摘要
随着我国道路使用年限增加、交通荷载增大，沥青路面呈现不同形式的衰变，我国高速公路养护里程逐年增加，养护任务依然艰巨。随着时间的增加，国内开始重视采取预养护技术延缓路面性能衰变，减少养护金额;同时针对当地的特点对路面性能做好准确预测、评价工作也是公路养护管理的重要手段。基于此，收集整理北京市高速公路的路面结构、路面性能指标、预养护技术概况的数据，借助数据挖掘、数学统计分析等方法研究北京地区的高速公路路面性能指标的衰变特点、预养护的效果、综合使用性能的评价与预测。具体研究如下: 首先，收集2016-2020年的路面结构、性能指标、预养护概况的数据，结合数学统计方法，总结了北京高速公路路面厚度特点、路面性能指标衰变特点以及主要采取的预养护技术。 其次，根据三种预养护后4个单项性能指标的变化情况，给出了针对北京地区的预养护适用的性能指标范围建议。在此基础上对4个指标变化量做出相关性分析，结合主成分与K-Means评价预养护效果。结果表明此方法降低数据冗余性的同时有良好的分类效果;超薄罩面改善效果最好，微表处与雾封层技术相差不大，改善效果较不明显，在改善路面的车辙、抗滑性能上，超薄罩面预养护技术的改善效果优于微表处、雾封层技术，且雾封层技术在改善路面的抗滑性能上体现出基本维持在原有路面水平。 第三，借助SVM分类评价模型，对2020年高速路段的路面性能等级做出了评价。SVM模型不再使用权重组合计算PQI，规避了主观性同时有良好分类效果。结果表明，微平均精度为89％，接近90％;加权平均精度均在90％左右，评价模型精度比较高;少数样本点的评价结果略低于规范的评价等级，符合北京地区的实际路况。 最后，利用梯度提升树GBDT模型，考虑面层厚度、基层厚度、预养护技术等因素，预测2020年高速路段的PQI，并与KNN模型、线性回归模型作对比。结果表明，GBDT模型的平均绝对误差MAE=1.314，均方根误差RMSE=1.750，决定系数R2=0.887。GBDT模型的平均绝对误差(MAE)相比KNN模型降低20.6％，相比线性回归模型降低了29.2％;方均根差(RMSE)相比KNN模型降低了12.0％，相比线性回归模型降低了23.8％。 以上研究，细化了北京地区高速公路预养护技术的适用范围。结合北京地区的特点基于数据挖掘技术建立了路面性能的评价、预测模型并进行了验证，可为高速公路路面性能的评价、预测提供新的方法和思路，为科学、合理的管理养护道路提供一定的参考性。
NETL