一种公路承载能力监测方法

1.本发明属于公路检测技术领域，特别是涉及一种公路承载能力监测方法。


背景技术：

2.随着我国公路交通的迅猛发展，公路里程有了很大幅度的提高，这对于社会经济的发展无疑起到了很大的促进作用。经过一段时间的运营，公路的承载能力也存在普遍下降的问题；从而，正确评价公路承载承载能力，能够对公路工程维护提供评判标准，保证公路正常运营，避免发生塌陷等问题。
3.对于公路承载能力的评价方法较多，对于路基来说，作为公路结构的重要基础，对其承载能力的判定尤为重要。路基承载能力常用的主要是基于对测定路基压实度和弯沉的测定原理进行判断。一般需要管理人员定期上路并采用测量仪对公路进行检测，为公路维护工作提供参考。
4.但是，现有的检测方法操作繁琐，需要人工上路检测，且只能实现定期检测无法实现实时监测，仍然无法实现公路路段的有效维护，会发生漏检问题，造成不可逆的损失。并且现有的路面检测设备若大规模使用，成本非常高，无法再公路路段实现规模式定点实时监测。


技术实现要素：

5.为了解决上述问题，本发明提出了一种公路承载能力监测方法，通过无损动态检测，准确获取车辆作用位置、车辆荷载、行车速度、轴距，实现路面检测承载能力评价。
6.为达到上述目的，本发明采用的技术方案是：一种公路承载能力监测方法，包括步骤：
7.构建车辆-公路动态响应模型；
8.利用车辆-公路动态响应数值模型，获取全路幅宽度下车辆荷载、行车速度、路面平整度和道路结构层参数多因素综合作用下公路弯沉、应变、应力、频率、幅值、波形和能量多维动态响应规律；
9.通过多因素综合作用下公路多维度动态响应规律，获取公路动态响应的承载能力检监测评估模型；
10.对测试路段通过布设路面检测传感器采集数据，将采集数据输入到所述公路动态响应的承载能力检监测评估模型中获取评估结果。
11.进一步的是，所述车辆-公路动态响应模型包括全车随机动载模型和全宽带公路结构模型；
12.结合路面平整度函数与车辆振动微分方程建立路面平整度影响下的全车随机动载模型；
13.基于沥青混凝土的粘弹性函数与公路结构层材料的弹塑性力学理论，建立考虑路面平整度的全车随机动载模型与考虑沥青粘弹性与公路结构层材料弹塑性的全宽带公路
结构模型。
14.进一步的是，获取不同车辆类型、车辆荷载、行车速度、轴距采集的大数据集，借助深度学习算法并辅助人工标记法对上述大数据集建立训练集与验证集；
15.通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，进而准确获取车辆荷载、行车速度和轴距。
16.进一步的是，结合路面平整度函数与车辆振动微分方程建立路面平整度影响下的全车随机动载模型，构建基于沥青混凝土的粘弹性函数与公路结构层材料的弹塑性力学理论建立全宽带公路结构模型，分析全路幅宽度下车辆荷载、行车速度、路面平整度和道路结构层参数多因素综合作用下公路弯沉、应变、应力、频率和幅值多维动态响应机理，得到振动频率和道路基顶回弹模量的转化公式，从而通过实测振动频率得到路基顶面回弹模量作为多维度动态响应规律，建立公路动态响应的承载能力检监测评估模型。
17.进一步的是，采用人工神经网络模型与k-means++聚类分析法获取公路动态响应的承载能力检监测评估模型。
18.进一步的是，所述路面检测传感器包括温度传感器、湿度传感器和加速度传感器，并通过线缆连接数据采集仪，数据采集仪将原始数据通过5g数据传输模块实时传输到云服务器端，进行数据分析将采集数据输入到所述公路动态响应的承载能力检监测评估模型中获取评估结果，并存储在服务器端中；同时用户在任意地点通过无线网实时下载最新的监测结果。
19.进一步的是，在道路路面间隔布设多个加速度传感器构成加速度感知系统，每个加速度传感器作为感知节点；
20.车辆依次通过各感知节点，利用加速度信号转换成在车辆移动荷载作用下的沥青路面振动信号，构成沥青路面振动信号序列数组。
21.进一步的是，对所获取的沥青路面振动信号序列数组进行数据清洗和滤波处理一体化后输入到所述公路动态响应的承载能力检监测评估模型中获取评估结果。
22.进一步的是，对所获取的沥青路面振动信号序列数组进行数据清洗和滤波处理一体化，包括：在拉伊达准则上，根据实测数据的季节变化特征，通过构建变异点实现不同数据分段，并对超合理范围数据剔除；基于马尔科夫链模型和数据自相关偏相关特性，对缺失数据实现插补，通过信息熵对熵值过低的噪音信号进行剔除，实现采集数据提升；
23.数据清洗后，基于离散傅里叶变换原理进行快速傅里叶变换识别监测信息中噪声相关特征，并分别采用巴特沃斯低通滤波器、中值滤波器、小波滤波器、有限冲击响应滤波器作为滤波方法进行比较，并选择移动平均滤波器作为对照，通过峰值信噪比确定最优滤波方法。
24.采用本技术方案的有益效果：
25.本发明通过路面加速度感知系统进行路面振动检监测，通过采集车辆移动荷载作用下的沥青路面振动信号，分析其路面振动信号的特征与影响因素，构建了道路振动检监测系统，具有建立公路动态响应的承载能力检监测评估模型，提出了基于振动数据驱动的路面监测方法。通过无损动态检测，准确获取车辆作用位置、车辆荷载、行车速度、轴距，实现路面检测承载能力评价。
26.本发明利用利用车辆-公路动态响应数值模型，获取全路幅宽度下车辆荷载、行车
速度、路面平整度和道路结构层参数多因素综合作用下公路弯沉、应变、应力、频率、幅值、波形和能量多维动态响应规律；通过多因素综合作用下公路多维度动态响应规律，获取公路动态响应的承载能力检监测评估模型；所建立的模型能够根据车辆和功率的动态响应特性，评估承载能力，评估效果好。同时，基于该方法，本发明通过路加速度感知系统进行路面振动检监测，仅需在路面布设加速度传感器即可，在保证低成本的情况下，实现高精度的实时监测。本发明提出的检测方法操作简便，管理人员远程即可完成检测，无需人工上路检测，实现公路路段的有效维护，避免发生漏检，提高了公路维护的可靠性。
附图说明
27.图1为本发明的一种公路承载能力监测方法流程示意图；
28.图2为本发明实施例中辆-公路动态响应模型的原理示意图；
29.图3为本发明实施例中辆-公路动态响应模型的原理示意图。
具体实施方式
30.为了使本发明的目的、技术方案和优点更加清楚，下面结合附图对本发明作进一步阐述。
31.在本实施例中，参见图1所示，本发明提出了一种公路承载能力监测方法，包括步骤：
32.构建车辆-公路动态响应模型；
33.利用车辆-公路动态响应数值模型，获取全路幅宽度下车辆荷载、行车速度、路面平整度和道路结构层参数多因素综合作用下公路弯沉、应变、应力、频率、幅值、波形和能量多维动态响应规律；
34.通过多因素综合作用下公路多维度动态响应规律，获取公路动态响应的承载能力检监测评估模型；
35.对测试路段通过布设路面检测传感器采集数据，将采集数据输入到所述公路动态响应的承载能力检监测评估模型中获取评估结果。
36.作为上述实施例的优化方案1，如图2所示，所述车辆-公路动态响应模型包括全车随机动载模型和全宽带公路结构模型；
37.结合路面平整度函数与车辆振动微分方程建立路面平整度影响下的全车随机动载模型；
38.基于沥青混凝土的粘弹性函数与公路结构层材料的弹塑性力学理论，建立考虑路面平整度的全车随机动载模型与考虑沥青粘弹性与公路结构层材料弹塑性的全宽带公路结构模型。
39.利用车辆-公路动态响应数值模型，获取全路幅宽度下车辆荷载、行车速度、路面平整度和道路结构层参数多因素综合作用下公路弯沉、应变、应力、频率、幅值、波形和能量多维动态响应规律；通过多因素综合作用下公路多维度动态响应规律，获取公路动态响应的承载能力检监测评估模型；具体实施包括：
40.获取不同车辆类型、车辆荷载、行车速度、轴距采集的大数据集，借助深度学习算法并辅助人工标记法对上述大数据集建立训练集与验证集；
41.通过组合低层特征形成更加抽象的高层表示属性类别或特征，以发现数据的分布式特征表示，进而准确获取车辆荷载、行车速度和轴距。
42.然后再，结合路面平整度函数与车辆振动微分方程建立路面平整度影响下的全车随机动载模型，构建基于沥青混凝土的粘弹性函数与公路结构层材料的弹塑性力学理论建立全宽带公路结构模型，分析全路幅宽度下车辆荷载、行车速度、路面平整度和道路结构层参数多因素综合作用下公路弯沉、应变、应力、频率和幅值多维动态响应机理，得到振动频率和道路基顶回弹模量的转化公式，从而通过实测振动频率得到路基顶面回弹模量作为多维度动态响应规律，建立公路动态响应的承载能力检监测评估模型。
43.优选的，采用人工神经网络模型与k-means++聚类分析法获取公路动态响应的承载能力检监测评估模型。
44.作为上述实施例的优化方案2，所述路面检测传感器包括温度传感器、湿度传感器和加速度传感器，并通过线缆连接数据采集仪，数据采集仪将原始数据通过5g数据传输模块实时传输到云服务器端，进行数据分析将采集数据输入到所述公路动态响应的承载能力检监测评估模型中获取评估结果，并存储在服务器端中；同时用户在任意地点通过无线网实时下载最新的监测结果，构成了路面加速度感知系统，如图3所示。
45.具体的，在道路路面间隔布设多个加速度传感器构成加速度感知系统，每个加速度传感器作为感知节点；
46.车辆依次通过各感知节点，利用加速度信号转换成在车辆移动荷载作用下的沥青路面振动信号，构成沥青路面振动信号序列数组。
47.对所获取的沥青路面振动信号序列数组进行数据清洗和滤波处理一体化后输入到所述公路动态响应的承载能力检监测评估模型中获取评估结果。
48.优选的，对所获取的沥青路面振动信号序列数组进行数据清洗和滤波处理一体化，包括：在拉伊达准则上，根据实测数据的季节变化特征，通过构建变异点实现不同数据分段，并对超合理范围数据剔除；基于马尔科夫链模型和数据自相关偏相关特性，对缺失数据实现插补，通过信息熵对熵值过低的噪音信号进行剔除，实现采集数据提升；
49.数据清洗后，基于离散傅里叶变换原理进行快速傅里叶变换识别监测信息中噪声相关特征，并分别采用巴特沃斯低通滤波器、中值滤波器、小波滤波器、有限冲击响应滤波器作为滤波方法进行比较，并选择移动平均滤波器作为对照，通过峰值信噪比确定最优滤波方法。
50.以上显示和描述了本发明的基本原理和主要特征和本发明的优点。本行业的技术人员应该了解，本发明不受上述实施例的限制，上述实施例和说明书中描述的只是说明本发明的原理，在不脱离本发明精神和范围的前提下，本发明还会有各种变化和改进，这些变化和改进都落入要求保护的本发明范围内。本发明要求保护范围由所附的权利要求书及其等效物界定。