灰色聚类法在省道沥青路面使用性能评价中的应用★
2019-10-29陈悦新吕兴琴
陈悦新 吕兴琴 曹 伟
(1.南通理工学院建筑工程学院,江苏 南通 226002; 2.南通理工学院计算机与信息工程学院,江苏 南通 226002; 3.海安市交通运输局,江苏 南通 226600)
近年来,随着我国经济迅猛增长,颁布的关于公路养护尤其是沥青路面方面的规范,已经跟不上时代的发展。因此对沥青路面评价指标进行研究就显得尤其重要。
1 现有沥青路面使用性能评价方法
现行养护规范规定一级公路的路面性能由路面破损状况、车辙深度、平整度、抗滑性能和路面结构承载能力等五个因素共同决定的[1,2],二级公路及以下的路面使用性能由路面破损状况、平整度和结构强度等三个指标共同决定。各自的评分原则(其值越大,表示路况越好),如表1所示[3]。
表1 公路技术状况评定标准
因江苏地区省道以二级公路居多,所以将重点研究路面破损状况、平整度、车辙和结构强度等四个指标。
1.1 沥青路面的破损状况(PCI)
PCI=100-a0DRa1
(1)
(2)
其中,DR为折合后的总破损面积与调查面积的比值,%;Ai为第i类路面损坏的面积,m2;A为路面调查总面积,m2;wi为第i类路面损坏的权重;a0为沥青路面采用15.00;a1为沥青路面采用0.412;i为路面病害形式;i0为沥青路面病害形式总和采用21。
1.2 沥青路面的平整度(RQI)
(3)
其中,IRI为国际平整度指数;a0为一级、二级公路选取的数值分别为0.026,0.018 5;a1为一级、二级公路选取的数值分别为0.65,0.58。
1.3 车辙深度指数(RDI)
(4)
其中,RD为车辙深度;RDa为车辙深度参数,选取数值20 mm;RDb为车辙深度限值,选取数值35 mm;a0为模型参数,选取数值2.0;a1为模型参数,选取数值4.0。
1.4 结构强度(PSSI)
(5)
其中,a0为模型参数,数值选用15.71;a1为模型参数,数值选用-5.19。
1.5 沥青路面使用性能评价方法
现行规范中,沥青路面使用性能是由综合评价值PQI决定的,其值越大,说明性能越好。计算公式如下:
PQI=wPCIPCI+wRQIRQI+wRDIRDI+wSRISRI
(6)
其中,高速公路、一级公路WPCI,WRQI,WRDI,WSRI分别取0.35,0.4,0.15,0.1;二、三、四级公路WPCI,WRQI,WRDI,WSRI分别取0.6,0.4,0,0。
传统评价模型不能较真实的反映路面使用性能的实际状况。本文将从此角度出发,对该模型的以下缺陷进行完善:1)综合评价值相差小而评价结果相差较大;2)传统模型所得的综合评价结果与路面实际状况关联性较少。
2 运用灰色聚类理论对路面使用性能进行评价
本文将采用基于三角白化权函数的灰色聚类模型来评价路面的使用性能[4]。具体评价步骤如下:
1)明确项目路段的评价对象、评价指标以及评价灰类。将项目路段划分为t个聚类评价对象、n个聚类评价指标(n分别为破损状况、平整度、车辙、结构强度4个影响因素)、m个不同评价灰类(m分别为优、良、中、次、差5个灰类)。
2)明确每个聚类评价指标的阀值,见表2,表3。
表2 评价指标分级标准表
表3 白化权函数的阀值表
3)计算每个评价指标关于优、良、中、次、差等5个灰类的聚类权值。
(7)
表4 灰色聚类权值表
4)确定各个评价指标白化权函数的方程表达式:
yj=fjk
(8)
其中,fjk为第j个评价指标关于第k个灰类的三角白化权函数方程式,具体公式见式(9)~式(13):
(9)
(10)
(11)
(12)
(13)
其中,x为PCI值。
PCI,RQI,RDI,PSSI4个指标的评价指标分级标准表都是相同的,故PCI,RQI,RDI,PSSI这4个评价指标的三角白化函数表达式是相同的。
5)求聚类值。为防止其他指标对结构强度的影响,增加权重系数wj,PCI,RQI,RDI的wj取1,PSSI的wj取2。灰类聚类值的表达式如下:
(14)
6)对评价段落(即评价对象)聚类分析,找出该段落所有灰色聚类值中的最大值。
3 案例分析
以S264扬州段K227+000~K230+200为例,全长3.2 km,项目路段路面调查结果汇总表如表5所示,两种模型计算结果如表6所示。
表5 S264扬州段K227+000~K230+200路面调查结果汇总表
表6 S264江都段路面综合评价计算结果
通过传统评价模型可知,K227+000~K230+200三个段落的综合计算结果分别为83.7,83,81.2,表示路面使用性能应该较好,与灰色聚类模型所得结果相反。
4 结语
本文在介绍了传统沥青路面使用性能的评价方法的基础上,提出灰色聚类的评价模型,给出该模型下评价省道路况的具体步骤,并对模型评价结果的可靠度进行分析验算,得出了采用灰色聚类模型方法评价更贴近实际的结果。