發(fā)布時間：2020-04-22 07:15

【摘要】：平整度是評判路面使用性能好壞的重要指標,影響行駛質(zhì)量、行車安全和道路服務質(zhì)量。本文采用路面長期性能(LTPP)數(shù)據(jù)庫提供的真實數(shù)據(jù),以平整度為研究對象,挖掘分析LTPP數(shù)據(jù)庫中的實驗采集值,運用數(shù)據(jù)挖掘技術(shù)考慮環(huán)境氣候、路面病害、交通荷載、路面結(jié)構(gòu)等影響因素,對加拿大五省(亞伯達、馬尼托巴、魁北克、安大略、薩斯喀徹溫)近20年收集的平整度有關(guān)數(shù)據(jù)進行分析,選定氣溫、冰凍指標、降雨量、橫向裂縫、縱向裂縫、龜裂、塊裂、邊緣裂縫、修補、坑槽為本文分析的重點影響因素,對其進行數(shù)據(jù)篩選,完成瀝青路面平整度數(shù)據(jù)庫的重構(gòu)。首先對影響因素進行逐項分析,通過因子分析和相關(guān)性分析找出各變量之間的內(nèi)部關(guān)聯(lián);然后選用logistic模型與混合效應模型作為平整度預測模型,分別通過調(diào)整輸入?yún)?shù)從而提高兩個模型擬合精度;最后得出logistic模型和混合效應模型的復判定系數(shù)(R~2)分別為0.731,0.754,兩個模型的精度均低于80%。針對這兩個模型擬合精度不高的問題,本文又引入人工神經(jīng)網(wǎng)絡模型預測平整度,采用B-P算法,Sigmoid為模型的激活函數(shù)。為了降低復雜性,設計了三層網(wǎng)絡訓練該模型,將平整度影響因素作為輸入輸出樣本,通過調(diào)整輸入變量和隱含層神經(jīng)元個數(shù),計算均方根誤差(RMSE)與平均值誤差(MAE)。實驗結(jié)果表明,當輸入變量個數(shù)為9和隱含神經(jīng)元個數(shù)為4時,RSME和MAE分別為0.881、0.682,R~2為0.876,擬合精度較高。表明基于神經(jīng)網(wǎng)絡的平整度預測方法具有低復雜、較高效率和精度的優(yōu)點,并且能夠有效地評價路面使用性能。
【圖文】：

第二章 路面平整度及影響因素數(shù)據(jù)的獲取與分析整度指標（IRI）來源于對四分之一車輛模型路面平整度響應的計行程。具體方式見圖 2.1，在每個輪子的位置上，車輛的表現(xiàn)，懸掛著剛度和阻尼，該部分又與車輪和懸掛部件的彈簧下質(zhì)量彈簧和非彈簧的質(zhì)量在垂直方向上振動。IRI 主要受波長 2.5 到 1輛的身體開始移動時，較大的波長對懸掛反應有很小的影響，同較小的影響，軸共振的導致輪胎的偏轉(zhuǎn)，而不會對懸掛產(chǎn)生重大面平整度成線性比例，這意味著當高度增加到一定百分比時，IR。

不同嚴重程度的病害也影響平整度的變化。結(jié)合以上，將平整度影響分為五大類：路面病害、交通荷載、路面結(jié)構(gòu)、環(huán)境道路。隨著時間的推移，道路的壽命會呈現(xiàn)下降趨勢，路面病害也會越來越多，，如果不養(yǎng)護和維修，道路會受到嚴重破壞。接下來會重點分析路面病害，交通荷載，環(huán)境多因素對路面平整度的影響情況。3.1 路面病害LTPP 數(shù)據(jù)庫中通過海量歷史數(shù)據(jù)的整合與集成，提取影響路面平整度數(shù)據(jù)，包整度數(shù)據(jù)的提取、交通荷載的提取、環(huán)境數(shù)據(jù)的提取及路面病害數(shù)據(jù)的提取。本文采用加拿大 5 省的高速公路 1990-2010 年的數(shù)據(jù)，從大量的數(shù)據(jù)提取影響平指標，首先進行數(shù)據(jù)的預處理工作，幫助后續(xù)平整度模型的建立。加拿大 5 省分別伯達（Alberta），馬尼托巴（Manitoba），魁北克（Quebec），安大略（Ontario）斯喀徹溫省（Saskatchewan），5 個省的地理分布如圖 2.3 所示。
【學位授予單位】：長安大學
【學位級別】：碩士
【學位授予年份】：2018
【分類號】：TP183;U416.217;U418.6

【參考文獻】

相關(guān)期刊論文 前10條

1 王斌會;李雄英;;穩(wěn)健因子分析方法的構(gòu)建及比較研究[J];統(tǒng)計研究;2015年05期

2 熊梅;;基于LTPP試驗路的時間域動態(tài)反算分析[J];公路工程;2015年02期

3 王雪如;張金喜;孔祥杰;;基于行車舒適性的路面破損評價問題探討[J];市政技術(shù);2014年03期

4 劉英莉;姜瑛;尹建成;丁家滿;李凌宇;鐘毅;;BP神經(jīng)網(wǎng)絡在鋁合金性能優(yōu)化中的研究進展[J];材料科學與工程學報;2014年01期

5 韓燕華;;基于BP神經(jīng)網(wǎng)絡的路面使用性能預測分析[J];土工基礎(chǔ);2013年03期

6 譚宏衛(wèi);曾捷;;Logistic回歸模型的影響分析[J];數(shù)理統(tǒng)計與管理;2013年03期

7 任超;吳偉;黃征凱;焦元元;;基于AIC準則的RBF神經(jīng)網(wǎng)絡在GPS高程擬合中的應用[J];測繪科學;2013年02期

8 周鵬飛;溫勝強;康海貴;;基于馬爾可夫鏈與神經(jīng)網(wǎng)絡組合的路面使用性能預測[J];重慶交通大學學報(自然科學版);2012年05期

9 李海濱;盛燕萍;黃振;侯宏義;;人工神經(jīng)網(wǎng)絡與回歸分析方法預測接縫式水泥混凝土路面錯臺[J];中外公路;2012年03期

10 凌建明;官盛飛;趙鴻鐸;高鎮(zhèn)都;;公路瀝青路面預養(yǎng)護多層次模糊決策模型[J];公路交通科技;2008年06期

相關(guān)博士學位論文 前1條

1 郝大力;路面性能的評價與分析研究[D];長安大學;2000年

相關(guān)碩士學位論文 前9條

1 胡晨媛;基于大數(shù)據(jù)技術(shù)的瀝青路面性能預測研究[D];東南大學;2016年

2 趙語茜;基于B-P神經(jīng)網(wǎng)絡的第三方移動支付風險研究[D];北京郵電大學;2016年

3 胡蘇娜;高速公路瀝青路面使用性能預測研究[D];重慶交通大學;2015年

4 嚴濤;基于變參數(shù)和混合模型的醫(yī)學縱向數(shù)據(jù)研究[D];南昌大學;2014年

5 向超;高速公路瀝青路面性能預測模型與預防性養(yǎng)護措施研究[D];華南理工大學;2011年

6 姚慧;新疆地區(qū)瀝青路面使用性能評價方法研究[D];長安大學;2010年

7 張波;瀝青路面長期性能研究[D];長安大學;2010年

8 張軍;高速公路瀝青路面養(yǎng)護規(guī)劃與決策研究[D];長安大學;2009年

9 楊亮;遺傳算法在路面管理系統(tǒng)中的應用研究[D];西南交通大學;2008年

本文編號：2636294