公路交通科技  2024, Vol. 41 Issue (12): 21-28

扩展功能

文章信息

李海莲, 张茗, 刘亚雄, 司金忠, 杨斯媛.
LI Hai-lian, ZHANG Ming, LIU Ya-xiong, SI Jin-zhong, YANG Si-yuan
动态子网级高速公路预防养护序列编制模型
Preventive Maintenance Sequence Compilation Model for Dynamic Subnet-level Expressway
公路交通科技, 2024, 41(12): 21-28
Journal of Highway and Transportation Research and Denelopment, 2024, 41(12): 21-28
10.3969/j.issn.1002-0268.2024.12.003

文章历史

收稿日期: 2022-05-11
动态子网级高速公路预防养护序列编制模型
李海莲1 , 张茗1 , 刘亚雄2 , 司金忠1 , 杨斯媛1     
1. 兰州交通大学 土木工程学院, 甘肃 兰州 730070;
2. 中国铁路兰州局集团有限公司, 甘肃 兰州 730050
摘要: 随着中国高速公路网规划建设的不断完善, 如何在多种因素约束下编制科学合理的网级养护序列模型, 是中国高速公路管养部门面临的主要问题之一。目前养护序列相关研究多以养护时机为契点单独展开, 忽略了路况水平、养护成本等因素随着时间维度产生的动态变化, 与养护过程中受多维度约束的现实情况严重不符。针对此状况, 以考虑时间维度为基础, 建立了动态子网级高速公路预防养护序列编制模型。首先, 在最佳预防养护时间段理论的基础上对管养流程进行优化, 提出了更切合实际的网级沥青路面预防养护决策流程。其次, 将最佳预防养护时间段分割为N个阶段, 分别引入时间权重, 将动态因素值随时间维度变化的问题转化为多阶段决策型问题。最后, 再基于模糊型权重未知的灰色关联分析法, 搭建一套考虑时间维度的动态子网级养护序列编制模型, 并以甘肃省某子网级高速公路沥青路面作为案例, 在确定其最佳预防养护方案、时间段, 且忽略子网级之间资金分配约束的基础上进行分析。结果表明: 在考虑时间维度的前提下, 本研究模型可高效地对甘肃省某子网级高速公路沥青路面的养护序列进行编制。
关键词: 智能交通    养护序列    灰色关联分析    子网级高速公路    时间权重    
Preventive Maintenance Sequence Compilation Model for Dynamic Subnet-level Expressway
LI Hai-lian1, ZHANG Ming1, LIU Ya-xiong2, SI Jin-zhong1, YANG Si-yuan1    
1. School of Civil Engineering, Lanzhou Jiaotong University, Lanzhou, Gansu 730070, China;
2. China Railway Lanzhou Bureau Group Co., Ltd., Lanzhou, Gansu 730050, China
Abstract: With the continuous improvement on China's expressway network planning and construction, how to compile scientific and reasonable network-level maintenance sequence models with various constraints is one of the main issues that expressway maintenance departments facing in China. The current related studies on maintenance sequence mostly focus on the maintenance timing as a point of convergence, ignoring the road condition levels and maintenance cost values dynamically varying with time dimension. That is seriously inconsistent with the reality of multi-dimensional constraints during maintenance. In view of this situation, the preventive maintenance sequence compilation model for dynamic subnet-level expressway was established based on the time dimension. First, the maintenance process was optimized based on the theory of optimal preventive maintenance time segment. The more applicable network-level asphalt pavement preventive maintenance decision-making process was proposed. Second, the optimal preventive maintenance time segment was divided into N stages, and the time weights were introduced respectively. The issue about dynamic factor values varying with time dimension was transformed into the multi-stage decision-making issue. Finally, based on the fuzzy-type weight-unknown grey relational analysis method, a set of preventive maintenance sequence compilation model for dynamic subnet-level expressway considering time dimension was established. A subnet-level expressway asphalt pavement in Gansu province was taken as the case study. On the basis of ignoring constraints of fund allocation among subnet-levels, the optimal preventive maintenance scheme and the time segment were determined. The result indicates that the proposed model can efficiently compile the maintenance sequence of subnet-level expressway asphalt pavement in Gansu province considering the time dimension.
Key words: intelligent transport    maintenance sequence    grey relational analysis    subnet-level expressway    time weight    
0 引言

中国交通运输部《国家公路网规划(2013年—2030年)》中计划的11.8万千米高速公路将建设完毕,而如何利用有限资金进行科学高效的公路管养是中国高速公路管理部门面临的主要问题之一。预防养护可以良好地维持路面性能,在技术难点[1]与评价管理[2]方面也取得了较为可观的研究成果,但关于网级预防养护体系和序列方面的研究仍有欠缺。科学编制养护序列是使复杂路网达到管养目的的前提,亦是沥青路面养护决策流程中的主要问题之一。因此,研究子网级路面的预防养护序列问题,构建符合实际情况、科学适用的养护序列编制模型,对提升网级路面预防养护管理水平和效果具有重要意义。

网级路面的预防养护序列是复杂的、系统的,需考虑资金、非消耗性资源、时间等多维度因素。现有养护序列编制的研究方法多为优先级矩阵评分[3]和多目标优化[4-6]。例如姜晴[5]使用模糊多目标递阶遗传算法进行序列研究,运用相关优化理论选择最优维修顺序将拟养护路段划分后,利用路况数据和评价结果去选择恰当的方案和养护时机,再找到效益最大化的序列。然而在实际情况中,路况数据及一些相关因素是在养护过程中随时间维度动态变化的,网级路面预防养护序列的编制应同时受时间和资金2项维度的约束。而优先级矩阵法只是将资金(即成本)作为一项评价指标,以时间维度为主线进行评价指标得分排序的研究,忽略了实际情况中路网养护的资金约束和同一时间段内各路段养护资金的调度问题。

综上所述,目前网级预防养护序列的编制研究多忽略了时间与资金2项约束维度的平行性,未实现养护管理流程的系统性和连贯性。若在养护序列编制中考虑资金的约束调度问题,需先明确各路段具体的养护方案和成本区间,再返回进行子网级间的资金调度。因此,本研究首先对传统网级沥青路面预防养护决策流程做出优化,将确定具体养护方案和成本区间这一步骤调整至序列编制之前,以此达到资金约束调度的前提。以王朝辉等[7]预防养护时间段理论为基础,将时间段以年为单位进行分割并运用灰色关联法确定各阶段的时间权重,以此实现养护过程中相关因素随时间维度的动态变化,构建一套考虑时间维度的动态子网级养护序列编制模型。

1 网级预防养护决策优化流程

网级预防养护决策优化流程主要包括路网的数据调查,判断是否适合预防养护,确定最佳养护时段,路网划分,确定各路段的最佳养护计划和养护成本,编制各子网级养护序列,判断所选方案的成本是否符合预算约束,调整子网级间的资金分配等内容。具体决策流程如图 1所示。决策流程具体为:

图 1 网级预防养护决策流程 Fig. 1 Network-level preventive maintenance decision-making process

(1) 判断是否适合预防养护,以公路数据的调查结果为依据,判断路面是否应进行预防养护的实施。

(2) 确定最佳预防养护时段,依据路网路况历年数据建立路况指标预测模型,确定出各路段的最佳预防养护时段。

(3) 以路况特征和养护时段起始年为因素归并路段,将路网划分为若干个养护子网。

(4) 编制各子网级养护序列,在确定好各路段的最佳预防养护计划和成本后,进行了多属性指标动态变化养护序列的编制。

(5) 调整子网级间的资金分配,在每条路都要进行养护的条件下,各路段都先采用最佳养护方案确定养护成本,编制养护序列,判断路网的养护成本是否符合资金约束,若符合则决策完成;若不符合则以子级路网为单位进行资金的分配调整,再以子级路网为大环境进行各路段养护方案的调整,达到养护成本符合路网养护资金约束的决策。

2 动态子网级预防养护序列编制模型

养护序列的编制属于网级路面预防养护决策流程中的后期部分。因预防养护概念被引入中国时间较晚,且网级路面养护决策体系过于复杂,涉及多方维度和因素,故相关数据及研究匮乏且没有成熟的养护体系。本研究的动态子网级预防养护序列编制模型将各路段最佳养护时段预测并归类,再决策各路段最佳时机与措施一体优化的预防养护方案。针对养护过程中路面状况、养护成本随着时间维度而动态变化的问题,提出将动态以多阶段的形式展现,以年为单位进行分割,引入对应时间权重。基于模糊多阶段动态决策方法,搭建一套考虑时间维度的动态子网级养护序列编制模型。

2.1 基本假设

因养护序列的编制系统过于复杂,情况多样,本研究构建的模型基于以下3种假设:

(1) 高速公路沥青路面的预防养护决策采用时机与措施一体优化组合方案,且在明确最优组合方案与养护成本区间后再编制养护序列。

(2) 子网级路面的预防养护资金以预防养护规划全寿命周期为整体进行分配,而非以每年为时间段进行分配。

(3) 网级养护资金充沛,不存在因年度资金分发不足构成约束,而进行各子网级内部路段之间养护序列的调整。

2.2 模型指标的选取

区间型模糊决策的指标分为成本型和效益型2类。成本型指标越小越优,效益型指标越大越优。本研究选取养护成本、路况水平、服务水平、交通量水平、社会效益、经济效益6种属性指标数值构建原始矩阵,进行养护序列的综合性评价。

养护成本为成本型指标,取值为采用王朝辉等[7]最佳养护时段理念基础上的时机与措施一体优化组合方案的成本区间;其余5项指标均为效益型指标,以各路段实际情况与路况数据为依据,采用相适用的标准,结合当地专家的建议进行等级划分并赋予相应的取值区间。其中高速公路养护服务水平、交通量水平、社会效益、经济效益指标数值计算及等级划分方法参考文献[8-10];路况水平指标取值以规范为依据,结合当地实际路况由专家进行等级划分。5项效益型指标相对应的语言变量值标尺如表 1所示。

表 1 语言变量值标尺 Tab. 1 Linguistic variable value scale
语言变量 水平非常差 水平较差 水平一般 水平好 水平非常好
变量值 0~2 2~4 4~6 6~8 8~10

2.3 建立模型

本研究针对养护成本、路况水平指标数值随时间维度动态变化的问题,以时间作为一维变量因素将最佳养护时间段进行分割,将属性动态决策问题转化为多阶段决策形式,且运用极大熵原理处理各阶段权重[11]。假设动态子网级养护序列编制问题为A,使得问题A在进行多阶段模糊决策[12-14]时,各阶段属性数值即存在相互关联又可减小时间维度的模糊性,保证决策的科学性与稳定性。动态子网级预防养护序列编制层次结构如图 2所示。

图 2 动态子网级预防养护序列编制层次结构 Fig. 2 Dynamic subnet-level preventive maintenance sequence compilation hierarchy

假设各养护路段集为L= {ll2, …,ln},属性指标集为S,其中指标分别为养护成本(s1),路况水平(s2),服务水平(s3),交通量水平(s4),社会效益(s5),经济效益(s6)。阶段权重集合即时间权重集合T= {t1t2…,tn},养护路段在tk阶段对属性si的属性值为xijk (i=1, 2, …, n; j=1, 2, …, m; k=1, 2, …, p),但属性信息皆为区间型模糊数据,故记为uijk= [xijkL, xijkU],其中xijkLxijkU分别为区间值的下限和上限;ωkωjk分别为时间权重和tk阶段属性j的阶段权重,且和均为一。

参考微积分求曲边梯形面积的极限分割思想,将因素数值随时间维度的动态变化视为曲线。曲线与轴所围成的面积为保持动态变化状态下因素的综合取值,再对面积进行无限分割和求和以达到接近曲线正确面积的目的。但现实管养部门对路况水平等动态变化因素的数值测量频率普遍为1a一次,故分割的时间间隔本研究采用1a为1间隔,也即1a为1阶段。动态因素的多阶段分割示意图见图 3

图 3 动态因素的多阶段分割示意图 Fig. 3 Schematic diagram of multi-stage segmentation of dynamic factors

2.3.1 属性权重的确定

养护序列[15]编制过程中各指标属性的权重皆未知,故本研究运用一种属于灰色系统[16-18]分析的方法——灰色关联法,进行属性权重的求解,计算步骤如下。

步骤1。构建不同tk阶段下的路段属性值矩阵,将效益型指标和成本型指标分别按照式(1)和式(2)进行规范化处理,得到各路段的属性测度矩阵RK如式(3)所示。

(1)
(2)
(3)

式中,aijL为指标初始区间最小值;aijU为指标初始区间最大值;bijLbijU∈ [0, 1],bijL为指标规范化后的区间最小值;bijU为指标规范化后的区间最大值;k为阶段。

步骤2。构造属性指标的正、负理想测度值。

正理想属性测度rj+k为:

(4)

负理想属性测度rjk为:

(5)

式中,rj+k为属性j在第k阶段的正理想属性测度;rjk为属性j在第k阶段的负理想属性测度。

步骤3。计算在tk阶段下路段i与理想值的区间型关联系数。采用区间型欧几里得距离公式对tk阶段下路段li与正理想值的区间型测量度偏差dij+k, 路段li与负理想值的区间型测量度偏差dijk进行计算。

(6)

计算可得灰色关联系数区间数为:

(7)

式中,dmin=miniminjdij+kdmax=maximaxjdij+k

步骤4。计算不同阶段下的各属性权重为:

(8)

式中,i=1, 2, …, n; j=1, 2, …, m; k=1, 2, …, p

2.3.2 多目标规划问题的表述

子网级预防养护序列编制具有指标权重未知、属性为区间值的模糊特性,故确定时间权重时应尽可能减弱模糊性。本研究将养护序列编制转化为多目标规划问题,并从正负理想差值和时间权重2个方面对路段的6项属性进行表述。

步骤1:综合评价目标。养护序列的综合评价问题是从待养护路段ik个阶段2个层次进行综合评价的表述。养护路段ik阶段的综合正、负理想偏差度Di±K如式(9)所示;养护路段i在全部阶段的综合正、负理想偏差Di±如式(10)所示;故n段养护路段形成一个子网级待养护路网,其综合正、负理想偏差D±如式(11)所示。

(9)
(10)
(11)

步骤2:时间权重目标。为实现减弱时间权重模糊的目的,本研究运用极大熵原理[19]建立时间权重尽可能小的多目标规划模型,且在此过程中运用式(12)使确定的整个子网级待养护路段的综合正理想偏差最小,负理想偏差最大:

(12)

时间序列权重的极大熵max H (ω)模型为:

(13)

步骤3:基于极大熵的多目标优化模型。将养护序列编制的正理想偏差值最小、负理想偏差值最大、时间权重最小这3个目标进行组合,即引入系数μ使得式(12)和式(13)的单目标模型组合成为多目标优化模型:

(14)

最小值求解问题可结合极值存在的必要条件构造拉格朗日函数模型对ωk进行求解,且3个单目标重要度相同,故此处平衡调节系数μ值取为1/3。拉格朗日函数为:

(15)

式中λ为约束系数。

极值存在的必要条件为:

(16)

因为, 整理式(15)和式(16)得:

(17)
2.3.3 养护序列的编制

在子网级预防养护序列编制系统中,待编制序列路段i在整个阶段的综合评价值由式(18)计算可知。据序格决策理论证明当aiaj是可比较的区间数时,若a1+a2+,则a1a2成立。故可运用序格决策理论进行最后的排序:

(18)

式中γik为路段ik阶段的综合评价值。

3 实例分析

以甘肃省高速公路沥青路面某子网级路面为例进行养护序列的编制。在确定此子网级各路段最佳养护方案和成本且假设子网级之间没有资金约束的情况下,对最佳养护时段为4~7 a的子网级(共5条路段)进行预防养护序列的编制。

3.1 数据收集及预处理

结合选取子网级路面实际状况,依据6项指标取值与评分标准构成原始数据,再由式(1)和式(2)进行消除量纲影响的预处理。各阶段下养护序列编制信息如表 2所示,表中LU分别为各指标区间最小值和最大值。

表 2 各阶段下养护序列编制信息 Tab. 2 Maintenance sequence compilation information at each stage
阶段 路段编号 养护成本/万元 路况水平 服务水平等级 交通量水平 社会效益 经济效益
L U L U L U L U L U L U
T1 1 0.32 0.46 0.35 0.62 0.31 0.54 0.29 0.64 0.24 0.49 0.21 0.41
2 0.42 0.66 0.23 0.46 0.42 0.68 0.15 0.43 0.24 0.49 0.31 0.54
3 0.30 0.46 0.35 0.62 0.31 0.54 0.29 0.64 0.36 0.66 0.42 0.68
4 0.47 0.76 0.46 0.77 0.21 0.41 0.44 0.85 0.49 0.82 0.42 0.68
5 0.24 0.34 0.23 0.46 0.42 0.68 0.29 0.64 0.24 0.49 0.31 0.54
T2 1 0.42 0.66 0.39 0.40 0.31 0.54 0.29 0.64 0.24 0.49 0.21 0.41
2 0.51 0.92 0.39 0.40 0.42 0.68 0.15 0.43 0.24 0.49 0.31 0.54
3 0.20 0.31 0.52 0.51 0.31 0.54 0.29 0.64 0.36 0.66 0.42 0.68
4 0.15 0.22 0.52 0.51 0.21 0.41 0.44 0.85 0.49 0.82 0.42 0.68
5 0.31 0.52 0.39 0.40 0.42 0.68 0.29 0.64 0.24 0.49 0.31 0.54
T3 1 0.49 0.72 0.34 0.37 0.31 0.54 0.29 0.64 0.24 0.49 0.21 0.41
2 0.34 0.52 0.34 0.37 0.42 0.68 0.15 0.43 0.24 0.49 0.31 0.54
3 0.24 0.33 0.51 0.49 0.31 0.54 0.29 0.64 0.36 0.66 0.42 0.68
4 0.18 0.24 0.51 0.49 0.21 0.41 0.44 0.85 0.49 0.82 0.42 0.68
5 0.49 0.72 0.51 0.49 0.42 0.68 0.29 0.64 0.24 0.49 0.31 0.54
T4 1 0.37 0.86 0.40 0.42 0.31 0.54 0.29 0.64 0.24 0.49 0.21 0.41
2 0.25 0.45 0.40 0.42 0.42 0.68 0.15 0.43 0.24 0.49 0.31 0.54
3 0.37 0.86 0.40 0.42 0.31 0.54 0.29 0.64 0.36 0.66 0.42 0.68
4 0.13 0.20 0.60 0.55 0.21 0.41 0.44 0.85 0.49 0.82 0.42 0.68
5 0.35 0.62 0.40 0.42 0.42 0.68 0.29 0.64 0.24 0.49 0.31 0.54

3.2 权重的确定

运用灰色关联Topsis原理确定4个阶段中养护成本、路况水平、服务水平、交通量水平、社会效益、经济效益6项属性值的权重。由式(4)和式(5)确定6项指标的正、负理想测度值为:

由式(6)计算各年度正、负区间型测量度偏差如表 3所示。由式(7)计算灰色关联系数,由式(8)计算出各阶段内的属性权重,结果为:

表 3 各年度正、负区间型测量度偏差 Tab. 3 Positive and negative interval measurement deviation each year
阶段 路段编号 正距离 负距离
养护成本/万元 路况水平 服务水平 交通量水平 社会效益 经济效益 合计 养护成本/ 万元 路况水平 服务水平 交通量水平 社会效益 经济效益 合计
T1 1 0.24 0.14 0.12 0.18 0.29 0.24 1.21 0.10 0.14 0.12 0.18 0 0 0.54
2 0.08 0.27 0 0.37 0.29 0.12 1.13 0.26 0 0.24 0 0 0.12 0.62
3 0.24 0.14 0.12 0.18 0.14 0 0.83 0.09 0.14 0.12 0.18 0.14 0.24 0.92
4 0 0 0.24 0 0 0 0.24 0.34 0.27 0 0.37 0.29 0.24 1.51
5 0.34 0.27 0 0.18 0.29 0.12 1.20 0 0 0.24 0.18 0 0.12 0.55
T2 1 0.19 0.12 0.12 0.18 0.29 0.24 1.14 0.37 0 0.12 0.18 0 0 0.67
2 0 0.12 0 0.37 0.29 0.12 0.89 0.56 0 0.24 0 0 0.12 0.92
3 0.48 0 0.12 0.18 0.14 0 0.93 0.07 0.12 0.12 0.18 0.14 0.24 0.88
4 0.56 0 0.24 0 0 0 0.80 0 0.12 0 0.37 0.29 0.24 1.01
5 0.32 0.12 0 0.18 0.29 0.12 1.03 0.24 0 0.24 0.18 0 0.12 0.79
T3 1 0 0.15 0.12 0.18 0.29 0.24 0.98 0.41 0.15 0.12 0.18 0 0 0.86
2 0.17 0.15 0 0.37 0.29 0.12 1.10 0.23 0.15 0.24 0 0 0.12 0.74
3 0.33 0 0.12 0.18 0.14 0 0.77 0.08 0 0.12 0.18 0.14 0.24 0.77
4 0.41 0 0.24 0 0 0 0.65 0 0 0 0.37 0.29 0.24 0.90
5 0 0 0 0.18 0.29 0.12 0.59 0.41 0 0.24 0.18 0 0.12 0.95
T4 1 0 0.17 0.12 0.18 0.29 0.24 1.01 0.50 0 0.12 0.18 0 0 0.80
2 0.31 0.17 0 0.37 0.29 0.12 1.25 0.19 0 0.24 0 0 0.12 0.56
3 0 0.17 0.12 0.18 0.14 0 0.62 0.50 0 0.12 0.18 0.14 0.24 1.19
4 0.50 0 0.24 0 0 0 0.74 0 0.17 0 0.37 0.29 0.24 1.07
5 0.17 0.17 0 0.18 0.29 0.12 0.94 0.34 0 0.24 0.18 0 0.12 0.88

平衡系数取1/3,由式(17)计算养护序列的时间权重(即阶段权重)结果为:第4 a时间权重=0.19;第5 a时间权重=0.18;第6 a时间权重=0.34;第7 a时间权重=0.29。

3.3 养护序列的编制(实例分析)

由式(18)计算得到5个路段在4个时间段下的区间型综合评价值,结果为:γ1= [0.306, 0.533],γ2= [0.309, 0.525];γ3= [0.355, 0.586];γ4= [0.374, 0.593];γ5= [0.346, 0.570]。

最后采用区间型数值的序格决策理论进行本子网级内路段预防养护序列的编制,得到结果为:l4>l3>l5>l2>l1,即路段4先于路段3, 路段3先于路段5, 路段5先于路段2, 路段2先于路段1。结果表明此模型可在考虑时间维度的情况下科学有效地编制出子网级高速公路动态预防养护序列,可在养护工程中广泛应用。

4 结论

本研究在考虑时间维度、养护成本、路况水平、服务水平、交通量水平、社会效益、经济效益指标动态变化的情况下,构建了动态子网级高速公路预防养护序列编制模型。

(1) 结合预防养护时间段概念,提出了网级沥青路面预防养护决策优化流程,重点针对子网级路面预防养护序列的编制进行研究。选取并介绍了养护序列编制过程中养护成本、路况水平、服务水平、交通量水平、社会效益、经济效益这6项指标量化的原则和方法,为后续的序列编制奠定了可靠的基础。

(2) 针对养护序列编制过程中,实际路况水平、养护成本等因素随着时间维度而动态变化的问题,基于微积分中分割求和的思想,将最佳养护时间段进行多阶段切割。引入时间权重以模仿养护过程中各因素的相对运动状态, 构建一套考虑时间维度的动态子网级养护序列编制模型。

(3) 以甘肃省某子网级的5条沥青路面为例,采用考虑时间维度的动态子网级养护序列编制模型进行养护序列的编制。结果表明,该子网的沥青路面预防养护顺序为路段4先于路段3,先于路段5,先于路段2,先于路段1。

参考文献
[1]
吉增晖. 沥青路面预防养护技术综述与探讨[J]. 公路, 2015, 60(12): 56-63.
JI Zeng-hui. Review and Discussion on Asphalt Pavement Preventive Maintenance Technology[J]. Highway, 2015, 60(12): 56-63.
[2]
林俊涛, 吴少鹏, 刘全涛, 等. 沥青路面功能性预防养护材料的养护时机研究[J]. 中国公路学报, 2014, 27(9): 19-24.
LIN Jun-tao, WU Shao-peng, LIU Quan-tao, et al. Research on Maintenance Time for Functional Preventive Materials in Asphalt Pavement[J]. China Journal of Highway and Transport, 2014, 27(9): 19-24.
[3]
施彦, 凌天清, 崔立龙, 等. 沥青路面预防性养护评价标准及决策优化研究[J]. 公路交通科技, 2020, 37(10): 25-34, 56.
SHI Yan, LING Tian-qing, CUI Li-Long, et al. Study on Evaluation Standard for Asphalt Pavement Preventive Maintenance and Decision-making Optimization[J]. Journal of Highway and Transportation Research and Development, 2020, 37(10): 25-34, 56. DOI:10.3969/j.issn.1002-0268.2020.10.003
[4]
李海莲, 司金忠, 贾卫东, 等. 基于三级养护标准的沥青路面预养护方案多目标加权灰靶决策[J]. 北京工业大学学报, 2024, 50(5): 591-599.
LI Hai-lian, SI Jin-zhong, JIA Wei-dong, et al. Multi-objective Weighted Grey Target Decision-making of Asphalt Pavement Pre-maintenance Scheme Based on Three-level Maintenance Standard[J]. Journal of Beijing University of Technology, 2024, 50(5): 591-599.
[5]
姜晴. 高速公路养护序列规划研究[D]. 西安: 长安大学, 2013.
JIANG Qing. Research on Maintenance Sequence Planning of Expressway[D]. Xi'an: Chang'an University, 2013.
[6]
韩兴博, 叶飞, 王永东, 等. 劣化可靠度下的隧道衬砌结构预防性养护决策[J]. 中国公路学报, 2021, 34(1): 104-115.
HAN Xing-bo, YE Fei, WANG Yong-dong, et al. Predictive Maintenance Decision-making of Tunnel Lining Structure Based on Deterioration Reliability[J]. China Journal of Highway and Transport, 2021, 34(1): 104-115.
[7]
王朝辉, 王丽君, 白军华, 等. 基于时段的沥青路面预防性养护时机与对策一体优化研究[J]. 中国公路学报, 2010, 23(5): 27-34.
WANG Zhao-hui, WANG Li-jun, BAI Jun-hua, et al. Research on Integration Optimization of Asphalt Pavement Preventive Maintenance Timing and Countermeasures During Period[J]. China Journal of Highway and Transport, 2010, 23(5): 27-34.
[8]
李海莲, 林梦凯, 王起才. 基于IFA-SVM的高速公路沥青路面使用性能预测[J]. 公路交通科技, 2019, 36(12): 8-14, 78.
LI Hai-lian, LIN Meng-kai, WANG Qi-cai. Prediction of Asphalt Pavement Performance of Expressway Based on IFA-SVM[J]. Journal of Highway and Transportation Research and Development, 2019, 36(12): 8-14, 78. DOI:10.3969/j.issn.1002-0268.2019.12.002
[9]
张盼盼, 马锐, 权磊, 等. 基于材料性能演变模型的沥青路面养护决策分析[J]. 公路交通科技, 2022, 39(增1): 1-7.
ZHANG Pan-pan, MA Rui, QUAN Lei, et al. Asphalt Pavement Maintenance Decision Analysis Based on Performance Evolution Model of Materials[J]. Journal of Highway and Transportation Research and Development, 2022, 39(S1): 1-7.
[10]
樊旭英, 高凤春, 王海龙, 等. 基于改进EW-AHP的沥青路面预防性养护评价模型[J]. 公路交通科技, 2017, 24(9): 8-13.
FAN Xü-ying, GAO Feng-chun, WANG Hai-long, et al. A Model for Asphalt Pavement Preventive Maintenance Evaluation Based on Improved EW-AHP[J]. Journal of Highway and Transportation Research and Development, 2017, 24(9): 8-13. DOI:10.3969/j.issn.1002-0268.2017.09.002
[11]
李绍杰. 某县道网路面养护修复决策技术研究[D]. 广州: 华南理工大学, 2017.
LI Shao-jie. Research on Decision-making Technology of Road Network Pavement Maintenance and Repair in a County[D]. Guangzhou: South China University of Technology, 2017.
[12]
侯景亮, 李远富, 迟红娟. 不确定多属性决策中区间数排序的一种新方法[J]. 数学的实践与认识, 2017, 47(18): 14-27.
HOU Jing-liang, LI Yuan-fu, CHI Hong-juan. A New Method of Interval Numbers Ordering in Uncertain Multiple Attribute Decision-making[J]. Fuzzy Systems and Mathematics, 2017, 47(18): 14-27.
[13]
ZHOU J L, ZHANG Y G, YU F, et al. A Staged Fuzzy Evolutionary Algorithm for Constrained Large-scale Multiobjective Optimization[J]. Applied Soft Computing, 2024, 167: 112297. DOI:10.1016/j.asoc.2024.112297
[14]
TANG J, ZHANG K. Three-way Decision for Three-stage Ranking Pattern with Criterion Fuzzy Concept[J]. Information Sciences, 2023, 645: 119339. DOI:10.1016/j.ins.2023.119339
[15]
李宁. 路面典型预养护措施的研究与应用概况综述[J]. 公路, 2021, 66(6): 367-370.
LI Ning. Overview of Research and Application of Typical Pavement Pre-maintenance Measures[J]. Highway, 2021, 66(6): 367-370.
[16]
DONG L, WANG B J, HU M, et al. Research on Evaluation of Green Supply Chain Management System Based on Grey System Theory[J]. Industrial Engineering and Innovation Management, 2024, 7(3): 108-117.
[17]
ZHANG L X, MA X. A Novel Multi-fractional Multivariate Grey Model for City Air Quality Index Prediction in China[J]. Expert Systems with Applications, 2024, 257: 125010. DOI:10.1016/j.eswa.2024.125010
[18]
李运华, 李珍, 原华. 基于Novachip超薄磨耗层的高速公路沥青路面养护技术应用研究[J]. 公路工程, 2019, 44(5): 156-161.
LI Yun-hua, LI Zhen, YUAN Hua. Research on Maintenance Technology of Expressway Asphalt Pavement Based on Novachip Ultra-thin Wear Layer.[J]. Highway Engineering, 2019, 44(5): 156-161.
[19]
宁宝权, 陕振沛. 动态Pythagorean模糊多属性决策的Topsis方法[J]. 模糊系统与数学, 2021, 35(5): 142-151.
NING Bao-quan, SHAN Zhen-pei. Topsis Method for Dynamic Pythagorean Fuzzy Multi-attribute Decision Making[J]. Fuzzy Systems and Mathematics, 2021, 35(5): 142-151.