CN116797102A - 一种基于iri的路面养护决策确定方法及系统 - Google Patents
一种基于iri的路面养护决策确定方法及系统 Download PDFInfo
- Publication number
- CN116797102A CN116797102A CN202310901944.5A CN202310901944A CN116797102A CN 116797102 A CN116797102 A CN 116797102A CN 202310901944 A CN202310901944 A CN 202310901944A CN 116797102 A CN116797102 A CN 116797102A
- Authority
- CN
- China
- Prior art keywords
- iri
- road surface
- pci
- pavement
- model
- 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 81
- 238000000034 method Methods 0.000 title claims abstract description 21
- 238000004364 calculation method Methods 0.000 claims abstract description 14
- 238000007620 mathematical function Methods 0.000 claims abstract description 8
- 230000008439 repair process Effects 0.000 claims description 12
- 239000010426 asphalt Substances 0.000 claims description 11
- 238000001514 detection method Methods 0.000 claims description 11
- 238000005259 measurement Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 7
- 239000004568 cement Substances 0.000 claims description 6
- 238000006243 chemical reaction Methods 0.000 claims description 3
- 238000011156 evaluation Methods 0.000 description 18
- 238000012795 verification Methods 0.000 description 12
- 238000011160 research Methods 0.000 description 6
- 238000011161 development Methods 0.000 description 5
- 238000004458 analytical method Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 230000008859 change Effects 0.000 description 2
- 230000001186 cumulative effect Effects 0.000 description 2
- 238000013499 data model Methods 0.000 description 2
- 238000007726 management method Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000011179 visual inspection Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013480 data collection Methods 0.000 description 1
- 238000003066 decision tree Methods 0.000 description 1
- 230000003247 decreasing effect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 201000010099 disease Diseases 0.000 description 1
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 1
- 239000006185 dispersion Substances 0.000 description 1
- 238000006073 displacement reaction Methods 0.000 description 1
- 230000002708 enhancing effect Effects 0.000 description 1
- 239000000446 fuel Substances 0.000 description 1
- 239000005431 greenhouse gas Substances 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000012843 least square support vector machine Methods 0.000 description 1
- 239000000463 material Substances 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 239000000203 mixture Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 239000000725 suspension Substances 0.000 description 1
- 238000010998 test method Methods 0.000 description 1
- 238000010200 validation analysis Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—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
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Development Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Road Repair (AREA)
Abstract
本发明公开了一种基于IRI的路面养护决策确定方法及系统,涉及路面养护决策技术领域,该方法包括采集道路的路面状况数据;依据路面状况数据计算路面损坏状况指数PCI;将PCI的计算结果与路面状况数据所对应的IRI值作出S形曲线图;依据S形曲线图,选取sigmoid数学函数建立IRI‑PCI模型;将路面损坏状况指数PCI作为IRI‑PCI模型的输入,确定路面状况等级的IRI值;根据IRI值,确定IRI值所对应的路面状况等级;根据确定的路面状况等级PCI选择路面养护决策,从而提高了养护决策选取的正确性。
Description
技术领域
本发明属于路面养护决策技术领域,具体涉及一种基于IRI的路面养护决策确定方法及系统。
背景技术
随着经济的高速发展,公路网日趋完善,通车里程、运营时间和运行交通量不断增长,各公路路面都存在着不同程度的损坏,路面各项性能逐渐衰退,需要实施的养护工程量也大幅增加,现已进入大规模的养护阶段。可靠的路面养护决策和准确的路面性能评估对提高路面养护维修质量起着至关重要的作用。
众多学者为此进行了大量研究。林立宽根据路面整体破损状况指数的边界条件筛选出路况较差的路段,有效减少全路网养护工程资金需求。吴伟迪等基于最小二乘支持向量机理论建立路面使用性能预测模型,提高了公路养护的智能信息化水平。李莉等通过结合back propagation神经网络与传统决策树优化路面决策,提高了养护对策选取的针对性。陈亮等从路面使用性能预测、养护标准设定、基于裂缝率和灌缝率的养护决策模型建立3个关键点展开研究,提出了一种改进的养护需求分析方法。周伟等研究表明决策过程中影响因素不唯一,应根据实际情况而增减。Pinat等证明PCI的客观和主观评估结果之间具有相似性,主观评估可作为对没有规划的城市简单路面评估方法。徐鹏等研究表明智能检测可用于对路面进行全过程、全时空的病害监测,还可以进一步对道路服役性能、道路养护策略优化等领域进行全自动高效分析。靳明等采用沥青路面使用性能评价指标建立了预测模型,验证表明模型精度较高。
养护维修工程是改善和提高公路路况质量的主要途径。公路路面养护决策目前主要指标为PCI(路面状况指数),由观测表面损坏和统计分析路面抽样得到,可以综合评价路面的状况,表明路面结构完整性和路面表层的破损状态。PCI所需的数据通过目视检查或基于图像的调查方法收集。目视检查耗时长,造成交通中断,对于长道路和大型道路网络来说,实际操作较为困难,并且对于进行检查的工人而言,长时间在道路上进行测量工作比较危险;使用车辆收集路面系统的图片、视频或数字图像等基于图像的测量方法更快且更安全,但需要先进的设备成本较高。IRI评价指标是以1/4车辆模型作为动态计算方案,既有动态系统的优点,又避免了实际动态测量系统特性随时间变化的缺点。该指标几乎可以与所有平整度检测仪的测量指标换算或兼容。与IRI相比,PCI确定所需的路面状况调查既耗时又昂贵。
然而,研究表明目前路面状况指标并不能准确反映公路的实际状况,养护决策的选取针对性较低,养护决策指标需要进一步完善。
发明内容
针对现有技术中存在路面状况指标不能准确反映公路的实际状况,养护决策的选取针对性较低的不足,本发明提供了一种基于IRI的路面养护决策确定方法及系统,通过构建IRI-PCI模型,用于预测与路面状况评级相对应的IRI值,基于IRI的路面状况,采用IRI的检测数据将路面状况分为优、良、中、次、差五个等级,从而解决目前路面状况指标不能准确反映公路的实际状况,养护决策的选取针对性较低的问题。
一种基于IRI的路面养护决策确定方法,包括以下步骤:
采集道路的路面状况数据;
依据路面状况数据计算路面损坏状况指数PCI;
根据PCI的计算结果与路面状况数据所对应的IRI值作出S形曲线图;
依据S形曲线图,选取sigmoid数学函数建立IRI-PCI模型,并根据IRI-PCI模型建立路面状况等级与IRI值对应的等级表;
将待检测道路的路面损坏状况指数PCI作为IRI-PCI模型的输入,计算得到该道路对应的IRI值;
根据IRI值,在等级表中确定IRI值所对应的路面状况等级;
根据确定的路面状况等级选择路面养护决策。
进一步地,所述路面状况信息包括:道路的龟裂、裂缝、车辙、坑槽、沉陷、平整度、路面行驶质量和路面抗滑性能。
进一步地,所述路面损坏状况指数PCI的计算公式为:
其中,DR表示路面破损率;a0表示沥青路面采用15.00,水泥混凝土路面采用10.66;a1表示沥青路面采用0.412,水泥混凝土路面采用0.461;Ai表示第i类路面损坏的累计面积;A表示路面检测或调查面积;wi表示第i类路面损坏的权重或换算系数;i表示路面损坏类型。
进一步地,所述选取sigmoid数学函数建立IRI-PCI模型,该模型为:
其中,IRI表示预测的国际路面平整度指数;PCI表示路面状况指数;A,B,C为模型函数参数。
进一步地,还包括在建立所述IRI-PCI模型前,使用origin对数据进行曲线拟合,多次迭代后得出模型函数参数A、B、C的最佳值,计算拟合优度,从而确定IRI-PCI模型。
进一步地,所述计算拟合优度,其计算公式为:
其中,TSS表示实际测量的国际平整度指数方差;RSS表示由误差导致的IRI实际值与IRI预测值之间的偏差平方和;ESS表示回归平方和;RMSE表示均方根误差;R2表示可决系数;n表示总数据点的数量;IRIm表示实际测量的国际平整度指数;IRIa表示平均国际平整度指数;IRIP表示预测的国际平整度指数;R2在0至1的范围内,系数越高表示拟合优度越好;RMSE是模型预测值与实际测量值之间差异的常用度量,RMSE的值越低,表示拟合越好。
进一步地,所述路面状况等级包括优、良、中、次和差。
进一步地,所述路面养护决策包括保养、小修工程、中修工程、大修工程和改建工程。
进一步地,一种基于IRI的路面养护决策确定系统,包括:
采集模块,用于采集道路的路面状况数据;
计算模块,用于依据路面状况数据计算路面损坏状况指数PCI;
绘图模块,用于根据PCI的计算结果与路面状况数据所对应的IRI值作出S形曲线图;
模型建立模块,用于依据S形曲线图,选取sigmoid数学函数建立IRI-PCI模型,并根据IRI-PCI模型建立路面状况等级与IRI值对应的等级表;
IRI范围确定模块,用于将待检测道路的路面损坏状况指数PCI作为IRI-PCI模型的输入,计算得到该道路对应的IRI值;
路面状况等级确定模块,用于根据IRI值,在等级表中确定IRI值所对应的路面状况等级;
决策选择模块,用于根据确定的路面状况等级选择路面养护决策。
本发明提供了一种基于IRI的路面养护决策确定方法及系统,具备以下有益效果:
本发明通过构建IRI-PCI模型,用于预测与路面状况评级相对应的IRI值,基于IRI的路面状况,采用IRI的检测数据将路面状况分为优、良、中、次、差五个等级,确定IRI值所对应的路面状况等级,根据确定的路面状况等级选择路面养护决策,进而提高养护决策选取的正确性;路面养护工作者可以选择适当的路面数据提出符合路面状况的养护决策,不仅仅限于特定的指标。
附图说明
图1为本发明实施例中IRI与PCI值的关系S形曲线图;
图2为本发明实施例中建立模型实测IRI值与预测IRI值的关系曲线图;
图3为本发明实施例中正态误差分布图;
图4为本发明实施例中验证模型实测IRI与预测IRI值的关系曲线图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。
在路面养护决策的选择过程中,固定的指标与权重并不能真实反映路面的实际状况,准确评估路面状况变得尤为重要。本发明提出了国际平整度指数(InternationalRoughness Index,IRI)和路面状况指数(Pavement Condition Index,PCI)两者之间的关系。
如图1-4,本发明提出一种基于IRI的路面养护决策确定方法,包括以下步骤:
采集道路的路面状况数据。
依据路面状况数据计算路面损坏状况指数PCI。
将PCI的计算结果与路面状况数据所对应的IRI值作出S形曲线图。
依据S形曲线图,选取sigmoid数学函数建立IRI-PCI模型。
将路面损坏状况指数PCI作为IRI-PCI模型的输入,确定路面状况等级PCI的IRI范围。
根据IRI范围,确定路面状况数据所对应IRI值的路面状况等级PCI。
根据确定的路面状况等级PCI选择路面养护决策。
本发明以陕西省大中修养护工程检测数据与养护数据为基础,选取陕北、关中、陕南三个地区的路段代表陕西省公路基本状况,建立一个简单模型分析PCI与IRI之间的关系。模型开发数据选自312个不同的路段,包含1665个数据点;模型验证数据选自140个路段,包含333个数据点,验证数据选取路段与开发数据选取路段具有相同的数据范围。经数据比对发现S形函数最能表达PCI和IRI之间的关系,通过对数据的拟合建立函数,函数可决系数(R2)为0.959,预测IRI值的偏差较低。不同数据集的模型验证均产生了较准确的预测(R2=0.973)。最后,提出了基于IRI的路面状况评级,采用IRI的检测数据将路面状况分为优、良、中、次、差五个等级,该评级与PCI评级可对路面状况进行双重验证,提高了养护决策选取的正确性。
影响行驶质量的主要参数之一是路面平整度。路面的不平整度增加了燃料消耗和温室气体排放,降低了车辆行驶效率,可能导致交通安全问题。国际平整度指数(IRI)是一种可被国际共用的路面平整度度量指标,它是较符合时间稳定性、可转换性和易于测量等要求的一项平整度评价指标。路面平整度可以通过IRI来量化。IRI是采用1/4车轮(即单轮,类似于拖车)以80km/h行驶在路面上,一定行驶距离内车身悬挂系的累积竖向位移量与行驶距离之比。IRI评价指标是以1/4车辆模型作为动态计算方案,既有动态系统的优点,又避免了实际动态测量系统特性随时间变化的缺点,该指标几乎可以与所有平整度检测仪的测量指标换算或兼容。与IRI相比,PCI确定所需的路面状况调查既耗时又昂贵。各种路面损坏会影响IRI的值,本发明假设IRI和PCI之间存在相关性,从而建立IRI与PCI的关系。本发明针对陕西省地域特色,通过对不同地区公路路况的调查检测,研究PCI与IRI之间的关系,为PCI的数值确立提供新的参考,确定路面的实际状况,选择最佳维护和修复方案,为合理确定路段养护维修方案提供借鉴。
数据收集和处理:陕西省地处我国中西部地区的,整体为长条形,地域面积共20.5万平方公里,南北跨度900公里,纬度跨越较大,北部以黄土高原为主,人口主要分布在中南部,尤其是关中平原最多,省内不同地区地域环境差别显著。根据陕西地域特色,本次研究选取择榆林、渭南、安康三地区道路数据作为研究陕西省路面状况的依据。
本发明以2018-2022年陕西省国省干线养护大中修评价指标检测数据为主,包括5年内陕西省榆林、渭南、安康三地具有不同路面结构和性能、路龄、交通条件等的道路,数据包含道路的龟裂、裂缝、车辙、坑槽、沉陷、平整度、路面行驶质量、路面抗滑性能等路面状况信息,如表1所示。
路面损坏用路面损坏状况指数(PCI)评价计算:
式中:DR表示路面破损率(%);a0表示沥青路面采用15.00,水泥混凝土路面采用10.66;a1表示沥青路面采用0.412,水泥混凝土路面采用0.461;Ai表示第i类路面损坏的累计面积(m2);A表示路面检测或调查面积(m2);wi表示第i类路面损坏的权重或换算系数;i表示路面损坏类型,包括损坏程度(轻、中、重)。
表1模型开发某数据点路面损坏调查表
《公路技术状况评定标准》(JTG 5210-2018)规定沥青路面破损状况评价标准,根据破损情况,可将路面质量分为优、良、中、次、差五个等级,PCI和相应分项指标的值域为0~100,如表2所示。
表2沥青路面破损状况评价标准表
国际平整度指数(IRI)根据《公路路面技术状况自动化检测规程》(JTG/T E61—2014)的规定检测。
建立数据模型:从榆林、渭南、安康三个地区环境随机选择312个不同的路段,其中包含1665个数据点用来建立数据模型,数据如表1所示。计算所有数据点的PCI后,将其计算值与所有数据点相应的IRI值作图,如图1所示,IRI-PCI示出的趋势类似于等式(3)中的sigmoid函数的S形曲线。该S形函数被广泛用于路面的许多应用中。在路面材料领域中,sigmoid函数最广泛的应用是在沥青混合料动态模量主曲线上,也应用在路面性能建模及改进研究中。
其中,IRI为预测的国际路面平整度指数,m/km;PCI为路面状况指数;A,B,C表示模型函数参数。
使用origin对数据进行曲线拟合,多次迭代后得出等式(3)中参数A、B、C的最佳值,使预测IRI与实际IRI的平方误差之和最小化,从而确定该模型。
为了评估该关系的准确性,计算拟合优度(等式(4)至等式(8))。
其中,TSS(Total Sum ofSquares):总离差平方和;RSS(Residual SumofSquares):残差平方和;ESS(Explained Sum ofSquares):回归平方和;
RMSE(Root Mean Squared Error):均方根误差;R2:可决系数;n=总数据点的数量;IRIm(Measured International Roughness Index):实际测量的国际平整度指数;IRIa(Average International Roughness Index):平均国际平整度指数;IRIP(PredictedInternational Roughness Index):预测的国际平整度指数。
在本模型中,TSS代表实际测量的国际平整度指数方差,RSS代表由误差导致的IRI实际值与IRI预测值之间的偏差平方和。R2在0至1的范围内,系数越高表示拟合优度越好。RMSE是模型预测值与实际测量值之间差异的常用度量。RMSE的值越低,表示拟合越好。图2中描绘了使用S形函数预测的IRI和实际测量的IRI之间的关系。最终回归常数的S形函数如等式(3)所示。
如图2所示,该模型产生准确的预测,有较高的R2(0.959)和较低的RMSE(0.0309m/km)。残差及其正态分布证实了函数的正态性和同方差性。此外,平均误差值较小,标准差较小,如图2和图3所示,预测的IRI值与实测的IRI值偏差较小。
检验数据模型制定养护对策:在榆林、渭南、安康三个地区,随机选取140个路段,其中包括333个数据点,用于验证模型的准确性,数据如表3所示。验证数据与模型建立的数据均来源于陕西省内国省干线,两者具有相同的数据范围。
表3模型验证某数据点路面损坏调查表
使用模型预测的IRI值与测量的IRI值的关系如图4所示。从图中可以明显看出,建立的模型推算出的IRI与实际测得的IRI数值最大差值为0.637,最小差值为0.00041。通过数据点分析可得,本模型相关系数R2=0.973,预测准确度较高。
根据等式(3),可以确定对应于路面状况等级PCI范围的IRI范围,表4显示了IRI值预测路面状况的等级范围,所示的值对应了不同路面条件下IRI与相应PCI之间的关系。通过等式(3)给出的函数模型,IRI可作为路面状况指标的另一验证标准。依据建立的模型,可按IRI值进行路面质量划分,为路面养护工程的选择提供新的参考,为公路养护决策提供新的数据支持。
表4IRI值对应预测路面状况的等级范围
根据实际路面状况选择合理的养护策略对公路路面的有效管理至关重要。养护策略的决定受路面表面损坏的类型、严重程度以及路面的结构和平整度状况的影响。我国公路养护工程分为:保养、小修工程、中修工程、大修工程和改建工程。可依据IRI划分的路面质量对公路养护工程进行初步选定,如表5所示。根据数据建立的模型可得,当PCI值大于等于90时,对应的IRI值应小于等于0.98,路面养护选择保养即可;当PCI值介于80~90之间时,对应的IRI值在0.98~1.38间,路面养护工程选择小修养护;当PCI值介于70~80之间时,对应的IRI值在1.38~1.88间,路面养护工程选择中修养护;当PCI值介于60~70之间时,对应的IRI值在1.88~2.48间,路面养护工程选择大修养护;当PCI值小于60时,对应的IRI值大于2.48,路面养护工程选择改建。
表5模型建立的IRI值对应的养护对策
本发明着重于IRI和PCI之间的关系,选取陕西省榆林、渭南、安康三地区的二级沥青公路进行分析,共有312个路况测试点(1665个数据点)用于模型开发,140个路况测试点(333个数据点)用于模型验证。从本发明中可以得出:
(1)IRI与PCI呈S形关系。所提出的S形模型预测结果较准确,R2为0.959。验证过程表明,所开发的模型可以准确地用于基于PCI数据的IRI预测。
(2)本发明中开发的模型可用于预测与路面状况评级相对应的IRI值,以进行路面管理评估。
(3)陕北、关中、陕南三个地区路段的数据集模型验证均产生了较准确的预测,函数相关系数(R2)为0.973,建立的模型推算出的IRI与实际测得的数值差值较小,预测准确度较高。
(4)基于IRI的路面状况,采用IRI的检测数据将路面状况分为优、良、中、次、差五个等级,该评级与PCI评级可对路面状况进行双重验证,提高了养护决策选取的正确性。
(5)路面养护工作者可以选择适当的路面数据提出符合路面状况的养护决策,不仅仅限于特定的指标。
以上所述,仅为本发明较佳的具体实施方式,但本发明的保护范围并不局限于此,任何熟悉本技术领域的技术人员在本发明揭露的技术范围内,根据本发明的技术方案及其发明构思加以等同替换或改变,都应涵盖在本发明的保护范围之内。
Claims (9)
1.一种基于IRI的路面养护决策确定方法,其特征在于,包括以下步骤:
采集道路的路面状况数据;
依据路面状况数据计算路面损坏状况指数PCI;
根据PCI的计算结果与路面状况数据所对应的IRI值作出S形曲线图;
依据S形曲线图,选取sigmoid数学函数建立IRI-PCI模型,并根据IRI-PCI模型建立路面状况等级与IRI值对应的等级表;
将待检测道路的路面损坏状况指数PCI作为IRI-PCI模型的输入,计算得到该道路对应的IRI值;
根据IRI值,在等级表中确定IRI值所对应的路面状况等级;
根据确定的路面状况等级选择路面养护决策。
2.根据权利要求1所述的一种基于IRI的路面养护决策确定方法,其特征在于,所述路面状况信息包括:道路的龟裂、裂缝、车辙、坑槽、沉陷、平整度、路面行驶质量和路面抗滑性能。
3.根据权利要求1所述的一种基于IRI的路面养护决策确定方法,其特征在于,所述路面损坏状况指数PCI的计算公式为:
其中,DR表示路面破损率;a0表示沥青路面采用15.00,水泥混凝土路面采用10.66;a1表示沥青路面采用0.412,水泥混凝土路面采用0.461;Ai表示第i类路面损坏的累计面积;A表示路面检测或调查面积;wi表示第i类路面损坏的权重或换算系数;i表示路面损坏类型。
4.根据权利要求3所述的一种基于IRI的路面养护决策确定方法,其特征在于,所述选取sigmoid数学函数建立IRI-PCI模型,该模型为:
其中,IRI表示预测的国际路面平整度指数;PCI表示路面状况指数;A,B,C为模型函数参数。
5.根据权利要求4所述的一种基于IRI的路面养护决策确定方法,其特征在于,还包括在建立所述IRI-PCI模型前,使用origin对数据进行曲线拟合,多次迭代后得出模型函数参数A、B、C的最佳值,计算拟合优度,从而确定IRI-PCI模型。
6.根据权利要求5所述的一种基于IRI的路面养护决策确定方法,其特征在于,所述计算拟合优度,其计算公式为:
其中,TSS表示实际测量的国际平整度指数方差;RSS表示由误差导致的IRI实际值与IRI预测值之间的偏差平方和;ESS表示回归平方和;RMSE表示均方根误差;R2表示可决系数;n表示总数据点的数量;IRIm表示实际测量的国际平整度指数;IRIa表示平均国际平整度指数;IRIP表示预测的国际平整度指数;R2在0至1的范围内,系数越高表示拟合优度越好;RMSE是模型预测值与实际测量值之间差异的常用度量,RMSE的值越低,表示拟合越好。
7.根据权利要求1所述的一种基于IRI的路面养护决策确定方法,其特征在于,所述路面状况等级包括优、良、中、次和差。
8.根据权利要求1所述的一种基于IRI的路面养护决策确定方法,其特征在于,所述路面养护决策包括保养、小修工程、中修工程、大修工程和改建工程。
9.一种基于IRI的路面养护决策确定系统,其特征在于,包括:
采集模块,用于采集道路的路面状况数据;
计算模块,用于依据路面状况数据计算路面损坏状况指数PCI;
绘图模块,用于根据PCI的计算结果与路面状况数据所对应的IRI值作出S形曲线图;
模型建立模块,用于依据S形曲线图,选取sigmoid数学函数建立IRI-PCI模型,并根据IRI-PCI模型建立路面状况等级与IRI值对应的等级表;
IRI范围确定模块,用于将待检测道路的路面损坏状况指数PCI作为IRI-PCI模型的输入,计算得到该道路对应的IRI值;
路面状况等级确定模块,用于根据IRI值,在等级表中确定IRI值所对应的路面状况等级;
决策选择模块,用于根据确定的路面状况等级选择路面养护决策。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310901944.5A CN116797102A (zh) | 2023-07-21 | 2023-07-21 | 一种基于iri的路面养护决策确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310901944.5A CN116797102A (zh) | 2023-07-21 | 2023-07-21 | 一种基于iri的路面养护决策确定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN116797102A true CN116797102A (zh) | 2023-09-22 |
Family
ID=88037555
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310901944.5A Pending CN116797102A (zh) | 2023-07-21 | 2023-07-21 | 一种基于iri的路面养护决策确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116797102A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463348A (zh) * | 2014-11-11 | 2015-03-25 | 辽宁省交通科学研究院 | 一种沥青路面改造方案决策系统及方法 |
CN111062648A (zh) * | 2019-12-31 | 2020-04-24 | 长安大学 | 一种沥青路面综合性能的评价方法 |
CN112381251A (zh) * | 2020-12-07 | 2021-02-19 | 武汉羿畅科技有限公司 | 一种公路评定与养护决策信息化系统 |
CN113516258A (zh) * | 2021-05-14 | 2021-10-19 | 交科院检测技术(北京)有限公司 | 公路养护智能决策分析系统 |
CN113723753A (zh) * | 2021-07-26 | 2021-11-30 | 重庆大学 | 一种路面养护维修智能决策系统 |
CN114912635A (zh) * | 2022-04-28 | 2022-08-16 | 广州铁路职业技术学院(广州铁路机械学校) | 一种公路养护决策方法、系统、存储介质和电子设备 |
WO2023025334A1 (zh) * | 2022-04-28 | 2023-03-02 | 中国公路工程咨询集团有限公司 | 一种路面平整度检测方法、装置、电子设备及介质 |
-
2023
- 2023-07-21 CN CN202310901944.5A patent/CN116797102A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104463348A (zh) * | 2014-11-11 | 2015-03-25 | 辽宁省交通科学研究院 | 一种沥青路面改造方案决策系统及方法 |
CN111062648A (zh) * | 2019-12-31 | 2020-04-24 | 长安大学 | 一种沥青路面综合性能的评价方法 |
CN112381251A (zh) * | 2020-12-07 | 2021-02-19 | 武汉羿畅科技有限公司 | 一种公路评定与养护决策信息化系统 |
CN113516258A (zh) * | 2021-05-14 | 2021-10-19 | 交科院检测技术(北京)有限公司 | 公路养护智能决策分析系统 |
CN113723753A (zh) * | 2021-07-26 | 2021-11-30 | 重庆大学 | 一种路面养护维修智能决策系统 |
CN114912635A (zh) * | 2022-04-28 | 2022-08-16 | 广州铁路职业技术学院(广州铁路机械学校) | 一种公路养护决策方法、系统、存储介质和电子设备 |
WO2023025334A1 (zh) * | 2022-04-28 | 2023-03-02 | 中国公路工程咨询集团有限公司 | 一种路面平整度检测方法、装置、电子设备及介质 |
Non-Patent Citations (2)
Title |
---|
吴锡蛟;周文献;: "基于平整度的水泥混凝土路面预防性养护时机确定方法", 上海公路, no. 02, 31 December 2009 (2009-12-31) * |
孙立军;姚祖康;: "沥青路面使用性能评价和养护对策确定的Fuzzy方法", 同济大学学报(自然科学版), no. 02, 31 May 1990 (1990-05-31) * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108664715B (zh) | 一种路面积水车辙三维评价与行车安全分析方法 | |
Cafiso et al. | Distress and profile data analysis for condition assessment in pavement management systems | |
CN113516258B (zh) | 公路养护智能决策分析系统 | |
CN112254767A (zh) | 公路网结构群一体自动化检测设备 | |
CN112900212A (zh) | 一种基于道路管养的动态养护机制的养护方法 | |
CN109101734B (zh) | 一种连续刚构桥梁下挠风险的预测方法 | |
CN110223004A (zh) | 一种指挥防护工程口部抢修作业风险评估系统 | |
Vasiliev et al. | Intellectualization of the monitoring process of street and road network objects | |
CN117077454A (zh) | 道路检测数据缺失状态下的道路路面使用寿命评估方法 | |
Abed | Development of regression models for predicting pavement condition index from the international roughness index | |
Elmansouri et al. | Pavement condition assessment using pavement condition index and multi-criteria decision-making model | |
CN116797102A (zh) | 一种基于iri的路面养护决策确定方法及系统 | |
Elghriany | Investigating correlations of pavement conditions with crash rates on in-Service US highways | |
Deori et al. | HDM-4 deterioration modelling: validation and adoption for flexible pavements with modified bituminous road surfacing | |
Serigos et al. | Evaluation of rut-depth accuracy and precision using different automated measurement systems | |
Aoki et al. | Evaluation model for pavement surface distress on 3D point clouds from mobile mapping system | |
Zhi et al. | Decision Model of Pavement Maintenance Based on International Roughness Index. | |
Paplauskas et al. | Road pavement condition index deterioration model for network-level analysis of national road network based on pavement condition scanning data | |
Paplauskas et al. | Analysis of flexible pavement performance prediction models based on structural behaviour | |
Sinha et al. | Method Comparison of Pavement Condition Rating based on IRC & ASTM Guidelines | |
CN117351367B (zh) | 一种公路养护巡检方法、介质以及设备 | |
Varshavskiy et al. | Analysis of monitoring data of the street-road network | |
Tsai et al. | Study of Temporal Pavement Cracking in 3D to Determine Optimal Time and Cost-Effective Treatment Methods | |
Mubaraki | Development of pavement condition rating model and pavement roughness model for Saudi highways | |
Liyanage et al. | Condition assessment of newly constructed rural roads in Central and North Central provinces |
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 |