本发明属于高速公路养护领域，更具体地，涉及一种基于灰色物元分析法的高速公路智能养护方法及系统。
背景技术：
：截止到2018年年底，我国高速公路总里程达12.5万公里，已经形成了较为完善的高速公路网，高速公路发展的重点也开始由高速公路建设向高速公路养护维修转变。在高速公路养护维修中，对高速公路路面的养护是其中最重要的一部分。高速公路路面在使用过程中，路面使用性能在行车荷载及自然条件的影响下会出现逐渐衰退的趋势。除此之外，施工方面、路面设计以及材料质量等存在的缺陷也会造成高速公路路面的早期损坏。路面使用性能的降低不仅会增加车辆的运营费用，其中包括旅行时间、燃油以及轮胎和保修材料的消耗等，甚至还会严重影响车辆行驶的安全性。现有一些高速公路养护的一般流程是由高速公路管理部门首先提出养护计划，接着委托检测单位使用相关检测设备对路段进行检测，设计单位根据检测情况对项目路段进行养护设计，这其中存在着以下几个方面的问题：(1)设计者搜集和整理数据的时间较长、工作冗杂，效率低下。(2)检测与养护设计脱节，检测人员往往不明白设计工作者需要什么样的数据，提供的检测数据要么不够翔实，要么缺少内容，给设计者提供的依据很少。(3)对于养护计划，养护工作管理者大多数依赖于经验，养护计划编制多数是按照现有的养护费用，适当按照一个增长比率来预测下一年度的养护预算，缺乏科学决策、合理规划的养护技术，养护计划安排不合理导致实际养护效果达不到理想的标准，同时也会造成养护资金和设备资源的极大浪费。综上所述，现有的高速公路养护技术，在科学性以及先进性方面还存在较大的优化空间。技术实现要素：针对现有技术的缺陷，本发明的目的在于提供一种基于灰色物元分析法的高速公路智能养护方法及系统，以解决现有的高速公路养护技术大多数依赖于经验，缺乏科学决策、合理规划的养护技术，养护计划安排不合理导致实际养护效果达不到理想的标准，同时也会造成养护资金和设备资源的极大浪费的问题。为实现上述目的，第一方面，本发明提供一种基于灰色物元分析法的高速公路智能养护方法，包括以下步骤：确定t段高速公路中每段高速公路的n个决策指标及其数值；t和n均为大于0的整数；基于灰色物元分析法将所述t段高速公路中每段高速公路的n个决策指标数值转化为n维复合灰元rn×t，每维复合灰元对应各个决策指标在t段高速公路的数值；根据各个指标在t段高速公路中的最大值得到最佳事务灰元r0；基于n维复合灰元rn×t和最佳事务灰元r0进行事务关联度分析，确定关联度复合灰元，得到t段高速公路中各段高速公路的关联度；基于各段高速公路的关联度进行排序，关联度从小到大对应的路面性能从最差到最优，关联度从小到大的养护优先级逐次降低。可选地，所述n个决策指标包括以下指标中的n种：路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面结构强度指数pssi、路面跳车指数pbi、路面磨耗指数pwi以及路面抗滑性能指数sri。可选地，所述灰色物元分析法中的灰色物元由三元组“事务、特征、灰量”组成，使用r表示灰色物元，使用m表示事务，使用c表示特征，使用q表示灰量值，所以灰色物元可以表示为：其中，若将灰色物元分析法应用到高速公路智能养护方法中，则所述事务m指代各段高速公路，特征c指代各个决策指标，灰量值q指代各个决策指标的数值。可选地，所述n维复合灰元rn×t具体为：其中，c1、c2…cn分别对应n个决策指标，m1、m2…mt分别对应t段高速公路，qji对应第j段高速公路的第i个决策指标的数值，1≤j≤t，1≤i≤n。可选地，所述最佳事务灰元r0具体为。其中，m0是高速公路的标准方案，q0i对应第i个决策指标在t段高速公路中的最大值。可选地，所述关联度复合灰元通过如下步骤确定：s1、确定n维复合灰元rl：式中：lji表示q0i与qji的关联系数灰度值，可用下式计算：上式中，δji是q0i与qji的灰量值绝对差值，δmin是灰量值绝对差值δji的最小值，δmax是灰量值绝对差值δji的最大值，ρ是分辨系数；s2、所述关联度复合灰元rdl，计算公式如下：其中，w为各个决策指标的权重值构成的特征向量，l0j指的是第j段高速公路的关联度，wi为第i个决策指标的权重值。第二方面，本发明提供一种基于灰色物元分析法的高速公路智能养护系统，包括：决策指标确定单元，用于确定t段高速公路中每段高速公路的n个决策指标及其数值；t和n均为大于0的整数；复合灰元确定单元，用于基于灰色物元分析法将所述t段高速公路中每段高速公路的n个决策指标数值转化为n维复合灰元rn×t，每维复合灰元对应各个决策指标在t段高速公路的数值；根据各个指标在t段高速公路中的最大值得到最佳事务灰元r0；关联度分析单元，用于基于n维复合灰元rn×t和最佳事务灰元r0进行事务关联度分析，确定关联度复合灰元，得到t段高速公路中各段高速公路的关联度；养护分析单元，用于基于各段高速公路的关联度进行排序，关联度从小到大对应的路面性能从最差到最优，关联度从小到大的养护优先级逐次降低。可选地，所述n个决策指标包括以下指标中的n种：路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面结构强度指数pssi、路面跳车指数pbi、路面磨耗指数pwi以及路面抗滑性能指数sri。可选地，所述灰色物元分析法中的灰色物元由三元组“事务、特征、灰量”组成，使用r表示灰色物元，使用m表示事务，使用c表示特征，使用q表示灰量值，所以灰色物元可以表示为：其中，若将灰色物元分析法应用到高速公路智能养护方法中，则所述事务m指代各段高速公路，特征c指代各个决策指标，灰量值q指代各个决策指标的数值。可选地，所述n维复合灰元rn×t具体为：其中，c1、c2…cn分别对应n个决策指标，m1、m2…mt分别对应t段高速公路，qji对应第j段高速公路的第i个决策指标的数值，1≤j≤t，1≤i≤n。总体而言，通过本发明所构思的以上技术方案与现有技术相比，具有以下有益效果：本发明提供一种基于灰色物元分析法的高速公路智能养护方法及系统，提出了将灰色物元分析法应用到对多个路段进行路面性能优劣排序，在养护资金有限的情况下可以优先对路面性能较差的路段实施养护措施，提高了养护资金的利用率，进一步的提高了智能养护水平。附图说明图1为本发明提供一种基于灰色物元分析法的高速公路智能养护方法流程图；图2为本发明实施例提供的基于灰色物元分析法的高速公路智能养护系统检测数据录入流程图；图3为本发明实施例提供的基于灰色物元分析法的高速公路智能养护系统养护决策树模型结构图；图4为本发明实施例提供的基于灰色物元分析法的高速公路智能养护系统架构图。具体实施方式为了使本发明的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本发明进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本发明，并不用于限定本发明。针对现有技术的缺陷和改进需求，本发明提供了一种基于灰色物元分析法的高速公路智能养护系统，以提高高速公路养护的科学性及先进性。图1为本发明提供一种基于灰色物元分析法的高速公路智能养护方法流程图，如图1所示，包括以下步骤：s110，确定t段高速公路中每段高速公路的n个决策指标及其数值；t和n均为大于0的整数；s120，基于灰色物元分析法将所述t段高速公路中每段高速公路的n个决策指标数值转化为n维复合灰元rn×t，每维复合灰元对应各个决策指标在t段高速公路的数值；根据各个指标在t段高速公路中的最大值得到最佳事务灰元r0；s130，基于n维复合灰元rn×t和最佳事务灰元r0进行事务关联度分析，确定关联度复合灰元，得到t段高速公路中各段高速公路的关联度；s140，基于各段高速公路的关联度进行排序，关联度从小到大对应的路面性能从最差到最优，关联度从小到大的养护优先级逐次降低。可选地，所述n个决策指标包括以下指标中的n种：路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面结构强度指数pssi、路面跳车指数pbi、路面磨耗指数pwi以及路面抗滑性能指数sri。可选地，所述灰色物元分析法中的灰色物元由三元组“事务、特征、灰量”组成，使用r表示灰色物元，使用m表示事务，使用c表示特征，使用q表示灰量值，所以灰色物元可以表示为：其中，若将灰色物元分析法应用到高速公路智能养护方法中，则所述事务m指代各段高速公路，特征c指代各个决策指标，灰量值q指代各个决策指标的数值。可选地，所述n维复合灰元rn×t具体为：其中，c1、c2…cn分别对应n个决策指标，m1、m2…mt分别对应t段高速公路，qji对应第j段高速公路的第i个决策指标的数值，1≤j≤t，1≤i≤n。可选地，所述最佳事务灰元r0具体为。其中，m0是高速公路的标准方案，q0i对应第i个决策指标在t段高速公路中的最大值。可选地，所述关联度复合灰元通过如下步骤确定：s1、确定n维复合灰元rl：式中：lji表示q0i与qji的关联系数灰度值，可用下式计算：上式中，δji是q0i与qji的灰量值绝对差值，δmin是灰量值绝对差值δji的最小值，δmax是灰量值绝对差值δji的最大值，ρ是分辨系数；s2、所述关联度复合灰元rdl，计算公式如下：其中，w为各个决策指标的权重值构成的特征向量，l0j指的是第j段高速公路的关联度，wi为第i个决策指标的权重值。进一步地，本发明所使用的关键技术如下：(1)通过分布式消息队列kafka获取决策指标数据，其具有高吞吐量、高扩展性、持久性特点。(2)决策树算法，其是一种兼顾准确性与高效性的典型算法，仅依靠样本数据集信息即可建立决策树，进而给出养护建议。(3)灰色物元分析法，其有机地结合物元分析法与灰色系统理论，可以得出一个事物量化后的评价结果。具体地，本发明对高速路面检测的决策指标数据录入流程如图2所示。(1)将检测数据信息进行计算处理后转化为对象。(2)将对象封装成json字符串，放到本地阻塞队列中，如果阻塞队列溢出则会重试，否则进行下一步。(3)异步线程从本地阻塞队列中获取信息，并将信息发送到kafka的broker中，将拉取的消息转化成对象。(4)将对象通过mybatis持久化进mysql数据库中。具体地，本发明的养护决策树模型如图3所示。(1)决策指标选定：根据每个分项指标在计算路面技术状况指数pqi的权重，可以看出路面状况指标主要有路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面结构强度指数pssi。(2)决策指标分级排序：结合目前高速公路路面检测数据分析，现阶段高速公路路面车辙深度指数rdi在各个评价等级区间内均有一定的分布。而对于路面结构强度指数pssi，大部分路段均处于优良水平，因此，从高速公路路面现状考虑，路面车辙深度指数rdi在决策树的构建过程中的决策优先等级要高于路面结构强度指数pssi。而路面损坏状况指数pci和路面行驶质量指数rqi直接影响行车安全，在决策树的构建过程中应将其等级置于最高。因此，对于构建决策树时路面性能决策指标优先等级可排序为：路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面结构强度系数pssi。(3)决策条件：在对决策指标进行分级排序后，还需要确定决策条件，通过判断决策条件来明确决策树分支的走向。根据上节分析的决策指标实际状况，汇总归纳各评价指标的决策条件，如表1所示。表1养护决策条件及分支决策指标分支一分支二分支三路面损坏状况指数优良中次差路面行驶质量指数优良中次差路面车辙优良中次差路面结构强度优良中次差(4)养护措施建议：养护决策树的每一个叶子节点对应一种养护方案，对应关系及方案知识库的建立由系统管理员在界面完成，在方案知识库中有每种养护方案的具体信息，包括方案序号、方案名称、说明、单价，然后系统根据路面性能指标状况及养护决策树分别以百米、千米给出具体的养护方案及养护费用。可以理解的是，当通过决策树给出的养护措施建议所需要的养护费用超过实际所能提供的费用时，就需要进行养护决策的优化，对路面性能较差的路段优先实施养护方案。因为路段之间一般会在多个路面性能指标值上有所不同，就会使得对路段进行路面性能评价变得不太容易。所以，本发明提出了将灰色物元分析法应用到对多个路段进行路面性能优劣排序，灰色物元分析法有机地结合物元分析法与灰色系统理论，它的步骤一般是先对事物进行定性分析，然后对事物进行灰色量化计算，最后就可以得出一个事物量化后的评价结果。灰色物元分析法在评价多个事物优劣时，需要先确定待评价事物的特征向量，之后计算出每个事物对应的特征灰量值从而得出最佳事物灰元，进一步可以计算出最佳事物与待评价事物之间的关联度，然后就可以根据两者之间的关联度对待评价事物进行优劣排序。具体地，基于灰色物元分析法的高速公路智能养护方法具体包括如下步骤：(21)灰色物元由三元组“事务、特征、灰量”组成，使用r表示灰色物元，使用m表示事务，使用c表示特征，使用q表示灰量值，所以灰色物元可以表示为：事务m使用n个特征c1，c2，…cn以及n个灰量值q1，q2，…qn来表示，则n维灰色物元r可以表示为：事务m使用n个特征c1，c2，…cn以及n个灰量值q1，q2，…qn来表示，则n维灰色物元r可以表示为：(22)相对优化原则是构成最佳事务灰元的依据，有以下两种类型：a.越大越优型：q0i＝qi1∨qi2∨…qinb.越小越优型：q0i＝qi1∧qi2∧…qin∨是取较大值，∧是取较小值，q0i为标准方案第i项指标对应的白色灰量值。r0n表示n维标准方案的灰色物元，ci(i＝1,2,…n)是评价特征指标，m0是标准方案，据此可以得出为最佳事务灰元r0为：(23)在事务的关联分析中主要是来计算的是事务之间的关联度，关联度记为l0j(j＝1，2，…m)，一般用n维复合灰元rj计算关联度：上式中lji的计算方式是：上式中，δji是最佳事务与第j事务中第i项评价指标的绝对差值，δmin是灰量值绝对差值δji的最小值，δmax是灰量值绝对差值δji的最大值，ρ是分辨系数，在通常情况下的取值为0.5。为了让关联系数不要过于分散，使其能够更加准确地反映各事务与最佳事务全过程的关联程度，还需要对各关联系数进行加权平均，即得关联度复合灰元rdl，计算公式如下：式中w即为各个决策指标的权重值构成的特征向量，在rdl中按关联度大小来进行排序，关联度最大的就是最好的事物，关联度最小的就是最差的事务。(24)下面以湖北省某高速公路若干路段作为实例分析，根据计算路面技术状况指数pqi的公式：pqi＝wpcipci+wrqirqi+wrdirdi+wpbipbi+wpwipwi+wsrisri+wpssipssi计算公式中：路面损坏状况指数权重wpci取值为0.35；路面行驶质量指数权重wrqi取值为0.30；路面车辙深度指数权重wrdi取值为0.10；路面跳车指数权重wpbi取值为0.05；路面磨耗指数权重wpwi取值为0.05；路面抗滑性能指数权重wsri取值为0.05；路面结构强度指数权重wpssi取值为0.10，由此确定各个决策指标的权重值构成的特征向量w＝(0.35,0.30,0.10,0.05,0.05,0.05,0.10)，分量为路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面跳车指数pbi、路面磨耗指数pwi、路面抗滑性能指数sri、路面结构强度指数pssi七种指标的值，路面的原始数据见表2。表2原始数据表路段编号起始点桩号pcirqirdipbipwisripssi01k1000～k200098969810093819002k2000～k3000100959710092839003k3000～k4000100959710086829004k4000～k5000100949710087869005k5000～k6000979497100898590根据上表的相关数据建立这些路段的七维复合灰元r7×5为：建立最佳路段七维灰元r0采用的是相对优化原则，所有评价指标均是相对较大者为优，可以得出：计算七维复合灰元r7×5与最佳路段七维灰元r0的绝对差值，可以得出：由绝对差值可以得出：δmin＝0,δmax＝6.3，取ρ＝0.5，则可以计算出rl：再由w＝(0.35,0.30,0.10,0.05,0.05,0.05,0.10)的各个分量，可以计算出关联度复合灰元rdl为：由rdl很容易得出：l02>l03>l01>l04>l05因而在这些路段中路段2路面性能最佳，路段5路面性能最差，就可以在养护资金不足的情况下对路段5优先实施养护措施。将灰色物元分析法的评价结果与路面技术状况指数pqi值作对比，如表3所示。表3评价结果比较路段编号起始点桩号pqi值灰色物元分析法评价结果1k1000～k2000950.8432k2000～k3000950.8773k3000～k4000950.8514k4000～k5000950.8375k5000～k6000940.669从上表可以看出灰色物元分析法与规范化评价结果基本一致，对于路段1、2、3、4而言，pqi对对路段编号1、2、3、4的评价结果相同，而灰色物元分析法对路段编号1、2、3、4的评价结果大小不同，更能区分四个路段的路面状况。图4为本发明实施例提供的基于灰色物元分析法的高速公路智能养护系统架构图，如图4所示，包括：决策指标确定单元410，用于确定t段高速公路中每段高速公路的n个决策指标及其数值；t和n均为大于0的整数；复合灰元确定单元420，用于基于灰色物元分析法将所述t段高速公路中每段高速公路的n个决策指标数值转化为n维复合灰元rn×t，每维复合灰元对应各个决策指标在t段高速公路的数值；根据各个指标在t段高速公路中的最大值得到最佳事务灰元r0；关联度分析单元430，用于基于n维复合灰元rn×t和最佳事务灰元r0进行事务关联度分析，确定关联度复合灰元，得到t段高速公路中各段高速公路的关联度；养护分析单元440，用于基于各段高速公路的关联度进行排序，关联度从小到大对应的路面性能从最差到最优，关联度从小到大的养护优先级逐次降低。可选地，所述n个决策指标包括以下指标中的n种：路面损坏状况指数pci、路面行驶质量指数rqi、路面车辙深度指数rdi、路面结构强度指数pssi、路面跳车指数pbi、路面磨耗指数pwi以及路面抗滑性能指数sri。可选地，所述灰色物元分析法中的灰色物元由三元组“事务、特征、灰量”组成，使用r表示灰色物元，使用m表示事务，使用c表示特征，使用q表示灰量值，所以灰色物元可以表示为：其中，若将灰色物元分析法应用到高速公路智能养护方法中，则所述事务m指代各段高速公路，特征c指代各个决策指标，灰量值q指代各个决策指标的数值。可选地，所述n维复合灰元rn×t具体为：其中，c1、c2…cn分别对应n个决策指标，m1、m2…mt分别对应t段高速公路，qji对应第j段高速公路的第i个决策指标的数值，1≤j≤t，1≤i≤n。需要说明的是，该系统各个单元的功能详细可参见前述方法实施例中的介绍，在此不做赘述。本发明是关于一种基于灰色物元分析法的高速公路智能养护方法及系统，系统采用三层b/s体系结构，浏览器作为客户端，tomcat作为后台运行服务器，mysql作为后台数据库服务器，kafka作为异步消息队列，使用决策树算法给出养护决策，使用灰色物元分析法分析路面性能和提高智能养护水平。通过将新技术、新设备、新理念应用到高速公路养护提升了高速公路维护管理质量。在互联网时代，及时地将传统的管理模式与互联网技术结合在一起，不仅提升了管理的信息化、智能化水平，还提高了高速公路维护的工作效率。本领域的技术人员容易理解，以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。当前第1页12