CN115169604A - 基于大数据的道路建养方案决策方法、系统、设备及介质 - Google Patents
基于大数据的道路建养方案决策方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN115169604A CN115169604A CN202210720547.3A CN202210720547A CN115169604A CN 115169604 A CN115169604 A CN 115169604A CN 202210720547 A CN202210720547 A CN 202210720547A CN 115169604 A CN115169604 A CN 115169604A
- Authority
- CN
- China
- Prior art keywords
- road
- maintenance
- index
- data
- scheme
- 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
- 238000012423 maintenance Methods 0.000 title claims abstract description 258
- 238000000034 method Methods 0.000 title claims abstract description 70
- 238000010276 construction Methods 0.000 claims abstract description 130
- 238000011156 evaluation Methods 0.000 claims abstract description 99
- 230000008901 benefit Effects 0.000 claims abstract description 57
- 238000001514 detection method Methods 0.000 claims description 22
- 239000002131 composite material Substances 0.000 claims description 4
- 230000008439 repair process Effects 0.000 description 18
- 230000008569 process Effects 0.000 description 9
- 238000004891 communication Methods 0.000 description 7
- 238000010586 diagram Methods 0.000 description 5
- 230000008859 change Effects 0.000 description 4
- 239000004567 concrete Substances 0.000 description 4
- 230000006870 function Effects 0.000 description 4
- 230000009191 jumping Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 241001347978 Major minor Species 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000003745 diagnosis Methods 0.000 description 2
- 238000005516 engineering process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 239000011384 asphalt concrete Substances 0.000 description 1
- 238000009412 basement excavation Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000009472 formulation Methods 0.000 description 1
- 230000002452 interceptive effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000003801 milling Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002035 prolonged effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/20—Administration of product repair or maintenance
-
- 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
- G06Q50/08—Construction
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及公路养护技术领域,公开了一种基于大数据的道路建养方案决策方法、系统、设备及介质,其方法包括:获取每单元道路的评定单元数据;根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;选取所述CII达到预设阈值的道路修建养护方案作为目标方案。通过将每单元道路的评定单元数据作为数据支撑,依据基础属性分类后确定对应方案CII值的方式确定目标方案,提高了目标执行方案的客观性和数据精确性,并进一步的提高了对道路进行修建养护的经济效益。
Description
技术领域
本发明涉及道路养护技术领域,尤其涉及一种基于大数据的道路建养方案决策方法、系统、设备及介质。
背景技术
在道路进行使用的过程中,随着时间的推移道路损坏不可避免,其性能也会逐渐降低,如果不及时进行维修和养护,路面的破损程度逐步加重,降低了道路的使用性能和寿命,严重时甚至会影响道路上的行车安全,对于损坏程度较低仍满足使用需求的道路,只需实施日常养护工作进行简单维护,对于损坏程度过高已无法满足使用的道路,就要实施大中修养护工程,以保证道路处于良好的服务水平。通常情况下,对道路实施经济合理的原始路面修建方案、后期大中修养护方案能够保证路面具有良好的使用性能,合理的道路修建养护方案能够延缓大中修周期,减少长期维修养护费用支出,得到良好的经济收益和社会效益。
然而,在现有的基于大数据的道路建养方案决策方法中通常是通过技术人员基于现行行业标准和多年的工作经验制定道路修建养护方案。一方面,虽有行业规范作为制定依据,但是我国幅员辽阔,地区之间存在着很大的差异,行业规范并不能完全适用所有情况,给人为操作留下了很大的空间,实际落地的执行方案存在较大的主观性;另一方面,技术人员根据经验进行详细的方案制定,因不同技术人员的经验差异以及道路实际情况的差异,制定出经济合理的修建养护方案的难度大。
综上所述,现有的基于行业标准以及技术人员工作经验确定的道路修建养护方案主观性强,经济效益低。
发明内容
本发明的主要目的在于提出一种基于大数据的道路建养方案决策方法、系统、设备及介质,旨在解决现有道路修建养护方案主观性强,经济效益低的问题。
为实现上述目的,本发明提供一种基于大数据的道路建养方案决策方法,所述基于大数据的道路建养方案决策,具体包括如下步骤:
获取每单元道路的评定单元数据;
根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
优选地,所述基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII的步骤,包括:
基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI;
基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII。
优选地,所述基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI的步骤,包括:
基于预设的路况计算规则,根据所述状况指标分数的路面路况指标RCI以及所述道路评定单元的年份差,计算得出道路修建养护方案对应的路况衰减指数CAI;
基于预设的效益计算规则,根据所述道路评定单元的修建养护费用以及所述道路评定单元的年份差,计算得出道路修建养护方案中每单元道路的投资效益指数IBI。
优选地,所述基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII的步骤,包括:
基于预设的投资指数计算规则,在所述路况衰减指数CAI与投资效益指数IBI中加入预设权重进行计算,确定所述道路修养护方案对应的综合投资指数CII。
优选地,在所述获取每单元道路的评定单元数据的步骤之前,还包括:
获取所述每单元道路预设年份的检测数据;
将所述检测数据出现预设数据异常的年份对应的检测数据进行异常剔除,确定所述每单元道路进行指数计算的评定单元数据。
优选地,所述根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案的步骤,包括:
在所述评定单元数据的基础属性中选取对所述单元道路进行分类的分类依据;
基于所述分类依据,对所述单元道路进行分类,并确定对应的分类结果;
基于所述单元道路根据所述分类依据的分类结果,确定所述分类依据对应的道路修建养护方案。
优选地,所述选取所述CII达到预设阈值的道路修建养护方案作为目标方案的步骤,包括:
将每单元道路的所述道路修建养护方案对应的CII按照预设计算公式计算,获取所述单元道路对应整体道路的综合投资指数CII;
将所述整体道路的综合投资指数CII,按照预设顺序进行排序,并选取达到预设标准的综合投资指数CII;
将所述达到预设标准的CII对应的道路修建养护方案作为目标方案。
此外,为实现上述目的,本发明实施例还提出一种方案决策系统,所述方案决策系统包括:
数据获取模块,用于获取每单元道路的评定单元数据;
属性分类模块,用于根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
指数计算模块,用于基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
方案选取模块,用于选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
优选地,所述数据获取模块用于:
获取所述每单元道路预设年份的检测数据;
将所述检测数据出现预设数据异常的年份对应的检测数据进行异常剔除,确定所述每单元道路进行指数计算的评定单元数据。
优选地,所述属性分类模块用于:
在所述评定单元数据的基础属性中选取对所述单元道路进行分类的分类依据;
基于所述分类依据,对所述单元道路进行分类,并确定对应的分类结果;
基于所述单元道路根据所述分类依据的分类结果,确定所述分类依据对应的道路修建养护方案。
优选地,所述指数计算模块用于:
基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI;
基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII。
优选地,所述指数计算模块用于:
基于预设的路况计算规则,根据所述状况指标分数的路面路况指标RCI以及所述道路评定单元的年份差,计算得出道路修建养护方案对应的路况衰减指数CAI;
基于预设的效益计算规则,根据所述道路评定单元的修建养护费用以及所述道路评定单元的年份差,计算得出道路修建养护方案中每单元道路的投资效益指数IBI。
优选地,所述指数计算模块用于:
基于预设的投资指数计算规则,在所述路况衰减指数CAI与投资效益指数IBI中加入预设权重进行计算,确定所述道路修养护方案对应的综合投资指数CII。
优选地,所述方案选取模块用于:
将每单元道路的所述道路修建养护方案对应的CII按照预设计算公式计算,获取所述单元道路对应整体道路的综合投资指数CII;
将所述整体道路的综合投资指数CII,按照预设顺序进行排序,并选取达到预设标准的综合投资指数CII;
将所述达到预设标准的CII对应的道路修建养护方案作为目标方案。
此外,为实现上述目的,本发明实施例还提出一种设备,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建养方案决策程序,所述建养方案决策程序被所述处理器执行实现如上所述的基于大数据的道路建养方案决策方法步骤。
此外,为实现上述目的,本发明还提供一种介质,所述介质为计算机可读存储介质,所述计算机可读存储介质上存储有建养方案决策程序,所述建养方案决策程序被处理器执行时实现如上所述的基于大数据的道路建养方案决策方法的步骤。
本发明提出的基于大数据的道路建养方案决策方法、系统、设备及介质,所述基于大数据的道路建养方案决策方法的步骤包括:获取每单元道路的评定单元数据;根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
相比在现有技术中基于行业规范和技术人员的行业经验确定道路进行修建养护的目标方案,本发明将路网建养历史大数据中每单元道路的评定单元数据作为基础支撑,并基于每单元道路的评定单元数据,确定该道路评定单元的综合投资指数CII,从而确定不同基础属性道路对应的道路修建养护方案,最终基于上述CII达到预设阈值对应的道路修建养护方案作为目标方案,比如最优修建、大中修养护方案,在基于大数据的道路建养方案决策的过程中使得目标方案更加贴合实际,提高了道路修建养护方案的客观性和数据精确性,并进一步的提高了对道路进行修建养护的经济效益。
附图说明
图1为本发明基于大数据的道路建养方案决策方法实施例方案涉及的硬件运行环境的设备结构示意图;
图2为本发明基于大数据的道路建养方案决策方法第一实施例的流程示意图;
图3为本发明基于大数据的道路建养方案决策方法第二实施例的流程示意图;
图4为本发明基于大数据的道路建养方案决策方法第二实施例中步骤S31的子流程示意图;
图5为本发明基于大数据的道路建养方案决策方法第三实施例的流程示意图;
图6为本发明基于大数据的道路建养方案决策方法第四实施例中步骤S100的具体流程示意图;
图7为本发明基于大数据的道路建养方案决策方法第四实施例的流程示意图;
图8为本发明基于大数据的道路建养方案决策方法的方案决策系统的功能模块示意图。
本发明目的的实现、功能特点及优点将结合实施例,参照附图做进一步说明。
具体实施方式
应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
具体地,参照图1,图1为本发明基于大数据的道路建养方案决策方法实施例方案涉及的硬件运行环境的设备结构示意图。
如图1所示,该设备可以包括:处理器1001,例如CPU,网络接口1004,用户接口1003,存储器1005,通信总线1002。其中,通信总线1002用于实现这些组件之间的连接通信。用户接口1003可以包括显示屏(Display)、输入单元比如键盘(Keyboard),可选用户接口1003还可以包括标准的有线接口、无线接口。网络接口1004可选的可以包括标准的有线接口、无线接口(如WI-FI接口)。存储器1005可以是高速RAM存储器,也可以是稳定的存储器(non-volatile memory),例如磁盘存储器。存储器1005可选的还可以是独立于前述处理器1001的存储装置。
如图1所示,作为一种计算机存储介质的存储器1005中可以包括操作系统、网络通信模块、用户接口模块以及功能控制程序。其中,操作系统是管理和控制设备硬件和软件资源的程序,支持功能控制程序以及其它软件或程序的运行;网络通信模块用于管理和控制网络接口1002;用户接口1003主要用于与客户端进行数据通信;网络接口1004主要用于与服务器建立通信连接;而处理器1001可以用于调用存储器1005中存储的功能控制程序,并执行下述数字卡片的功能控制方法各个实施例中的操作。
本领域技术人员可以理解,图1中示出的设备结构并不构成对设备的限定,可以包括比图示更多或更少的部件,或者组合某些部件,或者不同的部件布置。
为了更好的理解上述技术方案,下面将参照附图更详细地描述本公开的示例性实施例。虽然附图中显示了本公开的示例性实施例,然而应当理解,可以以各种形式实现本公开而不应被这里阐述的实施例所限制。相反,提供这些实施例是为了能够更透彻地理解本公开,并且能够将本公开的范围完整的传达给本领域的技术人员。
基于上述终端设备架构但不限于上述架构,提出本发明基于大数据的道路建养方案决策方法实施例。
具体地,参照图2,图2为本发明基于大数据的道路建养方案决策方法第一实施例的流程示意图,所述基于大数据的道路建养方案决策方法包括:
步骤S10,获取每单元道路的评定单元数据;
步骤S20,根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
步骤S30,基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
步骤S40,选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
本申请实施例基于大数据的道路建养方案决策方法本发明将路网建养历史大数据中每单元道路的道路评定单元数据作为基础支撑,并基于每单元道路的道路评定数据对应的状况指标分数确定该道路评定单元的综合投资指数,从而确定不同基础属性道路对应方案中的最优修建、大中修养护的目标方案。
以下将对各个步骤进行详细说明:
步骤S10,获取每单元道路的评定单元数据;
在一具体的实施例中,用户可通过方案决策系统的交互界面选择需要进行分析的路线范围,上述路线范围内的道路评定单元都有其对应的基础属性和状况指标分数,在本实施例中,上述道路评定单元具体的是以道路一公里为一个道路评定单元,每个道路评定单元都存在其对应的历史修建、大中修养护数据以及基础属性数据。
具体地,上述历史修建、大中修养护数据可以包括道路评定单元的修建年份、修建年份对应的状况指标分数、进行大中修养护年份、进行大中修养护年份对应的道路状况指标分数;对所述道路评定单元进行指标检测的年份、进行指标检测年份对应的道路状况指标分数;各单元道路原始修建方案及费用、历年大中修养护方案及费用、历年日常养护费用等。
需要进行具体解释的是,上述道路状况指数可以包括但不限于,路面技术状况指数PQI(PavementMaintenanceQualityIndex)、路面损坏状况指数PCI(PavementSurlaceConditionIndex)、路面行驶质量指数RQI(PavementRidingQualityIndex)、路面车辙深度指数RDI(PavementRutingDeptbIndex)、路面抗滑性能指数SRI(PavementSkiddingResistanceIndex)、路面跳车指数PBI(PavementBumpingIndex)、路面磨耗指数PWI(Pavement Surface Wearing Index)、路面结构强度指数PSSI(Pavement Structure Strength Index)。
进一步地,上述路线范围内各个道路评定单元的基础属性数据可以包括:行政区划、气候类型、地形地貌、技术等级、设计时速等基本属性,上述道路评定单元的基础属性数据是固定不变的,即道路评定单元的基础属性数据并不会随着时间的推移而发生性质变化,可以作为上述道路评定单元进行类别分类的分类依据。
步骤S20,根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
在一具体的实施例中,根据上述已知的各个道路评定单元的基础数据可以包括行政区划、气候类型、地形地貌、技术等级、设计时速等基本属性,且上述基础数据因其固定性可以作为进行类别分类的分类依据。
进一步地,对每单元道路的评定单元数据中的基础属性做偏向性划分,判断所述单元道路以哪项基础属性作为划分依据更加合适,在本实施例的上述判断过程中,判断依据可以是基于路网建养历史大数据,也可以是基于技术人员的行业经验,在此不做限定。
进一步地,根据上述已确定的基础属性作为分类依据,确定道路评定单元对应的确定基础属性,再根据上述确定基础属性分类下对应的路网建养历史大数据中的历年修建、大中修养护方案进行匹配,确定基础属性对应的道路修建养护方案。
具体地,当用户在系统中选取了一段待分析道路,系统自动确定该待分析道路的对应基础属性,具体基础属性对应如表1:
行政区划 | 气候类型 | 地形地貌 | 技术等级 | 设计时速 | 养护性质 |
上海市 | 亚热带季风 | 平原 | 高速公路 | 120km/h | 中修 |
表1
进一步地,基于路网建养历史大数据对上述待分析道路作为分类依据的基础属性进行偏向性划分,确定在上述待分析道路的基础属性中,当养护性质,和或是技术等级作为分类依据时,更符合数据要求。进一步地,根据上述待分析道路的作为划分依据的基础属性,确定该基础属性类别下对应的道路修建养护方案,上述道路修建养护方案与上述基础属性的对应关系可以是在该基础属性类型下进行道路修建、大中养护方案的历年数据中对应的道路建养方案,也可以是根据特定的对应关系进行基础数据与道路修建养护方案对应存储,在此对作为划分依据的基础属性和道路修建养护方案之间的对应关系不做具体的限定。具体地,在上述高速公路进行维护的中修方案可以是直接加铺罩面5cm沥青碎石,也可以是表面层铣刨重铺6cm细粒式沥青混凝土。
步骤S30,基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
在一具体实施例中,根据上述每个道路评定单元都存在其对应的历史修建、大中修养护数据中的状况指标分数,计算根据基础属性进行分类后的某一类基础属性对应的道路修建养护方案的综合投资指数CII,上述某一类基础属性对应的道路修建养护方案中包含多个不同的具体道路修建养护方案,每个具体道路修建养护方案都有其对应的综合投资指数CII。
进一步地,上述综合投资指数CII获取的方式可以是,通过计算执行上述具体道路修建养护方案方中的道路评定单元的路况衰减指数CAI以及执行上述具体道路修建养护方案的投资效益指数IBI,确定上述具体道路修建养护方案针对道路评定单元的综合投资指数CII。通过路况衰减指数CAI以及投资效益指数IBI计算综合投资指数CII的具体公式如下:
CII=a×CAI+b×IBI,其中,a、b为权重参数。
上述权重参数可以根据用户不同的需求进行调整,路况衰减指数CAI的数值在一定程度上可以体现对应的道路修建养护方案的社会效益,投资效益指数IBI的数值在一定程度上可以体现对应的道路修建养护方案的经济效益,通过上述综合投资指数计算规则确定综合投资指数CII,实现了根据综合投资指数CII选取对应的道路修建养护方案的过程中客户能在社会效益与经济效益之间进行偏重选择。
步骤S40,选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
在一具体实施例中,根据上述计算得出的每类下不同修建方案、大中修建养护方案所对应的综合投资指数CII,比较不同道路修建养护方案对应的CII值的大小,取CII值最小对应的道路修建养护方案,作为该基础属性类型下的最优修建方案或大中修养护方案。
在本实施例通过将路网建养历史大数据中每单元道路的道路评定单元数据作为基础支撑,并基于每单元道路的道路评定数据对应的状况指标分数确定该道路评定单元的综合投资指数,从而确定不同基础属性道路对应方案中的最优修建、大中修养护的目标方案,在基于大数据的道路建养方案决策的过程中使得目标方案更加贴合实际,提高了目标执行方案的客观性和数据精确性,并进一步的提高了对道路进行修建养护的经济效益。
进一步地,基于本申请实施例基于大数据的道路建养方案决策方法的第一实施例,提出本申请实施例基于大数据的道路建养方案决策方法的第二实施例。
基于大数据的道路建养方案决策方法的第二实施例与基于大数据的道路建养方案决策方法的第一实施例的区别在于,本实施例是对步骤S30,“基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII”的细化,参照图3,具体包括:
步骤S31,基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI;
具体地,参照图4,步骤S31具体包括:
步骤S311,基于预设的路况计算规则,根据所述状况指标分数的路面路况指标RCI以及所述道路评定单元的年份差,计算得出道路修建养护方案对应的路况衰减指数CAI;
在一具体实施例中,通过计算每个评定单元路况指标衰减值ΔRCI,即初始年份道路评定单元的指标得分,减末期年份道路评定单元的指标得分,获取在上述初始年份到末期年份该道路评定单元路况指标的衰减值CAI,具体步骤如下;
步骤A,计算每个评定单元年份差ΔT,即末期年份tn减初始年份t1;
步骤B,计算每个评定单元路况衰减指数CAI,路况衰减指数的具体计算公式如下:
步骤C,计算以基础属性作为分类依据的某一基础属性类型下所包含的不同修建方案、大中修养护的道路修建养护方案的路况衰减指数,具体计算公式如下:
其中,上述RCI为路面路况指标,RCI包括但不限于路面技术状况指数PQI(PavementMaintenanceQualityIndex)、路面损坏状况指数PCI(PavementSurlaceConditionIndex)、路面行驶质量指数RQI(PavementRidingQualityIndex)、路面车辙深度指数RDI(PavementRutingDeptbIndex)、路面抗滑性能指数SRI(PavementSkiddingResistanceIndex)、路面跳车指数PBI(PavementBumpingIndex)、路面磨耗指数PWI(Pavement Surface Wearing Index)、路面结构强度指数PSSI(Pavement Structure Strength Index)。进一步地,上述在计算道路评定单元路况指标的衰减值CAI的各计算公式中,t为年份,m为以基础属性作为分类依据的某一基础属性类型下所包含的不同修建方案、大中修养护的道路修建养护方案所对应的评定单元数量。
步骤S312,基于预设的效益计算规则,根据所述道路评定单元的修建养护费用以及所述道路评定单元的年份差,计算得出道路修建养护方案中每单元道路的投资效益指数IBI。
在一具体实施例中,通过计算每个评定单元的修建费用或进行大中修的道路养护方案所用的费用,以及每个评定单元每年的日常养护费用,并基于上述费用计算出不同修建方案、大中修养护的道路修建养护方案的投资效益指数IBI,具体步骤如下:
步骤E,计算该类型下各个评定单元修建方案或大中修养护的道路修建养护方案费用与实施该方案后的日常养护总费用B,其中,上述日常养护方案总费用的计算公式如下:
步骤F,计算每个评定单元进行大中修的年份差ΔT,即末期年份tn减修建年份t0或该道路评定单元进行大中修的具体年份;
步骤H,计算每类下不同修建方案、大中修养护对应的道路修建养护方案的投资效益指数IBI,具体计算公式如下:
其中,在上述在计算道路修建养护方案的投资效益指数IBI的各计算公式中,t为年份,m为以基础属性作为分类依据的某一基础属性类型下所包含的不同修建方案、大中修养护的道路修建养护方案所对应的评定单元数量。
步骤S32,基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII。
具体地,所述基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII的步骤,包括:
基于预设的投资指数计算规则,在所述路况衰减指数CAI与投资效益指数IBI中加入预设权重进行计算,确定所述道路修养护方案对应的综合投资指数CII。
在一具体实施例中,通过计算执行上述具体道路修建养护方案方中的道路评定单元的路况衰减指数CAI以及执行上述具体道路修建养护方案的投资效益指数IBI,确定上述具体道路修建养护方案针对于道路评定单元的综合投资指数CII。通过路况衰减指数CAI以及投资效益指数IBI计算综合投资指数CII的具体公式如下:
CII=a×CAI+b×IBI,其中,a、b为权重参数。
上述权重参数可以根据用户不同的需求进行调整,路况衰减指数CAI的数值在一定程度上可以体现对应的道路修建养护方案的社会效益,投资效益指数IBI的数值在一定程度上可以体现对应的道路修建养护方案的经济效益,通过上述综合投资指数计算规则确定综合投资指数CII,实现了根据综合投资指数CII选取对应的道路修建养护方案的过程中客户能在在社会效益与经济效益之间进行偏重选择。
进一步地,所述基于大数据的道路建养方案决策方法的步骤还包括:
将每单元道路的所述道路修建养护方案对应的CII按照预设计算公式计算,获取所述单元道路对应整体道路的综合投资指数CII;
将所述整体道路的综合投资指数CII,按照预设顺序进行排序,并选取达到预设标准的综合投资指数CII;
将所述达到预设标准的CII对应的道路修建养护方案作为目标方案。
在一具体实施例中,首先计算每单元道路根据作为划分依据的基础属性进行划分后对应的道路修建养护方案对应的每单元道路的综合投资指数CII,再通过将每单元的综合投资指数CII进行预设的和运算,计算得到单元道路所在的整体道路在划分后对应道路修建养护方案对应的综合投资指数CII。
进一步地,基于上述整体道路对应的综合投资指数CII,确定该条道路每个对应道路修建养护方案的综合投资指数CII,在本实施例的具体实施方式中是选取上述综合投资指数CII的最小值对应的道路修建养护方案作为上述单元道路对应的整体道路的目标建养方案。
例如,若一条整体道路包含单元1、单元2、单元3和单元4四个道路单元,进行特定分类后,其对应的修建方案包括方案1、方案2、方案3和方案4;对应的大修方案包括方案1、方案2、方案3和方案4;对应的中修方案包括方案1、方案2、方案3和方案4,进一步地,上述修建方案、大修方案和中修方案中的每个方案都能计算到其对应的综合投资指数CII,通过对每个方案的组合,实现上述整体道路的修建方案,将运用到的方案对应的综合投资指数进行预设的和运算,确定上述整体道路进行对应方案建养的综合投资指数CII,并将该综合投资指数CII的最小值对应的组合方案作为整体道路进行建养的目标方案。
本实施例通过在寻求最优修建及大中修养护方案过程中,一方面,充分利用道路检测和进行修建养护的大量数据资源,实现基于大数据的挖掘并应用与道路修建养护方案的确定,使得具体确定的目标方案更加贴合道路评定单元所在公路的实际情况,目标方案基于大数据进行确定,数据更加精细;另一方面,本实施例通过权重参数的代入,在实现多种类型下最优方案的确定的同时,通过对路况衰减指数CAI以及投资效益指数IBI进行计算,确定目标的综合投资指数CII,并根据该综合投资指数CII选取实现社会效益和经济效益的相对平衡的道路修建养护方案。
进一步地,基于本申请实施例基于大数据的道路建养方案决策方法第一实施例和第二实施例,提出本申请实施例基于大数据的道路建养方案决策方法的第三实施例。
基于大数据的道路建养方案决策方法的第三实施例与诊断教学方法的第一、第二、第三实施例的区别在于,本实施例是对步骤S20,“根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案”的细化,参照图5,具体包括:
步骤S21,在所述评定单元数据的基础属性中选取对所述单元道路进行分类的分类依据;
步骤S22,基于所述分类依据,对所述单元道路进行分类,并确定对应的分类结果;
在一具体实施例中,上述道路评定单元的基础属性数据可以包括:行政区划、气候类型、地形地貌、技术等级、设计时速等基本属性,上述道路评定单元的基础属性数据是固定不变的,即道路评定单元的基础属性数据并不会随着时间的推移而发生性质变化,可以作为上述道路评定单元进行类别分类的分类依据。
进一步地,对每单元道路的评定单元数据中的基础属性做偏向性划分,判断所述单元道路以哪项基础属性作为作为划分依据更加合适,在本实施例的上述判断过程中,判断依据可以是基于路网建养历史大数据,也可以是基于技术人员的行业经验,进一步地,基于路网建养历史大数据在上述基础属性数据中选取一具体基础属性作为分类依据进行分类,并确定分类后的分类结果。
步骤S22,基于所述单元道路根据所述分类依据的分类结果,确定所述分类依据对应的道路修建养护方案。
在一具体实施例中,根据上述单元道路的作为划分依据的基础属性,确定该基础属性类别下对应的道路修建养护方案,上述道路修建养护方案与上述基础属性的对应关系可以是该基础属性类型下进行道路修建、大众养护方案的历年数据,也可以是根据特定的对应关系进行基础数据与道路修建养护方案对应存储,在此对作为划分依据的基础属性和道路修建养护方案之间的对应关系不做具体的限定。
在本实施例通过基础属性对道路评定单元进行分类,再获取以某一基础属性为类型对应的道路修建、大中修道路养护方案,以大数据为道路养护方案决策的基础,让进行计算的数据更加精细,提高了道路修建养护方案的客观性。
进一步地,基于本申请实施例基于大数据的道路建养方案决策方法第一实施例、第二实施例和第三实施例,提出本申请实施例基于大数据的道路建养方案决策方法的第四实施例。
基于大数据的道路建养方案决策方法的第四实施例与诊断教学方法的第一、第二、第三实施例的区别在于,本实施例是在步骤S10,“获取每单元道路的评定单元数据”之前,还包括:
步骤S100,对每单元的道路数据进行数据异常处理。
参照图6,图6为步骤S100的具体流程示意图,具体是对本实施例基于大数据的道路建养方案决策进行所需要的道路评定单元数据进行异常数据处理,确保基础数据的准确性,保证目标方案的精准性。
参照图7,步骤S100具体包括:
步骤S101,获取所述每单元道路预设年份的检测数据;
步骤S102,将所述检测数据出现预设数据异常的年份对应的检测数据进行异常剔除,确定所述每单元道路进行指数计算的评定单元数据。
在一具体实施例中,获取历史修建、大中修养护数据,上述历史修建、大中修养护数据可以包括道路评定单元所在道路进行修建和大中修养护的修建养护数据以及上述道路评定单元所在道路进行检测的检测数据,其中,进行检测的预设年份可以是一年一检,也可以是三年一检测,在对检测数据的年份时间间隔此不做限定。
进一步地,上述修建养护数据包括:道路评定单元的修建年份、修建年份对应的状况指标分数、进行大中修养护年份、进行大中修养护年份对应的道路状况指标分数;上述检测数据包括:对所述道路评定单元进行指标检测的年份、进行指标检测年份对应的道路状况指标分数;另外还包括各道路评定单元所在道路原始修建方案及费用、历年大中修养护方案及费用、历年日常养护费用等数据。
具体地,将每个道路评定单元进行修建的修建年份、进行大中修的年份对应的指标得分进行删除,然后,再将道路评定单元末期年份指标得分值大于初始年份值的数据异常单元进行剔除。
本实施例通过将大量修建、大中修养护数据作为支撑,同时对异常数据进行了剔除,保证了数据的准确性,使基础数据更加客观、科学。
此外,本发明实施例还提出一种方案决策系统,参照图8,图8为本发明基于大数据的道路建养方案决策方法实施例方案涉及的方案决策系统的功能模块示意图。如图8所示,所述方案决策系统包括:
数据获取模块10,用于获取每单元道路的评定单元数据;
属性分类模块20,用于根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
指数计算模块30,用于基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
方案选取模块40,用于选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
优选地,所述属性分类模块,包括:
分类依据选取单元:用于在所述评定单元数据的基础属性中选取对所述单元道路进行分类的分类依据;
数据划分单元,用于基于所述分类依据,对所述单元道路进行分类,并确定对应的分类结果;
方案匹配单元,用于基于所述单元道路根据所述分类依据的分类结果,确定所述分类依据对应的道路修建养护方案。
优选地,所述指数计算模块,包括:
指数计算单元,用于基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI;
指数确定单元,用于基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII。
优选地,所述方案选取模块,包括:
指数排序单元,用于将基于不同基础属性进行分类的所述道路修建养护方案对应的综合投资指数CII按照预设顺序进行排序;
方案选取单元,用于在所述预设顺序中选取达到预设标准的综合投资指数CII;将所述达到预设标准的CII对应的道路修建养护方案作为目标方案。
本实施例实现基于大数据的道路建养方案决策的原理及实施过程,请参照上述各实施例,在此不再赘述。
此外,本发明实施例还提出一种设备,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建养方案决策程序,所述建养方案决策程序被所述处理器执行时实现如上述实施例所述的基于大数据的道路建养方案决策方法的步骤。
此外,为实现上述目的,本发明还提供一种介质,所述介质为计算机可读存储介质,所述计算机可读存储介质上存储有建养方案决策程序,所述建养方案决策程序被处理器执行时实现如上所述的基于大数据的道路建养方案决策方法的步骤。
由于本建养方案决策程序被处理器执行时,采用了前述所有实施例的全部技术方案,因此至少具有前述所有实施例的全部技术方案所带来的所有有益效果,在此不再一一赘述。
需要说明的是,在本文中,术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含,从而使得包括一系列要素的过程、方法、物品或者系统不仅包括那些要素,而且还包括没有明确列出的其他要素,或者是还包括为这种过程、方法、物品或者系统所固有的要素。在没有更多限制的情况下,由语句“包括一个……”限定的要素,并不排除在包括该要素的过程、方法、物品或者系统中还存在另外的相同要素。
上述本发明实施例序号仅仅为了描述,不代表实施例的优劣。
通过以上的实施方式的描述,本领域的技术人员可以清楚地了解到上述实施例方法可借助软件加必需的通用硬件平台的方式来实现,当然也可以通过硬件,但很多情况下前者是更佳的实施方式。基于这样的理解,本发明的技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来,该计算机软件产品储存在如上所述的一个储存介质(如ROM/RAM、磁碟、光盘)中,包括若干指令用以使得一台终端设备(可以是手机,计算机,服务器,或者网络设备等)执行本发明各个实施例所述的方法。
以上仅为本发明的优选实施例,并非因此限制本发明的专利范围,凡是利用本发明说明书与附图内容所作的等效结构或等效流程变换,或直接或间接运用在其他相关的技术领域,均同理包括在本发明的专利保护范围内。
Claims (10)
1.一种基于大数据的道路建养方案决策方法,其特征在于,所述基于大数据的道路建养方案决策方法包括:
获取每单元道路的评定单元数据;
根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
2.如权利要求1所述的基于大数据的道路建养方案决策方法,其特征在于,所述基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII的步骤,包括:
基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI;
基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII。
3.如权利要求2所述的基于大数据的道路建养方案决策方法,其特征在于,所述基于预设的计算规则,根据所述评定单元数据的状况指标分数以及道路评定单元的修建养护费用,分别确定路况衰减指数CAI和投资效益指数IBI的步骤,包括:
基于预设的路况计算规则,根据所述状况指标分数的路面路况指标RCI以及所述道路评定单元的年份差,计算得出道路修建养护方案对应的路况衰减指数CAI;
基于预设的效益计算规则,根据所述道路评定单元的修建养护费用以及所述道路评定单元的年份差,计算得出道路修建养护方案中每单元道路的投资效益指数IBI。
4.如权利要求2所述的基于大数据的道路建养方案决策方法,其特征在于,所述基于所述路况衰减指数CAI和投资效益指数IBI,确定所述道路修建养护方案对应的综合投资指数CII的步骤,包括:
基于预设的投资指数计算规则,在所述路况衰减指数CAI与投资效益指数IBI中加入预设权重进行计算,确定所述道路修养护方案对应的综合投资指数CII。
5.如权利要求1所述的基于大数据的道路建养方案决策方法,其特征在于,在所述获取每单元道路的评定单元数据的步骤之前,还包括:
获取所述每单元道路预设年份的检测数据;
将所述检测数据出现预设数据异常的年份对应的检测数据进行异常剔除,确定所述每单元道路进行指数计算的评定单元数据。
6.如权利要求1所述的基于大数据的道路建养方案决策方法,其特征在于,所述根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案的步骤,包括:
在所述评定单元数据的基础属性中选取对所述单元道路进行分类的分类依据;
基于所述分类依据,对所述单元道路进行分类,并确定对应的分类结果;
基于所述单元道路根据所述分类依据的分类结果,确定所述分类依据对应的道路修建养护方案。
7.如权利要求1所述的基于大数据的道路建养方案决策方法,其特征在于,所述选取所述CII达到预设阈值的道路修建养护方案作为目标方案的步骤,包括:
将每单元道路的所述道路修建养护方案对应的CII按照预设计算公式计算,获取所述单元道路对应整体道路的综合投资指数CII;
将所述整体道路的综合投资指数CII,按照预设顺序进行排序,并选取达到预设标准的综合投资指数CII;
将所述达到预设标准的CII对应的道路修建养护方案作为目标方案。
8.一种方案决策系统,其特征在于,所述方案决策系统包括:
数据获取模块,用于获取每单元道路的评定单元数据;
属性分类模块,用于根据所述评定单元数据的基础属性对所述单元道路进行分类,确定所述单元道路不同基础属性对应的道路修建养护方案;
指数计算模块,用于基于所述评定单元数据,确定所述道路修建养护方案对应的综合投资指数CII;
方案选取模块,用于选取所述CII达到预设阈值的道路修建养护方案作为目标方案。
9.一种设备,其特征在于,所述设备包括存储器、处理器及存储在所述存储器上并可在所述处理器上运行的建养方案决策程序,所述建养方案决策程序被所述处理器执行时实现如权利要求1-7中任一项所述的基于大数据的道路建养方案决策方法。
10.一种介质,所述介质为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建养方案决策程序,所述建养方案决策程序被处理器执行时实现如权利要求1至7中任一项所述的基于大数据的道路建养方案决策方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720547.3A CN115169604A (zh) | 2022-06-23 | 2022-06-23 | 基于大数据的道路建养方案决策方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210720547.3A CN115169604A (zh) | 2022-06-23 | 2022-06-23 | 基于大数据的道路建养方案决策方法、系统、设备及介质 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115169604A true CN115169604A (zh) | 2022-10-11 |
Family
ID=83487765
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210720547.3A Pending CN115169604A (zh) | 2022-06-23 | 2022-06-23 | 基于大数据的道路建养方案决策方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115169604A (zh) |
-
2022
- 2022-06-23 CN CN202210720547.3A patent/CN115169604A/zh active Pending
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Rifai et al. | The data mining applied for the prediction of highway roughness due to overloaded trucks | |
CN108596396B (zh) | 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 | |
Ozbek et al. | Data and modeling issues faced during the efficiency measurement of road maintenance using data envelopment analysis | |
CN105677831A (zh) | 一种确定推荐商户的方法及装置 | |
CN111652520B (zh) | 一种基于大数据的路面养护智能决策系统及方法 | |
CN110728421B (zh) | 一种基于充电需求大数据的路网充电优化方法 | |
CN105528465A (zh) | 信用状况评估方法及装置 | |
CN104240030A (zh) | 一种轨道交通路网动态安全风险评价方法 | |
CN107590766A (zh) | 一种与道路交通事故风险相关的用地组合形态的判别方法 | |
CN109767617B (zh) | 一种基于Apriori的公安交管业务异常数据研判方法 | |
CN113642162A (zh) | 一种城市道路交通应急预案仿真综合分析方法 | |
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 | |
CN112668926A (zh) | 一种溃坝影响评价方法 | |
CN117291085A (zh) | 基于贝叶斯多模态神经网络的高速公路沥青路面养护方案决策方法 | |
CN112907948B (zh) | 一种路段合并方法、介质及系统 | |
CN107563669B (zh) | 一种基于学习模型的公路养护决策分析方法 | |
Herabat et al. | A decision support system for flexible pavement treatment selection | |
Bansal et al. | Assessing the potential for adaptive reuse of the town Hall, Shimla using the adaptive reuse assessment model | |
CN114580716A (zh) | 路网养护标准优化方法、设备及计算机可读存储介质 | |
CN112330516A (zh) | 一种生成公路路面维修计划的方法和装置 | |
Wang et al. | Gray clustering-based pavement performance evaluation | |
Wadalkar et al. | Performance assessment of flexible pavements: fuzzy evidence theory approach | |
CN113762021A (zh) | 一种基于循环神经网络和注意力引导机制的复杂路面裂缝检测方法 | |
Amini et al. | A Fuzzy Approach for Maintenance Management of Urban Roadway Bridges | |
Ibraheem | Modeling the methods of flexible pavements maintenance |
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 |