李秀君,邵 欣
(上海理工大學(xué) 環(huán)境與建筑學(xué)院,上海 200093,E-mail:947900690@qq.com)
近年來(lái),我國(guó)高速公路建設(shè)里程逐漸趨于飽和,總里程自 2013年以來(lái)一直位居世界第一。路面行駛車(chē)輛日益繁重,必然會(huì)導(dǎo)致現(xiàn)有公路出現(xiàn)不同程度的損壞。我國(guó)公路的發(fā)展已從“以修改為主”漸漸轉(zhuǎn)變?yōu)椤靶摒B(yǎng)并重”,預(yù)防性養(yǎng)護(hù)作為一種高回報(bào)養(yǎng)護(hù)方法,正在被多個(gè)國(guó)家應(yīng)用和發(fā)展。其特點(diǎn)為節(jié)約養(yǎng)護(hù)資金,有效改善路面使用性能,提高路面服務(wù)壽命[1]。交通運(yùn)輸環(huán)境的改善直接影響著經(jīng)濟(jì)的發(fā)展和國(guó)民生活的保障。道路使用者對(duì)公路的質(zhì)量、舒適性和安全性的要求也越來(lái)越高[2]。目前公路養(yǎng)護(hù)項(xiàng)目主要存在養(yǎng)護(hù)不及時(shí)、養(yǎng)護(hù)質(zhì)量低和養(yǎng)護(hù)成本較高等問(wèn)題。為了應(yīng)對(duì)這些挑戰(zhàn),如何利用有限的投入資金獲取最優(yōu)的養(yǎng)護(hù)效果,已成為公路管理部門(mén)要解決的核心問(wèn)題[3]。
目前,國(guó)內(nèi)外對(duì)預(yù)防性養(yǎng)護(hù)技術(shù)的研究已有較多成果。尤其對(duì)路面使用性能的預(yù)測(cè)進(jìn)行了大量研究,國(guó)內(nèi)外學(xué)者對(duì)公路路面病害類型、路面使用性能評(píng)價(jià)以及導(dǎo)致路面損壞現(xiàn)象的原因進(jìn)行了分析,引入一些先進(jìn)的數(shù)學(xué)方法來(lái)克服傳統(tǒng)預(yù)測(cè)方法基于主觀經(jīng)驗(yàn)、準(zhǔn)確性差等缺陷。也有學(xué)者總結(jié)了針對(duì)我國(guó)公路特點(diǎn)的養(yǎng)護(hù)措施,如薄層罩面、坑槽修補(bǔ)、裂縫填充等[4~7]。但無(wú)論是國(guó)內(nèi)還是國(guó)外,對(duì)于預(yù)防性養(yǎng)護(hù)決策的研究仍存在決策體系缺乏科學(xué)、完整性,主觀性強(qiáng)等缺陷。為了對(duì)目前國(guó)內(nèi)缺乏瀝青路面養(yǎng)護(hù)實(shí)施效果的研究,本文結(jié)合工程實(shí)際中瀝青路面運(yùn)營(yíng)期間路面使用性能的歷史數(shù)據(jù),采用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型,對(duì)路面性能進(jìn)行預(yù)測(cè);再通過(guò)調(diào)查得到的養(yǎng)護(hù)單位成本計(jì)算得出各子路段養(yǎng)護(hù)總里程所需總費(fèi)用,結(jié)合預(yù)測(cè)結(jié)果以及平均日交通量,對(duì)各路段進(jìn)行養(yǎng)護(hù)投資規(guī)劃。在建立傳統(tǒng)數(shù)據(jù)包絡(luò)分析模型的基礎(chǔ)上,通過(guò)引入虛擬決策單元,對(duì)模型進(jìn)行優(yōu)化對(duì)各養(yǎng)護(hù)決策方案相對(duì)有效性進(jìn)行研究,避免了傳統(tǒng)方法只能區(qū)分決策單元是否有效的缺陷。該方法的特點(diǎn)是無(wú)需事先確定各輸入指標(biāo)的權(quán)重,可以直接利用樣本數(shù)據(jù)確定有效前沿面,進(jìn)而得到各決策單元的相對(duì)效率及輸入冗余和輸出虧空等信息[8],避免了資金投入過(guò)剩和資源浪費(fèi)。研究結(jié)果可為公路管理部門(mén)制定科學(xué)的養(yǎng)護(hù)決策、節(jié)約控制養(yǎng)護(hù)成本以及路面最佳養(yǎng)護(hù)時(shí)機(jī)提供客觀參考,為推動(dòng)我國(guó)公路養(yǎng)護(hù)事業(yè)的發(fā)展提供科學(xué)支持。
瀝青路面損壞可分為11類21項(xiàng)[9],這些種類的路面損壞又可歸為兩大類:結(jié)構(gòu)性損壞和功能性損壞。結(jié)構(gòu)性損壞是由于路面結(jié)構(gòu)層承載能力降低造成的,大多表現(xiàn)為裂縫;功能性損壞是由于路面服務(wù)能力降低引起,突出表現(xiàn)是路面平整度降低[10]。
隨著全國(guó)公路的養(yǎng)護(hù)里程持續(xù)攀升,路況監(jiān)測(cè)數(shù)據(jù)成為制定科學(xué)養(yǎng)護(hù)決策的重要信息[11]。針對(duì)所研究高速公路調(diào)查路段,整理可得該路段主要病害為坑槽、塊狀裂縫、泛油和縱裂。各類病害所占比例如圖1所示。
1.2.1 BP神經(jīng)網(wǎng)絡(luò)模型的構(gòu)建
圖1 調(diào)查路段主要病害比例圖
神經(jīng)網(wǎng)絡(luò)通過(guò)模仿人腦結(jié)構(gòu)和功能,從而智能地學(xué)習(xí)、記憶、處理知識(shí)信息。本文采用的BP神經(jīng)網(wǎng)絡(luò)的特點(diǎn)是:信號(hào)正向傳播,輸入值從輸入層經(jīng)過(guò)隱層處理后傳向輸出層,如果誤差超出期望值,產(chǎn)生的誤差就會(huì)沿原來(lái)的路徑反向傳播,采用梯度下降法不斷尋找權(quán)向量使誤差函數(shù)達(dá)到最小,直到網(wǎng)絡(luò)收斂[12]。由圖2可以看出,神經(jīng)網(wǎng)絡(luò)的組成包括輸入層、隱含層和輸出層。輸入層和輸出層神經(jīng)元個(gè)數(shù)分別于輸入指標(biāo)、輸出指標(biāo)的維數(shù)相同,隱含層節(jié)點(diǎn)數(shù)和層數(shù)則需要根據(jù)具體要求和目標(biāo)來(lái)設(shè)定。
圖2 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)示意圖
對(duì)瀝青路面而言,路面狀況指數(shù)PCI反映了路面結(jié)構(gòu)性能;路面行駛質(zhì)量指數(shù)RQI反映了道路使用者對(duì)公路服務(wù)水平的主官感受;車(chē)轍深度指數(shù)RDI作為路面使用性能評(píng)價(jià)的指標(biāo)之一也在一定程度上反映了行車(chē)質(zhì)量與舒適度。因此,選用PCI、RQI、RDI 3個(gè)指標(biāo)可以很好地反映出路面使用性能的好壞。本文選擇一種典型的網(wǎng)絡(luò)結(jié)構(gòu):I-J-1結(jié)構(gòu),即輸入層有I個(gè)神經(jīng)元,隱層J個(gè)神經(jīng)元,輸出層有1個(gè)神經(jīng)元。訓(xùn)練樣本分別為為2011~2016年的PCI、RQI、RDI值,測(cè)試樣本為2017、2018年的上述指標(biāo)值,通過(guò)神經(jīng)網(wǎng)絡(luò)工具箱節(jié)點(diǎn)數(shù)測(cè)試,可知當(dāng)隱層節(jié)點(diǎn)數(shù)為8時(shí),訓(xùn)練效果較好,由此確定隱層節(jié)點(diǎn)數(shù)為8的三層神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),得到經(jīng)過(guò)檢驗(yàn)誤差結(jié)果小于0.001的路面使用性能指標(biāo)預(yù)測(cè)模型。
1.2.2 模型應(yīng)用
本文所用的大量數(shù)據(jù)采集于某高速公路某路段的上行方向。該路段于 2003年開(kāi)始運(yùn)營(yíng)通車(chē),全長(zhǎng) 137.6km。該路段于 2014~2018年檢測(cè)得到的36000個(gè)具體數(shù)據(jù),包括路面損壞狀況、平整度、車(chē)轍深度、交通量及車(chē)輛組成情況、路面等級(jí),采用Matlab中的神經(jīng)網(wǎng)絡(luò)工具箱編制程序模擬預(yù)測(cè)值。
基于BP神經(jīng)網(wǎng)絡(luò)模型對(duì)PCI、RQI、RDI未來(lái)5年的值進(jìn)行預(yù)測(cè),得到預(yù)測(cè)結(jié)果如表1所示。
表1 基于BP神經(jīng)網(wǎng)絡(luò)模型PCI、RQI、RDI預(yù)測(cè)值
根據(jù)表1中各指標(biāo)預(yù)測(cè)值可以看出,在未來(lái)5年內(nèi),路面PCI相對(duì)于RQI、RDI值衰變的更快,且當(dāng)PCI預(yù)測(cè)值大于80時(shí),RQI、RDI均大于80,能夠滿足高速公路預(yù)防性養(yǎng)護(hù)標(biāo)準(zhǔn)。因此,本文選用PCI作為后文決策的評(píng)價(jià)指標(biāo)。根據(jù)以上預(yù)測(cè)模型預(yù)測(cè)出未來(lái)5年路段的PCI值,繪制出已知年限PCI和未來(lái)5年(共10年)的PCI值曲線圖如圖3所示。
圖3 已知年限和未來(lái)5年的PCI值曲線圖
由圖3可知:在未來(lái)5年內(nèi),假設(shè)不對(duì)路面進(jìn)行預(yù)防性維修養(yǎng)護(hù),其PCI值將不斷下降,直到不能滿足路面使用要求。其中2017年P(guān)CI均值緩增是因?yàn)楣芾聿块T(mén)對(duì)該路面采取養(yǎng)護(hù)措施。因此,需要依據(jù)具體路段的養(yǎng)護(hù)需求對(duì)路面進(jìn)行預(yù)防性養(yǎng)護(hù)投資規(guī)劃。
為了確保在養(yǎng)護(hù)資金盡量減少的情況下取得最佳的養(yǎng)護(hù)效果,從而分析得出不同費(fèi)用限制水平對(duì)路用性能的影響。通過(guò)調(diào)查5年內(nèi)各養(yǎng)護(hù)措施的單位成本計(jì)算得出各子路段養(yǎng)護(hù)總里程所需總費(fèi)用,結(jié)合上述模型預(yù)測(cè)結(jié)果得到的路用性能以及平均日交通量,對(duì)各路段進(jìn)行養(yǎng)護(hù)投資規(guī)劃。因篇幅限制,選取上述路段上行的 13個(gè)子路段的養(yǎng)護(hù)投資規(guī)劃方案進(jìn)行匯總,如表2所示。
由表2數(shù)據(jù)可知:隨著資金限制水平的降低,伴隨著養(yǎng)護(hù)投入資金的增加,路段使用性能PCI值會(huì)逐漸提高,表明養(yǎng)護(hù)效果越好;養(yǎng)護(hù)費(fèi)用投入過(guò)高時(shí)路段PCI值則不隨費(fèi)用增加而大幅提高。因此,有必要對(duì)養(yǎng)護(hù)投資規(guī)劃方案的有效性進(jìn)行分析,以提高高速公路養(yǎng)護(hù)管理效率和決策能力。
表2 不同限制水平下各路段養(yǎng)護(hù)投資規(guī)劃方案
數(shù)據(jù)包絡(luò)分析(Date Envelopment Analysis)是評(píng)價(jià)具有多項(xiàng)投入和產(chǎn)出系統(tǒng)運(yùn)行效率的一種非參數(shù)系統(tǒng)分析方法[13]。它無(wú)需事先假定輸入與輸出函數(shù)關(guān)系,通過(guò)對(duì)樣本數(shù)據(jù)的觀測(cè)及規(guī)劃確定有效前沿面,進(jìn)而得到各決策單元(Decision Making Units)的相對(duì)效率及輸入冗余和輸出虧空等信息[5]。該方法目前被廣泛應(yīng)用到管理學(xué)和系統(tǒng)工程學(xué)等領(lǐng)域的研究[14],如綜合生命周期性能評(píng)估的分析及資源配置的深度優(yōu)化[15,16]。
路面養(yǎng)護(hù)投資決策的有效性是對(duì)高速公路養(yǎng)護(hù)規(guī)劃方案效率和養(yǎng)護(hù)實(shí)現(xiàn)程度的綜合考量。在有限的養(yǎng)護(hù)資金限制下,如何使路面使用性能的改善達(dá)到最佳效果,已成為當(dāng)下公路管理決策者重點(diǎn)研究的課題。在預(yù)測(cè)路面使用性能指標(biāo)PCI的基礎(chǔ)上,采用數(shù)據(jù)包絡(luò)分析法對(duì)各種預(yù)防性養(yǎng)護(hù)決策建立評(píng)價(jià)模型,以得出各決策單元的有效性。研究表明:結(jié)果客觀地評(píng)價(jià)了養(yǎng)護(hù)投資決策實(shí)施后的效果分析,并且可作為管理者規(guī)劃道路以后的養(yǎng)護(hù)決策提供有效依據(jù)。
2.2.1 DEA評(píng)價(jià)模型建立
為深入了解導(dǎo)致表2現(xiàn)象的原因,防止出現(xiàn)養(yǎng)護(hù)資金投入過(guò)多而無(wú)效的現(xiàn)象,對(duì)以上 13種養(yǎng)護(hù)方案進(jìn)行數(shù)據(jù)包絡(luò)分析,確定各個(gè)方案的有效性。DEA評(píng)價(jià)模型有多種,本文采用的BBC模型是在假定規(guī)模報(bào)酬收益可變的情況下,來(lái)衡量純技術(shù)效率和規(guī)模效率。模型可表達(dá)為:
式中,ε為非阿基米德無(wú)窮小量;θ為養(yǎng)護(hù)決策單元的綜合有效系數(shù);θ*為最優(yōu)有效系數(shù);分別為輸入、輸出松弛變量;xij,yrj分別為第 j個(gè)養(yǎng)護(hù)決策單元的第i,r個(gè)輸入輸出值;λj為各養(yǎng)護(hù)決策單元所占權(quán)重;N為決策單元個(gè)數(shù)。
2.2.2 DEA評(píng)價(jià)指標(biāo)選取和處理
一般來(lái)說(shuō),決策單元(DMU)的個(gè)數(shù)不應(yīng)少于輸入與輸出指標(biāo)個(gè)數(shù)的乘積,同時(shí)不少于輸入和輸出指標(biāo)數(shù)量的三倍[17]。依舊選擇前面收集到的 13個(gè)路段(N=13)的交通量、路段養(yǎng)護(hù)量和養(yǎng)護(hù)資金總額3個(gè)指標(biāo)為輸入指標(biāo);選取路面使用性能PCI變化值為輸出指標(biāo),分別對(duì)應(yīng)xij,yrj。
由于該模型要求所有輸入輸出指標(biāo)的增加不能導(dǎo)致輸出指標(biāo)的減少,所以將原始數(shù)據(jù)進(jìn)行以下處理:將日平均交通量取原始值的倒數(shù)作為輸入指標(biāo)之一,如表3所示。
表3 輸入輸出數(shù)據(jù)處理后的指標(biāo)值
2.3.1 養(yǎng)護(hù)方案相對(duì)效率計(jì)算結(jié)果
DMU是總體樣本個(gè)數(shù)13,選擇vrs考慮規(guī)模收益模型即BCC模型,將處理過(guò)的表3數(shù)據(jù)代入模型,得到結(jié)果如表4所示。其中Firm代表樣本次序;綜合效率是指在不考慮規(guī)模收益時(shí)的技術(shù)效率,純技術(shù)效率則是在考慮規(guī)模收益條件下的技術(shù)效率;規(guī)模效率是技術(shù)效率與規(guī)模效率之比,其大小體現(xiàn)規(guī)模收益情況,分為irs(遞增)、drs(遞減)和crs(規(guī)模不變)3種。
由表4可知,DMU4、5、7、8和13相對(duì)有效,其余DMU單元均相對(duì)無(wú)效。將這些無(wú)效單元按綜合效率進(jìn)行排序,有DMU6>DMU9>DMU10> DMU3>DMU11>DMU2>DMU12>DMU1。同時(shí),除DMU6外的其余無(wú)效單元均處于遞增的規(guī)模狀態(tài),說(shuō)明將這些方案的投入擴(kuò)大一倍其產(chǎn)出可增加超過(guò)原產(chǎn)出一倍。DMU13相對(duì)效率為1說(shuō)明在資金無(wú)限制的條件下,任一損壞路段都能夠得到最優(yōu)效果的維修,并且不存在投入冗余現(xiàn)象;DMU4、5相對(duì)有效,說(shuō)明養(yǎng)護(hù)資金投入雖少,只要保證養(yǎng)護(hù)效率仍可獲取盡可能較大的收益;DMU7、8單元相對(duì)有效,說(shuō)明在這兩個(gè)方案中投入資金安排合理,既沒(méi)有投入冗余,又得到最優(yōu)養(yǎng)護(hù)效果;DMU9~12相對(duì)效率小于 1,表明這些養(yǎng)護(hù)決策并非最優(yōu),出現(xiàn)了養(yǎng)護(hù)工作量過(guò)大和資金投入過(guò)剩的現(xiàn)象。
表4 DEA 相對(duì)效率計(jì)算結(jié)果
2.3.2 基于虛擬DMU的優(yōu)化DEA模型
以上為傳統(tǒng) DEA模型得出的有效和無(wú)效的結(jié)果,出現(xiàn)了5個(gè)有效決策單元。傳統(tǒng)的DEA方法只能區(qū)分決策單元有效與否,而不能實(shí)現(xiàn)對(duì)大量有效決策單元按照其效率進(jìn)行排序。為了對(duì)有效單元進(jìn)行更細(xì)化的排序,在此構(gòu)建帶虛擬決策單元的DEA模型,通過(guò)引入最優(yōu)、最差虛擬決策單元,僅對(duì)該5個(gè)有效方案的優(yōu)劣進(jìn)行再次評(píng)價(jià)[18]。最優(yōu)虛擬DMU為5個(gè)預(yù)防性養(yǎng)護(hù)方案中輸入指標(biāo)最小、輸出指標(biāo)最大的組合決策單元,最差虛擬DMU為輸入指標(biāo)最大、輸出指標(biāo)最小的組合。最優(yōu)虛擬決策單元的構(gòu)建,使原本有效的決策單元相對(duì)無(wú)效;最差虛擬決策單元可以增加各有效路段的有效性差異程度,更有利于實(shí)現(xiàn)綜合評(píng)價(jià)。優(yōu)化后的計(jì)算結(jié)果如表5和表6所示。
由表6可知,5個(gè)有效的預(yù)防性養(yǎng)護(hù)方案當(dāng)中,最優(yōu)方案為方案7,其次優(yōu)劣性排序依次為DMU8>DMU4>DMU13>DMU5。結(jié)果表明該瀝青路面預(yù)防性養(yǎng)護(hù)方案有效性排序?yàn)?DMU7>DMU8>DMU4>DMU13>DMU5>DMU6>DMU9>DMU10>DMU3>DMU11>DMU2>DMU12>DMU1??蓪⒊?DMU6方案的投入擴(kuò)大使其產(chǎn)出翻倍;可將DMU9~12方案養(yǎng)護(hù)工作量和投資相對(duì)減少,避免出現(xiàn)投入過(guò)剩的現(xiàn)象。
表5 優(yōu)化DEA模型輸入輸出指標(biāo)
表6 優(yōu)化DEA模型計(jì)算結(jié)果
通過(guò)對(duì)交通量、養(yǎng)護(hù)工作量、投入資金和路面性能變化的分析,制定合理的養(yǎng)護(hù)決策方案,建立優(yōu)化 DEA模型對(duì)上述方案進(jìn)行有效性研究。通過(guò)對(duì)路面使用性能的預(yù)測(cè),得知該高速公路需進(jìn)行預(yù)防性養(yǎng)護(hù),以滿足長(zhǎng)期的路面使用要求。隨著資金限制水平的降低,養(yǎng)護(hù)投入資金愈多,PCI值愈大,養(yǎng)護(hù)效果愈好;養(yǎng)護(hù)費(fèi)用投入過(guò)高時(shí)路段PCI則不隨費(fèi)用增加而大幅提高。本文運(yùn)用優(yōu)化數(shù)據(jù)包絡(luò)分析法對(duì)各子路段養(yǎng)護(hù)決策進(jìn)行有效性分析,對(duì)傳統(tǒng)DEA模型評(píng)價(jià)指標(biāo)權(quán)重主觀性強(qiáng)和不能區(qū)分有效單元的有效性排序等缺陷進(jìn)行了改善,為養(yǎng)護(hù)管理部門(mén)制定養(yǎng)護(hù)決策方案提供更科學(xué)、有效的參考,為促進(jìn)我國(guó)公路事業(yè)進(jìn)一步又好又快發(fā)展提供支持。