論基于大數據的路面養護智能決策

收稿日期：2024-01-19

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

摘要 路面養護決策是確定養護方案、保證養護效果的關鍵，現有路面養護決策方法存在數據不全面、不準確等問題。基于此，文章探討了基于大數據的路面養護智能決策方法，分析如何建立養護大數據庫，統一數據標準，進行數據采集處理，提出采用變長分段法劃分路網，利用交通量大數據對隨機森林模型預測路面技術狀況進行分析，根據偏離度比選模型。最后，通過高速公路工程實例驗證生成的養護方案與實際養護方案匹配率達93%，為路面養護決策提供了技術參考。

關鍵詞 路面養護決策；養護大數據庫；資金優化分配

中圖分類號 U445.4文獻標識碼 A文章編號 2096-8949（2024）11-0126-03

0 引言

路面養護決策是根據路面狀況、交通需求、運營效益等因素，確定路面養護的目標、內容、時機、方法和資金分配等問題，是一項復雜的系統工程，涉及多種數據來源、分析方法、評價指標、約束條件，需綜合考慮各方面的影響因素，尋求最優的解決方案。隨著信息技術的發展，大數據在各個領域得到廣泛應用，其具有海量性、多樣性、動態性、價值性和可視化等特征，可提供更加全面精準的信息[1]。基于大數據技術對路面養護相關數據進行收集、整合、分析和挖掘，提取有價值的信息和知識，可以為路面養護決策提供更有力的支持[2-4]。

1 養護大數據庫的建立

為實現基于大數據的路面養護智能決策，首先需建立包含路面養護相關數據的養護大數據庫，該數據庫涵蓋了路面的結構、材料、厚度、建成時間、養護歷史等靜態數據，以及路面的平整度、裂縫、坑槽、交通流量、氣象條件等動態數據。養護大數據庫的創建流程如圖1所示。

1.1 統一數據標準

數據標準可以保證數據的一致性、可比性，是建立養護大數據庫、實現數據共享交換的前提。該文根據國家相關標準及路面養護決策需求，確定各養護大數據庫中相關數據的分類和規范。根據數據來源和變化特征可將養護決策數據分為靜態數據、動態數據兩類。靜態數據是指在一定時期內不發生變化或變化很小的數據，如路網結構、路段屬性、路面類型等；動態數據是指隨時間或空間發生變化或變化較大的數據，如路面技術狀況、交通流量、氣象條件等，具體如表1所示。

1.2 數據采集

根據養護決策數據類型及特點采用多種數據采集方式獲取路面的靜態數據、動態數據，具體方式如下[5]：

（1）車載設備：利用車載設備采集路面技術狀況、交通流量等動態數據，如路面平整度儀、裂縫檢測儀等。

（2）收費站車輛信息：利用收費站的車牌識別系統、電子標簽系統等獲取車輛的通行時間、類型、重量等信息，反映交通情況。

（3）工程設計及竣工資料：利用工程設計圖紙、施工日志、驗收報告等獲取路面結構、材料、厚度等靜態數據。

（4）氣象共享數據：基于氣象監測站或衛星遙感獲取路網所在區域的溫度、濕度、降雨量等氣象條件數據。

表1 養護決策數據類型

大類 小類 數據類型

靜態

數據 路段樁號 起止樁號

車道情況 寬度、車道數量

路面結構 面層、基層、底基層的類型及參數

動態

數據 技術狀況 破損、裂縫、車轍、抗滑、混凝土強度

交通流量 日交通量均值、各類型客貨車比例、標準車交通量折算值等

養護項目 養護類型、養護措施、典型病害、養護前后路況對比

路面病害 病害類別、病害位置、病害損壞情況

環境氣候 降雨量、氣溫

1.3 數據預處理

為建立適合神經網絡模型的數據集，提高收斂性，降低訓練時間，需進行路面數據預處理，包括清理異常值、缺失值，集成不同來源的數據，規約數據的維度和數量[6]。

2 路面決策分析過程

2.1 變長分段法劃分路段單元

路面養護決策分析時需將路網劃分為若干個路段單元，路段單元是決策分析的基本對象，每個單元具有相似的屬性、特征[7]。該文采用變長分段法進行路段單元劃分，根據路面的結構、材料、厚度、建成時間、養護歷史等靜態數據以及路面平整度、裂縫、坑槽等動態數據，確定路段單元的起止點、長度。變長分段法的基本原理是相鄰兩個檢測點的數據差異超過一定閾值時，可認為這兩點之間是一個路段單元的邊界，路面單元劃分如圖2所示。

2.2 路面技術狀況預測模型研究

路面技術狀況預測模型可以反映路面性能變化規律，采用交通量大數據預測模型、隨機森林預測模型，分別利用養護大數據庫中的靜態數據、動態數據預測路面技術狀況的相關指標，比較兩種模型的預測效果，選擇偏離度最小的預測模型，偏離度是指預測值與真實值的差值[8]。

交通量大數據預測模型根據路面的累計當量軸載和剩余壽命生成路面性能衰變曲線，實現較長時間跨度的路面技術狀況預測。另一種是隨機森林預測模型，基于深度學習理論進行路面大數據分析，根據路徑技術狀況衰變匹配算法，選擇與目標路段相似路段的技術狀況參數與待預測路面性能衰變值匹配。基于同路段比較兩種模型的養護需求預測準確度，選出最佳模型。考慮每年病害演變數據及路況指標值對預測模型的動態調整，給出路面技術狀況預測模型流程圖，如圖3所示。

圖2 路面單元劃分示意圖

圖3 路面技術狀況預測模型流程圖

2.3 基于MLP神經網絡法輸出養護方案

根據路面技術狀況的預測結果采用MLP神經網絡法輸出合理的養護方案，具體步驟如下：

（1）決策輸入變量、輸出變量梳理：根據養護決策的目標和內容，確定決策的輸入/輸出變量。輸入變量包括路面技術狀況指標、交通流量、氣象條件等；輸出變量包括養護類型、養護時機、養護范圍等。

（2）機器學習模型訓練：基于養護大數據庫中的數據訓練MLP神經網絡模型，確定模型的結構、參數、權重。訓練時采用反向傳播算法優化模型，盡量降低模型誤差。

（3）養護決策方案輸出：利用訓練好的MLP神經網絡模型計算路段單元的輸入變量，得到相應的輸出變量，即養護方案。匯總所有路段單元的養護方案形成最終方案。

3 路網養護決策方案優化分析

為確保路網養護決策方案合理有效，需進行方案優化分析，考慮養護的緊迫性、效益和約束等因素，尋求最優化的解決方案，采用以下流程進行路網養護決策方案優化分析：

（1）養護緊迫性指數計算：根據路面技術狀況的預測結果，計算每個路段單元的養護緊迫性指數，該指數反映路段單元的養護需求程度，指數越高表示越需要進行養護。

（2）采用費用—效益法對決策方案排序：根據每個路段單元的養護方案，計算其養護費用、養護效益，求出其費用—效益比，該比值反映養護方案的經濟性，比值越高表示經濟效益越好。根據費用—效益比的大小，對所有路段單元的養護方案進行排序。

（3）采用多目標遺傳算法進行方案約束與比選：考慮實際情況中存在多種約束條件，如資金限制、施工時間限制、交通影響限制等，需要對排序后的養護方案進行約束和比選，以滿足各種約束條件下的最優或最優化解。該文采用多目標遺傳算法（MOGA）作為優化方法，該方法是一種基于自然選擇和遺傳機制的搜索算法，能夠同時處理多個目標函數和多個約束條件，生成一組非劣解作為養護費用最優方案。

4 大數據路面養護決策研究工程應用

選擇某公路的一段路段作為工程應用案例，該路段里程區間為K17+000～K31+000，長14 km。其路面養護方案決策步驟如下：

（1）導入該路段的上下行全車道的2021年養護數據，包括定檢數據、交通量數據、歷史養護項目、路面結構信息、環境數據等，作為大數據路面養護決策的輸入數據。

（2）利用MLP機器學習模型預測該路段的2022年養護需求，輸出2022年養護決策方案，包括養護類型、養護時機、養護范圍等，作為大數據路面養護決策的輸出結果。

（3）將大數據路面養護決策方案與該路段的2022年實際養護計劃進行對比分析，從技術狀況、經濟效益、社會效益等方面評價兩種方案的差異和優劣，將分析結果匯總，具體如表2所示。

從表2可以看出，該次提出的大數據養護決策系統能夠生成與實際養護計劃相符的養護決策方案，兩者之間的匹配率達到93%，說明系統具有較高的可靠性，可以為路面養護計劃制定提供科學依據，應用前景良好。

5 結論

綜上所述，該文研究了基于大數據的路面養護智能決策方法，其關鍵環節包括建立包含路面養護相關數據的養護大數據庫，以及數據的標準化、采集和預處理。劃分路段單元時采用變長分段法，該方法利用交通量大數據算法分析路面的累計當量軸載和剩余壽命，利用隨機森林模型匹配路面性能衰變值，得到路面技術狀況的預測結果。然后采用MLP神經網絡模型根據路面技術狀況輸出養護方案，包括養護類型、養護范圍和養護時間。通過公路的工程應用案例驗證了該方法的有效性，發現該文生成的決策方案與實際養護計劃具有較高的匹配程度，達到93%，但方法也存在一些局限性，如路面病害特征較單一，需要在更復雜的工程案例中進一步完善。

參考文獻

[1]許雙助. 高速公路路面養護施工與工作規劃[J]. 大眾標準化， 2022（14）： 51-53.

[2]翟佳. 高速公路路面養護超薄抗滑層技術運用分析[J]. 建筑技術開發， 2020（6）： 128-130.

[3]陳雨航. 高速公路路面養護規劃與實施方案的研究[J]. 四川水泥， 2022（4）： 200-202.

[4]楊榆璋. 高速公路路面養護施工技術的應用研究[J]. 科技創新與應用， 2021（15）： 162-164.

[5]徐華興， 廖曉鋒. 路面養護管理系統開發智能決策分析研究[J]. 公路交通科技（應用技術版）， 2011（12）： 128-130.

[6]董雨明， 朱艷永， 邢鵬， 等. 如何開展專業化、智能化的公路路面養護設計[J]. 中國公路， 2021（13）： 77-79.

[7]柏魯甬， 石家福， 汪海年， 等. 農村公路瀝青路面養護智能決策系統研究[J]. 運輸經理世界， 2021（10）： 96-98.

[8]徐鵬， 祝軒， 姚丁， 等. 瀝青路面養護智能檢測與決策綜述[J]. 中南大學學報（自然科學版）， 2021（7）： 2099-2117.