一种沥青路面雨季小修预警系统及其方法

摘要

本发明公开了一种沥青路面雨季小修预警系统及其方法。包括如下步骤：对沥青路面病害进行识别和统计，形成路面病害数据库；进行大数据收集建立雨季坑槽修补率预测模型；建立雨季小修(坑槽修补)预警系统；在雨季来临之前通过移动终端发布沥青路面雨季小修指数，指导高速公路管理单位的雨季小修工作。本发明运用大数据分析应用的方法，对雨季沥青路面坑槽的形成原因进行数据收集和分析，建立符合工程实践经验的雨季坑槽修补率预测模型，通过雨季小修预警系统在雨季来临之前发布沥青路面雨季小修指数，为高速公路管理单位雨季小修工作提前进行预测和预警，也为“事前管理”提供了平台依据。

说明书

技术领域

本发明涉及道路检测数据的工程应用，尤其涉及一种沥青路面雨季小修预警系统及其方法。

背景技术

公路路况自动化快速检测目前已在全国干线公路养护管理检查(“国检”)及各省份公路管理者的养护管理工作当中进行了大量应用，其检测数据主要用于路网级的路况性能评价，为道路管理者养护科学决策的制定提供了技术参考。但总体来说，在公路路况自动化快速检测数据应用方面，还存在以下缺点：数据采集、分析成本较大，但对数据的挖掘还不够深入，数据成果形式主要还为较粗放的路况评定数据；应用对象单一，对路网级的道路管理者有一定帮助，但对道路养护一线单位的作用不大。因此，为了克服上述缺点，对道路路面病害数据进行了深入挖掘和分析，运用大数据的思维和分析方法，对雨季沥青路面坑槽形成的影响因素进行分析，对与其正相关的影响因素，建立了雨季坑槽修补率预测模型方程和雨季小修(坑槽修补)指数，并进一步建立雨季小修预警系统，以向道路养护一线单位进行推送预警，便于道路养护一线单位提前做好人员、技术、设备、物资和预案准备，建立精细化养护管理。

发明内容

基于此，有必要提供一种沥青路面雨季小修预警系统及其方法。

一种沥青路面雨季小修预警系统，包括路面病害识别模块、路面病害数据库、雨季坑槽修补率预测模块、雨季小修预警模块、移动终端；

路面病害识别模块用于识别沥青路面图片中的病害信息，并将识别后的信息存储于路面病害数据库中，雨季坑槽修补率预测模块读取路面病害数据库中的数据，并根据历史雨季降水量、历史雨季月均交通量，通过回归分析方法，建立雨季坑槽修补率预测模型，建立雨季小修指数和指数分级；雨季小修预警模块根据将到来的雨季降水量、雨季月均交通量数据和上一年度路段单位车道公里的病害规模总量，预估当年雨季坑槽修补率，并将当年雨季坑槽修补率与上一年度雨季坑槽修补率进行比较，当比较值超过设定值时，通过无线网络对移动终端进行预警。

所述的系统还包括道路综合检测车，道路综合检测车用于采集沥青路面图片。

一种沥青路面雨季小修预警方法：

1)路面病害识别模块对沥青路面图片中的病害逐一进行拉框识别，以确定路面病害的尺寸、类型及严重程度；对病害拉框识别的尺寸进行计算，病害尺寸计算方法为：裂缝类病害计算拉框对角线的长度作为裂缝的长度，修补类病害计算拉框长度和宽度，得出病害面积；

2)路面病害识别模块将计算后的路面病害数据保存于路面病害数据库中；路面病害数据库对每一个存储的路面病害数据分别建立标签，所述的标签包括路面病害位置、尺寸、类型、严重程度，从而建立路面病害数据库；

3)以雨季降水量、雨季月均交通量、路段上一年度病害规模总量作为雨季沥青路面坑槽的形成原因；采用多元多项式回归分析，建立雨季坑槽修补率与雨季降水量、雨季交通量和上一年度的病害规模总量之间回归方程，作为雨季坑槽修补率预测模型；

4)收集即将到来的雨季降水量、雨季月均交通量数据，从路面病害数据库中查找上一年度路段单位车道公里的病害规模总量数据；通过雨季坑槽修补率预测模型，预测雨季坑槽修补率；利用路面病害数据库统计上一年度雨季坑槽修补率，将坑槽修补率的增长率定义为雨季小修指数，并对指数进行分级；

5)根据得到的雨季小修指数及分级信息进行沥青路面雨季小修预警，在雨季前，通过无线网络向移动终端发布雨季小修指数及分级信息，对雨季小修压力进行预警。

优选的，所述步骤1)具体方法为：依据《公路技术状况评定标准》JTGH20-2007，对路面图片中发现的路面病害尺寸、范围通过拉框的方式进行确定，对病害类型、严重程度进行标识，对拉框面积或长度进行计算，计算方法为：裂缝类病害计算拉框对角线的长度作为裂缝的长度，修补类病害计算拉框长度和宽度，得出病害面积；并对拉框痕迹、面积或长度进行保存。

优选的，所述的回归方程为：

$y^n=a_0+{(a_1{x}_1+a_2{x}_2{x}_3+a_3{x}_3^{n-1})}^2$

yⁿ表示该路段第n年度的雨季坑槽修补率(m2/车道公里)；

a₀、a₁、a₂、a₃为参数；

x₁代表雨季月份路段所属地区降水总量(mm)；

x₂代表雨季月份路段月均交通量(万辆/车道数)；

表示该路段第n-1年度单位车道公里的病害量(m²/车道公里)。

优选的，指数分级具体方法为：

预测当年雨季小修指数PRCI，PRCI小于10％时，坑槽量与去年相近，甚至减少，小修压力不大；大于等于10％、小于30％时，坑槽量比去年略有增长，养护单位需关注；大于等于30％、小于60％时，坑槽量比去年有较大增长，养护单位需提前关注；大于等于60％时，坑槽量比去年有大规模增长，养护单位需严重关切，做好准备工作。

本发明与现有技术相比所具有的有益效果是：

1、对采用高成本检测所得的路面病害数据进行了深入挖掘，提高了数据应用价值。

2、运用大数据的思维和分析方法，找出并确定了雨季沥青路面坑槽形成的正相关影响因素。

3、通过雨季沥青路面坑槽修补率预测模型方程、雨季小修(坑槽修补)指数和指数分级的形式，将道路养护一线单位的雨季小修工作进行了量化分析。

4、建立的雨季小修预警系统，能够提前对养护一线单位的雨季小修工作量进行预警，提升了检测单位的技术服务水平。

5、道路养护一线单位借助本系统，将事中和事后管理提至事前管理，可显著提升道路养护一线单位的精细化养护管理水平。

附图说明

图1为沥青路面病害识别与自动绘图系统示意图；

图2为沥青路面病害人工识别示意图；

图3为雨季小修指数和指数分级图。

具体实施方式

一种沥青路面雨季小修预警系统，包括路面病害识别模块、路面病害数据库、雨季坑槽修补率预测模块、雨季小修预警模块、移动终端；

路面病害识别模块用于识别沥青路面图片中的病害信息，并将识别后的信息存储于路面病害数据库中，雨季坑槽修补率预测模块读取路面病害数据库中的数据，并根据历史雨季降水量、历史雨季月均交通量，通过回归分析方法，建立雨季坑槽修补率预测模型，建立雨季小修指数和指数分级；雨季小修预警模块根据将到来的雨季降水量、雨季月均交通量数据和上一年度路段单位车道公里的病害规模总量，预估当年雨季坑槽修补率，并将当年雨季坑槽修补率与上一年度雨季坑槽修补率进行比较，当比较值超过设定值时，通过无线网络对移动终端进行预警。

所述的系统还包括道路综合检测车，道路综合检测车用于采集沥青路面图片。

如图1所示，本发明的一种沥青路面雨季小修预警方法包括如下步骤：

1)通过自动化快速检测设备采集包含病害信息的路面真实图片，路面病害识别模块对沥青路面真实图片中的病害逐一进行拉框识别，以确定路面病害的尺寸、类型及严重程度；对病害拉框识别的尺寸进行计算，病害尺寸计算方法为：裂缝类病害计算拉框对角线的长度作为裂缝的长度，修补类病害计算拉框长度和宽度，得出病害面积；病害识别依据《公路技术状况评定标准》JTGH20-2007，对路面图片中发现的路面病害尺寸、范围通过拉框的方式进行确定，对病害类型、严重程度进行标识，对拉框面积或长度进行计算，计算方法为：裂缝类病害计算拉框对角线的长度作为裂缝的长度，修补类病害计算拉框长度和宽度，得出病害面积；并对拉框痕迹、面积或长度进行保存；本发明实施例中病害类型分为裂缝类病害和修补类病害，其中裂缝类病害有横向裂缝、纵向裂缝、龟裂、块状裂缝；修补类病害有裂缝修补和块状修补。

图2示出了沥青路面病害人工拉框识别的痕迹及识别结果，图中的路面病害类型为横向裂缝；

2)路面病害识别模块将计算后的路面病害数据保存于路面病害数据库中；路面病害数据库对每一个存储的路面病害数据分别建立标签，所述的标签包括路面病害位置、尺寸、类型、严重程度，从而建立路面病害数据库；

3)通过理论研究分析并结合沥青路面养护管理工作实际经验发现，从单因素定性分析来看，降水量影响路面结构强度、刚度和稳定性，因此与雨季坑槽修补率成正相关；交通量，尤其是重交通量对路面的结构破损很大，使路面寿命明显缩短，也是坑槽破损进一步扩展的原因，雨季坑槽修补率也与其成正相关；路段上一年度病害规模总量包含路面整体状况，是路面基础信息，也与雨季坑槽修补率成正相关。即雨季降水量、雨季交通量和上一年度路段单位车道公里的病害规模总量均与雨季沥青路面坑槽修补率呈正相关，建立雨季沥青路面坑槽修补率与其正相关因素的预测模型是可行的。

通过理论文献研究确定雨季沥青路面坑槽形成的影响因素，结合工程经验确定与雨季沥青路面坑槽形成呈正相关的影响因素，即雨季降水量、雨季交通量和上一年度路段单位车道公里的病害规模总量；以雨季降水量、雨季月均交通量、路段上一年度病害规模总量作为雨季沥青路面坑槽的形成原因；采用多元多项式回归分析，建立雨季坑槽修补率与雨季降水量、雨季交通量和上一年度的病害规模总量之间回归方程，作为雨季坑槽修补率预测模型；

4)从当地气象部门、交通部门和路网级的道路者等单位收集即将到来的雨季降水量、雨季月均交通量数据，从路面病害数据库中查找上一年度路段单位车道公里的病害规模总量数据；通过雨季坑槽修补率预测模型，预测雨季坑槽修补率；利用路面病害数据库统计上一年度雨季坑槽修补率，将坑槽修补率的增长率定义为雨季小修指数，并对指数数进行分级；

5)根据得到的雨季坑槽修补率进行沥青路面雨季小修预警，在雨季前，通过无线网络向移动终端发布雨季小修指数，对雨季小修压力进行预警。

进一步的，通过雨季小修预警系统，指导高速公路管理单位提前做好人员、技术、设备、物资和预案准备。

采用多元多项式回归分析的方法，建立雨季坑槽修补率与雨季降水量、雨季交通量和上一年度的病害规模总量之间回归方程，预测当年雨季坑槽修补率，形成雨季小修指数和指数分级。

本实施例中，通过回归分析，确定以下回归方程：

$y^n=a_0+{(a_1{x}_1+a_2{x}_2{x}_3+a_3{x}_3^{n-1})}^2$

yⁿ表示该路段第n年度的雨季坑槽修补率(m2/车道公里)；

a₀、a₁、a₂、a₃为参数；

x₁代表雨季4-6月份路段所属地区降水总量(mm)，数据来源于省水文局网站雨水月报；

x₂代表雨季4-6月份路段月均交通量(万辆/车道数)，如果所属路段同时存在两种以上车道类型(比如该路段部分双向六车道、部分双向四车道)，则按照不同车道类型里程来折算该路段车道数；

表示该路段第n-1年度单位车道公里的病害量(m2/车道公里)，其中横裂、纵裂按照0.2m影响宽度计算面积。

如图3所示，指数分级具体方法为：

预测当年雨季小修指数PRCI，PRCI小于10％时，坑槽量与去年相近，甚至减少，小修压力不大；大于等于10％、小于30％时，坑槽量比去年略有增长，养护单位需关注；大于等于30％、小于60％时，坑槽量比去年有较大增长，养护单位需提前关注；大于等于60％时，坑槽量比去年有大规模增长，养护单位需严重关切，做好准备工作。

回归方程及指数分级的工程验证情况如下：

以3组路面结构相似性的路段为例，在路面病害数据库中查找路面病害数据，并从当地气象部门、交通部门收集雨季降水量数据、雨季月均交通量数据，分别按上述回归方程进行验证。

1)某软基路段：

收集两个管理处2013年至2015年4个变量数据如下表-2所示，XX管理处2013-2015年、XX管理处2013-2015年共5组数据进行拟合，结果如表-1所示。

表-1 XX1高速Ⅰ管理处和Ⅱ管理处各变量数据

表-2 XX1高速Ⅰ管理处和Ⅱ管理处拟合结果

参数数值a01.2107a1-0.0040826a20.0074321a3-0.058457相关系数之平方(R^2)0.9991

然后用表-2结果和回归方程对Ⅰ管理处2015年数据进行验算，2015年雨季坑槽小修率预测值为：

y＝a₀+(a₁*x₁+a₂*x₂*x₃+a₃*x₃)²

＝1.2107+(-4.083e^-3*391.9+7.4321e^-3*15.14*29.31

-5.8457e^-2*29.31)²

＝1.2109

与实际结果相差0.044，拟合结果较好。

路面雨季小修率指数：路面雨季小修指数为1级。

2)XX2高速Ⅲ管理处和Ⅳ管理处：

收集两个管理处2013年至2015年4个变量数据如下表-3所示，XX管理处

2013-2015年、XX管理处2013-2015年共5组数据进行拟合，结果如表-5所

示：

表-3 XX2高速Ⅲ管理处和Ⅳ管理处各变量数据

表-4 XX2高速Ⅲ管理处和Ⅳ管理处拟合结果

参数数值a00.2808a1-0.00046365a20.0010868a3-0.011963相关系数之平方(R^2)0.9754

然后用表-4结果和回归方程对Ⅳ管理处2015年数据进行验算，2015年雨

季坑槽小修率预测值为：

y＝a₀+(a₁*x₁+a₂*x₂*x₃+a₃*x₃)²

＝0.2808+(-4.6365e^-4*692.6+1.0868e^-3*37.84*17.1842

-1.1963e^-2*17.1842)²

＝0.3132

与实际结果相差0.0099，拟合结果较好。

路面雨季小修指数：路面雨季小修指数为2级。

3)XX3高速Ⅴ管理处、Ⅵ管理处和Ⅶ管理处：

收集三个管理处2014年至2015年4个变量数据如下表-5所示，Ⅴ管理处2014-2015年、Ⅵ管理处2014-2015年和Ⅶ管理处2014年共5组数据进行拟合，结果如表-5所示：

表-5 XX3高速Ⅴ管理处、Ⅵ管理处和Ⅶ管理处数据拟合

表-6 XX3高速Ⅴ管理处、Ⅵ管理处和Ⅶ管理处拟合结果

参数数值a00.0222a10.0039328a20.0096558a3-0.4423相关系数之平方(R^2)0.9644

然后用表-6结果和回归方程对Ⅶ管理处2015年数据进行验算，2015年雨季坑槽小修率预测值为：

y＝a₀+(a₁*x₁+a₂*x₂*x₃+a₃*x₃)²

＝0.0222+(3.9328e^-3*1020+9.6558e^-3*17.58*11.56

-0.4423*11.56)²

＝0.7551

与实际结果相差0.078，拟合结果较好。

路面雨季小修指数：路面雨季小修指数为1级。

验证结论：

1)从三个案例来看，回归方程对不同高速公路的拟合结果都有较好的相关性(相关系数的平方都大于0.96)，说明多项式拟合形式比较合适雨季坑槽小修率的回归分析；

2)从三个案例来看，用拟合好的公式对来年的雨季坑槽小修率进行预测，预测值与实际值比较接近；

3)由于在实际预测过程中，雨季降水量和交通量都是预估值，因此有必要对雨季坑槽小修率进行指数化分级，提出路面雨季小修指数，进行指数化分级以后可以清晰明了地对高速公路管理单位在雨季前小修准备工作进行预警。

4)工程经验表明，该指数化分级标准与工程管理实际比较接近。