收稿日期：2024-01-19

作者簡(jiǎn)介：陳桂龍（1990—），男，本科，助理工程師，從事公路工程管理工作。

摘要 路面養(yǎng)護(hù)決策是確定養(yǎng)護(hù)方案、保證養(yǎng)護(hù)效果的關(guān)鍵，現(xiàn)有路面養(yǎng)護(hù)決策方法存在數(shù)據(jù)不全面、不準(zhǔn)確等問(wèn)題?；诖耍恼绿接懥嘶诖髷?shù)據(jù)的路面養(yǎng)護(hù)智能決策方法，分析如何建立養(yǎng)護(hù)大數(shù)據(jù)庫(kù)，統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)，進(jìn)行數(shù)據(jù)采集處理，提出采用變長(zhǎng)分段法劃分路網(wǎng)，利用交通量大數(shù)據(jù)對(duì)隨機(jī)森林模型預(yù)測(cè)路面技術(shù)狀況進(jìn)行分析，根據(jù)偏離度比選模型。最后，通過(guò)高速公路工程實(shí)例驗(yàn)證生成的養(yǎng)護(hù)方案與實(shí)際養(yǎng)護(hù)方案匹配率達(dá)93%，為路面養(yǎng)護(hù)決策提供了技術(shù)參考。

關(guān)鍵詞 路面養(yǎng)護(hù)決策；養(yǎng)護(hù)大數(shù)據(jù)庫(kù)；資金優(yōu)化分配

中圖分類號(hào) U445.4文獻(xiàn)標(biāo)識(shí)碼 A文章編號(hào) 2096-8949（2024）11-0126-03

0 引言

路面養(yǎng)護(hù)決策是根據(jù)路面狀況、交通需求、運(yùn)營(yíng)效益等因素，確定路面養(yǎng)護(hù)的目標(biāo)、內(nèi)容、時(shí)機(jī)、方法和資金分配等問(wèn)題，是一項(xiàng)復(fù)雜的系統(tǒng)工程，涉及多種數(shù)據(jù)來(lái)源、分析方法、評(píng)價(jià)指標(biāo)、約束條件，需綜合考慮各方面的影響因素，尋求最優(yōu)的解決方案。隨著信息技術(shù)的發(fā)展，大數(shù)據(jù)在各個(gè)領(lǐng)域得到廣泛應(yīng)用，其具有海量性、多樣性、動(dòng)態(tài)性、價(jià)值性和可視化等特征，可提供更加全面精準(zhǔn)的信息[1]。基于大數(shù)據(jù)技術(shù)對(duì)路面養(yǎng)護(hù)相關(guān)數(shù)據(jù)進(jìn)行收集、整合、分析和挖掘，提取有價(jià)值的信息和知識(shí)，可以為路面養(yǎng)護(hù)決策提供更有力的支持[2-4]。

1 養(yǎng)護(hù)大數(shù)據(jù)庫(kù)的建立

為實(shí)現(xiàn)基于大數(shù)據(jù)的路面養(yǎng)護(hù)智能決策，首先需建立包含路面養(yǎng)護(hù)相關(guān)數(shù)據(jù)的養(yǎng)護(hù)大數(shù)據(jù)庫(kù)，該數(shù)據(jù)庫(kù)涵蓋了路面的結(jié)構(gòu)、材料、厚度、建成時(shí)間、養(yǎng)護(hù)歷史等靜態(tài)數(shù)據(jù)，以及路面的平整度、裂縫、坑槽、交通流量、氣象條件等動(dòng)態(tài)數(shù)據(jù)。養(yǎng)護(hù)大數(shù)據(jù)庫(kù)的創(chuàng)建流程如圖1所示。

1.1 統(tǒng)一數(shù)據(jù)標(biāo)準(zhǔn)

數(shù)據(jù)標(biāo)準(zhǔn)可以保證數(shù)據(jù)的一致性、可比性，是建立養(yǎng)護(hù)大數(shù)據(jù)庫(kù)、實(shí)現(xiàn)數(shù)據(jù)共享交換的前提。該文根據(jù)國(guó)家相關(guān)標(biāo)準(zhǔn)及路面養(yǎng)護(hù)決策需求，確定各養(yǎng)護(hù)大數(shù)據(jù)庫(kù)中相關(guān)數(shù)據(jù)的分類和規(guī)范。根據(jù)數(shù)據(jù)來(lái)源和變化特征可將養(yǎng)護(hù)決策數(shù)據(jù)分為靜態(tài)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)兩類。靜態(tài)數(shù)據(jù)是指在一定時(shí)期內(nèi)不發(fā)生變化或變化很小的數(shù)據(jù)，如路網(wǎng)結(jié)構(gòu)、路段屬性、路面類型等；動(dòng)態(tài)數(shù)據(jù)是指隨時(shí)間或空間發(fā)生變化或變化較大的數(shù)據(jù)，如路面技術(shù)狀況、交通流量、氣象條件等，具體如表1所示。

1.2 數(shù)據(jù)采集

根據(jù)養(yǎng)護(hù)決策數(shù)據(jù)類型及特點(diǎn)采用多種數(shù)據(jù)采集方式獲取路面的靜態(tài)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)，具體方式如下[5]：

（1）車載設(shè)備：利用車載設(shè)備采集路面技術(shù)狀況、交通流量等動(dòng)態(tài)數(shù)據(jù)，如路面平整度儀、裂縫檢測(cè)儀等。

（2）收費(fèi)站車輛信息：利用收費(fèi)站的車牌識(shí)別系統(tǒng)、電子標(biāo)簽系統(tǒng)等獲取車輛的通行時(shí)間、類型、重量等信息，反映交通情況。

（3）工程設(shè)計(jì)及竣工資料：利用工程設(shè)計(jì)圖紙、施工日志、驗(yàn)收?qǐng)?bào)告等獲取路面結(jié)構(gòu)、材料、厚度等靜態(tài)數(shù)據(jù)。

（4）氣象共享數(shù)據(jù)：基于氣象監(jiān)測(cè)站或衛(wèi)星遙感獲取路網(wǎng)所在區(qū)域的溫度、濕度、降雨量等氣象條件數(shù)據(jù)。

表1 養(yǎng)護(hù)決策數(shù)據(jù)類型

大類 小類 數(shù)據(jù)類型

靜態(tài)

數(shù)據(jù) 路段樁號(hào) 起止樁號(hào)

車道情況 寬度、車道數(shù)量

路面結(jié)構(gòu) 面層、基層、底基層的類型及參數(shù)

動(dòng)態(tài)

數(shù)據(jù) 技術(shù)狀況 破損、裂縫、車轍、抗滑、混凝土強(qiáng)度

交通流量 日交通量均值、各類型客貨車比例、標(biāo)準(zhǔn)車交通量折算值等

養(yǎng)護(hù)項(xiàng)目 養(yǎng)護(hù)類型、養(yǎng)護(hù)措施、典型病害、養(yǎng)護(hù)前后路況對(duì)比

路面病害 病害類別、病害位置、病害損壞情況

環(huán)境氣候 降雨量、氣溫

1.3 數(shù)據(jù)預(yù)處理

為建立適合神經(jīng)網(wǎng)絡(luò)模型的數(shù)據(jù)集，提高收斂性，降低訓(xùn)練時(shí)間，需進(jìn)行路面數(shù)據(jù)預(yù)處理，包括清理異常值、缺失值，集成不同來(lái)源的數(shù)據(jù)，規(guī)約數(shù)據(jù)的維度和數(shù)量[6]。

2 路面決策分析過(guò)程

2.1 變長(zhǎng)分段法劃分路段單元

路面養(yǎng)護(hù)決策分析時(shí)需將路網(wǎng)劃分為若干個(gè)路段單元，路段單元是決策分析的基本對(duì)象，每個(gè)單元具有相似的屬性、特征[7]。該文采用變長(zhǎng)分段法進(jìn)行路段單元?jiǎng)澐?，根?jù)路面的結(jié)構(gòu)、材料、厚度、建成時(shí)間、養(yǎng)護(hù)歷史等靜態(tài)數(shù)據(jù)以及路面平整度、裂縫、坑槽等動(dòng)態(tài)數(shù)據(jù)，確定路段單元的起止點(diǎn)、長(zhǎng)度。變長(zhǎng)分段法的基本原理是相鄰兩個(gè)檢測(cè)點(diǎn)的數(shù)據(jù)差異超過(guò)一定閾值時(shí)，可認(rèn)為這兩點(diǎn)之間是一個(gè)路段單元的邊界，路面單元?jiǎng)澐秩鐖D2所示。

2.2 路面技術(shù)狀況預(yù)測(cè)模型研究

路面技術(shù)狀況預(yù)測(cè)模型可以反映路面性能變化規(guī)律，采用交通量大數(shù)據(jù)預(yù)測(cè)模型、隨機(jī)森林預(yù)測(cè)模型，分別利用養(yǎng)護(hù)大數(shù)據(jù)庫(kù)中的靜態(tài)數(shù)據(jù)、動(dòng)態(tài)數(shù)據(jù)預(yù)測(cè)路面技術(shù)狀況的相關(guān)指標(biāo)，比較兩種模型的預(yù)測(cè)效果，選擇偏離度最小的預(yù)測(cè)模型，偏離度是指預(yù)測(cè)值與真實(shí)值的差值[8]。

交通量大數(shù)據(jù)預(yù)測(cè)模型根據(jù)路面的累計(jì)當(dāng)量軸載和剩余壽命生成路面性能衰變曲線，實(shí)現(xiàn)較長(zhǎng)時(shí)間跨度的路面技術(shù)狀況預(yù)測(cè)。另一種是隨機(jī)森林預(yù)測(cè)模型，基于深度學(xué)習(xí)理論進(jìn)行路面大數(shù)據(jù)分析，根據(jù)路徑技術(shù)狀況衰變匹配算法，選擇與目標(biāo)路段相似路段的技術(shù)狀況參數(shù)與待預(yù)測(cè)路面性能衰變值匹配。基于同路段比較兩種模型的養(yǎng)護(hù)需求預(yù)測(cè)準(zhǔn)確度，選出最佳模型?？紤]每年病害演變數(shù)據(jù)及路況指標(biāo)值對(duì)預(yù)測(cè)模型的動(dòng)態(tài)調(diào)整，給出路面技術(shù)狀況預(yù)測(cè)模型流程圖，如圖3所示。

圖2 路面單元?jiǎng)澐质疽鈭D

圖3 路面技術(shù)狀況預(yù)測(cè)模型流程圖

2.3 基于MLP神經(jīng)網(wǎng)絡(luò)法輸出養(yǎng)護(hù)方案

根據(jù)路面技術(shù)狀況的預(yù)測(cè)結(jié)果采用MLP神經(jīng)網(wǎng)絡(luò)法輸出合理的養(yǎng)護(hù)方案，具體步驟如下：

（1）決策輸入變量、輸出變量梳理：根據(jù)養(yǎng)護(hù)決策的目標(biāo)和內(nèi)容，確定決策的輸入/輸出變量。輸入變量包括路面技術(shù)狀況指標(biāo)、交通流量、氣象條件等；輸出變量包括養(yǎng)護(hù)類型、養(yǎng)護(hù)時(shí)機(jī)、養(yǎng)護(hù)范圍等。

（2）機(jī)器學(xué)習(xí)模型訓(xùn)練：基于養(yǎng)護(hù)大數(shù)據(jù)庫(kù)中的數(shù)據(jù)訓(xùn)練MLP神經(jīng)網(wǎng)絡(luò)模型，確定模型的結(jié)構(gòu)、參數(shù)、權(quán)重。訓(xùn)練時(shí)采用反向傳播算法優(yōu)化模型，盡量降低模型誤差。

（3）養(yǎng)護(hù)決策方案輸出：利用訓(xùn)練好的MLP神經(jīng)網(wǎng)絡(luò)模型計(jì)算路段單元的輸入變量，得到相應(yīng)的輸出變量，即養(yǎng)護(hù)方案。匯總所有路段單元的養(yǎng)護(hù)方案形成最終方案。

3 路網(wǎng)養(yǎng)護(hù)決策方案優(yōu)化分析

為確保路網(wǎng)養(yǎng)護(hù)決策方案合理有效，需進(jìn)行方案優(yōu)化分析，考慮養(yǎng)護(hù)的緊迫性、效益和約束等因素，尋求最優(yōu)化的解決方案，采用以下流程進(jìn)行路網(wǎng)養(yǎng)護(hù)決策方案優(yōu)化分析：

（1）養(yǎng)護(hù)緊迫性指數(shù)計(jì)算：根據(jù)路面技術(shù)狀況的預(yù)測(cè)結(jié)果，計(jì)算每個(gè)路段單元的養(yǎng)護(hù)緊迫性指數(shù)，該指數(shù)反映路段單元的養(yǎng)護(hù)需求程度，指數(shù)越高表示越需要進(jìn)行養(yǎng)護(hù)。

（2）采用費(fèi)用—效益法對(duì)決策方案排序：根據(jù)每個(gè)路段單元的養(yǎng)護(hù)方案，計(jì)算其養(yǎng)護(hù)費(fèi)用、養(yǎng)護(hù)效益，求出其費(fèi)用—效益比，該比值反映養(yǎng)護(hù)方案的經(jīng)濟(jì)性，比值越高表示經(jīng)濟(jì)效益越好。根據(jù)費(fèi)用—效益比的大小，對(duì)所有路段單元的養(yǎng)護(hù)方案進(jìn)行排序。

（3）采用多目標(biāo)遺傳算法進(jìn)行方案約束與比選：考慮實(shí)際情況中存在多種約束條件，如資金限制、施工時(shí)間限制、交通影響限制等，需要對(duì)排序后的養(yǎng)護(hù)方案進(jìn)行約束和比選，以滿足各種約束條件下的最優(yōu)或最優(yōu)化解。該文采用多目標(biāo)遺傳算法（MOGA）作為優(yōu)化方法，該方法是一種基于自然選擇和遺傳機(jī)制的搜索算法，能夠同時(shí)處理多個(gè)目標(biāo)函數(shù)和多個(gè)約束條件，生成一組非劣解作為養(yǎng)護(hù)費(fèi)用最優(yōu)方案。

4 大數(shù)據(jù)路面養(yǎng)護(hù)決策研究工程應(yīng)用

選擇某公路的一段路段作為工程應(yīng)用案例，該路段里程區(qū)間為K17+000～K31+000，長(zhǎng)14 km。其路面養(yǎng)護(hù)方案決策步驟如下：

（1）導(dǎo)入該路段的上下行全車道的2021年養(yǎng)護(hù)數(shù)據(jù)，包括定檢數(shù)據(jù)、交通量數(shù)據(jù)、歷史養(yǎng)護(hù)項(xiàng)目、路面結(jié)構(gòu)信息、環(huán)境數(shù)據(jù)等，作為大數(shù)據(jù)路面養(yǎng)護(hù)決策的輸入數(shù)據(jù)。

（2）利用MLP機(jī)器學(xué)習(xí)模型預(yù)測(cè)該路段的2022年養(yǎng)護(hù)需求，輸出2022年養(yǎng)護(hù)決策方案，包括養(yǎng)護(hù)類型、養(yǎng)護(hù)時(shí)機(jī)、養(yǎng)護(hù)范圍等，作為大數(shù)據(jù)路面養(yǎng)護(hù)決策的輸出結(jié)果。

（3）將大數(shù)據(jù)路面養(yǎng)護(hù)決策方案與該路段的2022年實(shí)際養(yǎng)護(hù)計(jì)劃進(jìn)行對(duì)比分析，從技術(shù)狀況、經(jīng)濟(jì)效益、社會(huì)效益等方面評(píng)價(jià)兩種方案的差異和優(yōu)劣，將分析結(jié)果匯總，具體如表2所示。

從表2可以看出，該次提出的大數(shù)據(jù)養(yǎng)護(hù)決策系統(tǒng)能夠生成與實(shí)際養(yǎng)護(hù)計(jì)劃相符的養(yǎng)護(hù)決策方案，兩者之間的匹配率達(dá)到93%，說(shuō)明系統(tǒng)具有較高的可靠性，可以為路面養(yǎng)護(hù)計(jì)劃制定提供科學(xué)依據(jù)，應(yīng)用前景良好。

5 結(jié)論

綜上所述，該文研究了基于大數(shù)據(jù)的路面養(yǎng)護(hù)智能決策方法，其關(guān)鍵環(huán)節(jié)包括建立包含路面養(yǎng)護(hù)相關(guān)數(shù)據(jù)的養(yǎng)護(hù)大數(shù)據(jù)庫(kù)，以及數(shù)據(jù)的標(biāo)準(zhǔn)化、采集和預(yù)處理。劃分路段單元時(shí)采用變長(zhǎng)分段法，該方法利用交通量大數(shù)據(jù)算法分析路面的累計(jì)當(dāng)量軸載和剩余壽命，利用隨機(jī)森林模型匹配路面性能衰變值，得到路面技術(shù)狀況的預(yù)測(cè)結(jié)果。然后采用MLP神經(jīng)網(wǎng)絡(luò)模型根據(jù)路面技術(shù)狀況輸出養(yǎng)護(hù)方案，包括養(yǎng)護(hù)類型、養(yǎng)護(hù)范圍和養(yǎng)護(hù)時(shí)間。通過(guò)公路的工程應(yīng)用案例驗(yàn)證了該方法的有效性，發(fā)現(xiàn)該文生成的決策方案與實(shí)際養(yǎng)護(hù)計(jì)劃具有較高的匹配程度，達(dá)到93%，但方法也存在一些局限性，如路面病害特征較單一，需要在更復(fù)雜的工程案例中進(jìn)一步完善。

參考文獻(xiàn)

[1]許雙助. 高速公路路面養(yǎng)護(hù)施工與工作規(guī)劃[J]. 大眾標(biāo)準(zhǔn)化， 2022（14）： 51-53.

[2]翟佳. 高速公路路面養(yǎng)護(hù)超薄抗滑層技術(shù)運(yùn)用分析[J]. 建筑技術(shù)開發(fā)， 2020（6）： 128-130.

[3]陳雨航. 高速公路路面養(yǎng)護(hù)規(guī)劃與實(shí)施方案的研究[J]. 四川水泥， 2022（4）： 200-202.

[4]楊榆璋. 高速公路路面養(yǎng)護(hù)施工技術(shù)的應(yīng)用研究[J]. 科技創(chuàng)新與應(yīng)用， 2021（15）： 162-164.

[5]徐華興， 廖曉鋒. 路面養(yǎng)護(hù)管理系統(tǒng)開發(fā)智能決策分析研究[J]. 公路交通科技（應(yīng)用技術(shù)版）， 2011（12）： 128-130.

[6]董雨明， 朱艷永， 邢鵬， 等. 如何開展專業(yè)化、智能化的公路路面養(yǎng)護(hù)設(shè)計(jì)[J]. 中國(guó)公路， 2021（13）： 77-79.

[7]柏魯甬， 石家福， 汪海年， 等. 農(nóng)村公路瀝青路面養(yǎng)護(hù)智能決策系統(tǒng)研究[J]. 運(yùn)輸經(jīng)理世界， 2021（10）： 96-98.

[8]徐鵬， 祝軒， 姚丁， 等. 瀝青路面養(yǎng)護(hù)智能檢測(cè)與決策綜述[J]. 中南大學(xué)學(xué)報(bào)（自然科學(xué)版）， 2021（7）： 2099-2117.