一种基于密度峰值法的道路水渍密集位置辨别方法
文献发布时间:2023-06-19 16:12:48
技术领域
本发明涉及道路工程技术领域,尤其涉及一种基于密度峰值法的道路水渍密集位置辨别方法。
背景技术
城市的经济状况与城市周边地区道路交通网络息息相关,而随着城市经济的发展,道路所承载的交通量日益增大,导致不同的道路病害日益加重。而在道路较长的服务年限当中,造成路面病害的影响因素较多,其道路结构内部的雨后水渍是其重要影响因素之一。目前,城市道路中现存的沥青路面多以半刚性路面为主,而半刚性路面的排水性较差,难以在短时间内将路面结构内部的自由水排尽,导致道路在积水时易出现翻浆和坑槽的现象。因此,雨后水渍对半刚性路面的危害较大。为减小路面结构内部水渍对路面性能的影响,可对路面结构内部的水渍进行检测,确定水渍高度集中的区域,针对性的进行养护,减轻水渍对路面性能的影响。因此,急需开发一种基于密度峰值法的道路水渍密集位置辨别方法对道路水渍进行检测与评估。
有鉴于此,特提出本发明。
发明内容
本发明的目的是提供一种基于密度峰值法的道路水渍密集位置辨别方法,通过对道路内部分散的水渍进行检测并通过密度峰值法计算出水渍聚集较为密集的位置,根据所确定的位置进行有针对性的养护,从而提高道路养护的效率,降低道路养护的成本,为道路水损坏维护提供了一种新方法,对道路的预防性养护具有深远的意义。
为了实现上述目的,本发明提供的一种基于密度峰值法的道路水渍密集位置辨别方法,包括如下步骤:
(1)确定需要进行水渍密集位置检测的沥青道路,对沥青路面进行数据采集,得到沥青路面结构内部的水渍分布情况,以路面为平面的坐标轴X和坐标轴Y表示,其中所得到n个原始数据如表1所示:
表1 原始坐标轴
(2)利用插值法,通过公式(1)、(2)分别对所采集的原始数据进行插值,得到未能检测出的水渍密度点的X轴与Y轴值,提高数据完整性,并且将步骤(1)中的原始数据表1补全,如表2所示:
①若某个水渍密集点(X
其中,a,b,i={1,2,3......n}
②若某个水渍密集点(Xi,Yi)中Xi已知,Yi未知,则将已知数X
其中,a,b,i={1,2,3......n}
表2 补全后坐标轴
(3)利用两点之间距离公式,根据公式(3)对得出的完整数据进行计算,得到各个水渍密集点之间的距离d
其中,d
表3d
(4)基于水渍密集点之间的距离dij和公式(4),得到局部范围内水渍密集点的分布密度ρi,如表4所示:
表4 局部密度值ρ
其中,n为水渍密集点个数;d
(5)根据公式(5)求出水渍的密度点i与其余水渍密度点j之间的距离δi,其中水渍密度点j的密度ρj高于水渍数据点i的密度ρ
另外,对于水渍的密度点的密度是最高的点时,则可以取公式(6)计算:
δ
其中,公式(5)和公式(6)中的d
表5 δ计算值
(6)基于得到的水渍密集点的分布密度ρ
表6 ρ-δ坐标轴
本发明提供的一种基于密度峰值法的道路水渍密集位置辨别方法,具有如下有益效果。
本发明通过对道路内部分散的水渍进行检测并通过密度峰值法计算出水渍聚集较为密集的位置,能够较为准确客观地辨别出道路内部水渍的密集位置,充分利用资源维护道路受水损坏的位置,对提高道路质量和维持道路稳定具有重大的指导意义。
附图说明
图1为本发明提供的一种基于密度峰值法的道路水渍密集位置辨别方法的流程图;
图2为散点图。
具体实施方式
下面结合具体实施例和附图对本发明做进一步说明,以助于理解本发明的内容。
如图1所示,为本发明提供的一种基于密度峰值法的道路水渍密集位置辨别方法的流程图。该基于密度峰值法的道路水渍密集位置辨别方法包括如下步骤:
(1)确定需要进行水渍密集位置检测的沥青道路,对沥青路面进行数据采集,得到沥青路面结构内部的水渍分布情况,以路面为平面的坐标轴X和坐标轴Y表示,其中所得到n=14个原始数据如表7所示:
表7 原始坐标轴
(2)利用插值法,通过公式(1)、(2)分别对所采集的原始数据进行插值,得到未能检测出的水渍密度点的X轴与Y轴值,提高数据完整性,并且将步骤(1)中的原始数据表1补全:
本实例(X
同时,本实例(X
将计算得出的X
表8补全后坐标轴
(3)利用两点之间距离公式,根据公式(3)对得出的完整数据进行计算,得到各个水渍密集点之间的距离d
在本实例中以数据点i=1与数据点j=2之间的距离d
将(X
同理根据公式(3)依次求出每个数据点之间的距离,并汇总成d
表9 d
(4)基于水渍密集点之间的距离d
在本实例中,由步骤(3)可知共有14*14-14=182个d
下面求ρ
当i=1时,得
同理,依次可得其余数据点i的密度值ρ
表10 局部密度值ρ
(5)根据公式(5)求出水渍的密集点i与其余水渍密度点j之间的距离δi,其中水渍密集点j的密度ρj高于水渍密集点i的密度ρ
本实例的计算过程如下:
当i=1时,求δ1的值:由步骤(4)中的表4可得到ρ
当i=2时,求δ
同理,其余密集点i对应的δ值如表11所示:
表11 δ计算值
(6)基于得到的水渍密集点的分布密度ρ
表12 ρ-δ坐标轴
由图2可知,点1和9非常突出,分布在图的右上角,具有非常高的δ值和ρ值,表明这两点在较大邻域范围内不存在比它们密度更高的数据点。因而这两个点正是所谓的密度峰值点,即水渍最多的地方。
本实施例基于密度峰值法的道路水渍密集位置辨别方法,计算出编号1和编号9的位置,所包含的水渍最为密集,对道路内部水损坏危害最大,故可对1号和9号位置进行道路维护,从而提高道路质量和改善道路环境。
本发明通过对道路内部分散的水渍进行检测并通过密度峰值法计算出水渍聚集较为密集的位置,根据所确定的位置进行有针对性的养护,从而提高道路养护的效率,降低道路养护的成本,为道路水损坏维护提供了一种新方法,对道路的预防性养护具有深远的意义。
本文中应用了具体个例对发明构思进行了详细阐述,以上实施例的说明只是用于帮助理解本发明的核心思想。应当指出,对于本技术领域的普通技术人员来说,在不脱离该发明构思的前提下,所做的任何显而易见的修改、等同替换或其他改进,均应包含在本发明的保护范围之内。
- 一种基于密度峰值法的道路水渍密集位置辨别方法
- 一种基于密度峰值机器学习算法的道路载荷谱制取方法