本發(fā)明屬于路面設(shè)計領(lǐng)域，特別涉及一種精確度高、可操作性好的基于多重分類器系統(tǒng)的實測軸載譜確定方法。

背景技術(shù)：

實測軸載譜用于描述道路交通量和軸載，實測軸載譜中的軸重大小和軸次頻率分布直接影響路面結(jié)構(gòu)設(shè)計承載力和結(jié)構(gòu)強度。分析實測軸載譜，對道路交通特性有較為系統(tǒng)的認識，確定交通流中重型車的比例，為分析車輛荷載作用下的道路面層結(jié)構(gòu)力學特性特供依據(jù)。

我國現(xiàn)行的瀝青路面設(shè)計方法選取路表彎沉值作為主要設(shè)計指標。設(shè)計完成后，利用瀝青層層底彎拉應(yīng)力作為驗算指標。現(xiàn)行設(shè)計規(guī)范中路表彎沉值是一個重要的參數(shù)，我國現(xiàn)階段瀝青路面大部分都是半剛性基層，相比于半剛性基層的剛度而言，其他層位的剛度可以忽略不計。

此外，隨著柔性路面的廣泛使用，現(xiàn)行的路表彎沉設(shè)計體系不能滿足實際的建設(shè)需要，也無法描述與病害之間的數(shù)量關(guān)系。雖然交通運輸部對此開展了很多相應(yīng)的研究(如：瀝青路面設(shè)計指標體系、瀝青路面設(shè)計指標和參數(shù)研究等)，主要將國外的研究經(jīng)驗結(jié)合我國實際道路現(xiàn)狀進行擴展，構(gòu)建了我國新的瀝青路面設(shè)計規(guī)范，根據(jù)實際工程實用性，2017年公布了《公路瀝青路面設(shè)計規(guī)范jtgd50-2017》，從9月1日開始實施，其中對瀝青路面軸載換算做了進一步明確，但是仍保留了累計軸載換算的設(shè)計標準，無法滿足實測軸載譜的描述。

現(xiàn)有研究成果中缺乏對瀝青路面結(jié)構(gòu)中交通荷載影響的系統(tǒng)研究?，F(xiàn)行的設(shè)計方法中，對于交通荷載的處理辦法是依據(jù)等效破壞原則將所有交通荷載轉(zhuǎn)換成標準當量軸載作用次數(shù)(esal)。由于交通荷載軸載類型的多樣性，目前的分類方法不能準確的反映實際的交通荷載組成情況，容易將軸載組合差距較大的不同車型劃分為同一類別。

《公路瀝青路面設(shè)計規(guī)范jtgd50-2017》中將車輛分為11個大類，超過20種不同的車型。但是，在現(xiàn)行的車輛分類方法在將車輛分為6類，每類車輛的代表車型均取一個典型軸重值，這種典型值的方法本身就存在隨意性，在取值過程中調(diào)查數(shù)據(jù)的陳舊與不足進一步增加了標準當量軸載轉(zhuǎn)化時的誤差，對于標準軸載換算系數(shù)的標定十分不利。

我國在瀝青路面結(jié)構(gòu)設(shè)計體系中對于實測軸載譜法的應(yīng)用實例還很少，系統(tǒng)性的交通數(shù)據(jù)也比較缺乏。部分地區(qū)開展了交通總量、車輛類型以及軸重數(shù)據(jù)的搜集與分析工作，其結(jié)果主要服務(wù)于計重收費和超載查處，并不能有效地服務(wù)于路面結(jié)構(gòu)設(shè)計。而且，數(shù)據(jù)搜集過程中存在弄虛作假和把關(guān)不嚴的情況，數(shù)據(jù)與真實情況不能很好地吻合。加上不同地區(qū)使用的搜集渠道與分析方法大相徑庭，所得結(jié)果缺乏普遍適用性。

《公路瀝青路面設(shè)計規(guī)范(jtgd50-2017)》中標準軸載的當量軸次計算公式雖然也涵蓋了軸載數(shù)據(jù)的應(yīng)用，但是仍有不足之處：其一，規(guī)范中涉及的軸載數(shù)據(jù)呈現(xiàn)不連續(xù)的柱狀分布，無法比較不同軸載特性的分布差異；其二，規(guī)范中的標準軸載當量軸次與累積當量軸次之間沒有聯(lián)系，使得計算過程無理可據(jù)。

總之，由于(1)現(xiàn)行瀝青路面設(shè)計軸載分析過程較為復雜，車輛分類方法各地區(qū)差異較多，分類準確性不一；(2)《公路瀝青路面設(shè)計規(guī)范(jtgg-2017)》中規(guī)定11種車型，在實際實施多采用6類典型車型，統(tǒng)計具有局限性；(3)現(xiàn)行路面軸載分析多采用標準當量軸載作用次數(shù)表征軸載特征，該技術(shù)局限于軸載總量層面，忽略了不同車型實測軸載特征；(4)現(xiàn)行的軸載譜擬合過程沒有統(tǒng)一的標準和方法，擬合精度和軸載譜函數(shù)的實用性無法得到保障等多種原因，導致軸載譜精確度不夠，可操作性不強。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的在于提供一種基于多重分類器系統(tǒng)的實測軸載譜確定方法，精確度高、可操作性好。實現(xiàn)本發(fā)明目的的技術(shù)方案為：

一種基于多重分類器系統(tǒng)的實測軸載譜確定方法，包括以下步驟：

(10)基礎(chǔ)數(shù)據(jù)采集：利用動態(tài)稱重系統(tǒng)，采集和存儲高速公路不同車道的車輛特征參數(shù)和荷載參數(shù)，建立車輛特征和荷載參數(shù)數(shù)據(jù)庫，所述車輛特征參數(shù)包括車輛的車軸數(shù)量、車軸類型、車軸間距，所述荷載參數(shù)是指各個車軸所對應(yīng)的軸重；

(20)數(shù)據(jù)結(jié)構(gòu)建立：將車輛特征參數(shù)和荷載參數(shù)進行編碼組對，得到特征數(shù)據(jù)對；

(30)荷載數(shù)據(jù)多重分類處理：將特征數(shù)據(jù)對輸入多重分類器，得到荷載時間-空間分布表和荷載時間-空間分布圖；

(40)實測軸載模型回歸：根據(jù)荷載時間-空間分布表和荷載時間-空間分布圖，采用混合正態(tài)分布回歸方法，擬合得到實測軸載譜。

本發(fā)明與現(xiàn)有技術(shù)相比，其顯著優(yōu)點在于：

1、精確度高：改進了現(xiàn)行技術(shù)中6類車型分類方法，本發(fā)明可以對各個地域、各個級別的道路類型分別進行交通荷載特性數(shù)據(jù)的搜集，在詳盡的數(shù)據(jù)調(diào)查基礎(chǔ)上，分析得到車輛的類型分布系數(shù)、軸型的軸載分布系數(shù)、交通量的月、日、小時分布系數(shù)等更為精確；

2、可操作性好：該發(fā)明提出的實測軸載譜回歸分析方法，對交通荷載進行了全面分析，綜合分析車輛類型的分布情況、車軸數(shù)量分布、軸載在不同軸重區(qū)間的分布比例等參數(shù)均得到量化標定。將軸載譜法應(yīng)用到瀝青路面結(jié)構(gòu)設(shè)計體系中能夠更準確地反映實際交通荷載特性，較我國現(xiàn)行的設(shè)計方法可操作性更好。

下面結(jié)合附圖和具體實施方式，對本發(fā)明作進一步說明。

附圖說明

圖1是本發(fā)明的基于多重分類器系統(tǒng)的實測軸載譜計算方法流程圖。

圖2是本發(fā)明的所收集數(shù)據(jù)原理的結(jié)構(gòu)圖。

圖3是本發(fā)明的荷載數(shù)據(jù)時間-空間分布表樣表。

圖4是本發(fā)明多重分類器各個層次結(jié)構(gòu)圖。

圖5是本發(fā)明基于混合正態(tài)分布回歸所得的實測軸載譜模型。

具體實施方式

如圖1所示，本發(fā)明基于多重分類器系統(tǒng)的實測軸載譜確定方法，包括以下步驟：

(10)基礎(chǔ)數(shù)據(jù)采集：利用動態(tài)稱重系統(tǒng)，采集和存儲高速公路不同車道的車輛特征參數(shù)和荷載參數(shù)，建立車輛特征和荷載參數(shù)數(shù)據(jù)庫，所述車輛特征參數(shù)包括車輛的車軸數(shù)量、車軸類型、車軸間距，所述荷載參數(shù)是指各個車軸所對應(yīng)的軸重；

所述(10)基礎(chǔ)數(shù)據(jù)采集步驟中，所述的動態(tài)稱重系統(tǒng)數(shù)據(jù)是100km高速公路路段3個不同收費站的稱重系統(tǒng)數(shù)據(jù)。

以某100km六車道高速公路路段計算分析，該段高速公路路段中有3個高速收費站，設(shè)立了動態(tài)稱重系統(tǒng)，分別檢測車軸數(shù)量、車輛類型、車軸荷載數(shù)據(jù)，選擇采集齊全的數(shù)據(jù)作為本發(fā)明的實測分析數(shù)據(jù)，所述數(shù)據(jù)采集方式為每過一輛車進行數(shù)據(jù)采集，分別分為6個車道數(shù)據(jù)，全年記為365天，累計采集近1000萬條有效數(shù)據(jù)。對數(shù)據(jù)進行批處理，刪除有錯誤的數(shù)據(jù)，收集數(shù)據(jù)原理如圖2所示。

數(shù)據(jù)收集包括檢測線圈所檢測的車輛類型數(shù)據(jù)、車軸計次器所采集的車軸數(shù)量數(shù)據(jù)和地磅秤所采集的車軸荷載數(shù)據(jù)三個組成部分。i車道的車輛類型數(shù)據(jù)記為calss_indexi，j車輛的車軸數(shù)記為axlesj，車輛總重記為gross，第n車軸對應(yīng)的軸重為an_wtn，第n車軸對應(yīng)的軸重為axle_typen。

通過上述基礎(chǔ)數(shù)據(jù)采集方法，克服了現(xiàn)有技術(shù)數(shù)據(jù)采集困難，獲取數(shù)據(jù)“單一”的問題。

(20)數(shù)據(jù)結(jié)構(gòu)建立：將車輛特征參數(shù)和荷載參數(shù)進行編碼組對，得到特征數(shù)據(jù)對；

所述(20)數(shù)據(jù)結(jié)構(gòu)建立步驟具體為：

將車輛特征和荷載參數(shù)數(shù)據(jù)庫中的車軸數(shù)量、車軸類型、車軸時間參數(shù)進行編碼組對，得到特征數(shù)據(jù)對<key,value>，其中，key為車輛類型，用0-6的7個數(shù)字所表示，value數(shù)值為車軸參數(shù)和荷載參數(shù)，車軸參數(shù)用“s”表示單軸、“d”表示雙軸、“t”表示三聯(lián)軸，荷載參數(shù)分別為各個車軸所對應(yīng)的荷載數(shù)據(jù)。

通過統(tǒng)一編碼方式，實現(xiàn)跨區(qū)域、時域數(shù)據(jù)的結(jié)構(gòu)化表達，有利于提高數(shù)據(jù)處理的效率和精度。

(30)荷載數(shù)據(jù)多重分類處理：將特征數(shù)據(jù)對輸入多重分類器，得到荷載時間-空間分布表和荷載時間-空間分布圖；

所述(30)荷載數(shù)據(jù)多重分類處理步驟中，所述多重分類器的第一層采用前饋神經(jīng)網(wǎng)絡(luò)按照車軸數(shù)量和車軸類型進行車輛分類，第二層采用決策樹算法對荷載參數(shù)進行分級，第三層采用樸素貝葉斯推理算法。

所述(30)荷載數(shù)據(jù)多重分類處理步驟具體為：

將特征數(shù)據(jù)對<key,value>輸入多重分類器，輸出荷載時間-空間分布表，并將荷載時間-空間分布表中的荷載等級分別確定在[0-2.5kn)、[2.5-4.0kn)、[4.0-9.0kn)、[9.0-10.0kn)、[10.0-13.5kn)和[13.5,+∞)6個荷載區(qū)間內(nèi)，以縱坐標表示荷載區(qū)間內(nèi)車軸數(shù)量的頻率值，以橫坐標表示荷載區(qū)間，得到荷載時間-空間分布圖。

從路面軸載區(qū)間的改進出發(fā)，改進了原有的標準軸載100kn的固定數(shù)值，利用荷載區(qū)間分布頻率確定路面設(shè)計軸載，能夠更好地反映路面實測軸載。

該多重分類器算法組合了一組異構(gòu)的互補的算法，對所述步驟一的車軸數(shù)量、車軸荷載、車軸間距數(shù)據(jù)和車輛總重數(shù)據(jù)、時間數(shù)據(jù)進行分類。利用各個分類模型的統(tǒng)計學和數(shù)學優(yōu)點，避免單個分類器時發(fā)生的沖突。在多重分類器算法中，提高模型的分類性能和可轉(zhuǎn)移性，這對確保空間和時間可轉(zhuǎn)移性至關(guān)重要。此外，多重分類器架構(gòu)允許基于相同數(shù)據(jù)集和預(yù)處理技術(shù)直接比較各種數(shù)學和統(tǒng)計分類。

多重分類器算法結(jié)構(gòu)設(shè)計如圖4所示，本發(fā)明所設(shè)計的多重分類器結(jié)構(gòu)是多層次的4。第一層采用前饋神經(jīng)網(wǎng)絡(luò)算法，使用動態(tài)稱重系統(tǒng)的數(shù)據(jù)(車軸數(shù)量，車輛類型和車輛長度)來對車型和車軸類型進行分類；第二層采用決策樹算法對荷載進行分類，第三層使用樸素貝葉斯算法將軸型和荷載數(shù)據(jù)進行融合分析。根據(jù)車軸數(shù)，間距和總車輛重量閾值區(qū)分了11種車型。

對于前饋神經(jīng)網(wǎng)絡(luò)的訓練方法比較多，效果也根據(jù)實際訓練數(shù)據(jù)各有差異，本發(fā)明選取em方法訓練前饋網(wǎng)絡(luò)來構(gòu)成個體網(wǎng)絡(luò)。em方法的特性是能夠保證網(wǎng)絡(luò)具有一定的正確率，且不容易使得整個網(wǎng)絡(luò)的分類數(shù)據(jù)陷入局部最優(yōu)解，因而使用em算法訓練多層前饋網(wǎng)絡(luò)，使得輸出的分類結(jié)果具有概率意義。

本發(fā)明中使用前饋網(wǎng)絡(luò)進行車輛數(shù)據(jù)分類，其中輸入變量設(shè)為c＝(c1,c2…cn)是動態(tài)稱重系統(tǒng)中所采集的車輛類型已知標號數(shù)據(jù)集，數(shù)據(jù)集中所述n＝(1,2,3…n)，車型數(shù)據(jù)分類按照《公里瀝青路面設(shè)計規(guī)范jtgd50-2017》可分為11個類別，設(shè)一組神經(jīng)網(wǎng)絡(luò)分類器為f＝{f1,f2…fl}，，其輸出為具有11個元素的向量，每個分量代表對應(yīng)類別的概率如下式1所示：

fl(xn)＝(fl1(xn),fl2(xn)……fl11(xn))(式1)

多重分類算法第二層采用決策樹法進行軸載數(shù)據(jù)分類，本發(fā)明選取的是id3算法，該方法主要講信息熵作為選擇測試屬性的標準，對訓練實例進行分類，并構(gòu)造決策樹來預(yù)測整個實例的空間劃分。決策樹法，從荷載數(shù)據(jù)的單條數(shù)據(jù)開始，如果該條數(shù)據(jù)滿足某一特定分支的“是”條件，則轉(zhuǎn)入該分支，遍歷該條數(shù)據(jù)所有的屬性值后，將該條數(shù)據(jù)作為樹葉，并釘上樹葉的標簽；否則，算法在使用信息熵作為啟發(fā)信息，對該節(jié)點進行“分裂”或者“測試”屬性。荷載數(shù)據(jù)均為離散數(shù)據(jù)，因此滿足該算法的實用條件。

第三層采用樸素貝葉斯算法對荷載數(shù)據(jù)和軸型數(shù)據(jù)進行融合分析，多貝葉斯估計法為數(shù)據(jù)融合提供了一種手段，是融合靜態(tài)環(huán)境中多傳感器高層信息的常用方法。將軸型數(shù)據(jù)和軸重數(shù)據(jù)依據(jù)概率進行組合，測量不確定性以條件概率表示，由于軸載數(shù)據(jù)和荷載數(shù)據(jù)所對應(yīng)的時間數(shù)據(jù)一致，因此，可以直接對傳感器的數(shù)據(jù)進行融合。貝葉斯估計將每一個軸型和軸載數(shù)據(jù)作為一個貝葉斯估計，將各個單獨物體的關(guān)聯(lián)概率分布合成一個聯(lián)合的后驗的概率分布函數(shù)，通過使用聯(lián)合分布函數(shù)的似然函數(shù)為最小，提供多傳感器信息的最終融合值，融合信息與環(huán)境的一個先驗?zāi)Ｐ吞峁┱麄€環(huán)境的一個特征描述。基于linux系統(tǒng)，編制如上所述的多重分類器的架構(gòu)，基于sql2008建立動態(tài)稱重系統(tǒng)數(shù)據(jù)庫。

通過多重分類器算法進行數(shù)據(jù)分類，分類結(jié)果包含繪制實測軸載譜所需的軸重分布系數(shù)、軸數(shù)系數(shù)、交通量月分布系數(shù)、交通量小時分布系數(shù)和車輛類型分布系數(shù)。根據(jù)數(shù)據(jù)分布確定各個參數(shù)的代表值，結(jié)果可供路面結(jié)構(gòu)分析和設(shè)計使用。分析表明，各種車輛前軸的軸重分布系數(shù)基本上是呈單峰型，而承重軸則有明顯的雙峰型，分別對應(yīng)于車輛空載和滿載兩種情況。通過本章所確定的軸載譜參數(shù)，可以完整、準確地反映現(xiàn)場交通荷載狀況。

荷載時間-空間分布圖如圖3所示。

(40)實測軸載模型回歸：根據(jù)荷載時間-空間分布表和荷載時間-空間分布圖，采用混合正態(tài)分布回歸方法，擬合得到實測軸載譜。

所述混合正態(tài)分布回歸方法為現(xiàn)有常規(guī)數(shù)學方法，本文不再贅述。

實測軸載譜如圖5所示。

本發(fā)明所采用的是根據(jù)時間-空間分布數(shù)據(jù)存在多個聚合點的問題，選取混個正態(tài)分布來表征軸載分布，將實測軸載譜分解為多個正態(tài)分布的求和，在這項研究中開發(fā)的方法的核心是利用理論分布的混合來表征整體軸載分布。在圖中，f1和f2表示以適當比例相加在一起以形成最終概率密度函數(shù)f^*的理論分布。在數(shù)學上，這可以表示為式2。

f^*＝p1f1+p2f2(式2)

關(guān)于這種混合分配模式，需要解決了兩個關(guān)鍵的技術(shù)問題。首先，確定了兩個正態(tài)分布模型和關(guān)鍵參數(shù)；第二，除了其他模型參數(shù)之外，確定每個分布的相對比例；第三，最終模型f^*的精度。