CN117408672A - 智慧高速公路养护系统 - Google Patents
智慧高速公路养护系统 Download PDFInfo
- Publication number
- CN117408672A CN117408672A CN202311310440.2A CN202311310440A CN117408672A CN 117408672 A CN117408672 A CN 117408672A CN 202311310440 A CN202311310440 A CN 202311310440A CN 117408672 A CN117408672 A CN 117408672A
- Authority
- CN
- China
- Prior art keywords
- maintenance
- model
- decision
- road
- performance
- 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 195
- 238000000034 method Methods 0.000 claims abstract description 17
- 238000004458 analytical method Methods 0.000 claims abstract description 15
- 238000007405 data analysis Methods 0.000 claims abstract description 13
- 238000011156 evaluation Methods 0.000 claims abstract description 11
- 238000005457 optimization Methods 0.000 claims abstract description 9
- 230000008569 process Effects 0.000 claims abstract description 8
- 230000005540 biological transmission Effects 0.000 claims abstract description 7
- 238000012545 processing Methods 0.000 claims abstract description 4
- 238000011282 treatment Methods 0.000 claims description 50
- 230000008901 benefit Effects 0.000 claims description 28
- 238000005516 engineering process Methods 0.000 claims description 10
- 230000008439 repair process Effects 0.000 claims description 9
- 238000004891 communication Methods 0.000 claims description 6
- 238000011161 development Methods 0.000 claims description 6
- 238000013178 mathematical model Methods 0.000 claims description 6
- 238000012216 screening Methods 0.000 claims description 6
- 239000010426 asphalt Substances 0.000 claims description 4
- 230000008859 change Effects 0.000 claims description 4
- 239000011159 matrix material Substances 0.000 claims description 4
- 238000013473 artificial intelligence Methods 0.000 claims description 3
- 238000001514 detection method Methods 0.000 claims description 3
- 230000007613 environmental effect Effects 0.000 claims description 3
- 230000006870 function Effects 0.000 claims description 3
- 238000010801 machine learning Methods 0.000 claims description 3
- 238000011418 maintenance treatment Methods 0.000 claims description 3
- 238000013468 resource allocation Methods 0.000 claims description 3
- 230000010485 coping Effects 0.000 claims description 2
- 238000010586 diagram Methods 0.000 description 6
- 230000009471 action Effects 0.000 description 3
- 238000006073 displacement reaction Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 238000009825 accumulation Methods 0.000 description 1
- 230000004075 alteration Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000010276 construction Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 238000012417 linear regression 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
- 239000008188 pellet Substances 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000004044 response Effects 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000012916 structural analysis Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000011269 treatment regimen 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
- G06Q10/20—Administration of product repair or maintenance
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/27—Regression, e.g. linear or logistic regression
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Tourism & Hospitality (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Artificial Intelligence (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Health & Medical Sciences (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请涉及公路养护技术领域,公开了智慧高速公路养护系统,包括:云平台模块,用于使用数据分析算法对数据进行处理和分析,实现对高速公路性能预测、养护决策以及养护规划;数据传输网络,用于传输采集的公路各项数据,所述云平台模块包括:养护决策模型,用于根据大数据的分析理念,实现科学养护决策;性能预测模型,用于预测高速公路的路面性能;网级决策优化模型,用于在一个完整的养护维修过程中,对可能出现的各种影响因素的整体修正。通过建立适合高速的路面性能评价、预测和养护决策模型,并采用大数据的分析理念,研发智慧养护决策系统,实现对高速公路的养护预测、养护决策和养护规划和科学养护决策。
Description
技术领域
本发明涉及公路养护技术领域,具体为智慧高速公路养护系统。
背景技术
随着技术的进步和数据的积累,大数据分析在道路养护决策中变得越来越重要,其中道路养护过程中产生了大量的数据,包括道路状况、交通流量、车辆磨损等信息。通过大数据分析,可以对这些海量数据进行处理和分析,揭示隐藏的模式和趋势,同时借助大数据分析,决策者可以从复杂的数据中提取有价值的信息,快速做出决策。这可以节省时间、降低成本,并在需要时及早采取行动。
传统的高速公路养护系统在使用时,系统可以根据使用者提供的专业数据,分析出目前高速公路合适的养护方案,但是通常无法做到对高速公路后续的养护结果预测,并且在养护时也只是提供方案,无法为工人进行规划养护的具体流程,需要专业的人员配合进行指导,较为不便,为此本发明提出智慧高速公路养护系统。
发明内容
针对现有技术的不足,本发明提供了智慧高速公路养护系统,解决了现有技术中养护系统通常无法做到对高速公路后续的养护结果预测,并且在养护时也只是提供方案,无法为工人进行规划养护的具体流程的问题。
为实现以上目的,本发明通过以下技术方案予以实现:智慧高速公路养护系统,包括:
云平台模块,用于使用数据分析算法对数据进行处理和分析,实现对高速公路性能预测、养护决策以及养护规划;
数据传输网络,用于传输采集的公路各项数据。
优选的,所述云平台模块包括:
养护决策模型,用于数据分析和预测技术,结合路面状况评估、资源投入和效益评估因素,进行综合评价和决策的模型,为系统提供科学的决策依据和养护方案;
性能预测模型,用于根据过去的道路养护数据和其他相关因素,通过建立数学模型来预测道路的性能变化趋势、剩余寿命以及未来的维护需求,帮助系统制定合理的养护计划和预算,并优化资源分配;
网级决策优化模型,用于指导和优化道路养护工作的数学模型,通过收集和分析各类与道路状况、车流量、交通安全相关的数据,以及考虑到经济、环境和社会因素,来帮助系统选择最佳的养护方案。
优选的,所述养护决策模型包括CPMS决策模型、第一决策模型和第二决策模型。
优选的,所述性能预测模型包括:
经验型模型,用于采用经验性预测高速公路的路面性能;
力学模型,用于使用弹性理论模型、粘-弹性理论模型对高速公路进行性能预测;
力学-经验模型,用于同时采用力学和经验型模型对高速公路进行性能预测;
灰色理论预测模型,用于研究解决灰色系统分析、建模、预测、决策和控制的理论。
优选的,所述数据传输网络采用无线通信技术或有线通信技术中的任意一种。
优选的,所述云平台模块利用人工智能算法或机器学习算法对数据进行处理和分析。
优选的,所述云平台模块能够根据采集到的数据和算法模型,自动优化养护预测、养护决策及养护规划。
智慧高速公路养护方法,具体步骤如下:
步骤一、首先将通过检测获得或从数据库中直接调取的使用性能指标数据进行分析处理作为t=1年原始性能值,并基于该阶段衰变曲线开始随时间进行衰减;其次,对下一年t=2年路况值进行预测并计算出性能值;然后,基于预先设定的路面使用性能处治阈值,对沥青路面是否采取养护措施及采取何种养护措施进行判断,此处未达到处治标准的不采取任何措施;再次,继续下一年即t=3年性能预测并对性能处治阈值进行判定;
步骤二、应用决策模型,得到每个决策单元的养护方案,根据单价和决策单元的长度和宽度,计算每个单元的养护金额,在资金约束时,记养护资金为M,将新的决策单元技术状况数据与必修路段阈值进行比较,筛选必修的决策单元,并汇总必修单元的养护金额,记为C,应用优先排序模型,筛选选修的决策单元,计算得到资金约束下的养护明细,并得到养护方案;
步骤三、基于养护规划的目标,针对每一个养护路段单元,建立以规划年限为列标题,养护处治类型为行标题的养护规划时间与处治方案类型之间矩阵,构造养护效益函数:
式中:Namj为a路段在分析期内的全部效益,其中在第j年实施了m养护措施;
AADTa,i为a路段第i年的交通量;
GW0a,i为a路段不开展任何养护第i年的路况指标值;
GWamj,i为a路段在第j年开展了m养护措施后,第i年的路况指标值;
d为折现率;
n为规划分析期;
步骤四、基于预算-效益的方案优化,针对a路段,在分析期内根据路面技术状况发展情况,采取不同的养护策略,针对不同的养护策略对应不同养护费用和养护效益,基于有限预算-启发式优化算法,首次优化各条路段均选择效益最高的策略进行组合,并根据各年预算判断是否满足要求,如i年费用超过预算,则选择第二优策略,重复上一步进行判断,最终得到满足各年养护经费预算条件下养护效益最高的策略组合。
优选的,所述步骤三中还包括以下步骤:
对于一个养护路段当路面性能衰减达到处治标准要求时,通常可以采取两种应对策略,即不处治和采取其他相应的处治措施;
在确定了一个养护路段所有可能处治的变量,路网中所有路段处治变量可以参照上述方法依次确定,然后再通过每个路段不同处治变量之间自由排列组合,形成基于整个路网所有路段的处治变量。
优选的,所述步骤四中对应不同养护费用和养护效益包括以下步骤:
分别根据不同养护策略对应的养护费用以及获得的养护效益按照养护费用排序绘制费用-效益图;
根据养护策略的费用-效益图,选择凸包络线的策略为较优策略。
本发明提供了智慧高速公路养护系统。具备以下有益效果:
1、本发明通过建立适合高速的路面性能评价、预测和养护决策模型,并采用大数据的分析理念,研发智慧养护决策系统,实现科学养护决策。
2、本发明通过利用智能感知设备和数据分析算法,实现对高速公路的养护预测、养护决策和养护规划。
3、本发明通过将采集的高速公路各项数据,通过数据网络输入值系统内,便可根据路况提供科学的养护预测、养护决策和养护规划方案,操作便捷简单。
附图说明
图1为本发明的架构图;
图2为本发明的云平台模块结构示意图;
图3为本发明的养护决策模型结构示意图;
图4为本发明的性能预测模型结构示意图;
图5为本发明的CPMS决策模型结构示意图;
图6为本发明的第一决策模型结构示意图;
图7为本发明的第二决策模型结构示意图;
图8为本发明的优先排序模型结构示意图;
图9为本发明的实施例中养护策略的费用和效益情况图;
图10为本发明的实施例中路面性能预测流程;
图11为本发明的实施例中养护路段处治变量流程图;
图12为本发明的实施例中规划期内单个养护路段所有处治变量流程图;
图13为本发明的实施例中规划期内所有养护路段所有处治方案的流程图。
具体实施方式
下面将结合本发明说明书附图,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。基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
实施例:
请参阅附图1-附图13,本发明实施例提供智慧高速公路养护系统,包括:
云平台模块,用于使用数据分析算法对数据进行处理和分析,实现对高速公路性能预测、养护决策以及养护规划;
数据传输网络,用于传输采集的公路各项数据。
云平台模块包括:
养护决策模型,用于数据分析和预测技术,结合路面状况评估、资源投入和效益评估因素,进行综合评价和决策的模型,为系统提供科学的决策依据和养护方案;
性能预测模型,用于根据过去的道路养护数据和其他相关因素,通过建立数学模型来预测道路的性能变化趋势、剩余寿命以及未来的维护需求,帮助系统制定合理的养护计划和预算,并优化资源分配;
网级决策优化模型,用于指导和优化道路养护工作的数学模型,通过收集和分析各类与道路状况、车流量、交通安全相关的数据,以及考虑到经济、环境和社会因素,来帮助系统选择最佳的养护方案。考虑实际应用过程中主要面临的约束为费用和工期,而在决策阶段能够实际考虑的主要为费用约束。当费用足够的情况下,可以完全按照决策结果给定的养护方案进行养护维修,而当费用在某种程度上存在不足的情况下,则需要将既有的养护维修方案进行优化修正。遵循一定规则的前提下,将更紧迫,更需要优先维修的方案进行优先养护,同时实现养护效益的最大化。
养护决策模型包括CPMS决策模型、第一决策模型和第二决策模型。
性能预测模型包括:
经验型模型,用于采用经验性预测高速公路的路面性能。建立经验型模型时,首先确定与路面使用性能发展有关的影响因素,再分析路面性能发展趋势与这些因素的相关性,然后就可以利用这种相关性对路面性能的发展趋势进行预测。以往普遍是采用线性回归和非线性回归的方法来建立经验型路面性能的预测模型;
力学模型,用于使用弹性理论模型、粘-弹性理论模型对高速公路进行性能预测。首先通过无破损试验或钻取试样后室内试验确定各层的模量,然后进行结构分析得到路面在荷载作用下的应力、应变或位移反应;
力学-经验模型,用于同时采用力学和经验性模型对高速公路进行性能预测。该模型由两部分组成,第一部分是力学分析,确定路面各结构层的模量值,计算在设计条件下的临界应力、应变或位移值;第二部分是建立路面反应与使用性能参数衰变速率之间的经验关系。模型的选择应首先根据其是否能满足边界条件或反映控制路面性能变化的物理现象的本质。如果有几种形式的模型都能满足这些条件,此时才能依靠统计分析选择最佳拟合现有数据的模型;
灰色理论预测模型,用于研究解决灰色系统分析、建模、预测、决策和控制的理论。灰色预测模型所需建模信息少,运算方便,建模精度高,在各种预测领域都有着广泛的应用,是处理小样本预测问题的有效工具。利用GM(1,1)模型建立沥青混合料的损伤回归预测模型。
数据传输网络采用无线通信技术或有线通信技术中的任意一种。
云平台模块利用人工智能算法或机器学习算法对数据进行处理和分析。
云平台模块能够根据采集到的数据和算法模型,自动优化养护预测、养护决策及养护规划。
智慧高速公路养护方法,具体步骤如下:
步骤一、该流程依据附图10进行,首先将通过检测获得或从数据库中直接调取的使用性能指标数据进行分析处理作为t=1年原始性能值,并基于该阶段衰变曲线开始随时间进行衰减(执行灰色小球操作);其次,对下一年t=2年路况值进行预测并计算出性能值(执行深灰色小球操作);然后,基于预先设定的路面使用性能处治阈值,对沥青路面是否采取养护措施及采取何种养护措施进行判断(执行黑色小球操作),此处未达到处治标准的不采取任何措施;再次,继续下一年即t=3年性能预测并对性能处治阈值进行判定.此时依据附图10可以看到此时性能衰减达到养护处治要求,这时可以采取两种应对措施:(1)对其采取相应的养护措施,路面性能得到恢复获得重置值,然后以新的衰变曲线进行衰减;(2)继续不采取任何处治措施,路面性能以原衰变曲线继续衰减。最后,重复上述过程,依次逐年进行下一年性能预测并对性能处治阈值进行判定和决策是否采取处治措施;
步骤二、应用决策模型,得到每个决策单元的养护方案,根据单价和决策单元的长度和宽度,计算每个单元的养护金额,在资金约束时,记养护资金为M,将新的决策单元技术状况数据与必修路段阈值进行比较,筛选必修的决策单元,并汇总必修单元的养护金额,记为C,应用优先排序模型如附图8所示,筛选选修的决策单元,计算得到资金约束下的养护明细,并得到养护方案;
步骤三、基于养护规划的目标,针对每一个养护路段单元,建立以规划年限为列标题,养护处治类型为行标题的养护规划时间与处治方案类型之间矩阵。如附图11所示。该矩阵中每个元素都包含一种处治类型和处治年份,如V2P1(代表该养护路段在第2年可以采取P1养护措施)。对于一个完整的规划期来说,一个养护路段可以采取多种养护措施策略组合,如附图11中可以归纳出(V2P1,V3P1,V4P1)、(V2P1,V3P1,V4P2)、(V2P1,V3P2,V4P1)等6种处治方案组合(策略),其中一种处治方案组合即称为一个处治变量(variant)。因此,一个养护路段完整的变量(variants)为该养护路段在一个完整的规划期内可能采取养护措施的所有方案组合。
对于一个养护路段当路面性能衰减达到处治标准要求时,通常可以采取两种应对策略(变量),即不处治和采取其他相应的处治措施(如P1、P2、P3)。随着分析年限继续增长,每次当路面性能衰减达到处治标准要求并对其处治时,此时就会相应增加多种处治变量。如附图12所示,给出5年规划期内,该路段可能采取的9种处治方案(变量);
参照附图13所示,在确定了一个养护路段所有可能处治的变量,路网中所有路段处治变量可以参照上述方法依次确定,然后再通过每个路段不同处治变量之间自由排列组合,形成基于整个路网所有路段的处治变量。
构造养护效益函数:
式中:Namj为a路段在分析期内的全部效益,其中在第j年实施了m养护措施;
AADTa,i为a路段第i年的交通量;
GW0a,i为a路段不开展任何养护第i年的路况指标值;
GWamj,i为a路段在第j年开展了m养护措施后,第i年的路况指标值;
d为折现率;
n为规划分析期;
步骤四、基于预算-效益的方案优化,针对a路段,在分析期内根据路面技术状况发展情况,采取不同的养护策略,如采用以养护强度较轻的预防性养护措施或采用以养护强度较大的矫正性养护措施等。针对不同的养护策略对应不同养护费用和养护效益。分别根据不同养护策略对应的养护费用以及获得的养护效益按照养护费用排序绘制费用-效益图;
根据养护策略的费用-效益图,选择凸包络线的策略为较优策略。对应附图9所示,其中S1、S3、S5和S6是较优策略。
基于有限预算-启发式优化算法,首次优化各条路段均选择效益最高的策略进行组合,并根据各年预算判断是否满足要求,如i年费用超过预算,则选择第二优策略,重复上一步进行判断,最终得到满足各年养护经费预算条件下养护效益最高的策略组合。该过程具体通过基于预算的启发式优化算法来实现。该算法首先以单一养护路段为单位,结合路面性能衰变与处治流程,通过简单重复代码运算以较短时间逐路段搜集所有处治方案解集。然后,再基于上述养护费用-效益模型,对路网养护路段生成的所有可能处治方案的成本和产生的效益进行计算,并将其他养护方案进行对比分析,快速选取在满足给定养护资金条件下,规划年限累计效益最大的最佳养护方案。该优化方案结果详细给出了路网中每个养护路段在规划期内每年相应采取的最优养护措施(包括不处理措施)。
尽管已经示出和描述了本发明的实施例,对于本领域的普通技术人员而言,可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型,本发明的范围由所附权利要求及其等同物限定。
Claims (10)
1.智慧高速公路养护系统,其特征在于,包括:
云平台模块,用于使用数据分析算法对数据进行处理和分析,实现对高速公路性能预测、养护决策以及养护规划;
数据传输网络,用于传输采集的公路各项数据。
2.根据权利要求1所述的智慧高速公路养护系统,其特征在于,所述云平台模块包括:
养护决策模型,用于数据分析和预测技术,结合路面状况评估、资源投入和效益评估因素,进行综合评价和决策的模型,为系统提供科学的决策依据和养护方案;
性能预测模型,用于根据过去的道路养护数据和其他相关因素,通过建立数学模型来预测道路的性能变化趋势、剩余寿命以及未来的维护需求,帮助系统制定合理的养护计划和预算,并优化资源分配;
网级决策优化模型,用于指导和优化道路养护工作的数学模型,通过收集和分析各类与道路状况、车流量、交通安全相关的数据,以及考虑到经济、环境和社会因素,来帮助系统选择最佳的养护方案。
3.根据权利要求2所述的智慧高速公路养护系统,其特征在于,所述养护决策模型包括CPMS决策模型、第一决策模型和第二决策模型。
4.根据权利要求2所述的智慧高速公路养护系统,其特征在于,所述性能预测模型包括:
经验型模型,用于采用经验性预测高速公路的路面性能;
力学模型,用于使用弹性理论模型、粘-弹性理论模型对高速公路进行性能预测;
力学-经验模型,用于同时采用力学和经验型模型对高速公路进行性能预测;
灰色理论预测模型,用于研究解决灰色系统分析、建模、预测、决策和控制的理论。
5.根据权利要求1所述的智慧高速公路养护系统,其特征在于,所述数据传输网络采用无线通信技术或有线通信技术中的任意一种。
6.根据权利要求1所述的智慧高速公路养护系统,其特征在于,所述云平台模块利用人工智能算法或机器学习算法对数据进行处理和分析。
7.根据权利要求1所述的智慧高速公路养护系统,其特征在于,所述云平台模块能够根据采集到的数据和算法模型,自动优化养护预测、养护决策及养护规划。
8.智慧高速公路养护方法,其特征在于,依据权利要求1-7任意一项所述的智慧高速公路养护系统,具体步骤如下:
步骤一、首先将通过检测获得或从数据库中直接调取的使用性能指标数据进行分析处理作为t=1年原始性能值,并基于该阶段衰变曲线开始随时间进行衰减;其次,对下一年t=2年路况值进行预测并计算出性能值;然后,基于预先设定的路面使用性能处治阈值,对沥青路面是否采取养护措施及采取何种养护措施进行判断,此处未达到处治标准的不采取任何措施;再次,继续下一年即t=3年性能预测并对性能处治阈值进行判定;
步骤二、应用决策模型,得到每个决策单元的养护方案,根据单价和决策单元的长度和宽度,计算每个单元的养护金额,在资金约束时,记养护资金为M,将新的决策单元技术状况数据与必修路段阈值进行比较,筛选必修的决策单元,并汇总必修单元的养护金额,记为C,应用优先排序模型,筛选选修的决策单元,计算得到资金约束下的养护明细,并得到养护方案;
步骤三、基于养护规划的目标,针对每一个养护路段单元,建立以规划年限为列标题,养护处治类型为行标题的养护规划时间与处治方案类型之间矩阵,构造养护效益函数:
式中:Namj为a路段在分析期内的全部效益,其中在第j年实施了m养护措施;
AADTa,i为a路段第i年的交通量;
GW0a,i为a路段不开展任何养护第i年的路况指标值;
GWamj,i为a路段在第j年开展了m养护措施后,第i年的路况指标值;
d为折现率;
n为规划分析期;
步骤四、基于预算-效益的方案优化,针对a路段,在分析期内根据路面技术状况发展情况,采取不同的养护策略,针对不同的养护策略对应不同养护费用和养护效益,基于有限预算-启发式优化算法,首次优化各条路段均选择效益最高的策略进行组合,并根据各年预算判断是否满足要求,如i年费用超过预算,则选择第二优策略,重复上一步进行判断,最终得到满足各年养护经费预算条件下养护效益最高的策略组合。
9.根据权利要求8所述的智慧高速公路养护方法,其特征在于,所述步骤三中还包括以下步骤:
对于一个养护路段当路面性能衰减达到处治标准要求时,通常可以采取两种应对策略,即不处治和采取其他相应的处治措施;
在确定了一个养护路段所有可能处治的变量,路网中所有路段处治变量可以参照上述方法依次确定,然后再通过每个路段不同处治变量之间自由排列组合,形成基于整个路网所有路段的处治变量。
10.根据权利要求8所述的智慧高速公路养护方法,其特征在于,所述步骤四中对应不同养护费用和养护效益包括以下步骤:
分别根据不同养护策略对应的养护费用以及获得的养护效益按照养护费用排序绘制费用-效益图;
根据养护策略的费用-效益图,选择凸包络线的策略为较优策略。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311310440.2A CN117408672A (zh) | 2023-10-10 | 2023-10-10 | 智慧高速公路养护系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311310440.2A CN117408672A (zh) | 2023-10-10 | 2023-10-10 | 智慧高速公路养护系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN117408672A true CN117408672A (zh) | 2024-01-16 |
Family
ID=89486335
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202311310440.2A Pending CN117408672A (zh) | 2023-10-10 | 2023-10-10 | 智慧高速公路养护系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN117408672A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117952288A (zh) * | 2024-03-27 | 2024-04-30 | 交通运输部规划研究院 | 公路养护决策优化方法及装置 |
-
2023
- 2023-10-10 CN CN202311310440.2A patent/CN117408672A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117952288A (zh) * | 2024-03-27 | 2024-04-30 | 交通运输部规划研究院 | 公路养护决策优化方法及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US11755976B2 (en) | Method for predicting oxygen load in iron and steel enterprises based on production plan | |
CN117408672A (zh) | 智慧高速公路养护系统 | |
CN112053560B (zh) | 基于神经网络的短时交通流量预测方法、系统和存储介质 | |
CN111178621A (zh) | 一种电采暖负荷预测支持向量回归机模型的参数优化方法 | |
CN114282398A (zh) | 一种基于大数据的桥梁健康监测系统及方法 | |
CN110378064A (zh) | 一种预测炼铁高炉炉芯死料柱温度的方法 | |
CN113094988A (zh) | 一种基于数据驱动的浆液循环泵运行优化方法及系统 | |
CN117494292B (zh) | 一种基于bim和ai大模型的工程进度管理方法及系统 | |
CN110223156A (zh) | 基于逐步最优特征选择的自动化模型调优算法 | |
CN104866922A (zh) | 一种用户离网的预测方法及装置 | |
CN115796604A (zh) | 一种基于bim模型的项目全生命周期数字化管理预警系统 | |
CN108710975A (zh) | 一种电动汽车负荷预测方法 | |
CN113361097B (zh) | 一种基于大数据的工程项目管理系统 | |
CN116825253B (zh) | 基于特征选择的热轧带钢力学性能预测模型的建立方法 | |
CN117273369A (zh) | 一种有限预算约束下路网养护决策优化方法和系统 | |
CN117420443A (zh) | 基于遗传算法的lstm的氢燃料电池剩余使用寿命预测方法 | |
CN117371752A (zh) | 一种建筑施工人力调度方法、介质及系统 | |
CN115496314A (zh) | 一种装配式建筑施工安全风险评估方法 | |
CN115423146A (zh) | 一种基于多因子最近邻抽样回归和支持向量机的自适应径流预报方法 | |
CN112862295B (zh) | 基于q学习的路桥隧养护自主决策方法 | |
Furuta et al. | Decision support system for optimal maintenance scheduling of highway bridge RC decks applying on fuzzy reasoning and classifier system | |
CN115422639B (zh) | 腐蚀环境中地下工程结构服役状态仿真与寿命预测方法 | |
CN117541060A (zh) | 一种基于人工智能的投资风险预警系统及方法 | |
Miyamoto et al. | Maintenance plan optimization system for existing concrete bridge groups | |
CN118134344A (zh) | 水利水电工程施工节水及废水资源化利用水平的评估方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |