CN114896767A - 一种基于精细化轴载作用的沥青路面车辙深度预测方法 - Google Patents
一种基于精细化轴载作用的沥青路面车辙深度预测方法 Download PDFInfo
- Publication number
- CN114896767A CN114896767A CN202210421179.2A CN202210421179A CN114896767A CN 114896767 A CN114896767 A CN 114896767A CN 202210421179 A CN202210421179 A CN 202210421179A CN 114896767 A CN114896767 A CN 114896767A
- Authority
- CN
- China
- Prior art keywords
- data
- road
- road section
- axle load
- traffic
- 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
- 239000010426 asphalt Substances 0.000 title claims abstract description 138
- 238000000034 method Methods 0.000 title claims abstract description 54
- 230000000694 effects Effects 0.000 title claims abstract description 31
- 238000001514 detection method Methods 0.000 claims abstract description 19
- 239000000463 material Substances 0.000 claims abstract description 9
- 238000009826 distribution Methods 0.000 claims description 115
- 235000015220 hamburgers Nutrition 0.000 claims description 47
- 238000012423 maintenance Methods 0.000 claims description 38
- 230000009471 action Effects 0.000 claims description 30
- 238000012544 monitoring process Methods 0.000 claims description 30
- 238000004364 calculation method Methods 0.000 claims description 23
- 239000000203 mixture Substances 0.000 claims description 22
- 238000004458 analytical method Methods 0.000 claims description 19
- 238000006073 displacement reaction Methods 0.000 claims description 17
- 238000011084 recovery Methods 0.000 claims description 13
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000013461 design Methods 0.000 claims description 12
- 239000007790 solid phase Substances 0.000 claims description 12
- 238000012216 screening Methods 0.000 claims description 8
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 7
- 238000013398 bayesian method Methods 0.000 claims description 6
- 238000005315 distribution function Methods 0.000 claims description 6
- 238000007689 inspection Methods 0.000 claims description 6
- 239000002689 soil Substances 0.000 claims description 6
- 238000000547 structure data Methods 0.000 claims description 6
- 238000012549 training Methods 0.000 claims description 6
- 230000000737 periodic effect Effects 0.000 claims description 5
- 230000004044 response Effects 0.000 claims description 5
- 230000003068 static effect Effects 0.000 claims description 5
- 238000010276 construction Methods 0.000 claims description 3
- 238000013016 damping Methods 0.000 claims description 3
- 230000005489 elastic deformation Effects 0.000 claims description 3
- 239000012530 fluid Substances 0.000 claims description 3
- 238000009827 uniform distribution Methods 0.000 claims description 3
- 238000012545 processing Methods 0.000 abstract description 12
- 230000007774 longterm Effects 0.000 abstract description 5
- 238000012795 verification Methods 0.000 abstract description 3
- 230000035882 stress Effects 0.000 description 55
- 230000006870 function Effects 0.000 description 34
- 230000000875 corresponding effect Effects 0.000 description 28
- 238000010586 diagram Methods 0.000 description 28
- 239000010410 layer Substances 0.000 description 26
- 230000005855 radiation Effects 0.000 description 24
- 230000008859 change Effects 0.000 description 19
- 238000006243 chemical reaction Methods 0.000 description 14
- 230000002457 bidirectional effect Effects 0.000 description 11
- 239000002344 surface layer Substances 0.000 description 11
- 230000008569 process Effects 0.000 description 10
- 238000011160 research Methods 0.000 description 10
- 230000001186 cumulative effect Effects 0.000 description 9
- 238000012360 testing method Methods 0.000 description 9
- 230000006872 improvement Effects 0.000 description 7
- 230000002829 reductive effect Effects 0.000 description 7
- 230000007423 decrease Effects 0.000 description 6
- 238000011161 development Methods 0.000 description 6
- 230000018109 developmental process Effects 0.000 description 6
- 230000032683 aging Effects 0.000 description 5
- 230000006378 damage Effects 0.000 description 5
- 230000009467 reduction Effects 0.000 description 5
- 238000009795 derivation Methods 0.000 description 4
- 230000003449 preventive effect Effects 0.000 description 4
- 238000004088 simulation Methods 0.000 description 4
- 239000011384 asphalt concrete Substances 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 239000004568 cement Substances 0.000 description 2
- 230000002596 correlated effect Effects 0.000 description 2
- 230000007547 defect Effects 0.000 description 2
- 201000010099 disease Diseases 0.000 description 2
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 239000000284 extract Substances 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000035939 shock Effects 0.000 description 2
- 238000007619 statistical method Methods 0.000 description 2
- 238000010998 test method Methods 0.000 description 2
- 235000008733 Citrus aurantifolia Nutrition 0.000 description 1
- 235000011941 Tilia x europaea Nutrition 0.000 description 1
- 238000009825 accumulation Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 238000013476 bayesian approach Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000015556 catabolic process Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 238000005056 compaction Methods 0.000 description 1
- 150000001875 compounds Chemical class 0.000 description 1
- 238000012669 compression test Methods 0.000 description 1
- 238000005520 cutting process Methods 0.000 description 1
- 230000002354 daily effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000013499 data model Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000006731 degradation reaction Methods 0.000 description 1
- 230000003111 delayed effect Effects 0.000 description 1
- 230000006866 deterioration Effects 0.000 description 1
- 239000013013 elastic material Substances 0.000 description 1
- 230000003203 everyday effect Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000010354 integration Effects 0.000 description 1
- 239000004571 lime Substances 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 239000011159 matrix material Substances 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000004570 mortar (masonry) Substances 0.000 description 1
- 230000006855 networking Effects 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 230000001932 seasonal effect Effects 0.000 description 1
- 238000012546 transfer Methods 0.000 description 1
- 230000001131 transforming effect Effects 0.000 description 1
- 238000013519 translation Methods 0.000 description 1
- 239000003190 viscoelastic substance Substances 0.000 description 1
Images
Classifications
-
- 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
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C23/00—Auxiliary devices or arrangements for constructing, repairing, reconditioning, or taking-up road or like surfaces
- E01C23/01—Devices or auxiliary means for setting-out or checking the configuration of new surfacing, e.g. templates, screed or reference line supports; Applications of apparatus for measuring, indicating, or recording the surface configuration of existing surfacing, e.g. profilographs
-
- E—FIXED CONSTRUCTIONS
- E01—CONSTRUCTION OF ROADS, RAILWAYS, OR BRIDGES
- E01C—CONSTRUCTION OF, OR SURFACES FOR, ROADS, SPORTS GROUNDS, OR THE LIKE; MACHINES OR AUXILIARY TOOLS FOR CONSTRUCTION OR REPAIR
- E01C7/00—Coherent pavings made in situ
- E01C7/08—Coherent pavings made in situ made of road-metal and binders
- E01C7/18—Coherent pavings made in situ made of road-metal and binders of road-metal and bituminous binders
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/14—Force analysis or force optimisation, e.g. static or dynamic forces
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T90/00—Enabling technologies or technologies with a potential or indirect contribution to GHG emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Architecture (AREA)
- Civil Engineering (AREA)
- Structural Engineering (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Road Paving Structures (AREA)
Abstract
本发明涉及道路工程技术领域,公开了一种基于精细化轴载作用的沥青路面车辙深度预测方法,包括建立考虑沥青路面的实际结构,材料属性、实际路面温度场的车辙模型;根据精细化处理的交通数据和车辙模型,预估路面车辙深度。本发明将实际的交通流量进行精细化处理,将精细化处理获得的交通数据作为车辙模型的输入,考虑车流量的增长率,获得不同路段、不同车道的路面车辙长期预测模型,进而将预测结果与实际检测数据进行对比验证,使得预测模型更加精准。
Description
技术领域
本发明涉及道路工程技术领域,具体涉及一种基于精细化轴载作用的沥青路面车辙 深度预测方法。
背景技术
车辙是沥青路面的一种主要病害类型,其严重影响到了行车的安全性和舒适性,是 夏季高温地区和重载路段在路面材料与结构设计中需要着重考虑的因素,因此有必要对 沥青路面的车辙进行合理预估。
目前国内外对车辙深度的预测做了大量的研究,取得了许多研究成果,获得了许多 切实可用的路面车辙预测方法,例如室内试验法、现场试验法、有限元模拟法、半经验半理论法和回归分析法等,这些方法虽然在一定程度上提高了车辙预测的精度,但很多 预测模型对交通荷载、气候因素和路面结构都是静态假设,与路面实际情况存在较大差 异,同时由于不同地区的路面结构、交通荷载、气候环境等因素的差异,使得不同地区 的车辙深度预测模型差异较大。
发明内容
因此,本发明要解决的技术问题在于克服现有车辙预测模型预测精度不高的缺陷, 从而提供一种基于精细化轴载作用的沥青路面车辙深度预测方法。
一种基于精细化轴载作用的沥青路面车辙深度预测方法,包括:
S1:从交通数据中提取出交通量相关参数;
S2:建立一个车辙预测模型,并输入所提取的交通量相关参数,以输出沥青路面车辙深度;
其中S2步骤为:
S2.1:在交通量相关参数中,交通荷载作用于路面的应力分布是获得路面残余变形 的前提,进而采用Burgers蠕变解析解获得沥青路面残余变形,对残余应变沿深度方向进行积分即可得到加载一次时的车辙深度;
S2.2:利用土的本构方程和层状体系理论,建立路面动力响应控制方程,荷载用移动条形荷载表示,把移动条形荷载转换成Fourier计算式并代入建立的控制方程中,基 于相关假设和位移、应力连续性的边界条件获得沥青路面应力场的解析解;
S2.3:沥青路面应力场求解;
对于整个体系,求解控制方程通解,以求解应力场;
S2.4:路面车辙解析求解,得到多次荷载作用下沥青路面车辙深度公式:
其中:
式中:G*为固相在静止状态下的剪切模量,单位为MPa;
ν为Poisson比;
c为车速,单位为m/s;
E1,E2,η1,η2为Burgers模型参数;
t0为荷载作用时间,单位为s;
n为标准轴载作用次数,单位为次;
B为与沥青路面参数有关的系数;
通过调查沥青路面的年车流量增长率和往年的车流量即可得到未来每年的车流量, 把未来每年的轴载作用次数代入公式(2)即可得到未来某时刻的沥青路面车辙深度。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,为得 到加载一次时的车辙深度,其中残余应变求解步骤如下:
车辙预测模型为Burgers蠕变模型,其变形包括三个方面:弹性变形、粘流和粘弹性变形;
Burgers蠕变模型的本构方程为:
式中:E1为Burgers模型刚度模量,单位为MPa;
E2为Burgers模型刚度模量,单位为MPa;
η1为Burgers模型粘度参数,单位为Pa·s;
η2为Burgers模型粘度参数,单位为Pa·s;
σ为应力,单位为MPa;
ε为应变;
将式(4)改写为
公式(5)是Burgers蠕变模型的本构方程,它是一个四参数的流体方程,能表示沥青 混合料的粘弹性特性;
Burgers蠕变模型是由四个元件合成的,在t=0时,突然施加一个恒定应力σ0然后保 持不变,得到应变如下:
γ(t)=σ0{1/E1+t/η1+(1/E2)[1-exp(-t/λ2)]} (7)
式中:λ2=η2/E2;
若在t=t0时卸去载荷,得到应变回复εr(t)如下:
εr(t)=σ0{t0/η1-(1/E2)[exp(-t/λ2)][1-exp(-t0/λ2)]} (8)
式中:λ2=η2/E2;t0为荷载作用时间,单位为s;
对公式(8)做如下简化,使时间t→∞,使回复应变得到充分的回复,则公式(8)简化 为
εr(t∞)=σ0t0/η1 (9)
沥青路面的残余应变为:
Δε=γ(t0)-εr(t∞)=σ0{{1/E1+t0/η1+(1/E2)[1-exp(-t0/λ2)]}-t0/η1} (10)
从公式(10)可以看出括号内的量由Burgers蠕变模型的四个参数和加载时间t0确定, 都是常量,残余应变是加载应力σ0的函数,因此,只要得到加载应力σ0,即可得到沥青路面的残余应变。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,其中 控制方程如下:
σx与σz是固相在x与z方向的正应力,单位为Pa;τzx是x-z平面的剪应力,单位为Pa;
用下面的表达式来表示二维平面应变问题:
τxz=-2Gεxz,τzx=-2Gεzx (13)
εv=εxx+εzz (15)
其中公式(12)右边的负号表示拉应力为负;σ′xx与σ′zz是水平方向有效应力和垂直方向有 效应力,单位为Pa;εxx与εzz是沿x方向的应变与沿z方向的应变;ζx与ζz是x方向的位移和z方向的位移,单位为m;ν为Poisson比;G*为固相在静止状态下的剪切模量, 单位为MPa,可以表示为:
式中δ为材料阻尼系数;G为固相在静止状态下的剪切模量,单位为MPa;
对于路面、基层和路基,其动态控制方程为:
(a)移动交通荷载
移动荷载函数t=0用Fourier级数可以表示如下:
和
式中荷载宽度为2l,强度为F,ωm=2πm/T;T是荷载的周期,为2L;m范围是-∞~+∞; 采用移动坐标系,移动荷载在任意时刻的Fourier级数表达式是:
根据Fourier变换,Fm可以表示为
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,控制 方程边界条件如下:
只有得到积分常数Aijm才能求解控制方程;
假定轮胎和地面的接触剪应力为零,由此可得到如下边界条件:
上面层顶面(z=0):σ1z=F,τ1xz=0;
上面层底部(z=H1)位移边界条件:ξ1z=δ2与ζ1x=δ1。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,所述 交通数据包括:
收费数据,其包括出口收费流水数据、拆分流水明细数据、路段编码数据、收费站编码数据;其中,出口收费流水数据包括出口流水号、入口路段编码、入口站编号、入 口日期及时间、出口路段编码、出口站编号、出口日期及时间、出口车型辆数、轴数、 轴组数、总轴重、轴型、轴重、路段组合编码、起始站组合编码、结束站组合编码;其 中,拆分流水明细数据包括出口流水号、起始站、结束站;其中,路段编码数据包括路 段编码、路段名称;其中,收费站编码数据包括收费站编码、收费站名称、收费站经纬 度、站类型、站序号、收费站所属路段;
监控数据,其包括高清卡口流水数据和高清卡口编码数据;其中,高清卡口流水数据包括流水号、设备编码、车道编码、过车时间、行驶方向编码、车牌号码;其中,高 清卡口编码数据包括设备编码、路段编码、设备名称、设备里程桩号、经度坐标、纬度 坐标、方向名称、断面编号;
养护数据,其包括路段区间数据、路面结构数据、路面定期检测结果数据;其中,路段区间数据包括路段区间编码、起始桩号、结束桩号、所属路段;其中,路面结构数 据包括路线名称、方向、起点桩号、终点桩号、长度、修建年度、最近养护年度、设计 弯沉;路面定检结果数据包括路段区间编码、定检结论;
气象数据,其包括高速公路沿线的温度和湿度数据以及行政区划。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,在交 通数据中筛选出行车路径、行车时间、出行车速以及轴载相关的数据;其中,行车路径经拆解得到路网模型相对应的各物理路段区间的轴载相关数据;交通数据中的轴组数据经拆解得到单个轴组的轴载数据;
在交通数据筛选中:
以出口时间筛选出相应的拆分流水明细数据,以拆分流水明细数据的出口流水号, 筛选出每个路段的出口流水数据;
以抓拍时间筛选出相应的高清卡口流水数据,其中,抓拍的所有车牌皆合法;
将监控数据中获得的车辆车道分布情况,设置为整个路段的车辆车道分布情况;
将收费数据中丢失的数据忽略,然后保留的收费数据设置为完整。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,通过 路段编码把不同类型的数据统一到路网模型中,然后获得经过养护数据中心路网模型中 的物理路段的每辆收费车辆的具体信息;
路段编码统一到路网模型的具体步骤为:
(1)把高清卡口流水数据导入MATLAB,提取出高清卡口编码,载入监控位置信 息,加入路网模型的路段名称,把高清卡口编码中的路段编码转换成路网模型对应的路 段编码;
(2)把原始收费数据中的收费明细流水数据导入MATLAB,获得对应的路网模型 中各个站点的编号和站名,加入路网模型的路段名称,把出口收费流水数据中的路段编 码转换成路网模型对应的路段编码;
(3)把气象数据导入MATLAB,提取出气象数据的路段编码信息,加入路网模型 的路段名称,把行政区划和路网模型中的路段名称对应起来,把气象数据对应的路段编 码转换成路网模型对应的路段编码;
(4)把检测数据导入MATLAB,提取出检测数据的路段编码信息,加入路网模型 的路段名称,把检测数据中的路段编码转换成路网模型对应的路段编码。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,使用 贝叶斯方法对交通大数据中的收费数据和监控数据进行训练从而获得收费车辆在不同路段、不同时段、不同车速下不同车道的车流分布概率及不同车型的车流分布概率,按 概率复原各路段车流分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情况。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,训练 的具体步骤如下:
(a1)贝叶斯公式:
利用样本信息x和参数θ,获得联合分布概率
h(x,θ)=p(x|θ)π(θ) (22)
需要给出p(x丨θ)及π(θ)的定义;
为了获得未知参数θ后验分布,利用样本信息得到样本的边缘密度函数
得到θ的条件分布
假设己观测的数据为x,未知参数为θ的分布函数为F(x,θ),在连续情况下的密度函 数f(x,θ),则贝叶斯估计参数求解分为以下步骤;
步骤1:选择未知参数θ先验分布
假设θ的分布函数F(θ)和密度函数f(θ),分别是未知参数θ的先验分布和先验密度, 在无先验信息时,选择均匀分布U(a,b)作为先验分布;
步骤2:确定似然函数
假设从先验分布π(θ)产生一个观测值θ,然后再假设从条件分布f(x|θ)中产生样本的 值x=(x1,x2,……,xn),从而构造样本的似然函数:
步骤3:参数θ后验分布的确定
根据贝叶斯定律的条件概率分布,得到参数θ后验分布的密度函数:
步骤4:损失函数的选择
损失函数是刻画估计值与真实值之间的差距程度,采用似然函数的对数l(x,θ)=lnL(θ, x);
步骤5:估计参数
(a2)基于贝叶斯方法的收费数据和监控数据进行训练后,获得相应的后验概率,按概率复原各路段车流分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情 况,进而获得不同路段的车流分布特征、不同车道的车流分布特征、不同车型的车流分 布特征、不同车速的车流分布特征和不同时段的车流分布特征。
作为本发明基于精细化轴载作用的沥青路面车辙深度预测方法进一步的改进,提取 车流量特征,并换算成标准轴载作用次数,以获得路段每个月份的累积标准轴载作用次数。
本发明技术方案,具有如下优点:
本发明将实际的交通数据进行精细化处理,考虑沥青路面的实际结构,材料属性、实际 路面温度场,建立沥青路面多层体系动力响应控制方程,获得沥青路面应力场的半解析 解,引入能较好描述沥青混合料粘弹性性质的Burgers模型和沥青路面粘滞系数的时间硬化模型,获得多次移动荷载作用下沥青路面车辙预估的显式表达式。将精细化处理获 得的交通数据作为车辙模型的输入,考虑车流量的增长率,获得不同路段、不同车道的 路面车辙长期预测模型,进而将预测结果与实际检测数据进行对比验证,使得预测模型 更加精准。
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,显而易见地,下面描述中的附图是本发明的一些实施方式,对于本领域普通技术人员来讲,在不付出创造性劳动的 前提下,还可以根据这些附图获得其他的附图。
图1为本发明的车辙深度预测方法示意图;
图2为本发明实施例1中的轴型示意图;
图3为本发明实施例1中的来源数据的数据模型示意图;
图4为本发明实施例1中的数据分析模型示意图;
图5为本发明实施例1中的不同车型车流分布获取过程示意图;
图6为本发明实施例1中的不同车道车流分布获取过程示意图;
图7为本发明实施例2中的车辆的车型示意图;
图8为本发明实施例2中的不同轴型的轴载示意图;
图9为本发明实施例2中的不同车型的轴载示意图;
图10为本发明实施例2中的某省某高速公路八个路段南行线月累计车流量示意图;
图11为本发明实施例2中广东省某高速公路八个路段北行线月累计车流量示意图;
图12为本发明实施例2中的八个路段南行线41种车型月累计车流量示意图;
图13为本发明实施例2中的八个路段北行线41种车型月累计车流量示意图;
图14为本发明实施例2中的某省某高速公路八个路段南行线月累积标准轴载作用次数统计示意图;
图15为本发明实施例2中的广东省某高速公路八个路段北行线月累积标准轴载作用次数统计示意图;
图16为本发明实施例2中的八个路段南行线三年的累计标准轴载作用次数示意图;
图17为本发明实施例2中的八个路段北行线三年的累计标准轴载作用次数示意图;
图18为本发明实施例2中的广东省某高速公路车道示意图;
图19(1)为本发明实施例2中的TT-BX段北行线不同车道交通量示意图;
图19(2)为本发明实施例2中的TT-BX段南行线不同车道交通量示意图;
图19(3)为本发明实施例2中的DQ-RY段北行线不同车道交通量示意图;
图19(4)为本发明实施例2中的DQ-RY段南行线不同车道交通量示意图;
图19(5)为本发明实施例2中的YB-DQ段北行线不同车道交通量示意图;
图19(6)为本发明实施例2中的YB-DQ段南行线不同车道交通量示意图;
图19(7)为本发明实施例2中的DZ-TT段北行线不同车道交通量示意图;
图19(8)为本发明实施例2中的DZ-TT段南行线不同车道交通量示意图;
图20为本发明实施例2中的双向四车道路段不同车道三年的月平均标准轴载作用次数示意图;
图21为本发明实施例2中的双向六车道路段不同车道三年的月平均标准轴载作用次数示意图;
图22为本发明实施例2中的不同车型对应的车型数量统计直方图;
图23为本发明实施例2中的不同不同车速对应的标准轴载作用次数统计直方图;
图24为本发明实施例2中的不同车道上车辆的车速统计示意图;
图25为本发明实施例2中的一天24小时不同时间对应的车流量统计示意图;
图26为本发明实施例2中的不同月份对应的车流量统计示意图;
图27为本发明实施例3中粘弹性变形及变形回复基本力学模型博格斯模型示意图;
图28为本发明实施例3中的粘弹性蠕变与蠕变回复曲线示意图;
图29为本发明实施例3中的路面系统在移动交通荷载作用下的示意图;
图30为本发明实施例3中的结果与数值模拟结果对比示意图;
图31为本发明实施例4中的沥青路面车辙深度对比示意图;
图32为本发明实施例5中的广东省某高速公路典型路面结构示意图;
图33(1)为本发明实施例5中的SMA-16蠕变曲线示意图;
图33(2)为本发明实施例5中的AC-20蠕变曲线示意图;
图33(3)为本发明实施例5中的AC-25蠕变曲线示意图;
图34为本发明实施例5中的车速对车辙深度的影响示意图;
图35为本发明实施例5中的不同车速下的车辙深度下降百分比示意图;
图36(1)为本发明实施例6中沥青路面结构二维示意图;
图36(2)为本发明实施例6中沥青路面结构网格划分示意图;
图37(1)为本发明实施例6中一月路面以下不同深度温度变化示意图;
图37(2)为本发明实施例6中八月路面以下不同深度温度变化示意图;
图38(1)为本发明实施例6中一月份路面各结构层温度变化规律示意图;
图38(2)为本发明实施例6中八月份路面各结构层温度变化规律示意图;
图39为本发明实施例6中沥青路面时间硬化模型中不同B值对路面车辙深度的影响示意图;
图40为本发明实施例6中SG-SX段南行线车辙深度预测示意图;
图41为本发明实施例6中广东省某高速公路南行线路面车辙预测示意图。
具体实施方式
下面将结合附图对本发明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得的所有其他实施例,都属于本发明保护的 范围。
在本发明的描述中,需要说明的是,术语“中心”、“上”、“下”、“左”、“右”、“竖 直”、“水平”、“内”、“外”等指示的方位或位置关系为基于附图所示的方位或位置关系, 仅是为了便于描述本发明和简化描述,而不是指示或暗示所指的装置或元件必须具有特 定的方位、以特定的方位构造和操作,因此不能理解为对本发明的限制。此外,术语“第 一”、“第二”、“第三”仅用于描述目的,而不能理解为指示或暗示相对重要性。
在本发明的描述中,需要说明的是,除非另有明确的规定和限定,术语“安装”、“相连”、“连接”应做广义理解,例如,可以是固定连接,也可以是可拆卸连接,或 一体地连接;可以是机械连接,也可以是电连接;可以是直接相连,也可以通过中间媒 介间接相连,可以是两个元件内部的连通。对于本领域的普通技术人员而言,可以具体 情况理解上述术语在本发明中的具体含义。
此外,下面所描述的本发明不同实施方式中所涉及的技术特征只要彼此之间未构成 冲突就可以相互结合。
实施例1
本实施例为对交通流量的精细化处理,交通数据主要包括收费数据、监控数据、养护数据和气象数据,其中:
收费数据包括出口收费流水数据、拆分流水明细数据、路段编码数据、收费站编码数据;出口收费流水数据主要使用的信息数据项包括出口流水号、入口路段编码、入口 站编号、入口日期及时间、出口路段编码、出口站编号、出口日期及时间、出口车型(由 不同的轴型组合获得)、车辆数、轴数、轴组数、总轴重、轴型(轴型种类见图2)、轴 重、路段组合编码、起始站组合编码、结束站组合编码等。拆分流水明细数据主要使用 的信息数据项包括出口流水号、起始站、结束站。路段编码数据使用的信息数据项包括 路段编码、路段名称。收费站编码数据使用的信息数据项包括收费站编码、收费站名称、 收费站经纬度、站类型、站序号、收费站所属路段等。
监控数据包括高清卡口流水数据和高清卡口编码数据;高清卡口流水数据使用的信 息数据项包括流水号、设备编码、车道编码、过车时间、行驶方向编码、车牌号码等。 高清卡口编码数据使用的信息数据项包括设备编码、路段编码、设备名称、设备里程桩 号、经度坐标、纬度坐标、方向名称、断面编号等。
养护数据包括路段区间数据、路面结构数据、路面定期检测结果数据;路段区间数据使用的信息数据项包括路段区间编码、起始桩号、结束桩号、所属路段等。路面结构 数据使用的信息数据项包括路线名称、方向、起点桩号、终点桩号、长度(公里)、修 建年度、最近养护年度、设计弯沉等。路面定检结果数据使用的信息数据项包括路段区 间编码、定检结论等。
气象数据包括该高速公路沿线的温度和湿度数据以及行政区划。
收费站和监控中心获得的交通数据是一串字段,本实施例中使用的字段只需要包括 行车路径、行车时间、出行车速以及轴载相关的数据。因此需要对行车路径进行拆解,得到本实施例中路网模型相对应的各物理路段区间的轴载相关数据,需要对轴组数据进行拆解,得到单个轴组的轴载数据。交通数据在处理时应遵循以下处理原则:
出口流水以出口时间为准;
高清卡口流水以抓拍时间为准;
根据出口时间获取每个路段的出口流水拆分明细数据;
根据拆分明细的出口流水号,从出口流水获取每个路段的出口流水数据;
高清卡口流水只要车牌合法的流水数据;
假定监控数据获得的车辆车道分布情况为整个路段的车辆车道分布情况;
假定收费数据是完整的,丢失的与总量相比忽略不计。
要满足本实施例中的交通量轴载需求,需要得到表1中所需的目标数据,作为统计原始数据。
表1车重及轴载目标数据表
要满足表1中罗列的目标数据需求,需要收费数据汇总的出口流水,具体包括出行车路径、以及轴载相关的数据,具体的需要的字段信息如表2所示。
表2出口流水数据格式
要获得本实施例中交通量在不同车道、不同时间和不同车速的信息,需要得到表3中所需的目标数据,作为原始数据。
表3高清卡口流水数据类型
序号 | 名称 | 字段 | 数据类型 |
1 | 流水号 | LISTNO | VARchar2(36) |
2 | 设备编码 | DEVICEID | INTEGER |
3 | 车道编码 | LANENO | INTEGER |
4 | 抓拍时间 | OPTIME | DATE |
5 | 行驶方向编码 | DIRECTION | INTEGER |
6 | 车牌号码 | VEHPLATE | VARchar2(20) |
实际的高清卡口数据、收费数据、气象数据和检测数据的数据格式各不相同,很难直接提取出某一路段的交通荷载信息,为了建立不同类型数据之间的联系,方便获取交 通荷载信息,使用路段编码把不同类型的数据统一到的路网模型中,具体见图3,每种 类型的数据包含的具体内容见图4所示。
对收费系统、监控系统得到的数据、气象数据和检测数据的路段编码进行处理,具体处理过程如下:
S1:把高清卡口流水数据导入MATLAB,运用R语言编写程序提取出高清卡口编 码,载入监控位置信息,加入本实施例中路网模型的路段名称,把高清卡口编码中的路 段编码转换成本实施例中路网模型对应的路段编码;
S2:把原始收费数据中的收费明细流水数据导入MATLAB,运用R语言编写程序 对数据进行拆分,获得对应的收费路网模型中各个站点的编号和站名,加入本实施例中 路网模型的路段名称,把出口流水数据中的路段编码转换成本实施例中路网模型对应的 路段编码;
S3:把气象数据导入MATLAB,提取出气象数据的路段编码信息,加入本实施例 中路网模型的路段名称,把行政区划和本实施例中路网模型中的路段名称对应起来,把 气象数据对应的路段编码转换成本实施例中路网模型对应的路段编码;
S4:把检测数据导入MATLAB,提取出检测数据的路段编码信息,加入本实施例 中路网模型的路段名称,把检测数据中的路段编码转换成本实施例中路网模型对应的路 段编码。
由于监控数据存在缺失(检测器的老化与损坏、通信设备的故障、环境或人为因素干扰等影响),监控数据量比收费数据量少的多,对现有的监控数据和收费数据进行统 计不能得到准确的交通荷载信息。为解决这一问题,本实施例使用贝叶斯方法对交通大 数据中的收费数据和监控数据进行训练,从而获得通行车辆在不同路段、不同时段、不 同车速下不同车道的车流分布概率及不同车型的车流分布概率,按概率复原各路段车流 分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情况。下面是贝叶斯方法的 介绍:
一般利用样本信息x和参数θ,获得联合分布概率
h(x,θ)=p(x|θ)π(θ) (2-1)
为了获得未知参数θ后验分布,利用样本信息得到样本的边缘密度函数
得到θ的条件分布
假设己观测的数据为x,未知参数为θ的分布函数为F(x,θ),在连续情况下的密度函 数f(x,θ),则贝叶斯参数估计可分为以下几个步骤。
A1:选择未知参数θ先验分布,假设θ的分布函数F(θ)和密度函数f(θ),分别是未知参数θ的先验分布和先验密度,是人们在对未知参数θ进行估计可以利用的信息或只是一种看法和判断。例如,在无先验信息时,人们偏向于选择均匀分布U(a,b)作为先验分布。
A2:确定似然函数,假设从先验分布π(θ)产生一个观测值θ,然后再假设从条件分布f(x|θ)中产生样本的值x=(x1,x2,……,xn)。从而可以构造样本的似然函数(联合条件密度 函数)。
A3:参数θ后验分布的确定,根据贝叶斯定律的条件概率分布,得到参数θ后验分布的密度函数
A4:损失函数的选择,损失函数是刻画估计值与真实值之间的差距程度,一般采用似然函数的对数l(x,θ)=lnL(θ,x)。
按照上述步骤对收费数据和监控数据进行训练,获得该数据的后验概率,即车辆在 不同路段、不同时段、不同车速下不同车道的车流分布概率及不同车型的车流分布概率。 按概率复原各路段车流分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情况,进而获得不同路段的车流分布特征、不同车道的车流分布特征、不同车型的车流分 布特征、不同车速的车流分布特征和不同时段的车流分布特征。具体过程如下:
按照上述步骤对收费数据和监控数据进行训练,获得该数据的后验概率。按概率复 原各路段车流分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情况,进而获得不同路段的车流分布特征、不同车道的车流分布特征、不同车型的车流分布特征、不 同车速的车流分布特征和不同时段的车流分布特征。具体过程如下:
B1:结合养护数据中心提供的路网模型数据和收费获取的联网收费数据,运用R语言编写程序对收费数据进行拆分,得到每辆车的轴型和车型信息,获得不同车型的车流 分布。具体见图5。
B2:结合养护数据中心提供的路网模型数据和高清卡口获取的监控数据,运用R语言编写程序对监控数据进行拆分,得到每辆车的车速、行驶时段及所在车道信息,先假 定轴载谱的一个先验分布概率,然后确定轴载谱的似然函数,对收费数据和监控数据进 行训练,获得数据的后验概率,具体包括车辆在不同路段、不同时段、不同车速下不同 车道的车流分布概率及不同车型的车流分布概率,计算损失函数,求使得损失函数的期 望值最大的先验概率。最后按概率复原各路段车流分布和轴载作用次数,按车流分布和 轴载谱复原各路段轴载情况。并对所有车辆的车速、行驶时段及所在车道信息进行统计, 获得不同车道的车流分布。具体见图6。
实施例2
本实施例为实施例1中交通多源精细化处理的车流分布特征分析。
利用交通数据精细化处理技术对从收费系统、监控系统得到的大量数据按照路段、 车道、时间、车型、车速、轴型、轴载等维度进行精细化处理,获得不同路段区间的轴 载谱和车流分布特征,并对轴载谱进行了分析,对车流分布特征按路段、车道、车速和 时段进行了重点分析。
按照图2中九种轴型进行组合获得不同车辆的车型,图7中列举出了部分车型。
对某省某高速公路八个路段2014年7月到2017年6月的车流量进行统计,共得到41种车型的车流量信息,统计不同轴型和车型的数量,因轴型1换算后的标准轴载作用 次数可以忽略不计,这里对轴型1不做统计,只统计其他轴型,轴型和车型的统计分别 见图8和图9所示。
图8表明,某省某高速公路在2014年7月到2017年6月三年中出现轴型最多的分 别是轴型2、轴型5和轴型9,这三个轴型都有两个波峰,说明同时存在空载车和满载 车。
图9表明,某省某高速公路在2014年7月到2017年6月三年中出现的货车车型最 多的是12车型、115车型、159车型、1129车型和122222车型,其中159车型出现两 个波峰,表示空载的轴载是5吨,满载的轴载是17吨。这也验证了图7中的分析的出 现最多的轴型是轴型2、轴型5和轴型9的结果。
对拆分后的收费数据进行统计,获得某省某高速公路八个路段2014年到2017年每个月的车流量情况,具体见图10和图11。
图10和图11表示某省某高速公路八个路段2014年到2017年每个月的车流量变化情况,同一月份不同路段的车流量相差较大,同一路段不同月份的车流量相差也较大。 具体到每个路段的分析是,BX-TH段车流量最大,RY-SG段、DQ-RY段和YB-DQ段 车流量最小,且三个路段的车流量变化情况一致,BX-TH段车流量是RY-SG段车流量 的10倍,差距显著。就整条高速公路而言,不同路段承担的通行功能差距非常明显。 不同路段车流量的差异,必然会导致不同路段路面性能下降的速度不同,不同路段进入 养护的时间也各不相同,因此,有必要考虑路段和时段统计车流量情况,分时段车流量 与分时温度场相对应,可精确计算不同路段路面性能的衰变。
因车流量是多种车型组成的混合交通流量,某省高速公路车型组成较为复杂,很多 车型极少出现,现对车流量比例在千分之一以上的车型进行统计,统计发现共有41种车型,本实施例仅统计2014年7月~2017年6月八个路段每月41种车型的总车流量信 息,具体见图12图13所示。
从图12和图13以看出,11车型、159车型、12车型、115车型和112车型是车流 量最大的前五种车型,这五种车型三年总的车流量分别占总车型车流量的54%、19.23%、8.86%、3.23%和2.76%。11车型每个月的车流量变化很大,因11车型主要是小汽车和 小客车,其流动性较大,随机性较强。其他车型主要是货车,每个月的车流量变化不大, 相对比较稳定。
车流量只能反映交通流在各个路段上的运行情况和高速公路的利用率,而对路面结 构产生影响和破坏的是车辆荷载的标准轴载作用次数。为精确研究混合交通量对路面性 能的影响,把车流量换算成标准轴载作用次数,研究标准轴载作用次数对路面性能的影响。
《公路沥青路面设计规范JTGD50-2017》中规定了不同种类车辆在非满载和满载时的当量设计轴载换算系数,并给出了不同种类车辆的轴载换算公式。而本实施例已获取 了不同种类车辆的轴重,不需要再考虑车辆是否满载及车辆的种类,在本实施例中由轴 型和轴重可直接对不同种类的车辆进行轴载换算,因此,本实施例的轴载换算还是按照 《公路沥青路面设计规范JTGD50-2006》,把不同轴载换算成BZZ-100标准轴载的作用 次数,以设计弯沉和沥青层底拉应力为指标的换算公式见(2-6)所示。
式(2-6)中:P为标准轴载,单位为kN;
Pi为不同车型的各级轴载,单位为kN;
C1为轴数系数;
C2为轮组系数,双轮组取1.0,单轮组取6.4,四轮组取0.38;
K为被换算车型的轴载级别。
当轴间距小于3m时,多轴的轴数系数按下式计算。
C1=1+1.2(m-1) (2-7)
式(2-7)中,m为轴数。
根据收费中心获得的车流量数据,按月份对每个路段车流量进行统计,根据车辆的 轴型和收费中心获得的车辆的车重信息,对不同轴型的车辆进行轴载换算,最终得到某省某高速公路八个路段每个月份的累积标准轴载作用次数,具体见图14和图15所示。
从图14和图15中可以看出,按图例中的路段排序从上往下,交通量越来越小。每年的春节车流量会有个小低谷,全年其余时间车流量基本平稳。同时可以看出2014年9 月以后,车流量减小了很多,原因是2014年9月底京珠高速复线对该高速公路有非常 显著的分流,分流量大约是80%,唯一没有受影响的是BX-TH路段南行线,该段车流 量基本没变。
从图14和图15中还可以看出,不同月份的车流量是不断变化的,而不同月份的沥青路面面层的温度场各不相同,因此,有必要分月份统计车流量,结合分时温度场,能 较精确预测路面性能的衰减规律。
对该高速公路八个路段2014年7月到2017年6月三年的累计标准轴载作用次数进行统计,统计结果见图16和图17所示。
图16和图17表明,八个路段2014年7月~2017年6月三年的累计当量轴载作用次数差异很大,累计标准轴载作用次数最大的路段是BX-TH段北行线,三年的累计标准 轴载作用次数是4176万次,累计标准轴载作用次数最小的路段是YB-DQ段北行线,三 年累计标准轴载作用次数是428万次,前者是后者的9.76倍,相差近十倍,表明不同路 段之间车流量差别较大。而车流量是造成路面性能衰减最主要、最直接的因素,因不同 路段的车流量不同,不同路段的路面性能衰减速率各不相同,每个路段进入预养护的时 间也各不相同,因此,有必要分路段对车流量进行精细化处理,获得精准的交通量信息 作为每个路段路面性能预测模型的输入,科学的指导养护部门及时进行预防性养护,节 约养护资金,提高路面的使用性能并延长路面的使用年限。
在本实施例中,某省某高速公路大部分路段为双向六车道,其中YB-DQ路段、 DQ-RY路段和RY-SG路段为双向四车道,其他五个路段为双向六车道。以双向六车道 为例,车道形式见图18所示。
对八个路段每个车道上的车流量进行统计,共得到41种车型的车流量信息,除11车型(小汽车、小客车和大客车等)外,其他40种车型全部是货车,且很多货车车型 的车流量较少,为统计方便,本实施例中把其他40种车型统一计算车流量(统计车流 量时归为一类,轴载换算时每种车型分别进行计算),具体统计结果见图19所示,本实 施例中只列出了其中四个路段(两个双向四车道路段、两个双向六车道路段)不同车道 上的不同车型在2016年的车流量。
统计不同车型的车辆在不同车道上所占比例,具体见表4所示。
表4车辆的车道选择特性对比(%)
图19和表4表明,整体来看,对于双向六车道,11车型大多分布在车道1和车道 2上(比例在70%以上),11车型主要是小汽车和小型客车,车速较快,一般分布在超 车道和内侧行车道上;其他车型(主要是货车)主要分布在车道2和车道3上(比例在 85%以上),其他车型主要是货车,货车车速较慢,一般分布在行车道上。但也有路段 不遵循这种规律,造成规律反常的原因可能是车流量、司机行驶习惯、货车是否空载、 时段(比如白天和黑夜)等。车流量较少时,货车是否空载,特别是空载的两轴货车, 其选择车道1和车道2的概率是相同的。对于双向四车道,11车型大多分布在车道1 上(比例在67%以上),其他车型(主要是货车)也主要分布在车道1上(比例在60% 以上),造成这种现象的原因是新开通的高速公路对这两个路段高速公路分流作用明显, 使得这两个路段的车流量较少(这两个路段的车流量只有双向六车道车流量的1/7~1/4), 车流量少使得行驶在该路段的车型在车道选择上更具有随意性。
不同车道上车流量的差异性是造成交通流量横向分布不均匀的主要因素,也使得高 速公路各车道的路面性能下降不均匀,且随着车流量的增加,车道之间路面性能下降的不均匀性会更加显著。为了更加精确地预测路面性能的长期衰减规律,有必要进一步研 究车流量在不同车道上的分布情况,标准轴载作用次数更能准确地反映不同车型组成的 混合交通量对路面性能的影响,因此,本实施例通过统计不同车道上的标准轴载作用次 数来分析车流量在不同车道上的分布情况。
按照实施例1中对车流量的处理方法,对某省某高速公路八个路段2014年7月~2017 年6月三年的收费站和高清卡口获得的车辆信息数据进行拆分、清洗,获得每个车道车 辆的轴型、轴数、通行次数等信息,按公式(2-6)对不同轴型的车辆进行轴载换算,得到该高速公路八个路段南行线和北行线每个车道三年的月平均标准轴载作用次数,具体结果如图20和图21所示。
图20和图21表明,不同路段、不同车道上的月平均标准轴载作用次数相差很大,对通过轴载换算后的每个车道上的车流量进行统计,具体见表5所示。
表5经轴载换算后不同车道上的交通量对比
表5表明,同一路段不同车道上的车流量差异显著,总体而言,对于双向四车道,车道1的车道系数比较大,对于双向六车道,车道2的车道系数比较大。相邻路段同一 车道的车道系数相差也很大,因为车道系数主要由作用在车道上产生的当量轴载作用次 数决定,而影响车道系数的因素很多,比如车流量、交通组成、车速和司机驾驶习惯等, 因此为实现对高速公路公路的精准养护,有必要对不同路段、不同车道的车流量进行分 析,精确计算不同路段、不同车道的路面性能衰变情况,科学指导养护部门进行精准养 护。
《公路沥青路面设计规范》(JTG D50-2017)中规定了车道系数的取值,具体如下:
车道系数可按下列三个水平确定,改建设计应采用水平一,新建路面设计可采用水 平二或水平三:
水平一:根据现场交通量观测资料确定车道系数。
水平二:采用当地经验值。
水平三:采用表6推荐值。
表6车道系数
单向车道数 | 1 | 2 | 3 | ≥4 |
高速公路 | - | 0.70~0.85 | 0.45~0.60 | 0.40~0.50 |
其他等级公路 | 1.00 | 0.50~0.75 | 0.50~0.75 | - |
该高速公路八个路段双向四车道的车道系数的变化范围是0.55~0.9,双向六车道的 车道系数的变化范围是0.43~0.77,与规范中的车道系数相比,虽然部分路段的统计车道 系数和规范中的车道系数相吻合,但有接近一半的路段其统计得到的车道系数不在规范 规定的范围内。对于双向四车道,YB-DQ北行线和RY-SG北行线的车道系数比规范中车道系数的下限值小0.15,DQ-RY北行线的车道系数比规范中车道系数的上限值大 0.05。对于双向六车道,DZ-TT南行线的车道系数比规范中车道系数的上限值大0.14, TT-BX南行线的车道系数比规范中车道系数的上限值大0.1,BX-TH北行线的车道系数 比规范中车道系数的上限值大0.17。而养护部门主要依靠主车道上的检测数据对路面实 施养护,按照规范规定的车道系数,计算其他车道的路面性能状况考虑是否需要进行养 护,但规范中的车道系数与实际路面的车道系数存在明显差异,会出现某一路段路面性 能下降较快的车道没有得到及时养护,某些路段路面性能下降较慢的车道被超前养护的 现象,这是不科学的、也是不合理的。本实施例根据三年的收费数据和监控数据获得的 车道系数更能表征该路段的车道系数,因此,应根据实际交通量分析获得真实反映当地 交通情况的实际车道系数,对不同车道路面性能的长期衰变规律进行精准预测,科学指 导养护部门进行精准养护。
在本实施例中,对该高速公路八个路段2014年7月到2017年6月三年间高清卡口获得的不同车速对应的车流量进行统计,统计结果见图22所示
图22表明,对于车量的车速,该段高速公路车速在40km/h~60km/h、60km/h~80km/h、 80km/h~100km/h、100km/h~120km/h及120km/h以上范围内的车流量比例分别是4.68%、 19.96%、35.41%、29.08%和6.45%,该段高速公路90%以上车辆的车速分布在60km/h~120km/h之间。这种统计方式没有考虑车型,统计出的规律还不能直接用于路 面性能的预测。考虑到这一问题,把不同车型换算成标准轴载作用次数,对不同车速对 应的标准轴载作用次数进行统计,统计结果见图23所示。
图23表明,该段高速公路车速在40km/h~60km/h、60km/h~80km/h、 80km/h~100km/h、100km/h~120km/h及120km/h以上范围内的标准轴载作用次数的比例 分别是14.49%、39.19%、33.4%、8.24%和1.04%,该段高速公路95%以上标准轴载作 用次数的车速分布在40km/h~100km/h之间。轴载换算后的车速比换算前降低了20km/h, 出现这种现象的原因是高速公路上大量行驶的重载车车速在50km/h~80km/h之间,车速 普遍不高,一辆重载车换成成标准轴载作用次数可能有几百次,严重的甚至有上千次, 而一辆满载的11车型的小客车换算成标准轴载作用次数才0.004左右。一辆重载车在高 速公路上行驶一次抵得上11型车行驶成千上万次。而高速公路高速行驶的车辆大部分 是11车型,虽然数量较多,但因轴重较小,对路面性能的影响反而不如重型车。轴载 换算后,重载车所占的比重显著增加,使得换算后的整体车速明显减小,车速降低会增 加交通荷载作用路面的时间,加快路面病害的产生。很少有文献对不同车型的车速进行 定量研究,本实施例通过交通大数据可精确获得轴载换算后的车速,可用于路面性能(特 别是车辙)衰减规律的精准预测。
《公路工程技术标准》(JTGB01-2014)规定高速公路的设计车速是在 80km/h~120km/h,规范中的设计车速主要考虑高速公路的通行能力,没有考虑车速及车 型对路面性能的影响,将这一标准直接应用到路面养护中并不合理。实际高速公路断面 运行车辆同时存在着大量不确定性和随机性,且存在一部分低速(车速小于80km/h) 行驶车辆,特别是重载车,而规范中没有考虑低速车辆,以车辙为例,低速车辆会加剧 路面车辙的形成,导致路面车辙的增加。且低速往往是和重载联系在一起,这更加剧了 车辙病害。因此,有必要考虑车速对交通量进行精细化处理,获得更加精准的交通量分 布特征数据。同时,在进行预防性养护决策时,也应考虑到车速的影响,适当提高路面 性能指标的最低可接受水平,及时进行预养护,使路面保持良好的性能。
以上是对车流量的车速分布和轴载换算后的车速分布的分析,而车辆又是分布在不 同的车道上,不同车道上的车速分布还不清楚。下面对不同车道上的车速进行统计分析, 以2016年一年的交通量为统计对象,统计不同车道上的车速分布情况,统计结果见图24所示。
图24可以看出,车道1上行驶速度为90km/h的车辆最多,大部分车辆的车速分布在70km/h~110km/h范围内;车道2上行驶速度为70km/h的车辆最多,大部分车辆的车 速分布在60km/h~100km/h范围内;车道3上行驶速度为80km/h的车辆最多,大部分车 辆的车速分布在60km/h~100km/h范围内。以上分析可以看出,不同车道上车辆的车速 差别较大,在分析不同车道上的路面性能衰变时,有必要考虑不同车道上的车速对路面 性能的影响。在对交通大数据精细化处理时,有必要考虑不同车道上车速的影响,分车 道、分车速对车流量进行统计,获得更精细的交通量数据。
沥青混合料是一种粘弹性材料,其路用性能受温度影响很大。而车流量在一天中的 分布极不均匀,且不同时刻的路面温度场也各不相同,不同月份的温度场差异较大,相同的交通量在不同时段对路面性能的影响也不尽相同,传统的研究往往忽略了气温的日周期性变化和季节性周期变化,对路面性能的计算并不准确,因此,有必要统计不同时 刻和不同月份的车流量变化,结合分时温度场,更精准的去预测路面性能的衰变规律。
以2016年一年的交通量为统计对象,统计在一天24小时不同时间对应的交通量,统计结果见图25所示。
图25表明,早上6点开始交通量逐渐增大,11车型在中午12点到14点的变化较 为显著,在11点到17点之间车流量最大;其他车型在中午12点到14点之间交通量会 略微减少,在10点到18点之间车流量最大;18点以后所有车型的车流量都开始逐渐减 小,白天的车流量占全天车流量的70%以上。而一天内不同时刻对应的温度各不相同, 车流量在一天中是不均匀分布的,相同的车流量在不同时段对路面性能的影响也各不相 同,因此,有必要统计不同时刻的车流量,将每一个时段内的车流量与该时段内路面结 构的温度场一一对应,才能更精确的预测路面性能的衰减规律。
以上分析的是一天24小时不同时刻的车流量,考虑到不同月份的温度变化较大,有必要分析不同月份的车流量变化情况。以2014年7月~2016年6月三年的交通量为统 计对象,统计不同月份的车流量,统计结果见图26所示。
图26表明,七月份车流量最大,十月份车流量最小,七月份的车流量是十月份车流量的1.6倍,不同月份的车流量差异较大。在夏季七月、八月和九月车流量较多,广 东省夏季气温较高,沥青路面处于粘弹性状态,高温会对沥青路面的正常使用造成不利 影响,较大的车流量更会加剧沥青路面使用状况的恶化,尤其是路面车辙。而在冬季, 由于气温较低,沥青路面在交通荷载作用下会发生开裂。有气象数据调查可知,某省每 个月的温度各不相同,相同的车流量在每个月对沥青路面的损害程度也各不相同,因此, 有必要按月份对车流量进行统计,每个月找出具有代表性的温度变化来表征这个月的温 度,依次计算每个月内车流量对沥青路面的损害,这样获得的路面损害情况才更能表征 路面性能的衰减规律。因此,有必要按时段(月份)对车流量进行统计,将每个月的车 流量与该月份路面结构的温度场一一对应起来,更加精准的预测路面性能的衰减。
实施例3
本实施例为车辙模型的推导原理及过程。
推导原理:早在上个世纪六十年代,Monismith就已经研究过沥青混合料的粘弹性特性,并证实Burgers蠕变模型可以分析沥青混合料的粘弹性特性。Burgers蠕变模型可 以较好的模拟沥青混合料的蠕变性能,蠕变控制方程的解析解也容易获得。Burgers蠕 变模型中的应变是一个与加载应力和加载时间t0有关的函数,Burgers蠕变模型中的回 复应变是一个与回复时间t有关的函数。车辆通过沥青路面某一点的时间是极短的,这 段时间与车辆之间的时间间隔相比几乎可以忽略不计,因此可令回复时间t趋于无穷大, 使回复应变得到充分的回复,这样回复应变就只与加载应力有关。残余应变由应变减去 回复应变得到,当加载时间t0一定时,残余应变就只与加载应力有关(Burgers蠕变模 型的参数为常数),即只要求得加载应力代入简化的Burgers蠕变模型中即可求得残余应 变。因此,计算交通荷载作用于路面的应力分布是获得路面残余变形的前提,进而采用 Burgers蠕变解析解获得沥青路面残余变形,对残余应变沿深度方向(面层的厚度)进 行积分即可得到加载一次时的车辙深度。
推导过程:Burgers蠕变模型的变形主要包括三个方面:弹性变形、粘流和粘弹性变形,具体如图27所示。
Burgers蠕变模型的本构方程为:
式中:E1为Burgers模型刚度模量,单位为MPa;
E2为Burgers模型刚度模量,单位为MPa;
η1为Burgers模型粘度参数,单位为Pa·s;
η2为Burgers模型粘度参数,单位为Pa·s;
σ为应力,单位为MPa;
ε为应变。
或者改写为
公式(3-2)是Burgers蠕变模型的本构方程,它是一个四参数的流体方程,能表示沥青混合料的粘弹性特性。
Burgers蠕变模型是由四个元件合成的,如图1所示。在t=0时,突然施加一个恒定应力σ0然后保持不变,可以得到应变如下:
γ(t)=σ0{1/E1+t/η1+(1/E2)[1-exp(-t/λ2)]} (3-4)
式中:λ2=η2/E2。
粘弹性蠕变与蠕变回复曲线如图28所示。
若在t=t0时卸去载荷,可得到应变回复εr(t)如下:
εr(t)=σ0{t0/η1-(1/E2)[exp(-t/λ2)][1-exp(-t0/λ2)]} (3-5)
式(3-5)中,λ2=η2/E2;t0为荷载作用时间,单位为s。
在高速公路上,汽车经过一点的加载时间t0是很短的,而前后两辆车经过同一点的 时间间隔相对加载时间t0来说是很大的,因此这里对公式(3-5)做如下简化,使时间t→∞, 使回复应变得到充分的回复,则公式(3-5)可以简化为
εr(t∞)=σ0t0/η1 (3-6)
沥青路面的残余应变为:
Δε=γ(t0)-εr(t∞)=σ0{{1/E1+t0/η1+(1/E2)[1-exp(-t0/λ2)]}-t0/η1} (7)
从公式(3-7)可以看出括号内的量由Burgers蠕变模型的四个参数和加载时间t0确定, 都是常量。残余应变是加载应力σ0的函数,因此,只要得到加载应力σ0,即可得到沥青路面的残余应变。本实施例中将介绍沥青路面面层应力的求解。
在本实施例中,利用二维八层体系来研究路基路面系统,如图29所示。
利用土的本构方程和层状体系理论,建立路面动力响应控制方程,荷载用移动条形 荷载表示,把移动条形荷载转换成Fourier计算式并代入建立的控制方程中,基于相关假设和位移、应力连续性的边界条件获得沥青路面应力场的解析解。
本实施例研究的对象是沥青路面,为了建立数学模型,还需做如下假设:
(1)沥青路面是各向均质同性的弹性材料;
(2)沥青混合料的变形非常小;
(3)沥青混凝土只发生变形,体积没有变化;
(4)每个结构层的应力与位移都是连续的。
可得到如下的控制方程
式(3-8)中,σx与σz是固相在x与z方向的正应力,单位为Pa;
τzx是x-z平面的剪应力,单位为Pa。
可以用下面的表达式来表示二维平面应变问题:
τxz=-2Gεxz,τzx=-2Gεzx (3-10)
εv=εxx+εzz (3-12)
式(3-9)中,右边的负号表示拉应力为负;
σ′xx与σ′zz是水平方向有效应力和垂直方向有效应,单位为Pa;
εxx与εzz是沿x方向的应变与沿z方向的应变;
ζx与ζz是x方向的位移和z方向的位移,单位为m;
ν为Poisson比;
G*为固相在静止状态下的剪切模量,单位为MPa,可以表示为:
式(3-13)中,,δ为材料阻尼系数;
G为固相在静止状态下的剪切模量,单位为MPa。
对于路面、基层和路基,其动态控制方程为:
(a)移动交通荷载
移动交通荷载函数(t=0)用Fourier级数可以表示如下:
和
式中荷载宽度为2l,强度为F,ωm=2πm/T;T是荷载的周期,为2L;m范围是-∞~+∞。
采用移动坐标系,移动荷载在任意时刻的Fourier级数表达式是:
根据Fourier变换,Fm可以表示为
(b)沥青路面应力场求解
对于整个体系,其控制方程可以表示成如下形式:
式中的参数表示为:
控制方程的通解可以表示如下形式:
简化可得到:
其中rij=-(bi1(qij)2+bi2)/(qijbi2),qij(j=1到4)为一个四阶多项式的根(解),这个四阶多 项式为:
bi1ci1(q)4+(bi2ci2-bi3ci3+bi1ci2)·(q)2+bi2ci2=0 (3-25)
其根(解)可以采用数值方法解得。
只有得到积分常数Aijm(i=1~8,j=1~4)才能求解控制方程。
假定轮胎和地面的接触剪应力为零,由此可得到如下边界条件:
上面层顶面(z=0):σ1z=F,τ1xz=0;
上面层底部(z=H1)位移边界条件:ξ1z=δ2与ζ1x=δ1。
边界条件的方程组可以表示为:
中面层、下面层、上基层、中基层、下基层、上路基的边界条件为(i=2~7):
上路基与下路基交界处位移边界条件:ξx=δ71,ξz=δ72;
上路基与下路基交界处应力边界条件:τxz=χH7,σz(H4)=σH7;
下路基底部的边界条件:ζx=0,ζz=0。
由以上边界条件方程组,通过数值方法获得位移(δix与δiy)、剪应力(χHi)和应力(σHi)。代入动力控制方程通解中,可以算出位移如下:
此外,剪切应力与正应力的表达式为:
通过算例计算来证明本实施例方法的正确性,算例参数如表7:
表7沥青路面结构层及其参数
结构层类型 | 弹性模量(MPa) | 泊松比 | 密度(kg/m<sup>3</sup>) | 厚度(cm) |
抗滑表层 | 1200 | 0.25 | 2500 | 6 |
基质沥青混合料 | 1835 | 0.25 | 2500 | 12 |
石灰土 | 550 | 0.35 | 1930 | 60 |
土基 | 48 | 0.4 | 1900 | 200 |
分别用本实施例中的解析方法和有限元数值模拟计算沥青路面底层的剪应力,竖直 正向应力,水平正向应力,对比结果如图30所示。
由图30可以看出,本实施例计算得到的应力曲线和数值模拟得到的应力曲线几乎完全重合,且两种方法计算得到的峰值也基本一致,这证明了本实施例应力解析解推导 过程的正确性。
从求得的路面应力场的分布可以看出,面层的竖向应力σz(t)是一个先增大后减小的 函数,作用距离是观测点两侧各l米,则应力作用时间是t=(l-(-l))/c=2l/c,将应力σz(t)换 算成等效应力σ0,汽车经过一点的时间很短,这里假定汽车经过一点的时间为t0秒(假 定轮胎接触地面的宽度为0.2米,汽车的行驶速度为c,t0=0.4/c),根据应力等效原则 有
式(3-34)中,c为行车速度,单位为m/s。
将式(3-34)带入式(3-7)并对残余应变沿深度方向(面层的厚度)进行积分即可得到 加载一次时的车辙深度:
随着车流量和时间的增加,沥青路面逐渐老化,沥青路面的粘滞系数逐渐增大,沥青路面增加的车辙深度会越来越小。本实施例选取的粘滞系数的时间硬化模型如下式所示:
式(3-36)中:n为标准轴载作用次数,单位为次;
B为与沥青路面材料有关的系数。
把式(3-36)代入式(3-35),则可得到多次荷载作用下沥青路面车辙深度公式:
式(3-37)中:
G*为固相在静止状态下的剪切模量,单位为MPa;
ν为Poisson比;
c为车速,单位为m/s;
E1,E2,η1,η2为Burgers模型参数;
t0为荷载作用时间,单位为s;
n为标准轴载作用次数,单位为次;
B为与沥青路面参数有关的系数。
通过调查沥青路面的年车流量增长率和往年的车流量即可得到未来每年的车流量, 把未来每年的轴载作用次数代入公式(37)即可得到未来某时刻的沥青路面车辙深度。
实施例4
本实施例为路面车辙深度解析解的验证:
用实际的沥青路面的试验结果作为本实施例解析解预估模型的验证结果,所用到的 参数见表8,对比结果见图31所示
表8沥青混合料参数
从图31可以看出,本实施例解析法得到的车辙衰减曲线和试验获得的车辙衰减曲线基本重合,这证明实施例3中理论计算方法的正确性。
实施例5
本实施例为车速对沥青路面车辙深度的影响分析。
影响沥青路面车辙深度的影响因素有很多,比如荷载、轴载作用次数、温度、车速等,有关荷载、轴载作用次数和温度对车辙的影响的研究已经有很多,而有关车速对沥 青路面车辙影响的定量研究较少,这里详细分析了车速对路面车辙的影响。本实施例考 虑车速对车辙影响时是以荷载不变为前提,只考虑了其平动,没有考虑轮胎的跳震,后 期还将进一步研究轮胎的跳震对路面车辙的影响。
以某省某高速公路为研究对象,全长308.8km,于2003年3月建成通车,采用的 路面层结构形式为:4.5cm SMA-16或AC-13+5.5cmAC-20+6cmAC-25+下封层+ 36cm 6%水泥稳定碎石+20cm 4%水泥稳定碎石,路面结构见图32所示,2009年进行 过中修养护。利用实施例3建立的路面车辙深度的解析解计算不同车速下的车辙深度, 分析车辆车速对路面车辙的影响。
通过调查某省某高速公路的资料,获得三种沥青混合料的级配见表9。
表9三种沥青混合料集料的筛孔通过率(%)
通过单轴压缩试验获得沥青混合料不同温度下的弹性模量值,具体见表10所示。
表10半刚性沥青路面结构各层参数
通过对SMA-16、AC-20和AC-25级配的沥青混合料试件进行间接拉伸蠕变试验获得沥青砂浆的Burgers模型宏观参数。制作直径150mm,高度100mm的圆柱形试件, 经切割后制成直径150mm,高度45mm的试件,按照《UTM-250沥青混合料多功能试 验机操作说明书》粘贴传感器,如图32所示,温控箱温度设为15℃、30℃、40℃、 50℃、60℃,经劈裂蠕变试验获得沥青混合料的蠕变柔度曲线,如图33所示。
获得蠕变J或应变ε随时间t变化的数据,把这组数据代入本构方程,对方程组进行变换,利用最小二乘法获得Burgers模型的参数。为此,利用ORIGIN软件进行沥青混 合料的实验数据处理和拟合。
利用Burgers模型对蠕变数据进行拟合,蠕变柔度Burgers模型拟合结果见表11。
表11 Burgers模型参数
温度60℃,轮压F=0.7MPa,时间硬化模型参数B取-0.42,计算在不同车速下沥 青路面的车辙深度,混合料参数见表9和表10,计算结果如图34所示。
图34展示了车辙和车速的关系,图35展示了不同车速范围内车辙深度下降百分比, 在相同荷载作用次数下,随着车速的增大,车辙深度逐渐减小,且车辙深度下降的百分比逐渐变小。车速对车辙深度的影响实质上是轮载作用时间的长短,车速越小使得轮载 作用时间越长,车辙发展时间增大,导致车辙累积量增大。在交叉路口和长陡纵坡,车 辆的车速较小,车流量较大,对路面车辙的影响较大。在道路设计的时候,应考虑到交 叉路口和长陡纵坡路面上车速对车辙的影响,采取措施来提高道路的抗车辙能力。
实施例6
本实施例为基于精细化轴载作用的路面车辙深度长期预测研究。
以某省某高速公路SG-SX段南行线为例计算车辙,首先计算沥青路面的温度场,选取每个月有代表性的一天的温度变化计算温度场,作为该月的温度场,共需要计算十 二个温度场,这里只列举了一月份和八月份两个月的温度场计算结果,其他月份的温度 场计算与此类似。从中国气象数据网站上搜集SG-SX段所在地区一月份和八月份的一 天24小时代表温度,具体见表12和表13所示
表12该地区一月份一天24小时代表气温(℃)
时刻 | 气温 | 时刻 | 气温 | 时刻 | 气温 | 时刻 | 气温 | 时刻 | 气温 |
0 | 11.2 | 5 | 8.5 | 10 | 18 | 15 | 21.9 | 20 | 15.9 |
1 | 10.4 | 6 | 8.9 | 11 | 18.1 | 16 | 21 | 21 | 15.1 |
2 | 9.2 | 7 | 12.1 | 12 | 20.5 | 17 | 19.5 | 22 | 14.7 |
3 | 8.8 | 8 | 13.1 | 13 | 21.4 | 18 | 17.7 | 23 | 14.1 |
4 | 7.5 | 9 | 14.4 | 14 | 24.6 | 19 | 17.5 | 24 | 11.2 |
表13该地区八月份一天24小时代表温度(℃)
时刻 | 气温 | 时刻 | 气温 | 时刻 | 气温 | 时刻 | 气温 | 时刻 | 气温 |
0 | 26.2 | 5 | 23.3 | 10 | 33.0 | 15 | 37.2 | 20 | 31.4 |
1 | 25.4 | 6 | 23.9 | 11 | 33.5 | 16 | 35.7 | 21 | 30.4 |
2 | 24.6 | 7 | 26.5 | 12 | 35.1 | 17 | 34.1 | 22 | 29.3 |
3 | 23.8 | 8 | 28.1 | 13 | 37.3 | 18 | 32.8 | 23 | 28.1 |
4 | 23.0 | 9 | 29.4 | 14 | 39.2 | 19 | 32.3 | 24 | 26.2 |
由太阳总辐射表测得该地区的太阳辐射强度,具体数据见表14和表15所示。
表14该地区一月份一天24小时太阳辐射强度(W/m2)
时刻 | 辐射 | 时刻 | 辐射 | 时刻 | 辐射 | 时刻 | 辐射 | 时刻 | 辐射 |
0 | 0 | 5 | 0 | 10 | 322 | 15 | 109 | 20 | 0 |
1 | 0 | 6 | 2 | 11 | 372 | 16 | 281 | 21 | 0 |
2 | 0 | 7 | 63 | 12 | 426 | 17 | 29 | 22 | 0 |
3 | 0 | 8 | 30 | 13 | 429 | 18 | 13 | 23 | 0 |
4 | 0 | 9 | 255 | 14 | 76 | 19 | 2 | 24 | 0 |
表15该地区八月份24小时太阳辐射强度(W/m2)
时刻 | 辐射 | 时刻 | 辐射 | 时刻 | 辐射 | 时刻 | 辐射 | 时刻 | 辐射 |
0 | 0 | 5 | 0 | 10 | 611 | 15 | 122 | 20 | 0 |
1 | 0 | 6 | 2 | 11 | 678 | 16 | 414 | 21 | 0 |
2 | 0 | 7 | 122 | 12 | 714 | 17 | 320 | 22 | 0 |
3 | 0 | 8 | 42 | 13 | 197 | 18 | 44 | 23 | 0 |
4 | 0 | 9 | 465 | 14 | 568 | 19 | 3 | 24 | 0 |
当地风速为2m/s,因风速不是主要考虑因素,这里假定风速不随时间变化。路面温度场分析热属性参数参考相关数据,见表16所示。后期将实测某省某高速公路的路面 结构材料的热属性参数,对沥青路面的温度场进一步修正。
表16路面温度场分析热属性参数
计算路面结构尺寸为宽3.75m,厚3m。沥青路面结构如图36(1)所示,模型采用DC2D8(八节点二次传热四边形单元)单元进行网格划分,共计8614个单元,最终网 格划分如图36(2)所示。
一月份和八月份面层以下不同深度处的温度变化情况和路面不同结构层在24小时 内的温度变化见图37和图38所示。
从图37可以看出,沥青路面结构层随外界气温的变化而变化,离路表越近,沥青路面结构层温度随外界气温的变化越明显。
从图38可以看出,随着深度的增加,沥青结构层的温度逐渐降低,且随着深度的增加,各结构层顶部的最高温度出现一定的延迟。
在获得沥青路面温度场的基础上,可知沥青路面不同面层的温度,为提高车辙计算 的精度,可对面层进行细分,每隔1cm划分一层,把不同温度下每一层的沥青混合料参数代入车辙计算模型,由荷载作用次数可对不同月份的车辙进行计算。
一年中每个月的车流量各不相同,一天中每个时刻的车流量也各不相同,通过对三 年的车流量进行统计分析,计算每个月的车流量比例和一天中每个时刻车流量比例,具体结果见表17和表18所示。
表17 SG-SX路段一年12个月每个月车流量比例
表18 SG-SX路段所在地区一天中某个时刻车流量比例
SG-SX段南行线是单向三车道,由统计结果可知每个车道的车道系数,见表19所示。
表19 SG-SX路段南行线车道系数
车道1 | 车道2 | 车道3 |
0.25 | 0.63 | 0.12 |
通过统计2016年的车流量,获得每个车道上车辆的平均车速,具体见表20所示。
表20 SG-SX路段南行线每个车道上车辆的平均车速(km/h)
车道1 | 车道2 | 车道3 |
90 | 70 | 80 |
对SG-SX路段南行线在2014年~2016年每年的当量轴次进行统计,统计结果见表22所示。
表21 SG-SX路段南行线每年的标准轴载作用次数
时间(年) | 2014 | 2015 | 2016 |
标准轴载作用次数(万次) | 1052 | 730 | 769 |
2015年车流量与2014年车流量相比减少了很多,原因是2014年9月底京珠高速复线——广乐高速通车对某省某高速公路有非常显著的分流,本实施例年车流量增长率为7%,以此往后计算每年的车流量。
随着时间和加载作用次数的增加,沥青路面会逐渐发生老化,沥青路面老化后路面 车辙深度增加越来越小,本实施例用沥青路面粘滞系数的时间硬化模型的参数B值表征沥青路面的老化,在车辙计算之前,还要确定某省沥青路面时间硬化模型的参数B值, B值与环境、路面结构材料及荷载情况有关,本实施例通过试算,找出路面车辙计算值 与实测值最接近的B值。试算结果见图39所示。
从图39可以看出,沥青路面时间硬化模型中B值的大小对路面车辙的影响较大,沥青路面车辙增加的速度随着时间的增加逐渐减小,这个过程一方面是混合料的压实, 另一方面因为沥青的老化也会造成后期车辙深度越来越小,而沥青在自然因素和荷载因 素作用下的老化很难由试验定量获得,本实施例通过试算来确定参数B值。本实施例通 过试算发现,B值取-0.42时的路面车辙衰变曲线与路面车辙实测值最接近。因此本实施 例后面的车辙计算中沥青路面时间硬化模型中B值定为-0.42。
SG-SX路段南行线在2014年、2015年和2016年总的标准轴载作用次数是1052万次、730万次和769万次。只要获得该路段一年的标准轴载作用次数,就能通过上述分 析获得每个车道上不同月份不同时刻的标准轴载作用次数,通过推导的车辙深度解析解 计算每个车道在每个月的车辙深度增加量,对不同月份的车辙深度增加量进行累加,把 SG-SX段南行线2014年7月的车辙检测值作为沥青路面车辙的初始值,车辙的初始值 与每个月的车辙深度累加值相加即可得到该月对应的车辙值,具体计算结果见图40所 示。
从图40可以看出,SG-SX段南行线车道2上的路面车辙深度的计算值和实测值的误差在4.5%以内,产生误差的原因一是本实施例是以月份对车流量进行统计,使用累 年最高温度和最低温度线性差值获得该月的温度变化,这和实际每天的温度变化还有一 定差距;二是车道2上使用的车速是调查统计的该车道上的平均车速,和实际该车道上 的车辆的车速有一定误差。整体上来看,实施例3中车辙的计算值能较为合理地反映路 面车辙深度指数(RDI)的变化规律。
从图40还可以看出,不同车道间车辙深度发展差异显著,车道2上的车辙是车道1上车辙的1.5~2倍,随着时间的增长,不同车道上的车辙差距还在不断加剧。车道2的 车辙深度发展最快,在2019年车辙深度指数由良衰减为中,车道1和车道3上车辙深 度发展较为缓慢,未来几年内这两个车道的车辙深度指标处于良。不同车道上车辙深度 发展差异显著的原因是车道划分和渠化交通的影响,不同车道上的交通量差异显著,不 同车型在不同车道上的分布也各不相同。在进行预养护规划时,应分车道进行预防性养 护设计,针对不同车道的状况设计不同的预养护措施分别进行养护,这样才能使有限的 资金发挥最大的效益。
按照上述计算方法计算其他路段的路面车辙深度,把精细化处理得到的不同路段区 间、不同车道、不同时间、不同车速的车流量数据代入车辙预估模型,以月度为单位逐次计算不同路段的车辙衰变情况,即获得不同路段的路面车辙衰变情况。
车辙深度指数(RDI)与车辙深度(RD)的对应关系见表22。
表22 RDI-RD对应关系
RDI | 90 | 80 | 70 | 60 | 0 |
RD(mm) | 5 | 10 | 15 | 20 | 23 |
把该高速公路南行线八个路段2014年7月的车辙检测值作为沥青路面车辙预测的初始值,把前面精细化处理得到的交通量数据代入车辙深度解析解,计算每个路段中车 流量最大的车道上的车辙,计算结果见图41所示。
从图41可以看出,该高速公路南行线八个路段的沥青路面车辙的计算值和实测值的误差在5.4%以内,误差较小。整体上看,本实施例车辙的计算值能较为合理地反映 路面车辙深度指数(RDI)的变化规律。从2014年往后某省某高速公路沥青路面车辙深度 指数(RDI)为优的路段逐渐减小,随着路龄的增加,车辙深度指数(RDI)为良和中的路段 比例逐渐增多。车辙深度指数(RDI)处于良的路段,应考虑采取预养护措施进行养护。 还可以看出,不同路段车辙深度差异较大,应分路段预测路面车辙的发展规律,使养护 部门准确掌握具体路段的路面车辙变化情况,制定科学有效的预防性措施,做出合理的 养护决策,针对不同路段开展精准的养护。
本发明的实施例以某省某高速公路的交通量多源数据为研究对象,将收费数据、监 控数据、养护数据、气象数据进行多源数据整合分析。由收费数据获得车辆的车型和轴重,由监控数据获得车辆所处的车道、车速和通行时间,通过车牌信息对不同车型的车 流分布和不同车道的车流分布进行关联。针对监控数据比收费数据少这一情况,利用贝 叶斯方法对收费数据和监控数据进行训练,进而获得通行车辆在不同路段、不同时段、 不同车速、不同车道的车流分布概率及不同车型的车流分布概率,最终获得不同区间路 段、不同车道上的轴载谱和车流分布特征,分析不同路段、不同车道、不同车速、不同 时段的车流分布特征。
如图1所示从沥青混合料的物理力学特性出发,根据半刚性基层沥青路面的特性,以粘弹性层状体系理论、Lame方程和土的本构方程为基础,建立多层体系沥青路面动 力响应控制方程,基于位移、应力连续性边界条件求解控制方程得到多层体系沥青路面 应力场的解析解。引入简化的Burgers模型,利用Burgers模型解析解简化计算单次荷载 作用下沥青路面的残余应变,同时引入沥青路面的时间硬化模型,获得多次移动荷载作 用下沥青路面车辙的显式表达式。分析了车速和时间硬化模型参数B对车辙的影响,并 基于精细化的交通量对路面车辙进行精准预测,通过与实测数据对比,修正车辙预测模 型进而提高车辙预测的精度。
显然,上述实施例仅仅是为清楚地说明所作的举例,而并非对实施方式的限定。对于所属领域的普通技术人员来说,在上述说明的基础上还可以做出其它不同形式的变化或变动。这里无需也无法对所有的实施方式予以穷举。而由此所引伸出的显而易见的变 化或变动仍处于本发明创造的保护范围之中。
Claims (10)
1.一种基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,包括:
S1:从交通数据中提取出交通量相关参数;
S2:建立一个车辙预测模型,并输入所提取的交通量相关参数,以输出沥青路面车辙深度;
其中S2步骤为:
S2.1:在交通量相关参数中,交通荷载作用于路面的应力分布是获得路面残余变形的前提,进而采用Burgers蠕变解析解获得沥青路面残余变形,对残余应变沿深度方向进行积分即可得到加载一次时的车辙深度;
S2.2:利用土的本构方程和层状体系理论,建立路面动力响应控制方程,荷载用移动条形荷载表示,把移动条形荷载转换成Fourier计算式并代入建立的控制方程中,基于相关假设和位移、应力连续性的边界条件获得沥青路面应力场的解析解;
S2.3:沥青路面应力场求解;
对于整个体系,求解控制方程通解,以求解应力场;
S2.4:路面车辙解析求解,得到多次荷载作用下沥青路面车辙深度公式:
其中:
式中:G*为固相在静止状态下的剪切模量,单位为MPa;
ν为Poisson比;
c为车速,单位为m/s;
E1,E2,η1,η2为Burgers模型参数;
t0为荷载作用时间,单位为s;
n为标准轴载作用次数,单位为次;
B为与沥青路面参数有关的系数;
通过调查沥青路面的年车流量增长率和往年的车流量即可得到未来每年的车流量,把未来每年的轴载作用次数代入公式(2)即可得到未来某时刻的沥青路面车辙深度。
2.根据权利要求1所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,为得到加载一次时的车辙深度,其中残余应变求解步骤如下:
车辙预测模型为Burgers蠕变模型,其变形包括三个方面:弹性变形、粘流和粘弹性变形;
Burgers蠕变模型的本构方程为:
式中:E1为Burgers模型刚度模量,单位为MPa;
E2为Burgers模型刚度模量,单位为MPa;
η1为Burgers模型粘度参数,单位为Pa·s;
η2为Burgers模型粘度参数,单位为Pa·s;
σ为应力,单位为MPa;
ε为应变;
将式(4)改写为
公式(5)是Burgers蠕变模型的本构方程,它是一个四参数的流体方程,能表示沥青混合料的粘弹性特性;
Burgers蠕变模型是由四个元件合成的,在t=0时,突然施加一个恒定应力σ0然后保持不变,得到应变如下:
γ(t)=σ0{1/E1+t/η1+(1/E2)[1-exp(-t/λ2)]} (7)
式中:λ2=η2/E2;
若在t=t0时卸去载荷,得到应变回复εr(t)如下:
εr(t)=σ0{t0/η1-(1/E2)[exp(-t/λ2)][1-exp(-t0/λ2)]} (8)
式中:λ2=η2/E2;t0为荷载作用时间,单位为s;
对公式(8)做如下简化,使时间t→∞,使回复应变得到充分的回复,则公式(8)简化为
εr(t∞)=σ0t0/η1 (9)
沥青路面的残余应变为:
Δε=γ(t0)-εr(t∞)=σ0{{1/E1+t0/η1+(1/E2)[1-exp(-t0/λ2)]}-t0/η1} (10)
从公式(10)可以看出括号内的量由Burgers蠕变模型的四个参数和加载时间t0确定,都是常量,残余应变是加载应力σ0的函数,因此,只要得到加载应力σ0,即可得到沥青路面的残余应变。
3.根据权利要求2所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,其中控制方程如下:
σx与σz是固相在x与z方向的正应力,单位为Pa;τzx是x-z平面的剪应力,单位为Pa;
用下面的表达式来表示二维平面应变问题:
τxz=-2Gεxz,τzx=-2Gεzx (13)
εv=εxx+εzz (15)
其中公式(12)右边的负号表示拉应力为负;σ′xx与σ′zz是水平方向有效应力和垂直方向有效应力,单位为Pa;εxx与εzz是沿x方向的应变与沿z方向的应变;ζx与ζz是x方向的位移和z方向的位移,单位为m;ν为Poisson比;G*为固相在静止状态下的剪切模量,单位为MPa,可以表示为:
式中δ为材料阻尼系数;G为固相在静止状态下的剪切模量,单位为MPa;
对于路面、基层和路基,其动态控制方程为:
(a)移动交通荷载
移动荷载函数t=0用Fourier级数可以表示如下:
和
式中荷载宽度为2l,强度为F,ωm=2πm/T;T是荷载的周期,为2L;m范围是-∞~+∞;
采用移动坐标系,移动荷载在任意时刻的Fourier级数表达式是:
根据Fourier变换,Fm可以表示为
4.根据权利要求3所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,控制方程边界条件如下:
只有得到积分常数Aijm才能求解控制方程;
假定轮胎和地面的接触剪应力为零,由此可得到如下边界条件:
上面层顶面(z=0):σ1z=F,τ1xz=0;
上面层底部(z=H1)位移边界条件:ξ1z=δ2与ζ1x=δ1。
5.根据权利要求1所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,所述交通数据包括:
收费数据,其包括出口收费流水数据、拆分流水明细数据、路段编码数据、收费站编码数据;其中,出口收费流水数据包括出口流水号、入口路段编码、入口站编号、入口日期及时间、出口路段编码、出口站编号、出口日期及时间、出口车型辆数、轴数、轴组数、总轴重、轴型、轴重、路段组合编码、起始站组合编码、结束站组合编码;其中,拆分流水明细数据包括出口流水号、起始站、结束站;其中,路段编码数据包括路段编码、路段名称;其中,收费站编码数据包括收费站编码、收费站名称、收费站经纬度、站类型、站序号、收费站所属路段;
监控数据,其包括高清卡口流水数据和高清卡口编码数据;其中,高清卡口流水数据包括流水号、设备编码、车道编码、过车时间、行驶方向编码、车牌号码;其中,高清卡口编码数据包括设备编码、路段编码、设备名称、设备里程桩号、经度坐标、纬度坐标、方向名称、断面编号;
养护数据,其包括路段区间数据、路面结构数据、路面定期检测结果数据;其中,路段区间数据包括路段区间编码、起始桩号、结束桩号、所属路段;其中,路面结构数据包括路线名称、方向、起点桩号、终点桩号、长度、修建年度、最近养护年度、设计弯沉;路面定检结果数据包括路段区间编码、定检结论;
气象数据,其包括高速公路沿线的温度和湿度数据以及行政区划。
6.根据权利要求5所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,在交通数据中筛选出行车路径、行车时间、出行车速以及轴载相关的数据;其中,行车路径经拆解得到路网模型相对应的各物理路段区间的轴载相关数据;交通数据中的轴组数据经拆解得到单个轴组的轴载数据;
在交通数据筛选中:
以出口时间筛选出相应的拆分流水明细数据,以拆分流水明细数据的出口流水号,筛选出每个路段的出口流水数据;
以抓拍时间筛选出相应的高清卡口流水数据,其中,抓拍的所有车牌皆合法;
将监控数据中获得的车辆车道分布情况,设置为整个路段的车辆车道分布情况;
将收费数据中丢失的数据忽略,然后保留的收费数据设置为完整。
7.根据权利要求6所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,通过路段编码把不同类型的数据统一到路网模型中,然后获得经过养护数据中心路网模型中的物理路段的每辆收费车辆的具体信息;
路段编码统一到路网模型的具体步骤为:
(1)把高清卡口流水数据导入MATLAB,提取出高清卡口编码,载入监控位置信息,加入路网模型的路段名称,把高清卡口编码中的路段编码转换成路网模型对应的路段编码;
(2)把原始收费数据中的收费明细流水数据导入MATLAB,获得对应的路网模型中各个站点的编号和站名,加入路网模型的路段名称,把出口收费流水数据中的路段编码转换成路网模型对应的路段编码;
(3)把气象数据导入MATLAB,提取出气象数据的路段编码信息,加入路网模型的路段名称,把行政区划和路网模型中的路段名称对应起来,把气象数据对应的路段编码转换成路网模型对应的路段编码;
(4)把检测数据导入MATLAB,提取出检测数据的路段编码信息,加入路网模型的路段名称,把检测数据中的路段编码转换成路网模型对应的路段编码。
8.根据权利要求7所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,使用贝叶斯方法对交通大数据中的收费数据和监控数据进行训练从而获得收费车辆在不同路段、不同时段、不同车速下不同车道的车流分布概率及不同车型的车流分布概率,按概率复原各路段车流分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情况。
9.根据权利要求8所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,训练的具体步骤如下:
(a1)贝叶斯公式:
利用样本信息x和参数θ,获得联合分布概率
h(x,θ)=p(x|θ)π(θ) (22)
需要给出p(x丨θ)及π(θ)的定义;
为了获得未知参数θ后验分布,利用样本信息得到样本的边缘密度函数
得到θ的条件分布
假设己观测的数据为x,未知参数为θ的分布函数为F(x,θ),在连续情况下的密度函数f(x,θ),则贝叶斯估计参数求解分为以下步骤;
步骤1:选择未知参数θ先验分布
假设θ的分布函数F(θ)和密度函数f(θ),分别是未知参数θ的先验分布和先验密度,在无先验信息时,选择均匀分布U(a,b)作为先验分布;
步骤2:确定似然函数
假设从先验分布π(θ)产生一个观测值θ,然后再假设从条件分布f(x|θ)中产生样本的值x=(x1,x2,……,xn),从而构造样本的似然函数:
步骤3:参数θ后验分布的确定
根据贝叶斯定律的条件概率分布,得到参数θ后验分布的密度函数:
步骤4:损失函数的选择
损失函数是刻画估计值与真实值之间的差距程度,采用似然函数的对数l(x,θ)=lnL(θ,x);
步骤5:估计参数
(a2)基于贝叶斯方法的收费数据和监控数据进行训练后,获得相应的后验概率,按概率复原各路段车流分布和轴载作用次数,按车流分布和轴载谱复原各路段轴载情况,进而获得不同路段的车流分布特征、不同车道的车流分布特征、不同车型的车流分布特征、不同车速的车流分布特征和不同时段的车流分布特征。
10.根据权利要求9所述基于精细化轴载作用的沥青路面车辙深度预测方法,其特征在于,提取车流量特征,并换算成标准轴载作用次数,以获得路段每个月份的累积标准轴载作用次数。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421179.2A CN114896767B (zh) | 2022-04-21 | 2022-04-21 | 一种基于精细化轴载作用的沥青路面车辙深度预测方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210421179.2A CN114896767B (zh) | 2022-04-21 | 2022-04-21 | 一种基于精细化轴载作用的沥青路面车辙深度预测方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114896767A true CN114896767A (zh) | 2022-08-12 |
CN114896767B CN114896767B (zh) | 2024-04-19 |
Family
ID=82716740
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210421179.2A Active CN114896767B (zh) | 2022-04-21 | 2022-04-21 | 一种基于精细化轴载作用的沥青路面车辙深度预测方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114896767B (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115562292A (zh) * | 2022-10-24 | 2023-01-03 | 广州市南电电力工程有限公司 | 一种用于电缆管道穿线机器人的综合控制系统 |
CN115620521A (zh) * | 2022-10-20 | 2023-01-17 | 山东大学 | 一种多车道高速公路的动态渠化交通调整方法及系统 |
CN115859656A (zh) * | 2022-12-16 | 2023-03-28 | 湖南华城检测技术有限公司 | 一种用于预测路面横向应变分布的系统及方法 |
CN117058536A (zh) * | 2023-07-19 | 2023-11-14 | 中公高科养护科技股份有限公司 | 一种基于双分支网络的路面病害识别方法、装置及介质 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107761528A (zh) * | 2017-11-14 | 2018-03-06 | 东南大学 | 一种基于实时高温天气和交通量的沥青路面车辙预报方法 |
CN107966548A (zh) * | 2017-11-09 | 2018-04-27 | 东南大学 | 一种沥青路面失稳型车辙发生时间的预测方法 |
CN110674732A (zh) * | 2019-09-21 | 2020-01-10 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
US20200164884A1 (en) * | 2018-11-26 | 2020-05-28 | Konica Minolta, Inc. | Road damage calculation system, road damage calculation method, and non-transitory recording medium storing road damage control program |
-
2022
- 2022-04-21 CN CN202210421179.2A patent/CN114896767B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107966548A (zh) * | 2017-11-09 | 2018-04-27 | 东南大学 | 一种沥青路面失稳型车辙发生时间的预测方法 |
CN107761528A (zh) * | 2017-11-14 | 2018-03-06 | 东南大学 | 一种基于实时高温天气和交通量的沥青路面车辙预报方法 |
US20200164884A1 (en) * | 2018-11-26 | 2020-05-28 | Konica Minolta, Inc. | Road damage calculation system, road damage calculation method, and non-transitory recording medium storing road damage control program |
CN110674732A (zh) * | 2019-09-21 | 2020-01-10 | 福建农林大学 | 一种融合多元数据的沥青路面车辙三维尺寸自动检测及定位方法 |
Non-Patent Citations (1)
Title |
---|
何兆益;雷婷;王国清;侯岩峰;: "基于动力问题的高等级公路沥青路面车辙预估方法", 土木工程学报, no. 03, 28 March 2007 (2007-03-28) * |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115620521A (zh) * | 2022-10-20 | 2023-01-17 | 山东大学 | 一种多车道高速公路的动态渠化交通调整方法及系统 |
CN115620521B (zh) * | 2022-10-20 | 2024-04-26 | 山东大学 | 一种多车道高速公路的动态渠化交通调整方法及系统 |
CN115562292A (zh) * | 2022-10-24 | 2023-01-03 | 广州市南电电力工程有限公司 | 一种用于电缆管道穿线机器人的综合控制系统 |
CN115562292B (zh) * | 2022-10-24 | 2023-07-18 | 广州市南电电力工程有限公司 | 一种用于电缆管道穿线机器人的综合控制系统 |
CN115859656A (zh) * | 2022-12-16 | 2023-03-28 | 湖南华城检测技术有限公司 | 一种用于预测路面横向应变分布的系统及方法 |
CN115859656B (zh) * | 2022-12-16 | 2023-08-15 | 湖南华城检测技术有限公司 | 一种用于预测路面横向应变分布的系统及方法 |
CN117058536A (zh) * | 2023-07-19 | 2023-11-14 | 中公高科养护科技股份有限公司 | 一种基于双分支网络的路面病害识别方法、装置及介质 |
CN117058536B (zh) * | 2023-07-19 | 2024-04-30 | 中公高科养护科技股份有限公司 | 一种基于双分支网络的路面病害识别方法、装置及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN114896767B (zh) | 2024-04-19 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN114896767B (zh) | 一种基于精细化轴载作用的沥青路面车辙深度预测方法 | |
CN107330217B (zh) | 一种基于rbfnn的中观油耗预测方法 | |
Mubaraki | Highway subsurface assessment using pavement surface distress and roughness data | |
CN104463348A (zh) | 一种沥青路面改造方案决策系统及方法 | |
CN107153737B (zh) | 基于力学-经验法的路面最佳轴载周期确定方法 | |
CN101532917A (zh) | 一种桥梁承载能力快速荷载试验方法 | |
CN104992049B (zh) | 一种以平面位置数据建立路面抗滑性能模型的方法 | |
Wang et al. | Impact of overweight traffic on pavement life using weigh-in-motion data and mechanistic-empirical pavement analysis | |
CN107273605A (zh) | 基于多重分类器系统的实测轴载谱确定方法 | |
Sun et al. | Highway performance prediction model of International Roughness Index based on panel data analysis in subtropical monsoon climate | |
CN111882875B (zh) | 一种用于沥青路面结构设计的一级和二级公路交通数据调查及统计方法 | |
CN110042714A (zh) | 一种应用于城市道路旧路维修改造的路面结构设计方法 | |
CN105701579A (zh) | 高原双车道二级公路基本路段交通事故预测方法 | |
Jannat | Database development for Ontario's local calibration of mechanistic–empirical pavement design guide (MEPDG) distress models | |
Bamdad Mehrabani et al. | Predicting operating speed: comparison of linear regression and structural equation models | |
CN116561876B (zh) | 一种场内道路沥青混凝土路面设计计算方法 | |
CN116910875B (zh) | 一种考虑生态效益的沥青路面全生命周期养护规划方法 | |
Dan et al. | A data fusion approach for estimating traffic distribution characteristics of expressway: A case study of guangdong province, china | |
Albuaymi | Implementation of AASHTOWare Pavement ME Design in Saudi Arabia | |
CN117251986A (zh) | 基于足尺沥青路面全寿命周期试验的平整度预测方法 | |
CN116956584A (zh) | 基于足尺沥青路面全寿命周期试验及反馈神经网络的构造深度预测方法 | |
Merza et al. | A Review of Studying the Relationship of Traffic Stream Characteristics and Noise Intensity with Flexible Pavement Surface Condition | |
CN116972796A (zh) | 基于足尺沥青路面全寿命周期试验及反馈神经网络的平整度预测方法 | |
CN116956583A (zh) | 基于足尺沥青路面全寿命周期试验的构造深度预测方法 | |
Svensson | Modeling pavement performance based on data from the Swedish LTPP database: predicting cracking and rutting |
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 |