基于LTPP的沥青路面平整度预测方法研究

发布时间：2020-04-22 07:15

【摘要】：平整度是评判路面使用性能好坏的重要指标,影响行驶质量、行车安全和道路服务质量。本文采用路面长期性能(LTPP)数据库提供的真实数据,以平整度为研究对象,挖掘分析LTPP数据库中的实验采集值,运用数据挖掘技术考虑环境气候、路面病害、交通荷载、路面结构等影响因素,对加拿大五省(亚伯达、马尼托巴、魁北克、安大略、萨斯喀彻温)近20年收集的平整度有关数据进行分析,选定气温、冰冻指标、降雨量、横向裂缝、纵向裂缝、龟裂、块裂、边缘裂缝、修补、坑槽为本文分析的重点影响因素,对其进行数据筛选,完成沥青路面平整度数据库的重构。首先对影响因素进行逐项分析,通过因子分析和相关性分析找出各变量之间的内部关联;然后选用logistic模型与混合效应模型作为平整度预测模型,分别通过调整输入参数从而提高两个模型拟合精度;最后得出logistic模型和混合效应模型的复判定系数(R~2)分别为0.731,0.754,两个模型的精度均低于80%。针对这两个模型拟合精度不高的问题,本文又引入人工神经网络模型预测平整度,采用B-P算法,Sigmoid为模型的激活函数。为了降低复杂性,设计了三层网络训练该模型,将平整度影响因素作为输入输出样本,通过调整输入变量和隐含层神经元个数,计算均方根误差(RMSE)与平均值误差(MAE)。实验结果表明,当输入变量个数为9和隐含神经元个数为4时,RSME和MAE分别为0.881、0.682,R~2为0.876,拟合精度较高。表明基于神经网络的平整度预测方法具有低复杂、较高效率和精度的优点,并且能够有效地评价路面使用性能。
【图文】：

车辆,计算模型,路面平整度,面平整度

第二章路面平整度及影响因素数据的获取与分析整度指标（IRI）来源于对四分之一车辆模型路面平整度响应的计行程。具体方式见图 2.1，在每个轮子的位置上，车辆的表现，悬挂着刚度和阻尼，该部分又与车轮和悬挂部件的弹簧下质量弹簧和非弹簧的质量在垂直方向上振动。IRI 主要受波长 2.5 到 1辆的身体开始移动时，较大的波长对悬挂反应有很小的影响，同较小的影响，轴共振的导致轮胎的偏转，而不会对悬挂产生重大面平整度成线性比例，这意味着当高度增加到一定百分比时，IR。

地理分布图,地理分布,加拿大,路面病害

不同严重程度的病害也影响平整度的变化。结合以上，将平整度影响分为五大类：路面病害、交通荷载、路面结构、环境道路。随着时间的推移，道路的寿命会呈现下降趋势，路面病害也会越来越多，，如果不养护和维修，道路会受到严重破坏。接下来会重点分析路面病害，交通荷载，环境多因素对路面平整度的影响情况。3.1 路面病害LTPP 数据库中通过海量历史数据的整合与集成，提取影响路面平整度数据，包整度数据的提取、交通荷载的提取、环境数据的提取及路面病害数据的提取。本文采用加拿大 5 省的高速公路 1990-2010 年的数据，从大量的数据提取影响平指标，首先进行数据的预处理工作，帮助后续平整度模型的建立。加拿大 5 省分别伯达（Alberta），马尼托巴（Manitoba），魁北克（Quebec），安大略（Ontario）斯喀彻温省（Saskatchewan），5 个省的地理分布如图 2.3 所示。
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TP183;U416.217;U418.6

【参考文献】