一种基于数据挖掘的公路路面预防性养护决策方法技术

本发明专利技术公开了一种基于数据挖掘的公路路面预防性养护决策方法，属于道路养护相关数据分析技术领域，包括：使用数据挖掘异常检测算法对公路养护路面技术状况记录数据进行预处理，对异常检测结果进行标记；采用回归分析预测算法和灰色系统预测算法对异常检测结果进行组合预测，同时采用路面性能衰减因素分析规则和重载车比例影响分析规则对异常检测结果进行关联分析；建立灰色物元分析算法，结合组合预测结果判断待养护路段和养护优先级，对待养护路段的养护顺序进行辅助排序，再与关联分析结果进行整合，辅助养护职能部门进行养护决策。提高了公路路面养护工作效率，延长路面使用寿命、节省维修费用，降低养护成本，最终提升设备维护管理水平。设备维护管理水平。设备维护管理水平。

【技术实现步骤摘要】
一种基于数据挖掘的公路路面预防性养护决策方法


[0001]本专利技术涉及道路养护相关数据分析
，一种基于数据挖掘的公路路面预防性养护决策方法。

技术介绍

[0002]在智慧交通的发展趋势下，公路建设和养护是公路发展的两大主题，随着我国公路里程的不断增涨，公路交通网规模的持续扩大，大量的养护工作也随之而来。对于公路部门来说，不仅要使公路建设任务保质保量地完成，以提升高等级公路的覆盖程度，还必须要加强对已建成公路的维修养护，保证其优良的路面使用性能，降低养护费用，保障公路畅通。而公路养护是保持公路性能良好、延长公路使用年限，如果公路的养护工作跟不上路面损耗的速度，路面技术状况会迅速下降，道路的服务水平必然会受到影响，公路建设的初衷也就难以实现。这一系列的现实使得我国公路的发展已经开始由原来的“建设为主”逐渐转变为“建设与养护共进”的发展阶段，公路建造、养护、改建和升级维护的工作接踵而来，这些繁重的工作使得公路养护部门对公路路面养护决策的优化提出了更高的要求。然而，目前我国公路的路面养护决策大部分仍然是采用事后的矫正性养护决策方式，即在路面服务能力下降到一定水平后决定修复措施，这是一种被动的养护方式，成本高、工作量大、养护效率低且养护不能及时进行，在路面等待养护期间可能会导致二次损害。
[0003]经过近年的信息化建设已经积累了大量的数据，但由于传统的数据分析方法无法充分挖掘数据中的潜在价值，对于养护数据的处理仍然是以传输和存储为核心，应用分析处于初级阶段，大量的养护数据并未对实际的公路养护决策起到有效的指导作用。因此，如何更好地进行路面养护决策以改善公路路面技术状况、增加公路使用年限、提升路面使用性能，保证公路网使用性能的完好以及安全、舒适的公路特性，发挥有限路面养护资金的最大效益，以更好地发挥公路交通网为我国经济建设发展提供优良交通服务的作用，已成为目前公路养护领域所面临的重要研究课题。数据挖掘技术为发现数据中隐含知识而生，数据挖掘技术并将其应用到公路养护决策中，发挥其数据处理能力，充分挖掘公路养护所积累历史数据中的有用信息，以提高公路路面养护工作效率、延长路面使用寿命、降低养护成本，是一件具有重要意义的事情。

技术实现思路

[0004]本专利技术的目的在于克服现有技术中所存在的目前我国公路的路面养护决策大部分仍然是采用事后的矫正性养护决策方式，即在路面服务能力下降到一定水平后决定修复措施，这是一种被动的养护方式，成本高、工作量大、养护效率低且养护不能及时进行，在路面等待养护期间可能会导致二次损害的不足，本专利技术提供一种基于数据挖掘的公路路面预防性养护决策方法。
[0005]为了实现上述专利技术目的，本专利技术提供了以下技术方案：
[0006]一种基于数据挖掘的公路路面预防性养护决策方法，包括以下步骤：
[0007]S1：使用数据挖掘异常检测算法对公路养护路面技术状况记录实时及海量历史数据进行预处理，对异常检测结果进行深入分析及标记；
[0008]S2：采用回归分析预测算法和灰色系统预测算法对所述异常检测结果进行组合预测，得到组合预测结果，同时采用路面性能衰减因素分析规则和重载车型比例影响分析规则对所述异常检测结果进行关联分析，得到关联分析结果；
[0009]S3：建立灰色物元分析算法，结合所述组合预测结果判断待养护路段和养护优先级，对所述待养护路段的养护顺序及养护类型进行辅助排序，再与所述关联分析结果进行整合，辅助养护职能部门进行养护决策。
[0010]采用上述技术方案，将数字挖掘技术应用到公路养护决策中，能够根据当前路面指标衰减的主要因素进行针对性的预防性养护，实现了公路重点机电设备的前瞻性保养和预防性维修，能够获得设备故障预防性分布与变化趋势，准确分析出养护区段，提高了养护的效率，从而降低了道路病害扩散风险，本专利技术能够辅助公路养护部门提前进行路面预防性养护计划，并做出合理的路段养护决策，发挥其数据处理能力，充分挖掘公路养护所积累历史数据中的有用信息，以提高公路路面养护工作精准性，延长路面使用寿命、节省维修费用，降低养护成本，最终提升养护管理水平。
[0011]作为本专利技术的优选方案，所述步骤S1包括：
[0012]S11：从数据库中扫描路面性能数据集合，随机抽取若干个子样本，构建若干个iTree孤立树，完成路面使用性能记录检测模型的构建和训练；
[0013]S12：采用所述路面使用性能记录检测模型进行路面使用性能记录的异常评估。
[0014]作为本专利技术的优选方案，所述步骤S11包括：
[0015]S111：随机获取若干个子样本；
[0016]S112：从路面技术状况数据的路面技术等级、路面使用性能综合指数、路面破损指数、路面行驶质量指数这四个属性随机选择一个属性作为分割属性，从属性取值范围的最大值和最小值区间内选择一个作为分割值，然后根据所述分割值将若干个所述子样本分割到左右子树中；
[0017]S113：对所述左右子树的子样本重复步骤S112，直到所述子样本集合中只有一条记录；
[0018]S114：重复步骤S111
‑
步骤S113，直到构建足够数量的所述iTree孤立树，组成孤立森林。
[0019]作为本专利技术的优选方案，所述步骤S12包括：获取需要进行异常检测的路面使用性能记录，根据所述路面使用性能记录检测模型求出所述路面使用性能记录在每一棵所述iTree孤立树中的路径长度，再计算所述路面使用性能记录的异常指数，求得所有路面使用性能记录的异常指数后，将所有的异常指数分成两类，其中，聚类中心大的为异常类，相应的路面性能记录被标记为异常；聚类中心小的为正常类，相应的路面性能记录被标记为正常。
[0020]作为本专利技术的优选方案，所述路径长度的计算公式为：
[0021]h
(x)
＝L+C(n)
[0022]其中，h
(x)
为路径长度，x为路面使用性能记录，L为路面使用性能记录最终所在叶子节点的二叉树中的高度，C(n)为n个节点的二叉树的平均高度；
[0023][0024]其中，h(n)＝In(n)+γ(n>1),γ为欧拉常数又称欧拉
‑
马斯克若尼常数，γ的数值定为0.5772156649，H为一条数据记录在二叉树构造中的高度，n为叶子节点包含的记录条数；
[0025]所述异常指数的计算公式为：
[0026][0027]其中，n为决策树iTree的总节点数φ，计算出异常指数后根据这个异常指数来判断测试数据x是否为异常数据，C(n)为n个节点的二叉树的平均高度，E(h(x))为表示记录x在每棵树的高度均值，h(x)表示叶子节点到根节点的长度路径用来判断一条记录x是否是异常点。
[0028]作为本专利技术的优选方案，所述步骤S2所述的回归分析预测算法的计算公式为：
[0029][0030]其中，PPI为路面性能指标，PPI0为路面西能指标的初始值，α为路面的寿命因子，即路面性能衰减到本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于数据挖掘的公路路面预防性养护决策方法，其特征在于，包括以下步骤：S1：使用数据挖掘异常检测算法对公路养护路面技术状况实时记录数据和历史数据进行预处理，对异常检测结果进行深层分析及标记；S2：采用回归分析预测算法和灰色系统预测算法对所述异常检测结果进行综合分析及组合预测，得到综合预测结果，同时采用路面性能衰减因素分析规则和重载车型比例影响分析规则对所述异常检测结果进行关联分析，得到关联分析结果；S3：建立灰色物元分析算法，结合所述组合预测结果判断待养护路段和养护优先级，对所述待养护路段的养护顺序及养护类型进行辅助排序，再与所述关联分析结果进行整合，提供道路分区段预防性养护评价结果，辅助养护职能部门进行养护决策。2.根据权利要求1所述的一种基于数据挖掘的公路路面预防性养护决策方法，其特征在于，所述步骤S1包括：S11：从数据库中扫描实时及历史路面性能数据集合，随机抽取若干个子样本，构建若干个iTree孤立树，完成路面使用性能记录检测模型的构建和训练；S12：采用所述路面使用性能记录检测模型进行路面使用性能记录的异常评估。3.根据权利要求2所述的一种基于数据挖掘的公路路面预防性养护决策方法，其特征在于，所述步骤S11包括：S111：随机获取若干个子样本；S112：从路面技术状况数据的路面技术等级、路面使用性能综合指数、路面破损指数、路面行驶质量指数这四个属性随机选择一个属性作为分割属性，从属性取值范围的最大值和最小值区间内选择一个作为分割值，然后根据所述分割值将若干个所述子样本分割到左右子树中；S113：对所述左右子树的子样本重复步骤S112，直到所述子样本集合中只有一条记录；S114：重复步骤S111
‑
步骤S113，直到构建足够数量的所述iTree孤立树，组成孤立森林。4.根据权利要求2所述的一种基于数据挖掘的公路路面预防性养护决策方法，其特征在于，所述步骤S12包括：获取需要进行异常检测的路面使用性能记录，根据所述路面使用性能记录检测模型求出所述路面使用性能记录在每一棵所述iTree孤立树中的路径长度，再计算所述路面使用性能记录的异常指数，求得所有路面使用性能记录的异常指数后，将所有的异常指数分成两类，其中，聚类中心大的为异常类，相应的路面性能记录被标记为异常；聚类中心小的为正常类，相应的路面性能记录被标记为正常。5.根据权利要求4所述的一种基于数据挖掘的公路路面预防性养护决策方法，其特征在于，所述路径长度的计算公式为：h
(x)
＝L+C(n)其中，h
(x)
为路径长度，x为路面使用性能记录，L为路面使用性能记录最终所在叶子节点的二叉树中的高度，C(n)为n个节点的二叉树的平均高度；其中，h(n)＝In(n)+γ(n>1),γ为欧拉常数又称欧拉
‑
马斯克若尼常数，γ的数值定为0.5772156649，H为一条数据记录在二叉树构造中的高度，n为叶子节点包含的记录条数；
所述异常指数的计算公式为：其中，n为决策树iTree的总节点数φ，C(n)为n个节点的二叉树的平均高度，E(h(x))表示记录x在每棵树的高度均值，h(x)表示叶子节点到根节点的长度路径用来判断一条记录x是否是异常点。6.根据权利要求1所述的一种基于数据挖掘的公路路面预防性养护决策方法，其特征在于，所述步骤S2所述的回归分析预测算法的计算公式为：其中，PPI为路面性能指标，PPI0为路面西能指标的初始值，α为路面的寿命因子，即路面性能衰减到初始值得63.2％时所经过的年限，β为路面性能衰变曲线的形状因子，t为路龄；对所述回归分析预测算法的计算公式进行变量替换，令lnt等于x,β等于a,βlna
‑1等于等于y，得到变换公式为：y＝ax+b；采用最小二乘法估计参数a、b的值，计算公式分别为：采用最小二乘法估计参数a、b的值，计算公式分别为：其中(x
i
,y
i
)根据对应的历史路面性能指标数据PPI和t获得，即x
i
为当前路面实际性能指标，y
i
为随着t路龄增长后预测的未来路面性能...

【专利技术属性】
技术研发人员：李一锋，肖琨，王静，陈戈，刘进友，何宏国，姜弘，屈国强，路伟，杨家权，崔镜宇，倪强，邓云川，冉惟可，李剑，
申请(专利权)人：中铁二院工程集团有限责任公司，
类型：发明
国别省市：