西部地区高速公路沥青路面性能预测研究

荣建国，王浩仰

(中公高科养护科技股份有限公司 公路养护技术国家工程研究中心,北京 100095)

实现路面使用性能的准确预测对合理确定养护措施，制定养护方案及提高路面养护投资效益有着重大作用。目前,在许多路面性能影响因素难以准确量化的情况下，利用积累的实测数据，对不同因素影响下路面性能的变化情况进行预测，对制定路面养护对策具有重要的意义[1]。

本文以西部某省(区)高速公路网2012—2016年检测数据为基础，分析在不同影响因素(交通量、区域、行政等级和基层厚度)条件下PCI和RQI的变化趋势；通过比较变异系数(%)均值的大小，确定了PCI和RQI衰变的主要影响因素，据此建立PCI(路面损坏状况指数(Pavement Condition Index)，表征路面破损状况的指标)和RQI(路面行驶质量指数(Riding Quality Index)，表征路面平整度状况指标)衰变模型，为路面使用性能预测的研究探索新路。

1 路面性能指标预测方法

路面性能预测模型包括确定型和概率型预测模型。确定模型可用于路面使用性能指标或寿命周期预估。常见的有力学预测模型、经验回归预测模型和力学-经验预测模型等。概率型模型对各种指标的不同状态分布进行预测，主要有残存曲线、马尔可夫模型和半马尔可夫模型等[2]。近年来出现了模糊评价、灰色系统、遗传算法、人工神经网络、改进优劣系数、马氏距离及它们的组合等预测模型[1]。

各类预测模型均有自己的优缺点和适用条件。本文考虑有较多历史检测和基础数据，选择经验回归预测模型作为研究模型。

2 路面性能预测模型的建立

2.1 预测指标及影响因素

预测指标的选取应当考虑路面养护管理的整体要求，同评价和决策两部分所采用的指标相一致。本文拟采用PCI和RQI作为模型的预测指标。影响路面使用性能的因素多，主要分为内部因素和外部因素两类。内部因素主要包括路面结构及材料性能，外部因素则主要包括交通荷载、环境条件、施工质量和养护水平等。为建立可靠的路面性能预测模型，应当充分考虑这些因素的影响特性或机理。但是，在目前实践水平下，没有必要将所有影响因素都纳入模型中，必须针对具体的研究对象，按照“突出重点、弱化次要”的大原则进行选取[3]。

西部该省(区)高速公路网，路面结构较为单一，面层厚度主要以15 cm为主，基层主要为半刚性基层，均不宜作为影响因素来分析，而基层厚度范围较大(15～35 cm)，宜选为影响因素之一，按15～18 cm和20～35 cm将基层厚度划为薄基层和厚基层；外部影响因素方面，根据该省(区)实际状况，选择交通量、区域(区域1、区域2和区域3)和行政等级(国家高速和地方高速)作为影响因素进行分析。

交通量等级划分依据的是《公路沥青路面设计规范》(JTGD50-2017)。本文采用设计使用年限内设计车道累计大型客车和货车交通量来划分交通量等级，以此来反映交通量的轻重情况，交通等级划分如表1所示。西部该省(区)交通量划分为轻交通、中交通和重交通三个类别。

表1 交通等级 106辆

2.2 主要影响因素确定方法

分析多种因素条件下，采用拟合预测曲线的预测结果更切合实际，然而拟合曲线过多，计算过程繁琐，不利于对路况的预测。因此选1～2种因素分析PCI和RQI路况情况。

确定方法：①将预处理过的数据，按指标PCI/RQI，影响因素及级别、年份，分别计算均值、偏差及变异系数(%)。历年变异系数再取均值作为某个影响因素参考指标；②比较PCI/RQI 4个影响因素各自变异系数(%)大小，选较大的两个作为该指标的主要影响因素。变异系数大，说明该因素(不同级别)对指标的区分程度大。

2.3 预测模型的选择

本文在已有研究成果的基础上，并结合PCI/RQI的曲线变化样式，选用下列几种典型曲线模型进行研究：①对于PCI，选用二次多项式、幂指数曲线和修正S曲线；②对于RQI，选用二次多项式、负指数曲线和修正S型曲线。最终的模型结构和模型参数还需根据对检测数据进行统计分析后才能确定。

2.4 数据预处理方法

正常情况下路段新建、改建或者修复养护后的PCI和RQI值是逐年降低的，但由于检测、小修保养或其它原因，导致部分数据与规律不符。对于严重背离该规律的，应当在模型建立之前剔除；对于部分数据偏离该规律，可将偏离的数据删除。然后，将每年的PCI和RQI值与其路龄(如0.5，1.5，2.5，…，由于新建、改建或者修复养护时间与检测时间有偏差，因此将PCI和RQI预测初始年定为0.5)进行一一对应，分别汇总在一张统计表中，并对这两个指标在每个使用年数的所有路段数据的平均值μ和均方差σ进行求解。取μ±σ作为边界条件，将汇总表中相应使用年数的PCI和RQI值在μ±σ范围之外的路段数据剔除，取剩余数值的均值作为该使用年数的指标代表值。最后，将各使用年限指标代表值进行拟合[3]。

3 PCI预测研究

3.1 不同条件下PCI的衰变趋势

本节通过对基层厚度、交通量、区域和行政等级等不同因素条件下不同路龄的PCI变异系数均值大小的比较，选出影响PCI衰变的主要因素。

1)基层厚度。不同基层厚度条件下，不同路龄PCI衰变值及变异系数结果见表2。结果显示，该条件下，PCI变异系数均值为2.76%。

表2 不同基层厚度条件下PCI衰变及变异系数

2)交通量。不同交通量条件下，不同路龄PCI衰变值及变异系数结果见表3。结果表明，该条件下，PCI变异系数均值为4.30%。

表3 不同等级交通量下PCI衰变及变异系数

3)区域。不同区域条件下，不同路龄PCI衰变值及变异系数结果见表4。可以看出，该条件下，PCI变异系数均值为4.00%。

表4 不同区域条件下PCI衰变及变异系数

4)行政等级。不同行政等级条件下，不同路龄PCI衰变值及变异系数结果见表5。由此可知，该条件下，PCI变异系数均值为2.88%。

表5 不同行政等级条件下PCI衰变及变异系数

不同影响因素条件下PCI随时间变化的曲线见图1。

图1 各种影响因素条件下PCI衰变趋势

3.2 影响PCI衰变的主要因素

通过对不同因素下变异系数均值大小的比较，本文选择交通量和区域作为影响PCI衰变的主要因素。在该省(区)高速公路路网中，中交通和重交通路段占比合计不足15%，因此中交通和重交通将不再细分，轻交通将根据区域不同，分为轻交通-区域1、轻交通-区域2和轻交通-区域3三类。不同交通量等级不同区域条件下PCI衰变值见表6。

表6 不同交通量等级(及不同区域)条件下PCI衰变趋势

3.3 PCI衰变曲线拟合及选择

采用3种模型，对不同交通量等级条件下PCI衰变曲线进行拟合，结果如表7所示。

选择相关系数R2高的模型公式作为拟合曲线。但对于轻交通-区域1、轻交通-区域2及重交通三个类别，虽二次多项式相关系数R2较高，但二次多项式的适用范围较窄(限制条件分别为PCI≥84、PCI≤93和PCI≥79)，因此该三个类别不宜选择二次多项式。

除轻交通-区域2选择修正S曲线外，其它类别均选择幂指数曲线，具体见表7。该省(区)PCI衰变规律符合幂指数曲线。

表7 PCI衰变模型公式汇总

4 RQI预测研究

4.1 各种因素对平整度的影响

1)基层厚度。不同基层厚度条件下，不同路龄RQI衰变及变异系数结果见表8。结果显示，该条件下，RQI变异系数均值为1.92%。

表8 不同基层厚度条件下RQI衰变及变异系数

2)交通量。不同交通量条件下，不同路龄RQI衰变值及变异系数结果见表9。结果表明，该条件下，RQI变异系数均值为1.96%。

3)区域。不同区域条件下，不同路龄RQI衰变值及变异系数结果见表10。由此可知，该条件下，RQI变异系数均值为1.12%。

表9 不同交通量等级条件下RQI衰变及变异系数

表10 不同区域条件下RQI衰变及变异系数

4)行政等级。不同行政等级条件下，不同路龄RQI衰变值及变异系数结果见表11。结果显示，该条件下，RQI变异系数均值为0.82%。

表11 不同行政等级条件下RQI衰变及变异系数

不同影响因素条件下RQI随时间变化的曲线见图2。

图2 不同影响因素条件下RQI衰变趋势

4.2 不同因素对平整度的影响

通过对不同因素下变异系数均值大小的比较，本文选择交通量和基层厚度作为影响RQI衰变的主要因素。在该省(区)高速公路路网中，中交通和重交通合计占比不足15%，因此中交通和重交通将不再细分，轻交通将根据基层厚度不同，分为轻交通-薄基层和轻交通-厚基层两类。不同交通量等级不同基层厚度条件下RQI衰变值见表12。

表12 不同交通量等级(及不同基层厚度)条件下RQI衰变趋势

4.3 RQI衰变曲线拟合及选择

采用3种模型，对不同交通量等级的RQI衰变曲线进行拟合，结果如表13所示。

同样，按相关系数R2的高低对模型公式进行选择。对于轻交通-薄基层和轻交通-厚基层两个类别，虽二次多项式相关系数R2较高，但其适用范围较窄(限制条件分别为RQI≤95和RQI≥91)，因此该两个类别不宜选二次多项式。

除轻交通-厚基层选择负指数曲线模型外，其它类别均选择修正S曲线模型，具体见表13。可以认为该省(区)RQI衰变规律与修正S曲线较为一致。

表13 RQI衰变模型汇总

5 模型验证

本次以全路网所有路段数据为样本，对所建立的模型进行验证。由于路网数据变异性，验证前需对数据进行处理，剔除无检测数据路段、水泥路面路段、低于60路段、两年差异较大路段等。剔除完成后，PCI及RQI有效路段数分别为5 702和7 758。以2016年路况数据为基础预测2017年的路况，并分别采用表7和表13中相应模型公式，计算误差:

误差=(预测路况值-预测年实际路况值)×100/预测年实际路况值.

验证结果：

1)2017年有效路段预测PCI均值和实际PCI均值分别为86.70和87.30，差值为-0.60，误差均值为-0.30%，精度符合小于1%要求；

2)2017年有效路段预测RQI均值和实际RQI均值分别为92.88和93.62，差值为-0.78，误差均值为-0.74%，精度符合小于1%要求。

6 结束语

本文针对西部某省(区)高速公路路网多年检测数据，通过分析不同影响因素PCI和RQI的衰变规律，总结出PCI和RQI衰变的主要影响因素，进而分析出PCI和RQI衰变符合的曲线模型，得出PCI和RQI的衰变规律。最后采用2017年路网数据对曲线模型验证，两个模型总体误差均在1%内。总结如下：

1)在交通量、区域、行政等级和基层厚度几个因素中，对PCI衰变影响较大的因素是交通量和区域，对RQI衰变影响较大的因素是交通量和基层厚度；

2)PCI衰变趋势符合幂指数曲线；而RQI衰变趋势则符合修正S曲线；

3)经全路网检测数据验证，PCI、RQI预测的平均差值分别为-0.60和-0.74，预测误差分别为-0.30%和-0.78%，精度满足小于1%的要求。