高速公路路面质量基于模糊神经网络的评价

秦代华

(贵州通力达公路工程监理咨询有限公司)

1 评定标准

2003年试行的《高速公路养护质量检评方法》针对高速公路路面的质量做出以下评价指标:路面状况指数(PCI，全称是pavement condition index)、道路行驶质量指数(RQI，即为riding quality index)、路面抗滑性能指数(SRI，skidding resistance index)与路面结构强度指数(PSSI，即pavement structure strength index)，这4个单项指数的加权平均值就是路面使用质量指数(pavement quality index即PQI)。公式如下所示:

式中:w1、w2、w3、w4指相关指标的权重数值，选取时要参照路况的实际情况和重要性大小决定，调整范围需要在建议值范围之内。

综合评价路面使用质量的标准(100为最高的分值)见表1。因为PQI的评价模型是经过多元线性统计回归分析而后建立的，而且人为操控着评价的整个过程，这就导致权重的确定与路面破损率的判断是不够客观的，所以此模型计算出来的加权平均值只能对路面整体质量有个大概的估计，路面实际情况是不能全面反映的。

2 模型结构的建立

模糊神经网络经过大量的数据输入与输出，并通过自身的学习，会优化模型结构当中的规则数值，而模型结构还会随着不同的学习算法与节点权值发生改变。它的基本逻辑结构由五部分构成，依次是确定性输入、模糊化运算、模糊化推理、清晰运算与确定性输出。

模糊神经网络中最常见的网络结构其中一种是基于T-S推理的模糊神经网络结构。T-S模糊结构是一种非线性模型，它是由输出变量(PCI、PSSI、RQI与SRI评价指标)与输出变量(高速公路路面质量PQI)通过n维输入单输出构造出的模糊神经网络系统。其模糊逻辑系统表达力强，可以精确地表达任何函数，而且模糊系统多输入—多输出调整参数值容易，且该系统还具有很强的推广力。根据T-S模型的推理规则:

式中的真值输入向量x=(x1，x2，…，xn)，Ai是在论域xi上的模糊集合，i=1，2，3，…，n;bi表示实数;y 为输出量，是由系统根据模糊规则R计算出来的。

由(2)式中可以了解到，前件网络和后件网络构成T-S模糊神经网络结构。它总共分为5层，前件网络由前4层组成:

第1层为输入层，在输入层中的每一个节点都与向量xn直接相接，目的是把x=(x1，x2，…，xn)T传送到第2层，第1层节点数N1=n个。

表1 路面使用质量的综合评价标准

第3层为模糊规则层，层中每一个节点均表示一条模糊规则，其作用与模糊规则前件匹配，进而计算出规则的适用度，公式:

第4层是结论层，该层与第3层有相同的节点数:N4=N3=m，归一化计算出规则适用度。

第5层为输出层，也是整个模糊网络的输出层，属于后件网络，进行的是清晰化计算，公式为:

3 模糊神经网络的学习算法

(1)计算误差

网络误差函数设为:

其中:e是网络期望输出(ydi)与网络实际输出(yi)之间的误差。

(2)系数修正

计算出期望输出与网络实际输出值的误差范围之后，接着就是修正神经网络系数。计算如下，其中j、i与k均为大于0的整数，pji是神经网络系数，β是网络学习概率(β需大于0)，xi为输入网络的参数，输入参数隶属度的连乘积就是αj。

(3)调整参数

最后一步是调整参数，通过学习基于T-S模糊结构的算法，固定神经网络系数pji(k)，再利用计算出的误差进行反向传播计算，得出ae/aij与ae/acij的值。最后逐渐优化隶属度函数，得到最终结果，如下公式所示:

由于模糊神经网络是一个局部逼近网络。通过以上的模糊神经网络学习算法，模型中的系数和参数可以得到很好的修正，实现调整也比较容易，收敛速度亦可极大的提高。

4 结束语

路面质量评价要经过详细的测试与调查，确定路面的使用质量，进而依照设计标准判断公路的剩余寿命，从而决定养护计划或是新的设计标准。在高速公路通车里程不断增加与路网规模不断扩大的今天，需做好养护公路这项工作。

:

［1］罗建科.神经网络与组合预测在高速公路路面管理系统的应用研究［J］.西南交通大学，2012，16(8):36.

［2］姜玉玲.基于演化模糊神经网络的高速公路浅层质量评价算法研究［J］.南昌大学，2012，14(12):25.