论文部分内容阅读
沥青路面性能包括路面行驶质量、路面损坏状况、路面抗滑性能、路面结构强度等。每一个沥青路面性能指标都受到多种内在和外在因素影响,不同指标的影响因素之间还可能存在交叉,性能指标作为预测变量的数目过多,不利于使用大数据技术进行合理有效的预测。据统计大约80%沥青路面维修养护是由于路面车辙变形,与水损害和路面裂缝等其他病害相比,沥青路面车辙危害性最大,车辙的存在又会严重影响行车舒适度和行车安全,并会引发或加深其他病害。由此可知,车辙深度是沥青路面性能的关键指标,车辙深度变化值的有效预测对于沥青路面性能的整体预估是有重要意义的,因而将车辙深度变化作为最终预测量。为了有针对性的分析各影响因素对沥青路面性能的影响形式,本文选择路面性能中比重最大的车辙变形入手开展研究。本文所用数据来自LTPP数据,满足来源复杂、体量巨大、价值潜伏的大数据特点,利用大数据技术实现数据的整合共享、交叉复用,形成一定的智力资源和知识服务能力。首先,从沥青混合料的粘弹性角度分析了沥青路面车辙的形成机理和车辙变化量的影响因素,从中提取出各类影响因素的代表项,分别选择最高气温均值代表气候条件、累计当量标准轴载作用次数代表交通条件、面层空隙率代表沥青混合料自身特性。其次,本文利用分布式存储系统SQL软件提取和重构了LTPP中车辙和影响因素的数据库进行大数据的存储和管理,利用JMP软件实现了气温、交通荷载、空隙率大数据在时间和空间上的分布和变化情况的可视化技术分析,依此得出需要按划分好的四个季度,分别建立每个季度的车辙变化量预测模型。再次,基于大数据挖掘技术实现了车辙变化与影响因素关系研究,选择因子分析法利用SPSS软件探究各影响因素的内部关联,得到三个自变量相关系数很低,彼此间具有较高独立性。选择偏相关性方法对三个影响因素进行敏感性分析,得知最高气温均值和面层空隙率与车辙深度变化量之间不存在显著的线性关系。累计当量标准轴载作用次数与车辙深度变化量之间的线性相关较为显著。分析得到交通荷载对车辙变化量的影响程度最大,最高气温均值其次,面层空隙率影响相对最弱。最后,本文参考粘弹性模型的数学表达形式,建立了四个季度的考虑温度效应、交通荷载效应、沥青混合料自身特性效应的车辙变化量预测模型。基于大数据优化算法技术中的Levenberg-Marqurdt算法来处理多元非线性复杂模型,利用按需求提取和预处理后的LTPP数据和lstopt软件实现了参数的高效拟合,结果表明本次研究建立的四个季度的预测模型合理,具有较好的预测能力和预测精度。本文围绕“让数据本身说话”的中心想法,基于各类大数据技术的分析手段,实现利用直观采集的性能原始数据和影响因素原始数据,经过预处理后代入对应季度的车辙变化预测模型,得到所研究季度中车辙深度发生的变化量,继而用于判断沥青路面性能的变化程度。要控制未来某季度内的车辙变化在规定范围内,可通过调控车辙影响因素的大小,减小将来产生的车辙变化量来减缓车辙发展,减轻受车辙影响的其他路面性能如平整度、抗滑性的恶化作用,来保证路面正常使用和行车安全,其预测的车辙变化量数据对沥青路面的维修养护具有一定的参考价值。