一种测试沥青路面承重性的方法及系统

技术领域

本发明涉及道路工程技术领域，具体涉及一种测试沥青路面承重性的方法及系统。

背景技术

沥青混凝土采用沥青混凝与砂石矿料按照一定比例混合而成，沥青混凝土铺设路面强度和韧度兼具，沥青混凝土在使用过程中，若温度过高或车流量较大，会导致道路出现裂缝或车辙等破损，严重影响汽车行驶。

目前无法对沥青混凝土道路的承重性能以及是否会出现破损进行检测评估，只能基于道路设计承重性能进行车流量警示调节，并在出现道路损坏时进行检修。

在实现本申请中发明技术方案的过程中，发现上述技术至少存在如下技术问题：

现有技术中存在着无法准确检测评估沥青混凝土路面的承重性，以及无法评估沥青路面出现路面损坏的可能性的技术问题。

发明内容

本申请提供了一种测试沥青路面承重性的方法及系统，用于针对解决现有技术中存在的无法准确检测评估沥青混凝土路面的承重性，以及无法评估沥青路面出现路面损坏的可能性的技术问题。

鉴于上述问题，本申请提供了一种测试沥青路面承重性的方法及系统。

本申请的第一个方面，提供了一种测试沥青路面承重性的方法，所述方法包括：获得第一沥青混凝土路面信息；构建、训练获得第一沥青混凝土路面分析模型；将所述第一沥青混凝土路面信息输入所述第一沥青混凝土路面分析模型，获得第一输出结果，所述第一输出结果包括第一调整参数；获得第一环境信息；获得第一载荷流量信息；构建、训练获得第一路面承重性能分析模型；将所述第一沥青混凝土路面信息、所述第一环境信息、所述第一载荷流量信息和所述第一调整参数输入所述第一路面承重性能分析模型，获得第二输出结果；根据所述第二输出结果进行沥青路面承重性测试评估，获得第一承重性评估结果。

本申请的第二个方面，提供了一种测试沥青路面承重性的系统，所述系统包括：第一获得单元，所述第一获得单元用于获得第一沥青混凝土路面信息；第一构建单元，所述第一构建单元用于构建、训练获得第一沥青混凝土路面分析模型；第一处理单元，所述第一处理单元用于将所述第一沥青混凝土路面信息输入所述第一沥青混凝土路面分析模型，获得第一输出结果，所述第一输出结果包括第一调整参数；第二获得单元，所述第二获得单元用于获得第一环境信息；第三获得单元，所述第一三获得单元用于获得第一载荷流量信息；第二构建单元，所述第二构建单元用于构建、训练获得第一路面承重性能分析模型；第二处理单元，所述第二处理单元用于将所述第一沥青混凝土路面信息、所述第一环境信息、所述第一载荷流量信息和所述第一调整参数输入所述第一路面承重性能分析模型，获得第二输出结果；第三处理单元，所述第三处理单元用于根据所述第二输出结果进行沥青路面承重性测试评估，获得第一承重性评估结果。

本申请的第三个方面，提供了一种测试沥青路面承重性的系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使系统以执行如第一方面所述方法的步骤。

本申请的第四个方面，提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面所述方法的步骤。

本申请中提供的一个或多个技术方案，至少具有如下技术效果或优点：

本申请提供的技术方案通过采集沥青混凝土路面铺设且与路面使用情况有关的路面信息，构建并训练获得第一沥青混凝土路面分析模型，将路面信息输入该第一沥青混凝土路面分析模型，获得基于路面使用情况的调整参数，然后获得沥青路面使用的环境信息和汽车运输的载荷流量信息，构建训练获得路面承重性能分析模型，将上述的路面信息、调整参数、环境信息和载荷流量信息输入该路面承重性能分析模型，进行沥青路面的承重性能以及是否可能出现道路损坏的评估分析。本申请通过获得沥青混凝土路面信息，并将其输入第一沥青混凝土路面分析模型，根据路面的使用情况获得调整评估标准的调整参数，能够提升沥青路面性能评估的准确性，基于环境信息、载荷流量信息、路面信息和调整参数进行路面承重性的评估，通过多维度的信息进行评估，能够提升路面性能评估的准确性和泛化性，本申请中的第一路面承重性能分析模型采用提升监督学习准确度的方法进行训练，能够有效提升模型评估预测的准确性，本申请构建了智能化的沥青路面性能检测评估方法，能够智能准确地进行沥青路面性能检测评估，预测可能出现的路面损坏问题，提升沥青路面的检修效率，达到了提升检测评估沥青路面承重性能和可能出现的路面破损问题的准确性和效率的技术效果。

上述说明仅是本申请技术方案的概述，为了能够更清楚了解本申请的技术手段，而可依照说明书的内容予以实施，并且为了让本申请的上述和其它目的、特征和优点能够更明显易懂，以下特举本申请的具体实施方式。

附图说明

图1为本申请提供的一种测试沥青路面承重性的方法流程示意图；

图2为本申请提供的一种测试沥青路面承重性的方法中获得第一载荷流量信息的流程示意图；

图3为本申请提供的一种测试沥青路面承重性的方法中获得第一路面承重性能分析模型的流程示意图；

图4为本申请提供了一种测试沥青路面承重性的系统结构示意图；

图5为本申请示例性电子设备的结构示意图。

附图标记说明：第一获得单元11，第一构建单元12，第一处理单元13，第二获得单元14，第三获得单元15，第二构建单元16，第二处理单元17，第三处理单元18，电子设备300，存储器301，处理器302，通信接口303，总线架构304。

具体实施方式

本申请通过提供了一种测试沥青路面承重性的方法及系统，用于针对解决现有技术中存在的无法准确检测评估沥青混凝土路面的承重性，以及无法评估沥青路面出现路面损坏的可能性的技术问题。

申请概述

沥青混凝土采用沥青混凝与砂石矿料按照一定比例混合而成，其中，沥青可分为石油沥青、煤焦沥青等。沥青混凝土铺设路面强度和韧度兼具，不仅能够稳定支持汽车行驶，还能够降低汽车行驶过程中的颠簸，且沥青可回收使用，较为环保。沥青混凝土在使用过程中，若温度过高或车流量较大，会导致道路出现裂缝或车辙等破损，其中，裂缝包括：横向裂缝、纵向裂缝、反射裂缝等。道路破损严重影响汽车行驶安全。目前无法对沥青混凝土道路的承重性能以及是否会出现破损进行检测评估，只能基于道路设计承重性能进行车流量警示调节，避免车流量过大或者汽车超载导致路面损坏，并在出现道路损坏时进行检修。现有技术中存在着无法准确检测评估沥青混凝土路面的承重性，以及无法评估沥青路面出现路面损坏的可能性的技术问题。

针对上述技术问题，本申请提供的技术方案总体思路如下：

本申请提供的技术方案通过采集沥青混凝土路面铺设且与路面使用情况有关的路面信息，构建并训练获得第一沥青混凝土路面分析模型，将路面信息输入该第一沥青混凝土路面分析模型，获得基于路面使用情况的调整参数，然后获得沥青路面使用的环境信息和汽车运输的载荷流量信息，构建训练获得路面承重性能分析模型，将上述的路面信息、调整参数、环境信息和载荷流量信息输入该路面承重性能分析模型，进行沥青路面的承重性能以及是否可能出现道路损坏的评估分析。

在介绍了本申请基本原理后，下面，将参考附图对本申请中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅是本申请的一部分实施例，而不是本申请的全部实施例，应理解，本申请不受这里描述的示例实施例的限制。基于本申请的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。另外还需要说明的是，为了便于描述，附图中仅示出了与本申请相关的部分而非全部。

实施例一

如图1所示，本申请提供了一种测试沥青路面承重性的方法，所述方法包括：

S100：获得第一沥青混凝土路面信息；

具体而言，第一沥青混凝土路面为现有技术中采用任意沥青混凝土铺设的任意规格的路面，包括高速公路路面或城市公路路面等。第一沥青混凝土路面信息包括第一沥青混凝土路面的多个维度的信息，其能够反映第一沥青混凝土的当前使用状态，例如，第一沥青混凝土路面信息可反映路面当前处于刚投入使用的时期、磨合期或者质量较差需要进行维护的时期。

优选地，第一沥青混凝土路面信息包括第一沥青混凝土路面铺设过程中的铺设基料信息、铺设时限信息和维修信息等。其中，基料信息包括沥青混凝土混合铺设过程中的多个信息，示例性地，其包括沥青信息、砂石信息、沥青和砂石的比例信息、基料的加热温度、基料的软化点和密度等信息等等，但不限于此。第一沥青混凝土路面信息可基于铺面铺设时的工程设计信息进行获取。

铺设时限信息包括第一沥青混凝土路面铺设的时间，即为第一沥青混凝土路面铺设完毕投入使用至今的时间，一般沥青混凝土路面的使用寿命为15~20年，铺设时限信息可反映沥青路面的使用情况，若铺设时限信息较大，则路面状况相应较差。

维修信息包括第一沥青混凝土路面在铺设完毕投入使用至今的时间内进行维修的种类、次数和时间，沥青混凝土路面在维修的过程中，常会在出现损坏的部分进行清楚，并加铺一层新的路面，新路面和旧路面的结构不同，在使用过程中更容易在应力作用下出现反射裂缝等损坏，因此，维修信息能够反映路面的使用状况，故将维修信息作为路面信息。维修信息和铺设时限信息可通过路面使用过程中的维护人员记录日志进行获取。

优选地，本申请提供的方法中的步骤S100包括：

S110：获得第一沥青混凝土基料信息，获得第一路面铺设时限信息，获得第一路面维修信息；

S120：根据所述第一沥青混凝土基料信息、第一路面铺设时限信息和所述第一路面维修信息构建路面信息三维坐标系；

S130：基于所述路面信息三维坐标系，获得第一调整参数向量；

S140：基于所述第一调整参数向量，获得第二调整参数；

S150：采用所述第二调整参数对所述第一沥青混凝土基料信息进行调整，将调整后的所述第一沥青混凝土基料信息、所述第一路面铺设时限信息和第一路面维修信息作为所述第一沥青混凝土路面信息。

具体而言，在获得上述的第一沥青混凝土基料信息、第一路面铺设时限信息和第一路面维修信息之后，由于第一沥青混凝土基料信息在路面的使用和维修过程中，基料结构、成分和性能等信息已经与铺设之初发生了变化，因此，需要对第一沥青混凝土基料信息进行调节。

具体地，基于大数据采集获得多种、多条沥青混凝土路面的基料信息集合、铺设时限信息集合和维修信息集合，将基料信息集合、铺设时限信息集合和维修信息集合分别进行拟合，将拟合后的基料信息集合、铺设时限信息集合和维修信息集合分别作为三个坐标轴，构建路面信息三维坐标系。示例性地，以基料信息集合为x坐标轴，铺设时限信息集合为y坐标轴，维修信息集合为z坐标轴，构建三维坐标系。

基于该三维坐标系，将第一沥青混凝土基料信息、第一路面铺设时限信息、第一路面维修信息输入该三维坐标系，获得当前第一沥青混凝土路面使用状况在该三维坐标系内的点

若第一路面铺设时限信息对应的铺设时限越小，或者第一路面维修信息对应的维修次数越少，则第二调整参数越小，采用第二调整参数对第一沥青混凝土基料信息进行调整，调整后的第一沥青混凝土基料信息对应的基料状况就越接近铺设时的基料状况，即当前路面基料的信息与铺设时的基料信息基本相同。具体调整可根据相应维修种类和基料信息等数据化进行调整。

如此，本申请将调整后的第一沥青混凝土基料信息、第一路面铺设时限信息和第一路面维修信息作为第一沥青混凝土路面信息，其中基料信息经过调整能够反映路面当前的基料状况，结合铺设时限信息和维修信息即可反映路面当前的状况信息，进而为路面承重性能进行检测评估建立对应的数据基础，能够根据路面使用情况进行针对性的性能评估，达到提升路面性能评估准确性的技术效果。

S200：构建、训练获得第一沥青混凝土路面分析模型；

第一沥青混凝土路面分析模型用于根据上述的第一沥青混凝土路面信息输出对应的第一调整参数，第一调整参数用于根据第一沥青混凝土路面信息进行路面性能评估时，对评估结果进行调整。例如，第一沥青混凝土路面信息内的铺设年限越长或者基料状况较差，则第一调整参数越大，则第一调整参数对路面性能评估的影响越大，例如评估第一调整参数是否可能出现损坏时，会使评估结果更可能倾向于会出现路面损坏。

本申请提供的方法中的步骤S200包括：

S210：获得历史沥青混凝土路面信息集合；

S220：获得多组训练数据和多组验证数据，其中，所述多组训练数据和所述多组验证数据中的每一组数据均包括：沥青混凝土路面信息和用于标识所述第一调整参数的标识信息；

S230：构建神经网络模型，采用所述多组训练数据训练所述神经网络模型至输出结果达到收敛或预设的准确率；

S240：采用所述多组验证数据验证所述神经网络模型的准确率，满足预设准确率后，获得所述第一沥青混凝土路面分析模型。

具体而言，基于前述的获取第一沥青混凝土路面信息的步骤，基于大数据采集获得多种、多条沥青混凝土路面的历史沥青混凝土路面信息，作为历史沥青混凝土路面信息集合。历史沥青混凝土路面信息集合包括根据第二调整参数集合调整后的历史沥青混凝土基料信息集合、历史路面铺设时限信息集合、历史路面维修信息集合。其中，第二调整参数集合内的调整参数可基于步骤S100进行获得。

基于上述的历史沥青混凝土路面信息集合，获得多组训练数据和多组验证数据，多组训练数据和多组验证数据均包括：沥青混凝土路面信息和用于标识所述第一调整参数的标识信息。示例性地，按照7:3的比例对历史沥青混凝土路面信息集合进行分割，分别获得多组训练数据和多组验证数据。

构建神经网络模型，神经网络模型为一种以人脑结构和处理信息逻辑而构建的网络模型，其能够根据输入信息进行复杂的逻辑操作和非线性运算，能够模拟人脑根据信息进行判断和预测。本申请中的神经网络模型包括输入层、隐含的处理层和输出层，内部包括多个神经元，相应的，神经元分为输入单元、处理单元和输出单元，各个输入单元可用于输入沥青混凝土路面信息，处理单元用于根据输入的沥青混凝土路面信息进行逻辑分析和判断，且外部不可观察，输出单元用于输出最终的第一调整参数，神经元之间的连接为权重值，权重值标识了神经元之间的不同信息处理判断的重要程度。

本申请通过多组训练数据对上述的神经网络模型进行训练，在训练过程中形成模型内的结构和权重，待模型的输出结果达到收敛或者达到一预设的准确率时，即可完成训练。然后采用上述的多组验证数据对模型进行验证其准确性，避免模型出现欠拟合或过拟合。若模型的输出结果准确率满足要求，则获得上述的第一沥青混凝土路面分析模型。

本申请通过采集历史路面信息，获得训练数据和验证数据，并训练获得神经网络模型，能够根据路面信息输出准确的第一调整参数，进而根据该第一调整参数进行最后的路面性能测试评估，能够准确根据路面信息进行评估结果的相关调整，提升数据处理的准确性和路面性能检测评估的准确性。

S300：将所述第一沥青混凝土路面信息输入所述第一沥青混凝土路面分析模型，获得第一输出结果，所述第一输出结果包括第一调整参数；

具体而言，基于训练完成的上述第一沥青混凝土路面分析模型，将当前第一沥青混凝土路面的第一沥青混凝土路面信息输入该模型，即可获得输出结果，输出结果中即包括第一调整参数。

S400：获得第一环境信息；

第一环境信息用于反映沥青混凝土路面使用过程中的外部环境，其为当前第一沥青混凝土道路进行路面性能评估的时间段内的外部环境信息。第一环境信息包括第一沥青混凝土路面使用过程中的外部环境温度、环境湿度等数据。

其中，环境温度对沥青混凝土路面的性能影响颇大，在温度较高时，沥青混凝土路面的强度下降，在较大的载荷和拉应力下，容易出现凹陷、车辙、裂痕等损坏，因此，需要根据环境信息进行混凝土路面性能的检测评估。整体上，可认为第一环境信息相对于路面越恶劣，例如温度越高，则沥青混凝土路面的性能越差，越可能出现损坏。

S500：获得第一载荷流量信息；

具体而言，第一载荷流量信息为第一沥青混凝土路面在使用过程中的车辆流量带来的载荷流量信息，车辆流量越大，重型车辆越多，则载荷流量信息越大。若载荷流量持续超过路面的承重性能一段时间，则路面可能在拉应力的作用下出现裂缝等损坏状况，因此，需要根据第一载荷流量信息进行路面性能的检测评估。

如图2所示，本申请提供的方法中的步骤S500包括：

S510：按照第一时间跨度采集多个所述第一沥青混凝土路面上的第一载荷流量数据集；

S520：获得多个所述第一载荷流量数据集内载荷流量最大的一个，作为第二载荷流量数据集；

S530：按照第二时间跨度采集所述第二载荷流量数据集内的多个第三载荷流量数据集；

S540：按照所述第二时间跨度的时间顺序，对所述多个第三载荷流量数据集进行最小二乘法拟合，获得第一载荷流量拟合函数；

S550：基于所述第一载荷流量拟合函数，获得所述第一载荷流量信息。

具体而言，上述的第一时间跨度和第二时间跨度为第一沥青混凝土使用过程中的一个时间周期，第一时间跨度大于第二时间跨度，且第一时间跨度包括多个第二时间跨度。示例性地，第一时间跨度可为一年，第二时间跨度可为一月。或者，第一时间跨度可为一月，第二时间跨度可为一日。

为采集获得具有代表性和准确性的第一载荷流量信息，首先，按照第一时间跨度采集第一沥青混凝土路面上的多个第一载荷流量数据集。第一载荷流量数据集包括第一沥青混凝土路面上在第一时间跨度内的车辆流量信息和各类车辆对应的载荷信息，其可通过高速公路入口和出口的收费站监测获得，以及通过公路的监控图像信息进行获得。

基于上述的多个第一载荷流量数据集，选择其中载荷流量数据最大的一个第一载荷流量数据集，作为第二载荷流量数据集。继续按照第二时间跨度采集该第二载荷流量数据集内的载荷流量数据，获得多个第三载荷流量数据集。

基于多个第三载荷流量数据集，在第二时间跨度内按照时间顺序对多个第三载荷流量数据集进行排序，然后进行最小二乘法拟合，将多个第三载荷流量数据集按照时间顺序进行拟合为函数曲线，得到第一载荷流量拟合函数。其中，若第一载荷流量拟合函数出现过拟合的情况，可采用正则化的手段对函数进行调整。

基于上述的第一载荷流量拟合函数，计算获得其内的所有驻点，驻点处的载荷流量较为稳定，进一步获得所有驻点内载荷流量最大的点作为上述的第一载荷流量信息，能够代表第二时间跨度内较大较稳定的载荷流量信息。

举不设限制的一例，本申请提供的方法中，设置第一时间跨度为一个月，第二时间跨度为一日，按照第一时间跨度采集获得多日内的载荷流量数据集，即为多个第一载荷流量数据集。然后选择最大的一第一载荷流量数据集作为第二载荷流量数据集，然后按照第二时间跨度获得一天内的24小时内的载荷流量数据集，即为24个第三载荷流量数据集，然后进行拟合获得函数，最后获得一天内的载荷流量信息较大且较为稳定的载荷流量，例如可能为一天中的9:00AM或者18:00PM，进而得到第一载荷流量信息。

由于在进行沥青混凝土路面性能检测评估的过程中，需要考虑在较大载荷下路面是否可能会出现损坏的情况，因此，本申请选择载荷流量最大的一第一载荷流量数据集，然后获得并选择第一载荷流量拟合函数内载荷流量最大的拐点处作为第一载荷流量信息，能够提升路面性能评估的代表性和准确性，避免在采用较小载荷流量信息进行路面性能评估时，性能评估结果无法满足较大载荷流量运行的问题出现。

S600：构建、训练获得第一路面承重性能分析模型；

如图3所示，本申请提供的方法中的步骤S600包括：

S610：采集获得历史环境信息集合、历史载荷流量信息集合；

S620：获得多组训练样本数据，每组训练样本数据均包括所述历史沥青混凝土路面信息、所述历史环境信息、所述历史载荷流量信息；

S630：构建第一子路面承重性能分析模型；

S640：采用所述多组训练样本数据输入所述第一子路面承重性能分析模型，获得第一分析结果；

S650：根据所述第一分析结果和所述多组训练样本数据，进行迭代，构建第二子路面承重性能分析模型，获得第二分析结果；

S660：计算所述第一分析结果和所述第二分析结果的第一总准确率，判断所述第一总准确率是否满足第一总准确率阈值；

S670：若所述第一总准确率满足所述第一总准确率阈值，则获得所述第一路面承重性能分析模型；

S680：若所述第一总准确率不满足所述第一总准确率阈值，则继续迭代，直至所有子路面承重性能分析模型的总准确率满足所述第一总准确率阈值，获得所述第一路面承重性能分析模型。

具体而言，基于前述的步骤S400和S500，采集获得多类、多条沥青混凝土道路在历史上的历史环境信息集合和历史载荷流量信息集合。并基于前述的步骤S100获得多类、多条沥青混凝土道路的历史沥青混凝土路面信息集合。同时，在采集历史环境信息集合、历史载荷流量信息集合和历史沥青混凝土路面信息集合时，根据沥青混凝土路面的检修记录，获取每个历史环境信息、历史载荷流量信息和历史沥青混凝土路面信息对应的路面状况信息，获得路面状况信息集合。路面状况信息包括对应的路面是否发生损坏，以及发生损坏时损坏的类型。

然后，将上述的历史环境信息集合、历史载荷流量信息集合历史沥青混凝土路面信息集合作为训练数据，进行第一路面承重性能分析模型的构建和训练。每组训练数据中均包括：相对应的历史沥青混凝土路面信息、历史环境信息、历史载荷流量信息。

具体地，首先，构建第一子路面承重性能分析模型，第一子路面承重性能分析模型为一分类器，其按照环境信息、路面信息、载荷流量信息三个维度数据进行分类回归预测，预测的结果为对应的路面是否会发生损坏，以及可能会发生损坏的类型，然后按照历史路面检修数据判断预测结果是否正确。例如，第一子路面承重性能分析模型基于历史环境信息、历史路面信息、历史载荷流量信息，设置一定分类阈值进行分类，将上述数据对应的路面预测判断为不会出现损坏，然后根据历史检修数据判断该路面是否发生损坏，若未发生损坏，第一子路面承重性能分析模型的预测结果错误，若发生损坏，则预测结果正确。

第一子路面承重性能分析模型内的阈值可根据需求设置，包括环境信息阈值、载荷流量信息阈值、路面信息阈值，在预测的过程中，对输入第一子路面承重性能分析模型内的历史环境信息、历史路面信息、历史载荷流量信息与对应的阈值进行比较分类，基于决策树原理完成预测。

此外，第一子路面承重性能分析模型也可设置为根据历史环境信息、历史路面信息、历史载荷流量信息，进行预测路面是否会出现载荷裂缝、非载荷裂缝或不会发生损坏，示例性地，若载荷信息过大，环境信息正常，则可能会预测路面出现载荷裂缝，然后根据路面历史检修记录判断预测结果是否正确。

将上述的多组训练样本数据输入第一子路面承重性能分析模型，获得多个第一分析结果，多个第一分析结果中，根据多组训练样本数据中的沥青混凝土路面信息、历史环境信息、历史载荷流量信息进行预测，上述的第一分析结果。

然后，基于上述的多个第一分析结果和输入第一子路面承重性能分析模型的多组训练样本数据，进行迭代，构建第二子路面承重性能分析模型，获得多个第二分析结果。具体的，本申请提供的方法中的步骤S650包括：

S651：根据所述第一分析结果，获得第一子模型准确率和第一错误训练样本数据集合，所述第一错误训练样本数据集合包括于所述多组训练样本数据；

S652：根据所述第一子模型准确率，获得第一权重值和第二权重值；

S653：根据所述第一权重值对所述多组训练样本数据以及所述第一错误训练样本数据集合进行权重分配，获得第一权重分配结果；

S654：构建第二子路面承重性能分析模型；

S655：将所述第一权重分配结果和所述多组训练样本数据输入所述第二子路面承重性能分析模型，获得所述第二分析结果。

具体而言，获得多个第一分析结果之后，基于上述的路面状况信息集合，判断多个第一分析结果内的预测结果是否正确，获得第一子模型准确率，第一子模型准确率为正确的第一分析结果数量与所有第一分析结果数量的比值。然后将多个第一分析结果内预测错误的第一分析结果对应的训练样本数据进行提取，获得第一错误训练样本数据集合。其中，每个第一错误训练样本数据均包括上述的历史沥青混凝土路面信息、历史环境信息、历史载荷流量信息。

然后，根据上述的第一子模型准确率，获得第一权重值和第二权重值。其中，第一权重值为多个第一分析结果内错误的第一分析结果所占的权重值。本申请实施例中，最后获得的第一路面承重性能分析模型由多个子路面承重性能分析模型合并而成，第二权重值为第一子路面承重性能分析模型的分析结果在合并获得的第一路面承重性能分析模型内最终分析结果内占的权重值。

示例性地，若存在M组训练样本数据，M为正整数，则有M个第一分析结果，则原始每组训练样本数据所占的权重为

则，第一权重值为：

其中，

基于上述的第一权重值和正确的第一分析结果所占的权重值，对多组训练样本数据以及第一错误训练样本数据集合进行权重分配，使多组训练样本数据的权重值之和为1，得到第一权重分配结果。如下：

正确的第一分析结果对应训练数据样本的权重为：

错误的第一分析结果对应训练数据样本的权重为：

由于M组训练数据的原始权重值为

与第一子路面承重性能分析模型原理类似地，构建第二子路面承重性能分析模型，其中，第二子路面承重性能分析模型内的分类阈值与第一子路面承重性能分析模型内的阈值不尽相同。

将上述的第一权重分配结果和对应的多组训练样本数据输入第二子路面承重性能分析模型，进而得到多个第二分析结果，多个第二分析结果内同样包括多个错误结果，但多个错误结果与多个第一分析结果内的错误结果数量可能不同，对应的训练样本数据也并非相同。进而根据多个第二分析结果和多个错误的第二分析结果，获得多个第二分析结果的第二子模型准确率，如上述步骤，进而获得第二子路面承重性能分析模型的第三权重值和第四权重值，第四权重值为第二子路面承重性能分析模型的第二分析结果在最终的第一路面承重性能分析模型的分析结果内所占的权重。

进一步地，本申请提供的方法中的步骤S660包括：

S661：获得所述第二子路面承重性能分析模型的所述第二分析结果；

S662：根据所述第二分析结果和所述第一权重分配结果，获得第二子模型准确率；

S663：根据所述第二子模型准确率，获得第三权重值和第四权重值；

S664：根据所述第二权重值对所述第一子模型准确率进行加权计算，采用所述第四权重值对所述第二子模型准确率进行加权计算；

S665：对加权后的所述第一子模型准确率和所述第二子模型准确率进行加和计算，获得所述第一总准确率。

具体而言，如上述内容，获得第二子路面承重性能分析模型的多个第二分析结果，根据多个第二分析结果和第一权重分配结果，获得第二子模型准确率。示例性地，M个第二分析结果内出现P个错误的第二分析结果，P为正整数，则第二子模型准确率为

根据该第二子模型准确率，获得第三权重值和第四权重值。示例性地，第四权重值为：

根据第二子模型准确率和第一权重分配结果，得到第三权重值为：

如此，计算获得第二子路面承重性能分析模型的第三权重值和第四权重值。

基于上述的第二权重值对第一子模型准确率进行加权计算，采用第四权重值对第二子模型准确率进行加权计算，然后进行加和计算，获得第一总准确率，如下：

若第一总准确率不满足预设的准确率阈值，则继续进行迭代，构建第三子路面承重性能分析模型，根据第三权重值和第四权重值对多组训练样本数据进行权重分配，获得第二权重分配结果，然后将第二权重分配结果和多组训练样本数据输入第三子路面承重性能分析模型，直至所有子路面承重性能分析模型的总准确率满足第一总准确率阈值。

基于上述步骤进行迭代，最终获得多个子路面承重性能分析模型合并而成的第一路面承重性能分析模型。其中，对于每个子路面承重性能分析模型，均根据输入的多组训练样本数据进行分析判断，判断每组训练样本数据内的历史沥青混凝土路面信息、历史环境信息、历史载荷流量信息对应的路面是否可能为会发生损坏的类别，以及可能发生的损坏的类型的类别。

并且，除了第一子路面承重性能分析模型，其他子路面承重性能分析模型均会根据上一子路面承重性能分析模型的分析结果对应的准确率获得权重，进而对上一子路面承重性能分析模型错误的分析结果对应的训练样本数据进行更准确的阈值划分，进而得到更为准确的分析结果。以及，最终获得的第一路面承重性能分析模型的分析结果由各子路面承重性能分析模型的分析结果加权计算得到，权重值也来自于子路面承重性能分析模型的分析准确率，一个子路面承重性能分析模型的准确率越高，则其所占的权重值也越多，使最终获得的第一路面承重性能分析模型能够根据输入的第一沥青混凝土路面信息、第一环境信息、第一载荷流量信息进行准确的分析，获得最为准确的分析结果，对当前第一沥青混凝土路面进行承载性能分析，判断其是否可能会出现损坏。

本申请实施例通过上述方法构建训练获得第一路面承重性能分析模型，基于多个子路面承重性能分析模型进行迭代训练，最终获得第一路面承重性能分析模型，在进行路面性能分析时，基于每个子路面承重性能分析模型的权重对多个子路面承重性能分析模型的分析结果进行加权加和计算，能够获得最终最为准确的评估分析结果，构建了智能分析沥青混凝土路面性能的模型和方法，达到了准确、智能地进行路面性能评估分析的技术效果。

S700：将所述第一沥青混凝土路面信息、所述第一环境信息、所述第一载荷流量信息和所述第一调整参数输入所述第一路面承重性能分析模型，获得第二输出结果；

S800：根据所述第二输出结果进行沥青路面承重性测试评估，获得第一承重性评估结果。

具体而言，在训练获得上述的第一路面承重性能分析模型后，将第一沥青混凝土路面信息、第一环境信息、第一载荷流量信息输入第一路面承重性能分析模型，可初步获得多个子路面承重性能分析模型的分析结果，然后根据各子路面承重性能分析模型在第一路面承重性能分析模型内的权重，进行加权计算，获得初步的分析结果。

然后基于初步的分析结果，第一路面承重性能分析模型后还包括用以调整计算的部分，将该初步的分析结果输入该部分，可根据上述的第一调整参数对初步的分析结果进行调整，实现根据沥青混凝土路面的使用情况进行调整，例如若路面的使用时限较长或维修次数或多，则会调整修改初步的分析结果，获得最终的第二输出结果，然后，将该第二输出结果作为最终的沥青混凝土路面承重等性能的评估结果。

综上所述，本申请提供的方法通过根据沥青混凝土基料信息、铺设时限信息和维修信息构建三维坐标系，根据向量参数对基料信息调整，获得沥青混凝土路面信息，并将其输入第一沥青混凝土路面分析模型，根据路面的使用情况获得调整评估标准的调整参数，并能够提升沥青路面性能评估的准确性，基于环境信息、具有代表性的载荷流量信息、路面信息和调整参数进行路面承重性的评估，通过多维度的信息进行评估，能够提升路面性能评估的准确性和泛化性，本申请中的第一路面承重性能分析模型采用提升监督学习准确度的方法进行训练，能够有效提升模型评估预测的准确性，本申请构建了智能化的沥青路面性能检测评估方法，能够智能准确地进行沥青路面性能检测评估，预测可能出现的路面损坏问题，提升沥青路面的检修效率，达到了提升检测评估沥青路面承重性能和可能出现的路面破损问题的准确性和效率的技术效果。

实施例二

基于与前述实施例中一种测试沥青路面承重性的方法相同的发明构思，如图4所示，本申请提供了一种测试沥青路面承重性的系统，其中，所述系统包括：

第一获得单元11，所述第一获得单元11用于获得第一沥青混凝土路面信息；

第一构建单元12，所述第一构建单元12用于构建、训练获得第一沥青混凝土路面分析模型；

第一处理单元13，所述第一处理单元13用于将所述第一沥青混凝土路面信息输入所述第一沥青混凝土路面分析模型，获得第一输出结果，所述第一输出结果包括第一调整参数；

第二获得单元14，所述第二获得单元14用于获得第一环境信息；

第三获得单元15，所述第一三获得单元15用于获得第一载荷流量信息；

第二构建单元16，所述第二构建单元16用于构建、训练获得第一路面承重性能分析模型；

第二处理单元17，所述第二处理单元17用于将所述第一沥青混凝土路面信息、所述第一环境信息、所述第一载荷流量信息和所述第一调整参数输入所述第一路面承重性能分析模型，获得第二输出结果；

第三处理单元18，所述第三处理单元18用于根据所述第二输出结果进行沥青路面承重性测试评估，获得第一承重性评估结果。

进一步的，所述系统还包括：

第四获得单元，所述第四获得单元用于获得第一沥青混凝土基料信息，获得第一路面铺设时限信息，获得第一路面维修信息；

第三构建单元，所述第三构建单元用于根据所述第一沥青混凝土基料信息、第一路面铺设时限信息和所述第一路面维修信息构建路面信息三维坐标系；

第五获得单元，所述第五获得单元用于基于所述路面信息三维坐标系，获得第一调整参数向量；

第六获得单元，所述第六获得单元用于基于所述第一调整参数向量，获得第二调整参数；

第四处理单元，所述第四处理单元用于采用所述第二调整参数对所述第一沥青混凝土基料信息进行调整，将调整后的所述第一沥青混凝土基料信息、所述第一路面铺设时限信息和第一路面维修信息作为所述第一沥青混凝土路面信息。

进一步的，所述系统还包括：

第七获得单元，所述第七获得单元用于获得历史沥青混凝土路面信息集合；

第八获得单元，所述第八获得单元用于获得多组训练数据和多组验证数据，其中，所述多组训练数据和所述多组验证数据中的每一组数据均包括：沥青混凝土路面信息和用于标识所述第一调整参数的标识信息；

第四构建单元，所述第四构建单元用于构建神经网络模型，采用所述多组训练数据训练所述神经网络模型至输出结果达到收敛或预设的准确率；

第五处理单元，所述第五处理单元用于采用所述多组验证数据验证所述神经网络模型的准确率，满足预设准确率后，获得所述第一沥青混凝土路面分析模型。

进一步的，所述系统还包括：

第九获得单元，所述第九获得单元用于按照第一时间跨度采集多个所述第一沥青混凝土路面上的第一载荷流量数据集；

第十获得单元，所述第十获得单元用于获得多个所述第一载荷流量数据集内载荷流量最大的一个，作为第二载荷流量数据集；

第十一获得单元，所述第十一获得单元用于按照第二时间跨度采集所述第二载荷流量数据集内的多个第三载荷流量数据集；

第六处理单元，所述第六处理单元用于按照所述第二时间跨度的时间顺序，对所述多个第三载荷流量数据集进行最小二乘法拟合，获得第一载荷流量拟合函数；

第十二获得单元，所述第十二获得单元用于基于所述第一载荷流量拟合函数，获得所述第一载荷流量信息。

进一步的，所述系统还包括：

第十三获得单元，所述第十三获得单元用于采集获得历史环境信息集合、历史载荷流量信息集合；

第十四获得单元，所述第十四获得单元用于获得多组训练样本数据，每组训练样本数据均包括所述历史沥青混凝土路面信息、所述历史环境信息、所述历史载荷流量信息；

第五构建单元，所述第五构建单元用于构建第一子路面承重性能分析模型；

第七处理单元，所述第七处理单元用于采用所述多组训练样本数据输入所述第一子路面承重性能分析模型，获得第一分析结果；

第八处理单元，所述第八处理单元用于根据所述第一分析结果和所述多组训练样本数据，进行迭代，构建第二子路面承重性能分析模型，获得第二分析结果；

第一判断单元，所述第一判断单元用于计算所述第一分析结果和所述第二分析结果的第一总准确率，判断所述第一总准确率是否满足第一总准确率阈值；

第十五获得单元，所述第十五获得单元用于若所述第一总准确率满足所述第一总准确率阈值，则获得所述第一路面承重性能分析模型；

第九处理单元，所述第九处理单元用于若所述第一总准确率不满足所述第一总准确率阈值，则继续迭代，直至所有子路面承重性能分析模型的总准确率满足所述第一总准确率阈值，获得所述第一路面承重性能分析模型。

进一步的，所述系统还包括：

第十六获得单元，所述第十六获得单元用于根据所述第一分析结果，获得第一子模型准确率和第一错误训练样本数据集合，所述第一错误训练样本数据集合包括于所述多组训练样本数据；

第十处理单元，所述第十处理单元用于根据所述第一子模型准确率，获得第一权重值和第二权重值；

第十一处理单元，所述第十一处理单元用于根据所述第一权重值对所述多组训练样本数据以及所述第一错误训练样本数据集合进行权重分配，获得第一权重分配结果；

第六构建单元，所述第六构建单元用于构建第二子路面承重性能分析模型；

第十二处理单元，所述第十二处理单元用于将所述第一权重分配结果和所述多组训练样本数据输入所述第二子路面承重性能分析模型，获得所述第二分析结果。

进一步的，所述系统还包括：

第十七获得单元，所述第十七获得单元用于获得所述第二子路面承重性能分析模型的所述第二分析结果；

第十八获得单元，所述第十八获得单元用于根据所述第二分析结果和所述第一权重分配结果，获得第二子模型准确率；

第十九获得单元，所述第十九获得单元用于根据所述第二子模型准确率，获得第三权重值和第四权重值；

第十三处理单元，所述第十三处理单元用于根据所述第二权重值对所述第一子模型准确率进行加权计算，采用所述第四权重值对所述第二子模型准确率进行加权计算；

第十四处理单元，所述第十四处理单元用于对加权后的所述第一子模型准确率和所述第二子模型准确率进行加和计算，获得所述第一总准确率。

实施例三

基于与前述实施例中一种测试沥青路面承重性的方法相同的发明构思，本申请还提供了一种计算机可读存储介质，所述存储介质上存储有计算机程序，所述计算机程序被处理器执行时实现如实施例一内的方法。

示例性电子设备

下面参考图5来描述本申请的电子设备，

基于与前述实施例中一种测试沥青路面承重性的方法相同的发明构思，本申请还提供了一种测试沥青路面承重性的系统，包括：处理器，所述处理器与存储器耦合，所述存储器用于存储程序，当所述程序被所述处理器执行时，使得系统以执行实施例一所述方法的步骤。

该电子设备300包括：处理器302、通信接口303、存储器301。可选的，电子设备300还可以包括总线架构304。其中，通信接口303、处理器302以及存储器301可以通过总线架构304相互连接；总线架构304可以是外设部件互连标(peripheral componentinterconnect，简称PCI)总线或扩展工业标准结构(extended industry Standardarchitecture，简称EISA)总线等。所述总线架构304可以分为地址总线、数据总线、控制总线等。为便于表示，图5中仅用一条粗线表示，但并不表示仅有一根总线或一种类型的总线。

处理器302可以是一个CPU，微处理器，ASIC，或一个或多个用于控制本申请方案程序执行的集成电路。

通信接口303，使用任何收发器一类的装置，用于与其他设备或通信网络通信，如以太网，无线接入网(radio access network，RAN),无线局域网(wireless local areanetworks，WLAN)，有线接入网等。

存储器301可以是ROM或可存储静态信息和指令的其他类型的静态存储设备，RAM或者可存储信息和指令的其他类型的动态存储设备，也可以是电可擦可编程只读存储器(electrically erasable Programmable read-only memory，EEPROM)、只读光盘(compactdiscread-only memory，CD-ROM)或其他光盘存储、光碟存储(包括压缩光碟、激光碟、光碟、数字通用光碟、蓝光光碟等)、磁盘存储介质或者其他磁存储设备、或者能够用于携带或存储具有指令或数据结构形式的期望的程序代码并能够由计算机存取的任何其他介质，但不限于此。存储器可以是独立存在，通过总线架构304与处理器相连接。存储器也可以和处理器集成在一起。

其中，存储器301用于存储执行本申请方案的计算机执行指令，并由处理器302来控制执行。处理器302用于执行存储器301中存储的计算机执行指令，从而实现本申请上述实施例提供的一种测试沥青路面承重性的方法。

在上述实施例中，可以全部或部分地通过软件、硬件、固件或者其任意组合来实现。当使用软件实现时，可以全部或部分地以计算机程序产品的形式实现。所述计算机程序产品包括一个或多个计算机指令。在计算机上加载和执行所述计算机程序指令时，全部或部分地产生按照本申请所述的流程或功能。所述计算机可以是通用计算机、专用计算机、计算机网络、或者其他可编程装置。所述计算机指

令可以存储在计算机可读存储介质中，或者从一个计算机可读存储介质向另一个计算机可读存储介质传输，例如，所述计算机指令可以从一个网站站点、计算机、服务器或数据中心通过有线(例如同轴电缆、光纤、数字用户线(DSL))或无线(例如红外、无线、微波等)方式向另一个网站站点、计算机、服务器或数据中心进行传输。所述计算机可读存储介质可以是计算机能够存取的任何可用介质或者是包括一个或多个可用介质集成的服务器、数据中心等数据存储设备。所述可用介质可以是磁性介质，(例如，软盘、硬盘、磁带)、光介质(例如，DVD)、或者半导体介质(例如固态硬盘(Solid State Disk，SSD))等。

尽管结合具体特征及其实施例对本申请进行了描述，显而易见的，在不脱离本申请的精神和范围的情况下，可对其进行各种修改和组合。相应地，本说明书和附图仅仅是本申请的示例性说明，且视为已覆盖本申请范围内的任意和所有修改、变化、组合或等同物。显然，本领域的技术人员可以对本申请进行各种改动和变型而不脱离本申请的范围。这样，倘若本申请的这些修改和变型属于本申请及其等同技术的范围之内，则本申请意图包括这些改动和变型在内。