技术领域
本发明涉及道路工程领域,具体涉及一种基于纵向裂缝的沥青路面检测时间预测方法。
背景技术
近年来,我国交通事业快速发展,公路里程数已居世界前列,其中沥青路面为主要路面形式。随着公路车流量日益增多,引发了沥青路面一系列病害的产生,对路面的稳定性造成了较大的影响。其中裂缝类病害极为常见,纵向裂缝也极其突出。
目前对路面病害的检测多依赖于人工和智能化设备,尽管如此,每年在检测过程中消耗的人力物力财力也十分庞大,合理的制定检测方案,选择合理的检测时间节点,可以为路面监测的相关部门节省大部分资金。纵向裂缝的严重程度在一定程度上反应了整个路面的情况,所以我们可以通过纵向裂缝的评定情况大致反应路面的总体性能。
发明内容
针对当前沥青路面使用性能的检测主要依靠固定的时间阶段进行检测的情况,本申请提供了一种基于纵向裂缝的沥青路面检测时间预测方法,采取灰色预测模型,对现有的纵向裂缝打分数据进行分析,预测未来几年的路面纵向裂缝分数,为路面检测方案制定在时间节点的选择上提供了参考依据。
为解决上述问题,本发明提供的技术方案如下:
本发明提供一种基于纵向裂缝的沥青路面检测时间预测方法,包括步骤:
对沥青路面进行预设时间段的纵向裂缝长度检测,根据纵向裂缝的出现频率和长度计算沥青路面分数,并将计算的沥青路面分数按照时间顺序构建原始序列,所述原始序列用于灰色预测模型分析;
将原始序列进行累加计算得到累加序列,所述累加序列满足灰色预测模型中的灰微分方程,离散化所述灰微分方程得到差分方程;
计算累加序列的紧邻均值序列,将所述紧邻均值序列与所述差分方程进行整合,得到灰微分方程的白化方程;
通过所述白化方程得到累加序列的预测模型;
通过累加序列的预测模型计算累加序列的预测值,并根据累加序列的预测值计算原始序列的预测值;根据原始序列的预测值预测沥青路面的检测时间。
进一步优选的,所述对沥青路面进行预设时间段的纵向裂缝长度检测,根据纵向裂缝的出现频率和长度计算沥青路面分数,具体包括步骤:
随机选取预设长度的路段进行纵向裂缝检测;
计算纵向裂缝长度;
将纵向裂缝长度乘以其对应的权重得到第一数据;
将纵向裂缝的出现频率乘以其对应的权重得到第二数据;
将预设长度减去第一数据和第二数据得到所述路段的分数。
进一步优选的,还包括步骤:对原始序列进行检验处理,以判断原始序列是否适用于灰色预测模型分析。
进一步优选的,通过计算级比对原始序列进行检验处理,当所有的级比均落在可容覆盖域内,则原始序列适用于灰色预测模型分析。
进一步优选的,级比的计算公式为:
其中,λ(k)为级比,X
进一步优选的,所述将所述紧邻均值序列与所述差分方程进行整合,得到灰微分方程的白化方程,具体为:将紧邻均值替换差分方程中的累加序列,得到白化方程。
进一步优选的,所述通过所述白化方程得到累加序列的预测模型,具体包括步骤:设原始矩阵的表达式Y=BX,通过最小二乘法计算矩阵B的参数向量,将矩阵B的参数向量带入白化方程中进行计算得累加序列的预测模型。
进一步优选的,所述累加序列的预测模型为:
其中,a,b为矩阵B的参数向量,B=[a b]
进一步优选的,所述根据累加序列的预测值计算原始序列的预测值,具体为:根据相邻两项的累加序列的预测值的差值计算原始序列的预测值。
依据上述实施例的基于纵向裂缝的沥青路面检测时间预测方法,与现有技术相比,采取灰色预测模型,对现有的纵向裂缝打分数据进行分析,预测未来几年的路面纵向裂缝分数,为沥青路面的检测、养护方案的制定在时间节点的选择上提供了参考依据,为相关部门单位走出按照固定的时间段进行相关数据检测的误区提供了方向。
附图说明
图1为沥青路面检测时间预测方法流程图。
具体实施方式
下面通过具体实施方式结合附图对本发明作进一步详细说明。
本实施例提供一种基于纵向裂缝的沥青路面检测时间预测方法,其流程图如图1所示,具体包括以下步骤。
S100:对沥青路面进行预设时间段的纵向裂缝长度检测,根据纵向裂缝的出现频率和长度计算沥青路面分数,并将计算的沥青路面分数按照时间顺序构建原始序列,所述原始序列用于灰色预测模型分析。
S200:将原始序列进行累加计算得到累加序列,所述累加序列满足灰色预测模型中的灰微分方程,离散化所述灰微分方程得到差分方程。
S300:计算累加序列的紧邻均值序列,将所述紧邻均值序列与所述差分方程进行整合,得到灰微分方程的白化方程。
S400:通过所述白化方程得到累加序列的预测模型。
S500:通过累加序列的预测模型计算累加序列的预测值,并根据累加序列的预测值计算原始序列的预测值,根据原始序列的预测值预测沥青路面的检测时间。
下面对上述各步骤进行详细说明。
在步骤S100中,对沥青路面进行预设时间段的纵向裂缝长度检测,根据纵向裂缝的出现频率和长度计算沥青路面分数,并将计算的沥青路面分数按照时间顺序构建原始序列,所述原始序列用于灰色预测模型分析。
具体的,对某路段沥青路面进行连续几年的纵向裂缝长度检测,通过考察纵向裂缝出现的频率和长度,由各自所占的权重进行打分,分数按照时间顺序依次排列,用于灰色预测模型分析,记为原始序列X
原始序列X
其中,X
进一步,对沥青路面进行预设时间段的纵向裂缝长度检测,根据纵向裂缝的出现频率和长度计算沥青路面分数,具体包括步骤:
随机选取预设长度的路段进行纵向裂缝检测;
计算纵向裂缝长度;
将纵向裂缝长度乘以其对应的权重得到第一数据;
将纵向裂缝的出现频率乘以其对应的权重得到第二数据;
将预设长度减去第一数据和第二数据得到所述路段的分数。
进一步,为了保证灰色预测模型的可行性,还包括步骤:对原始序列X
优选的,通过计算级比对原始序列进行检验处理,当所有的级比均落在可容覆盖域内,则原始序列适用于灰色预测模型分析。
其中,计算原始序列X
其中,k为X
如果所有的级比λ(k)都在可容覆盖
在步骤S200中,将原始序列进行累加计算得到累加序列,所述累加序列满足灰色预测模型中的灰微分方程,离散化所述灰微分方程得到差分方程。
具体的,将原始序列X
累加序列X
其中X
X
其中a为发展灰数,b为内生控制灰数。
在S300中,计算累加序列的紧邻均值序列,将所述紧邻均值序列与所述差分方程进行整合,得到灰微分方程的白化方程。其中,将所述紧邻均值序列与所述差分方程进行整合,得到灰微分方程的白化方程,具体为:将紧邻均值替换差分方程中的累加序列,得到白化方程。
白化方程的具体获取过程是:
计算累加序列X
紧邻均值序列Z
Z
微分方程式(4)离散化可得差分方程X
X
在步骤S400中,通过所述白化方程得到累加序列的预测模型;具体包括步骤:设原始矩阵的表达式Y=BX,通过最小二乘法计算矩阵B的参数向量,将矩阵B的参数向量带入白化方程中进行计算得累加序列的预测模型。
具体的,设原始矩阵的表达式Y=BX,通过最小二乘法求B,带入白化方程可计算得序列X
原始矩阵表达式中Y=[X
B=[a b]
通过最小二乘法得:B=(X
其中,a,b为矩阵B的参数向量,B=[a b]
在S500中,通过累加序列的预测模型计算累加序列的预测值,并根据累加序列的预测值计算原始序列的预测值;根据原始序列的预测值预测沥青路面的检测时间。其中,根据累加序列的预测值计算原始序列的预测值,具体为:根据相邻两项的累加序列的预测值的差值计算原始序列的预测值。
具体的,通过累加序列X
通过式(8)预测未来几年间的纵向裂缝数据指标,为养护预测方案时间节点上的制定提供理论依据。
基于上述步骤S100-S500实现基于纵向裂缝的沥青路面检测时间预测方法,采取灰色预测模型,对现有的纵向裂缝打分数据进行分析,预测未来几年的路面纵向裂缝分数,为沥青路面的检测、养护方案的制定在时间节点的选择上提供了参考依据,为相关部门单位走出按照固定的时间段进行相关数据检测的误区提供了方向。
现有某沥青路面2017-2020连续四年的纵向裂缝检测指标,采用打分的形式进行记录,其中2017年为80.4;2018年为78.6;2019年为76.5;2020年为74.6。下面举例对上述各步骤进行说明。
在步骤S100中,对某路段沥青路面进行连续多年的纵向裂缝数据采集、按时间顺序进行排列,记为原始序列X
原始序列X
进一步,对原始序列X
级比λ(2)=1.023,λ(3)=1.027,λ(4)=1.025;
可容覆盖域
在步骤S200中,将原始序列X
X
X
在步骤S300中,计算X
Z
将Z
在步骤S400中,设原始矩阵的表达式Y=BX,通过表达式求B,带入白化方程可计算得序列X
Y=[78.6 76.5 74.6]
B=(X
a=0.0256;
b=81.447;
X
在步骤S500中,通过X
表1 X
表2 X
若该沥青路面纵向裂缝检测打分在70以上不需要进行维护处理,那么在2021年则不需要再进行相关检测,在2022和2023年时应进行相关检测,期间可以减少一年的人力和物力消耗。
以上应用了具体个例对本发明进行阐述,只是用于帮助理解本发明,并不用以限制本发明。对于本发明所属技术领域的技术人员,依据本发明的思想,还可以做出若干简单推演、变形或替换。
机译: 基于双目图像分析的沥青路面裂缝扩展检测系统
机译: 基于红外热像分析的沥青路面裂缝发展程度检测方法
机译: 一种基于照相机接收图像并确定检测时间点,对图像进行方向处理的图像来检测机动车辆环境中的物体的方法,照相机系统以及机动车辆