CN112686396B - 基于病害数量的路面养护性质的选取方法、介质及系统 - Google Patents
基于病害数量的路面养护性质的选取方法、介质及系统 Download PDFInfo
- Publication number
- CN112686396B CN112686396B CN202011477709.2A CN202011477709A CN112686396B CN 112686396 B CN112686396 B CN 112686396B CN 202011477709 A CN202011477709 A CN 202011477709A CN 112686396 B CN112686396 B CN 112686396B
- Authority
- CN
- China
- Prior art keywords
- property
- maintenance
- grade
- disease
- priority
- 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
Links
- 201000010099 disease Diseases 0.000 title claims abstract description 212
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 title claims abstract description 212
- 238000012423 maintenance Methods 0.000 title claims abstract description 119
- 238000010187 selection method Methods 0.000 title description 4
- 239000011159 matrix material Substances 0.000 claims abstract description 56
- 238000000034 method Methods 0.000 claims abstract description 25
- 230000003449 preventive effect Effects 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 7
- 239000013598 vector Substances 0.000 claims description 7
- 238000004590 computer program Methods 0.000 claims description 6
- 238000005457 optimization Methods 0.000 abstract 1
- 230000001174 ascending effect Effects 0.000 description 6
- 210000000988 bone and bone Anatomy 0.000 description 3
- 238000011156 evaluation Methods 0.000 description 3
- 238000005336 cracking Methods 0.000 description 2
- 238000000556 factor analysis Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 241000607479 Yersinia pestis Species 0.000 description 1
- 239000010426 asphalt Substances 0.000 description 1
- 239000004568 cement Substances 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000007726 management method Methods 0.000 description 1
- 238000010606 normalization Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种基于病害数量的路面养护性质的选取方法、介质及系统,该方法包括:创建路面特征样本数据库;对于一路段,根据该路段的路面特征样本数据,获取待选取养护性质的年份的前一年的病害的决策矩阵;计算该路段的决策矩阵的标准决策系数;根据数据库中的路段的数量,构建多个随机决策矩阵,并计算随机决策系数;若标准决策系数与随机决策系数的比值小于预设阈值,则获取针对该路段的每种病害类型的养护性质的性质对比矩阵;根据决策矩阵和性质对比矩阵,计算该路段的每种病害类型对应的养护性质占所有养护性质的权重;选取权重最大的养护性质以对该路段进行养护。本发明通过确定养护性质为下一步养护方案的优化和比选提供科学决策依据。
Description
技术领域
本发明涉及路面养护技术领域,尤其涉及一种基于病害数量的路面养护性质的选取方法、介质及系统。
背景技术
现有技术以路面类型分类,以沥青路面及水泥路面区分,由专家依靠丰富的养护施工经验主观确定养护时机及养护性质。但是,现有技术这种养护方式不能及时对路面的损伤采用最佳方法进行养护。
发明内容
本发明实施例提供一种基于病害数量的路面养护性质的选取方法、介质及系统,以解决现有技术的养护方式不能及时对路面的损伤采用最佳方法进行养护问题。
第一方面,提供一种基于病害数量的路面养护性质的选取方法,包括:创建路面特征样本数据库,其中,所述数据库中包括每一路线中每一路段的每年的路面特征样本数据,每年的所述路面特征样本数据包括:每个路段的当年PCI分级和当年的病害类型的数据,其中,所述PCI分级从好到坏依次为优、良、中、次、差;对于所述一路线中的一路段,根据该路段的路面特征样本数据,获取待选取养护性质的年份的前一年的病害的决策矩阵;计算该路段的所述决策矩阵的标准决策系数;根据所述数据库中的路段的数量,构建多个随机决策矩阵,并计算多个所述随机决策矩阵的随机决策系数;若该路段的所述标准决策系数与所述随机决策系数的比值小于预设阈值,则获取针对该路段的每种病害类型的养护性质的性质对比矩阵,其中,所述养护性质按排序依次为:日常养护性质、预防性养护性质、功能性修复性质和结构性修复性质;根据病害的决策矩阵和养护性质的性质对比矩阵,计算该路段的每种病害类型对应的养护性质占所有养护性质的权重;选取所述权重最大的养护性质以对该路段进行养护。
第二方面,提供一种计算机可读存储介质,所述计算机可读存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现如上述第一方面实施例所述的基于病害数量的路面养护性质的选取方法。
第三方面,提供一种基于病害数量的路面养护性质的选取系统,包括:如上述第二方面实施例所述的计算机可读存储介质。
这样,本发明实施例,结合科学的路况评价体系,解决了主观意见主导结果走向,以数据为基础、客观事实为评分依据,能及时对路面的损伤采用最佳养护性质进行养护,不止适用于几类病害,更适用于多种病害或者多因素分析决策,适用于嵌入至信息系统中有助于更快捷、更准确、更科学做出最优决策方案。
附图说明
为了更清楚地说明本发明实施例的技术性质,下面将对本发明实施例的描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例的基于病害数量的路面养护性质的选取方法的流程图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获取的所有其他实施例,都属于本发明保护的范围。
本发明实施例公开了一种基于病害数量的路面养护性质的选取方法。如图1所示,该基于病害数量的路面养护性质的选取方法包括如下的步骤:
步骤S1:创建路面特征样本数据库。
其中,数据库中包括每一路线中每一路段的每年的路面特征样本数据。路段可通过路面基础信息进行区分。路面基础信息包括:路线名称、起点桩号、终点桩号、检测方向、技术等级、路面类型、行政等级等。
每年的路面特征样本数据包括:每个路段的当年PCI分级和当年的病害类型的数据。其中,PCI分级从好到坏依次为优、良、中、次、差。依据《公路技术状况评定标准》(JTG5210-2018)确定PCI分级。
病害类型包括但不限于:块修、条修、纵缝、横缝、龟裂/破碎板、松散/露骨、坑槽等等。
如表1所示,为本发明一具体实施例的路面特征样本数据。
表1路面特征样本数据
步骤S2:对于一路线中的一路段,根据该路段的路面特征样本数据,获取待选取养护性质的年份的前一年的病害的决策矩阵。
具体的,该步骤包括如下的过程:
1、将待选取养护性质的年份的前二年的病害类型的数据,按照前一年的PCI分级划分得到该病害类型对应的主等级区间。
其中,主等级区间从好到坏依次为优、良、中、次、差。每一主等级区间的上限和下限分别为分入该主等级区间的病害类型的数据的最大值和最小值。当病害类型的数据为0时,该病害类型的数据划分入优等级区间。
例如,待选取养护性质的年份为2018年,则该年的前二年是2016年,前一年是2017年。针对表1中的数据,路段(1093-1094)的2016年的横缝的数据为27.383。该数据对应的2017年的PCI分级为良,以此类推,路段(1094-1095)的2016年的横缝的数据5.114为良,则27.383和5.114划分入良区间,且27.383和5.114分别作为该区间内最大值和最小值,从而确定良区间为[5.114,27.383]。以此类推,2.062、11.136、14.023划分入优区间,且14.023和2.062分别作为该区间内最大值和最小值,从而确定优区间为[2.062,14.023]。
2、若两个相邻主等级区间具有重合的部分,则将重合的部分确定为介于两个主等级区间之间的副等级区间,将两个相邻主等级区间更新为各自的未重合部分。
其中,主等级区间为闭区间,副等级区间为开区间,副等级区间从好到坏依次为优良、良中、中次、次差。
针对表1的数据,优区间[2.062,14.023]和良区间[5.114,27.383]具有重合的部分,则将重合的部分(5.114,14.023)确定为介于优区间和良区间之间的优良区间。这样,优区间变为[2.062,5.114],良区间变为[14.023,27.383]。
应当理解的是,当得到的主等级区间有优区间时,将优区间的下限设为0。当得到的主等级区间没有优区间时,将0确定为优区间,并将得到的最好的主等级区间的下限设为0,但不包含0。当得到的主等级区间有差区间时,将差区间的上限设为正无穷。当得到最坏的主等级区间不为差区间时,再建立一个主等级区间,该主等级区间比得到的最坏的主等级区间低一级,且该主等级区间的范围为大于得到的最坏的主等级区间的上限。
3、按照划分的该病害类型对应的主等级区间和副等级区间,得到待选取养护性质的年份的前一年的病害类型的数据对应的等级。
例如,2017年的横缝的数据为14,则该横缝的数据对应的等级为优良。
4、按照待选取养护性质的年份的前一年的病害类型的数据对应的等级,得到该病害类型的数据的评分。
其中,所有主等级和副等级按照从好到坏的顺序评分依次从小到大,且相邻等级之间的评分相差第一预设分值。在本发明一具体实施例中,按照从优到差,所有等级的评分依次为1~9,相邻等级之间相差1分,如表2所示。
表2等级评分
等级 | 优 | 优良 | 良 | 良中 | 中 | 中次 | 次 | 次差 | 差 |
评分 | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 | 9 |
5、采用该路段的每种病害类型的数据的评分建立决策矩阵。
具体的,决策矩阵为:
其中,病害类型的数据的评分记为zn。n为病害类型的序号。病害类型的序号可任意设置。例如,在一具体实施例中,病害类型按序号从小到大依次为:横缝、纵缝、龟裂破碎板、松散露骨。
步骤S3:计算该路段的决策矩阵的标准决策系数。
将矩阵各行向量进行几何平均,然后归一化得到各评价指标的权重和特征向量:
各指标权重计算方式为:其中,特征向量为:/>
其中为各行向量的几何平均。
最大特征根为:
其中,N为病害类型的总数量,若四种病害类型参与决策,则N=4,Z为上述决策矩阵,n表示病害类型的序号,在决策矩阵中可以看作是每行的序号。其中,随着n的变化,(ZW)n为矩阵Z与Wn的乘积。
则该步骤的计算式如下:
SDC表示标准决策系数。
步骤S4:根据数据库中的路段的数量,构建多个随机决策矩阵,并计算多个随机决策矩阵的随机决策系数。
其中,构建多个随机决策矩阵的方式如下:
1、若数据库中的路段的数量不小于第一阈值,则构建数据库中的路段的数量的第一百分比个随机决策矩阵。
在本发明一具体的实施例中,第一阈值为10000,第一百分比为5%。
2、若数据库中的路段的数量小于第一阈值,且不小于第二阈值,则构建数据库中的路段的数量的第二百分比个随机决策矩阵。
在本发明一具体的实施例中,第二阈值为1000,第二百分比为25%。
3、若数据库中的路段的数量小于第二阈值,且不小于第三阈值,则构建数据库中的路段的数量的第三百分比个随机决策矩阵。
在本发明一具体的实施例中,第三阈值为500,第三百分比为50%。
4、若数据库中的路段的数量小于第三阈值,且不小于第四阈值,则构建数据库中的路段的数量的第四百分比个随机决策矩阵。
在本发明一具体的实施例中,第四阈值为100,第四百分比为70%。
5、若数据库中的路段的数量小于第四阈值,则构建与数据库中的路段的数量相同个数的随机决策矩阵。
其中,随机决策矩阵中的元素为随机的主等级和副等级的评分。在本发明一具体实施中,主等级和副等级的评分为1~9,则随机决策矩阵中的元素为1~9生成。
具体的,随机决策矩阵的随机决策系数的计算式如下:
其中,M表示随机决策矩阵的数量。λjmax表示第j个随机决策矩阵的最大特征根。
步骤S5:若该路段的标准决策系数与随机决策系数的比值小于预设阈值,则获取针对该路段的每种病害类型的养护性质的性质对比矩阵。
其中,养护性质按排序依次为:日常养护性质、预防性养护性质、功能性修复性质和结构性修复性质(四种养护性质均来源于《公路养护工程管理办法》交公路发[2018]33号)。
在本发明一具体实施例中,预设阈值为0.01。
具体的,该步骤包括如下的过程:
1、将数据库中的每一路段的待选取养护性质的年份的前一年的PCI分级对应的评分减去待选取养护性质的年份的前二年的PCI分级对应的评分,得到PCI评分差值。
每一PCI等级的评分与相同等级的主等级区间的评分相同。如前所述,PCI分级从好到坏依次为优、良、中、次、差。在一具体实施例中,主等级区间优、良、中、次、差的评分分别为1、3、5、7、9,则PCI等级优、良、中、次、差的评分分别为1、3、5、7、9。
2、删除PCI评分差值大于0的路段的路面特征样本数据,得到更新后的数据库。
例如,在本发明一具体实施例中,2017年PCI为良,2016年PCI为优,则2017年PCI分级对应的评分减去2016年PCI分级对应的评分为2,则将该路段的数据从数据库中删除。
3、将更新后的数据库中的每一路段的待选取养护性质的年份的前二年的相同病害类型的数据划分到一个病害组。
例如,将2016年的横缝的数据划分到同一病害组。
4、根据每一病害组中的病害类型的数据,建立该病害类型的四个养护等级区间。
其中,四个养护等级区间按照数据从好到坏依次为第一等级区间、第二等级区间、第三等级区间和第四等级区间。第一等级区间对应日常养护性质,第二等级区间对应预防性养护性质,第三等级区间对应功能性修复性质,第四等级区间对应结构性修复性质。
该步骤的具体过程如下:
(1)确定第一等级区间和第二等级区间之间的第一分界点DV1,第二等级区间和第三等级区间之间的第二分界点DV2,第三等级区间和第四等级区间之间的第三分界点DV3。
其中,首先确定第一分界点DV1,该过程如下:
①将病害组中的病害类型的数据按照升序排列得到第一级一等病害组。
②若第一级一等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为优,则按照第一规则确定第一等级区间和第二等级区间之间的第一分界点DV1。
其中,第一规则为:若前一级一等病害组的四分之一位数对应的病害类型的数据对应的当年的PCI等级为优,则截取前一级一等病害组的大于四分之一位数对应的病害类型的数据得到后一级一等病害组/>直到后一级一等病害组/>中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为良,则获取区间/>将该区间的中位数对应的病害类型的数据确定为第一等级区间和第二等级区间之间的第一分界点DV1。
其中,每一级一等病害组中的数据均为升序排列,m=1,2,3,......。下述的所有m都是从1开始的整数,在后文中不再赘述。表示前一级一等病害组/>的四分之一位数对应的病害类型的数据。/>表示后一级一等病害组/>中的四分之一位数对应的病害类型的数据。
③若第一级一等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级不为优,则得到第二级一等病害组,按照第二规则确定第一等级区间和第二等级区间之间的第一分界点DV1。
其中,第二级一等病害组中的病害类型的数据为第一级一等病害组中不大于四分之一位数对应的病害类型的数据。
其中,第二规则为:若前一级一等病害组的四分之三位数对应的病害类型的数据对应的当年的PCI等级不为优,则截取前一级一等病害组/>的不大于四分之三位数的病害类型的数据得到后一级一等病害组/>直到后一级一等病害组/>中的四分之三位数对应的病害类型的数据对应的当年的PCI等级为优,则将后一级一等病害组/>中的四分之三位数对应的病害类型的数据确定为第一等级区间和第二等级区间之间的第一分界点DV1。
确定第一分界点DV1后,确定第二分界点DV2,该过程如下:
①获取病害组中不小于第一分界点DV1的病害类型的数据,并按升序排列,得到第一级二等病害组
②若第一级二等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为良和优,则按照第三规则确定第二等级区间和第三等级区间之间的第二分界点。
其中,第三规则为:若前一级二等病害组的四分之一位数对应的病害类型的数据对应的当年的PCI等级为良或优,则截取前一级二等病害组/>的大于四分之一位数对应的病害类型的数据得到后一级二等病害组/>直到后一级二等病害组/>中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为中,则将后一级二等病害组/>中的四分之一位数对应的病害类型的数据确定为第二等级区间和第三等级区间之间的第二分界点DV2。其中,每一级二等病害组中的数据均为升序排列。
③若第一级二等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为中,则将第一级二等病害组中的四分之一位数对应的病害类型的数据确定为第二等级区间和第三等级区间之间的第二分界点DV2。
④若第一级二等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为差或次,则得到第二级二等病害组,按照第四规则确定第二等级区间和第三等级区间之间的第二分界点DV2。
其中,第二级二等病害组中的病害类型的数据为第一级二等病害组中不大于四分之一位数对应的病害类型的数据。
其中,第四规则为:若前一级二等病害组的四分之三位数对应的病害类型的数据对应的当年的PCI等级不为中,则截取前一级二等病害组/>的不大于四分之三位数的病害类型的数据得到后一级二等病害组/>直到后一级二等病害组/>中的四分之三位数对应的病害类型的数据对应的当年的PCI等级为中,则将后一级二等病害组/>中的四分之三位数对应的病害类型的数据确定为第二等级区间和第三等级区间之间的第二分界点DV2。
确定第二分界点DV2后,确定第三分界点DV3,该过程如下:
①获取病害组中不小于第二分界点的病害类型的数据,并按升序排列,得到第一级三等病害组
②若第一级三等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为中、良和优,则按照第五规则确定第三等级区间和第四等级区间之间的第三分界点DV3。
其中,第五规则为:若前一级三等病害组的四分之一位数对应的病害类型的数据对应的当年的PCI等级为中、良和优,则截取前一级三等病害组/>的大于四分之一位数对应的病害类型的数据得到后一级三等病害组/>直到后一级三等病害组/>中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为差,则将后一级三等病害组中的四分之一位数对应的病害类型的数据确定为第三等级区间和第四等级区间之间的第三分界点DV3。其中,每一级三等病害组中的数据均为升序排列。
③若第一级三等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为次,则将第一级三等病害组中的四分之一位数对应的病害类型的数据确定为第三等级区间和第四等级区间之间的第三分界点DV3。
④若第一级三等病害组中的四分之一位数对应的病害类型的数据对应的当年的PCI等级为差,则得到第二级三等病害组,按照第六规则确定第三等级区间和第四等级区间之间的第三分界点DV3。
其中,第二级三等病害组中的病害类型的数据为第一级三等病害组中不大于四分之一位数对应的病害类型的数据。
其中,第六规则为:若前一级三等病害组的四分之三位数对应的病害类型的数据对应的当年的PCI等级不为次,则截取前一级三等病害组/>的不大于四分之三位数的病害类型的数据得到后一级三等病害组/>直到后一级三等病害组/>中的四分之三位数对应的病害类型的数据对应的当年的PCI等级为次,则将后一级三等病害组/>中的四分之三位数对应的病害类型的数据确定为第三等级区间和第四等级区间之间的第三分界点DV3。
(2)确定第一等级区间为[0,DV1],第二等级区间为(DV1,DV2],第三等级区间为(DV2,DV3],第四等级区间为(DV3,+∞)。
5、确定该路段的待选取养护性质的年份的前一年的病害类型的数据对应的该病害类型的养护等级区间。
具体的,该病害类型的数据位于哪一养护等级区间内,则对应哪一养护等级区间。
6、按照病害类型的数据对应的该病害类型的养护等级区间,对每一种养护性质评分。
具体的,该步骤包括如下的过程:
(1)将该病害类型的养护等级区间对应的养护性质的优先级确定为优先。
(2)根据优先级为优先对应的养护性质的种类,确定其他三种养护性质的优先级。
其中,若日常养护性质的优先级为优先,则预防性养护性质的优先级为一般,功能性修复性质和结构性修复性质的优先级为非优先。
若预防性养护性质的优先级为优先,则日常养护性质的优先级为一般,功能性修复性质和结构性修复性质的优先级为非优先。
若功能性修复性质的优先级为优先,则结构性修复性质的优先级为较优先,日常养护性质和预防性养护性质的优先级为非优先。
若结构性修复性质的优先级为优先,则功能性修复性质的优先级为较优先,日常养护性质和预防性养护性质的优先级为非优先。
(3)按照优先、较优先、一般和非优先对应的评分,对每一种养护性质评分。
其中,按照优先、较优先、一般和非优先的优先级排序,评分依次减小,且相邻排序之间的优先级的评分相差第二预设分值。在本发明一具体实施例中,该评分如表3所示。
表3养护性质的优先级评分
养护性质的优先级 | 评分 |
非优先 | 1 |
一般 | 3 |
较优先 | 5 |
优先 | 7 |
7、根据该病害类型的每一种养护性质的评分建立性质对比矩阵。
具体的,性质对比矩阵为:
其中,R1表示日常养护性质评分,R2表示预防性养护性质评分,R3表示功能性修复性质评分,R4表示结构性修复性质评分。
在本发明一具体实施例中,一路段2017年的横缝的数据位于第二等级区间(DV1,DV2]内,则预防性养护性质的优先级为优先,评分为7,日常养护性质的优先级为一般,评分为3,功能性修复性质和结构性修复性质的优先级为非优先,评分均为1,建立的性质对比矩阵为:
步骤S6:根据病害的决策矩阵和养护性质的性质对比矩阵,计算该路段的每种病害类型对应的养护性质占所有养护性质的权重。
具体的,该步骤的计算式为:
其中,表示第i种养护性质的性质对比矩阵的对应第n种病害类型的权向量,Pn表示决策矩阵的对应第n种病害类型的权向量,n表示病害类型的序号,i表示养护性质的序号,即依次为日常养护性质、预防性养护性质、功能性修复性质、结构性修复性质。
例如,在一具体实施例中,病害类型按照横缝、纵缝、龟裂破碎板、松散露骨排序,则病害类型和养护性质类型的对应关系如表4所示。
表4病害类型和养护性质类型的对应关系
步骤S7:选取权重最大的养护性质以对该路段进行养护。
本发明实施例还公开了一种计算机可读存储介质。所述计算机可读存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现如上述实施例所述的基于病害数量的路面养护性质的选取方法。
本发明实施例还公开了一种基于病害数量的路面养护性质的选取系统,包括:如上述实施例所述的计算机可读存储介质。
综上,本发明实施例,结合科学的路况评价体系,解决了主观意见主导结果走向,以数据为基础、客观事实为评分依据,能及时对路面的损伤采用最佳养护性质进行养护,不止适用于几类病害,更适用于多种病害或者多因素分析决策,适用于嵌入至信息系统中有助于更快捷、更准确、更科学做出最优决策方案。
以上所述,仅为本发明的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,可轻易想到变化或替换,都应涵盖在本发明的保护范围之内。因此,本发明的保护范围应以权利要求的保护范围为准。
Claims (8)
1.一种基于病害数量的路面养护性质的选取方法,其特征在于,包括:
创建路面特征样本数据库,其中,所述数据库中包括每一路线中每一路段的每年的路面特征样本数据,每年的所述路面特征样本数据包括:每个路段的当年PCI分级和当年的病害类型的数据,其中,所述PCI分级从好到坏依次为优、良、中、次、差;
对于一路线中的一路段,根据该路段的路面特征样本数据,获取待选取养护性质的年份的前一年的病害的决策矩阵;
计算该路段的所述决策矩阵的标准决策系数;
根据所述数据库中的路段的数量,构建多个随机决策矩阵,并计算多个所述随机决策矩阵的随机决策系数;
若该路段的所述标准决策系数与所述随机决策系数的比值小于预设阈值,则获取针对该路段的每种病害类型的养护性质的性质对比矩阵,其中,所述养护性质按排序依次为:日常养护性质、预防性养护性质、功能性修复性质和结构性修复性质;
根据病害的决策矩阵和养护性质的性质对比矩阵,计算该路段的每种病害类型对应的养护性质占所有养护性质的权重;
选取所述权重最大的养护性质以对该路段进行养护;
所述获取针对该路段的每种病害类型的养护性质的性质对比矩阵的步骤包括:
将所述数据库中的每一所述路段的所述待选取养护性质的年份的前一年的PCI分级对应的评分减去所述待选取养护性质的年份的前二年的PCI分级对应的评分,得到PCI评分差值,其中,每一所述PCI分级的评分与相同等级的主等级区间的评分相同;
删除所述PCI评分差值大于0的路段的路面特征样本数据,得到更新后的数据库;
将更新后的数据库中的每一所述路段的所述待选取养护性质的年份的前二年的相同病害类型的数据划分到一个病害组;
根据每一病害组中的病害类型的数据,建立该病害类型的四个养护等级区间;
确定该路段的所述待选取养护性质的年份的前一年的病害类型的数据对应的该病害类型的养护等级区间;
按照病害类型的数据对应的该病害类型的养护等级区间,对每一种养护性质评分;
根据该病害类型的每一种养护性质的评分建立性质对比矩阵;
其中,四个养护等级区间按照数据从好到坏依次为第一等级区间、第二等级区间、第三等级区间和第四等级区间;第一等级区间对应日常养护性质,第二等级区间对应预防性养护性质,第三等级区间对应功能性修复性质,第四等级区间对应结构性修复性质;
所述该路段的每种病害对应的养护性质占所有养护性质的权重的计算式为:
其中,表示第i种养护性质的性质对比矩阵的对应第n种病害类型的权向量,Pn表示决策矩阵的对应第n种病害类型的权向量,n表示病害类型的序号,i表示养护性质的序号。
2.根据权利要求1所述的基于病害数量的路面养护性质的选取方法,其特征在于,所述获取待选取养护性质的年份的前一年的病害的决策矩阵的步骤,包括:
将所述待选取养护性质的年份的前二年的病害类型的数据,按照前一年的PCI分级划分得到该病害类型对应的主等级区间,其中,主等级区间从好到坏依次为优、良、中、次、差,当病害类型的数据为0时,该病害类型的数据划分入优等级区间,每一主等级区间的上限和下限分别为分入该主等级区间的病害类型的数据的最大值和最小值;
若两个相邻主等级区间具有重合的部分,则将重合的部分确定为介于两个主等级区间之间的副等级区间,将两个相邻主等级区间更新为各自的未重合部分,其中,主等级区间为闭区间,副等级区间为开区间,副等级区间从好到坏依次为优良、良中、中次、次差;
按照划分的该病害类型对应的主等级区间和副等级区间,得到所述待选取养护性质的年份的前一年的病害类型的数据对应的等级;
按照所述待选取养护性质的年份的前一年的病害类型的数据对应的等级,得到该病害类型的数据的评分,其中,所有主等级和副等级按照从好到坏的顺序评分依次从小到大排序,且相邻等级之间的评分相差第一预设分值;
采用该路段的每种病害类型的数据的评分建立决策矩阵,其中,所述病害类型的数据的评分记为zn,n为病害类型的序号,所述决策矩阵为:
3.根据权利要求2所述的基于病害数量的路面养护性质的选取方法,其特征在于,所述构建多个随机决策矩阵的步骤,包括:
若所述数据库中的路段的数量不小于第一阈值,则构建所述数据库中的路段的数量的第一百分比个随机决策矩阵;
若所述数据库中的路段的数量小于第一阈值,且不小于第二阈值,则构建所述数据库中的路段的数量的第二百分比个随机决策矩阵;
若所述数据库中的路段的数量小于第二阈值,且不小于第三阈值,则构建所述数据库中的路段的数量的第三百分比个随机决策矩阵;
若所述数据库中的路段的数量小于第三阈值,且不小于第四阈值,则构建所述数据库中的路段的数量的第四百分比个随机决策矩阵;
若所述数据库中的路段的数量小于第四阈值,则构建与所述数据库中的路段的数量相同个数的随机决策矩阵;
其中,所述随机决策矩阵中的元素为随机的所述主等级和所述副等级的评分。
4.根据权利要求1所述的基于病害数量的路面养护性质的选取方法,其特征在于,
所述计算该路段的所述决策矩阵的标准决策系数的计算式为:
其中,λmax表示所述决策矩阵的最大特征根,N表示病害类型的总数量;
所述计算多个所述随机决策矩阵的随机决策系数的计算式为:
其中,M表示所述随机决策矩阵的数量,λjmax表示第j个所述随机决策矩阵的最大特征根。
5.根据权利要求1所述的基于病害数量的路面养护性质的选取方法,其特征在于,所述对每一种养护性质评分的步骤包括:
将该病害类型的养护等级区间对应的养护性质的优先级确定为优先;
根据优先级为优先对应的养护性质的种类,确定其他三种养护性质的优先级,其中,若日常养护性质的优先级为优先,则预防性养护性质的优先级为一般,功能性修复性质和结构性修复性质的优先级为非优先;若预防性养护性质的优先级为优先,则日常养护性质的优先级为一般,功能性修复性质和结构性修复性质的优先级为非优先;若功能性修复性质的优先级为优先,则结构性修复性质的优先级为较优先,日常养护性质和预防性养护性质的优先级为非优先;若结构性修复性质的优先级为优先,则功能性修复性质的优先级为较优先,日常养护性质和预防性养护性质的优先级为非优先;
按照优先、较优先、一般和非优先对应的评分,对每一种养护性质评分,其中,按照优先、较优先、一般和非优先的优先级排序,评分依次减小,且相邻排序之间的优先级的评分相差第二预设分值。
6.根据权利要求5所述的基于病害数量的路面养护性质的选取方法,其特征在于,所述性质对比矩阵为:
其中,R1表示日常养护性质评分,R2表示预防性养护性质评分,R3表示功能性修复性质评分,R4表示结构性修复性质评分。
7.一种计算机可读存储介质,其特征在于:所述计算机可读存储介质上存储有计算机程序指令;所述计算机程序指令被处理器执行时实现如权利要求1~6任一项所述的基于病害数量的路面养护性质的选取方法。
8.一种基于病害数量的路面养护性质的选取系统,其特征在于,包括:如权利要求7所述的计算机可读存储介质。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011477709.2A CN112686396B (zh) | 2020-12-15 | 2020-12-15 | 基于病害数量的路面养护性质的选取方法、介质及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011477709.2A CN112686396B (zh) | 2020-12-15 | 2020-12-15 | 基于病害数量的路面养护性质的选取方法、介质及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112686396A CN112686396A (zh) | 2021-04-20 |
CN112686396B true CN112686396B (zh) | 2024-02-23 |
Family
ID=75447954
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011477709.2A Active CN112686396B (zh) | 2020-12-15 | 2020-12-15 | 基于病害数量的路面养护性质的选取方法、介质及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112686396B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115271565B (zh) * | 2022-09-29 | 2023-01-24 | 中南大学 | 基于dea的高速公路路面养护措施评价方法、装置及设备 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
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 |
CN109740921A (zh) * | 2018-12-29 | 2019-05-10 | 中公高科养护科技股份有限公司 | 一种沥青路面养护性质判定的方法 |
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 |
CN110569893A (zh) * | 2019-08-30 | 2019-12-13 | 海南电网有限责任公司琼海供电局 | 一种配电设备缺陷分析管理方法及系统 |
CN111737916A (zh) * | 2020-06-22 | 2020-10-02 | 华南农业大学 | 一种基于大数据的道路桥梁病害分析与养护决策方法 |
-
2020
- 2020-12-15 CN CN202011477709.2A patent/CN112686396B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107092020A (zh) * | 2017-04-19 | 2017-08-25 | 北京大学 | 融合无人机LiDAR和高分影像的路面平整度监测方法 |
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 |
CN109740921A (zh) * | 2018-12-29 | 2019-05-10 | 中公高科养护科技股份有限公司 | 一种沥青路面养护性质判定的方法 |
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 |
CN110569893A (zh) * | 2019-08-30 | 2019-12-13 | 海南电网有限责任公司琼海供电局 | 一种配电设备缺陷分析管理方法及系统 |
CN111737916A (zh) * | 2020-06-22 | 2020-10-02 | 华南农业大学 | 一种基于大数据的道路桥梁病害分析与养护决策方法 |
Non-Patent Citations (3)
Title |
---|
公路沥青路面预防性养护路况标准与时机决策研究;王向峰;雍黎明;;公路工程(第06期);第228-231、258页 * |
沥青路面预养护方案的区间关联模糊优化决策;朱向平;颜可珍;刘杰;;中南林业科技大学学报(第11期);第172-177页 * |
路面预防性养护时机确定方法探讨;董瑞琨, 孙立军, 彭勇;中国安全科学学报(第03期);第34-38页 * |
Also Published As
Publication number | Publication date |
---|---|
CN112686396A (zh) | 2021-04-20 |
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 | |
CN112686396B (zh) | 基于病害数量的路面养护性质的选取方法、介质及系统 | |
CN113554323A (zh) | 面向路网关键节点的应急保障优化设计方法 | |
CN110782130A (zh) | 一种基于多属性决策的区域电压质量综合评估方法 | |
CN105426653A (zh) | 一种基于ahp-模糊评价分析法的质量评估方法 | |
Chan et al. | North Carolina’s experience in development of pavement performance prediction and modeling | |
CN114611759A (zh) | 一种公路大中修沥青路面养护方案的优化方法 | |
Bektaş | Use of recursive partitioning to predict national bridge inventory condition ratings from national bridge elements condition data | |
CN111105156B (zh) | 一种基于证据推理的公路路侧安全风险评价方法 | |
Rejani et al. | Upgradation of pavement deterioration models for urban roads by non-hierarchical clustering | |
CN116596363A (zh) | 一种钢桥面铺装养护方案的后评估方法 | |
CN115114273A (zh) | 一种业务对象的元数据评分方法、存储介质及系统 | |
KR101041779B1 (ko) | 불확실성 기반의 비용 효율적인 보강공법 선정을 위한 의사결정 방법 | |
Saffarzadeh et al. | An interval based score method for multiple criteria decision making problems | |
Shu et al. | Large-scale evaluation of pavement performance models utilizing automated pavement condition survey data | |
CN113240271A (zh) | 一种路面状况评价模型优化方法 | |
CN114565252B (zh) | 一种确定桥梁养护顺序的决策方法 | |
Wadalkar et al. | Performance assessment of flexible pavements: fuzzy evidence theory approach | |
CN112330516A (zh) | 一种生成公路路面维修计划的方法和装置 | |
Nasseri et al. | Application of improved crack prediction methodology in Florida's highway network | |
CN117688657B (zh) | 气候变化下温度影响的沥青路面耐久服役风险评估方法 | |
CN110796564A (zh) | 电网企业综合计划分配测算的项目统计指标筛选方法 | |
Hassan | Modelling bituminous surfacing distress data using logistic regression | |
CN113920723B (zh) | 一种山区高速公路事故多发路段识别方法 | |
CN115169604A (zh) | 基于大数据的道路建养方案决策方法、系统、设备及介质 |
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 |