瀝青路面使用性能評(píng)價(jià)模型與性能評(píng)價(jià)案例分析＊

■ 崔洪軍 張孟然 朱敏清 李霞 白海麗

1.河北工業(yè)大學(xué)土木與交通學(xué)院 天津 300401

2.河北工業(yè)大學(xué)建筑與藝術(shù)設(shè)計(jì)學(xué)院 天津 300401

0 引言

高速公路瀝青路面在服役中，其使用性能變化不僅與受到的行車荷載、環(huán)境因素降水與光照等）作用有關(guān)，還受到材料性能（溫度穩(wěn)定性、水溫定性、抗老化性能等）、路面結(jié)構(gòu)設(shè)計(jì)、施工工藝與質(zhì)量等因素的影響。在多重因素的共同影響下，路面使用性能隨著服役時(shí)間持續(xù)下降，不僅會(huì)影響駕駛者的行車感受，同時(shí)還可能增大高速公路的安全隱患。因此，需要對(duì)路面進(jìn)行針對(duì)性的養(yǎng)護(hù)維修，而養(yǎng)護(hù)維修的重要依據(jù)便是以檢測(cè)數(shù)據(jù)為基礎(chǔ)的性能評(píng)價(jià)結(jié)果。

路面使用性能評(píng)價(jià)可以全面了解路面服務(wù)水平、劃分路面技術(shù)等級(jí)、同樣也是養(yǎng)護(hù)管理中的重要部分，是制定科學(xué)養(yǎng)護(hù)決策的前提與基礎(chǔ)，因此，如何客觀、真實(shí)地對(duì)高速公路路面使用性能做出評(píng)價(jià)對(duì)于高速的管理與養(yǎng)護(hù)都有著重要的作用。由于我國(guó)現(xiàn)行高速公路路面幾乎全部采用瀝青混凝土作為面層結(jié)構(gòu)，因此本研究針對(duì)的高速公路路面性能評(píng)價(jià)最后落腳到瀝青路面的性能評(píng)價(jià)上。

在我國(guó)，現(xiàn)行規(guī)范中所規(guī)定的路面使用性能評(píng)價(jià)即路面技術(shù)評(píng)定體系主要基于實(shí)際檢測(cè)數(shù)據(jù)并結(jié)合專家系統(tǒng)建立線性或非線性回歸模型，包括明確的評(píng)價(jià)指標(biāo)，均以百分制計(jì)算，分值高低直接體現(xiàn)路面使用性能水平[1-3]；不過也存在分項(xiàng)指標(biāo)權(quán)重固定，對(duì)不同條件的路面缺乏針對(duì)性。近些年，國(guó)內(nèi)外學(xué)者使用了多種方法對(duì)路面性能評(píng)價(jià)進(jìn)行研究，同時(shí)也設(shè)計(jì)出不同的路面性能評(píng)價(jià)方法分析路面數(shù)據(jù)。Ling 等利用可拓學(xué)理論建立路面性能評(píng)價(jià)方法[4]；Sun等使用模糊邏輯理論和層次分析法對(duì)路面狀況進(jìn)行評(píng)估[5]；范嫦娥等利用自組織特征映射神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)路用性能[6]；張凱星等人基于BP 神經(jīng)網(wǎng)絡(luò)進(jìn)行瀝青路面性能評(píng)價(jià)[7]；董喆等將TOPSIS法與局部差異法相結(jié)合，確定評(píng)價(jià)指標(biāo)權(quán)重并驗(yàn)證了可行性[8]；蔣輝等針對(duì)以往路面性能評(píng)價(jià)方法客觀性較弱的問題，利用區(qū)間聯(lián)系隸屬度函數(shù)構(gòu)建評(píng)價(jià)體系[9]；趙靜與李巧茹等利用主成分分析法與支持向量機(jī)等方法評(píng)價(jià)瀝青路面使用性能[10-11]；楊春風(fēng)等通過考慮道路環(huán)境及病害因素，建立基于層次變權(quán)法的路面使用性能模糊評(píng)價(jià)模型[12]。

綜上，針對(duì)于瀝青路面使用性能評(píng)價(jià)的研究方法種類盡管不在少數(shù)，但普遍存在著檢測(cè)數(shù)據(jù)量小、數(shù)據(jù)利用率低等問題，大量研究?jī)H利用單一年份的路面檢測(cè)數(shù)據(jù)，所推演的路面性能衰減規(guī)律可能缺乏代表性與實(shí)用性，增大數(shù)據(jù)源規(guī)模所得到的分析結(jié)果才更能接近實(shí)際路面性能變化規(guī)律。隨著信息技術(shù)等領(lǐng)域的飛速發(fā)展，越來越多樣的數(shù)據(jù)分析技術(shù)在公路交通等傳統(tǒng)行業(yè)發(fā)揮著作用，對(duì)于評(píng)價(jià)指標(biāo)多，數(shù)據(jù)量大的研究對(duì)象時(shí)，首先通過數(shù)據(jù)可視化與降維等方式簡(jiǎn)化數(shù)據(jù)，本文將以榮烏高速保定段2016年至2019年部分路段路面檢測(cè)數(shù)據(jù)為例，將其匯總整理，通過R 語言程序?qū)⒙访婺隀z數(shù)據(jù)轉(zhuǎn)化R 語言可識(shí)別的數(shù)據(jù)庫形式，對(duì)各檢測(cè)指標(biāo)進(jìn)行相關(guān)性分析，再通過主成分分析法對(duì)所得相關(guān)系數(shù)矩陣進(jìn)行數(shù)據(jù)降維，形成相關(guān)性較低的幾個(gè)相對(duì)獨(dú)立成分，最終實(shí)現(xiàn)與實(shí)際路面性能衰變規(guī)律更貼切的評(píng)價(jià)方法，為數(shù)據(jù)分析技術(shù)在高速公路路面建設(shè)與養(yǎng)護(hù)中的應(yīng)用提供經(jīng)驗(yàn)與支持。

1 主成分-層次分析法原理與矩陣選擇

1.1 主成分-層次分析法基本原理

主成分分析法常用于多元統(tǒng)計(jì)學(xué)中的多變量降維。當(dāng)研究對(duì)象中的變量數(shù)量較多時(shí)，變量之間的相關(guān)性將導(dǎo)致信息出現(xiàn)一定程度的重疊。一般來說，各變量之間或多或少都存在一定的相關(guān)關(guān)系（常用相關(guān)系數(shù)表示），主成分分析法就是利用變量間的相關(guān)關(guān)系，將重疊程度較高的變量進(jìn)行變換，得到獨(dú)立性更強(qiáng)的主要成分，削減變量間的相互影響，起到降低數(shù)據(jù)維度的作用[13]。

主成分分析的本質(zhì)是對(duì)原始數(shù)據(jù)集進(jìn)行線性變換，并在承載主要方差的坐標(biāo)系上獲得新數(shù)據(jù)集。如圖1所示，數(shù)據(jù)的原始坐標(biāo)為(x1，x2)，其中兩個(gè)軸上的方差都很大。通過進(jìn)行主成分分析，將坐標(biāo)移動(dòng)到(y1，y2)，其中可以在新軸y1 上解釋數(shù)據(jù)集的大部分方差，而y2 上的方差顯著減小。在此示例中，通過應(yīng)用主成分分析，數(shù)據(jù)維度從2維降到1維。

圖1 主成分分析法圖解

層次分析法作為常用于確定復(fù)雜系統(tǒng)中各元素權(quán)重的分析方法，具有貼近決策意向的突出優(yōu)勢(shì),應(yīng)用范圍廣泛。但由于構(gòu)造判斷矩陣時(shí)需要考慮各元素相對(duì)重要程度，常用專家評(píng)分法由于人為因素干預(yù)可能會(huì)導(dǎo)致所得矩陣缺乏客觀性，本文利用主成分分析所得載荷系數(shù)矩陣作為判斷矩陣，極大減少了對(duì)各元素相對(duì)重要程度的判斷誤差與人為干擾。

1.2 主成分分析法的矩陣選擇

使用主成分分析法得到的降維結(jié)果往往會(huì)受到各變量指標(biāo)方差的影響，這種影響被稱為主成分的優(yōu)勢(shì)效應(yīng)。優(yōu)勢(shì)效應(yīng)會(huì)隨著選擇相關(guān)系數(shù)矩陣或協(xié)方差矩陣反映到不同類別的變量上，導(dǎo)致產(chǎn)生不同的分析結(jié)果。具體來說，選擇協(xié)方差矩陣時(shí)，研究對(duì)象中單個(gè)變量的方差大小會(huì)對(duì)分析結(jié)果產(chǎn)生較大的影響，對(duì)研究目的不太重要但方差較大的一類變量就會(huì)影響結(jié)果的準(zhǔn)確性；另外，因?yàn)榉讲畈痪哂锌蓪?duì)比性，導(dǎo)致協(xié)方差矩陣不適用于原始指標(biāo)度量尺度不同的研究對(duì)象。所以在使用協(xié)方差矩陣進(jìn)行主成分分析時(shí)，通常需要先對(duì)原始數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化處理，以獲得具有統(tǒng)一度量的協(xié)方差矩陣。

相較于協(xié)方差矩陣，利用相關(guān)系數(shù)矩陣進(jìn)行主成分分析就可以較好的規(guī)避以上問題。首先，相關(guān)系數(shù)矩陣相當(dāng)于對(duì)原始數(shù)據(jù)進(jìn)行了標(biāo)準(zhǔn)化處理，并得到具有可比性、元素均為0～1的常數(shù)的相關(guān)系數(shù)矩陣。再者，相關(guān)系數(shù)矩陣在使用中更傾向于把相關(guān)性更強(qiáng)的變量歸為一類，忽略原始變量方差與權(quán)重對(duì)原始數(shù)據(jù)的影響，因此所得到的結(jié)果更為客觀，對(duì)多變量劃分成分與數(shù)據(jù)降維有著更準(zhǔn)確的效果[14]。

2 路面性能檢測(cè)指標(biāo)歸類與檢測(cè)數(shù)據(jù)預(yù)處理

2.1 路面性能檢測(cè)指標(biāo)歸類與評(píng)價(jià)體系

路面性能指標(biāo)分類直接影響評(píng)價(jià)體系的合理性和評(píng)價(jià)結(jié)果的準(zhǔn)確性。在我國(guó)，絕大部分高速公路都會(huì)進(jìn)行定期檢測(cè)，而檢測(cè)得到的數(shù)據(jù)結(jié)果就是對(duì)路面性能評(píng)價(jià)的最好依據(jù)。根據(jù)來自榮烏高速保定段（K0881+525～K0952+000、K0995+417～K1008+267）2016～2019年路面定檢數(shù)據(jù)，2016年～2018年依照當(dāng)時(shí)《公路技術(shù)狀況評(píng)定標(biāo)準(zhǔn)》JTGH20—2007 評(píng)價(jià)體系，如圖2，其中PSSI為抽檢指標(biāo)，2019年依照新規(guī)范增加了PBI、PWI 等指標(biāo)，其中，PWI與SRI二選其一，如圖3。

圖3 路面性能評(píng)價(jià)體系（2018）

其中，路面損壞狀況以歸為路面破壞類指標(biāo)，受裂縫、車轍等常見病害影響；路面跳車指數(shù)、路面行駛質(zhì)量、路面車轍深度、路面磨耗與抗滑性能可歸為路表功能類指標(biāo)，主要體現(xiàn)了高速公路表面功能的安全性與舒適性，路面結(jié)構(gòu)強(qiáng)度指數(shù)則表示路面承受荷載的能力，主要考察路面實(shí)測(cè)彎沉值與標(biāo)準(zhǔn)彎沉值的差距。

2.2 路面檢測(cè)數(shù)據(jù)預(yù)處理

對(duì)2016～2019年榮烏高速保定段路面定檢數(shù)據(jù)進(jìn)行整理，利用R語言程序?qū)?shù)據(jù)導(dǎo)入至R軟件中，實(shí)現(xiàn)數(shù)據(jù)的可視化，建立按照年份和上下行歸集的路面定檢數(shù)據(jù)庫，如圖4 所示。數(shù)據(jù)庫中共包含8 個(gè)子數(shù)據(jù)集，以“up”和“down”區(qū)分上下行，再對(duì)子數(shù)據(jù)集進(jìn)行有效信息篩選，去除里程樁號(hào)、長(zhǎng)度等無關(guān)指標(biāo)，形成格式統(tǒng)一的檢測(cè)數(shù)據(jù)源矩陣，如圖5 所示，在2019年檢測(cè)數(shù)據(jù)中，新增變量PBI，但下行數(shù)據(jù)中，PBI指標(biāo)全程為100 滿分，因此忽略其對(duì)路面性能的影響的方差貢獻(xiàn)。

圖4 路面定期檢測(cè)數(shù)據(jù)庫

圖5 簡(jiǎn)化信息后的檢測(cè)數(shù)據(jù)庫

3 數(shù)據(jù)分析過程與評(píng)價(jià)方法建立

3.1 數(shù)據(jù)分析過程

（1）對(duì)數(shù)據(jù)進(jìn)行主成分分析之前要先經(jīng)過KMO 檢驗(yàn)(Kaiser-Meyer-Olkin)，用于比較變量間簡(jiǎn)單相關(guān)系數(shù)和偏相關(guān)系數(shù)，此檢驗(yàn)的目的是為了校驗(yàn)源數(shù)據(jù)是否適用主成分分析法，檢驗(yàn)取值在0～1 之間，越接近1 則表示變量間相關(guān)性越強(qiáng)，越適宜應(yīng)用于該方法，計(jì)算公式為

式中：rij為簡(jiǎn)單相關(guān)系數(shù)；aij表示偏相關(guān)系數(shù)[15]，通過R語言程序?qū)Ω髂攴輽z測(cè)源數(shù)據(jù)矩陣進(jìn)行KMO 檢驗(yàn)，結(jié)果如表1所示。

表1 KMO檢驗(yàn)結(jié)果

KMO 值大于0.5 則表示數(shù)據(jù)適合主成分分析，大于0.7時(shí)表示非常適合，KMO 檢驗(yàn)結(jié)果顯示，8個(gè)源數(shù)據(jù)矩陣均適合進(jìn)行主成分分析，其中有7個(gè)非常適合。

（2）比較協(xié)方差矩陣與相關(guān)系數(shù)矩陣的各自優(yōu)勢(shì)，選擇更合適本研究提取主成分的一種，通過R 語言程序計(jì)算各年份各指標(biāo)方差，結(jié)果如表2所示。

表2 方差計(jì)算結(jié)果

通過對(duì)各指標(biāo)方差計(jì)算，發(fā)現(xiàn)方差較大的指標(biāo)主要為PCI 與RDI，而在現(xiàn)行規(guī)范中，RDI 的權(quán)重只有15%。因此，如果利用協(xié)方差矩陣對(duì)源數(shù)據(jù)進(jìn)行降維，所得到的主成分會(huì)傾向于此類指標(biāo)。但在實(shí)際過程中，反映駕駛安全與舒適度的RQI 等指標(biāo)在路面評(píng)價(jià)中也有著較大的權(quán)重，也是人們關(guān)注的重點(diǎn)，卻在方差貢獻(xiàn)中占比很少。因此，對(duì)于此情況，利用協(xié)方差矩陣計(jì)算主成分是不夠合理的，利用相關(guān)系數(shù)矩陣可以更好規(guī)避各別變量方差較大而導(dǎo)致主成分被動(dòng)傾斜的后果。

（3）分別對(duì)8 個(gè)檢測(cè)源數(shù)據(jù)矩陣提取主成分，，求得各相關(guān)系數(shù)矩陣列于表3。如表3所示，各年份檢測(cè)指標(biāo)間存在一定的關(guān)聯(lián)性，相關(guān)系數(shù)變化范圍主要在0.5～0.8區(qū)間內(nèi)。在2019年上行檢測(cè)數(shù)據(jù)中，由于PBI 整體分值較高，而各別路段分值較低，所以表現(xiàn)出方差高而相關(guān)系數(shù)低的情況。在2019年下行數(shù)據(jù)中，主要由于SRI 指標(biāo)下降速度較其他三個(gè)較緩，而造成相關(guān)系數(shù)較低甚至是負(fù)相關(guān)的情況。

表3 相關(guān)系數(shù)計(jì)算結(jié)果

根據(jù)得到的相關(guān)系數(shù)矩陣提取主成分，計(jì)算矩陣的特征值與特征向量。選取盡量少的主成分進(jìn)行綜合評(píng)價(jià)的基礎(chǔ)上，還要保證主要信息的完整性。其中，主成分選取的個(gè)數(shù)n要由特征值方差的貢獻(xiàn)率來決定。一般來說，以累計(jì)貢獻(xiàn)率達(dá)到80%的原則確定n的取值，選取前n 主成分Comp.1 ，Comp.2，…，Comp.w，保留原始數(shù)據(jù)的絕大部分信息。通過R 語言程序計(jì)算，各檢測(cè)數(shù)據(jù)矩陣主成分計(jì)算結(jié)果列于表4。

表4 主成分計(jì)算結(jié)果

從分析結(jié)果中可以看出，2016～2018年檢測(cè)數(shù)據(jù)中，提取兩個(gè)主成分即可滿足累計(jì)貢獻(xiàn)率要求；而對(duì)于2019年，上下行均要提取3個(gè)主成分，主要是由于個(gè)別指標(biāo)下降速率較快，主成分的特征值方差貢獻(xiàn)變小，因此需要更多主成分達(dá)到累計(jì)貢獻(xiàn)率的標(biāo)準(zhǔn)以保證信息的完整性。在此基礎(chǔ)上繼續(xù)計(jì)算特征值對(duì)應(yīng)的特征向量，如表5所示，其數(shù)值對(duì)應(yīng)主成分中各指標(biāo)的載荷系數(shù)。

表5 各成分特征向量

根據(jù)各矩陣特征值與載荷系數(shù)，可得到各年份提取的主成分線性組合表達(dá)式，如下：

① Compup2016= 0.70Comp. 1 + 0.15Comp. 2 =0.369PCI+0.437RQI+0.306RDI+0.302SRI

② Compdown2016= 0.76Comp. 1 + 0.14Comp. 2 =0.355PCI+0.454RQI+0.408RDI+0.313SRI

③ Compup2017= 0.65Comp. 1 + 0.15Comp. 2 =0.258PCI+0.411RQI+0.277RDI+0.276SRI

④ Compdown2017= 0.76Comp. 1 + 0.13Comp. 2 =0.393PCI+0.450RQI+0.311RDI+0.375SRI

⑤ Compup2018= 0.69Comp. 1 + 0.14Comp. 2 =1.515PCI+0.984RQI+1.377RDI+1.718SRI

⑥ Compdown2018= 0.71Comp. 1 + 0.13Comp. 2 =1.760PCI+1.245RQI+1.316RDI+1.420SRI

⑦ Compup2019= 0.48Comp. 1 + 0.21Comp. 2 +0.15Comp. 3 = 1.427PCI + 1.031RQI + 1.066RDI +1.503SRI+0.983PBI

⑧ Compdown2019= 0.44Comp. 1 + 0.24Comp. 2 +0.21Comp. 3 = 0.825PCI + 0.968RQI + 1.716RDI +0.328SRI

（4）使用層次分析法確定指標(biāo)權(quán)重。將載荷系數(shù)矩陣作為判斷矩陣，利用R 語言程序進(jìn)行一致性檢驗(yàn)與層次分析計(jì)算，輸出對(duì)應(yīng)年份下各指標(biāo)的權(quán)重系數(shù)，并對(duì)所得各年份同向各指標(biāo)權(quán)重系數(shù)取平均值，如表6所示。

表6 各指標(biāo)權(quán)重系數(shù)

3.2 評(píng)價(jià)方法建立

分別得到上行與下行路面性能評(píng)價(jià)體系，表達(dá)式如下：

①Compup= 0.245PCI + 0.248RQI + 0.217RDI +0.249SRI+0.041PBI

②Compdown= 0.253PCI +0.265RQI +0.287RDI +0.196SRI

將以上兩式分別作為上下行路面使用性能評(píng)價(jià)體系，利用前文建立的2016～2019年路面性能指標(biāo)數(shù)據(jù)庫作為驗(yàn)證實(shí)例，評(píng)價(jià)結(jié)果與《公路技術(shù)狀況評(píng)定標(biāo)準(zhǔn)》（下稱《標(biāo)準(zhǔn)》）評(píng)價(jià)進(jìn)行比較，列于表7。

表7 評(píng)價(jià)結(jié)果與對(duì)比

通過對(duì)前文提到的路面性能檢測(cè)數(shù)據(jù)庫中共568個(gè)樣本進(jìn)行檢測(cè)方法驗(yàn)證，并與《標(biāo)準(zhǔn)》評(píng)價(jià)方法進(jìn)行對(duì)比。其中，本文方法評(píng)價(jià)等級(jí)高于《標(biāo)準(zhǔn)》的樣本比例約為0.34%，低于《標(biāo)準(zhǔn)》的樣本比例約為6.83%，其余樣本（92.83%比例）對(duì)比結(jié)果相同。分析以上結(jié)果不同路段的原因主要有以下幾點(diǎn)：

（1）有兩個(gè)路面性能檢測(cè)樣本的《標(biāo)準(zhǔn)》評(píng)價(jià)結(jié)果低于本文評(píng)價(jià)結(jié)果。主要是由于這兩個(gè)樣本的PCI值相較于其他指標(biāo)偏低，在90以下或接近90。而在《標(biāo)準(zhǔn)》評(píng)價(jià)體系中，各指標(biāo)權(quán)重系數(shù)具有一定的主觀性且權(quán)重較大，尤其是PCI與RQI指標(biāo)，因此導(dǎo)致此兩指標(biāo)相對(duì)偏低的樣本，整體評(píng)分也較低而另外兩項(xiàng)表現(xiàn)較好則未有所體現(xiàn)。。

（2）除了上文提到的兩個(gè)檢測(cè)樣本，其余對(duì)比結(jié)果不同的樣本均屬于《標(biāo)準(zhǔn)》評(píng)價(jià)方法結(jié)果得分高于本文評(píng)價(jià)方法。但是從實(shí)測(cè)數(shù)據(jù)中看到，這些樣本中普遍存在RDI 指標(biāo)與SRI 指標(biāo)表現(xiàn)較差的情況，而本文通過數(shù)據(jù)的相關(guān)性分析，發(fā)現(xiàn)該路段RDI 與SRI 指標(biāo)存在明顯高于其他指標(biāo)的下降速率，特別是SRI 指標(biāo)，在2018 與2019年中更是下降到60 分以下，屬于“差”等級(jí)，因此仍將該類路面定義為優(yōu)則有些不妥。

（3）本文評(píng)價(jià)方法采用主成分分析法對(duì)檢測(cè)指標(biāo)進(jìn)行降維與主成分提取，形成彼此相關(guān)性較弱的幾個(gè)主要成分，削減各指標(biāo)間相關(guān)性的影響。再利用所得到主成分載荷系數(shù)作為判斷矩陣，利用層次分析法進(jìn)行權(quán)重系數(shù)的計(jì)算，整個(gè)計(jì)算過程避免了主觀因素的干擾，評(píng)價(jià)結(jié)果與實(shí)際路面狀況更接近，更客觀地反映實(shí)際路面性能。

4 結(jié)論與建議

4.1 結(jié)論

本文通過收集高速公路路面定檢數(shù)據(jù)，進(jìn)行數(shù)據(jù)處理并建立基于主成分-層次分析法的路面性能評(píng)價(jià)模型，與我國(guó)現(xiàn)行高速公路瀝青路面使用性能評(píng)價(jià)指標(biāo)與評(píng)價(jià)體系進(jìn)行對(duì)比分析，主要結(jié)論如下：

（1）通過對(duì)高速公路瀝青路面使用性能評(píng)價(jià)體系與分項(xiàng)指標(biāo)的綜合分析，將各指標(biāo)歸類為路面破壞類指標(biāo)、路表功能類指標(biāo)與路面承受荷載強(qiáng)度指標(biāo)三大類，更詳盡地將各分項(xiàng)指標(biāo)劃分類別，減小指標(biāo)之間的關(guān)聯(lián)性。

（2）本文將主成分分析法與層次分析法相結(jié)合，形成基于多年份同路段瀝青路面使用性能的監(jiān)測(cè)數(shù)據(jù)的分析評(píng)價(jià)模型，降低各指標(biāo)相關(guān)性的影響，可以更為客觀的評(píng)價(jià)高速公路路面在所處環(huán)境下的衰變特性與路面性能，以指導(dǎo)路面的養(yǎng)護(hù)管理，該模型為我國(guó)高速公路瀝青路面性能的評(píng)價(jià)與特性分析提供了一種新的方法和新的思路

（3）本文以榮烏高速2016～2019年間路面檢測(cè)數(shù)據(jù)為基礎(chǔ)，提出具有針對(duì)性的高速公路路面性能評(píng)價(jià)方法，但我國(guó)地域廣袤、不同高速公路所處地區(qū)氣候等自然條件各不相同，同時(shí)各條道路路面性能的變化與衰變都可能隨多種因素呈現(xiàn)各自不同的特點(diǎn)，因此，本文基于多年份檢測(cè)數(shù)據(jù)的路面性能評(píng)價(jià)方法仍需要在未來的研究中多維度考慮設(shè)計(jì)、施工等關(guān)聯(lián)階段的綜合影響，對(duì)瀝青路面性能評(píng)價(jià)模型進(jìn)行優(yōu)化與調(diào)整。

4.2 建議

針對(duì)我國(guó)現(xiàn)行高速公路路面性能評(píng)價(jià)體系針對(duì)性差，檢測(cè)數(shù)據(jù)利用率低，數(shù)據(jù)量小，年份單一等不足，在此提出一些改善現(xiàn)行評(píng)價(jià)流程與模型的建議，如下：

（1）避免高速公路路面評(píng)價(jià)中對(duì)于路面自然環(huán)境、建設(shè)條件以及路面屬性等基礎(chǔ)信息的脫離，評(píng)價(jià)模型與指標(biāo)權(quán)重應(yīng)更貼近路面自身特點(diǎn)制定，更具針對(duì)性，例如考慮施工與路面服役期間自然環(huán)境條件與車輛荷載情況。

（2）要基于實(shí)際檢測(cè)數(shù)據(jù)對(duì)路面使用性能做出評(píng)價(jià)和制定路面養(yǎng)護(hù)決策，同時(shí)要提高高速公路路面檢測(cè)數(shù)據(jù)的利用率，檢測(cè)數(shù)據(jù)年限應(yīng)盡可能回溯，將歷年檢測(cè)數(shù)據(jù)以統(tǒng)一格式記錄并錄入數(shù)據(jù)庫中，便于調(diào)取與分析，對(duì)于評(píng)價(jià)模型以外的路面性能指標(biāo)也要適當(dāng)檢測(cè)與記錄，例如路面彎沉值與構(gòu)造深度等，以擴(kuò)大檢測(cè)數(shù)據(jù)的規(guī)模，為改善評(píng)價(jià)模型提供更多思路。

（3）針對(duì)同一路面在不同位置或在不同指標(biāo)上體現(xiàn)出顯著不同的衰變趨勢(shì)，應(yīng)引起關(guān)注并在評(píng)價(jià)體系中作出相應(yīng)調(diào)整，對(duì)重點(diǎn)衰變位置或重點(diǎn)指標(biāo)，評(píng)價(jià)路面性能時(shí)要具體到各項(xiàng)指標(biāo)性能，不能因?yàn)檎w評(píng)價(jià)良好而忽略個(gè)別權(quán)重較低但表現(xiàn)不佳的評(píng)價(jià)指標(biāo)，還要在養(yǎng)護(hù)決策中有相應(yīng)對(duì)策，例如針對(duì)性的預(yù)防性養(yǎng)護(hù)措施或有針對(duì)性的提高檢測(cè)頻率與養(yǎng)護(hù)投入。