沥青路面性能评价中灰色白化权函数的选取

付 欣

(浙江省嘉兴市公路管理局 嘉兴市 314001)

沥青路面性能评价中灰色白化权函数的选取

付 欣

(浙江省嘉兴市公路管理局 嘉兴市 314001)

在沥青路面性能评价中采用灰色聚类方法可以客观地反映路面的实际状况，为了选取合适的灰色白化权函数，对高速公路沥青路面的检测数据进行灰色聚类评价。结果表明：沥青路面性能评价等级划分为五级，采用典型白化权函数所得的评价结果与规范结果更为接近；与变权灰色聚类方法相比，定权灰色聚类方法的准确性更高。

沥青路面；性能评价；灰色聚类；白化权函数；定权

在我国高等级公路养护管理中，沥青路面是主要的结构形式，而科学合理地评价沥青路面性能对于合理安排养护费用具有重要意义。随着高等级公路使用时间的增加、交通流量增长，公路养护管理工作任务日益繁重，许多高等级公路已接近使用年限，亟需实施大中修工程。目前，在沥青路面使用性能的综合评价中一般采用多指标体系，以此从不同方面反映路面满足使用要求的情况，并使得各个地区不同路段的使用性能具有可比性[1]。沥青路面的综合评价方法主要包括系统分析法与回归分析法，系统分析以模糊数学为代表，由于在评价中采用线性加权导致结果易失真[2]；回归分析是依靠专家评分，利用多元回归的方法建立客观与主观的联系[3]，美国AASHTO中的PSI(Present Serviceability Index，现时服务能力指数)及我国的PQI(Pavement Quality of Performance Index，路面使用性能指数)都属于回归分析法。由于路面状况信息及失效机理尚未完全清楚，其本质应该属于灰色[4]，因此可以采用灰色聚类方法评价路面性能，通过对已知部分信息的采集、处理、定性、定量，既可减小人为因素的影响，又可对样本较少的对象进行分析。

灰类白化权函数聚类用于检测观测对象是否属于事先设定的不同类别，在沥青路面性能评价中主要使用此方法。周育名[5]利用灰色聚类法对路面性能进行评价，其结果与规范具有较好的一致性。李清富[6]在应用灰色聚类决策的基础上，对某段公路沥青路面使用性能进行分析，结果表明灰色聚类评价比较客观，且提供了各路段归属于各级别标准的程度。朱罡[7]结合湖南某高速公路检测数据，运用灰色聚类法建立评价模型，并将车辙纳入评价体系。基于灰色理论的路面使用性能评价方法可以较好地解决评价指标复杂、模糊的问题，但其权函数仍然要由各指标的经验范围来确定[8]，如果白化权函数选择不合理，则容易引起较大误差。本文针对灰色聚类法在沥青路面性能评价中的应用，对白化权函数的选取进行相关研究。

1 白化权函数

灰色聚类是根据管理矩阵或灰数的白化权函数将观测指标或观测对象聚集成若干个可定义类别的方法，按聚类方法的不同，又可分为灰色星座聚类、灰色关联聚类和灰类白化函数聚类[9]，其中灰类白化权函数聚类用于检测观测对象是否属于事先设定的不同类别，在沥青路面性能评价中主要采用灰类白化权函数聚类。白化权函数主要分为四类：

(1)典型白化权函数；

(2)上限测度白化权函数；

(3)适中测度白化权函数；

(4)下限测度白化权函数。

各类白化权函数如图1所示，其表达式如式(1)～式(4)所示。

典型白化权函数：

(1)

上限测度白化权函数：

(2)

适中测度白化权函数:

(3)

下限测度白化权函数:

(4)

2 工程实例

由于路面使用性能具有多方面的属性，在进行路面性能评价时，评价指标的选择应当遵循以下原则：

(1)目的性。所选的指标从评价的内容来看，应当目的明确地反映相关的内容。

(2)科学性。选择的指标应当尽可能覆盖评价的内容，避免不可比指标或绝对指标的简单应用。

(3)操作性。评价方法及指标应当结合国内外公路管理的具体情况，使评价指标具有可测性和实用性。

(4)客观性。在确定评价指标值时，应当尽量减少人为因素对评价对象本身的影响，使所得的结果或数据客观、可验。

参照公路养护技术规范，将沥青路面使用性能评价指标分为路面破损指标(PCI)、平整度指标(RQI)、抗滑性能指标(SRI)、车辙指标(RDI)，其中，路面破损指标和车辙指标体现路面实际可使用的情况，平整度指标体现路面的行车舒适程度，抗滑性能指标体现行驶的安全性。某高速公路位于南方沿海地区，全长18.9km，采用沥青路面结构，于2005年通车运营，对其中某段的检测数据如表1所示，各评价指标分级标准如表2所示。

表1 检测数据

表2 各评价指标分类标准

灰类的白化权函数定量描述了评价对象隶属于某个灰类的程度，它的本质是对已掌握信息的客观反映，在沥青路面评价中白化权函数的构造，主要是参照行业规范、国家标准得到，依据规范[10]要求将沥青路面性能评价的灰类分为：优、良、中、次、差。优灰类采用上限测度，差灰类采用下限测度白化权函数，而良、中、差三种灰类则可采用两种类型：典型白化权函数与适中测度白化权函数，需要对这两种不同类型的白化权函数进行分析计算。此外，由于各指标意义不同，其对总体特征的贡献度也不一致，因此灰类白化权函数聚类中分为两类：灰色变权聚类与灰色定权聚类，在沥青路面性能评价中多使用灰色变权聚类，本文对两种聚类方法也进行了比较，定权聚类中各指标的权重参照式(5)所示。最终确定了四种计算方案，如表3所示。

PQI =ωPCIPCI+ωRQIRQI

+ωRDIRDI+ωSRISRI

(5)

式中：ωPCI为PCI在PQI中的权重，取值为0.35；ωRQI为RQI在PQI中的权重，取值为0.40；ωRDI为RDI在PQI中的权重，取值为0.15；ωSRI为SRI在PQI中的权重，取值为0.10。

表3 计算方案

3 结果与讨论

按照如表3所示的计算方案对检测数据进行灰色聚类分析，结果如表4所示。

从表4中可知，按照与规范评定结果的一致性排序依次为：计算4>计算3>计算2>计算1。结果表明：

(1)灰色聚类方法能全面地反映各评价因素的影响，评价结果比较客观地划分了路段使用性能的分类。

(2)沥青路面性能评价等级划分为优、良、中、次、差五级，其中良、中、次采用典型白化权函数所得的评价结果与规范结果更为接近，计算3比计算1降低了15%的误差率，计算4比计算2降低了20%的误差率。

表4 计算结果

(3)与变权聚类方法相比，定权聚类方法的准确性更高，计算2比计算1降低了10%的误差率，计算4比计算3降低了15%的误差率。

在沥青路面使用性能评价中推荐使用如计算方案4所示的定权聚类方法。

[1] 董丽娜. 沥青路面使用性能评价方法的分析研究[D]. 大连： 大连理工大学， 2005.

[1] DONG Lina. The Analytical Research of Asphalt Pavement Performance Evaluation Method[D]. Dalian: Dalian University of Technology， 2005.

[2] 资建民， 江滔. 路面状况综合评价的灰色方法[J]. 华中科技大学学报(自然科学版)， 2002， 30(3): 62-64.

[3] 姚祖康. 路面管理系统[M]. 北京： 人民交通出版社， 2001.

[4] 邓聚龙. 灰预测与灰决策[M]. 武汉: 华中科技大学出版社, 2002.

[5] 周育名， 李金明， 马旺宇. 灰色聚类法在沥青路面性能评价中的应用研究[J]. 华东公路， 2011， 190(3): 84-86.

[6] 李清富， 胡群芳， 刘文， 冉纲伦. 基于灰色聚类决策的沥青路面使用性能评价[J]. 公路， 2003， 24(2): 44-47.

[7] 朱罡. 高速公路沥青路面路面管理系统分析与开发[D]. 长沙： 长沙理工大学， 2008.

[8] 董奋义， 肖美丹， 刘斌， 韩颖. 灰色系统教学中白化权函数的构造方法分析[J]. 华北水利水电学院学报， 2010， 31(3): 97-99.

[9] 刘思峰. 灰色系统理论及其应用[M]. 5版.北京： 科学出版社， 2010.

[10] 中华人民共和国交通部.JTG H20-2007公路技术状况评定标准[S]. 北京： 人民交通出版社， 2007.

Selection of Grey Whitening Weight Function on Performance Evaluation of Asphalt Pavement

FUXin

(Highway Management Office of Jiaxing in Zhejiang Province, Jiaxing 314001, China)

Grey clustering can reflect the actual state of pavement on the performance evaluation of asphalt pavement. In order to select correct grey whitening weight function, grey clustering was carried out with the detection data of expressway asphalt pavement. The result showed:the performance evaluation of asphalt pavement was divided into five classes, the result based on typical whitening weight function was close to the standards.Compared with variable weight grey clustering, the fixed weight grey clustering has a higher accuracy.

Asphalt pavement;Performance evaluation;Grey clustering;Whitening weight function;Fixed weight

1673-6052(2016)11-0028-04

10.15996/j.cnki.bfjt.2016.11.008

U416.217

A