论基于大数据的路面养护智能决策

收稿日期：2024-01-19

作者简介：陈桂龙（1990—），男，本科，助理工程师，从事公路工程管理工作。

摘要 路面养护决策是确定养护方案、保证养护效果的关键，现有路面养护决策方法存在数据不全面、不准确等问题。基于此，文章探讨了基于大数据的路面养护智能决策方法，分析如何建立养护大数据库，统一数据标准，进行数据采集处理，提出采用变长分段法划分路网，利用交通量大数据对随机森林模型预测路面技术状况进行分析，根据偏离度比选模型。最后，通过高速公路工程实例验证生成的养护方案与实际养护方案匹配率达93%，为路面养护决策提供了技术参考。

关键词 路面养护决策；养护大数据库；资金优化分配

中图分类号 U445.4文献标识码 A文章编号 2096-8949（2024）11-0126-03

0 引言

路面养护决策是根据路面状况、交通需求、运营效益等因素，确定路面养护的目标、内容、时机、方法和资金分配等问题，是一项复杂的系统工程，涉及多种数据来源、分析方法、评价指标、约束条件，需综合考虑各方面的影响因素，寻求最优的解决方案。随着信息技术的发展，大数据在各个领域得到广泛应用，其具有海量性、多样性、动态性、价值性和可视化等特征，可提供更加全面精准的信息[1]。基于大数据技术对路面养护相关数据进行收集、整合、分析和挖掘，提取有价值的信息和知识，可以为路面养护决策提供更有力的支持[2-4]。

1 养护大数据库的建立

为实现基于大数据的路面养护智能决策，首先需建立包含路面养护相关数据的养护大数据库，该数据库涵盖了路面的结构、材料、厚度、建成时间、养护历史等静态数据，以及路面的平整度、裂缝、坑槽、交通流量、气象条件等动态数据。养护大数据库的创建流程如图1所示。

1.1 统一数据标准

数据标准可以保证数据的一致性、可比性，是建立养护大数据库、实现数据共享交换的前提。该文根据国家相关标准及路面养护决策需求，确定各养护大数据库中相关数据的分类和规范。根据数据来源和变化特征可将养护决策数据分为静态数据、动态数据两类。静态数据是指在一定时期内不发生变化或变化很小的数据，如路网结构、路段属性、路面类型等；动态数据是指随时间或空间发生变化或变化较大的数据，如路面技术状况、交通流量、气象条件等，具体如表1所示。

1.2 数据采集

根据养护决策数据类型及特点采用多种数据采集方式获取路面的静态数据、动态数据，具体方式如下[5]：

（1）车载设备：利用车载设备采集路面技术状况、交通流量等动态数据，如路面平整度仪、裂缝检测仪等。

（2）收费站车辆信息：利用收费站的车牌识别系统、电子标签系统等获取车辆的通行时间、类型、重量等信息，反映交通情况。

（3）工程设计及竣工资料：利用工程设计图纸、施工日志、验收报告等获取路面结构、材料、厚度等静态数据。

（4）气象共享数据：基于气象监测站或卫星遥感获取路网所在区域的温度、湿度、降雨量等气象条件数据。

表1 养护决策数据类型

大类 小类 数据类型

静态

数据 路段桩号 起止桩号

车道情况 宽度、车道数量

路面结构 面层、基层、底基层的类型及参数

动态

数据 技术状况 破损、裂缝、车辙、抗滑、混凝土强度

交通流量 日交通量均值、各类型客货车比例、标准车交通量折算值等

养护项目 养护类型、养护措施、典型病害、养护前后路况对比

路面病害 病害类别、病害位置、病害损坏情况

环境气候 降雨量、气温

1.3 数据预处理

为建立适合神经网络模型的数据集，提高收敛性，降低训练时间，需进行路面数据预处理，包括清理异常值、缺失值，集成不同来源的数据，规约数据的维度和数量[6]。

2 路面决策分析过程

2.1 变长分段法划分路段单元

路面养护决策分析时需将路网划分为若干个路段单元，路段单元是决策分析的基本对象，每个单元具有相似的属性、特征[7]。该文采用变长分段法进行路段单元划分，根据路面的结构、材料、厚度、建成时间、养护历史等静态数据以及路面平整度、裂缝、坑槽等动态数据，确定路段单元的起止点、长度。变长分段法的基本原理是相邻两个检测点的数据差异超过一定阈值时，可认为这两点之间是一个路段单元的边界，路面单元划分如图2所示。

2.2 路面技术状况预测模型研究

路面技术状况预测模型可以反映路面性能变化规律，采用交通量大数据预测模型、随机森林预测模型，分别利用养护大数据库中的静态数据、动态数据预测路面技术状况的相关指标，比较两种模型的预测效果，选择偏离度最小的预测模型，偏离度是指预测值与真实值的差值[8]。

交通量大数据预测模型根据路面的累计当量轴载和剩余寿命生成路面性能衰变曲线，实现较长时间跨度的路面技术状况预测。另一种是随机森林预测模型，基于深度学习理论进行路面大数据分析，根据路径技术状况衰变匹配算法，选择与目标路段相似路段的技术状况参数与待预测路面性能衰变值匹配。基于同路段比较两种模型的养护需求预测准确度，选出最佳模型。考虑每年病害演变数据及路况指标值对预测模型的动态调整，给出路面技术状况预测模型流程图，如图3所示。

图2 路面单元划分示意图

图3 路面技术状况预测模型流程图

2.3 基于MLP神经网络法输出养护方案

根据路面技术状况的预测结果采用MLP神经网络法输出合理的养护方案，具体步骤如下：

（1）决策输入变量、输出变量梳理：根据养护决策的目标和内容，确定决策的输入/输出变量。输入变量包括路面技术状况指标、交通流量、气象条件等；输出变量包括养护类型、养护时机、养护范围等。

（2）机器学习模型训练：基于养护大数据库中的数据训练MLP神经网络模型，确定模型的结构、参数、权重。训练时采用反向传播算法优化模型，尽量降低模型误差。

（3）养护决策方案输出：利用训练好的MLP神经网络模型计算路段单元的输入变量，得到相应的输出变量，即养护方案。汇总所有路段单元的养护方案形成最终方案。

3 路网养护决策方案优化分析

为确保路网养护决策方案合理有效，需进行方案优化分析，考虑养护的紧迫性、效益和约束等因素，寻求最优化的解决方案，采用以下流程进行路网养护决策方案优化分析：

（1）养护紧迫性指数计算：根据路面技术状况的预测结果，计算每个路段单元的养护紧迫性指数，该指数反映路段单元的养护需求程度，指数越高表示越需要进行养护。

（2）采用费用—效益法对决策方案排序：根据每个路段单元的养护方案，计算其养护费用、养护效益，求出其费用—效益比，该比值反映养护方案的经济性，比值越高表示经济效益越好。根据费用—效益比的大小，对所有路段单元的养护方案进行排序。

（3）采用多目标遗传算法进行方案约束与比选：考虑实际情况中存在多种约束条件，如资金限制、施工时间限制、交通影响限制等，需要对排序后的养护方案进行约束和比选，以满足各种约束条件下的最优或最优化解。该文采用多目标遗传算法（MOGA）作为优化方法，该方法是一种基于自然选择和遗传机制的搜索算法，能够同时处理多个目标函数和多个约束条件，生成一组非劣解作为养护费用最优方案。

4 大数据路面养护决策研究工程应用

选择某公路的一段路段作为工程应用案例，该路段里程区间为K17+000～K31+000，长14 km。其路面养护方案决策步骤如下：

（1）导入该路段的上下行全车道的2021年养护数据，包括定检数据、交通量数据、历史养护项目、路面结构信息、环境数据等，作为大数据路面养护决策的输入数据。

（2）利用MLP机器学习模型预测该路段的2022年养护需求，输出2022年养护决策方案，包括养护类型、养护时机、养护范围等，作为大数据路面养护决策的输出结果。

（3）将大数据路面养护决策方案与该路段的2022年实际养护计划进行对比分析，从技术状况、经济效益、社会效益等方面评价两种方案的差异和优劣，将分析结果汇总，具体如表2所示。

从表2可以看出，该次提出的大数据养护决策系统能够生成与实际养护计划相符的养护决策方案，两者之间的匹配率达到93%，说明系统具有较高的可靠性，可以为路面养护计划制定提供科学依据，应用前景良好。

5 结论

综上所述，该文研究了基于大数据的路面养护智能决策方法，其关键环节包括建立包含路面养护相关数据的养护大数据库，以及数据的标准化、采集和预处理。划分路段单元时采用变长分段法，该方法利用交通量大数据算法分析路面的累计当量轴载和剩余寿命，利用随机森林模型匹配路面性能衰变值，得到路面技术状况的预测结果。然后采用MLP神经网络模型根据路面技术状况输出养护方案，包括养护类型、养护范围和养护时间。通过公路的工程应用案例验证了该方法的有效性，发现该文生成的决策方案与实际养护计划具有较高的匹配程度，达到93%，但方法也存在一些局限性，如路面病害特征较单一，需要在更复杂的工程案例中进一步完善。

参考文献

[1]许双助. 高速公路路面养护施工与工作规划[J]. 大众标准化， 2022（14）： 51-53.

[2]翟佳. 高速公路路面养护超薄抗滑层技术运用分析[J]. 建筑技术开发， 2020（6）： 128-130.

[3]陈雨航. 高速公路路面养护规划与实施方案的研究[J]. 四川水泥， 2022（4）： 200-202.

[4]杨榆璋. 高速公路路面养护施工技术的应用研究[J]. 科技创新与应用， 2021（15）： 162-164.

[5]徐华兴， 廖晓锋. 路面养护管理系统开发智能决策分析研究[J]. 公路交通科技（应用技术版）， 2011（12）： 128-130.

[6]董雨明， 朱艳永， 邢鹏， 等. 如何开展专业化、智能化的公路路面养护设计[J]. 中国公路， 2021（13）： 77-79.

[7]柏鲁甬， 石家福， 汪海年， 等. 农村公路沥青路面养护智能决策系统研究[J]. 运输经理世界， 2021（10）： 96-98.

[8]徐鹏， 祝轩， 姚丁， 等. 沥青路面养护智能检测与决策综述[J]. 中南大学学报（自然科学版）， 2021（7）： 2099-2117.