基于云模型的路面状况综合评价方法

技术领域

本发明涉及一种基于云模型的路面状况综合评价方法。

背景技术

通对一个国家的可持续发展起着重要的作用，在道路建设管理中运用科学的方法和创新，有助于节约资源和可持续发展。现阶段，国家公路管理部门主要依赖于路面技术状况评价了解路面实际情况，但路面技术评价指标只是单一的按照现行公路技术状况评定标准对道路进行评价，没有充分考虑到路面综合状况评价是一个多因素、多层次、具有符合不确定性的系统工程，缺少对路面状况评价模型的可靠性研究，在评定评价结果不确定等方面仍存在空白区域。

发明内容

为了研究路面状况评价结果是否具备客观性、有效性、可操作性和可行性，即评价结果是否能够反映路面真实情况，能够有效的进行评价和预测、对养护决策提供科学的数据支撑，本发明提供了一种更具科学性、可靠性、和可行性的路面状况综合评价模型可靠性研究方法。

一种基于云模型的道路状况综合评价方法，包含以下步骤：

步骤1：在路面状况综合评价过程中，建立以路面状况指数PQI为综合评价指标，以路面结构强度、路面平整度、路面抗滑性能和路面破损状况为四个一级单项评价指标的路面使用性能状况整体评价指标体系，指标代表系数为路面结构强度系数SSI、国际平整度指数IRI、路面状况指数PCI、路面抗滑性能SRI；

步骤2：在公路技术状况评定过程中，评价等级和评价标准是评定的关键。在充分考虑技术上的可行性和路面养护经济效益，权衡东、西部地域差异性，评价标准以路面综合评价指标PQI的赋值区间作为评价等级标准，具体路面状况综合评价等级标准见表1。

表1道路状况综合评价等级标准

《公路技术状况评价标准》在路面使用性能评价采用综合指标和单一指标相结合的方法，所有指标通过加权求和得到路面使用性能指数PQI反映路面的整体使用性能，各指标权重见表2，加权公式如下：

PQI＝w

其中，w

表2各级指标权重

步骤3：引入云模型理论，利用MATLAB软件，按照无隶属度逆向云发生器计算云模型的特征参数：期望、熵、超熵。具体如下：

(1)评语集云模型特征参数

在已知道路状况综合评价等级标准的情况下，采用基于正态分布的双边约束条件下的云参数求解公式，考虑到评价等级边界约束值同时隶属于相邻评价等级之中，因此采用云模型对等级边界模糊化处理后，评价等级区间的边界值具有相同的隶属度0.5，则评语集云模型特征参数为：

其中，

(2)指标权重云模型特征参数

通过评价体系中指标权重数据，按照无隶属度逆向云发生器计算云模型的特征参数，继而利用MATLAB软件，通过输入各级指标权重特征参数(期望、熵、超熵)输入到云正向发生器，得出各级评价指标的权重云模型。逆向发生器云模型的特征参数计算如下：

其中，n：调查样本总数；A

(3)综合评价结果云模型特征参数

通过现场勘测一级技术指标相关数据，按照无隶属度逆向云发生器计算公式(见上式)计算得出一级评价指标云模型特征参数。基于一级评价指标云特征参数和相应权重云模型特征参数，结合路面状况综合评价模型各级评价指标之间的隶属关系，按照云模型运算法则(见表3)逐层加权计算出综合评价结果云特征参数。

表3云模型运算法则

步骤4：利用MATLAB软件，通过输入云模型特征参数(期望、熵、超熵)到云正向发生器，构建受主观因素干扰小且考虑综合评价过程中模糊性和随机性的评语集云模型、指标权重云模型和综合评价结构云模型；

步骤5：通过分析各级指标权重云特征参数和其云模型图像，验证各级指标权重存在不确定性而对评价结果造成影响；分析综合结果云模型，验证现行路面状况综合评价模型评价结果存在的不可靠性，实现路面综合状况系统性和精确性的评价过程。

与现有技术相比，本发明包含以下步骤：列出能全面代表路面使用性能多方面属性、反映路面综合状况的评价指标，同时建立评价指标体系；判定现行公路技术状况标准关于路面状况评价等级标准的划分，同时确定各级指标隶属度权重；利用无隶属度逆向云发生器计算云模型的特征参数；利用云模型理论构建受主观因素干扰小且考虑综合评价过程中模糊性和随机性的云模型分析图；通过分析云特征参数和云模型分析图，分析路面状况评价过程中存在的模糊性、随机性和离散性，验证评价结果的可靠性。本发明解决了当前路面状况综合评价过程当中存在的不确定性，弥补了当前对评价模型可靠性研究的空白，提高路面综合评价结果的系统性和精确性，为相关部门提供数字监控依据。

本发明解决了当前路面状况综合评价过程当中存在的不确定性，弥补了当前对评价模型可靠性研究的空白，提高路面综合评价结果的系统性和精确性，为相关部门提供数字监控依据。

附图说明

图1是本发明一实施例的路面状况综合评价体系的示意图；

图2是本发明一实施例的规范评价标准云模型的示意图；

图3是本发明一实施例的路面结构强度权重云模型的示意图；

图4是本发明一实施例的路面平整度权重云模型的示意图；

图5是本发明一实施例的路面抗滑性能权重云模型的示意图；

图6是本发明一实施例的路面破损状况权重云模型的示意图；

图7是本发明一实施例的综合评价结果云模型的示意图；

图8是本发明一实施例的修正评价标准云模型的示意图。

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。

以江苏省境内某高速公路右幅第1车道为研究对象，该路段全长10Km，以桩号K20+000～K30+000为检测路段，以2018年检测数据为样本，对该路段路面结构强度指标SSI、路面平整度指标IRI、摆值BPN、横向力系数SFC和路面状况指数PCI进行技术指标现场勘测，勘测数据通过处理后见表4。

表4路段技术参数测定结果

利用本发明所述方法进行路面状况综合评价，步骤如下：

步骤1：构建以路面状况指数PQI为综合评价指标，以路面结构强度、路面平整度、路面抗滑性能和路面破损状况为四个一级单项评价指标的路面使用性能状况整体评价指标体系，见图1。

步骤2：路面状况综合评价等级标准见表1，各指标权重见表2。

步骤3：引入云模型理论，利用MATLAB软件，按照无隶属度逆向云发生器计算云模型的特征参数：期望、熵、超熵。具体步骤为：

(1)评语集云模型特征参数

在已知道路状况综合评价等级标准的情况下(表1)，采用基于正态分布的双边约束条件下的云参数求解公式，考虑到评价等级边界约束值同时隶属于相邻评价等级之中，因此采用云模型对等级边界模糊化处理后，评价等级区间的边界值具有相同的隶属度0.5，则计算现行规范中路面性能综合评价等级标准云模型的特征参数如表5所示。

表5初始评价标准云模型的特征参数

(2)指标权重云模型特征参数

通过评价体系中指标权重数据(表2)，按照无隶属度逆向云发生器计算云模型的特征参数，利用MATLAB软件，通过输入各级指标权重特征参数(期望、熵、超熵)输入到云正向发生器，得出各级评价指标的权重云模型特征参数见表6。

表6各评价指标的权重云模型特征参数

(3)综合评价结果云模型特征参数

通过现场勘测一级技术指标相关数据，按照无隶属度逆向云发生器计算公式(4)、(5)、(6)计算得出一级评价指标云模型特征参数(见表7)。基于一级评价指标云特征参数和相应权重云模型特征参数，结合路面状况综合评价模型各级评价指标之间的隶属关系，按照云模型运算法则(见表3)逐层加权计算出综合评价结果云特征参数见表8。

表7一级指标评价结果云模型特征参数

表8综合评价结果云模型特征参数

步骤4：利用MATLAB软件，通过输入云模型特征参数(期望、熵、超熵)到云正向发生器，构建受主观因素干扰小且考虑综合评价过程中模糊性和随机性的评语集云模型、指标权重云模型和综合评价结构云模型。具体如下：

(1)评语集云模型

利用MATLAB软件，通过输入评价标准云模型的特征参数(见表6)到云正向发生器，得出规范评语集云模型见图2。

(2)指标权重云模型

利用MATLAB软件，通过输入各级指标权重云模型的特征参数(见表5)到云正向发生器，得出规范评语集云模型见图3～图6。

(3)综合评价结构云模型

(4)利用MATLAB软件，通过输入综合评价结果云特征参数(见表8)到云正向发生器，得出综合评价结构云模型见图7。

步骤5：通过分析云特征参数和云模型分析图，分析路面状况评价过程中存在的模糊性、随机性和离散性，验证评价结果的可靠性。具体如下：

(1)分析评语集云模型

通过分析评语集云特征参数和其云模型图像，发现评价等级标准“优”“良”“中”“次”云模型特征参数熵值偏小，云滴被数域空间所接受的范围偏大，即云模型有较小的模糊性，同时云滴大致分布在期望附近，映射了隶属于评价等级标准中的云滴存在有着高概率性。评价等级“差”云模型特征参数较大，数域空间中被定性接受的元素范围偏小，即有较大的模糊性。对于“优”“良”“中”“次”“差”，都有着较大的超熵值，模型表现为云层有较厚的厚度，云滴有较大的离散度，其中“差”的离散程度最为明显。

由此可见，在现行路面状况综合评价过程中，评价等级标准常用作于综合评价结果的判定从而对路面进行管控和决策，由云模型对现行评价模型可靠性研究可知，评价等级“优”“良”“中”“次”可用作为路面状况的评价等级标准，但是由于较大的超熵值，评价结果仍存在着离散型和不确定性。评价等级“差”评价结果可靠性偏低，不符合实际工程评价等级标准应用，因此将评价等级标准“差”的期望定位30，隶属度由1.0修正到0.5，通过下述公式(7)、(8)、(9)计算得出云模型特征参数，进而修正路面状况综合评价等级标准，以适用于实体工程当中。修正后的评语集云模型见图8。

E

E

H

图8修正评价标准云模型

(2)分析指标权重云模型

观察指标权重云模型和指标权重云特征参数，发现一级评价指标路面结构强度和路面破损状况云特征参数熵值和超熵偏小，即在数域空间中，云滴被接受程度和云滴凝聚度较高，说明评价指标路面结构强度和路面破损状况的隶属度权重具有较高的可靠性，不是构成评价结果不精确的主要因素。相反，评价指标路面平整度和路面抗滑性能权重云特征参数熵和超熵值都较大，模型表现为云滴在数域空间中有较大的离散度，同时云层厚度偏厚，云滴凝聚度偏低，说明评价指标路面平整度和路面抗滑性能隶属度权重存在着明显离散型和不确定性，在工程应用中会造成综合评价结果的不可靠性，因此需要根据实际工程背景，对路面平整度和路面抗滑性能隶属度权重进行修正，以适用于实体工程当中。

(3)综合评价结构云模型

观察综合评价结果云模型和云特征参数，云模型特征参数熵为1.43，云滴被数域空间所接受的范围偏大，即云模型有较小的模糊性，同时云滴大致分布在期望附近，接近于期望值85.4，映射出隶属于评价等级标准“优”中的云滴存在有着高概率性；超熵为0.54，云层厚度偏小，云滴凝聚程度较高。但是，综合评价结果云滴交映在评价等级“良”、“优”的云滴区间，并且几乎所有评价结果云滴都交织在“良”“优”交叉处，说明现行路面使用性能综合评价模型所得出的结果存在模糊性。

由云模型图像和云特征参数分析可知，路面状况综合评价模型评价结果存在着模糊性，云模型验证路面性能评价模型具备足够的可靠性，可作为实用模型用作于之后的路面性能综合评价过程当中，提供了一种路面状况综合评价模型可靠性研究的新型工程技术。

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。