基于路面实测值的沥青路面平整度数学模型构建与应用研究

基于路面实测值的沥青路面平整度数学模型构建与应用研究一、引言1.1研究背景与意义随着交通运输事业的蓬勃发展，道路建设规模不断扩大，沥青路面作为一种广泛应用的路面类型，其平整度对于道路的使用性能和行车安全具有至关重要的影响。平整度良好的沥青路面不仅能为车辆提供平稳的行驶表面，减少车辆颠簸和振动，提升行车舒适性，还能降低车辆对路面的冲击力，减少路面磨损，延长路面使用寿命。反之，路面平整度差会导致车辆行驶时产生较大的颠簸和振动，增加车辆的能耗和零部件磨损，降低行车安全性和舒适性，同时也会加速路面的损坏，增加道路维护成本。目前，对沥青路面平整度的评价主要依赖于路面高程差、车辙深度等参数的测量。然而，这些测量结果受到多种因素的综合影响，如复杂多变的地形地貌、不同地区的气候条件差异、大小不一的车流量以及各异的车辆荷载等。因此，建立一个能够全面综合考虑各种因素的数学模型，对于准确预测沥青路面的平整度变化具有重要的现实意义。通过基于路面实测值建立沥青路面平整度数学模型，能够实现对路面平整度变化趋势的有效预测和评估，为道路的养护管理和维修决策提供科学可靠的依据。在道路养护方面，借助数学模型，养护人员可以根据预测结果提前制定针对性的养护计划，合理安排养护资源，在路面平整度出现明显下降之前进行预防性养护，有效延缓路面损坏的发展，降低养护成本，提高道路的服务水平。在交通规划领域，数学模型能够为新道路的设计提供参考，帮助规划者优化道路设计方案，充分考虑各种因素对路面平整度的影响，从而提高新建道路的质量，减少未来的维护成本。1.2国内外研究现状在沥青路面平整度测量方法方面，国内外不断探索创新。早期，传统检测方法如3m直尺法、连续式平整度仪法在实际工程中应用广泛。3m直尺法操作简便，通过将3m直尺放置在路面上，测量直尺与路面之间的最大间隙来评定平整度，但该方法效率较低，且受人为因素影响较大，只能进行间断性检测，无法全面反映路面平整度状况。连续式平整度仪法能连续测量路面平整度，通过传感器记录路面的纵向凹凸情况，相比3m直尺法，检测效率有所提高，但检测速度较慢，数据处理相对复杂。随着技术的不断进步，无损自动检测技术逐渐兴起，其中激光测距仪和惯性测量单元（IMU）技术在沥青路面平整度检测中得到了广泛应用。激光测距仪通过发射激光束并测量激光反射回来所需的时间，精确测定路面表面的高程，进而生成路面的详细剖面图，能够快速而准确地评估路面的平整度。在摊铺机上搭载激光测距仪，可实现施工过程中的实时平整度控制，通过反馈循环及时调整摊铺机参数，确保路面达到预定的平整度标准。惯性测量单元则通过测量施工车辆或机械的加速度和角速度，实时监测其运动状态，为路面平整度检测提供了一种新的有效手段，使施工团队能够及时了解施工设备的运行情况，及时发现并纠正可能导致路面不平整的问题。在影响因素分析领域，众多学者进行了深入研究。路基不均匀沉降被公认为是影响沥青路面平整度的关键因素之一。路基作为路面的基础，若其压实度不足、填料质量不佳或受地质条件影响，在车辆荷载和自然因素作用下，容易产生不均匀沉降，从而导致路面出现沉陷、裂缝等病害，严重影响路面平整度。例如，在软土地基路段，由于地基土的压缩性较高，若处理不当，路基在后续运营过程中极易发生沉降变形。基层不平整同样不容忽视，基层的平整度直接影响沥青面层的摊铺厚度均匀性，即使沥青面层在摊铺时表面看似平整，但由于虚铺厚度不同，压实后仍会出现高低不平的现象。此外，沥青混合料的质量、摊铺和碾压工艺、气候条件以及交通荷载等因素也会对沥青路面平整度产生重要影响。沥青混合料的级配不合理、沥青含量不稳定会导致路面性能差异，影响平整度；摊铺速度不均匀、碾压遍数不足或碾压温度不当等施工工艺问题，都可能造成路面不平整；高温天气下，沥青路面容易出现车辙，影响平整度；重载交通频繁作用，会加速路面的损坏，降低平整度。在数学模型构建方面，国内外也取得了一定的成果。一些研究运用统计学方法，如多元线性回归分析，将路面的实测数据与影响因素进行关联，试图建立沥青路面平整度数学模型。通过收集大量的路面高程差、车辙深度、车流量、气候条件等数据，分析各因素与平整度之间的线性关系，确定模型的参数。然而，由于沥青路面平整度受到多种复杂因素的综合影响，各因素之间可能存在非线性关系和交互作用，简单的多元线性回归模型难以全面准确地描述这种复杂关系，导致模型的预测精度有限。还有研究尝试利用人工神经网络等智能算法构建模型，人工神经网络具有强大的非线性映射能力和自学习能力，能够对复杂的数据进行建模和分析。通过对大量样本数据的学习，神经网络模型可以捕捉到各因素与沥青路面平整度之间的复杂关系，从而实现对平整度的预测。但该类模型也存在一些问题，如模型的训练需要大量的数据，且对数据的质量要求较高；模型的结构和参数选择缺乏明确的理论指导，往往需要通过大量的试验来确定；模型的可解释性较差，难以直观地理解各因素对平整度的影响机制。当前研究虽然在沥青路面平整度测量方法、影响因素分析及数学模型构建等方面取得了一定进展，但仍存在不足。现有测量方法在检测效率、精度和全面性等方面难以同时满足实际需求，需要进一步研发更加高效、精准且能全面反映路面平整度状况的检测技术。在影响因素分析中，各因素之间的交互作用以及一些难以量化的因素（如施工工艺的精细化程度、路面的初始损伤状态等）对平整度的影响研究还不够深入。在数学模型构建方面，现有的模型普遍存在预测精度不高、泛化能力差以及可解释性不强等问题，无法很好地满足实际工程中对沥青路面平整度准确预测和评估的需求。1.3研究内容与方法本研究旨在基于路面实测值，全面、深入地建立沥青路面平整度数学模型，具体研究内容涵盖以下几个关键方面：数据收集：运用先进的路面检测设备，对不同路段的沥青路面进行实地测量，获取丰富的路面实测数据，包括路面高程差、车辙深度、路面破损状况等直接反映路面平整度的关键参数，同时收集路段的地形信息、当地的气候数据（如年均温、降雨量、极端温度等）、长期的车流量数据（分车型、分时段统计）以及车辆荷载数据（不同车型的轴重、轮胎接地压力等）。为确保数据的准确性和代表性，测量过程严格按照相关标准规范执行，对测量设备进行定期校准和维护，选择具有不同交通流量、地形条件和使用年限的典型路段进行测量，保证数据能够涵盖各种可能影响沥青路面平整度的实际情况。影响因素分析：综合考虑众多因素对沥青路面平整度的影响，采用定性与定量相结合的方法深入分析各因素的作用机制。对于地形因素，研究不同地形（如平原、山区、丘陵等）对路面平整度的影响规律，通过建立地形模型，分析地形起伏与路面平整度变化之间的关系；气候因素方面，分析温度变化导致的沥青路面热胀冷缩、雨水冲刷对路面结构的破坏、冻融循环对路面材料性能的影响等；车流量和车辆荷载因素，研究不同车流量下路面承受的累计荷载作用，以及不同轴重、轮胎接地压力的车辆对路面平整度的破坏程度，建立车流量、车辆荷载与路面平整度损伤的量化关系。此外，还将考虑施工工艺（如摊铺速度、碾压温度和遍数、接缝处理方式等）、路面材料性能（沥青的针入度、软化点、延度，集料的级配、压碎值等）等因素对路面平整度的影响，通过实验和数据分析，确定各因素的影响权重。模型建立：在充分分析影响因素和收集大量数据的基础上，选择合适的数学方法建立沥青路面平整度数学模型。鉴于沥青路面平整度影响因素的复杂性和非线性关系，拟采用机器学习中的随机森林算法进行模型构建。随机森林算法具有强大的非线性建模能力，能够处理高维数据和复杂的非线性关系，同时对数据中的噪声和异常值具有较好的鲁棒性。通过将路面实测数据和对应的影响因素作为输入特征，路面平整度指标作为输出标签，对随机森林模型进行训练和优化，确定模型的最佳参数，如决策树的数量、最大深度、分裂节点的最小样本数等，使模型能够准确地捕捉各因素与沥青路面平整度之间的复杂关系，实现对沥青路面平整度的精准预测。模型验证：使用独立的实测数据对建立的数学模型进行严格验证，评估模型的准确性和可靠性。将验证数据输入模型，得到预测的路面平整度结果，与实际测量的平整度数据进行对比分析，计算模型的预测误差指标，如均方根误差（RMSE）、平均绝对误差（MAE）、决定系数（R²）等。通过这些指标全面评估模型的预测精度，判断模型是否能够准确地反映实际路面平整度的变化情况。若模型预测误差较大，深入分析原因，对模型进行调整和优化，如增加训练数据、调整模型参数、改进模型结构等，直至模型达到满意的预测精度。模型应用：将经过验证和优化的数学模型应用于实际道路工程中，实现对沥青路面平整度变化趋势的预测和评估。根据预测结果，为道路管理部门制定科学合理的养护计划和维修决策提供有力支持。在道路养护规划方面，通过模型预测不同路段在未来一段时间内的平整度变化情况，提前确定需要重点养护的路段和时间节点，合理分配养护资源，采取预防性养护措施，如微表处、雾封层等，延缓路面平整度的下降，降低养护成本。在道路维修决策中，根据模型预测的路面损坏程度和发展趋势，确定最佳的维修时机和维修方案，选择合适的维修材料和工艺，提高道路维修的效果和效率，保障道路的安全畅通和良好的使用性能。本研究采用多种研究方法，以确保研究的科学性和有效性：实地测量：运用高精度的路面检测设备，如激光平整度仪、惯性导航平整度检测系统等，对不同类型和条件的沥青路面进行实地测量。这些设备能够快速、准确地获取路面的高程信息和几何形状数据，为后续的数据分析和模型建立提供可靠的原始数据支持。在测量过程中，严格按照相关标准和规范操作，确保测量数据的准确性和一致性。数据分析：运用统计学方法对收集到的大量路面实测数据和影响因素数据进行深入分析。通过描述性统计分析，了解数据的基本特征和分布情况；运用相关性分析，确定各影响因素与路面平整度之间的线性相关程度；采用主成分分析等降维方法，对高维数据进行处理，提取主要特征，减少数据冗余，提高数据分析效率和模型的训练速度。统计建模：基于数据分析结果，运用机器学习算法建立沥青路面平整度数学模型。在建模过程中，采用交叉验证等方法对模型进行训练和评估，优化模型参数，提高模型的泛化能力和预测精度。同时，对模型的性能进行全面的评估和分析，与其他传统模型进行对比，验证所建模型的优越性和可靠性。二、沥青路面平整度相关理论2.1沥青路面平整度的概念与意义沥青路面平整度是指路面表面相对于理想平面的竖向偏差，是衡量路面质量和使用性能的关键指标之一。它主要反映路面纵断面剖面曲线的平整性，当该曲线相对平滑时，表明路面相对平整，平整度较好；反之，则平整度较差。良好的路面平整度是确保道路具备优良使用性能的基础，对道路的全生命周期有着深远影响。从行车安全角度来看，平整度直接关系到车辆行驶的稳定性和操控性。在平整度良好的沥青路面上，车辆行驶时车轮与路面接触均匀，车辆能够按照驾驶员的意图平稳行驶，制动和转向性能得到有效保障。当路面平整度不佳，存在坑洼、凸起或波浪等不平整状况时，车辆行驶过程中会产生颠簸和振动，这不仅会干扰驾驶员的正常操作，分散其注意力，还可能导致车辆失控，增加交通事故的发生风险。在高速行驶时，这种影响更为显著，即使是微小的路面不平整，也可能因车辆速度的放大作用，对行车安全构成严重威胁。有研究表明，路面平整度每下降一定程度，交通事故的发生率会相应上升，尤其是在弯道、陡坡等特殊路段，不平整的路面更容易引发车辆侧滑、翻车等严重事故。行车舒适性是衡量道路服务水平的重要指标，而沥青路面平整度在其中起着决定性作用。平整的路面能使车辆行驶平稳，减少乘客的颠簸感和不适感，为乘客营造舒适的出行环境。相反，不平整的路面会使车辆产生剧烈振动，乘客会感受到明显的颠簸，长时间乘坐会导致身体疲劳，甚至引发晕车等不适症状。在长途旅行中，路面平整度对行车舒适性的影响更加突出，良好的平整度可以让乘客在旅途中放松身心，提高出行的愉悦感；而较差的平整度则会让旅途变得疲惫不堪，降低乘客对道路服务的满意度。对于公共交通，如公交车、长途客车等，路面平整度还会影响乘客的上下车安全和舒适度，关系到公共交通的服务质量和形象。路面使用寿命与沥青路面平整度紧密相连，相互影响。平整度良好的路面，车辆荷载能够均匀地分布在路面结构层上，使路面各部分承受的应力相对均衡，减少局部应力集中现象。这样可以有效降低路面结构的疲劳损伤，延缓路面裂缝、车辙、坑槽等病害的产生和发展，从而延长路面的使用寿命。而路面平整度差时，车辆行驶过程中会对路面产生额外的冲击力和振动荷载，这些附加荷载会加剧路面材料的疲劳破坏，加速路面的损坏进程。坑洼处会使车轮陷入，增加车轮与路面的摩擦力，导致路面材料磨损加剧；凸起部位则会承受更大的压力，容易引发路面的局部变形和损坏。据统计，在相同交通荷载和环境条件下，平整度差的路面使用寿命比平整度良好的路面可缩短[X]%以上，这意味着需要更频繁地进行路面维修和重建，增加了道路建设和维护的成本。2.2平整度评价指标2.2.1国际平整度指数（IRI）国际平整度指数（InternationalRoughnessIndex，IRI）是以四分之一车在速度为80km/h时的累积竖向位移值为IRI值，单位用m/km。它是一项标准化的平整度指标，旨在为不同测定方法和仪器所得结果提供一个统一、可对比的衡量标准。在实际计算中，IRI通过数学模型模拟车轮（单轮，类似拖车）以规定速度行驶在路面上，分析行驶距离内动态反应悬挂系的累积竖向位移量来确定。具体而言，先求得每个位置的变量值，计算该位置的调整坡（RS），IRI即为路段长度内RS变量的平均值。当获取纵断面的高程资料后，可按抽样点间距利用专门编制的电算程序计算该段路面平整度的IRI值。IRI在国际上应用极为广泛，众多国家将其作为路面平整度评价的关键指标，纳入道路管理系统和质量验收标准。在道路建设中，IRI用于衡量新建道路的平整度质量，确保道路符合设计要求和使用标准；在道路养护管理方面，通过定期检测IRI，可及时掌握路面平整度的变化情况，为养护决策提供科学依据。当IRI值超过一定阈值时，提示需要对路面进行维修或养护，以恢复其平整度，保障行车安全和舒适性。美国联邦公路管理局规定，新建的高速公路的IRI最大值应小于70。在路面性能评价中，IRI也是重要的参考指标之一，与路面的行驶舒适度、车辆磨损、行驶速度等因素密切相关。数值越小，表示道路越平整，车辆行驶时的振动和颠簸越小，行驶舒适度越高，车辆磨损和燃油消耗也相应降低；反之，IRI值越大，路面平整度越差，会影响行车速度，增加车辆零部件的磨损，降低行车安全性和舒适性。2.2.2其他常用指标除国际平整度指数外，标准差、最大间隙也是常用的平整度评价指标。标准差（σ）是反映路面平整度离散程度的指标，我国多采用3M长、8个轮组成基架的连续式平整度仪测量路面不平整度，该仪器在8-12KM／H速度下测量，每100M长输出一个不平整度值标准差（mm），常称平整度均方差指标值。标准差越小，说明路面平整度越好，各点的平整度越接近平均值，路面表面相对均匀、平滑；标准差越大，则表示路面平整度离散性大，存在较多的高低起伏，路面质量不稳定。最大间隙通常采用3m直尺法测量，将3m直尺纵向放置在行车道一侧车轮轮迹（距车道标线80-100CM）上，用有高度标线的塞尺塞进直尺与路面之间的最大间隙处，量测最大间隙的高度H（mm），要求准确至2mm。3m直尺法用测定尺底距离路表面的最大间隙H来表示路面的平整度，以mm计。该方法操作简便，成本较低，但只能进行间断性检测，检测效率较低，且受人为因素影响较大，只能大致反映路面局部的平整度状况，无法全面、准确地评估整个路面的平整度。标准差、最大间隙等指标与IRI之间存在一定的关系。在实际应用中，可通过建立相关的换算公式，将不同指标的测量结果进行转换，以便于对比和分析。京津塘高速公路的研究得出σ=0.6887×IRI-0.7968的换算公式。这些不同的评价指标各有其适用场景。IRI适用于全面、综合地评价路面平整度，尤其在大规模道路检测和长期路面性能监测中具有优势，能够为道路管理和决策提供系统的平整度信息；标准差常用于施工过程中的质量控制和小范围路面平整度检测，通过对标准差的监测，施工人员可以及时发现施工过程中出现的平整度问题，调整施工工艺和参数，确保路面施工质量；最大间隙指标则在路基、路面底基层、基层过程控制及质量验收中应用较多，对于初步判断路面是否存在明显的不平整，以及在一些对检测精度要求不高的场合，具有操作简便、直观的优点。2.3路面平整度的影响因素2.3.1施工因素施工环节对沥青路面平整度有着直接且关键的影响，涉及多个方面，包括材料质量、摊铺工艺、压实度等。材料质量是影响路面平整度的基础因素。沥青作为沥青混合料的关键组成部分，其质量直接关系到路面的性能。优质的沥青应具备适宜的针入度、软化点和延度，能确保沥青混合料在不同温度条件下保持良好的粘结性和柔韧性。针入度反映沥青的软硬程度，合适的针入度可使沥青在常温下具有适当的稠度，便于施工和保证路面的耐久性；软化点决定沥青的耐热性能，较高的软化点能防止沥青在高温环境下软化流淌，维持路面的稳定性；延度体现沥青的拉伸性能，较大的延度可使沥青在受到外力作用时不易断裂，增强路面的抗裂能力。若沥青质量不达标，如针入度偏大，会导致路面在高温时发软，易出现车辙、拥包等病害，影响平整度；针入度偏小，则在低温时沥青变脆，路面易产生裂缝。集料的品质同样不容忽视。集料的粒径分布、形状、压碎值等指标对沥青混合料的性能和路面平整度影响显著。均匀的粒径分布能保证沥青混合料的级配合理，使路面受力均匀，减少局部应力集中导致的不平整；形状规则、接近立方体的集料，可增强沥青混合料的嵌挤作用，提高路面的稳定性和平整度；压碎值低的集料表明其强度高，能承受车辆荷载的反复作用，不易破碎，从而维持路面的平整度。若集料级配不合理，大粒径集料过多，会导致沥青混合料离析，摊铺时出现局部粗、细集料分布不均的现象，压实后路面表面不平整；集料压碎值过大，在车辆荷载作用下易破碎，使路面结构遭到破坏，出现坑洼、松散等病害，降低平整度。摊铺工艺是确保路面平整度的关键环节。摊铺机的性能和操作对摊铺质量起着决定性作用。摊铺机的结构参数应稳定可靠，行走装置应能保证摊铺机匀速行驶，否则会导致摊铺厚度不均匀，出现波浪、搓板等不平整现象。在实际施工中，若摊铺机的熨平板工作仰角调整不当，会使摊铺后的混合料表面高低不平；摊铺机起步或停止时操作不平稳，会造成局部混合料堆积或缺失，影响路面平整度。此外，摊铺速度应与拌和站的生产能力相匹配，保持摊铺过程的连续性和稳定性。若摊铺速度过快，会导致混合料供应不足，出现停机待料的情况，使路面形成明显的施工缝，影响平整度；摊铺速度过慢，则会降低施工效率，且可能因混合料在摊铺机内停留时间过长，温度降低，影响压实效果和平整度。压实度是保证路面强度和平整度的重要指标。压实不足会导致路面承载能力下降，在车辆荷载作用下易产生变形和车辙，影响平整度。而过度压实则可能使沥青混合料过度密实，导致路面脆性增加，容易出现裂缝。碾压温度对压实效果和平整度也有重要影响，初压温度过高，沥青混合料流动性大，容易产生推移和波浪；初压温度过低，混合料难以压实，会出现压实度不足的问题。复压和终压温度同样需要严格控制，以确保路面的压实质量和平整度。碾压遍数和碾压方式也不容忽视，碾压遍数不足无法使路面达到规定的压实度；碾压方式不当，如碾压路线不规范、碾压重叠宽度不足等，会导致路面压实不均匀，出现局部不平整。2.3.2使用因素在沥青路面的使用过程中，交通荷载、气候条件、养护措施等因素对其平整度有着重要的影响。交通荷载是导致沥青路面平整度下降的主要因素之一。随着交通量的不断增加，尤其是重载车辆的频繁行驶，路面承受的荷载日益增大。重载车辆的轴重较大，对路面产生的压力和冲击力远超设计标准，容易使路面结构层产生疲劳破坏。在车轮的反复碾压下，路面会逐渐出现车辙、坑槽、裂缝等病害，这些病害直接破坏了路面的平整度。车辙是由于车辆荷载的反复作用，使路面材料在高温时产生侧向流动而形成的纵向凹槽，车辙深度的增加会导致车辆行驶时出现颠簸和晃动，严重影响行车安全和舒适性；坑槽则是由于路面局部材料的脱落或损坏形成的空洞，车辆行驶经过坑槽时会产生剧烈的振动和冲击，不仅降低了行车的舒适性，还会加速车辆零部件的磨损；裂缝的产生会导致路面结构的整体性受损，水分容易渗入路面结构层，进一步加剧路面的损坏，降低平整度。此外，不同车型的轮胎接地压力和行驶轨迹也会对路面平整度产生不同程度的影响。大型货车的轮胎接地压力大，对路面的压实作用明显，容易使路面产生不均匀的沉降和变形；而小型车辆的行驶轨迹相对集中，会导致路面局部区域承受的荷载过大，加速路面的损坏。气候条件对沥青路面平整度的影响也十分显著。温度变化是影响路面平整度的重要气候因素之一。在高温季节，沥青路面的温度升高，沥青材料变软，在车辆荷载作用下容易产生塑性变形，导致路面出现车辙、拥包等病害。在夏季高温时段，路面温度可达60℃以上，此时沥青的粘度降低，抵抗变形的能力减弱，重载车辆行驶过后，路面很容易出现车辙。而在低温季节，沥青路面的温度降低，沥青材料变硬变脆，抗变形能力下降，容易产生收缩裂缝。当气温骤降时，路面材料会因收缩不均匀而产生裂缝，这些裂缝会逐渐扩展，最终导致路面平整度下降。此外，降雨、降雪等降水天气会使路面结构层受到水的侵蚀，降低路面材料的强度和稳定性。雨水渗入路面结构层后，会使沥青与集料之间的粘结力减弱，导致集料脱落，形成坑槽；在冬季，降雪后若不及时清除，雪水在路面结冰，车辆行驶时会对路面产生额外的冲击力，加速路面的损坏。养护措施是保持沥青路面平整度的重要手段。及时、有效的养护可以延缓路面病害的发展，延长路面的使用寿命。定期的路面巡查能够及时发现路面出现的病害，如裂缝、坑槽、车辙等，并采取相应的维修措施，防止病害进一步扩大。对于轻微的裂缝，可以采用灌缝的方法进行处理，阻止水分渗入路面结构层，避免裂缝进一步扩展；对于坑槽，则需要及时进行修补，填补坑槽内的空洞，恢复路面的平整度。此外，合理的预防性养护措施，如封层、罩面等，可以增强路面的防水、抗滑和耐磨性能，延缓路面的老化和损坏，保持路面的平整度。封层可以在路面表面形成一层保护膜，防止水分和氧气对路面材料的侵蚀；罩面则可以在不改变路面结构的前提下，提高路面的平整度和抗滑性能。然而，如果养护措施不到位，如养护不及时、维修方法不当等，会导致路面病害得不到及时处理，加速路面平整度的下降。若裂缝长期未进行处理，水分会不断渗入路面结构层，使裂缝两侧的路面材料逐渐松散，形成更大的坑槽；维修坑槽时若材料选择不当或施工工艺不规范，修补后的路面可能会出现不平整的情况，影响行车舒适性。三、路面实测数据收集与预处理3.1数据收集方案设计为全面、准确地获取能够反映沥青路面平整度状况及其影响因素的数据，本研究精心设计了数据收集方案，确保数据的科学性、可靠性和代表性。在测量路段的选择上，遵循多维度的原则，综合考虑路段的交通流量、地形条件、使用年限等因素。交通流量方面，选取高、中、低不同交通流量的路段。高交通流量路段，如城市主干道、高速公路的繁忙路段，车流量大，车辆荷载作用频繁，对路面平整度的影响显著，能反映在重载交通和高频次荷载下路面平整度的变化情况；中等交通流量路段，通常是城市次干道或一般公路，其交通状况具有一定的普遍性，可作为研究路面平整度在常规交通条件下变化规律的典型样本；低交通流量路段，如一些偏远地区的公路或交通量较小的支线道路，车辆荷载作用相对较少，通过对这类路段的监测，可分析在较轻交通荷载下路面平整度的自然衰减情况，以及其他非交通因素（如气候、地质条件等）对路面平整度的影响。地形条件是另一个重要的考虑因素，涵盖平原、山区、丘陵等不同地形类型的路段。平原地区地势平坦，路面受地形影响相对较小，主要研究交通荷载和施工质量等因素对平整度的作用；山区路段地形起伏大，纵坡和横坡变化复杂，路面不仅要承受车辆荷载，还需应对地形带来的额外应力，如在陡坡路段，车辆制动和启动频繁，对路面的冲击力较大，容易导致路面变形，通过对山区路段的测量，可深入分析地形因素与路面平整度之间的关系；丘陵地区兼具平原和山区的部分特点，地形有一定起伏，交通状况也较为多样，能为研究提供更丰富的数据样本，有助于全面了解不同地形条件下路面平整度的变化特性。使用年限不同的路段也被纳入测量范围，包括新建路段、使用5-10年的路段以及使用10年以上的老旧路段。新建路段可作为研究路面初始平整度的基准，分析施工质量对平整度的影响；使用5-10年的路段，处于路面性能的稳定变化期，能够研究在正常使用条件下，各种因素逐渐作用导致的路面平整度变化规律；使用10年以上的老旧路段，路面可能已经出现了较多的病害，如裂缝、车辙、坑槽等，通过对这些路段的测量，可探究路面平整度在长期使用过程中的恶化趋势，以及病害发展与平整度下降之间的关联。为确保数据的准确性和可靠性，本研究采用先进的激光平整度仪进行路面平整度数据的测量。激光平整度仪是一种基于激光测距技术和惯性测量单元（IMU）技术的高精度路面检测设备，具有检测速度快、精度高、自动化程度高的优点。它通过发射激光束，精确测量路面表面的高程信息，结合IMU测量的设备姿态数据，能够实时获取路面的纵断面剖面曲线，进而准确计算出路面的平整度指标，如国际平整度指数（IRI）。在测量过程中，严格按照相关标准规范执行操作流程。首先，在测量前对激光平整度仪进行全面的检查和校准，确保设备的各项参数准确无误。检查激光发射和接收装置是否正常工作，校准激光测距仪的测量精度，使其误差控制在允许范围内；同时，对IMU进行校准，保证其能够准确测量设备的加速度和角速度，为后续的路面高程计算提供可靠的数据支持。其次，根据测量路段的实际情况，合理设置测量参数。对于不同类型的路段，如直道、弯道、坡道等，设置不同的测量速度和采样间隔。在直道和较为平坦的路段，可适当提高测量速度，以提高检测效率，但采样间隔不宜过大，应保证能够准确捕捉路面的微小不平整；在弯道和坡道等特殊路段，降低测量速度，增加采样间隔，以确保能够完整地获取路面在复杂地形条件下的平整度信息。此外，在测量过程中，保持测量车辆的行驶稳定性，避免急加速、急减速和频繁转向等操作，确保测量数据的连续性和准确性。在数据采集过程中，还需对路段的其他相关信息进行详细记录。除了测量路段的桩号、长度等基本信息外，还需记录路段的交通状况，包括车流量、车型分布、车辆行驶速度等。车流量的统计可通过安装在路边的交通流量监测设备进行，按不同时间段（如早高峰、晚高峰、平峰期等）统计通过该路段的车辆数量；车型分布则通过人工观察或视频监控的方式，记录不同类型车辆（如小型客车、大型客车、轻型货车、重型货车等）的比例；车辆行驶速度可利用雷达测速仪或车载速度传感器进行测量，分析不同速度下车辆对路面平整度的影响。同时，详细记录测量时的气候条件，如气温、湿度、降雨量、日照时间等。气温和湿度的变化会影响沥青路面材料的性能，进而影响路面平整度；降雨量会导致路面结构层的水损害，加速路面病害的发展，降低平整度；日照时间则与路面的温度变化密切相关，影响路面的热胀冷缩变形。这些信息对于后续的数据分析和模型建立至关重要，能够全面考虑各种因素对沥青路面平整度的影响，提高模型的准确性和可靠性。3.2实测数据采集按照精心设计的数据收集方案，在选定的路段上，运用高精度的激光平整度仪、激光测距仪以及其他配套设备，展开了全面、细致的数据采集工作。激光平整度仪在行驶过程中，通过其高精度的激光测距传感器，以500mm的采样间隔，持续、快速地测量路面表面的高程信息。同时，借助惯性测量单元（IMU）实时监测设备的姿态变化，精确捕捉路面的纵断面剖面曲线。对于每一个测量路段，从起始点开始，沿着正常行车轨迹，匀速行驶，确保采集到的数据能够全面、准确地反映路面的平整度状况。在某段长度为5km的城市主干道上，激光平整度仪以60km/h的速度行驶，共采集到10000个路面高程数据点，这些数据点构成了该路段详细的路面纵断面信息。车辙深度的测量采用了先进的激光测距技术。通过在测量车辆上安装多组激光测距仪，从不同角度对路面进行扫描，获取路面横断面的相对高程数据。在处理这些数据时，利用专门开发的图像处理算法，准确识别车辙的位置和深度。在一段山区公路的测量中，通过激光测距仪对路面进行扫描，得到了该路段的路面横断面图像。经过图像处理算法分析，清晰地识别出了车辙的位置，并精确计算出车辙深度。其中，在一个弯道处，发现车辙深度最大达到了25mm，超出了正常范围，这表明该路段在弯道处受到车辆荷载的影响较大，路面结构出现了明显的变形。在某段高速公路的测量中，共采集到10个车辙深度数据，其中最小值为10mm，最大值为25mm，平均值为16mm。这些数据分布在不同的车道和路段位置，反映了该高速公路在不同区域的车辙情况。进一步分析发现，重载货车行驶频繁的车道，车辙深度明显大于其他车道，这说明交通荷载是影响车辙深度的重要因素之一。同时，在一些坡度较大的路段，车辙深度也相对较大，这与地形条件对路面的影响密切相关。除了路面高程差和车辙深度数据外，还详细记录了路段的其他相关信息。在交通状况方面，通过安装在路边的交通流量监测设备，统计了不同时间段的车流量。在早高峰时段（7:00-9:00），某城市主干道的车流量达到了每小时2000辆，其中小型客车占比60%，大型客车占比10%，轻型货车占比20%，重型货车占比10%；在晚高峰时段（17:00-19:00），车流量略有增加，达到每小时2200辆，车型分布基本保持不变。通过车载速度传感器测量了车辆行驶速度，在该主干道上，车辆的平均行驶速度在早高峰时段为40km/h，晚高峰时段为35km/h，平峰期为60km/h。这些交通状况数据为后续分析交通荷载对路面平整度的影响提供了重要依据。在气候条件方面，配备了专业的气象监测设备，实时记录测量时的气温、湿度、降雨量、日照时间等信息。在一次测量过程中，气温为30℃，相对湿度为60%，无降雨，日照时间充足。在另一次测量时，遇到了降雨天气，降雨量达到了10mm，气温下降到20℃，相对湿度增加到80%。这些气候条件的变化对沥青路面的性能产生了不同程度的影响，通过记录这些信息，能够深入研究气候因素与路面平整度之间的关系。例如，在高温天气下，沥青路面容易出现车辙，通过对比不同气温条件下的路面平整度数据，可以分析出气温对车辙深度的影响规律；在降雨天气下，路面的摩擦力会降低，车辆行驶时对路面的冲击力可能会增加，通过记录降雨量和路面平整度的变化，能够研究雨水对路面平整度的影响机制。3.3数据预处理方法3.3.1异常值处理在路面实测数据中，由于测量设备的偶然故障、环境干扰以及人为操作失误等原因，可能会出现异常值。这些异常值如果不加以处理，会对后续的数据分析和模型建立产生严重的干扰，导致模型的准确性和可靠性下降。因此，在进行数据分析之前，必须对实测数据中的异常值进行识别和剔除。本研究采用3σ准则来识别异常值。3σ准则基于正态分布的原理，对于服从正态分布的数据，数值分布在(μ-3σ,μ+3σ)区间内的概率为0.9973，即超出这个范围的数值出现的概率仅为0.27%，可以认为这些超出范围的数值是异常值。在实际应用中，首先计算数据的均值μ和标准差σ，然后确定异常值的阈值。具体来说，将均值μ加减3倍标准差3σ得到上下界，超出这个范围的数据值即为异常值。在一组路面平整度的实测数据中，计算得到均值μ为2.5m/km，标准差σ为0.3m/km，那么根据3σ准则，异常值的下界为2.5-3×0.3=1.6m/km，上界为2.5+3×0.3=3.4m/km，若数据中存在小于1.6m/km或大于3.4m/km的值，则将其判定为异常值。在识别出异常值后，对其进行剔除处理。剔除异常值时，需谨慎操作，确保不会误删正常数据。对于一些疑似异常值，若无法明确其是否为真正的异常值，可结合实际测量情况和专业知识进行判断。在某路段的车辙深度测量数据中，有一个数据点明显偏离其他数据，初步判断为异常值。但经过查阅测量记录和现场情况分析，发现该数据点是由于测量车辆在经过该位置时遇到了临时障碍物，导致测量结果出现偏差，因此将该数据点剔除。需要注意的是，3σ准则的应用前提是数据服从正态分布。若数据不服从正态分布，使用3σ准则可能会导致将正常值误判为异常值，或者保留了一些真实的异常值。在这种情况下，可以考虑使用其他的异常值检测方法，如箱线图法、Z-score法等。箱线图法通过绘制数据的四分位数和四分位距，来识别数据中的异常值；Z-score法是将数据进行标准化处理，计算每个数据点的Z-score值，根据Z-score值的大小来判断是否为异常值，通常将Z-score值大于3或小于-3的数据点视为异常值。在对某段路面的实测数据进行分析时，发现数据不服从正态分布，使用3σ准则进行异常值检测时，误判了一些正常数据。随后采用箱线图法进行检测，准确地识别出了真正的异常值，避免了对正常数据的误删，提高了数据的质量和可靠性。3.3.2数据平滑在路面实测过程中，由于测量设备的精度限制、测量环境的噪声干扰以及路面微观纹理的影响，采集到的数据往往存在一定的噪声，这些噪声会掩盖数据的真实趋势，影响对路面平整度变化规律的分析和模型的建立。因此，需要对数据进行平滑处理，以消除测量噪声，突出数据的主要特征和变化趋势。本研究采用移动平均法对数据进行平滑处理。移动平均法是一种简单而有效的数据平滑方法，其基本原理是通过计算一系列连续数据点的平均值来代替原始数据点，从而达到平滑数据的目的。具体实现步骤如下：首先，选择一个合适的窗口大小n，窗口大小的选择需要根据数据的特点和分析目的来确定，一般来说，窗口大小越大，平滑效果越明显，但也会使数据的细节信息丢失；窗口大小越小，对数据的细节保留较好，但平滑效果相对较弱。在实际应用中，可以通过试验不同的窗口大小，观察平滑后的数据效果，选择最合适的窗口大小。然后，从数据的起始位置开始，计算窗口内n个数据点的平均值，将该平均值作为窗口中心位置的数据点的平滑值。接着，将窗口向前移动一个数据点，再次计算窗口内数据点的平均值，作为新的窗口中心位置的数据点的平滑值，重复这个过程，直到处理完所有的数据点。在对某段路面平整度的实测数据进行平滑处理时，选择窗口大小为5，即每5个数据点计算一次平均值。对于前5个数据点，计算它们的平均值，将这个平均值作为第3个数据点的平滑值；然后将窗口向前移动一个数据点，计算第2到第6个数据点的平均值，作为第4个数据点的平滑值，以此类推，最终得到平滑后的路面平整度数据。移动平均法能够有效地减少数据中的短期波动，使数据的趋势更加明显和易于分析。通过平滑处理，可以消除测量噪声对数据的影响，提高数据的质量和稳定性，为后续的数据分析和模型建立提供更可靠的数据基础。与其他平滑方法相比，如指数平滑法、LOESS平滑法等，移动平均法具有计算简单、易于理解和实现的优点，适用于大多数路面实测数据的平滑处理。指数平滑法对近期数据赋予较高的权重，更适合处理具有明显趋势的数据；LOESS平滑法是一种局部回归平滑方法，适用于非线性数据，但计算较为复杂，需要一定的编程能力。在实际应用中，应根据数据的特性和分析目标选择合适的平滑方法。在对一些具有明显季节性变化的路面平整度数据进行分析时，指数平滑法能够更好地捕捉数据的趋势变化；而对于一些非线性变化较为复杂的数据，LOESS平滑法可能会取得更好的平滑效果。但对于一般的路面实测数据，移动平均法已经能够满足数据平滑的需求，且操作简便，计算效率高。四、沥青路面平整度数学模型的建立4.1模型构建思路本研究旨在建立一个全面、准确的沥青路面平整度数学模型，以实现对路面平整度的有效预测和评估。模型构建的总体思路是基于大量的路面实测数据，深入分析影响沥青路面平整度的各种因素，运用先进的数据分析方法和数学建模技术，建立起能够准确反映各因素与路面平整度之间复杂关系的数学模型。在数据收集阶段，通过实地测量和相关资料收集，获取了丰富的路面实测数据以及与路面平整度相关的各种影响因素数据。路面实测数据包括路面高程差、车辙深度、路面破损状况等直接反映路面平整度的关键参数，这些数据通过高精度的激光平整度仪、激光测距仪等设备进行测量，确保数据的准确性和可靠性。影响因素数据涵盖了地形、气候、交通荷载等多个方面，地形数据通过地形测量仪器获取，包括海拔高度、坡度、坡向等信息；气候数据通过气象站监测数据收集，包括年均温、降雨量、极端温度、湿度等参数；交通荷载数据通过交通流量监测设备和车辆称重系统获取，包括车流量、车型分布、车辆轴重、轮胎接地压力等信息。在影响因素分析阶段，采用定性与定量相结合的方法，深入研究各因素对沥青路面平整度的影响机制和程度。对于地形因素，通过建立地形模型，分析地形起伏对路面平整度的影响规律。在山区路段，由于地形起伏较大，路面在车辆荷载和地形应力的共同作用下，更容易出现沉降、裂缝等病害，从而导致路面平整度下降。通过对不同地形条件下路面平整度数据的对比分析，确定地形因素对路面平整度的影响权重。气候因素方面，研究温度变化、降雨、降雪等气候条件对路面材料性能和结构稳定性的影响。高温会使沥青软化，导致路面产生车辙；降雨会使路面结构层受水侵蚀，降低路面强度，进而影响平整度。通过实验和数据分析，建立气候因素与路面平整度变化之间的量化关系。交通荷载因素方面，分析不同车流量、车辆轴重和轮胎接地压力对路面平整度的破坏作用。重载车辆的频繁行驶会加速路面的疲劳损坏，导致路面出现坑槽、车辙等病害，降低平整度。通过对交通荷载数据和路面平整度数据的相关性分析，确定交通荷载因素对路面平整度的影响程度。在模型建立阶段，考虑到沥青路面平整度影响因素的复杂性和非线性关系，本研究选用随机森林算法进行模型构建。随机森林算法是一种基于决策树的集成学习算法，它通过构建多个决策树，并对这些决策树的预测结果进行综合，从而提高模型的预测精度和泛化能力。随机森林算法能够处理高维数据和复杂的非线性关系，对数据中的噪声和异常值具有较好的鲁棒性，非常适合用于建立沥青路面平整度数学模型。在构建随机森林模型时，将路面实测数据和对应的影响因素数据作为输入特征，路面平整度指标（如国际平整度指数IRI）作为输出标签。首先，对输入数据进行预处理，包括数据清洗、归一化等操作，以提高数据的质量和模型的训练效率。然后，通过交叉验证等方法对随机森林模型的参数进行优化，确定最佳的决策树数量、最大深度、分裂节点的最小样本数等参数。在训练过程中，随机森林模型通过对大量样本数据的学习，自动捕捉各因素与路面平整度之间的复杂关系，构建出准确的预测模型。通过这种方式，建立的随机森林模型能够充分考虑各种影响因素对沥青路面平整度的综合作用，实现对路面平整度的精准预测。4.2变量选择与量化在建立沥青路面平整度数学模型时，准确选择和量化变量是至关重要的环节，它直接关系到模型的准确性和可靠性。本研究综合考虑多方面因素，确定了一系列与沥青路面平整度密切相关的自变量和因变量，并对其中的定性变量进行了合理的量化处理。自变量的选择涵盖了多个关键方面。路面高程差是直接反映路面平整度的重要指标，通过高精度的激光平整度仪测量得到，它能够精确地捕捉路面在垂直方向上的微小起伏变化，为模型提供了路面平整度的基础数据。车辙深度也是影响路面平整度的关键因素之一，采用先进的激光测距技术进行测量，它反映了路面在车辆荷载长期作用下产生的纵向凹陷程度，车辙深度越大，路面平整度越差。车流量和车型分布数据通过安装在路边的交通流量监测设备和视频监控系统获取，车流量的大小决定了路面承受车辆荷载的频率和强度，不同车型的轴重、轮胎接地压力等差异会对路面产生不同程度的作用力，进而影响路面平整度。坡度信息通过地形测量仪器获取，坡度的变化会导致车辆行驶时对路面的作用力发生改变，在陡坡路段，车辆制动和启动频繁，对路面的冲击力较大，容易加速路面的损坏，降低平整度。气候条件中的气温、湿度、降雨量等因素也被纳入自变量范畴。气温的变化会使沥青路面材料发生热胀冷缩，高温时沥青变软，路面易产生车辙；低温时沥青变脆，路面易出现裂缝。湿度和降雨量会影响路面结构层的含水量，过多的水分会导致路面材料强度降低，加速路面病害的发展，从而影响平整度。这些气候数据通过气象站监测数据收集，为模型提供了气候因素对路面平整度影响的信息。因变量则选择国际平整度指数（IRI）作为沥青路面平整度的评价指标。IRI是国际上广泛采用的标准化平整度指标，它通过模拟车辆行驶过程中悬挂系统的竖向位移，综合反映路面的平整度状况，具有较高的科学性和可比性。在这些变量中，存在一些定性变量，如地形类型（平原、山区、丘陵）、路面结构类型等，为了将它们纳入数学模型进行分析，需要进行量化处理。对于地形类型，采用虚拟变量的方法进行量化。设定三个虚拟变量，分别为D_1（表示平原）、D_2（表示山区）、D_3（表示丘陵）。当路段为平原地形时，D_1=1，D_2=0，D_3=0；当路段为山区地形时，D_1=0，D_2=1，D_3=0；当路段为丘陵地形时，D_1=0，D_2=0，D_3=1。这样，通过虚拟变量的设置，将地形类型这一定性变量转化为可以在模型中进行运算的定量变量，能够准确地反映不同地形类型对沥青路面平整度的影响。对于路面结构类型，同样采用虚拟变量法。假设路面结构类型分为半刚性基层沥青路面、柔性基层沥青路面和复合式基层沥青路面，分别设置虚拟变量S_1、S_2、S_3。当路面为半刚性基层沥青路面时，S_1=1，S_2=0，S_3=0；当路面为柔性基层沥青路面时，S_1=0，S_2=1，S_3=0；当路面为复合式基层沥青路面时，S_1=0，S_2=0，S_3=1。通过这种方式，将路面结构类型这一定性变量量化，使其能够在模型中体现对沥青路面平整度的作用。通过合理选择自变量和因变量，并对定性变量进行科学的量化处理，为建立准确、可靠的沥青路面平整度数学模型奠定了坚实的基础，能够更全面、深入地分析各因素与路面平整度之间的复杂关系，实现对路面平整度的精准预测和评估。4.3模型建立过程4.3.1相关性分析在建立沥青路面平整度数学模型之前，深入分析各影响因素与路面平整度之间的相关性至关重要，这有助于筛选出对平整度具有显著影响的关键因素，提高模型的准确性和有效性。本研究运用皮尔逊相关系数（PearsonCorrelationCoefficient）来定量分析各因素与路面平整度（以国际平整度指数IRI表示）之间的线性相关程度。皮尔逊相关系数的计算公式为：r_{xy}=\frac{\sum_{i=1}^{n}(x_i-\bar{x})(y_i-\bar{y})}{\sqrt{\sum_{i=1}^{n}(x_i-\bar{x})^2\sum_{i=1}^{n}(y_i-\bar{y})^2}}其中，r_{xy}为变量x和y的皮尔逊相关系数，x_i和y_i分别为变量x和y的第i个观测值，\bar{x}和\bar{y}分别为变量x和y的均值，n为观测值的数量。皮尔逊相关系数的取值范围为[-1,1]，当r_{xy}>0时，表示两个变量正相关，即一个变量增大时，另一个变量也倾向于增大；当r_{xy}<0时，表示两个变量负相关，即一个变量增大时，另一个变量倾向于减小；当r_{xy}=0时，表示两个变量之间不存在线性相关关系。通过对收集到的大量路面实测数据进行计算，得到各因素与IRI的皮尔逊相关系数。在分析路面高程差与IRI的相关性时，计算得到皮尔逊相关系数为0.85，这表明路面高程差与IRI之间存在极强的正相关关系。路面高程差越大，说明路面的起伏越明显，不平整程度越高，从而导致IRI值越大，路面平整度越差。车辙深度与IRI的皮尔逊相关系数为0.78，也呈现出显著的正相关。车辙深度的增加会使路面的纵向平整度受到破坏，车辆行驶时产生颠簸，进而增大IRI值，降低路面平整度。车流量与IRI的皮尔逊相关系数为0.65，显示出较强的正相关。随着车流量的增大，路面承受的车辆荷载作用更加频繁和强烈，加速了路面的疲劳损坏，导致路面出现坑槽、车辙等病害，进而降低路面平整度，使IRI值升高。车型分布中，重型货车的比例与IRI的皮尔逊相关系数为0.72，表明重型货车比例的增加对路面平整度有较大的负面影响。重型货车的轴重较大，对路面的压力和冲击力更强，更容易使路面产生变形和损坏，降低平整度。坡度与IRI的皮尔逊相关系数为0.58，存在一定程度的正相关。在坡度较大的路段，车辆行驶时的重力分力会对路面产生额外的作用力，尤其是在车辆制动和启动时，对路面的冲击力更大，容易导致路面出现裂缝、车辙等病害，影响平整度。气温与IRI的皮尔逊相关系数为0.55，说明气温对路面平整度有一定影响。高温时，沥青路面材料变软，在车辆荷载作用下更容易产生塑性变形，形成车辙等病害，导致IRI值增大，平整度下降；低温时，沥青材料变脆，抗变形能力减弱，容易出现收缩裂缝，也会影响路面平整度。湿度与IRI的皮尔逊相关系数为0.48，湿度的增加会使路面结构层含水量增大，降低路面材料的强度和稳定性，加速路面病害的发展，从而降低平整度。降雨量与IRI的皮尔逊相关系数为0.52，大量降雨会使路面受到水的侵蚀，导致沥青与集料之间的粘结力减弱，集料脱落，形成坑槽等病害，降低路面平整度。通过相关性分析，筛选出路面高程差、车辙深度、车流量、重型货车比例、坡度、气温、湿度、降雨量等与路面平整度显著相关的因素，作为后续建立数学模型的关键自变量，为准确建立沥青路面平整度数学模型奠定了坚实基础。4.3.2回归模型选择与建立在深入分析各影响因素与路面平整度之间的相关性后，需要选择合适的回归模型来建立沥青路面平整度数学模型。由于沥青路面平整度受到多种复杂因素的综合影响，各因素之间可能存在非线性关系，因此本研究综合考虑模型的拟合能力、泛化能力以及计算复杂度等因素，选择随机森林回归模型来构建沥青路面平整度数学模型。随机森林回归模型是一种基于决策树的集成学习算法，它通过构建多个决策树，并对这些决策树的预测结果进行综合，从而提高模型的预测精度和泛化能力。在随机森林回归模型中，每个决策树的构建基于从原始数据集中有放回抽样得到的样本子集（即自助采样法，BootstrapSampling），并且在每个节点分裂时，从所有特征中随机选择一部分特征来寻找最佳分裂点。这种随机化的方法使得每个决策树之间具有一定的独立性，减少了模型的过拟合风险，提高了模型的稳定性和泛化能力。设X=[x_{ij}]_{n\timesm}为自变量矩阵，其中n为样本数量，m为自变量的个数，x_{ij}表示第i个样本的第j个自变量的值；Y=[y_1,y_2,\cdots,y_n]^T为因变量向量，其中y_i表示第i个样本的因变量（即国际平整度指数IRI）的值。随机森林回归模型的建立过程如下：自助采样：从原始数据集(X,Y)中有放回地抽取n个样本，形成k个自助样本集(X^{(1)},Y^{(1)}),(X^{(2)},Y^{(2)}),\cdots,(X^{(k)},Y^{(k)})，每个自助样本集的大小与原始数据集相同。决策树构建：对于每个自助样本集(X^{(i)},Y^{(i)})，构建一棵决策树T_i。在构建决策树的过程中，每个节点分裂时，从所有m个自变量中随机选择m_{try}个自变量（m_{try}<m），然后在这m_{try}个自变量中寻找最佳分裂点，以最大化信息增益或基尼系数等分裂准则。决策树的生长一直进行到节点的样本数小于某个阈值或所有节点的基尼系数小于某个阈值为止。预测与集成：对于新的样本x_{new}，每个决策树T_i都进行预测，得到预测值\hat{y}_{i}(x_{new})。最终的预测值\hat{y}(x_{new})为所有决策树预测值的平均值，即：\hat{y}(x_{new})=\frac{1}{k}\sum_{i=1}^{k}\hat{y}_{i}(x_{new})在实际应用中，使用Python中的Scikit-learn库来实现随机森林回归模型的建立和训练。首先，对自变量矩阵X和因变量向量Y进行归一化处理，将所有变量的值映射到[0,1]区间，以消除变量之间量纲的影响，提高模型的训练效果。然后，将数据集划分为训练集和测试集，通常按照70\%的数据用于训练，30\%的数据用于测试的比例进行划分。在训练过程中，通过交叉验证（如5折交叉验证）来优化随机森林回归模型的参数，包括决策树的数量n_estimators、最大深度max_depth、分裂节点的最小样本数min_samples_split、叶子节点的最小样本数min_samples_leaf等。经过多次试验和参数调整，最终确定的随机森林回归模型参数为：n_estimators=100，max_depth=10，min_samples_split=2，min_samples_leaf=1。在这个参数设置下，模型在训练集上能够较好地拟合数据，同时在测试集上也具有较好的泛化能力，能够准确地预测沥青路面的平整度。五、模型验证与分析5.1模型验证方法为了全面、准确地评估所建立的沥青路面平整度数学模型的准确性和可靠性，本研究采用了多种科学严谨的模型验证方法，包括交叉验证、残差分析等。交叉验证是一种广泛应用于模型评估的方法，它能够有效避免模型在训练过程中出现过拟合现象，提高模型的泛化能力。本研究采用了10折交叉验证法。具体操作过程如下：首先，将收集到的所有路面实测数据随机划分为10个大小相近的子集，每个子集都包含路面平整度数据以及对应的各种影响因素数据。在每次验证过程中，选取其中9个子集作为训练集，用于训练随机森林回归模型，剩下的1个子集作为测试集，用于评估模型的性能。通过这种方式，模型可以在不同的数据子集上进行训练和测试，充分利用所有的数据信息，从而更全面地评估模型的泛化能力。经过10次这样的训练和测试过程，得到10组模型的预测结果和相应的评估指标，最后对这10组结果进行综合分析，取平均值作为模型的最终评估指标，以减少因数据划分随机性带来的误差。在某一次10折交叉验证中，模型在第一个测试集上的均方根误差（RMSE）为0.85，在第二个测试集上的RMSE为0.92，以此类推，通过对10次结果的平均，得到最终的RMSE为0.88，这个结果能够更客观地反映模型在不同数据上的表现。残差分析是另一种重要的模型验证方法，它通过分析模型预测值与实际观测值之间的差异（即残差），来评估模型的拟合效果和数据中是否存在异常情况。残差的计算公式为：e_i=y_i-\hat{y}_i其中，e_i为第i个样本的残差，y_i为第i个样本的实际观测值（即实际的国际平整度指数IRI值），\hat{y}_i为第i个样本的模型预测值。理想情况下，残差应该是随机分布的，且均值为0，不存在明显的趋势或规律。若残差呈现出一定的趋势，如随着自变量的增大或减小而呈现出线性变化趋势，或者存在周期性波动，这表明模型可能没有充分捕捉到数据中的某些重要信息，模型的拟合效果不佳，需要进一步改进。若残差中存在个别绝对值较大的异常值，可能意味着数据中存在错误或异常样本，或者模型对这些样本的拟合效果较差，需要对这些异常值进行深入分析和处理。在对某段路面平整度数据进行残差分析时，绘制残差与预测值的散点图，发现大部分残差围绕着0上下随机分布，但有少数几个残差的绝对值较大，通过进一步检查原始数据，发现这些异常残差对应的样本在测量过程中受到了外界干扰，导致数据不准确，对这些样本进行重新测量或剔除处理后，模型的拟合效果得到了明显改善。5.2验证结果分析通过10折交叉验证法对建立的随机森林回归模型进行验证，得到了一系列评估指标，全面展示了模型的性能表现。在10折交叉验证中，模型的均方根误差（RMSE）平均值为0.88m/km。均方根误差是衡量模型预测值与实际观测值之间偏差程度的重要指标，它反映了模型预测结果的离散程度。RMSE值越小，说明模型的预测值与实际值越接近，模型的预测精度越高。本研究中，0.88m/km的RMSE平均值表明模型在预测沥青路面平整度时，平均误差控制在相对较小的范围内，能够较为准确地预测路面平整度的变化。平均绝对误差（MAE）平均值为0.72m/km。平均绝对误差是所有预测值与实际值误差的绝对值的平均值，它能直观地反映模型预测误差的平均大小。与RMSE相比，MAE对所有误差点一视同仁，不考虑误差的平方项，因此更能体现模型预测误差的平均水平。0.72m/km的MAE平均值说明模型在整体上的预测误差相对较小，能够较好地逼近实际的路面平整度值。决定系数（R²）平均值达到了0.85。决定系数用于衡量模型对数据的拟合优度，它表示模型能够解释的因变量变异的比例，取值范围在0到1之间，越接近1表示模型对数据的拟合效果越好。本研究中，0.85的R²平均值表明模型能够解释85%的路面平整度变化，说明模型对数据的拟合效果较好，能够有效地捕捉到各影响因素与路面平整度之间的关系，具有较高的可靠性和预测能力。通过绘制残差图对模型进行残差分析，进一步验证模型的可靠性。在残差图中，横坐标表示模型的预测值，纵坐标表示残差。理想情况下，残差应该围绕着0上下随机分布，不存在明显的趋势或规律。从绘制的残差图来看，大部分残差点均匀地分布在0线附近，没有出现明显的聚集或异常趋势，这表明模型的残差符合正态分布的假设，模型对数据的拟合效果较好，能够准确地反映各因素与路面平整度之间的关系。在某些预测值附近，残差的分布相对集中，说明模型在这些区域的预测精度较高；而在个别预测值处，残差的绝对值略大，但整体上仍在可接受的范围内，可能是由于这些样本受到一些特殊因素的影响，或者数据本身存在一定的测量误差。与其他研究中建立的沥青路面平整度模型相比，本研究建立的随机森林回归模型在预测精度上具有明显优势。在一项采用多元线性回归模型的研究中，其RMSE值达到了1.2m/km，MAE值为0.9m/km，R²值为0.72。与之相比，本研究模型的RMSE和MAE值更小，R²值更高，说明本模型能够更准确地预测沥青路面平整度，对数据的拟合效果更好。在另一项基于人工神经网络模型的研究中，虽然该模型在训练集上表现出较高的精度，但在测试集上的泛化能力较差，容易出现过拟合现象，导致预测误差较大。而本研究的随机森林回归模型通过采用自助采样和随机特征选择等方法，有效地减少了过拟合风险，提高了模型的泛化能力，在测试集上也能保持较好的预测性能。综上所述，通过10折交叉验证和残差分析，以及与其他模型的对比，充分验证了本研究建立的基于随机森林回归算法的沥青路面平整度数学模型具有较高的预测精度和可靠性，能够准确地预测沥青路面的平整度变化，为道路管理部门制定科学合理的养护计划和维修决策提供了有力的支持。5.3模型的影响因素分析通过对建立的随机森林回归模型中各影响因素的特征重要性进行分析，可以清晰地确定各因素对沥青路面平整度的影响程度和方向，为深入理解路面平整度变化的内在机制提供关键依据。在随机森林回归模型中，特征重要性是通过计算每个特征在所有决策树中对节点分裂的贡献程度来确定的。具体来说，使用基尼不纯度（GiniImpurity）或信息增益（InformationGain）等指标来衡量节点分裂的效果，某个特征在所有决策树中对节点分裂的贡献越大，其特征重要性就越高，表明该特征对模型预测结果的影响越大。经过对模型的详细分析，发现路面高程差对沥青路面平整度的影响最为显著，其特征重要性得分达到了0.35。路面高程差直接反映了路面表面在垂直方向上的起伏程度，高程差越大，路面的不平整程度就越高，国际平整度指数IRI也会相应增大，从而导致路面平整度下降。在一些新建道路中，由于施工过程中对路面高程的控制不够精确，存在局部的高程偏差，这些偏差在车辆荷载的作用下逐渐显现，导致路面出现坑洼、凸起等不平整现象，严重影响了路面的平整度。车辙深度也是影响沥青路面平整度的关键因素之一，其特征重要性得分约为0.28。车辙是路面在车辆荷载长期作用下产生的纵向凹陷变形，车辙深度的增加会破坏路面的纵向平整度，使车辆行驶时产生颠簸和晃动，进而降低路面平整度。在交通流量大、重载车辆频繁行驶的路段，车辙深度往往较大，这是因为重载车辆的轴重较大，对路面产生的压力和摩擦力也较大，容易使路面材料产生塑性变形，形成车辙。车流量和重型货车比例对路面平整度也有较大影响，其特征重要性得分分别为0.18和0.15。随着车流量的增大，路面承受的车辆荷载作用更加频繁和强烈，加速了路面的疲劳损坏，导致路面出现坑槽、车辙等病害，进而降低路面平整度。重型货车的轴重和轮胎接地压力都比普通车辆大，对路面的破坏力更强，重型货车比例的增加会显著加大路面的损坏程度，降低路面平整度。在一些高速公路的重载交通路段，由于车流量大且重型货车占比较高，路面在短时间内就出现了严重的车辙和坑槽病害，路面平整度急剧下降。坡度、气温、湿度和降雨量等因素也对沥青路面平整度产生一定的影响，其特征重要性得分相对较低，但仍不容忽视。坡度与路面平整度之间存在正相关关系，在坡度较大的路段，车辆行驶时的重力分力会对路面产生额外的作用力，尤其是在车辆制动和启动时，对路面的冲击力更大，容易导致路面出现裂缝、车辙等病害，影响平整度。气温的变化会使沥青路面材料发生热胀冷缩，高温时沥青变软，路面易产生车辙；低温时沥青变脆，路面易出现裂缝，从而影响路面平整度。湿度和降雨量会影响路面结构层的含水量，过多的水分会导致路面材料强度降低，加速路面病害的发展，进而降低平整度。在山区的一些陡坡路段，由于坡度大，车辆行驶时对路面的冲击力大，加上降雨较多，路面容易出现裂缝和坑槽，平整度较差；在高温季节，气温较高的地区路面车辙现象更为明显，这与气温对沥青路面材料性能的影响密切相关。通过对模型影响因素的分析，明确了各因素对沥青路面平整度的影响程度和方向，为道路管理部门采取针对性的措施来改善和维护路面平整度提供了科学依据。在道路设计和施工阶段，可以根据不同路段的交通流量、地形条件等因素，合理设计路面结构和施工工艺，提高路面的初始平整度；在道路运营阶段，加强对交通荷载的管理，限制重载车辆的通行，及时对路面病害进行修复，同时关注气候条件的变化，采取相应的防护措施，以延缓路面平整度的下降，延长路面的使用寿命。六、模型应用与案例分析6.1模型在路面平整度预测中的应用为了充分验证所建立的沥青路面平整度数学模型的实际应用价值，本研究选取了某段实际道路作为案例进行深入分析。该道路位于城市的主要交通干道，建成通车已有5年，交通流量较大，且重型货车通行较为频繁。利用之前建立的随机森林回归模型，对该路段未来3年内的平整度变化情况进行了预测。在预测过程中，将该路段的历史交通流量数据、车型分布、气候条件（包括气温、湿度、降雨量等）以及路面的初始状况（如路面高程差、车辙深度等）作为模型的输入参数。根据该路段过往的交通监测数据，平均每日车流量约为5000辆，其中重型货车占比达到20%。在气候条件方面，该地区年均温为20℃，年平均降雨量为1000mm，相对湿度常年保持在60%左右。路面的初始国际平整度指数（IRI）为2.0m/km，车辙深度平均为15mm。通过模型的计算，得到了该路段未来3年的平整度预测结果。预测显示，在未来第1年，由于交通荷载的持续作用以及气候条件的影响，该路段的IRI值将上升至2.3m/km，车辙深度将增加到18mm。在这一年中，路面的平整度开始出现明显下降，主要原因是重型货车的频繁行驶对路面造成了较大的破坏，同时夏季的高温天气使得沥青路面材料变软，在车辆荷载作用下更容易产生塑性变形，导致车辙深度增加，进而影响了路面的平整度。到未来第2年，IRI值预计将进一步上升至2.7m/km，车辙深度达到22mm。随着时间的推移，路面的损坏逐渐累积，交通荷载和气候因素的综合作用使得路面病害进一步发展。路面可能会出现更多的坑槽和裂缝，这些病害不仅会直接降低路面的平整度，还会加速路面的损坏进程。在未来第3年，IRI值预计将达到3.2m/km，车辙深度将达到28mm。此时，路面的平整度已经严重下降，车辆行驶时会产生明显的颠簸和晃动，极大地影响了行车的舒适性和安全性。如果不及时采取有效的养护措施，路面的损坏将继续加剧，可能会导致道路无法正常使用。通过对该路段未来3年平整度变化的预测，可以清晰地看到路面平整度的恶化趋势。这为道路管理部门制定科学合理的养护计划提供了重要依据。根据预测结果，道路管理部门可以提前规划，在路面平整度下降到一定程度之前，采取预防性养护措施，如封层、罩面等，以延缓路面病害的发展，提高路面的平整度和使用寿命。在未来第1年，当预测到IRI值上升至2.3m/km时，道路管理部门可以及时对该路段进行微表处处理，填补路面的微小裂缝和坑洼，增强路面的防水和耐磨性能，延缓路面平整度的进一步下降。在未来第2年，当IRI值达到2.7m/km时，可以考虑进行罩面处理，在路面表面铺设一层新的沥青混合料，提高路面的平整度和抗滑性能。这样，通过提前采取养护措施，可以有效地降低道路的维护成本，保障道路的安全畅通，提高道路的服务水平。6.2模型在路面维护决策中的应用通过所建立的沥青路面平整度数学模型进行精准预测，能够为道路管理部门制定科学合理的路面维护计划提供有力依据，涵盖确定维护时机、选择维护措施等关键方面，进而带来显著的经济效益和社会效益。在维护时机的确定上，模型发挥着至关重要的作用。根据模型对路面平整度未来变化趋势的预测，当预测到某路段的国际平整度指数（IRI）在未来一段时间内将接近或超过设定的维护阈值时，即可判定该路段需要进行维护。在某城市的一条主要交通干道上，模型预测显示在未来1年内，该路段的IRI值将从当前的2.5m/km上升至3.2m/km，而该地区设定的维护阈值为3.0m/km。基于此预测结果，道路管理部门提前规划，将该路段的维护工作提上日程，及时安排在未来1年内进行维护，避免了路面平整度进一步恶化，减少了因路面状况不佳导致的交通事故风险和交通拥堵。维护措施的选择同样依赖于模型的预测结果。对于平整度下降较轻，IRI值在2.5-3.0m/km之间的路段，可采用预防性养护措施，如微表处、雾封层等。微表处是一种将聚合物改性乳化沥青、集料、填料、水和添加剂等按照一定比例混合后，均匀摊铺在路面上的预防性养护技术。它能够填补路面的微小裂缝和坑洼，改善路面的抗滑性能和平整度，延缓路面病害的发展，费用相对较低，每平方米的施工成本约为30-50元。雾封层则是将乳化沥青或改性乳化沥青等材料喷洒在路面表面，形成一层保护膜，防止水分和氧气对路面材料的侵蚀，提高路面的防水性能和耐久性，每平方米的施工成本约为10-20元。当IRI值在3.0-4.0m/km之间，路面出现较为明显的病害，如较深的车辙、较大面积的坑槽等时，可采用罩面的维护措施。罩面是在原有路面上加铺一层新的沥青混合料，能够有效改善路面的平整度和抗滑性能，提高路面的承载能力。根据罩面厚度和材料的不同，每平方米的施工成本在80-150元之间。在某高速公路的一段车辙较为严重的路段，IRI值达到了3.5m/km，通过采用4cm厚的AC-13沥青混凝土罩面，路面的平整度得到了显著改善，IRI值降低至2.0m/km以下，车辆行驶的舒适性和安全性得到了有效提升。对于IRI