CN114486571B - 基于路面使用性能和结构性能的路面综合性能评价方法 - Google Patents
基于路面使用性能和结构性能的路面综合性能评价方法 Download PDFInfo
- Publication number
- CN114486571B CN114486571B CN202210018038.6A CN202210018038A CN114486571B CN 114486571 B CN114486571 B CN 114486571B CN 202210018038 A CN202210018038 A CN 202210018038A CN 114486571 B CN114486571 B CN 114486571B
- Authority
- CN
- China
- Prior art keywords
- performance
- performance index
- matrix
- index
- indexes
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 43
- 239000011159 matrix material Substances 0.000 claims abstract description 74
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000010219 correlation analysis Methods 0.000 claims abstract description 8
- 239000010426 asphalt Substances 0.000 claims description 19
- 230000014509 gene expression Effects 0.000 claims description 16
- 230000001186 cumulative effect Effects 0.000 claims description 10
- 238000000034 method Methods 0.000 claims description 10
- 238000012360 testing method Methods 0.000 claims description 10
- 238000006243 chemical reaction Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 5
- 238000012216 screening Methods 0.000 claims description 5
- 239000013598 vector Substances 0.000 claims description 2
- 238000001514 detection method Methods 0.000 description 7
- 238000012423 maintenance Methods 0.000 description 7
- 230000009466 transformation Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 2
- 238000009795 derivation Methods 0.000 description 2
- 239000002699 waste material Substances 0.000 description 2
- 125000003275 alpha amino acid group Chemical group 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000005336 cracking Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000000737 periodic effect Effects 0.000 description 1
- 238000000513 principal component analysis Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000011179 visual inspection Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N3/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N3/30—Investigating strength properties of solid materials by application of mechanical stress by applying a single impulsive force, e.g. by falling weight
- G01N3/303—Investigating strength properties of solid materials by application of mechanical stress by applying a single impulsive force, e.g. by falling weight generated only by free-falling weight
-
- 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
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/0001—Type of application of the stress
- G01N2203/001—Impulsive
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N2203/00—Investigating strength properties of solid materials by application of mechanical stress
- G01N2203/003—Generation of the force
- G01N2203/0032—Generation of the force using mechanical means
- G01N2203/0039—Hammer or pendulum
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Pure & Applied Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Mathematical Optimization (AREA)
- Mathematical Analysis (AREA)
- Computational Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Algebra (AREA)
- Evolutionary Computation (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Operations Research (AREA)
- Probability & Statistics with Applications (AREA)
- Road Repair (AREA)
Abstract
本发明公开了一种基于路面使用性能和结构性能的路面综合性能评价方法,先通过相关性分析,对初始性能指标矩阵中强相关性的性能指标进行转换,并结合弱相关性的性能指标,重构性能指标矩阵,再采用TOPSIS分析法计算得到不同路段的综合性能评价值,由于所得综合性能评价值涵盖了路面使用性能和结构性能两方面数值,从而使评价结果更全面准确,为沥青路面养护路段和养护时机确定提供更准确的依据。
Description
技术领域
本发明涉及道路工程领域,特别是一种基于路面使用性能和结构性能的路面综合性能评价方法。
背景技术
经过几十年的快速发展和建设,我国道路交通基础设施建设取得了举世瞩目的成就,其中95%以上都采用沥青路面,这使得沥青路面成为了主要的路面类型。由于沥青路面受到环境和车辆荷载的综合作用,我国每年都有大量的公共资金投入到众多的公路养护和修复项目中,以保持路面的可用性。现有道路由于缺乏对道路综合性能准确评价的手段,在没有规划的情况下进行周期性的改造和大规模的道路修复,不仅会造成不必要的开支、浪费、交通拥堵和安全事故,还会造成环境污染、土地浪费和资源消耗。因此,在役沥青路面的综合性能的准确评价,能够有效地缩短路面大型养护的周期和频率,为科学的养护决策提供一定的支撑。
目前,研究人员在对路面综合性能的评价,只重视路面使用性能的评价;然而,在役路面的综合性能评估应该包括更全面有效的指标,不仅涉及路面使用性能指标,还应涉及结构性能指标。通常情况下,路面弯沉参数可用于评估路面结构承载力,我国现行规范《公路技术状况评定标准》中采用路面结构强度指数PSSI来评价路面结构承载力,但是从现有检测经验来看,路面弯沉参数绝大部分数值都在15(0.01mm)以内,而且计算得到的PSSI值均不小于90,都处于优级水平。此外,路面基层和路基也会对路面的结构承载力产生一定的影响,但是由于其隐藏在沥青层下面,开裂状态和空洞不可见,无法通过目测或图像识别等常规方法进行结构承载力评估。因此,路面结构强度指数PSSI在一定程度上并不能有效的评估不同路段的结构强度水平,且不能很好的反映路面基层和路基对路面结构承载力的贡献大小,这对路面养护的指导工作不利。
依据《公路技术状况评定标准》(JTG 5210-2018)对沥青路面使用性能的评价内容,路面病害指标主要包含路面破损率DR,路面平整度IRI,车辙深度RD,横向力系数SFC等指标,但这些都是路表的功能性指标,主要针对道路使用者而言;对于道路设计者,需要考虑的是路面的结构承载力状况,这直接决定路面是否满足使用要求,而且有些路面虽然路面技术状况指数PQI很高,但依旧出现较严重的路面安全使用问题。因此,现有的评价体系均有一定的局限性,缺少一种有效的综合评价手段,故需要提出一种新的评价手段用于解决现有技术中所存在的不足。
发明内容
本发明的目的在于,提供一种基于路面使用性能和结构性能的路面综合性能评价方法,用于解决现有技术中缺少综合使用性能和结构性能两方面的路面评价方法的问题。
为解决上述技术问题,本发明提供了一种基于路面使用性能和结构性能的路面综合性能评价方法,包括如下步骤:
S1、检测沥青路面并获取不同路段的使用性能指标和结构性能指标。
S2、基于使用性能指标和结构性能指标,构建不同路段的初始性能指标矩阵X。
S3、对初始性能指标矩阵X中的各项性能指标进行相关性分析和性能指标筛选。
S4、利用筛选后的性能指标构建关于不同路段的性能指标重构矩阵Y。
S5、采用TOPSIS分析法得出不同路段综合性能评价值,并对不同路段沥青路面的综合性能进行评价;S5步骤具体包括:
S51、基于性能指标重构矩阵Y计算正理想解集A+和负理想解集A-。
S52、对性能指标重构矩阵Y进行标准化转换,得到标准化指标重构矩阵Y*。
S53、采用熵值法确定关于标准化指标重构矩阵Y*的权重系数。
S54、基于正理想解集A+、负理想解集A-和权重系数,计算出不同路段到正理想解集A+的距离以及到负理想解集A-的距离/>
S55、构建不同路段相对于距离或距离/>的相似度函数/>利用相似度函数计算得到不同路段综合性能评价值,并基于不同路段综合性能评价值的大小对不同路段的综合性能进行评价。
本发明的有益效果是:区别于现有技术的情况,本发明提供了一种基于路面使用性能和结构性能的路面综合性能评价方法,先通过相关性分析,对初始性能指标矩阵中强相关性的性能指标进行转换,并结合弱相关性的性能指标,重构性能指标矩阵,再采用TOPSIS分析法计算得到不同路段的综合性能评价值,由于所得综合性能评价值涵盖了路面使用性能和结构性能两方面数值,从而使评价结果更全面准确,为沥青路面养护路段和养护时机确定提供更准确的依据。
附图说明
图1是本发明中于路面使用性能和结构性能的沥青路面评价方法一实施方式的流程图;
图2为实施例1中路面使用性能指标测量装置图:a为ZYON-RTM智能道路检测车,b为横向力系数车;
图3为实施例1中路面弯沉试验测试装置;
图4为实施例1中落锤式弯沉仪传感器横向布置示意图。
具体实施方式
下面将结合本发明实施例,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,均属于本发明保护的范围。
请参阅图1,本发明中基于路面使用性能和结构性能的路面综合性能评价方法,包括如下步骤:
S1、检测沥青路面并获取不同路段的使用性能指标和结构性能指标。本步骤中,检测沥青路面并获取不同路段的使用性能指标,使用性能指标包括路面破损率DR、车辙深度RD、路面平整度IRI和横向力系数SFC;利用路面弯沉试验获取不同路段的弯沉盆参数,由弯沉盆参数得到结构性能指标,弯沉盆参数D0、D1、D2、D3和D4,结构性能指标包括D0、D0-D1、D1-D4和D4。
S2、基于使用性能指标和结构性能指标,构建不同路段的初始性能指标矩阵X。本步骤中,初始性能指标矩阵X表达式为:
式(1)中,xij表示第i条路段的第j项性能指标,i=1,2,…,m,j=1,2,…,n;该初始性能指标矩阵X中的性能指标具体包括路面破损率DR、车辙深度RD、路面平整度IRI、横向力系数SFC、D0、D0-D1、D1-D4和D4。
S3、对初始性能指标矩阵X中的各项性能指标进行相关性分析和性能指标筛选。具体地,S3步骤中包括如下步骤:
S31、对初始性能指标矩阵X进行标准化转换,得到标准化初始指标矩阵X*。本步骤中,采用Z-Score法对初始性能指标矩阵X进行标准化转换,标准化初始指标矩阵X*表达式以及变换推导式如下:
式(2)~(5)中, 表示第i条路段的第j项标准化性能指标,/>和Sij分别表示第j项性能指标的样本均值和标准差,i=1,2,…,m,j=1,2,…,n。
S32、计算初始性能指标矩阵X中的各项性能指标的相关性系数,得到初始性能相关性系数矩阵R,根据相关性系数阈值将初始性能指标矩阵X中各项性能指标分为第一性能指标集和第二性能指标集。本步骤中,性能指标相关系数矩阵R表达式以及变换推导式如下:
式(6)~(7)中,R为对称矩阵,rab表示第a项性能指标与第b项性能指标的相关系数,a,b,c均为1~m的正整数,raa=1,rab==rba;通过性能指标相关系数矩阵R对初始性能指标矩阵X中各项性能指标之间的相关程度进行表征。
具体地,基于性能指标相关系数矩阵R,相关性系数绝对值小于相关性系数阈值的性能指标纳入第一性能指标集,即将相关性较弱的性能指标纳入第一性能指标集;相关性系数绝对值大于相关性系数阈值的性能指标纳入第二性能指标集,即将相关性较强的性能指标纳入第二性能指标集,由于相关性较强的性能指标存在较大的信息重叠性,会影响后续综合评价结果的准确性,故此处将相关性强弱不同的性能指标进行了划分,有利于后续对强相关性的性能指标进行单独研究。
本实施方式中,相关性系数阈值优选为0.5,基于性能指标相关系数矩阵R判定DR,D0,D0-D1,D1-D4这四个性能指标之间有强相关性并将其纳入第二性能指标集,而其余性能指标RD、IRI、SFC、D4则纳入第一性能指标集;在其他实施方式中可根据实际需求进行适应调整,在此不作限定。
S33、计算第二性能指标集的特征根和特征向量,并确定第二性能指标集中的若干主成分。本步骤中,对第二性能指标集中性能指标的主成分进行分析,具体地,第二性能指标集所对应的特征方程为:
(R-λI)Ld=0 (8)
将特征值λ的非负实根带入式(8),计算得到相应的特征向量Ld=(ld1,ld2,…,ldt),其中,ldt表示第二性能指标集中第t项性能指标在特征方程中的第d个非负实根,特征值λ的非负实根所表征的是主成分Zk所负载的信息量,故每一主成分Zk均与一特征值λ的非负实根相对应。
具体地,主成分Zk的表达式为:
由于主成分Zk按照主成分对方差的贡献率进行从大到小依次排序,其表达式也可以表示为:
式(9)~(10)中,Zk表示第k项主成分,表示第二性能指标集中第t项性能指标的标准值,源自标准化初始指标矩阵X*中。
S34、计算每一主成分对相应方差的贡献率和累计贡献率,基于累计贡献率阈值对若干主成分进行筛分,得到有效主成分集。本步骤中,采用SPSS软件计算第二性能指标集中每一主成分对相应方差的贡献率和累计贡献率,按照主成分对方差的贡献率进行从大到小排序,由第二性能指标集中累计贡献率大于累积贡献率阈值的主成分构成有效主成分集;通过有效主成分集代替描述第二性能指标集所负载的信息,从而能够通过合理调节累计贡献率阈值,使有效主成分集的指标数目小于第二性能指标集的指标数目,进而降低了强相关性性能指标的信息重叠性,使后续综合评价结果更加准确。
本实施方式中,优选累积贡献率阈值大于或等于90%,此时主成分Z1与Z2对方差的累计贡献率已经超过了90%,则采用主成分Z1与Z2代替DR,D0,D0-D1,D1-D4这四个强相关性性能指标,使信息重叠性大大降低;在其他实施方式中可根据实际需求进行适应调整,在此不作限定。
S4、利用筛选后的性能指标构建关于不同路段的性能指标重构矩阵Y。本步骤中,整合第一性能指标集和有效主成分集,构建关于不同路段的性能指标重构矩阵Y,即用有效主成分集所对应的矩阵来替代初始性能指标矩阵X中第二性能指标集所对应的矩阵部分,本实施方式中,性能指标重构矩阵Y中所包含的性能指标为RD、IRI、SFC、D4、Z1和Z2。
具体地,性能指标重构矩阵Y表达式为:
式(11)中,yie表示第i条路段的第e项性能指标,i=1,2,…,f,e=1,2,…,n,f<m。
S5、采用TOPSIS分析法得出不同路段综合性能评价值,并对不同路段沥青路面的综合性能进行评价。具体地,S5步骤中包括如下步骤:
S51、基于性能指标重构矩阵Y计算正理想解集A+和负理想解集A-。本步骤中,基于性能指标重构矩阵Y,正理想解集A+、负理想解集A-的表达式分别为:
式(12)~(13)中,表示第i条路段的性能指标最优值,且/> 表示第i条路段的性能指标最差值,/>
S52、对性能指标重构矩阵Y进行标准化转换,得到标准化指标重构矩阵Y*。本步骤中,采用min-max方法对性能指标重构矩阵Y进行标准化处理,以便对不同类别性能指标的正负理想解进行整合加权,标准化指标重构矩阵Y*表达式以及变换推导式如下:
式(14)~(15)中,表示第i条路段的第e项标准化性能指标,min(yie)和max(yie)分别表示第i条路段的性能指标最小值和最大值,i=1,2,…,n,则需要进行评价的路段总数为n。
S53、采用熵值法确定关于标准化指标重构矩阵Y*的权重系数。本步骤中,采用熵值法确定标准化指标重构矩阵Y*中不同类型性能指标的权重系数,权重系数的确定步骤如下:
S531、计算第e项性能指标下第i条路段的特征比重值:
S532、计算第e项性能指标的熵值:
S533、计算第e项性能指标的差异系数:
ge=1-he (18)
S534、计算第e项性能指标的权重系数:
式(16)~(19)中,Pie表示第e项性能指标下第i条路段的特征比重值,he表示第e项性能指标的熵值,ge表示第e项性能指标的差异系数,we表示不同性能指标下的客观权重系数,从而能够对不同类别性能指标进行整合评定。
S54、基于正理想解集A+、负理想解集A-和权重系数,计算出不同路段性能指标到正理想解集A+的距离以及到负理想解集A-的距离/>本步骤中,不同路段到正理想解集A+的距离/>以及到负理想解集A-的距离/>的表达式分别为:
式(20)~(21)中,和/>分别表示第i条路段下性能指标到正理想解集A+和负理想解集A-的欧氏距离。
S55、构建不同路段性能指标相对于距离或距离/>的相似度函数,利用相似度函数计算得到不同路段综合性能评价值,并基于不同路段综合性能评价值的大小对不同路段的综合性能进行评价。本步骤中,构建不同路段相对于距离/>或距离/>的相似度函数,利用相似度函数计算得到不同路段综合性能评价值/>相似度函数所表征的是实际综合性能指标与理想的最优性能指标的接近程度;具体地,相似度函数的表达式为:
式(22)中,表示第i条路段的综合性能评价值,/>越大,所对应路面的综合性能越好,反之亦然。
下面通过具体实施例对上述基于路面使用性能和结构性能的路面综合性能评价方法的实施过程进行说明。
实施例1
本实施例中,采用ZYON-RTM智能道路检测车检测表征路面使用性能指标中的路面破损率DR、车辙深度RD和路面平整度IRI,如图2中a所示;采用横向力系数车检测路面的横向力系数SFC,如图2中b所示;采用7-150KN型落锤式弯沉检测车进行路面弯沉试验,如图3所示,其中落锤式弯沉仪传感器横向布置方式如图4所示;上述使用性能指标和结构性能指标均采用现有的测试方法测试获得,具体测试步骤在此不做赘述。
1)本实施例中,以京港澳高速公路湖北段为评价对象,利用道路综合检测车收集19条路段的路面病害检测数据,作为使用性能指标,具体如表1所示。
表1测试路段的路面使用性能指标
路段桩号 | 路段编号 | SFC | RD(mm) | IRI(m/km) | DR(%) |
K879+639 | 1 | 54 | 7.07 | 4.79 | 0.34 |
K879+620 | 2 | 50 | 4.10 | 2.18 | 0.34 |
K879+609 | 3 | 53 | 2.68 | 1.42 | 0.34 |
K879+586 | 4 | 52 | 2.86 | 0.76 | 0.34 |
K879+564 | 5 | 53 | 9.11 | 1.12 | 0.34 |
K877+795 | 6 | 53 | 6.62 | 2.87 | 0.53 |
K877+776 | 7 | 54 | 6.74 | 0.83 | 0.53 |
K877+723 | 8 | 53 | 8.22 | 1.18 | 0.53 |
K880+459 | 9 | 62 | 6.92 | 3.31 | 0.66 |
K880+477 | 10 | 62 | 6.04 | 1.67 | 0.66 |
K880+525 | 11 | 54 | 4.85 | 2.50 | 0.66 |
K880+561 | 12 | 57 | 2.98 | 1.52 | 0.66 |
K1180+280 | 13 | 61 | 0.49 | 1.27 | 0.10 |
K1180+298 | 14 | 60 | 0.81 | 1.34 | 0.10 |
K1180+321 | 15 | 60 | 0.80 | 3.04 | 0.10 |
K1180+322 | 16 | 60 | 0.64 | 1.80 | 0.10 |
K1180+323 | 17 | 57 | 1.48 | 0.42 | 0.43 |
K1180+324 | 18 | 57 | 1.66 | 1.02 | 0.43 |
K1180+325 | 19 | 57 | 0.94 | 0.53 | 0.43 |
2)采用7-150KN型号落锤式弯沉检测车对京珠高速湖北段19个备选路段进行路面FWD试验,弯沉盆参数指标数据如表2所示。
表2测试路段的弯沉盆参数指标
3)为研究在役沥青路面综合服役状况,本实施例综合上述测试路段的路面使用性能和结构性能指标,构建不同路段的初始性能指标矩阵X,其中考虑了沥青路面基层、底基层和路基的结构承载力状况,具体数据汇总如表3所示。
表3测试路段路面性能指标汇总
4)采用数学软件SPSS对初始性能指标矩阵X中的各项性能指标进行相关性分析,结果如表4所示。
表4初始各项性能指标的相关性分析表
本实施例中,相关性系数阈值选为0.5,从表4可以看出:路面弯沉盆参数DR与D0,D0-D1之间呈高度正相关,D0与D0-D1,D1-D4之间呈高度正相关,D0-D1与D1-D4之间呈显著正相关。综上所述,DR,D0,D0-D1,D1-D4这四个评价指标之间有强相关性,即在表达路面各结构层的承载力状况时,这四个性能指标的信息存在较大重叠性,这不利于路面性能的准确评价;因此,在进行路面性能综合评价之前,首先将这四个性能指标纳入第二性能指标集,并进行主成分分析,得到彼此独立的新性能指标。
5)利用数学统计软件SPSS计算第二性能指标集所对应矩阵的特征值、各主成分对方差的贡献率和累积贡献率,如表5所示;同时,第二性能指标集中各性能指标的主成分所对应的系数矩阵如表6所示。本实施例中,累积贡献率阈值设为90%,按照对方差的贡献率百分比从大到小进行排列,由于第一主成分Z1、第二主成分Z2对方差的贡献率分别为73.071%、18.646%,这两个主成分的累积贡献率为92.148%,已经大于90%,即前两个主成分较好地概括了第二性能指标集中所有指标包含的路面信息,因此不用考虑第三个主成分,并将第一主成分Z1和第二主成分Z2纳入有效主成分集。
表5第二性能指标集中主成分分析表
主成分 | 初始特征值 | 贡献率百分比/% | 累积贡献率百分比/% |
Z1 | 2.940 | 73.502 | 73.502 |
Z2 | 0.746 | 18.646 | 92.148 |
Z3 | 0.301 | 7.534 | 99.682 |
Z4 | 0.013 | 0.318 | 100.000 |
表6第二性能指标集中各性能指标的主成分系数矩阵
据此可计算处有效主成分集中独立的新评价指标Z1和Z2,Z1和Z2包含了DR、D0、D0-D1、D1-D4所涵盖的路面信息,如式(23)和式(24)所示。
Z1=0.26×DR+0.336×D0+0.325×(D0-D1)+0.237×(D1-D4) (23)
Z2=-0.696×DR+0.109×D0-0.169×(D0-D1)+0.84×(D1-D4) (24)
5)整合第一性能指标集和有效主成分集,构建关于不同路段的性能指标重构矩阵Y,具体重构性能指标后的汇总数据如表7所示。
表7重构性能指标数据汇总表
6)确定正负理想方案集。由于本实施例中所选性能指标属性都为:指标数值越小,所表征的相应性能状况越好;因此,正理想方案集设为:A+=(0,0,…,0);负理想方案集设为:A-=(1,1,…,1)。
7)对性能指标重构矩阵Y进行标准化处理,所得标准化数据如表8所示。
表8重构性能指标的标准化数据表
/>
8)根据重构性能指标的标准化数据得出每项性能指标下各路段的特征比重值Pie,如表9所示;然后计算得到各性能指标的熵值he、差异系数ge以及权重系数we,如表10所示。
表9重构性能指标的特征比重值
/>
表10各性能指标的熵值、差异系数以及权重系数
9)基于前述TOPSIS分析法计算出不同路段性能指标到正理想解集A+的距离以及到负理想解集A-的距离/>通过相似度函数计算出不同路段综合性能评价值/>并按综合性能评价值/>的大小进行排序,结果如表11所示,Di *值越接近1,路段排名越高,路段综合路况越好,表明该路段养护需求越小,反之亦然。
表11不同路段的综合性能分析统计表
路段编号 | Di + | Di - | Di * | topSIS Ranking |
1 | 0.6220 | 0.5803 | 0.4826 | 18 |
2 | 0.3003 | 0.7779 | 0.7215 | 3 |
3 | 0.3592 | 0.6877 | 0.6569 | 10 |
4 | 0.2481 | 0.8442 | 0.7729 | 2 |
5 | 0.5261 | 0.7109 | 0.5747 | 15 |
6 | 0.5192 | 0.5906 | 0.5322 | 16 |
7 | 0.4198 | 0.6714 | 0.6153 | 12 |
8 | 0.4797 | 0.6866 | 0.5887 | 13 |
9 | 0.5951 | 0.5977 | 0.5011 | 17 |
10 | 0.8361 | 0.3425 | 0.2906 | 19 |
11 | 0.3885 | 0.6666 | 0.6318 | 11 |
12 | 0.3414 | 0.6874 | 0.6682 | 8 |
13 | 0.3745 | 0.8156 | 0.6853 | 6 |
14 | 0.3624 | 0.7983 | 0.6878 | 5 |
15 | 0.3962 | 0.7822 | 0.6638 | 9 |
16 | 0.3442 | 0.8092 | 0.7016 | 4 |
17 | 0.5016 | 0.6881 | 0.5784 | 14 |
18 | 0.3536 | 0.7304 | 0.6738 | 7 |
19 | 0.2212 | 0.8878 | 0.8005 | 1 |
由表11中不同路段所对应的大小,可以确定前述19条路段的综合性能优劣排序为:
K1180+325>K879+586>K879+620>K1180+322>K1180+298>K1180+280>K1180+324>K880+561>K1180+321>K879+609>K880+525>K877+776>K877+723>K1180+323>K879+564>K877+795>K880+459>K879+639>K880+477。
进一步地,根据综合性能优劣排序,不同路段养护优先级排序为:
K880+477>K879+639>K880+459>K877+795>K879+564>K1180+323>K877+723>K877+776>K880+525>K879+609>K1180+321>K880+561>K1180+324>K1180+280>K1180+298>K1180+322>K879+620>K879+586>K1180+325。
通过实施例1证明了前述基于路面使用性能和结构性能的路面综合性能评价方法能够涵盖路面使用性能和结构性能两方面数值,对不同路面的性能优劣进行精确评价,从而对路面养护时机提供依据。
区别于现有技术的情况,本发明提供了一种基于路面使用性能和结构性能的路面综合性能评价方法,先通过相关性分析,对初始性能指标矩阵中强相关性的性能指标进行转换,并结合弱相关性的性能指标,重构性能指标矩阵,再采用TOPSIS分析法计算得到不同路段的综合性能评价值,由于所得综合性能评价值涵盖了路面使用性能和结构性能两方面数值,而从使评价结果更全面准确,为沥青路面养护路段和养护时机确定提供更准确的依据。
以上所述实施例仅表达了本发明的实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变形和改进,这些都属于本发明的保护范围。因此,本发明专利的保护范围应以所附权利要求为准。
Claims (1)
1.一种基于路面使用性能和结构性能的路面综合性能评价方法,其特征在于,包括如下步骤:
S1、检测沥青路面并获取不同路段的使用性能指标和结构性能指标;
S2、基于所述使用性能指标和结构性能指标,构建不同路段的初始性能指标矩阵X;
S3、对所述初始性能指标矩阵X中的各项性能指标进行相关性分析和性能指标筛选;
S4、利用筛选后的性能指标构建关于不同路段的性能指标重构矩阵Y;
S5、采用TOPSIS分析法得出不同路段综合性能评价值,并对不同路段沥青路面的综合性能进行评价;所述S5步骤具体包括:
S51、基于所述性能指标重构矩阵Y计算正理想解集A+和负理想解集A-;
S52、对所述性能指标重构矩阵Y进行标准化转换,得到标准化指标重构矩阵Y*;
S53、采用熵值法确定关于所述标准化指标重构矩阵Y*的权重系数;
S54、基于所述正理想解集A+、负理想解集A-和权重系数,计算出不同路段性能指标到正理想解集A+的距离以及到负理想解集A-的距离/>;
S55、构建不同路段性能指标相对于所述距离的相似度函数,利用所述相似度函数计算得到不同路段综合性能评价值/>,并基于所述不同路段综合性能评价值的大小对不同路段的综合性能进行评价;
所述S1步骤中,检测沥青路面并获取不同路段的使用性能指标,所述使用性能指标包括路面破损率DR、车辙深度RD、路面平整度IRI和横向力系数SFC;
利用路面弯沉试验获取不同路段的弯沉盆参数,由所述弯沉盆参数得到结构性能指标,所述弯沉盆参数D0、D1、D2、D3和D4,所述结构性能指标包括D0、D0-D1、D1-D4和D4;
所述S2步骤中,所述初始性能指标矩阵X表达式为:
其中,表示第i条路段的第j项性能指标,i=1,2,…,m,j=1,2,…,n;
所述S3步骤具体包括:
S31、对所述初始性能指标矩阵X进行标准化转换,得到标准化初始指标矩阵X*;
S32、计算所述初始性能指标矩阵X中的各项性能指标的相关性系数,得到初始性能相关性系数矩阵R,根据相关性系数阈值将所述初始性能指标矩阵X中各项性能指标分为第一性能指标集和第二性能指标集;
S33、计算所述第二性能指标集的特征根和特征向量,并确定所述第二性能指标集中的若干主成分;
S34、计算每一所述主成分对相应方差的贡献率和累计贡献率,基于累计贡献率阈值对若干所述主成分进行筛分,得到有效主成分集;
所述S31步骤中,所述标准化初始指标矩阵X*表达式为:
其中,,/>表示第i条路段的第j项标准化性能指标,/>和/>分别表示第j项性能指标的样本均值和标准差,i=1,2,…,m,j=1,2,…,n;
所述S32步骤中,所述性能指标相关系数矩阵R表达式为:
其中,,/>表示第a项性能指标与第b项性能指标的相关系数,a,b,c均为1~m的正整数;
基于所述性能指标相关系数矩阵R,相关性系数绝对值小于所述相关性系数阈值的性能指标纳入所述第一性能指标集,相关性系数绝对值大于所述相关性系数阈值的性能指标纳入所述第二性能指标集,所述相关性系数阈值为0.5;
所述S33步骤中,所述第二性能指标集所对应的特征方程为,其中I为单位矩阵,由特征值λ计算得到相应的特征向量/>,/>表示第二性能指标集中第t项性能指标在特征方程中的第d个实根;所述主成分Zk的表达式为,其中,Zk表示第k项主成分,Zk按照主成分对方差的贡献率进行从大到小依次排序,/>表示第二性能指标集中第t项性能指标的标准值;
所述S34步骤中,采用SPSS软件计算所述第二性能指标集中每一主成分对相应方差的贡献率和累计贡献率,按照主成分对方差的贡献率进行从大到小排序,并由所述第二性能指标集中累计贡献率大于所述累计贡献率阈值的主成分构成所述有效主成分集,其中所述累计贡献率阈值大于或等于90%;
所述S4步骤中,基于所述第一性能指标集和有效主成分集,构建关于不同路段的性能指标重构矩阵Y;
所述性能指标重构矩阵Y表达式为:
其中,表示第i条路段的第e项性能指标,i=1,2,…,f,e=1,2,…,n,/>;
所述S51步骤中,基于所述性能指标重构矩阵Y,所述正理想解集A+、负理想解集A-的表达式分别为:,/>,其中,/>表示第i条路段的性能指标最优值,/>表示第i条路段的性能指标最差值,i=1,2,…,n;
所述S52步骤中,所述标准化指标重构矩阵Y*表达式为:
其中,,表示第i条路段的第e项标准化性能指标,/>和/>分别表示第i条路段的性能指标最小值和最大值;
所述S53步骤中,所述权重系数的表达式为:
;
其中,, />,/>,/>表示第e项性能指标下第i条路段的特征比重值,/>表示第e项性能指标的熵值,/>表示第e项性能指标的差异系数;
所述S54步骤中,所述距离或距离/>的表达式为:
,/>;
其中,所述和/>分别表示第i条路段下性能指标到所述正理想解集A+和负理想解集A-的欧氏距离;
所述相似度函数的表达式为:
;
其中,表示第i条路段的综合性能评价值,/>越大,所对应路面的综合性能越好。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210018038.6A CN114486571B (zh) | 2022-01-07 | 2022-01-07 | 基于路面使用性能和结构性能的路面综合性能评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210018038.6A CN114486571B (zh) | 2022-01-07 | 2022-01-07 | 基于路面使用性能和结构性能的路面综合性能评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114486571A CN114486571A (zh) | 2022-05-13 |
CN114486571B true CN114486571B (zh) | 2023-11-07 |
Family
ID=81510630
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210018038.6A Active CN114486571B (zh) | 2022-01-07 | 2022-01-07 | 基于路面使用性能和结构性能的路面综合性能评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114486571B (zh) |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107563141A (zh) * | 2017-09-11 | 2018-01-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种新的公路泥石流易损度计算方法 |
JP2018141759A (ja) * | 2017-02-28 | 2018-09-13 | 国立研究開発法人理化学研究所 | 点群データからの基準平面生成方法、及び装置 |
KR101903003B1 (ko) * | 2017-08-23 | 2018-10-01 | 주식회사 에스코컨설턴트 | 중장기 및 단기건전화 계획 수립을 위한 지하 구조물 성능평가 예측 시스템 |
CN108682149A (zh) * | 2018-05-21 | 2018-10-19 | 东南大学 | 基于二项Logistic回归的公路事故黑点路段线形致因分析方法 |
CN110348153A (zh) * | 2019-07-17 | 2019-10-18 | 上海市城市建设设计研究总院(集团)有限公司 | 一种复合路面损坏判别方法 |
CN110362930A (zh) * | 2019-07-17 | 2019-10-22 | 上海市城市建设设计研究总院(集团)有限公司 | 一种基于弯沉盆参数的沥青路面基层损坏判别方法 |
CN111523825A (zh) * | 2020-05-11 | 2020-08-11 | 苏交科集团股份有限公司 | 基于多维度的高速公路沥青路面长期性能评价方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
CN112700062A (zh) * | 2021-01-11 | 2021-04-23 | 山东旗帜信息有限公司 | 一种路面养护方法、设备及存储介质 |
CN112862279A (zh) * | 2021-01-26 | 2021-05-28 | 上海应用技术大学 | 高速公路行车道路面状况评价方法 |
CN113240271A (zh) * | 2021-05-12 | 2021-08-10 | 上海应用技术大学 | 一种路面状况评价模型优化方法 |
-
2022
- 2022-01-07 CN CN202210018038.6A patent/CN114486571B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2018141759A (ja) * | 2017-02-28 | 2018-09-13 | 国立研究開発法人理化学研究所 | 点群データからの基準平面生成方法、及び装置 |
KR101903003B1 (ko) * | 2017-08-23 | 2018-10-01 | 주식회사 에스코컨설턴트 | 중장기 및 단기건전화 계획 수립을 위한 지하 구조물 성능평가 예측 시스템 |
CN107563141A (zh) * | 2017-09-11 | 2018-01-09 | 中国科学院、水利部成都山地灾害与环境研究所 | 一种新的公路泥石流易损度计算方法 |
CN108682149A (zh) * | 2018-05-21 | 2018-10-19 | 东南大学 | 基于二项Logistic回归的公路事故黑点路段线形致因分析方法 |
CN110348153A (zh) * | 2019-07-17 | 2019-10-18 | 上海市城市建设设计研究总院(集团)有限公司 | 一种复合路面损坏判别方法 |
CN110362930A (zh) * | 2019-07-17 | 2019-10-22 | 上海市城市建设设计研究总院(集团)有限公司 | 一种基于弯沉盆参数的沥青路面基层损坏判别方法 |
CN111523825A (zh) * | 2020-05-11 | 2020-08-11 | 苏交科集团股份有限公司 | 基于多维度的高速公路沥青路面长期性能评价方法 |
CN111785023A (zh) * | 2020-07-14 | 2020-10-16 | 山东派蒙机电技术有限公司 | 一种车辆碰撞风险预警方法及系统 |
CN112700062A (zh) * | 2021-01-11 | 2021-04-23 | 山东旗帜信息有限公司 | 一种路面养护方法、设备及存储介质 |
CN112862279A (zh) * | 2021-01-26 | 2021-05-28 | 上海应用技术大学 | 高速公路行车道路面状况评价方法 |
CN113240271A (zh) * | 2021-05-12 | 2021-08-10 | 上海应用技术大学 | 一种路面状况评价模型优化方法 |
Non-Patent Citations (3)
Title |
---|
主成分分析法在高速公路沥青路面使用性能评价中的应用;杨明;阳亮;;中南公路工程(第06期);全文 * |
基于改进灰色-TOPSIS法的高速公路沥青路面使用性能评价;张华君;肖利明;王静;;公路交通科技(应用技术版)(第05期);全文 * |
湿热地区沥青路面路用性能分析;冯中敏;黎惠莹;袁娇;罗正斌;;交通节能与环保(第04期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN114486571A (zh) | 2022-05-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
WO2020244288A1 (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
CN109389145B (zh) | 基于计量大数据聚类模型的电能表生产厂商评价方法 | |
CN107230021B (zh) | 筛选供水管网泄漏区域的方法 | |
CN105975711B (zh) | 一种基于材料损伤累积水平的沥青路面寿命评估方法 | |
CN109243178A (zh) | 一种不良气候条件下城镇公路交通安全分析与评价方法 | |
CN111523825B (zh) | 基于多维度的高速公路沥青路面长期性能评价方法 | |
CN107885928A (zh) | 考虑测量误差的步进应力加速性能退化可靠性分析方法 | |
CN109378823A (zh) | 一种电压暂降水平的综合评估方法 | |
CN111678548B (zh) | 一种中小跨径装配式桥梁安全监测方法及装置 | |
CN112862279A (zh) | 高速公路行车道路面状况评价方法 | |
CN106526149B (zh) | 一种基于通车时长和交通量的路面使用性能预测方法 | |
CN107358339A (zh) | 一种基于大数据的轨道质量状态评估方法 | |
CN107844671B (zh) | 一种沥青路面半刚性基层结构剩余寿命的分析方法 | |
CN114048973A (zh) | 一种基于组合赋权的河流水质等级评价方法 | |
CN113935090A (zh) | 一种用于桥梁车致疲劳分析的随机车流精细模拟方法 | |
CN109657287B (zh) | 基于综合得分法水文模型精度识别的方法 | |
CN113191582B (zh) | 一种基于gis与机器学习的道路山洪易损性评价方法 | |
CN114004012A (zh) | 一种车身试车场强化耐久道路试验优化方法 | |
CN114486571B (zh) | 基于路面使用性能和结构性能的路面综合性能评价方法 | |
CN103984856A (zh) | 一种基于神经网络的墙体纵向裂缝宽度预测系统及方法 | |
CN110223004A (zh) | 一种指挥防护工程口部抢修作业风险评估系统 | |
CN108898292A (zh) | 一种桥梁健康状态的安全评估方法 | |
CN109101734A (zh) | 一种连续刚构桥梁下挠风险的预测方法 | |
CN111310273A (zh) | 一种基于多源数据的全桥结构安全状态监测方法及系统 | |
CN112950022A (zh) | 基于模糊综合评价法的路面状况综合评价方法 |
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 |