基于深層循環神經網絡的高速公路瀝青路面健康狀況預測模型

張志斌

(廣東盛翔交通工程檢測有限公司，廣州 510000)

目前中國高速公路路網建設速度已放緩，隨著設計使用年限的到來，大規模路網開始進入養護維修階段，對高速公路的路面使用性能進行準確預測不僅是制定合理養護策劃及處置措施的前提，還是提高路用性能、延長道路使用壽命、改善道路經濟效益的關鍵[1-2]。近年來，很多學者針對道路技術狀況預測進行了系統研究。楊博等[3]建立了道路性能預測指標，并基于參數自跟蹤的路面使用性能預測模型，以準確分析瀝青路面性能發展過程；蘇衛國等[4]從力學機理出發，建立了瀝青路面性能衰變的預測模型，可指導預防性養護方案決策研究；于曉賀等[5]為確定合理的瀝青路面養護時機和養護方式，通過優化灰色預測模型并依賴初始值的問題，建立了修正灰色預測模型，并結合漢十高速公路養護數據進行了試驗驗證；林利聰[6]采用灰色預測法、灰色馬爾可夫預測法對路面性能指標進行預測，以合理確定預防性養護修復的時機；嚴世濤等[7]分析了雙參數取值對應的養護模式，并結合灰色理論，建立了路面性能衰變預測模型；張麗娟等[8]提出了基于K最鄰近非參數回歸的道路路面性能預測方法。以上這些傳統的路面性能預測需對具體路段進行具體分析，不適用于大數據時代下的高效道路養護需求。

隨著人工神經網絡等現代化AI技術的成熟，一些學者開始將神經網絡引入道路性能預測中，謝峰[9]使用BP神經網絡建立了路面狀況指數(PCI)、結構強度指數(PSSI)、行駛質量指數(RQI)、抗滑性能指數(SRI)等4個路面性能評價指標的預測模型；……