基于部分传统路面性能指标的路面跳车预测方法

摘要

我国《公路技术状况评定标准》(JTG 5210—2018)中，第一次将路面跳车作为路面性能评价对象纳入评价标准，但经研究发现路面跳车与其他部分传统路面性能存在相关性。探究用部分传统路面性能指标，包括国际平整度指数(international roughness index, IRI)、车辙深度、路面破损率和路面磨耗率4项指标综合识别路面跳车的方法。对北京市区域内6条高速公路的路面性能进行检测和评价，利用随机森林机器学习模型对4类路面性能与路面跳车的关系进行建模，对路面跳车路段进行预测。研究结果表明，IRI与路面跳车关联性最大，车辙深度次之，破损率和磨耗率对路面跳车的影响较小。经过交叉验证以及对模型调优后，路面跳车预测模型准确率可以达到99.475%,满足实际工程应用需要。该研究为路面跳车指标的快速识别和检测提供了新思路，可以为路面跳车的识别提供一种低成本、低资源消耗的检测方法。

关键词

道路工程 / 路面技术状况 / 路面跳车 / 路面性能 / 机器学习 / 随机森林

基金资助

国家自然科学基金资助项目(52278423)