CN114118733A - 基于多源数据的沥青路面质量分析与评估方法 - Google Patents
基于多源数据的沥青路面质量分析与评估方法 Download PDFInfo
- Publication number
- CN114118733A CN114118733A CN202111330738.0A CN202111330738A CN114118733A CN 114118733 A CN114118733 A CN 114118733A CN 202111330738 A CN202111330738 A CN 202111330738A CN 114118733 A CN114118733 A CN 114118733A
- Authority
- CN
- China
- Prior art keywords
- evaluation
- source data
- road section
- detection
- data
- 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.)
- Pending
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 96
- 239000010426 asphalt Substances 0.000 title claims abstract description 39
- 238000004458 analytical method Methods 0.000 title claims abstract description 35
- 238000001514 detection method Methods 0.000 claims abstract description 59
- 238000005553 drilling Methods 0.000 claims abstract description 17
- 238000000034 method Methods 0.000 claims abstract description 11
- 238000007405 data analysis Methods 0.000 claims abstract description 8
- 238000011157 data evaluation Methods 0.000 claims abstract description 7
- 230000011218 segmentation Effects 0.000 claims abstract description 4
- 239000002344 surface layer Substances 0.000 claims description 17
- 238000004364 calculation method Methods 0.000 claims description 14
- 238000013473 artificial intelligence Methods 0.000 claims description 9
- 239000002689 soil Substances 0.000 claims description 6
- 206010039203 Road traffic accident Diseases 0.000 claims description 5
- 238000005070 sampling Methods 0.000 claims description 5
- 238000012360 testing method Methods 0.000 claims description 5
- 239000010410 layer Substances 0.000 claims description 4
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 230000002194 synthesizing effect Effects 0.000 claims description 2
- 238000009825 accumulation Methods 0.000 claims 1
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims 1
- 238000013441 quality evaluation Methods 0.000 abstract description 2
- 238000012854 evaluation process Methods 0.000 description 4
- 238000012423 maintenance Methods 0.000 description 4
- 230000008439 repair process Effects 0.000 description 4
- 238000010276 construction Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000018109 developmental process Effects 0.000 description 2
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000004806 packaging method and process Methods 0.000 description 1
- 230000005855 radiation Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
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
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- 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—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Educational Administration (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Primary Health Care (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Road Repair (AREA)
Abstract
本发明提供基于多源数据的沥青路面质量分析与评估方法,涉及沥青路面检测与质量评估技术领域。该基于多源数据的沥青路面质量分析与评定方法,包括以下具体步骤:S1.将待评价沥青路面的某一路段进行五点分段,并在五个路段内各选一个检测点进行登记记录;S2.对待评价路面的特殊路段进行单独登记记录;S3.对S1中各检测点分别进行第一源数据的人工初步评估、第二源数据的基于PQI模型的路面结构评估、第三源数据的钻孔取芯分析评估以及第四源数据的人工智能数据分析与评估。通过进行人工初步评估、路面结构检测、路面功能检测以及承载能力检测,可以从多源数据对沥青路面质量进行分析与评估,不仅提高了评估的准确性,也提高了评估效率。
Description
技术领域
本发明涉及沥青路面检测与质量评估技术领域,具体为基于多源数据的沥青路面质量分析与评估方法。
背景技术
城市是产业与人口的集聚地,其汽车的增长远比乡村快的多,成为汽车的集聚中心,因此公路的建设多从城市的环路,辐射路和交通繁忙路段开始,逐步成为以干线公路为骨干的城市交通;随着汽车技术的发展,对沥青路面的建设也有了更高的要求,目前汽车已成为人类社会必不可少的交通工具,因此也需要沥青路面等基础设施来配合汽车的轻型化和载重化的发展趋势,前者对沥青路面提出了速度保障的要求,后者则是对承载能力保障的要求。
青路面经过多年的持续使用后,其质量会逐渐劣化。因此,需要根据沥青路面的性能以及实际状态进行相应的检测与评估,以确定养护与维修方案。所以在进行路面养护与维修之前,都需要对不同路段的沥青路面进行相应的质量分析与评估,以便提出合理的和有针对性养护与维修方案。目前对沥青路面质量分析与评估方法过于复杂,评价过程不仅费时费力,而且评价周期也较长,在实际评价过程中,需要进行大量的采样、测试以及相关数据的系统计算,工作量巨大,不仅会大大增加检测人员的劳动强度,还易加大评估过程所引起的误差。
为此,我们研发出了该基于多源数据的沥青路面质量分析与评估方法,以提高沥青路面质量分析效率,同时保证评估的准确性。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了基于多源数据的沥青路面质量分析与评估方法,解决了目前对沥青路面质量分析与评估方法过于复杂、评价过程费时费力、且评价周期较长的问题。
(二)技术方案
为实现以上目的,本发明通过以下技术方案予以实现:基于多源数据的沥青路面质量分析与评估方法,包括以下具体步骤:
S1.将待评价沥青路面的某一路段进行五点分段,并在五个路段内各选一个检测点进行登记记录;
S2.对待评价路段的特殊路段进行单独登记记录;
S3.对S1中各检测点分别进行第一源数据的人工初步评估、第二源数据的基于PQI模型的路面结构评估、第三源数据的钻孔取芯分析评估以及第四源数据的人工智能数据分析与评估;
S4.根据S3中的多源数据进行综合评价;
S5.针对S2中特殊路段进行多点采样,并通过S3中的评估方式进行综合性能评估;
S6.通过综合五个路段检测点的评估数据以及特殊路段的评估数据进行综合数据整理与评估,并对待评价路段的质量进行综合评级,确定该路段的综合破损等级以及特殊路段的破损等级;
S7.整理评价结果,形成沥青路面质量分析与评估报告。
优选的,所述S1中待评价沥青路面路段的选取需控制在同期三个月内铺设完成的路段,通过选取同期三个月内铺设完成的路段,可以确保待评价路段的沥青路面原始综合数据的统一性和准确性,以便后续的快速评估和相关数据的快速计算。
优选的,所述S1中选择的五个检测点需尽量保持等距,通过使五个检测点保持等距,从而可以保证多个检测点的均匀性,不会出现较大的偏差。
优选的,所述S2中待评价沥青路面的特殊路段包括沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段,通过对待评价沥青路面沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段等特殊路段进行单独评价,既可以保证评价结果的综合性和科学性,同时也可以加强对沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段等特殊路段的综合评估,以便后续开展有针对性的养护与维修。
优选的,所述S3中第一源数据的人工初步评估包括平整度评估、损坏类型鉴别、受损程度评估、压力设备检测以及设备仪器扫描检测。
优选的,所述S3中第二源数据的路面结构检测评估指标的计算公式为:
DR=∑∑DijKij/A,
其中,DR为检测路段的综合破损率;i为损坏类别的编号;j为损坏程度等级的编号;Dij为检测路段第i类损坏、j级损坏程度的实际破损面积;Kij为第i类损坏、j级损坏程度的换算系数;A为检测路段的总面积。
优选的,所述S3中第二源数据的路面功能检测评估指标的计算公式为:
RQI=11.5-0.75IRI,
其中,RQI为路面行驶质量数值;IRI为路面国际平整度数值。
优选的,所述S3中第二源数据的承载能力检测评估指标的计算公式为:
SSI=ld/lr,
其中,SSI为路面结构强度指标;ld为设计弯沉值;lr为实际代表弯沉值。
所述S3中第三源数据的钻孔取芯分析评估流程为:选取路面中心位置的钻孔点,利用钻孔设备钻取一个直径为10cm或15cm、钻孔深度为40-50cm的芯样;
进一步的,对芯样进行初步评估,观察并记录其表面层、中面层、及底面层及基层的实际性能状态,然后将芯样打包并带回实验室,作进一步试验与检测分析,并记录检测数据。
优选的,所述S3中第四源数据的人工智能数据分析与评估是利用人工智能分析系统,对采集到的数据进行智能统计与分析,并自动获得统计数据及相关评估结论。
(三)有益效果
本发明提供了基于多源数据的沥青路面质量分析与评估方法。具备以下有益效果:
1、该基于多源数据的沥青路面质量分析与评估方法,通过进行人工初步评估、路面结构检测、路面功能检测以及承载能力检测,可以从多数据源来对沥青路面质量进行分析与评估,不仅提高了评估的效率,同时也可以保证评估的准确性。
2、该基于多源数据的沥青路面质量分析与评估方法,通过采用人工的、机械的、智能的多源数据综合评估方式,无需进行大规模的采样测试以及相关数据的繁杂计算,不仅大大减少了检测工作量,同时也降低了检测人员的劳动强度,工作效率大大提高。
具体实施方式
下面将对本发明实施例中的技术方案进行清楚、完整地描述。显然,所描述的实施例仅仅是本发明的一部分实施例,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得的所有其他实施例,都属于本发明保护的范围。
实施例:
本发明实施例提供基于多源数据的沥青路面质量分析与评估方法,对我国某一高速公路沥青路面进行质量分析与评估,具体步骤如下:
S1.将待评价高速公路沥青路面的路段进行五点分段,并在五个路段内各选一个检测点进行登记记录,待评价路段的选取需控制在同期三个月内铺设完成的路段,通过选取同期三个月内铺设完成的路段,可以确保待评价路段的沥青路面原始综合数据的统一性和准确性,以便后续的快速评估和相关数据的快速计算;通过使五个检测点尽量保持等距,从而可以保证多个检测点的均匀性,不会出现较大的偏差;
S2.对待评价沥青路面的特殊路段进行单独登记记录,待评价沥青路面的特殊路段包括沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段,通过对待评价沥青路面的沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段等特殊路段进行单独评价,既可以保证评价结果的综合性和科学性,同时也可以加强对沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段等特殊路段的综合评估,以便后续开展有针对性的养护与维修;
S3.对S1中各检测点分别进行第一源数据的人工初步评估、第二源数据的基于PQI模型的路面结构评估、第三源数据的钻孔取芯分析评估以及第四源数据的人工智能数据分析与评估;
第一源数据的人工初步评估包括平整度评估、损坏类型,受损程度评估、压力设备检测以及设备仪器扫描检测;人工初步评估结果如下表;
第二源数据的路面结构检测评估指标的计算公式为:
DR=∑∑DijKij/A
其中,DR为检测路段的综合破损率;i为损坏类别的编号;j为损坏程度等级的编号;Dij为检测路段第i类损坏、j级损坏程度的实际破损面积;Kij为第i类损坏、j级损坏程度的换算系数;A为检测路段的总面积。
第二源数据的路面功能检测评估指标的计算公式为:
RQI=11.5-0.75IRI,
其中,RQI为路面行驶质量数值;IRI为路面国际平整度数值。
第二源数据的承载能力检测评估指标的计算公式为:
SSI=ld/lr,
其中,SSI为路面结构强度指标;ld为设计弯沉值;lr为实际代表弯沉值。
进过检测与计算,该路面PQI模型的路面结构评估结果如下表:
第三源数据的钻孔取芯分析评估流程为选取路面中心位置的钻孔点,利用钻孔设备钻取一个直径为10cm或15cm、钻孔深度为40-50cm的样芯;对芯样进行初步评估,观察并记录其表面层、中面层、及底面层及基层的实际性能状态,然后将芯样打包并带回实验室,作进一步试验与检测分析,并记录检测数据。该路段的芯样检测结果表明:
累计取得12个芯样。通过超声波检测,其中5个芯样上面层、下面层波峰和波谷无明显变化;其中4个芯样上面层波峰无较大变化、中面层和下面层波谷降低,多为基层或路基变形导致;其中3个芯样上面层波峰降低、中面层稍有降低、下面层波谷无明显变化,多为沥青路面表面变形导致;
第四源数据的人工智能数据分析与评估是利用人工智能系统,对采集到的数据进行智能统计分析,自动生成对应的统计图、折线图以及相关评估图表,并自动获得统计数据及相关评估结论;
通过将人工初步评估结果、PQI模型路面结构评估结果以及钻孔取芯分析评估结构导入人工智能数据分析系统,系统根据相关数据,自动对该高速路段的综合路况进行了统计和分析,并得到了各检测点的路况分析和整路段综合评价结果;
S4.根据S3中的多源检测数据进行综合评价;
S5.针对S2中特殊路段进行多点采样,分析其特征,并通过S3中的评估方式进行综合性能评估;
S6.通过综合五个路段检测点的评估数据以及特殊路段的评估数据进行综合数据整理与评估,并对待评价沥青路面质量进行分析与综合评级,确定该沥青路面的综合破损等级以及特殊路段的破损等级;
S7.整理评价结果,形成质量分析与评估报告。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.基于多源数据的沥青路面质量分析与评估方法,其特征在于:包括以下具体步骤:
S1.将待评估沥青路面某一路段进行五点分段,并在五个路段内各选一个检测点进行登记记录;
S2.对待评估路段的特殊路段进行单独登记记录;
S3.对S1中各检测点分别进行第一源数据的人工初步评估、第二源数据的基于PQI模型的路面结构评估、第三源数据的钻孔取芯分析评估以及第四源数据的人工智能数据分析与评估;
S4.根据S3中的多源检测数据进行综合评价;
S5.针对S2中特殊路段进行多点采样,分析其特征,并通过S3中的评估方式进行综合性能评估;
S6.通过综合五个路段检测点的评估数据以及特殊路段的评估数据进行综合数据整理与评估,并对待评价路段的质量进行综合评级,确定该路段的综合破损等级以及特殊路段的破损等级;
S7.整理评价结果,形成质量分析与评估报告。
2.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S1中待评价沥青路面的选取需控制在同期三个月内铺设完成的路段。
3.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S1中选择的五个检测点需尽量保持等距。
4.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S2中待评价沥青路面的特殊路段包括软土路段、沙土填埋路段、易沉降路段、沼泽路段、易积水路段、自然灾害频发路段以及交通事故频发路段。
5.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S3中第一源数据的人工初步评估包括平整度评估、损坏类型鉴别、受损程度评估、压力设备检测以及设备仪器扫描检测。
6.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S3中第二源数据的路面结构检测评估指标的计算公式为:
DR=∑∑DijKij/A,
其中,DR为检测路段的综合破损率;i为损坏类别的编号;j为损坏程度等级的编号;Dij为检测路段第i类损坏、j级损坏程度的实际破损面积;Kij为第i类损坏、j级损坏程度的换算系数;A为检测路段的总面积。
7.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S3中第二源数据的路面功能检测评估指标的计算公式为:
RQI=11.5-0.75IRI,
其中,RQI为路面行驶质量数值;IRI为路面国际平整度数值。
8.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S3中第二源数据的承载能力检测评估指标的计算公式为:
SSI=ld/lr,
其中,SSI为路面结构强度指标;ld为设计弯沉值;lr为实际代表弯沉值。
9.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S3中第三源数据的钻孔取芯分析评估流程为选取路面中心位置的钻孔点,利用钻孔设备钻取一个直径为10cm或15cm、钻孔深度为40-50cm的芯样;
进一步的,对芯样进行初步评估,观察并记录其表面层、中面层、及底面层及基层的实际性能状态,然后将芯样打包并带回实验室,作进一步试验与检测分析,并记录检测数据。
10.根据权利要求1所述的基于多源数据的沥青路面质量分析与评估方法,其特征在于:所述S3中第四源数据的人工智能数据分析与评估是利用人工智能分析系统,对采集到的数据进行智能统计与分析,并自动获得统计数据及相关评估结论。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111330738.0A CN114118733A (zh) | 2021-11-11 | 2021-11-11 | 基于多源数据的沥青路面质量分析与评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111330738.0A CN114118733A (zh) | 2021-11-11 | 2021-11-11 | 基于多源数据的沥青路面质量分析与评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114118733A true CN114118733A (zh) | 2022-03-01 |
Family
ID=80378420
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111330738.0A Pending CN114118733A (zh) | 2021-11-11 | 2021-11-11 | 基于多源数据的沥青路面质量分析与评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114118733A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117612019A (zh) * | 2024-01-24 | 2024-02-27 | 深圳市鼎邦工程有限公司 | 智能化路面损害检测系统 |
-
2021
- 2021-11-11 CN CN202111330738.0A patent/CN114118733A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117612019A (zh) * | 2024-01-24 | 2024-02-27 | 深圳市鼎邦工程有限公司 | 智能化路面损害检测系统 |
CN117612019B (zh) * | 2024-01-24 | 2024-03-22 | 深圳市鼎邦工程有限公司 | 智能化路面损害检测系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107330217B (zh) | 一种基于rbfnn的中观油耗预测方法 | |
CN106228808B (zh) | 基于浮动车时空网格数据的城市快速路旅行时间预测方法 | |
CN107943880B (zh) | 一种基于层次分析法的地质灾害易发性改进评估方法 | |
CN113516258B (zh) | 公路养护智能决策分析系统 | |
CN114118733A (zh) | 基于多源数据的沥青路面质量分析与评估方法 | |
CN113327021A (zh) | 一种基于topsis熵权法的土地综合评价方法及装置 | |
CN110929952B (zh) | 基于线路周边环境和敷设类型的光缆故障概率预测方法 | |
CN113638294A (zh) | 道路养护病害智慧检测系统技术 | |
CN115030707A (zh) | 一种油页岩“甜点”快速评价方法 | |
CN115700666A (zh) | 一种山区公路路基养护排查智能化综合评价方法 | |
CN114997671A (zh) | 基于人工神经网络和熵值法的基坑变形安全风险评估的方法 | |
CN106126975B (zh) | 基于数理统计的基因定量微生物油气勘探方法 | |
CN115017979A (zh) | 一种半刚性基层沥青路面的路面状况评价方法 | |
CN114219134A (zh) | 一种盾构施工引起地面沉降的预测方法及系统 | |
CN105696447B (zh) | 一种沥青路面车辙钻芯取样位置确定方法 | |
CN114528773B (zh) | 基于大数据分析的轨道交通杂散电流波形预测系统及方法 | |
CN111369051B (zh) | 沥青路面车辙和坑槽病害的预测方法 | |
CN111785024B (zh) | 一种分区域分时域的城市车辆工况构建方法 | |
CN113449362A (zh) | 基于5g移动网络的道路勘察设计方法及系统 | |
CN117985076B (zh) | 一种高速铁路无砟轨道路基服役性能评价方法及系统 | |
CN111369062B (zh) | 车辆动力学指标提取方法和事故风险值预测方法 | |
Bagherian et al. | Pavement performance prediction model development for Tehran | |
Shao et al. | Long-term Evolution Recognition and Management Level Evaluation of Pavement Performance Based on Clustering Analysis | |
CN116791451A (zh) | 一种半刚性基层沥青路面裂缝成因诊断方法 | |
CN116307809A (zh) | 一种双驱条件下铁路工程勘察复杂程度分级及决策方法 |
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 |