道路路面的保养对交通的安全和顺畅具有很大的影响，但是传统的道路保养方式存在很多的弊端，如浪费人力、物力、财力及决策迟缓等。而大数据的应用可以提高养护决定的科学性、精确度，能预测维修的需求量，节约维修的成本，安排好维修的时间，使管理更趋精确化。本文论述了大数据在公路路面智能养护决策中的应用，希望能够给行业带来新的启发。

大数据分析在公路路面养护中的理论基础

大数据技术概述

大数据是指传统数据分析方法难以有效处理的海量、高速增长的数据集。大数据的特点是：数据规模巨大、具多样性、速度快、价值密度相对较低。大数据技术可以对数据进行采集、存储、计算、分析，甚至展示出来，从而可以得到有用的数据信息。在交通领域，特别是对公路养护来说，大数据技术已成为实现智慧化管理手段的重要利器。通过安装各种各样的传感器、卫星测控、车载设备，获取各种道路情况、交通流量、天气等信息，对其进行实时收集整理并作出相应分析，能给道路养护工作带来很大的帮助。

公路路面养护现状及问题分析

现阶段，公路路面维护管理仍然实行老式的定期巡查和主观判断方法，存在养护资源分布不合理，养护费用难以把控及养护质量不稳定等现象；以往的管理方式过于依赖经验和人为判断，使得养护决策带有较大延迟性和随机性。伴随公路网路拓展与车流量的增加，传统的养护管理已经很难适应当前公路养护的发展要求，比如，对于路面破坏缺乏及时有效的预报措施，在损坏程度较大后再对其进行维修，使得道路养护支出过高。据统计，公路路面养护的资金损耗一般在总投资费用的15%～20%。

智能养护决策的理论框架

智能养护决策系统（IDSS）是一种以大数据及人工智能为基础的数据挖掘、分析、预测和优化决策一体化系统，主要以数据收集、处理、建模及决策等功能模块，来为养护工作提供准确可靠的决策依据。其基本结构由数据层、分析层、决策层、执行层四部分组成，其中，数据层用于汇集多种来源的数据并进行保存；分析层对原始数据进行整理加工和构建相关的模型；决策层针对不同的目标应用不同策略的优化方案，获得最理想的养护结果；执行层最终落实养护措施并对整个过程进行监督校正。大数据加智能决策的应用可以做到基于数据的精准判断，从而提高养护决策水平及精细化管理程度。基于构建预报模型，例如道路破损预报模型及修理费用最优化模型，在养护规划时就可以更好地实现资源分配及费用控制，从而达到更好的养护效果，并避免资金闲置浪费。

大数据分析在公路路面智能养护中的关键技术

数据采集与数据源

公路路面信息获取依赖多种传感器及遥感技术，包括嵌入式路面传感器、三维激光雷达扫描仪、高清晰度摄像头、无人机摄影图像及卫星遥感等多种方式共同使用，可以即时获取到公路路面裂缝深度、平整度指数、空隙率、交通量及环境参数等重要信息；高分辨率卫星遥感图像加深度学习模型能对超过3000幅图片的道路缺陷进行判定，精度高于90%。多源异构数据主要由交通探测器数据、气象站点数据、历史养护资料及物联网装置的数据组成，必须在相同的时空坐标下集成，形成一张囊括道路全寿命的数据矩阵，完成多层次横截面数据及纵剖面数据的集成，为下一步研究夯实了基础。

数据预处理与分析方法

原始数据预处理是保证数据分析准确性的重要过程，包含了数据清洗、空缺补全、离群点剔除及规范化处理等一系列工作；通过加权插值、统计滤波等方式去除传感器干扰信号及建立起统一的数据标准，使不同的数据源可以具有良好的对比能力。数据挖掘技术是寻找有价值信息的技术手段，可应用聚类方法划分出相近似的病害类型，在此基础上利用关联规则挖掘，寻找出路况、气候因素同病害的发展之间千丝万缕的联系，以随机森林和支持向量机等机器学习方法对公路路况进行评价，并对未来的需要量进行估算。预测型分析及模式发现算法可以对未来的损坏趋势和维护要求作出定量化的预报，给予资源调配和生产安排以量化的参考，加快决策反应时间。

智能决策模型的构建与优化

智能化的决策模型基于大数据分析的结果来优化养护策略配置，一般由三个模块组成：输入层、处理层及输出层。输入层汇集了交通流量、病害指标、环境条件、预算等多种信息。处理层采取线性规划、神经网络及混合优化方法等手段对各种信息进行整合运算并得出最佳方案。多目标优化法可以在提高道路寿命、减少开支、减小施工干扰这三个方面作出选择；模糊决策方法可以对存在的偏差和模糊之处进行判定。大数据驱动型优化模型的应用可以大大提高工作效率，在实践中甚至可以做到减少高峰期施工时间20%，可见该模型的优势之大。构建智能化养护决策模型，在提高养护方案的合理性的同时，可以实时地对方案实施的效果作出动态监控，并对模型相关参数及时修正，来应对路面状况及管理工作的新要求。

大数据分析应用案例与实证研究

基于大数据的养护决策支持系统

某省开发的“公路网技术状况感知与养护决策关键技术”属于典型的基于大数据的养护决策支持系统，此体系以多种异构数据融合、全生命周期技术状况感知为基础，建立了一个覆盖全省干线公路网80%路线的养护数据结构化治理平台（Datainfo2.0）、智能化分析决策系统，每年可以节约养护经费的5%～10%。该系统的框架分为数据收集层、数据处理及存储层、性能检测及预测模型层、智能决策与输出层，具有对微米级别的路面损坏进行准确定位的能力，可以用于对道路结构使用情况作出判断，在一定养护条件下作出预判并按优先级排列等。此平台采用统一化数据库词典、并发计算框架及智能化模型算法，对道路实时状况监控、维修养护要求及规划制定给予全流程的支持，有助于改善道路网络维修养护决策的科学性和公开程度。如表1所示。

基于大数据的公路养护预测与优化

某市公路事业发展中心建立的路面养护科学决策系统以“一体系两模型”为依托，集合了全市750千米国道、省道历年的路况信息、交通量、气象及检测等相关数值，利用39个重要指标驱动的AI预测模型对路面车辙、平整度等关键因素进行精确化预测，提供车道级病害分析及决策建议。系统借助数据分析模型来进行养护资源的最佳分配，可以针对不同的路段作出性能预报及分级处理，使养护计划的时间规划更加精准及时。由此产生的养护方案应用于G204、S604等路段进行试点时表现出更好的精确度和统一性，提高了整个路网的管理水平及资金使用的收益。

挑战与改进方向

大数据分析应用于公路养护领域所存在的问题是数据质量参差不齐、算法精确度不高及模型泛化能力差等。首先，不同来源的数据存在着缺省、噪声及非同期等现象，影响了结果的可靠性；其次，复杂的道路结构及外部条件造成了较大的预测偏差，需要更高的算法精确度来弥补。为了提高整个系统的可信性，应当完善数据收集的质量监督体系及建立更为稳健的多目标学习系统模型，并利用专家的经验知识库采取“算法+规则”的方式进行决策。此外，还可以研究跨地域模型迁移及联邦学习技术，共享各个地区间的数据特性，提高模型泛化性能，以建立适应性更强并具有推广性的智能化养护决策支持系统。

结束语

大数据对公路路面保养提供全新的智能化辅助建议，提高了保养质量和效率。通过对数据进行收集整理分析、预报及计算，得出最合理的保养方案，使资源分配更加合理的同时也降低了成本消耗，在大数据的应用之下公路保养水平有了明显提升。虽然存在数据真实程度、计算准确率的问题，但随着技术的发展，大数据对于公路保养的智能决策将会越来越精准有效。大数据应用于公路保养有着无限的可能性，期待人们去研究发现。

作者：王大伟 张家口市公路事业发展中心

来源｜数字经济杂志