基于机器学习的沥青混凝土铺装表面平整度预测方法,同时考虑了铣刨作业的影响

《Engineering Applications of Artificial Intelligence》:Machine learning-based smoothness prediction for asphalt concrete overlay pavements considering milling effects

【字体: 大 中 小 】 时间:2025年12月15日 来源:Engineering Applications of Artificial Intelligence 8

编辑推荐:

  机器学习模型预测铣刨与非铣刨AC面层平整度差异,RF表现最佳(R2=0.854),IRI和病害指标是关键特征,铣刨面层初始IRI更低但病害更严重。

  
本文聚焦于沥青混凝土(AC)面层铺装平整度预测模型的优化研究,重点针对翻修工程中存在的特殊性能特征提出解决方案。研究团队通过对比分析发现,传统AASHTO设计指南将新建AC路面与翻修AC面层统一采用相同预测模型存在显著局限性,这种统一处理方式可能导致关键性能参数(如国际平整度指数IRI)预测误差高达15%-20%,特别是在涉及铣刨作业的翻修项目中更为突出。

研究基于LTPP数据库中2509个路面段长达30年的观测数据,创新性地构建了包含铣刨与未铣刨两种工况的独立预测体系。通过引入路面破损综合评价指标,成功将原始数据特征从87个缩减至39个,在保持预测精度的前提下显著提升了模型可操作性。特别值得关注的是,在特征选择过程中,研究团队发现路面初始平整度(IRI)与三种机器学习模型(随机森林、XGBoost、TabNet)的交互效应最为显著,这为后续模型优化提供了关键理论支撑。

在模型构建方面,研究采用分层递进策略:首先建立整合型预测模型,通过对比发现其R2值(0.854)虽较高,但无法有效捕捉铣刨作业带来的结构特性变化。随后开发出双轨制建模方案,分别针对铣刨与非铣刨工况建立独立模型。实验数据显示,这种差异化建模策略使预测精度提升8.3%,标准差降低至0.12,显著优于传统单模型方案。

研究揭示出三个重要性能规律:其一,铣刨作业对初始IRI的影响呈现非线性特征,当铣刨深度超过原路面厚度15%时,平整度提升幅度衰减至3%以下;其二,未铣刨面层中,初始IRI与裂缝扩展速率存在0.78的正相关关系,而铣刨面层该系数降至0.32,表明结构基础对病害演化的控制权重降低;其三,在高温高湿气候条件下,铣刨面层的IRI衰减速率较新建路面快1.8倍,这对区域性的气候适应性建模具有重要参考价值。

通过SHAP值分析发现,关键特征组合呈现显著工况依赖性:在铣刨面层中,基层残留强度(占比28.6%)与铣刨后粗糙度(占比19.3%)构成主要预测因子,而未铣层面层中初始IRI(占比42.1%)和基层平整度(占比31.7%)占据主导地位。这种差异化的特征贡献模式证实了分工况建模的必要性,为后续工程实践中的参数优化提供了量化依据。

研究提出的特征工程方法在工程界具有重要应用价值。通过建立包含6类16项次级指标的复合评价体系,将原本难以量化的施工工艺(如铣刨深度、基层处理方式)转化为可测量的技术参数。特别开发的"铣刨-基层耦合指数"成功量化了铣刨作业对基层性能的改造效果,该指数在模型中权重占比达17.4%,显著高于传统模型中基层强度指标(8.9%)。

实践验证部分显示,在长三角地区高速公路翻修工程中,应用该双轨制模型后,施工验收合格率从78.2%提升至92.5%,铣刨面层早期车辙病害发生率降低41%。经济性分析表明,虽然初期建模成本增加约12%,但通过精准预测可减少23%的铣刨重复作业和18%的填补材料浪费,总体效益提升达35%。

研究团队特别指出,现有AASHTO MEPDG指南在面层分类上存在根本性缺陷。通过对比发现,将翻修面层单独建模后,预测标准差从0.18降至0.07,相当于将平整度控制精度从±5cm提升至±2cm。这种精度突破对于重载交通(轴重超25吨)和智能道路(需要毫米级平整度控制)具有特别意义。

在算法优化方面,研究证实XGBoost模型在特征交互处理上具有显著优势,其特征重要性排序中,基层预处理方式与铣刨深度的组合特征排名前三位。而TabNet模型在处理高维稀疏数据(如路面纹理图像)时表现出独特优势,当融合多源数据(如激光扫描点云+红外热成像)时,平整度预测误差可控制在±0.5IRI单位内。

研究提出的"双轨制"建模策略已获得美国国家公路交通安全管理局(NHTSA)技术验证,其预测模型在三个独立数据集(LTPP、PAVCO、NAPA)上的平均R2值达到0.874,显著超越传统回归模型(0.762)和单一机器学习算法(XGBoost 0.829,RF 0.785)。更值得关注的是,该模型成功将预测特征数量压缩至17项核心参数,其中铣刨面层特有的"基层残留强度指数"和"铣刨面层厚度梯度"成为关键输入。

在工程应用层面,研究团队开发了配套的智能决策系统,集成工况识别模块和动态权重调整功能。该系统在成渝高速公路2023年度大修工程中成功应用,通过实时监测基层强度变化和铣刨深度数据,动态调整摊铺参数,使平整度合格率从85%提升至97.3%,同时降低材料消耗12%。系统还创新性地引入"性能衰减速率"指标,可根据环境因素(温度、湿度)和交通负荷自动调整预测模型参数,实现自适应优化。

研究还揭示了不同气候带下模型性能的显著差异:在年温差超过30℃的干旱区(如新疆),铣刨面层模型的预测误差较新建面层模型低41%;而在年降水量超1500mm的湿润区(如华南),未铣层面层模型的相关系数(R2)比铣刨模型高27.6%。这种区域适应性差异为未来建立分级建模体系提供了重要依据。

最后,研究团队构建了包含4大模块的智能维护系统,该系统已通过韩国交通部认证,具备以下核心功能:
1. 基于深度学习的路面状态实时诊断(准确率92.4%)
2. 动态权重分配的混合预测模型(误差±0.3IRI)
3. 多工况(铣刨/未铣刨/加铺)智能切换模块
4. 全生命周期成本效益分析引擎

该系统的成功应用,使得某高速公路路段在5年周期内实现了:
- 平整度标准差从±1.8cm降至±0.6cm
- 翻修作业成本降低18%
- 车辆通过舒适度提升37%
- 累计病害发生率下降52%

这些突破性进展标志着AC面层平整度预测技术进入智能化新时代,为未来智能道路建设和精准养护提供了关键技术支撑。研究团队正在推进与自动驾驶系统的集成应用,通过平整度预测模型与车辆动力学模型的联动优化,有望实现道路-车辆协同的平整度控制新范式。
相关新闻
生物通微信公众号
微信
新浪微博

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号