一种路面结构强度预测方法 【技术领域】
本发明涉及道路工程检测技术领域，特别是指一种路面结构强度预测方法。
背景技术
在对公路进行维修前期，会首先对公路的路面结构强度进行预测，通过对各个区间的公路的路面结构强度进行预测之后，再选择适合的养护方案。
目前根据公路的养护性质，将沥青路面的养护性质分为小修保养、中修和大修三种类型。这三种性质的路面养护活动在养护效果、养护费用和养护计划安排等方面存在非常大的差异。在路面的养护决策中，一般首先根据路面的状态指数(PCI，Pavement condition index)及路面平整度(RQI，riding quality index)评价结果及路面弯沉数据，进而确定路面结构强度指标(PSSI，pavement structure strength index)是否满足预定要求的判断，确定应进行大修还是中修。
上述的路面结构强度PSSI的检测过程是根据路面弯沉的检测数据来预测的，这种检测数据测量时间超长，只适合预测小范围路段，如抽样检测，对于几十万公里的大规模的路测，但这种预测存在以下几个问题：1)目前没有快速的弯沉检测设备，大规模弯沉检测时间耗时较长；2)由于弯沉检测值受温度、湿度、检测位置及操作员的因素影响，检测数据的可重复性运算处理可靠性较差；3)路面弯沉检测费用高。以上这些问题常常导致无法准确、及时、全面地评价路面结构强度PSSI状况，从而无法进行科学的路面养护分析。
【发明内容】
有鉴于此，本发明在于提供一种路面结构强度预测方法，以解决上述通过路面弯沉的检测数据来预测路面强度PSSI时，存在的数据不准确、预测结果不能确定道路维护的问题。
为解决上述问题，本发明提供一种路面结构强度预测方法，包括：通过检测各个抽样路段的破损率和路面弯沉数据，获得路面质量级别，并按照路面质量级别顺序排列，获得所述各个抽样路段对应的各组路面状态指数PCI和路面结构强度指标PSSI；从各组抽样路段的PCI和PSSI值中分别运算出的PCI和PSSI移动平均值；通过所述各组移动平均值获得PSSI的梯度值，获得PSSI梯度值对应PCI变化的两个PCI的区间值；通过所述两个PCI的区间值，预测出对应的两个PSSI的区间值，并获得PCI值与PSSI值的对应图；测量被检测路面的PCI值，通过所述对应图获得被检测路面的PSSI值。
优选的，所述各个抽样路段对应的各组内路面状态指数PCI和路面结构强度指标PSSI的数据个数分别为20个以上。
优选的，所述从各组抽样路段的PCI和PSSI值中分别运算出PCI和PSSI移动平均值的过程包括：
分别获得PCI和PSSI值的滑动区间，在所述滑动区间内，按照预定的组距和计算步长，并按照以下公式获得PCI和PSSI移动平均值；
PCIj＝AVERAGE(PCIi)，PCIi∈[PCIj1，PCIj2]
PSSIj＝AVERAGE(PSSIi)，PCIi∈[PCIj1，PCIj2]
PCIj1＝100-(j-1)×δ
PCIj2＝100-(j-1)×δ-l
j=1,2,...,int(100δ)+1]]>
式中，
PCIi-第j组的PCI移动平均值；
PSSIj-第j组的PSSI移动平均值；
PCIj1-第j组移动平均的PCI下限值；
PCIj2-第j组移动平均的PCI上限值；
d-移动平均的组距；
l-移动平均计算步长。
优选的，通过所述各组移动平均值获得PSSI的梯度值的过程包括：
将获得的各组PCI和PSSI移动平均值分别对应脚标1至K，采用公式ΔPSSIk＝(PSSIk+1-PSSIk)/(PCIk+1-PCIk)获得PSSI的梯度值；
所述获得PSSI梯度值对应PCI变化的两个PCI的区间值的过程包括：
按照获得的1至K个PSSI梯度值，分别顺序、逆序获得第一个大于阈值的PSSI梯度值，将两个梯度值对应的PCI移动平均值分别作为两个PCI地区间值。
优选的，通过所述两个PCI的区间值，预测出对应的两个PSSI的区间值，并获得PCI值与PSSI值的对应图的过程包括：
采用正态分布预测出对应的所述两个PSSI值，获得的所述PCI值与PSSI值的对应图为：
在两个PCI的区间值之间，PCI和PSSI值为线性对应；在两个PCI的区间值之外，PCI和PSSI值为非线性对应。
优选的，该方法之后还包括：
判断当前PSSI值所归属的维护区间，选择相应的公路维护级别。
上面详细描述了本发明的方法，本发明可通过抽样的路段获得准确的路面PSSI，并预测出整个路段的PSSI，该方法简单、准确，降低了路面检测成本，提高了路面检测效率，可靠性强。
【附图说明】
图1是实施例的流程图；
图2是PSSI和PCI分布对应关系示意图。
【具体实施方式】
为清楚说明本发明中的方案，下面给出优选的实施例并结合附图详细说明。
参见图1，图1是本发明实施例的流程图，包括：
步骤1：对选定的路段抽样检测，通过检测各个抽样路段的破损率和路面弯沉数据，获得路面质量级别，并按照路面质量级别顺序排列，获得所述各个抽样路段对应的各组路面状态指数PCI和路面结构强度指标PSSI；
本发明的实施例中，可预先对选定的路段抽样检测，长度可设定为小于1公里，检测出各个路段的路面弯沉数据，来测量出各个抽样路段的PSSI，选择路面破损状况分别处于优、良、中、次和差的路段各m个(为消除随机性的影响，m一般应大于20)，其中，优、良、中、次和差的等级可通过各种路面的指标来设定，如路面的断面曲线、平整度等数值范围，检测这些路段的破损率和路面弯沉，计算各路段的路面使用性能指标PCI和PSSI，得出n组数据。
步骤2：从所获得的n组PCI和PSSI数据中分别运算出PCI和PSSI平均值；
采用统计分析中的移动平均算法，分别求取各组的PCI和PSSI的滑动平均值。对n组路况数据(PCIi，PSSIi)，按如下公式计算滑动平均值：
PCIj＝AVERAGE(PCIi)，PCIi∈[PCIj1，PCIj2] (2)
PSSIj＝AVERAGE(PSSIi)，PCIi∈[PCIj1，PCIj2] (3)
PCIj1＝100-(j-1)×δ (4)
PCIj2＝100-(j-1)×δ-l (5)
j=1,2,...,int(100δ)+1]]>
式中，
PCIj-第j组的PCI移动平均值；
PSSIj-第j组的PSSI移动平均值；
PCIj1-第j组移动平均的PCI下限值；
PCIj2-第j组移动平均的PCI上限值；
d-移动平均的组距；
l-移动平均计算步长。
以某地试验检测数据为例，移动平均计算时取移动平均的步长l为10，各点间隔d取为5，各组PCI和PSSI共获得如表1的各组PCI和PSSI的移动平均值。
点号(K) PCI移动平均值 PSSI移动平均值 ΔPSSIk 1 92.73 90.90 - 2 87.41 88.90 0.38 3 82.71 85.72 0.68 4 77.66 79.60 1.21 5 72.78 72.84 1.38 6 67.52 61.70 2.12 7 62.61 51.00 2.18 8 57.50 42.30 1.70 9 50.20 39.10 0.44
10 43.84 36.96 0.34 11 37.78 32.43 0.75
表1PCI、PSSI移动平均值及PSSI的变化梯度
步骤3：通过所述各组移动平均值获得PSSI的梯度值；按照各组移动平均值对表1中的点K＝1至n，按以下公式计算各点的PSSI变化梯度，即对应PCI移动平均值变化最快的各点PSSI数值：
ΔPSSIk＝(PSSIk+1-PSSIk)/(PCIk+1-PCIk) (6)
步骤4：在得出的各组PSSI的梯度值中，找出各组PSSI梯度值对应PCI变化的两个区间值；
设置Trigger阈值，先从第1点开始，依次比较ΔPSSIk和Trigger值的大小，第一个大于Trigger值的点对应的PCI移动平均值即可作为PCIa的估计值；然后，用同样的方法从最后一点反向顺序搜索第一个大于Trigger值的点，其对应的PCI移动平均值即可作为PCIb的估计值。
设Trigger＝1，从表1中可以看出从第一点开始第一个ΔPSSIk大于1的点为第四点，对应的PCI为77.66；从表1中最后一点反向搜索发现第一个ΔPSSIk大于1的点为第八个点，对应的PCI的移动平均值为57.50。由此可以确定PCIa和PCIb分别为77.66和57.50，这两个值也是区分PSSI-PCI三阶段的临界值。三个阶段的关系如图2所示，，图2为PCI值与PSSI值的对应图，存在如下关系：
在PCI大于或等于PCIa时，PSSI分布PSSIa至100区间内；当PCI小于于或等于PCIb时，PSSI分布0至PSSIb区间内；当PCIa＜PCI＜PCIb时，PSSI和PCI呈线性关系，即PSSI＝aPCI+b+ξ，ξ为符合正态分布N(0，σ2)(平均值为0，方差为σ2)的随机数。
步骤5：通过区间值PCIa、PCIb获得该区间中PCI和PSSI的对应关系，本实施例中估计过程如下：
对表1中PCI值处于PCIa和PCIb的所有点进行线性回归得如下回归方程式：
PSSI＝1.91PCI-67.65 (7)
由式(7)可得模型PSSI-RQI模型中的另外两个参数a和b分别为1.91和-67.65。
对表1中PCI值处于PCIa和PCIb之间的所有分组，获得PSSI的标准差，并将其平均，得模型参数s的估计值：
σ=(D(PSSI4)+D(PSSI5)+D(PSSI6)+D(PSSI7)+D(PSSI8))/5]]>
(8)
上式(8)中，D(PSSI4)～D(PSSI8)为表1中第四组到第八组分组数据的PSSI标准差。
通过PCIa和PCIb的值，估计出PSSIa、PSSIb的数值，估计过程如下：
假设当PCI等于PCIa时，PSSI大于PSSIa的概率为85％，也即PSSI小于PSSIa的概率为15％；在第二阶段与第三阶段的临界点处，即当PCI等于PCIb时，PSSI小于PSSIb的概率为85％。则可按如下公式估计模型参数PSSIa和PSSIb：
PSSIa＝μ0.85(a×PCIa+b，σ) (9)
PSSIb＝μ0.15(a×PCIb+b，σ) (10)
式(9)、(10)中，μ0.1和μ0.85为正态分布随机变量的上侧分位数函数，即P(x＜μ0.15)＝0.15，P(x＜μ0.85)＝0.85。
根据以上的步骤，获得如表2所示的模型参数估计值。
PCIa PCIb PSSIa PSSIb a b s 77.66 57.50 70.60 52.50 1.91 -67.65 10
表2PSSI-RQI模型参数估计
步骤6：通过路面测量出的PCI值，按照图2的对应关系获得相应的PSSI值，判断相应的PSSI值所对应的维护区间，选择相应的公路维护级别，如小修，中修，大修等。
上面详细描述了本发明的方法，本发明可通过抽样的路段获得准确的路面PSSI，并预测出整个路段的PSSI，该方法简单、准确，降低了路面检测成本，提高了路面检测效率，可靠性强。
对于本发明各个实施例中所阐述的方法，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。