CN112862279A - 高速公路行车道路面状况评价方法 - Google Patents
高速公路行车道路面状况评价方法 Download PDFInfo
- Publication number
- CN112862279A CN112862279A CN202110104899.1A CN202110104899A CN112862279A CN 112862279 A CN112862279 A CN 112862279A CN 202110104899 A CN202110104899 A CN 202110104899A CN 112862279 A CN112862279 A CN 112862279A
- Authority
- CN
- China
- Prior art keywords
- matrix
- road surface
- data
- index
- evaluating
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 41
- 239000011159 matrix material Substances 0.000 claims abstract description 61
- 238000011156 evaluation Methods 0.000 claims abstract description 44
- 238000012545 processing Methods 0.000 claims abstract description 18
- 239000013598 vector Substances 0.000 claims abstract description 10
- 238000004458 analytical method Methods 0.000 claims abstract description 9
- 238000012847 principal component analysis method Methods 0.000 claims description 10
- 238000004364 calculation method Methods 0.000 claims description 7
- 238000010606 normalization Methods 0.000 claims description 4
- 238000012854 evaluation process Methods 0.000 abstract description 4
- 230000002411 adverse Effects 0.000 abstract description 2
- 230000000694 effects Effects 0.000 abstract description 2
- 238000012423 maintenance Methods 0.000 description 12
- 230000001186 cumulative effect Effects 0.000 description 6
- 201000010099 disease Diseases 0.000 description 6
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 description 6
- 230000014509 gene expression Effects 0.000 description 3
- 238000012986 modification Methods 0.000 description 3
- 230000004048 modification Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 239000010426 asphalt Substances 0.000 description 1
- 230000002457 bidirectional effect Effects 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 238000000605 extraction Methods 0.000 description 1
- 230000005484 gravity Effects 0.000 description 1
- 238000009440 infrastructure construction Methods 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003449 preventive effect Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 238000012163 sequencing technique Methods 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06395—Quality analysis or management
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Pure & Applied Mathematics (AREA)
- Mathematical Analysis (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Data Mining & Analysis (AREA)
- Entrepreneurship & Innovation (AREA)
- Mathematical Optimization (AREA)
- Computational Mathematics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Primary Health Care (AREA)
- General Health & Medical Sciences (AREA)
- Quality & Reliability (AREA)
- Algebra (AREA)
- Health & Medical Sciences (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Computing Systems (AREA)
- Traffic Control Systems (AREA)
Abstract
本发明提供了一种高速公路行车道路面状况评价方法,包含以下步骤:对所采集的数据进行标准化处理,消除各项指标由于单位不同对分析结果造成的不利影响,得到标准化之后的矩阵;对标准化之后的矩阵进行处理,消除原始数据之间的相关影响,得到相关系数矩阵;根据相关系数矩阵求得能表征出原始数据的所有成分的特征值和贡献率;提取能表示出原始数据绝大部分信息的成分为主成分,根据特征方程求出主成分特征值对应的特征向量;用主成分及权重表示出综合评价指标,结合对应的公路指标等级划分标准,建立综合指标评价等级。本发明解决了当前高速公路路面评价过程中对车道不加以区分造成的评价结果不精确的问题,对高速公路路面评价做到了更加精细化。
Description
技术领域
本发明涉及一种高速公路行车道路面状况评价方法。
背景技术
目前我国的基础设施建设已经逐步趋向于完善,国内投入使用的高速公路里程也非常庞大。在高速公路中,我国多采用双向四车道的设计。随着使用年限的增长,高速公路的路面损坏也日益严重,养护的工程量也越来越大。国内的高速公路养护预防措施多基于全幅路段的评价结果。
高速公路的不同车道的车辆荷载存在较大的差异,其主要破坏类型也存在一定的区别,根据传统的评价结果进行养护可能会造成养护的不精确和资源的浪费。在路面养护评价体系中,破坏类病害裂缝、坑槽、车辙等主要是在路面状况指数PCI中体现,PCI是一个综合评价指标,无法反应路面典型病害的类型及严重程度,在评价过程中敏感性不足,评价结果与实际养护需求脱节。而行车道的病害较超车道、应急车道等病害明显更加严重,传统的高速公路路面评价方式可能会将存在差异性的指标进行弱化。
发明内容
本发明的目的在于提供一种高速公路行车道路面状况评价方法。
为解决上述问题,本发明提供一种高速公路行车道路面状况评价方法,包括:
步骤S1,对高速公路行车道的路面单项指标采集得到采集到的数据,其中,所述路面单项指标包括路面破损严重指标;
步骤S2,利用Z-score的方法对所采集到的数据进行标准化处理,消除各路面单项指标由于单位不同对分析结果产生的影响,以得到标准化之后的矩阵;
步骤S3,采用主成分分析法对标准化之后的矩阵进行处理,消除标准化之后的矩阵中原始数据之间的相关影响,得到相关系数矩阵;
步骤S4,根据所述相关系数矩阵求得表征出原始数据的所有成分的特征值和贡献率;
步骤S5,基于原始数据的所有成分的特征值和贡献率,提取用于表示出原始数据的大于预设阈值部分信息的成分,作为主成分,根据特征方程求出所述主成分的特征值对应的特征向量;
步骤S6,用主成分的特征值对应的特征向量及贡献率重新表示出综合指标,结合对应的公路指标等级划分标准,建立综合指标评价等级。
进一步的,在上述方法中,所述路面单项指标提取包括:路面破损状况PCI、行驶质量指数RQI、车辙深度RDI、路面抗滑性能SFC、路面纵向裂缝C和路面沉陷D。
进一步的,在上述方法中,所述高速公路行车道为除超车道和应急车道以外的车道。
进一步的,在上述方法中,步骤S2,对所采集的数据进行标准化处理,包括:
假设有n个数据组,每个数据阵有p个参与评价的指标,所有的数据组合在一起,得到矩阵X=(Xij)n×p,xij为第i个数据组,第j个指标,标准化之后的矩阵各项为其中i=1,2,...,n;j=1,2,...,p,与σj分别是第j个指标的样本均值和标准差。
进一步的,在上述方法中,步骤S3中,所述相关系数矩阵是对角线上均为1的对角矩阵。
进一步的,在上述方法中,步骤S3包括:
步骤S31,采用主成分分析法对标准化之后的矩阵进行处理,消除标准化之后的矩阵中原始数据之间的相关影响,得到标准化之后的结果数据;
步骤S32,采用主成分分析法对标准化之后的矩阵进行处理,消除原始数据之间的相关影响,得到相关系数矩阵。用标准化之后的结果数据求得相关系数,记相关系数矩阵为R=(rjk)p×p,rjk为j、k两个指标的相关系数,其中,相关系数矩阵R的计算原理如下:
其中rij=1,rkj=rjk。i=1,2,...,n;j=1,2,...,p。
进一步的,在上述方法中,步骤S4中,所述贡献率的大小用于反映其代表成分的信息的多少,即为各个成分的权重。
进一步的,在上述方法中,步骤S4,包括:
根据特征方程|R-λE|=0求得表征出原始数据的所有成分的特征值λg和贡献率νg。其中,贡献率数据计算采用SPSS软件对相关系数矩阵进行处理,计算得到所有成分的特征值和贡献率,相应的贡献率即为各个成分的权重。
进一步的,在上述方法中,步骤S5中,所述大于预设阈值部分信息的成分为特征值大于1或累计贡献率达到80%的成分。
进一步的,在上述方法中,步骤S6中,所述综合指标为线性方程。
与现有技术相比,本发明通过提取高速公路行车道与超车道路面、应急车道等路面的病害类型与严重程度不同的指标,客观的反映了高速公路行车道的实际情况,为精准养护提供了新的方向。本发明针对高速公路采用全幅路段综合评价指标进行评价造成的不同车道评价结果不精确的情况,本发明对高速公路行车道路面状况的评价提供了一种科学的、可行的和精确的评价方法。本发明解决了当前高速公路路面评价过程中对车道不加以区分造成的评价结果不精确的问题,对高速公路路面评价做到了更加精细化,为路面的精确养护提供了理论基础。
附图说明
图1是本发明一实施例的高速公路行车道路面状况评价方法的流程图。
具体实施方式
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
如图1所示,本发明提供一种高速公路行车道路面状况评价方法,包括:
步骤S1,对高速公路行车道的路面单项指标采集得到采集到的数据,其中,所述路面单项指标包括路面破损严重指标;
优选的,所述路面单项指标提取包括:路面破损状况PCI、行驶质量指数RQI、车辙深度RDI、路面抗滑性能SFC、路面纵向裂缝C和路面沉陷D;
在此,可以将裂缝和车辙两个指标从PCI中分离出来,计算出其权重,建立高速公路行车道路面评价综合指标;
较佳的,所述高速公路行车道为除超车道和应急车道以外的车道,一般靠右,该车道上多有重载车辆,路面破坏相对较为严重。
步骤S2,利用Z-score的方法对所采集到的数据进行标准化处理,消除各路面单项指标由于单位不同对分析结果产生的影响,以得到标准化之后的矩阵;
优选的,步骤S2,对所采集的数据进行标准化处理,包括:假设有n个数据组,每个数据阵有p个参与评价的指标,所有的数据组合在一起,得到矩阵X=(Xij)n×p,xij为第i个数据组,第j个指标,标准化之后的矩阵各项为其中 i=1,2,...,n;j=1,2,...,p,与σj分别是第j个指标的样本均值和标准差。
步骤S3,采用主成分分析法对标准化之后的矩阵进行处理,消除标准化之后的矩阵中原始数据之间的相关影响,得到相关系数矩阵;
优选的,步骤S3中,所述相关系数矩阵是对角线上均为1的对角矩阵,可以反映各指标的相关性;
优选的,步骤S3可以包括:
步骤S31,采用主成分分析法对标准化之后的矩阵进行处理,消除标准化之后的矩阵中原始数据之间的相关影响,得到标准化之后的结果数据;
步骤S32,采用主成分分析法对标准化之后的矩阵进行处理,消除原始数据之间的相关影响,得到相关系数矩阵。用标准化之后的结果数据求得相关系数,记相关系数矩阵为R=(rjk)p×p,rjk为j、k两个指标的相关系数,其中,相关系数矩阵R的计算原理如下:
其中rij=1,rkj=rjk。i=1,2,...,n;j=1,2,...,p。
步骤S4,根据所述相关系数矩阵求得表征出原始数据的所有成分的特征值和贡献率;
优选的,步骤S4中,所述贡献率的大小用于反映其代表成分的信息的多少,即为各个成分的权重;
较佳的,步骤S4,可以包括:
根据特征方程|R-λE|=0求得表征出原始数据的所有成分的特征值λg和贡献率νg。其中,贡献率数据计算采用SPSS软件对相关系数矩阵进行处理,计算得到所有成分的特征值和贡献率,相应的贡献率即为各个成分的权重。
步骤S5,基于原始数据的所有成分的特征值和贡献率,提取用于表示出原始数据的大于预设阈值部分信息(绝大部分信息)的成分,作为主成分,根据特征方程求出所述主成分的特征值对应的特征向量;
优选的,步骤S5中,所述大于预设阈值部分信息的成分为特征值大于1或累计贡献率达到80%的成分。
在此,提取主成分时,通常采用两种方式,一是特征值大于1,二是累计贡献率达到80%。贡献率的大小可以根据实际情况进行调整。每一个主成分的特征值对应一个特征向量,采用SPSS软件直接进行计算。
步骤S6,用主成分的特征值对应的特征向量及贡献率重新表示出综合指标,结合对应的公路指标等级划分标准,建立综合指标评价等级。
优选的,步骤S6中,所述综合指标为线性方程,可以与原评价方法在方程形式上一致。
在此,可以将线性方程带入单项指标评定等级集合,得到综合指标等级评价标准。
综上所述,本发明通过提取高速公路行车道与超车道路面、应急车道等路面的病害类型与严重程度不同的指标,客观的反映了高速公路行车道的实际情况,为精准养护提供了新的方向。本发明针对高速公路采用全幅路段综合评价指标进行评价造成的不同车道评价结果不精确的情况,本发明对高速公路行车道路面状况的评价提供了一种科学的、可行的和精确的评价方法。本发明解决了当前高速公路路面评价过程中对车道不加以区分造成的评价结果不精确的问题,对高速公路路面评价做到了更加精细化,为路面的精确养护提供了理论基础。
为了详细说明本实用专利的特点和具体实施步骤,现举以下实例进行说明:
现有某高速公路段K4+350~K14+350,设计时速100km/h,双向四车道。试对机动车道的路面状况进行评价。
步骤1:对高速公路行车道路面进行路面单项指标采集,将路面破损严重指标进行单独提取。
以1km作为一个监测路段测量基本数据。路面基本指数如表1所示。
表1路面检测数据
步骤2:利用Z-score的方法对所采集的数据进行标准化处理,消除各项指标由于单位不同对分析结果造成的不利影响,得到标准化之后的矩阵。
在进行评价分析的过程中数据指标较多,而且单位不统一。如果直接采用原始数据进行分析,那么最终的评价结果将会产生较大的误差,所以在进行数据分析之前,我们通常需要用Z-score的方法对数据进行标准化处理。数据计算采用SPSS软件处理,对数据进行描述分析,将标准化值另存为数据,即为标准化结果,如表2所示。
表2数据标准化处理
步骤3:采用主成分分析法对标准化之后的矩阵进行处理,消除原始数据之间的相关影响,得到相关系数矩阵。
用标准化之后的数据结果求相关系数矩阵,相关系数矩阵为对角线为1的对角阵如表3所示。
表3相关系数矩阵
PCI | RQI | RDI | SFC | C | D | |
PCI | 1 | 0.056 | 0.125 | 0.154 | 0.363 | 0.344 |
RQI | 0.056 | 1 | 0.136 | 0.444 | 0.28 | -0.578 |
RDI | 0.125 | 0.136 | 1 | 0.082 | 0.636 | 0.221 |
SFC | 0.154 | 0.444 | 0.082 | 1 | 0.127 | 0.268 |
C | 0.363 | 0.28 | 0.636 | 0.127 | 1 | 0.196 |
D | 0.344 | -0.578 | 0.221 | 0.268 | 0.196 | 1 |
步骤4:根据相关系数矩阵求得能表征出原始数据的所有成分的特征值和贡献率。
根据特征方程可以求得相关系数矩阵R的p个特征值和特征向量。确定所有变量对应的特征值后,按照数值的大小进行排序,最后通过线性组合得到具体主成分表达式。通过SPSS对标准化的数据进行降维分析,提取总方差解释和成分矩阵,即可以得到特征值和和贡献率。表4为特征值、贡献率、累计贡献率表。
表4特征值、贡献率、累计贡献率表
成分 | 初始特征值 | 贡献率% | 累计贡献率% |
F<sub>1</sub> | 2.08 | 34.673 | 34.673 |
F<sub>2</sub> | 1.647 | 27.443 | 62.116 |
F<sub>3</sub> | 1.113 | 18.55 | 80.666 |
F<sub>4</sub> | 0.801 | 13.353 | 94.019 |
F<sub>5</sub> | 0.301 | 5.017 | 99.036 |
F<sub>6</sub> | 0.058 | 0.964 | 100 |
步骤5:提取能表示出原始数据绝大部分信息的成分,提取为主成分,根据特征方程求出主成分特征值对应的特征向量。
常规而言,一般累计贡献率超过80%的成分确定为主成分,即超过80%的部分可以减轻其比重,或者不进行考虑。根据以上表4所知,6个成分中,特征值大于1的成分有F1、F2和F3,而且三个成分的累计贡献率大于80%,极具代表性。也就是说,前两个成分可以表达之前的绝大部分信息,所以提取的主成分为F1、F2和F3。然后用SPSS直接计算出3个主成分的特征向量,由表5所示。
表5特征值对应的特征向量
成分 | PCI | RQI | RDI | SFC | C | D |
F<sub>1</sub> | 0.590 | 0.291 | 0.725 | 0.468 | 0.837 | 0.448 |
F<sub>2</sub> | -0.222 | 0.932 | 0.011 | 0.274 | 0.100 | -0.803 |
F<sub>3</sub> | 0.248 | 0.128 | -0.501 | 0.756 | -0.362 | 0.286 |
步骤6:用主成分及权重从新表示出综合指标,结合对应的公路指标等级划分标准,建立综合指标评价等级。
主成分可以表示为:
F1=0.590 PCI+0.291 RQI+0.725 RDI+0.468 SFC-0.837 C+0.448 D (1)
F2=-0.222 PCI+0.932 RQI-0.011 RDI+0.274 SFC-0.100 C-0.803 D (2)
F3=0.248 PCI+0.128 RQI-0.501 RDI+0.756 SFC-0.362 C+0.286 D (3)
路面综合评价指标用所提取的主成分表示如下:
PQI=0.34673 F1+0.27443 F2+0.1855 F3 (4)
将上述的式(1)(2)(3)带入(4),可得路面综合评价指标PQI的表达式,即
PQI=0.19 PCI-0.38 RQI+0.16 RDI+0.38 SFC-0.38 C-0.01 D (5)
由《公路沥青路面养护技术规范》JTG5142-2019查得,各单项指标的评定方案如表6,由于纵向裂缝C与沉陷D是从PCI中抽取的单项指标,所以评定范围与PCI的取值相同。
表6单项指标评定标准
评价指标 | 优 | 良 | 中 | 次 | 差 |
PCI | x≥92 | 80≤x<92 | 70≤x<80 | 60≤x<70 | x<60 |
RQI | x≥90 | 80≤x<90 | 70≤x<80 | 60≤x<70 | x<60 |
RDI | x≥90 | 80≤x<90 | 70≤x<80 | 60≤x<70 | x<60 |
SFC | x≥50 | 40≤x<50 | 30≤x<40 | 20≤x<30 | x<20 |
C | x≥92 | 80≤x<92 | 70≤x<80 | 60≤x<70 | x<60 |
D | x≥92 | 80≤x<92 | 70≤x<80 | 60≤x<70 | x<60 |
将表6的数据代入式(5)中,得到行车道综合指标的评价方案,由表7所示。
表7 PQI新评价标准
综合评价指标 | 优 | 良 | 中 | 次 | 差 |
PQI | >51 | 44-51 | 37-44 | 29-37 | x<29 |
本发明采用PCA法对行车道路面的评价指标进行分析,计算各指标的权重,客观的反映了高速公路行车道的路面实际情况,为高速公路路面的精准养护提供理论方向。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。
专业人员还可以进一步意识到,结合本文中所公开的实施例描述的各示例的单元及算法步骤,能够以电子硬件、计算机软件或者二者的结合来实现,为了清楚地说明硬件和软件的可互换性,在上述说明中已经按照功能一般性地描述了各示例的组成及步骤。这些功能究竟以硬件还是软件方式来执行,取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能,但是这种实现不应认为超出本发明的范围。
显然,本领域的技术人员可以对发明进行各种改动和变型而不脱离本发明的精神和范围。这样,倘若本发明的这些修改和变型属于本发明权利要求及其等同技术的范围之内,则本发明也意图包括这些改动和变型在内。
Claims (10)
1.一种高速公路行车道路面状况评价方法,其特征在于,包括:
步骤S1,对高速公路行车道的路面单项指标采集得到采集到的数据,其中,所述路面单项指标包括路面破损严重指标;
步骤S2,利用Z-score的方法对所采集到的数据进行标准化处理,消除各路面单项指标由于单位不同对分析结果产生的影响,以得到标准化之后的矩阵;
步骤S3,采用主成分分析法对标准化之后的矩阵进行处理,消除标准化之后的矩阵中原始数据之间的相关影响,得到相关系数矩阵;
步骤S4,根据所述相关系数矩阵求得表征出原始数据的所有成分的特征值和贡献率;
步骤S5,基于原始数据的所有成分的特征值和贡献率,提取用于表示出原始数据的大于预设阈值部分信息的成分,作为主成分,根据特征方程求出所述主成分的特征值对应的特征向量;
步骤S6,用主成分的特征值对应的特征向量及贡献率重新表示出综合指标,结合对应的公路指标等级划分标准,建立综合指标评价等级。
2.如权利要求1所述的高速公路行车道路面状况评价方法,其特征在于,所述路面单项指标提取包括:路面破损状况PCI、行驶质量指数RQI、车辙深度RDI、路面抗滑性能SFC、路面纵向裂缝C和路面沉陷D。
3.如权利要求1所述的高速公路行车道路面状况评价方法,其特征在于,所述高速公路行车道为除超车道和应急车道以外的车道。
5.如权利要求1所述的高速公路行车道路面状况评价方法,其特征在于,步骤S3中,所述相关系数矩阵是对角线上均为1的对角矩阵。
7.如权利要求1所述的高速公路行车道路面状况评价方法,其特征在于,步骤S4中,所述贡献率的大小用于反映其代表成分的信息的多少,即为各个成分的权重。
9.如权利要求1所述的高速公路行车道路面状况评价方法,其特征在于,步骤S5中,所述大于预设阈值部分信息的成分为特征值大于1或累计贡献率达到80%的成分。
10.如权利要求1所述的高速公路行车道路面状况评价方法,其特征在于,步骤S6中,所述综合指标为线性方程。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104899.1A CN112862279A (zh) | 2021-01-26 | 2021-01-26 | 高速公路行车道路面状况评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110104899.1A CN112862279A (zh) | 2021-01-26 | 2021-01-26 | 高速公路行车道路面状况评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN112862279A true CN112862279A (zh) | 2021-05-28 |
Family
ID=76009237
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110104899.1A Pending CN112862279A (zh) | 2021-01-26 | 2021-01-26 | 高速公路行车道路面状况评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112862279A (zh) |
Cited By (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627771A (zh) * | 2021-08-03 | 2021-11-09 | 青岛港国际股份有限公司 | 一种agv调度***运行效率评价方法 |
CN114358200A (zh) * | 2022-01-11 | 2022-04-15 | 中南大学 | 一种非线性数据的分类预测方法、***、设备和存储介质 |
CN114462857A (zh) * | 2022-02-09 | 2022-05-10 | 中国汽车工程研究院股份有限公司 | 在用新能源汽车的高风险车辆筛选方法及存储介质 |
CN114486571A (zh) * | 2022-01-07 | 2022-05-13 | 武汉理工大学 | 基于路面使用性能和结构性能的路面综合性能评价方法 |
CN117408573A (zh) * | 2023-12-13 | 2024-01-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种upfc设备画像展示与性能分析方法和*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101818476A (zh) * | 2010-01-28 | 2010-09-01 | 湖北省高速公路实业开发有限公司 | 基于Internet B/S网络架构的沥青路面智能化养护*** |
CN104463348A (zh) * | 2014-11-11 | 2015-03-25 | 辽宁省交通科学研究院 | 一种沥青路面改造方案决策***及方法 |
CN105303468A (zh) * | 2015-11-20 | 2016-02-03 | 国网天津市电力公司 | 一种基于主成分聚类分析的智能电网建设综合评价方法 |
CN106127594A (zh) * | 2016-06-30 | 2016-11-16 | 武汉斗鱼网络科技有限公司 | 基于主成分分析的用户房间兴趣度计算方法及*** |
CN107169202A (zh) * | 2017-05-17 | 2017-09-15 | 河海大学 | 一种行进车辆间安全保持距离的计算方法 |
CN107545380A (zh) * | 2017-10-13 | 2018-01-05 | 常州工学院 | 基于主成分分析的城市宜居性评价模型 |
CN109191001A (zh) * | 2018-09-21 | 2019-01-11 | 常州工学院 | 基于主成分分析的教育质量评价方法 |
CN109345143A (zh) * | 2018-11-12 | 2019-02-15 | 国电联合动力技术有限公司 | 智能风机运行状态评价方法、装置及风电机组 |
-
2021
- 2021-01-26 CN CN202110104899.1A patent/CN112862279A/zh active Pending
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101818476A (zh) * | 2010-01-28 | 2010-09-01 | 湖北省高速公路实业开发有限公司 | 基于Internet B/S网络架构的沥青路面智能化养护*** |
CN104463348A (zh) * | 2014-11-11 | 2015-03-25 | 辽宁省交通科学研究院 | 一种沥青路面改造方案决策***及方法 |
CN105303468A (zh) * | 2015-11-20 | 2016-02-03 | 国网天津市电力公司 | 一种基于主成分聚类分析的智能电网建设综合评价方法 |
CN106127594A (zh) * | 2016-06-30 | 2016-11-16 | 武汉斗鱼网络科技有限公司 | 基于主成分分析的用户房间兴趣度计算方法及*** |
CN107169202A (zh) * | 2017-05-17 | 2017-09-15 | 河海大学 | 一种行进车辆间安全保持距离的计算方法 |
CN107545380A (zh) * | 2017-10-13 | 2018-01-05 | 常州工学院 | 基于主成分分析的城市宜居性评价模型 |
CN109191001A (zh) * | 2018-09-21 | 2019-01-11 | 常州工学院 | 基于主成分分析的教育质量评价方法 |
CN109345143A (zh) * | 2018-11-12 | 2019-02-15 | 国电联合动力技术有限公司 | 智能风机运行状态评价方法、装置及风电机组 |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113627771A (zh) * | 2021-08-03 | 2021-11-09 | 青岛港国际股份有限公司 | 一种agv调度***运行效率评价方法 |
CN114486571A (zh) * | 2022-01-07 | 2022-05-13 | 武汉理工大学 | 基于路面使用性能和结构性能的路面综合性能评价方法 |
CN114486571B (zh) * | 2022-01-07 | 2023-11-07 | 武汉理工大学 | 基于路面使用性能和结构性能的路面综合性能评价方法 |
CN114358200A (zh) * | 2022-01-11 | 2022-04-15 | 中南大学 | 一种非线性数据的分类预测方法、***、设备和存储介质 |
CN114358200B (zh) * | 2022-01-11 | 2022-09-13 | 中南大学 | 一种非线性数据的分类预测方法、***、设备和存储介质 |
CN114462857A (zh) * | 2022-02-09 | 2022-05-10 | 中国汽车工程研究院股份有限公司 | 在用新能源汽车的高风险车辆筛选方法及存储介质 |
CN117408573A (zh) * | 2023-12-13 | 2024-01-16 | 国网江苏省电力有限公司苏州供电分公司 | 一种upfc设备画像展示与性能分析方法和*** |
CN117408573B (zh) * | 2023-12-13 | 2024-02-09 | 国网江苏省电力有限公司苏州供电分公司 | 一种upfc设备画像展示与性能分析方法和*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112862279A (zh) | 高速公路行车道路面状况评价方法 | |
CN110197588B (zh) | 一种基于gps轨迹数据的大货车驾驶行为评估方法及装置 | |
Mubaraki | Highway subsurface assessment using pavement surface distress and roughness data | |
CN111062648B (zh) | 一种沥青路面综合性能的评价方法 | |
CN106649709B (zh) | 一种基于数据挖掘的车辆停留行为模式预测与评估方法 | |
CN114783183A (zh) | 一种基于交通态势算法的监控方法与*** | |
CN104751288A (zh) | 一种钢卷分段多维在线质量判定***及其方法 | |
CN109635852B (zh) | 一种基于多维属性的用户画像构建与聚类方法 | |
CN107844671B (zh) | 一种沥青路面半刚性基层结构剩余寿命的分析方法 | |
CN102663252A (zh) | 地下道路复合式路面使用性能评估方法 | |
Abbas et al. | Effect of traffic load input level on mechanistic–empirical pavement design | |
WO2017107790A1 (zh) | 一种基于大数据预测路段状况的方法及装置 | |
CN116739376A (zh) | 一种基于数据挖掘的公路路面预防性养护决策方法 | |
CN109344903B (zh) | 基于车载感知数据的城市道路路面故障实时检测方法 | |
Reza-Kashyzadeh et al. | Study effects of vehicle velocity on a road surface roughness simulation | |
CN112488463A (zh) | 一种基于组合赋权法与优劣解距离法的滑坡评价方法 | |
Hashim et al. | Impact of pavement condition on speed change for different vehicle classes | |
CN112884041A (zh) | 一种基于养护历史路段划分方法、***、设备及存储介质 | |
CN112950022A (zh) | 基于模糊综合评价法的路面状况综合评价方法 | |
Rajab et al. | Application of image processing to measure road distresses | |
Staniek | Repeatability of road pavement condition assessment based on three-dimensional analysis of linear accelerations of vehicles | |
CN116665436A (zh) | 一种基于雷达轨迹数据的高速公路交通拥堵度量方法 | |
CN113808393A (zh) | 一种消除混杂控制对象影响的方法 | |
Zhao et al. | Implementing unsupervised machine learning to gain a better understanding of the asphalt pavement conditions of Ontario provincial highways | |
CN113920723B (zh) | 一种山区高速公路事故多发路段识别方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |