交通量大数据助养护决策智能化

文/中国交建公路路面养护技术研发中心 董元帅

公路建设与养护技术、材料及装备交通运输行业研发中心 张艳红

截至2017年，我国公路养护里程达467.46万公里。公路养护决策的质量和效率关乎到交通行业资源的优化配置，对于实现交通强国的目标具有重要的战略意义。基于历史路况及交通量数据，采用科学方法制定中长期养护规划，是解决公路养护资金不足的有效方法之一，也符合交通运输部“十三五”养护纲要中大力推行实施科学养护决策的理念及要求。

交通量及轴载数据是路面养护规划及设计中最重要的基础动态参数之一。传统的路面养护规划大多依靠路况指标数据，对交通量数据的挖掘及应用远远不够，导致养护规划的实际指导意义不大，与养护实际需求相脱节。实际上，交通量数据在整个路面养护决策与规划中占有重要地位，尤其是在我国高等级公路重载超载现象严重的情况下，更应该在养护规划中挖掘交通量数据的价值。

交通量大数据的来源

近年来，大数据技术的讨论或应用无处不在。到底什么是大数据（Big data）？研究机构Gartner（高德纳，全球最具权威性的IT研究与顾问咨询公司之一）给出了这样的定义：“大数据”是需要新处理模式才能具有更强的决策能力、洞察发现能力和流程优化能力来适应海量的、高增长率的和多样化的信息资产。数据挖掘（Data mining）是数据库知识发现（Knowledge-Discovery in Databases，简称：KDD)中的一个步骤。数据挖掘一般是指从大量的数据中通过算法搜索隐藏于其中的信息的过程，数据挖掘通常与计算机科学有关，并通过统计、在线分析处理、情报检索、机器学习、专家系统（依靠过去的经验法则）和模式识别等诸多方法来实现上述目标。

交通量大数据理念是指将各类交通量数据与路面养护决策、养护设计相融合，同时与各类基础数据及养护数据互为校核、深度交融，构建基于多指标体系及大数据支撑的路面养护决策体系，使路面养护决策真正实现科学化、智能化。

交通量大数据与养护决策理念示意图

结合交通量数据在路面养护规划决策中的应用，将交通量数据分为原始采集类、一次加工类和二次加工类。其中，原始采集类主要指直接从收费站、治超站或道路站点采集的交通量数据，具体包括观测站各车型的组成分布和各车型的轴载数据等；一次加工类是在原始采集数据的基础上，采用现行行业规范方法对原始采集到的数据进行换算后得到的交通量数据，具体包括交通量增长率、年平均日交通量、年累计当量轴载等；二次加工类则是在经过一次加工的数据基础上，根据需要，采用国内外成熟的方法对其换算后得到的数据，具体包括剩余寿命等。

基于交通量大数据的动态路段划分

交通量路段

对于高等级公路或国省干线而言，往往以收费站或观测站作为标志，区分公路全线不同交通量特征的路段。但在公路实际运行中，由于各路段车型的分布、组成及数量的不同，一条道路的交通量往往具有区间性、方向性和动态性3个特征。

区间性通常以一定桩号范围或一定路段内的交通量特征参数（如年平均断面日交通量、年累计当量轴载等），作为区分不同交通量路段或断面的依据。方向性是因为交通流具有方向性，所以，交通量数据也同样具有方向性特征。此外，交通量是随时间变化的动态参数，从短期来看，公路上对应不同时刻的交通量持续变化；从长期来看，不同年份或不同时间段交通量的变化趋势也在改变。因此，交通量具有动态性特征。

路段一次划分

为了开展路面养护决策，需要将具有相同属性特征，如车道数、路面结构、路面宽度、交通量等参数的区间划分为路段，便于在决策时调用统一的参数。在这些属性中，交通量参数属于随时间变化的动态参数，但不同交通量路段的分界桩号基本确定不变，即观测站桩号不变。因此，在开展养护决策时，交通量数据的应用首先是将道路全线不同交通量特征的路段划分出来，同时，结合车道数、路面结构、路面宽度等静态属性，作为路段一次划分的指标。

路段一次划分示意图

路段二次划分

在路面养护决策中，为了确定养护方案，需要在路段一次划分的基础上，进一步根据路况指标及其他相关参数值，完成路段的二次划分。例如，现行《公路沥青路面养护技术规范》规定，“若高速公路及一级公路的RQI（行驶质量指数）评价为优、良，或者二级及二级以下公路的行驶质量指数评价为优、良、中时，以日常养护为主。”此处的RQI指标即为路段划分指标之一。

一般来说，养护的类型包括日常养护、预防性养护、中修养护及大修养护。判断路面是否需要进行大中修的传统指标为路面结构强度指数（PSSI）。而PSSI作为规范规定的抽检路况指标，检测时存在数据不连续性、断节性、甚至缺失性等特点，这给路段路面养护决策的划分带来了困难。面对出现的困难，由美国国有公路运输管理员协会（AASHTO）建立的路面结构承载力指标，即剩余寿命指标，给养护决策的路段划分带来了一些思考。

剩余寿命指标的计算方法有两种：旧路调查法及FWD反算法。基于两种方法的可推广性及普及性，提出了改进后的剩余寿命指标计算方法，即年累计当量轴载反算法。借助剩余寿命的定义，即路段未来尚能承受的轴载作用次数换算年限，得出具体计算公式，如式1所示：

式1中，RL为剩余寿命（年）；N为通车至设计年限内各年份发生的年累计当量轴载（百万次）；N e为设计年限内一个方向上，一个车道的累计当量轴次（百万次）；L为设计年限。

将剩余寿命指标与其余路况指标相结合，建立适合不同地区的路段划分触发界限。由交通量数据换算得到改进的剩余寿命法，一方面继续延用了将路面结构承载力作为判断大中修养护依据的传统，另一方面突破性地规避了PSSI指标数据不全和不足的问题。

路面性能衰变模型

基于交通量和路况关系的路面性能衰变模型，是路面养护决策中极为关键的决策基础。路面养护决策主要解决未来年度路面养护路段、养护时机及养护措施等三大核心问题。而路面性能衰变模型正是影响这三大核心问题的重要因素，从模型对象类型来看，路面性能衰变模型分为原路面模型与养护后模型。原路面模型即对应旧路路况的变化规律，养护后模型即对应道路在采用不同养护后的路况变化情况。路面性能衰变模型在决策中的应用，如表1所示。

传统性能模型预测准确性不足

根据表达方式的不同，路面性能衰变模型主要分为确定型模型和概率型模型。其中，确定型模型的应用较为广泛，模型建立主要采用经验回归法，即基于多年的历史数据，建立路况指标与时间的相关关系。该方法在养护规划及决策中应用较多，可用来预测未来年度的路面性能变化情况，且仅需要两个及以上时间维度下的路况数据，即可建立不同方程形式的性能曲线，方程建立简单方便。然而，由于建立的是路龄与路面性能的关系，并不能直接反映运营期内交通量的发展，预测准确性不足，对路面性能的预测准确性还有待提高。

改进后的性能模型需进行动态校正

交通量是影响路面性能衰减的一个重要因素，路面性能的衰减很大程度上是由于交通量的变化所引起。传统建模方法是建立路龄与路面性能的回归关系，其与交通量关联性和准确性均较差。因此，仅简单采用路龄预测路面性能的变化，不能直接将交通量对路况的影响予以量化。基于此，在路面养护决策中，需建立年累计当量轴载与路面性能的关系，更真实地预测未来规划年度的路况衰减。

表1 路面性能衰变模型在决策中的应用

需要注意的是，为了保证模型的实时准确性，改进后的性能模型应根据不断更新的路况数据，对一定模型分组条件下的性能模型曲线进行动态校正。

资金优化分配

在养护决策中，当路线或路网的养护资金受到限制时，需要根据资金约束条件对规划期内的养护方案进行优化排序，在有限的资金条件下筛选出最适合养护的路段及方案。在确定养护路段时，交通量应作为参与排序决策的重要因素。一般而言，交通量越重的路段，路况水平相对越差，相应地，未来的路况衰减速度也越快。因此，其应安排的养护优先级也越高。当养护资金受限时，可根据决策树法或优先级因子法，确定需要养护的路段。

以优先级因子法为例，将年累计当量轴载及PCI作为基础影响参数，各地可根据当地的情况增加不同的路况指标参与优化分配。

式2中，Ysec为优先级因子；Nsec为养护路段最近年份的年累计当量轴载；PCIsec为养护路段最近检测批次的PCI；PPPsec为养护路段最近检测批次的PPP值。PPP值包括PQI、RDI、RQI、SRI、PSSI。当PPP选择多个时，各指标可连乘计算。

在路面养护决策中应用交通量大数据，与传统未考虑交通量大数据的路面养护决策相比，基于交通量大数据的养护决策技术，在路段划分合理性、养护决策科学性、资金分配全面性等方面均具有较大优势，为公路路面养护科学决策及未来的信息化应用提供了参考。

路龄和路面性能衰变曲线

年累计当量轴载和路面性能衰变曲线