瀝青路面養(yǎng)護(hù)智能檢測(cè)與決策綜述

徐鵬，祝軒，姚丁，史長(zhǎng)云，錢(qián)國(guó)平，于華南

(長(zhǎng)沙理工大學(xué)交通運(yùn)輸工程學(xué)院，湖南長(zhǎng)沙，410114)

《交通強(qiáng)國(guó)綱要》指出從2021年開(kāi)始到本世紀(jì)中葉，將分2個(gè)階段推進(jìn)交通強(qiáng)國(guó)建設(shè)，公路作為交通運(yùn)輸?shù)闹匾d體，對(duì)推動(dòng)交通強(qiáng)國(guó)發(fā)展起到至關(guān)重要的作用。截至2021年初，我國(guó)高速公路通車(chē)約16萬(wàn)km，穩(wěn)居世界第一，其中，瀝青路面公路憑借其養(yǎng)護(hù)便捷、行車(chē)舒適等優(yōu)點(diǎn)，在高速公路里程中占比90%以上。瀝青路面在服役期間受到交通荷載和各種外界條件共同作用導(dǎo)致路面性狀發(fā)生變化，通過(guò)檢測(cè)和監(jiān)測(cè)路面在交通荷載、外界氣候作用下的性能和狀態(tài)，并對(duì)采集的數(shù)據(jù)進(jìn)行處理，分析路面病害狀況，對(duì)路面健康狀態(tài)進(jìn)行評(píng)價(jià)，據(jù)此科學(xué)制定路面維修、養(yǎng)護(hù)策略。常規(guī)的路面檢測(cè)方法無(wú)法揭示路面結(jié)構(gòu)損傷與結(jié)構(gòu)性能劣化的發(fā)展歷程，難以對(duì)路面結(jié)構(gòu)的設(shè)計(jì)和路用性能評(píng)價(jià)提供詳實(shí)的數(shù)據(jù)支撐，通常無(wú)法發(fā)現(xiàn)內(nèi)部缺陷，只有當(dāng)路面外部出現(xiàn)明顯缺陷時(shí)才開(kāi)始維修養(yǎng)護(hù)，造成養(yǎng)護(hù)成本較高。路面性狀智能檢測(cè)技術(shù)能及時(shí)發(fā)現(xiàn)結(jié)構(gòu)早期損壞和小病害，實(shí)現(xiàn)智能化養(yǎng)護(hù)決策，有效降低養(yǎng)護(hù)成本，避免路面大幅度翻修，減少對(duì)交通的影響，具有十分重要的經(jīng)濟(jì)效益和社會(huì)效益。為此，本文分析國(guó)內(nèi)外瀝青路面養(yǎng)護(hù)智能檢測(cè)與決策研究成果及應(yīng)用現(xiàn)狀，對(duì)不同瀝青路面檢測(cè)與監(jiān)測(cè)技術(shù)、路面病害智能識(shí)別技術(shù)和瀝青路面養(yǎng)護(hù)決策方法進(jìn)行分析，歸納總結(jié)瀝青路面養(yǎng)護(hù)智能檢測(cè)與決策現(xiàn)階段研究應(yīng)用成果，指出瀝青路面養(yǎng)護(hù)智能檢測(cè)與決策存在的問(wèn)題，展望其未來(lái)研究面臨挑戰(zhàn)與發(fā)展趨勢(shì)，以期對(duì)瀝青路面養(yǎng)護(hù)智能檢測(cè)與決策提供指導(dǎo)與借鑒。

1 瀝青路面檢測(cè)與監(jiān)測(cè)技術(shù)

1.1 可視化方法

可視化方法通過(guò)研制路面檢測(cè)工具、技術(shù)和系統(tǒng)，將實(shí)驗(yàn)或數(shù)值計(jì)算獲得的大量抽象數(shù)據(jù)轉(zhuǎn)換為人類(lèi)視覺(jué)可以直接感受的計(jì)算機(jī)圖形圖像，利用檢測(cè)數(shù)據(jù)對(duì)路面特征進(jìn)行精準(zhǔn)計(jì)算，使路面狀況評(píng)價(jià)結(jié)果更全面、準(zhǔn)確、可靠。瀝青路面檢測(cè)與監(jiān)測(cè)可視化方法技術(shù)主要有攝像機(jī)、線掃描照相機(jī)、紅外照相機(jī)、光度立體技術(shù)、熱紅外成像、地面激光掃描等，其技術(shù)特點(diǎn)如表1所示，其局限是數(shù)據(jù)處理計(jì)算量比較大，需要有特定的圖像處理算法支持，檢測(cè)精度容易受測(cè)量環(huán)境影響。各部件技術(shù)功能如下。

1)攝像機(jī)。攝像機(jī)是計(jì)算機(jī)視覺(jué)系統(tǒng)獲得三維原始信息的主要工具。隨著城市交通的發(fā)展，將交通監(jiān)控系統(tǒng)中前端攝像機(jī)作為圖像采集單元，技術(shù)人員可以直接從影像或者照片中提取各種路面病害，改變以人工巡檢為主的路面現(xiàn)場(chǎng)檢測(cè)方式，緩解因人工檢測(cè)占據(jù)道路對(duì)交通流的影響[1-3]。

2)線掃描照相機(jī)。線掃描照相機(jī)通過(guò)一行由感光元素組成的傳感器進(jìn)行高頻率掃描，在對(duì)高速運(yùn)動(dòng)物體進(jìn)行拍攝時(shí)不需要附加額外快門(mén)，從而具備高速數(shù)據(jù)傳輸速度和效率[4]。在路面檢測(cè)中通過(guò)高速采集道路實(shí)時(shí)圖像獲取路面性狀。

3)紅外照相機(jī)。紅外照相技術(shù)是指通過(guò)自動(dòng)相機(jī)系統(tǒng)(如被動(dòng)式/主動(dòng)式紅外觸發(fā)相機(jī)或定時(shí)拍攝相機(jī)等)來(lái)獲取瀝青路面圖像(如照片和視頻)，并通過(guò)圖像分析獲取瀝青路面性狀，為瀝青路面檢測(cè)與監(jiān)測(cè)技術(shù)提供參考。CASSELGREN等[5-7]將該技術(shù)運(yùn)用于道路的檢測(cè)與監(jiān)測(cè)研究。

4)光度立體技術(shù)。光度立體方法可以重建出物體表面的法向量以及物體不同表面點(diǎn)的反射率。與傳統(tǒng)的幾何重建(例如立體匹配)方法不同，光度立體方法不需要考慮圖像的匹配問(wèn)題[8-9]，廣泛應(yīng)用于道路工程建設(shè)[10-11]。

5)熱紅外成像。熱紅外成像儀的工作原理是通過(guò)收集物體輻射的紅外線，對(duì)表面不同部位的輻射強(qiáng)度進(jìn)行感應(yīng)、識(shí)別，將各點(diǎn)的紅外輻射強(qiáng)度轉(zhuǎn)換為紅外熱圖。熱紅外成像技術(shù)具有無(wú)接觸、無(wú)破壞、直觀迅速、寬動(dòng)態(tài)測(cè)溫范圍等優(yōu)點(diǎn)，對(duì)物體溫度變化敏感，晝夜都可以進(jìn)行探測(cè)[12-14]。

6)地面激光掃描。地面激光掃描技術(shù)是利用激光測(cè)距的原理，通過(guò)記錄路面大量密集點(diǎn)的三維坐標(biāo)、反射率和紋理等信息，快速?gòu)?fù)建出路面的三維模型。與傳統(tǒng)的測(cè)量技術(shù)相比，地面激光掃描技術(shù)具有效率高、細(xì)節(jié)豐富、智能化等優(yōu)點(diǎn)[15-17]。CHOI 等[18]用激光掃描圖像數(shù)據(jù)檢測(cè)路面裂縫。LEHTOM?KI等[19]基于車(chē)輛的激光掃描數(shù)據(jù)檢測(cè)道路環(huán)境中的垂直桿狀物體。

可視化方法主要是通過(guò)拍照及錄像的方式對(duì)路面病害的類(lèi)型及損壞程度進(jìn)行采集，而后通過(guò)圖片和圖像的識(shí)別技術(shù)對(duì)路面的破損狀況進(jìn)行識(shí)別和解讀，以此完成對(duì)路面破損狀況的快速、定量分析，能直觀、實(shí)時(shí)獲取瀝青路面表觀性狀，具有較高精度，但數(shù)據(jù)處理計(jì)算量較大，需要有特定的圖像處理算法支持，檢測(cè)精度容易受測(cè)量環(huán)境影響。

1.2 雷達(dá)

雷達(dá)的基本原理是利用電磁波在介質(zhì)中的傳播理論探測(cè)目標(biāo)距離、方位、速度等。地面雷達(dá)是以脈沖形式向地下發(fā)射電磁波，電磁波在均勻各向同性介質(zhì)中以電場(chǎng)和磁場(chǎng)相互交替變化的方式，并以一定的速度由近及遠(yuǎn)傳播。當(dāng)電磁波在傳播過(guò)程中遇到不同介質(zhì)時(shí)，在介質(zhì)交界面上就會(huì)產(chǎn)生反射、折射，雷達(dá)通過(guò)接收返回地面的反射波來(lái)探測(cè)介質(zhì)層厚度和查找地面下的病害。路面檢測(cè)中的雷達(dá)主要分為探地雷達(dá)和相控陣合成孔徑雷達(dá)。

1)探地雷達(dá)。探地雷達(dá)(GPR)又稱(chēng)地下雷達(dá)或表層穿透雷達(dá)，是一種電磁波穿透地下或其他介質(zhì)的雷達(dá)技術(shù)。它是利用穿透路面向下發(fā)射高頻電磁波，由接收天線接收到返回路面的電磁波，其電磁波穿過(guò)不同介質(zhì)層進(jìn)行反射、折射回波信息，并以一種電性差異接收電磁波的波形、振幅變化等參數(shù)，探測(cè)地面以下的構(gòu)造和形態(tài)特征，從而最終得到檢測(cè)的路面厚度和彎沉[20-21]。多功能探地雷達(dá)系統(tǒng)與路面檢測(cè)結(jié)果如圖1所示。

圖1 多功能探地雷達(dá)系統(tǒng)與路面檢測(cè)雷達(dá)圖[21]Fig.1 Diagram of multifunctional GPR system and pavement detection radar[21]

2)相控陣合成孔徑雷達(dá)。合成孔徑雷達(dá)(SAR)是一種高分辨率成像雷達(dá)，可以在能見(jiàn)度極低的氣象條件下得到類(lèi)似光學(xué)照相的高分辨雷達(dá)圖像。利用雷達(dá)與目標(biāo)的相對(duì)運(yùn)動(dòng)，將尺寸較小的真實(shí)天線孔徑用數(shù)據(jù)處理的方法合成較大的等效天線孔徑。經(jīng)過(guò)幾十年的發(fā)展，合成孔徑雷達(dá)技術(shù)已比較成熟，并在道路工程建設(shè)中得到應(yīng)用[22-23]。

雷達(dá)檢測(cè)技術(shù)具有無(wú)損、快速、簡(jiǎn)易、精度高、全天候等優(yōu)點(diǎn)。對(duì)探地雷達(dá)而言，地下物理參數(shù)的差異以及周?chē)h(huán)境都會(huì)影響檢測(cè)效果，需與勘探工作合理地配合才能充分發(fā)揮作用。相控陣?yán)走_(dá)設(shè)備復(fù)雜，造價(jià)昂貴，且波束掃描范圍有限，當(dāng)進(jìn)行全方位監(jiān)視時(shí)，需增加天線陣面數(shù)量。

1.3 光纖光柵

光纖布拉格光柵(FBG)傳感器的基本理論是通過(guò)監(jiān)測(cè)Bragg反射中心波長(zhǎng)的偏移來(lái)測(cè)量應(yīng)變和溫度的變化。當(dāng)FBG 傳感器具有外部溫度變化或加載產(chǎn)生變形時(shí)，光柵的拉伸或壓縮可能導(dǎo)致周期變化[24]。FBG傳感技術(shù)可用于瀝青路面壓實(shí)的質(zhì)量控制，也可使用FBG 傳感技術(shù)監(jiān)測(cè)瀝青路面結(jié)構(gòu)響應(yīng)并評(píng)估路面性能[25]。與傳統(tǒng)傳感技術(shù)相比，F(xiàn)BG 傳感器具有靈敏度高、結(jié)構(gòu)簡(jiǎn)單、抵抗電磁干擾和穩(wěn)定性強(qiáng)等特點(diǎn)，廣泛用于工程健康監(jiān)測(cè)[26-28]?，F(xiàn)有的傳感器通常只能測(cè)量瀝青路面內(nèi)部的點(diǎn)應(yīng)變或表面變形，為此，XU 等[29]開(kāi)發(fā)了一種FBG 傳感光束并在實(shí)驗(yàn)室進(jìn)行物理模型試驗(yàn)，如圖2所示，發(fā)現(xiàn)該光束可以用于測(cè)量交通荷載作用下瀝青路面的內(nèi)部變形。董澤蛟等[30-37]利用光纖光柵傳感器對(duì)多種瀝青路面結(jié)構(gòu)應(yīng)變、溫度、施工現(xiàn)場(chǎng)壓實(shí)進(jìn)行了應(yīng)用研究，并在室內(nèi)對(duì)車(chē)轍試件應(yīng)變進(jìn)行測(cè)試。潘勤學(xué)等[38]通過(guò)現(xiàn)場(chǎng)埋設(shè)光纖光柵應(yīng)變傳感器，開(kāi)展了不同軸載及溫度下的瀝青路面靜載蠕變?cè)囼?yàn)。

圖2 FBG傳感光束系統(tǒng)[29]Fig.2 FBG sensing beam system[29]

光纖光柵傳感探頭結(jié)構(gòu)簡(jiǎn)單、尺寸小、便于埋入復(fù)合材料構(gòu)件及大型建筑物內(nèi)部，對(duì)結(jié)構(gòu)的完整性、安全性、載荷疲勞、損傷程度等狀態(tài)進(jìn)行連續(xù)實(shí)時(shí)監(jiān)測(cè)，測(cè)量結(jié)果具有良好的重復(fù)性，適用于測(cè)量基于應(yīng)變和溫度變化的靜態(tài)或準(zhǔn)靜態(tài)物理量，不適用于測(cè)量動(dòng)態(tài)信號(hào)(如振動(dòng)信號(hào))和濕度、風(fēng)速等信號(hào)。光纖光柵作為一種小尺寸、高模量的結(jié)構(gòu)應(yīng)變監(jiān)測(cè)傳感器，難以與瀝青路面結(jié)構(gòu)應(yīng)變協(xié)同，且傳感器和解調(diào)設(shè)備不便于現(xiàn)場(chǎng)調(diào)試，抗振及耐腐蝕性有限，容易受路面耐久性能的影響。

1.4 聲學(xué)技術(shù)

聲學(xué)是指研究機(jī)械波的產(chǎn)生、傳播、接收和效應(yīng)的科學(xué)，聲學(xué)技術(shù)主要測(cè)量聲速和聲衰減以研究物質(zhì)特性。用于路面檢測(cè)的聲學(xué)技術(shù)主要包括聲發(fā)射和超聲波。

1)聲發(fā)射(AE)。聲發(fā)射作為一種無(wú)損檢測(cè)方法，可以有效檢測(cè)各種材料中的細(xì)微損傷。其基本原理是從聲發(fā)射源發(fā)射的彈性波最終傳播到達(dá)材料的表面，引起可以用聲發(fā)射傳感器探測(cè)的表面位移，這些探測(cè)器將材料的機(jī)械振動(dòng)轉(zhuǎn)換為電信號(hào)，然后再次被放大、處理和記錄。聲發(fā)射技術(shù)已廣泛用于巖石、混凝土、鋼和橋梁結(jié)構(gòu)的損傷檢測(cè)和評(píng)估[39]。HILL等[40]使用AE參數(shù)分析熱負(fù)荷下的熱拌瀝青混合料的力學(xué)性能。APEAGYEI[41]使用AE技術(shù)評(píng)估了泡沫瀝青的穩(wěn)定性，采用的聲發(fā)射實(shí)驗(yàn)裝置如圖3所示。BEHNIA等[42-43]基于AE參數(shù)評(píng)估了瀝青結(jié)合料的低溫脆性，并基于AE特性監(jiān)測(cè)和評(píng)估了3種不同老化水平的瀝青混合料的低溫開(kāi)裂行為。SUN等[44]使用AE技術(shù)評(píng)估了瀝青結(jié)合料和混合物的低溫開(kāi)裂敏感性、氧化老化、脆化溫度以及熱裂紋的位置。JIAO等[45]利用AE技術(shù)評(píng)價(jià)了多孔瀝青混合料在不同溫度下的壓縮和劈裂試驗(yàn)中的斷裂過(guò)程。

圖3 聲發(fā)射實(shí)驗(yàn)裝置示意圖[41]Fig.3 Schematic representation of AE experimental setup[41]

2)超聲波。超聲波測(cè)試技術(shù)是近年來(lái)發(fā)展非常迅速的一項(xiàng)技術(shù)，它是利用激發(fā)換能器在材料表面激發(fā)出高頻彈性波，發(fā)送到材料介質(zhì)中。這種高頻彈性波經(jīng)過(guò)材料結(jié)構(gòu)內(nèi)部時(shí)，遇到聲阻抗不同的介質(zhì)會(huì)發(fā)生反射、散射，經(jīng)過(guò)材料結(jié)構(gòu)內(nèi)部的波最后由接收換能器接收，通過(guò)對(duì)接收的信號(hào)分析處理，判斷材料內(nèi)部是否存在缺陷[46-47]。QIU 等[48]建立超聲波波速與瀝青混凝土的抗壓強(qiáng)度、抗彎強(qiáng)度和靜態(tài)模量等擬合關(guān)系，實(shí)現(xiàn)瀝青混凝土性能的預(yù)測(cè)和評(píng)估。顧興宇等[49]分析了不同入射頻率下瀝青混凝土中超聲波細(xì)觀的衰減特征及宏觀的振幅變化，研究了不同集料粒徑和溫度對(duì)瀝青混凝土中超聲波衰減的影響。

聲學(xué)技術(shù)不需要直接接觸檢測(cè)對(duì)象，與一般檢測(cè)方法相比，在高低溫、核輻射、易燃、易爆、有毒等嚴(yán)苛環(huán)境下具有較大優(yōu)勢(shì)，由于對(duì)構(gòu)件的幾何形狀不敏感，適用于形狀復(fù)雜構(gòu)件的檢測(cè)。聲學(xué)技術(shù)對(duì)材料較敏感，且易受機(jī)電噪聲干擾，因而，對(duì)數(shù)據(jù)的正確解釋要有更豐富的數(shù)據(jù)庫(kù)和現(xiàn)場(chǎng)檢測(cè)經(jīng)驗(yàn)，通常需依賴于其他無(wú)損檢測(cè)方法進(jìn)行復(fù)驗(yàn)。

1.5 振動(dòng)技術(shù)

道路性狀調(diào)查中最常用的振動(dòng)測(cè)量工具包括加速度計(jì)、基于智能手機(jī)的傳感系統(tǒng)。

1)加速度計(jì)。加速度計(jì)是一種慣性傳感器，用于探測(cè)1～3 個(gè)垂直方向上測(cè)量點(diǎn)的速度。RYYN?NEN 等[50]發(fā)現(xiàn)用于連續(xù)監(jiān)測(cè)的最好的傳感器是加速度計(jì)。利用測(cè)量的加速度信號(hào)經(jīng)重力校正后，再對(duì)該信號(hào)進(jìn)行積分得到位移，如圖4所示。ARRAIGADA 等[51]使用加速度計(jì)測(cè)量路面的撓度，并使用黏彈性路面模型對(duì)用偏轉(zhuǎn)儀獲得的測(cè)量結(jié)果進(jìn)行擬合。

圖4 利用加速度計(jì)測(cè)量加速度、位移與時(shí)間的關(guān)系[50]Fig.4 Relationship among acceleration,displacement and time obtained by accelerometer[50]

2)基于智能手機(jī)的傳感系統(tǒng)。目前，研究人員使用智能手機(jī)搭載的移動(dòng)傳感系統(tǒng)和全球定位系統(tǒng)(GPS)來(lái)檢測(cè)路面狀況[52-53]。使用手機(jī)進(jìn)行路面評(píng)估被視為一種調(diào)查道路狀況的眾源方法[54]。BUTTLAR 等[52-53,55]利用移動(dòng)應(yīng)用(APP)進(jìn)一步擴(kuò)展了智能手機(jī)加速計(jì)在道路狀況檢測(cè)中的應(yīng)用。

使用智能手機(jī)測(cè)量路面狀況具有設(shè)備簡(jiǎn)單、操作便捷、成本低廉等優(yōu)點(diǎn)，但也存在一些不足，主要表現(xiàn)在智能手機(jī)在車(chē)內(nèi)儀表盤(pán)上的位置無(wú)法準(zhǔn)確反映真實(shí)路況；此外，由于輪胎補(bǔ)償造成數(shù)據(jù)收集準(zhǔn)確性較低，降低了移動(dòng)應(yīng)用程序的總振動(dòng)響應(yīng)[55-56]，同時(shí)，還需考慮數(shù)據(jù)采集的頻率。

2 路面病害智能識(shí)別

隨著通車(chē)長(zhǎng)度和交通量增加，道路養(yǎng)護(hù)任務(wù)越來(lái)越繁重，尤其是道路病害檢測(cè)和識(shí)別任務(wù)特別緊迫。道路病害智能檢測(cè)本質(zhì)上是對(duì)病害實(shí)現(xiàn)二維或三維成像和識(shí)別，成像條件是隨機(jī)的，而圖像識(shí)別取決于算法。測(cè)量坑槽等需要在合理空間下獲得較好的成像效果，而裂縫等評(píng)估則需要在局部范圍內(nèi)獲取非常精確的成像，這2種極端情況為成像技術(shù)和識(shí)別算法帶來(lái)了挑戰(zhàn)。目前，國(guó)內(nèi)外學(xué)者主要通過(guò)振動(dòng)傳感、遙感、激光、摩擦因數(shù)檢測(cè)、紋理識(shí)別、GPS 和圖像識(shí)別等技術(shù)對(duì)路面病害進(jìn)行智能識(shí)別。路面病害智能檢測(cè)流程如圖5所示，通過(guò)綜合運(yùn)用相關(guān)技術(shù)對(duì)路面平整度、抗滑性能、車(chē)轍、裂縫等常見(jiàn)病害進(jìn)行智能化檢測(cè)。

圖5 路面病害智能檢測(cè)Fig.5 Intelligent detection of pavement diseases

2.1 平整度檢測(cè)技術(shù)

平整度是道路表面相對(duì)于理想平面的豎向偏差，是衡量路面質(zhì)量與評(píng)價(jià)行車(chē)舒適度的重要指標(biāo)。目前，國(guó)內(nèi)外學(xué)者主要通過(guò)位移傳感技術(shù)、振動(dòng)傳感技術(shù)和遙感技術(shù)等手段評(píng)價(jià)路面平整度。馬榮貴等[57]提出了基于基準(zhǔn)傳遞原理的路面平整度檢測(cè)方法，通過(guò)激光位移傳感器檢測(cè)路面縱斷面相對(duì)標(biāo)高，可獲得被測(cè)道路的縱斷面曲線和國(guó)際平整度指數(shù)(IRI)。吳秉軍等[58]提出了一種基于路面高程自動(dòng)測(cè)量的全斷面平整度計(jì)算方法，利用自動(dòng)跟蹤全站儀、激光測(cè)距傳感器和傾角儀等裝置測(cè)量路面高程，根據(jù)測(cè)得的路面點(diǎn)三維坐標(biāo)信息，可計(jì)算出任意縱斷面的IRI，能夠?qū)崿F(xiàn)路面全斷面、高精度平整度檢測(cè)及平整度缺陷位置的精確定位。毛慶洲等[59]基于小波變換原理的路面平整度測(cè)量數(shù)據(jù)精確處理的算法有效獲取車(chē)體振動(dòng)位移來(lái)補(bǔ)償激光測(cè)距，得到完整的路面相對(duì)高程，最后得到路面IRI。王大為等[60]介紹了基于功率譜密度曲線的平均不平整指數(shù)(AUN)，分析了將功率譜密度曲線轉(zhuǎn)化為高度-波長(zhǎng)曲線的優(yōu)點(diǎn)，并考慮了人車(chē)振動(dòng)反應(yīng)的有效平整度指數(shù)(LWI)。許哲譜等[61]提出了一種基于核密度估計(jì)的瀝青路面狀況動(dòng)態(tài)分段方法，該方法基于快速檢測(cè)設(shè)備獲取精細(xì)的路況數(shù)據(jù)，利用線要素核密度對(duì)路面破損率、國(guó)際平整度指數(shù)和車(chē)轍深度進(jìn)行分析，得到以核密度為指標(biāo)的連續(xù)變化路況地圖，建立了以核密度為指標(biāo)的路況評(píng)價(jià)標(biāo)準(zhǔn)。江東等[62]采用磁懸浮振動(dòng)測(cè)量方法，利用汽車(chē)在行駛過(guò)程中的振動(dòng)實(shí)現(xiàn)對(duì)路面平整度的測(cè)量。杜豫川等[63]采用功率譜密度分析方法，提出了一種利用車(chē)內(nèi)簧載豎向加速度推算IRI的理論模型，開(kāi)發(fā)了一套基于多個(gè)加速度傳感器和GPS 的路面平整度檢測(cè)原型系統(tǒng)。GARILLI 等[64]基于無(wú)人飛行器(UAV)攝影測(cè)量法，對(duì)路面的平整度進(jìn)行了評(píng)價(jià)。高仁強(qiáng)等[65]利用低空無(wú)人機(jī)LiDAR(light detection and ranging)遙感技術(shù)獲取點(diǎn)云與影像數(shù)據(jù)，獲得了精細(xì)的三維地形表面模型，在此基礎(chǔ)上選用國(guó)際平整度指數(shù)對(duì)路面平整度的空間進(jìn)行可視化表達(dá)，并依據(jù)平整度進(jìn)行分等定級(jí)，從而實(shí)現(xiàn)對(duì)路面質(zhì)量進(jìn)行評(píng)價(jià)。

2.2 路面抗滑性能檢測(cè)技術(shù)

良好的路面抗滑性能為高速行駛的車(chē)輛提供足夠大的摩擦力，保證車(chē)輛行駛過(guò)程中的安全性、舒適性。目前國(guó)內(nèi)外學(xué)者主要通過(guò)摩擦儀、激光測(cè)距傳感器和三維紋理儀等對(duì)路面摩擦因數(shù)、構(gòu)造深度和路表紋理等指標(biāo)進(jìn)行定量評(píng)價(jià)。鄭木蓮等[66]利用SAFEGATE摩擦因數(shù)測(cè)試車(chē)測(cè)定路面抗滑性能。WASILEWSKA 等[67]利用防滑阻力測(cè)試儀和摩擦力觀測(cè)儀測(cè)試抗滑力，進(jìn)而對(duì)路面抗滑性能進(jìn)行評(píng)估。竇光武[68]為評(píng)價(jià)路面抗滑性能，采用高精度激光測(cè)距傳感器對(duì)路面構(gòu)造深度進(jìn)行測(cè)量。馮興樂(lè)等[69]基于激光視覺(jué)測(cè)量方法得到的瀝青路面點(diǎn)云數(shù)據(jù)，進(jìn)一步采用斷面法估算構(gòu)造深度來(lái)反映抗滑性能。周興林等[70]基于激光視覺(jué)法測(cè)量了瀝青路面的構(gòu)造深度，通過(guò)圖像處理方法估算了路面斷面深度(MPD)進(jìn)而評(píng)價(jià)路面抗滑性能。錢(qián)振東等[71]用數(shù)字圖像處理技術(shù)重構(gòu)車(chē)轍板表面三維紋理模型，通過(guò)差分盒維數(shù)法計(jì)算三維紋理模型的分形維數(shù)，研究了分形維數(shù)與抗滑性能的關(guān)系。UECKERMANN 等[72]基于光學(xué)紋理測(cè)量的非接觸式防滑電阻對(duì)路面紋理進(jìn)行測(cè)量以評(píng)價(jià)路面抗滑性能。NEJAD 等[73]基于圖像的自動(dòng)系統(tǒng)通過(guò)自動(dòng)圖像獲取系統(tǒng)(IAS)捕獲路面紋理圖像對(duì)路面抗滑性能進(jìn)行評(píng)估。LIANG 等[74]基于三維檢測(cè)系統(tǒng)中點(diǎn)云數(shù)據(jù)生成路面紋理的3-D虛擬模型來(lái)計(jì)算平均紋理深度(MTD)，評(píng)估路面抗滑性能。CUI等[75]基于多線激光和雙目視覺(jué)技術(shù)對(duì)瀝青路面平均紋理深度進(jìn)行測(cè)量，引入了多線激光配對(duì)和極線約束技術(shù)，以實(shí)現(xiàn)多線激光與雙目視覺(jué)之間的圖像匹配，依次算出瀝青路面平均輪廓深度。馬林等[76]采用高精度壓力膠片測(cè)試技術(shù)測(cè)試了路面-輪胎接觸應(yīng)力分布，在此基礎(chǔ)上對(duì)路面的抗滑性能進(jìn)行檢測(cè)。

2.3 路面車(chē)轍檢測(cè)技術(shù)

車(chē)轍是指瀝青路面在長(zhǎng)期車(chē)輛重復(fù)荷載作用下，瀝青面層產(chǎn)生的永久變形，是瀝青路面的最常見(jiàn)的病害之一。目前國(guó)內(nèi)外學(xué)者主要通過(guò)GPS和三維激光儀等對(duì)瀝青路面車(chē)轍等病害進(jìn)行檢測(cè)。馬榮貴等[77]基于GPS橫斷面車(chē)轍數(shù)據(jù)對(duì)路面進(jìn)行三維重構(gòu)，在三維空間中構(gòu)造出用于繪制三角形網(wǎng)格的頂點(diǎn)矩陣，用于評(píng)價(jià)路面車(chē)轍、坑槽及擁包等。JANG等[78]通過(guò)三軸加速度計(jì)和GPS傳感器收集路面數(shù)據(jù)以檢測(cè)路面車(chē)轍和坑槽等病害。郎洪等[79]通過(guò)對(duì)三維圖像中激光點(diǎn)異常值進(jìn)行篩選，利用橫斷面深度數(shù)據(jù)運(yùn)用包絡(luò)線算法提取車(chē)轍、坑槽和擁包等檢測(cè)數(shù)據(jù)。李清泉等[80]利用激光三角法快速準(zhǔn)確地檢測(cè)路面車(chē)轍。陳小宇等[81]基于激光三角剖分的快速檢測(cè)路面車(chē)轍技術(shù)，有效和可靠地測(cè)量路面車(chē)轍。李中軼等[82]通過(guò)改進(jìn)Canny算法對(duì)2D/3D激光點(diǎn)云數(shù)據(jù)進(jìn)行識(shí)別定位，能連續(xù)精準(zhǔn)測(cè)量車(chē)轍寬度、最大深度以及在車(chē)道內(nèi)的橫向位置。洪梓銘等[83]采用激光器向路面連續(xù)發(fā)射線激光，通過(guò)高分辨率相機(jī)動(dòng)態(tài)獲取路面車(chē)轍激光線的序列圖像，對(duì)路面車(chē)轍進(jìn)行實(shí)時(shí)檢測(cè)。AREZOUMAND 等[84]使用線性激光和高速射擊運(yùn)動(dòng)相機(jī)以檢測(cè)靜態(tài)和動(dòng)態(tài)模式下的車(chē)轍深度。LUO 等[85]使用3D 線掃描激光系統(tǒng)和慣性測(cè)量單元(IMU)對(duì)路面車(chē)轍尺寸和橫向位置進(jìn)行測(cè)量。丁夢(mèng)華等[86]基于高密度數(shù)據(jù)和聚類(lèi)分析的獨(dú)立車(chē)轍識(shí)別和評(píng)價(jià)方法，有效和準(zhǔn)確地判別車(chē)轍的嚴(yán)重程度及分布位置。JAHANSHAHI等[87]使用RGB-D傳感器來(lái)檢測(cè)和量化路面中坑槽和裂縫等病害。

2.4 路面裂縫檢測(cè)技術(shù)

路面裂縫自動(dòng)化檢測(cè)主要包括圖像獲取、圖像處理和圖像分析。目前，國(guó)內(nèi)外學(xué)者主要研究集中于改變算法提高圖像的識(shí)別精度等方面，也有少部分學(xué)者通過(guò)加裝圖像獲取設(shè)備或在路面上鋪設(shè)光纖等來(lái)檢測(cè)裂縫，但此類(lèi)模式成本較高。李剛等[88]基于改進(jìn)的輕量級(jí)全局卷積網(wǎng)絡(luò)的路面裂縫圖像分割模型對(duì)裂縫進(jìn)行采集，并計(jì)算裂縫平均寬度，提高了裂縫識(shí)別的準(zhǔn)確性。侯越等[89]利用卷積自編碼(CAE)方法增強(qiáng)路面裂縫圖像數(shù)據(jù)，圖片樣本更易被機(jī)器識(shí)別。ZHANG 等[90]基于Crack Net‐R 的遞歸神經(jīng)網(wǎng)絡(luò)(RNN)算法，對(duì)測(cè)試路面裂縫圖像進(jìn)行識(shí)別。陳澤斌等[91]基于改進(jìn)后的U-net模型實(shí)現(xiàn)對(duì)路面裂縫圖像精準(zhǔn)自動(dòng)識(shí)別。王保憲等[92]基于圖像高維特征壓縮映射的混凝土表面裂縫檢測(cè)算法提高了裂縫識(shí)別的速率和準(zhǔn)確率。ABDELLATIF 等[93]分析了高光譜裂縫圖像的光譜敏感，計(jì)算了裂縫指數(shù)，發(fā)現(xiàn)該指數(shù)可作為路面裂紋評(píng)價(jià)指標(biāo)。王世芳等[94]基于多尺度脊邊緣的瀝青路面裂縫檢測(cè)算法，對(duì)不同形狀特征、尺寸和位置的裂縫目標(biāo)進(jìn)行有效檢測(cè)，具有較高的檢測(cè)精度和較好的檢測(cè)效果，且該算法抗噪性能好。王博等[95]利用顯著性分析的邊緣檢測(cè)算法識(shí)別航拍圖像的路面裂縫片段，自動(dòng)篩選存在裂縫的圖像。XIANG 等[96]使用編碼器-解碼器體系結(jié)構(gòu)構(gòu)建網(wǎng)絡(luò)，并采用金字塔模塊來(lái)拓?fù)淞芽p的復(fù)雜結(jié)構(gòu)，可準(zhǔn)確識(shí)別裂紋特征。YANG等[97]基于機(jī)器視覺(jué)領(lǐng)域深度學(xué)習(xí)的概念，提出一種用于路面裂縫檢測(cè)的特征金字塔分層增強(qiáng)網(wǎng)絡(luò)。QIN等[98]基于正方形邊界框?qū)蔷€匹配的裂紋分類(lèi)方法，對(duì)裂縫進(jìn)行快速分類(lèi)處理。KADDAH 等[99]在車(chē)輛上安裝幾種不同系統(tǒng)用于檢測(cè)道路裂縫，所獲結(jié)果非?？煽壳揖_。宋宏勛等[100]基于雙相機(jī)立體攝像測(cè)量的路面損壞裂縫快速識(shí)別方法，運(yùn)用2臺(tái)面陣相機(jī)對(duì)路面同一物點(diǎn)建立2臺(tái)相機(jī)之間的映射關(guān)系，實(shí)現(xiàn)路面裂縫圖像的快速識(shí)別。MEI 等[101]介紹了一種利用運(yùn)動(dòng)攝像機(jī)和深度神經(jīng)網(wǎng)絡(luò)進(jìn)行低成本道路檢測(cè)的方案，基于深度學(xué)習(xí)網(wǎng)絡(luò)提出一種道路裂縫檢測(cè)的ConnCrack 算法。YI 等[102]通過(guò)光纖傳感器對(duì)混凝土路面裂縫進(jìn)行檢測(cè)。GAO 等[103]基于快速區(qū)域卷積神經(jīng)網(wǎng)絡(luò)(faster R-ConvNet)，通過(guò)使用探地雷達(dá)(GPR)對(duì)路面的反射裂縫和不均勻沉降等進(jìn)行檢測(cè)。

3 瀝青路面養(yǎng)護(hù)決策

公路路面養(yǎng)護(hù)管理系統(tǒng)決策優(yōu)化的核心在于如何在道路性能和服務(wù)水平不下降的情況下制定最小的預(yù)算資金方案，由此確定具體養(yǎng)護(hù)決策，使得道路路面的養(yǎng)護(hù)資金和養(yǎng)護(hù)質(zhì)量達(dá)到最優(yōu)平衡。隨著信息技術(shù)的發(fā)展，瀝青路面養(yǎng)護(hù)決策智能化程度不斷提高?；诂F(xiàn)有的路面養(yǎng)護(hù)管理系統(tǒng)，引入預(yù)防性養(yǎng)護(hù)、人工智能和大數(shù)據(jù)分析等先進(jìn)的養(yǎng)護(hù)概念及分析手段，能夠有效提高常規(guī)養(yǎng)護(hù)管理工作中對(duì)路面病害識(shí)別、道路服役性能評(píng)估效率，對(duì)優(yōu)化多指標(biāo)決策體系以及開(kāi)展系統(tǒng)性養(yǎng)護(hù)決策起推動(dòng)作用。

3.1 傳統(tǒng)路面養(yǎng)護(hù)管理系統(tǒng)

傳統(tǒng)瀝青路面養(yǎng)護(hù)管理決策在很大程度上是基于路面使用性能來(lái)進(jìn)行判斷，目前最常見(jiàn)的養(yǎng)護(hù)措施決策方法是決策樹(shù)法，通過(guò)引入一個(gè)瀝青路面技術(shù)狀況的綜合評(píng)價(jià)指標(biāo)(路面使用性能指數(shù)PQI、路面損壞狀況指數(shù)PCI等)，結(jié)合各路況專(zhuān)項(xiàng)檢測(cè)數(shù)據(jù)、交通荷載、氣候環(huán)境和施工質(zhì)量等因素分級(jí)權(quán)重，利用評(píng)價(jià)指標(biāo)的觸發(fā)值對(duì)病害進(jìn)行分級(jí)，實(shí)現(xiàn)對(duì)路面檢測(cè)性能的綜合判斷及評(píng)價(jià)，進(jìn)而將各評(píng)定路段劃分為日常養(yǎng)護(hù)、預(yù)防性養(yǎng)護(hù)、修復(fù)養(yǎng)護(hù)、專(zhuān)項(xiàng)養(yǎng)護(hù)和應(yīng)急養(yǎng)護(hù)等類(lèi)型。這種決策方法具有數(shù)據(jù)易采集、評(píng)價(jià)模型簡(jiǎn)單、分項(xiàng)指標(biāo)明確等優(yōu)點(diǎn)，但該方法也存在邊界值模糊、不同評(píng)價(jià)指標(biāo)差異大、難以準(zhǔn)確界定養(yǎng)護(hù)類(lèi)型等缺陷。

20世紀(jì)70年代，美國(guó)和加拿大提出了路面管理系統(tǒng)(pavement management system,PMS)的概念[104]。1980年，亞利桑那州交通部開(kāi)發(fā)了網(wǎng)級(jí)路面決策優(yōu)化系統(tǒng)，將馬爾可夫過(guò)程的路面性能預(yù)測(cè)與線性模型相結(jié)合，對(duì)公路養(yǎng)護(hù)方案進(jìn)行了優(yōu)化[105]。1983年，美國(guó)陸軍建筑工程研究所開(kāi)發(fā)了PAVER 路面管理系統(tǒng)，根據(jù)路面損害程度對(duì)路面狀況折減扣分，提出了路面損壞狀況指數(shù)PCI(pavement condition index)[106]。曾勝等[107]分析養(yǎng)護(hù)工程性質(zhì)、養(yǎng)護(hù)決策影響因素，建立了高速公路瀝青路面養(yǎng)護(hù)決策樹(shù)模型，如圖6所示。王端宜等[108]基于PAVERTM路面管理系統(tǒng)研究了路面路網(wǎng)的養(yǎng)護(hù)需求，建立了考慮路面養(yǎng)護(hù)資金優(yōu)化的路網(wǎng)養(yǎng)護(hù)維修方法。ZIMMERMAN 等[109]對(duì)決策樹(shù)法進(jìn)行了改進(jìn)，增加了車(chē)流量和環(huán)境條件等因素來(lái)完善路面使用狀況的綜合評(píng)價(jià)。FAN 等[110]運(yùn)用隨機(jī)線性規(guī)劃方法選擇最優(yōu)養(yǎng)護(hù)方案，提出了一種在預(yù)算不確定性下的路面養(yǎng)護(hù)決策方法，研究了預(yù)算對(duì)優(yōu)化解決方案的影響。ARABALI等[111]研究了機(jī)場(chǎng)道路的養(yǎng)護(hù)決策過(guò)程，根據(jù)氣候和機(jī)場(chǎng)類(lèi)別劃分了不同的決策組，并對(duì)每一組進(jìn)行了成本效益最優(yōu)決策處理。ZHANG等[112]運(yùn)用生命周期優(yōu)化模型確定出網(wǎng)級(jí)公路的近似最優(yōu)養(yǎng)護(hù)對(duì)策，并利用地理信息系統(tǒng)(geographic information system，GIS)模型建立了網(wǎng)絡(luò)級(jí)路面資產(chǎn)管理系統(tǒng)。JING等[113]分析了BIM 技術(shù)在公路養(yǎng)護(hù)管理系統(tǒng)的應(yīng)用可行性，認(rèn)為BIM 技術(shù)能夠有效提升養(yǎng)護(hù)決策的信息化和精細(xì)化。

圖6 瀝青路面養(yǎng)護(hù)決策樹(shù)模型[107]Fig.6 Decision tree model of asphalt pavement maintenance[107]

3.2 瀝青路面預(yù)防性養(yǎng)護(hù)決策

常規(guī)的瀝青路面養(yǎng)護(hù)通常是針對(duì)于路面已產(chǎn)生的病害進(jìn)行修復(fù)或補(bǔ)強(qiáng)，不僅維修滯后，而且養(yǎng)護(hù)費(fèi)用高，建設(shè)工程量大。近年來(lái)，路面預(yù)防性養(yǎng)護(hù)的概念已得到廣泛認(rèn)可，預(yù)防性養(yǎng)護(hù)是指原路狀況良好、尚未發(fā)生結(jié)構(gòu)性損壞、僅對(duì)其功能性或使用性進(jìn)行養(yǎng)護(hù)加強(qiáng)的養(yǎng)護(hù)活動(dòng)。預(yù)防性養(yǎng)護(hù)措施決策是預(yù)防性養(yǎng)護(hù)的核心內(nèi)容，也是實(shí)現(xiàn)預(yù)防性養(yǎng)護(hù)的最終表現(xiàn)形式。目前，瀝青路面預(yù)防性養(yǎng)護(hù)措施方法主要包括費(fèi)用效益分析法、壽命周期費(fèi)用法、決策樹(shù)決策矩陣法、綜合評(píng)價(jià)法、聚類(lèi)分析法和層次分析法等。不同方法各有其特點(diǎn)及局限性，其實(shí)施效果也會(huì)受到路面狀況、交通條件和自然氣候等因素影響[114]。預(yù)防性養(yǎng)護(hù)措施決策的選擇應(yīng)該根據(jù)路面條件、外部環(huán)境和資金狀況，科學(xué)開(kāi)展預(yù)防性養(yǎng)護(hù)措施決策，以有效提升路面性能，延長(zhǎng)路面壽命以及節(jié)省養(yǎng)護(hù)資金。一種典型的路面預(yù)防性養(yǎng)護(hù)措施確定流程見(jiàn)圖7。

圖7 路面預(yù)防性養(yǎng)護(hù)措施確定流程[114]Fig.7 Determination process of pavement preventive maintenance measures[114]

王朝暉等[115]考慮不同時(shí)間與不同對(duì)策組合的多種預(yù)防性養(yǎng)護(hù)方案，建立了基于重構(gòu)數(shù)據(jù)包絡(luò)分析方法(DEA)的預(yù)防性養(yǎng)護(hù)時(shí)機(jī)和對(duì)策一體優(yōu)化模型。王向峰等[116]結(jié)合路面狀況指標(biāo)閾值和路面損壞狀況指數(shù)PCI衰減趨勢(shì)，綜合判斷路面預(yù)防性養(yǎng)護(hù)時(shí)機(jī)。FRANCE-MENSAH 等[117]基于GIS 構(gòu)建了道路預(yù)防性養(yǎng)護(hù)管理系統(tǒng)，并利用工作流實(shí)例驗(yàn)證了框架的可用性和有效性。樊旭英等[118]從路用性能和瀝青性能2個(gè)方面對(duì)瀝青路面預(yù)養(yǎng)護(hù)進(jìn)行評(píng)價(jià)，并對(duì)傳統(tǒng)熵權(quán)-層次分析法進(jìn)行了改進(jìn)。JIA等[119]利用長(zhǎng)期路面性能計(jì)劃項(xiàng)目(LTPP)收集的數(shù)據(jù)，提取了平整度、車(chē)轍和裂縫等路面性能指標(biāo)，評(píng)估預(yù)防性養(yǎng)護(hù)處理對(duì)維持路面性能的長(zhǎng)期有效性。張春安等[120]提出采用費(fèi)用-效益費(fèi)評(píng)價(jià)準(zhǔn)則確定預(yù)防性養(yǎng)護(hù)決策評(píng)價(jià)方法，通過(guò)建立層次分析法(AHP)的三層評(píng)價(jià)體系結(jié)構(gòu)進(jìn)行指標(biāo)選擇和權(quán)重計(jì)算。董元帥等[121]基于壽命周期分析法(LCA)對(duì)高等級(jí)公路瀝青路面養(yǎng)護(hù)在壽命周期內(nèi)的效果進(jìn)行計(jì)算，對(duì)費(fèi)用、能耗與環(huán)境影響等進(jìn)行分析，認(rèn)為在較好的路況標(biāo)準(zhǔn)下，開(kāi)展預(yù)防性養(yǎng)護(hù)能夠獲得最大的綜合效益。施彥等[122]提出了同時(shí)考慮路面使用性能綜合指標(biāo)和病害情況單項(xiàng)指標(biāo)的預(yù)防性養(yǎng)護(hù)評(píng)判標(biāo)準(zhǔn)，分析了重構(gòu)優(yōu)化DEA 方法和區(qū)間數(shù)TOPSIS方法的決策流程。WANG等[123]基于BIM 技術(shù)構(gòu)建了瀝青路面預(yù)防性養(yǎng)護(hù)模型，采用層次分析法確定了預(yù)防性養(yǎng)護(hù)措施。LIU等[124]結(jié)合層次分析法和模糊數(shù)學(xué)理論，建立了瀝青路面模糊綜合評(píng)價(jià)模型，對(duì)預(yù)防性養(yǎng)護(hù)措施進(jìn)行了排序優(yōu)化。

3.3 基于大數(shù)據(jù)統(tǒng)計(jì)分析的瀝青路面養(yǎng)護(hù)

長(zhǎng)期以來(lái)，路面養(yǎng)護(hù)管理依賴“車(chē)載人走”的排查方式，巡查結(jié)果缺乏可量化、直觀化的管理及呈現(xiàn)方式，造成日常路面養(yǎng)護(hù)數(shù)據(jù)無(wú)法有效積累和沉淀，公路管理部門(mén)難以全面、及時(shí)地掌握公路日常技術(shù)狀況?；诖髷?shù)據(jù)分析的道路養(yǎng)護(hù)，其出發(fā)點(diǎn)是基于規(guī)模巨大的道路監(jiān)測(cè)數(shù)據(jù)建立管理數(shù)據(jù)庫(kù)，深入挖掘各種數(shù)據(jù)之間的內(nèi)在關(guān)系，統(tǒng)計(jì)、分析、預(yù)測(cè)道路服役性能與服役壽命，為道路養(yǎng)護(hù)決策提供更好的輔助服務(wù)。

汪海年等[125]基于國(guó)內(nèi)高速公路車(chē)轍數(shù)據(jù)，采用數(shù)理統(tǒng)計(jì)方法對(duì)MEPDG車(chē)轍預(yù)估模型進(jìn)行了校正，提高了模型預(yù)測(cè)精度。蘇衛(wèi)國(guó)等[126]通過(guò)構(gòu)建PQI(見(jiàn)圖8)，并基于高速公路的PQI數(shù)據(jù)建立了灰色預(yù)測(cè)模型。靳明等[127]基于灰色系統(tǒng)理論建立了路面使用性能預(yù)測(cè)模型，并依據(jù)預(yù)測(cè)結(jié)果給出了相對(duì)應(yīng)的養(yǎng)護(hù)決策方案。趙靜等[128]提出了灰色關(guān)聯(lián)度分析和支持向量機(jī)回歸(GRA-SVR)的瀝青路面使用性能預(yù)測(cè)模型，為大數(shù)據(jù)養(yǎng)護(hù)決策提供了參考和依據(jù)。崔玉姣等[129]以路面檢測(cè)數(shù)據(jù)為樣本，采用主成分-聚類(lèi)分析法對(duì)高速公路瀝青路面養(yǎng)護(hù)路段進(jìn)行了劃分，劃分結(jié)果有助于制定科學(xué)的養(yǎng)護(hù)決策。HAN 等[130]結(jié)合灰色關(guān)聯(lián)分析和層次分析法，提出了一種改進(jìn)加權(quán)隨機(jī)森林算法的瀝青路面養(yǎng)護(hù)決策方法。IRFAN 等[131]基于數(shù)據(jù)挖掘算法開(kāi)發(fā)道路養(yǎng)護(hù)優(yōu)化模型，利用GIS技術(shù)實(shí)現(xiàn)與決策支持系統(tǒng)的應(yīng)用集成。HADJIDEMETRIOU 等[132]開(kāi)發(fā)了考慮交通數(shù)據(jù)的路面養(yǎng)護(hù)決策模型，基于路面和交通數(shù)據(jù)對(duì)路面養(yǎng)護(hù)優(yōu)先順序進(jìn)行了量化分級(jí)。SANTOS 等[133]基于模糊數(shù)學(xué)理論研究了路面維修養(yǎng)護(hù)決策中的多目標(biāo)優(yōu)化問(wèn)題，分析了多目標(biāo)不同權(quán)重下的決策變化。

圖8 路面性能評(píng)價(jià)指標(biāo)體系[126]Fig.8 Pavement performance evaluation index system[126]

傳統(tǒng)的項(xiàng)目級(jí)瀝青路面養(yǎng)護(hù)決策方法通常由養(yǎng)護(hù)工程師根據(jù)現(xiàn)場(chǎng)路況制定，不僅效率較低，而且對(duì)巡查人員經(jīng)驗(yàn)依賴程度較高，主觀性較強(qiáng)。隨著人工智能的迅速發(fā)展和廣泛應(yīng)用，道路養(yǎng)護(hù)與管理進(jìn)入了新階段。人工智能屬于計(jì)算機(jī)科學(xué)的一個(gè)分支，其強(qiáng)大的特征學(xué)習(xí)和分類(lèi)能力適用于圖像分類(lèi)、目標(biāo)檢測(cè)、圖像語(yǔ)義分割等領(lǐng)域?；谌斯ぶ悄艿牡缆佛B(yǎng)護(hù)，其基本思路是應(yīng)用神經(jīng)網(wǎng)絡(luò)、深度學(xué)習(xí)(卷積神經(jīng)網(wǎng)絡(luò))、專(zhuān)家系統(tǒng)等各種人工智能的方法手段，對(duì)道路病害、道路服役性能、道路養(yǎng)護(hù)策略等進(jìn)行全自動(dòng)分析，實(shí)現(xiàn)道路高效養(yǎng)護(hù)管理與運(yùn)營(yíng)服務(wù)。

黃雅杭等[134]基于路面管理系統(tǒng)(CPMS)數(shù)據(jù)庫(kù)，開(kāi)發(fā)了寧夏地區(qū)瀝青路面養(yǎng)護(hù)專(zhuān)家系統(tǒng)。程珊珊等[135]結(jié)合現(xiàn)代人工智能的發(fā)展，對(duì)專(zhuān)家系統(tǒng)在路面養(yǎng)護(hù)管理中的應(yīng)用進(jìn)行了分析和展望。汪凡等[136]研究了BP神經(jīng)網(wǎng)絡(luò)在路面性能預(yù)測(cè)中的應(yīng)用，認(rèn)為需要定期檢測(cè)路況獲取大量樣本數(shù)據(jù)來(lái)訓(xùn)練BP 神經(jīng)網(wǎng)絡(luò)模型，以保證預(yù)測(cè)的準(zhǔn)確性。BELTRAN等[137]提出通過(guò)人工神經(jīng)網(wǎng)絡(luò)模型來(lái)反算瀝青路面結(jié)構(gòu)層模量，進(jìn)而對(duì)路面力學(xué)性能進(jìn)行預(yù)測(cè)評(píng)估，并從預(yù)測(cè)可靠性和預(yù)測(cè)效率2個(gè)方面評(píng)價(jià)了神經(jīng)網(wǎng)絡(luò)模型的有效性。MAZARI 等[138]基于LTPP 提取的路面平整度，利用人工神經(jīng)網(wǎng)絡(luò)開(kāi)發(fā)了路面平整度預(yù)測(cè)模型。陳仕周等[139]通過(guò)遺傳算法(GA)對(duì)傳統(tǒng)模型進(jìn)行組合優(yōu)化，提出了一種用于預(yù)測(cè)路面使用性能的GA-灰色神經(jīng)網(wǎng)絡(luò)模型。WANG等[140]結(jié)合馬爾科夫鏈和BP神經(jīng)網(wǎng)絡(luò)建立了組合預(yù)測(cè)模型，認(rèn)為神經(jīng)網(wǎng)絡(luò)方法可以有效解決道路性能評(píng)價(jià)中的數(shù)據(jù)不足和準(zhǔn)確性較低問(wèn)題。PARK等[141]提出了一種基于深度學(xué)習(xí)模型的路表裂紋檢測(cè)方法，通過(guò)分析路面圖像的patch 單元中的裂縫信息(見(jiàn)圖9)來(lái)訓(xùn)練模型，實(shí)現(xiàn)了裂縫信息的自動(dòng)提取。MAHMOOD等[142]以路面區(qū)域和養(yǎng)護(hù)效果為輸入變量，以PCI為輸出變量，建立了人工神經(jīng)網(wǎng)絡(luò)的多輸入統(tǒng)一預(yù)測(cè)模型，與路面管理系統(tǒng)相結(jié)合提高養(yǎng)護(hù)決策的有效性。YAO 等[143]采用深度強(qiáng)化學(xué)習(xí)算法，通過(guò)反復(fù)試錯(cuò)來(lái)得到更好的道路養(yǎng)護(hù)與維修策略，使維修決策的長(zhǎng)期成本效益最大化。深度學(xué)習(xí)模型創(chuàng)建過(guò)程見(jiàn)圖10。

圖9 用于訓(xùn)練裂縫檢測(cè)模型的數(shù)據(jù)生成過(guò)程[141]Fig.9 Data generation process for training crack detection model[141]

圖10 深度學(xué)習(xí)示意模型[143]Fig.10 Model of deep learning[143]

4 發(fā)展與展望

4.1 瀝青路面檢測(cè)與監(jiān)測(cè)技術(shù)問(wèn)題與發(fā)展

瀝青路面養(yǎng)護(hù)維修的關(guān)鍵在于對(duì)其路用性能進(jìn)行準(zhǔn)確測(cè)量和評(píng)估。隨著感知元件技術(shù)的發(fā)展，體積小、精度高、成本低、用途廣的感知元件越來(lái)越多地用于路面信息感知。此外，濕度、應(yīng)力、應(yīng)變等多種類(lèi)傳感器在路面信息獲取中發(fā)揮重要作用。但目前傳感硬件技術(shù)在精度、敏感性方面仍存在不足，由于路面耐久性不足，埋設(shè)的傳感器容易發(fā)生損壞，降低了使用的可靠性，監(jiān)測(cè)數(shù)據(jù)使用效率低，信息整合度不高，數(shù)據(jù)挖掘還不夠深入。隨著科學(xué)技術(shù)進(jìn)步，傳感器將向微小型化、系統(tǒng)化、智能化方向繼續(xù)發(fā)展，為瀝青路面檢測(cè)與監(jiān)測(cè)提供了有力技術(shù)保障。

4.2 路面病害智能識(shí)別問(wèn)題與發(fā)展

目前人們對(duì)路面病害智能識(shí)別技術(shù)的研究已取得豐碩成果，但病害智能識(shí)別技術(shù)大多只能識(shí)別單一類(lèi)型的病害，尚待開(kāi)發(fā)具備多種病害識(shí)別能力的一體機(jī)。公路屬于跨地域的帶狀構(gòu)造物，路面病害從發(fā)生到發(fā)展是一個(gè)跨時(shí)域的過(guò)程，目前實(shí)現(xiàn)全過(guò)程的路面智能檢測(cè)技術(shù)鮮有報(bào)道。隨著微傳感技術(shù)、高清圖像技術(shù)、北斗定位系統(tǒng)和計(jì)算機(jī)技術(shù)等飛速發(fā)展，有望能開(kāi)發(fā)病害智能識(shí)別一體機(jī)對(duì)全過(guò)程路面病害進(jìn)行監(jiān)測(cè)，深入路面材料結(jié)構(gòu)內(nèi)部，對(duì)病害的源頭進(jìn)行直觀表征，為路面材料優(yōu)化設(shè)計(jì)提供科學(xué)依據(jù)。

4.3 瀝青路面養(yǎng)護(hù)決策問(wèn)題與發(fā)展

人工智能方法和大數(shù)據(jù)分析手段已廣泛應(yīng)用于瀝青路面養(yǎng)護(hù)決策，對(duì)道路病害識(shí)別、道路服役性能評(píng)價(jià)、道路養(yǎng)護(hù)策略優(yōu)化等領(lǐng)域進(jìn)行全自動(dòng)高效分析，深入挖掘各種監(jiān)測(cè)數(shù)據(jù)之間的內(nèi)在關(guān)系，統(tǒng)計(jì)、分析、預(yù)測(cè)道路服役性能與服役壽命，為路面養(yǎng)護(hù)決策提供更好的輔助服務(wù)。當(dāng)前普遍利用神經(jīng)網(wǎng)絡(luò)、機(jī)器學(xué)習(xí)等人工智能技術(shù)建立路面病害識(shí)別模型，需要大量格式統(tǒng)一、高質(zhì)量、開(kāi)放性的檢測(cè)和監(jiān)測(cè)數(shù)據(jù)數(shù)據(jù)庫(kù)提供訓(xùn)練樣本，同時(shí)，也需要開(kāi)發(fā)適合行業(yè)特點(diǎn)的路面養(yǎng)護(hù)小數(shù)據(jù)集深度學(xué)習(xí)算法、適用于現(xiàn)場(chǎng)養(yǎng)護(hù)的通用型快速智能學(xué)習(xí)算法及平臺(tái)等，以更好地支撐、服務(wù)交通強(qiáng)國(guó)背景下的瀝青路面智能養(yǎng)護(hù)。