型下(比如沥青路面和水泥路面),对应不同路面状况等级的多种路面养护专家方案。
将需要进行养护的路段总长度和各基本单元路段的路面状况等级输入路面养护方案生成模块后,会结合路面养护专家方案数据库,自动匹配出多个路面养护方案。具体的,路面养护方案生成模块在匹配的时候会考虑地域影响,比如北方和南方、沿海和内陆,即使路面类型一致、路面状况等级基本一样,但对应的路面养护方案也可能并不相同。同时还要考虑路段车流量的大小,对于某一长度单位路段,即使路面状况等级的评价结果是一样的,但车流量大的路段应该更倾向于优先考虑修复养护。
在本实施例中使用决策树算法进行路面养护方案的匹配。决策树算法可以非常直观的表示出对象属性和对象值之间的多层级映射关系,可以实现一种预测分类。决策树的树中,每一个支节点表示对象属性的判断条件,每一个分支表示符合节点条件的对象;决策树的叶表示预测结果;通过预测结果就可以对实现对样本数据的分类。路面养护方案涉及到路段所在的位置、路段的长度、路段的状况等级等方面,这些涉及的方面之间均有一定的相关性,这些相关性叠加到一起十分复杂,决策树算法较为适合这种具有复杂关系的数据匹配。
在本实施例中,具体的,决策树的特征选择使用路段的总长度、所在经度、所在纬度、海拔高度、车流量和路面状况等级作为判断节点。路面养护专家方案数据库中,每一个路面养护专家方案,都可以提取出该养护方案所对应的路段信息,包括路段的总长度、所在经度、所在纬度、海拔高度、路面状况等级,这些信息是不变的;车流量可以根据交管部门提供的数据得到。
将目前需要进行路面养护决策的路面信息输入到路面养护专家方案数据库中,路面养护方案生成模块使用决策树算法,按路段的总长度、所在经度、所在纬度、海拔高度、车流量和路面状况等级作为特征选择,可以自动匹配出满足相应特征选择的路面养护专家方案。因为需要路面养护决策的路段,基本不太可能和数据库中的路面养护专家方案包含的路段完全一样(即路段的总长度、所在经度、所在纬度、海拔高度、车流量和每个基本单元路段的路面状况等级都完全一样),所以在决策树进行对象属性的判断时,需要设置判断条件的阈值。在本实施例中,路段的总长度阈值设为50~150%(和路面养护专家方案的原有路段总长度相比较),所在经度的阈值设为1°,所在纬度的阈值设为1°,海拔高度的阈值设为±100米;上述4种特征的阈值设置,基本可以限定需要养护的路段,和路面养护专家方案对应的路段,大致在一个省份的空间范围内,便于和实际养护决策相结合,因为各省一般是负责自己省内的路面养护工作,不跨省养护。车流量的阈值设为50%~300%(和路面养护专家方案的原有车流量相比较);路面状况等级的阈值设为相似度90%(即整个路段的“优、良、中、次、差”之间的比例,需要养护的路段和路面养护专家方案对应的路段,比例的偏差小于等于10%);车流量和路面状况等级的阈值设定,可以限定需要养护的路段和路面养护专家方案对应的路段,其路面使用情况基本一致。
使用本步骤的技术方案,路面养护方案生成模块按照上述决策树算法和相应的阈值设定,在一定数值范围的阈值条件下,可以得出多个路面养护方案,这些养护方案分别对应路面养护专家方案数据库中的某一个路面养护专家方案或者某一个专家方案的部分路段的路面养护方案。将待养护路段按一定的单位长度定义为多个基本单元路段,分段生成各基本单元路段的路面养护方案,生成的路面养护方案更有针对性,和每一个基本单元路段的匹配性更好。
同时,在决策系统运行过程中,可以人工修改某一基本单元路段进行日常养护、预防养护或修复养护的决策,对自动生成的方案进行标注和校正。
5.根据多个路面养护方案,使用路面养护费用测算模块,结合第三映射关系表自动计算得出待养护路段的养护总费用范围值
对于多个路面养护方案中的每一个路面养护方案,都是若干个日常养护、预防养护、修复养护的组合。本实施例中的第三映射关系表内包含了进行单位长度(比如100米、200米、500米、1000米)的日常养护、预防养护、修复养护分别所需要的养护费用,这些养护费用的取值为既往养护费用的均值。路面养护费用测算模块可以根据每一个路面养护方案中日常养护、预防养护、修复养护的具体数量,以及进行单位长度的上述养护分别所需要的养护费用,多项相乘再相加,即可得出每一个路面养护方案的养护总费用。多个路面养护方案就对应着多个养护总费用。这些养护总费用有高有低,从而可以得出待养护路段的养护总费用范围值。根据这个养护总费用范围值,后续开展实际工程施工时,工作人员就可以做到心中有数,对整个待养护路段的养护工程量会有一个预判。
6.人工设定路面养护费用约束条件,根据多个路面养护方案,通过路面养护费用测算模块,使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金
在决策系统自动生成了多个路面养护方案后,在实际施工时到底选用哪一个技术方案,还需要结合养护费用的预算才能得出更为准确的结果。
首先,由人工在决策系统的路面养护费用测算模块中输入一个预算金额值,该预算金额值即为本次针对这段路面,计划投入的路面养护资金,单元为万元。在本实施例中,为举例说明,假设路面养护计划资金为C万元、基本单元路段共j段、自动生成的路面养护方案共i种。使用遗传算法,按照每一个基本单元路段使用这i种路面养护方案进行养护时、每一种方案所获得的效益,来对多个路面养护方案进行测算,最后计算得出最优解,作为实际施工时选用的路面养护方案。遗传算法的函数及约束条件具体如下。
遗传算法的目标函数满足公式(2),如下:
F(x)=max(A11X11+A12X12+A13X13+……+A1jX1j+A21X11+A22X22+A23X23+……+A2jX2j……+Ai1X11+Ai2X22+Ai3X23+……+AijXij) (2)
公式(2)的实际意义是使路面养护的在全路段范围内总效益最大。在公式(2)中,Aij表示对每一个基本单元路段使用各种路面养护方案的效益做出的测算,即:第j段如果采用第i种养护方案,产生效益Aij。Xij表示决策变量,取值为0或1,每个基本单元路段只有一个1,当值为1时表示该基本单元路段采用该养护方案,而不采用其余养护方案。
遗传算法的约束条件满足公式(3),如下:
公式(3)表示每一个基本单元路段在实际施工时只能对应一种养护方案,其中i∈N*,Xij表示决策变量、取值为0或1。
路面全路段的养护总费用满足公式(4),如下:
公式(3)表示路面全路段的养护总费用M不高于养护计划资金总额C,其中,wij表示每个决策变量的权重,该权重对应的是每个基本单元路段分配到的养护资金。
遗传算法的适应度函数构造满足公式(5),如下::
maxF(x)=F(x)*p(x) (5)
其中:p(x)为罚函数,p(x)={1-(M-C)/max(C,|M-C|)}
确定在给定的路面养护计划资金条件下,最优的路面养护方案,遗传算法按如下步骤进行计算:
①染色体编码:路段分解为j段,将每个单元的可能养护方案组成基因片段,例如:X11X12……X1j,然后将每个基因片段联合成染色体,为:
X11X12……X1jX21X22……X2j……Xi1Xi2……Xij
Xij为二进制编码,0或1。
②种群初始化:随机生成N条染色体,N为一自然数;在本实施例中,N取100。
③交叉:在N条染色体中进行N/2组随机交叉,即在100条染色体中进行50组随机交叉。
④遗传:上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体,即保留100条适应度较好的染色体。
⑤进化:所保留的N条染色体自身随机进化,如果进化染色体优于原染色体,则替换原染色体。
⑥终止条件:相邻两代染色体对应的适应度差值满足精度要求。精度要求为遗传算法测算得出的全路段养护总费用M和路面养护计划资金之间的差值,这个差值为一限定值。在本实施例中,精度要求的限定值可以设为差值在路面养护计划资金的5%~10%范围,优选为5%。若不满足终止条件,即预设的精度要求,返回第三步继续下一代优化,直至完成计算。
使用本步骤的技术方案,路面养护费用测算模块使用上述遗传算法,可以在多种路面养护方案中,计算得出在一定养护预算资金的条件下,最优的路面养护方案,作为实际施工时选用的路面养护方案,同时,也给出了针对每个基本单元路段的所分配到的养护资金,更便于实际工程施工的项目管理。
同时,如果人工修改路面养护计划资金,决策系统会根据新的资金数额,根据遗传算法按照整个待养护路段的养护总效益最大化原则,自动调整养护方案。具体的,如果人工提高路面养护计划资金,则路面状况等级评价较低的基本单元路段会提升养护方案;如果人工降低路面养护计划资金,则路面状况评级较高的评价单元会提升降低养护方案。
实施例2
本发明提供了一种基于大数据的路面养护智能决策方法,使用实施例1中基于大数据的路面养护智能决策系统进行路面养护方案的决策,如图2所示,包括以下步骤:
使用路面信息导入模块导入待养护路段的基本信息和路面状况分项指标指数,定义基本单元路段,将路面状况分项指标指数匹配给基本单元路段;
根据路面状况分项指标指数,使用路面状况评价模块结合第一映射关系表,计算得出基本单元路段的路面使用性能指数;
根据路面使用性能指数和路面状况分项指标指数,使用路面状态评价模块结合第二映射关系表,得出基本单元路段的路面状况等级;
根据待养护路段的基本信息和基本单元路段的路面状况等级,使用路面养护方案生成模块结合路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案;
人工设定路面养护费用约束条件,根据多个路面养护方案,通过路面养护费用测算模块使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金。具体的,遗传算法按如下步骤进行计算:
染色体编码:路段分解为j段,将每个单元的可能养护方案组成基因片段;
种群初始化,随机生成N条染色体;在本实施例中,N取值为100。
在N条染色体中进行N/2组随机交叉。
上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体;在本实施例中,保留100条适应度较好的染色体。
所保留的N条染色体自身随机进化,如果进化染色体优于原染色体,则替换原染色体。
当相邻两代染色体对应的适应度差值满足预设的精度要求,完成计算。在本实施例中,精度要求的限定值可以设为差值在路面养护计划资金的5%~10%范围,优选为5%。若不满足终止条件,即预设的精度要求,返回第三步继续下一代优化,直至完成计算。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各实施例对本发明进行了详细的说明,本领域的普通技术人员应当理解:其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分或者全部技术特征进行等同替换;而这些修改或者替换,并不使相应技术方案的本质脱离本发明各实施例技术方案的范围,其均应涵盖在本发明的权利要求和说明书的范围当中。
Claims (10)
1.一种基于大数据的路面养护智能决策系统,其特征在于:包括路面信息导入模块、路面状况评价模块、路面养护专家方案数据库、路面养护方案生成模块和路面养护费用测算模块;
所述路面信息导入模块用于导入待养护路段的基本信息和路面状况分项指标指数;还用于定义基本单元路段,将所述路面状况分项指标指数匹配给基本单元路段;
所述路面状况评价模块用于根据所述路面状况分项指标指数,结合第一映射关系表计算得出基本单元路段的路面使用性能指数;还用于根据所述路面使用性能指数和所述路面状况分项指标指数,结合第二映射关系表得出基本单元路段的路面状况等级;
所述路面养护专家方案数据库中存储中多个既有的路面养护专家方案;
所述路面养护方案生成模块用于根据待养护路段的基本信息、基本单元路段的路面状况等级,结合所述路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案;
所述路面养护费用测算模块用于根据多个路面养护方案,结合第三映射关系表计算得出待养护路段的养护总费用范围值;还用于根据所述多个路面养护方案,结合人工设定路面养护费用约束条件,使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金。
2.根据权利要求1所述一种基于大数据的路面养护智能决策系统,其特征在于:所述待养护路段的基本信息包括路段的总长度、所在经度、所在纬度、海拔高度和车流量;所述总长度、所在经度、所在纬度和海拔高度用于限定所述待养护路段的地理空间范围;所述车流量用于限定所述待养护路段的路面使用情况。
3.根据权利要求1所述一种基于大数据的路面养护智能决策系统,其特征在于:所述路面状况分项指标指数包括路面破损指数PCI、路面行驶质量指数RQI、路面车辙深度指数RDI、路面跳车指数PBI、路面磨耗指数PWI和路面抗滑性能指数SRI,用于通过如下公式,计算路面使用性能指数:
PQI=wPCIPCI+wRQIRQI+wRDIRDI+wPBIPBI+wPWIPWI+wSRISRI
其中,w为各指数的权重。
4.根据权利要求1所述一种基于大数据的路面养护智能决策系统,其特征在于:所述路面养护方案生成模块使用决策树算法时,选取的特征包括待养护路段的总长度、所在经度、所在纬度、海拔高度、车流量和路面状况等级。
5.根据权利要求4所述一种基于大数据的路面养护智能决策系统,其特征在于,各特征的阈值设定如下:路段总长度阈值设为50~150%,所在经度阈值设为1°,所在纬度阈值设为1°,海拔高度阈值设为±100米,车流量的阈值设为50%~300%,路面状况等级的阈值设为相似度90%。
6.根据权利要求1所述一种基于大数据的路面养护智能决策系统,其特征在于,所述遗传算法的目标函数满足如下公式:
F(x)=max(A11X11+A12X12+A13X13+……+A1jX1j+A21X11+A22X22+A23X23+……+A2jX2j……+Ai1X11+Ai2X22+Ai3X23+……+AijXij)
在上式中,Aij表示对每一个基本单元路段使用各种路面养护方案的效益做出的测算,Xij表示决策变量、取值为0或1。
7.根据权利要求1所述一种基于大数据的路面养护智能决策系统,其特征在于,所述遗传算法的约束条件满足如下公式:
∑j=1Xij=1;
M=∑i=1∑j=1wij×Xij≤C;
在上式中,i∈N*,Xij表示决策变量、取值为0或1,j表示第j段基本单元路段;M表示路面全路段的养护总费用,wij表示每个决策变量的权重,C表示路面养护计划资金。
8.根据权利要求1所述一种基于大数据的路面养护智能决策系统,其特征在于,所述遗传算法的适应度函数构造满足如下公式:
maxF(x)=F(x)*p(x)
在上式中,p(x)为罚函数,p(x)={1-(M-C)/max(C,|M-C|)},M表示路面全路段的养护总费用,C表示路面养护计划资金。
9.一种基于大数据的路面养护智能决策方法,其特征在于,使用权利要求1-8任意一项所述系统进行路面养护的智能决策,包括以下步骤:
使用路面信息导入模块导入待养护路段的基本信息和路面状况分项指标指数,定义基本单元路段,将路面状况分项指标指数匹配给基本单元路段;
根据路面状况分项指标指数,使用路面状况评价模块结合第一映射关系表,计算得出基本单元路段的路面使用性能指数;
根据路面使用性能指数和路面状况分项指标指数,使用路面状态评价模块结合第二映射关系表,得出基本单元路段的路面状况等级;
根据待养护路段的基本信息和基本单元路段的路面状况等级,使用路面养护方案生成模块结合路面养护专家方案数据库,使用决策树算法自动生成多个路面养护方案;
根据多个路面养护方案,使用路面养护费用测算模块,结合第三映射关系表自动计算得出待养护路段的养护总费用范围值;
人工设定路面养护费用约束条件,根据多个路面养护方案,通过路面养护费用测算模块使用遗传算法选出最优的路面养护方案,并分配出每个基本单元路段的路面养护资金。
10.根据权利要求9所述一种基于大数据的路面养护智能决策方法,其特征在于,所述遗传算法按如下步骤进行计算:
染色体编码:路段分解为j段,将每个单元的可能养护方案组成基因片段;
种群初始化,随机生成N条染色体;
在N条染色体中进行N/2组随机交叉。
上一代染色体与交叉染色体进行筛选,保留N条适应度较好的染色体;
所保留的N条染色体自身随机进化,如果进化染色体优于原染色体,则替换原染色体;
当相邻两代染色体对应的适应度差值满足预设的精度要求,完成计算。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010509508.XA CN111652520B (zh) | 2020-06-04 | 2020-06-04 | 一种基于大数据的路面养护智能决策系统及方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202010509508.XA CN111652520B (zh) | 2020-06-04 | 2020-06-04 | 一种基于大数据的路面养护智能决策系统及方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN111652520A true CN111652520A (zh) | 2020-09-11 |
CN111652520B CN111652520B (zh) | 2022-04-08 |
Family
ID=72349920
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202010509508.XA Active CN111652520B (zh) | 2020-06-04 | 2020-06-04 | 一种基于大数据的路面养护智能决策系统及方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111652520B (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112785017A (zh) * | 2021-03-19 | 2021-05-11 | 东北林业大学 | 一种交通工程设施病害养护管理系统及设备 |
CN112904291A (zh) * | 2021-01-28 | 2021-06-04 | 湖北省气象信息与技术保障中心 | 一种基于编码的多普勒天气雷达故障诊断系统和方法 |
CN112907948A (zh) * | 2021-01-19 | 2021-06-04 | 中公高科养护科技股份有限公司 | 一种路段合并方法、介质及系统 |
CN113638294A (zh) * | 2021-08-17 | 2021-11-12 | 广东粤高智慧交通科技有限公司 | 道路养护病害智慧检测系统技术 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278829A1 (en) * | 2013-03-15 | 2014-09-18 | John A. MacADAM | Roadway maintenance condition detection and analysis |
CN106296814A (zh) * | 2015-05-26 | 2017-01-04 | 中国公路工程咨询集团有限公司 | 公路养护检测与可视化交互方法和系统 |
CN107153928A (zh) * | 2017-06-28 | 2017-09-12 | 江苏智通交通科技有限公司 | 可视化的公路养护决策系统 |
CN108335002A (zh) * | 2017-01-20 | 2018-07-27 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的道路养护大数据分析系统 |
CN109919503A (zh) * | 2019-03-14 | 2019-06-21 | 东北大学 | 使用遗传算法确定多病害下最佳桥梁养护技术组合的方法 |
CN111160728A (zh) * | 2019-12-09 | 2020-05-15 | 华南农业大学 | 一种路桥养护决策优化方法及装置 |
-
2020
- 2020-06-04 CN CN202010509508.XA patent/CN111652520B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20140278829A1 (en) * | 2013-03-15 | 2014-09-18 | John A. MacADAM | Roadway maintenance condition detection and analysis |
CN106296814A (zh) * | 2015-05-26 | 2017-01-04 | 中国公路工程咨询集团有限公司 | 公路养护检测与可视化交互方法和系统 |
CN108335002A (zh) * | 2017-01-20 | 2018-07-27 | 亚信蓝涛(江苏)数据科技有限公司 | 一种可视化的道路养护大数据分析系统 |
CN107153928A (zh) * | 2017-06-28 | 2017-09-12 | 江苏智通交通科技有限公司 | 可视化的公路养护决策系统 |
CN109919503A (zh) * | 2019-03-14 | 2019-06-21 | 东北大学 | 使用遗传算法确定多病害下最佳桥梁养护技术组合的方法 |
CN111160728A (zh) * | 2019-12-09 | 2020-05-15 | 华南农业大学 | 一种路桥养护决策优化方法及装置 |
Non-Patent Citations (2)
Title |
---|
CHAO YANG 等: "Road maintenance planning using network flow modelling", 《IMA JOURNAL OF MANAGEMENT MATHEMATICS》 * |
邹群 等: "高速公路路面养护决策混合遗传优化方法", 《交通运输工程学报》 * |
Cited By (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
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 |
CN112907948A (zh) * | 2021-01-19 | 2021-06-04 | 中公高科养护科技股份有限公司 | 一种路段合并方法、介质及系统 |
CN112907948B (zh) * | 2021-01-19 | 2022-07-08 | 中公高科养护科技股份有限公司 | 一种路段合并方法、介质及系统 |
CN112904291A (zh) * | 2021-01-28 | 2021-06-04 | 湖北省气象信息与技术保障中心 | 一种基于编码的多普勒天气雷达故障诊断系统和方法 |
CN112904291B (zh) * | 2021-01-28 | 2024-01-16 | 湖北省气象信息与技术保障中心 | 一种基于编码的多普勒天气雷达故障诊断系统和方法 |
CN112785017A (zh) * | 2021-03-19 | 2021-05-11 | 东北林业大学 | 一种交通工程设施病害养护管理系统及设备 |
CN113638294A (zh) * | 2021-08-17 | 2021-11-12 | 广东粤高智慧交通科技有限公司 | 道路养护病害智慧检测系统技术 |
Also Published As
Publication number | Publication date |
---|---|
CN111652520B (zh) | 2022-04-08 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111652520B (zh) | 一种基于大数据的路面养护智能决策系统及方法 | |
CN111737916B (zh) | 一种基于大数据的道路桥梁病害分析与养护决策方法 | |
CN112700045B (zh) | 一种基于土地储备实施监测模型的智能选址系统 | |
CN111160728B (zh) | 一种路桥养护决策优化方法及装置 | |
CN110288210A (zh) | 项目级道路基础设施综合养护决策方法及系统 | |
CN113191660A (zh) | 公路沥青路面养护智能决策方法 | |
CN113516258A (zh) | 公路养护智能决策分析系统 | |
HERABAT et al. | Multi-objective optimization model using constraint-based genetic algorithms for Thailand pavement management | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN106779436A (zh) | 一种电网规划多层面协调性综合评估方法 | |
CN111612224A (zh) | 一种路面多车道状况预测与养护规划方法 | |
Mataei et al. | Pavement maintenance and rehabilitation optimization based on cloud decision tree | |
CN114118539A (zh) | 一种基于微观单元性能预测的高速公路精准养护决策方法 | |
CN113421037A (zh) | 一种多源协同建设规划编制方法和装置 | |
CN113762613A (zh) | 一种基于养护优先级排序的公路网养护规划方法 | |
CN112330516B (zh) | 一种生成公路路面维修计划的方法和装置 | |
CN110659774A (zh) | 大数据方法驱动的停车需求预测方法 | |
CN115034480A (zh) | 一种沥青路面智能养护决策方法、系统及介质 | |
CN113516335A (zh) | 一种区域交通健康状态评估方法、系统及存储介质 | |
CN116151522B (zh) | 一种基于dea的高速公路路面养护辅助决策方法及系统 | |
Abaza et al. | Pavement rehabilitation project ranking approach using probabilistic long-term performance indicators | |
CN113918538B (zh) | 一种基于人工神经网络的新建道路养护数据迁移系统 | |
LU504810B1 (en) | Method for predicting pavement service performance distribution condition | |
Tsai et al. | Study of Georgia’s pavement deterioration/life and potential risks of delayed pavement resurfacing and rehabilitation | |
CN114444373A (zh) | 一种基于打破平局分析和权衡分析的路面养护规划决策方法 |
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 |