基于时间序列分析的高速公路小修工
　总第３１５期交　通　科　技
ＳｅｒｉａｌＮｏ．３１５
　２
０２２第６期ＴｒａｎｓｐｏｒｔａｔｉｏｎＳｃｉｅｎｃｅ＆Ｔｅｃｈｎｏｌｏｇｙ
Ｎｏ．６Ｄｅｃ．２０２２
ＤＯＩ１０．３９６３／ｊ
．ｉｓｓｎ．１６７１ ７５７０．２０２２．０６．００４ 陕西省自然科学基金（
２０２２ＪＭ ３０７）；陕西交通科技项目（２２
６７Ｂ）；陕西高速机械化工程有限公司科研项目（ＫＹ０１ ２２
）资助收稿日期：２０２２ ０９ １４
基于时间序列分析的高速公路小修工程量预测
李许峰１　成高立１　罗雅琼２　史小丽２
（１．陕西高速机械化工程有限公司　西安　７１００３８；　２．长安大学公路学院　西安　７１００６４）摘　要　日常养护预算计划编制是高速公路日常养护管理的重要内容之一，小修工程量的大小决定了日常养护预算的高低，科学合理地确定小修工程量至关重要。文中通过定量化分析不同小修细目工程量与潜在影响因素之间的关系，
将高速公路小修细目分为有具体影响因素的细目和无具体影响因素的细目两类；
针对后者，采用时间序列分析法进行小修工程量预测，并依托某高速公路的３个小修细目进行验证。结果表明，时间序列分析法对于表现为随机性特征的小修细目工程量预测具有较好的测算效果。
关键词　高速公路　小修　工程量预测　时间序列分析　ＡＲＩＭＡ模型中图分类号　Ｕ４１８
  在公路养护市场化改革的过程中，
养护预算编制的准确性和及时性是科学制定养护投资计划的基础。对公路养护资金测算进行有针对性地定量化研究，对实现养护费用的科学化、规范化管理具有较大的理论和现实意义。目前高速公路日常养护费用估算主要是根据养护预算定额计算各单项资产养护活动的费用总和确定的，这种估价方法需要预先确定各养护活动的工程量，再分别乘以其单价，
汇总后得出总价。目前国内对高速公路养护工程量的预测主要是通过分析影响养护费用的因素，建立养护费用或工程量与影响因素的数学模型，影响因素的分
析过程常采用定性分析法［１ ５］或定量分析法［６ ７］，
常用模型包括多元回归分析模型、ＢＰ神经网络、灰系统理论模型。部分学者着眼于探索路面使
用性能与公路养护造价之间的关联性［８
］，文献［９］
用层次分析法对历年路面使用性能指数ＰＱＩ重新标定，采用灰模型ＧＭ（１，１）预测短期ＰＱＩ值，得出路面使用性能指数下降程度（１００ ＰＱＩ）与单位里程小修工程量呈线性关系。文献［１０］建立路面状况指数与破损率之间的关系，并拟合工程量，对坑槽类破损效果较好。文献［１１ １２］采用灰理论ＧＭ（１，１
）模型预测高速公路养护成本；文献［１３］使用时间序列分析的ＡＲＭＡ（１，１）模型对养管资金做出预测。
由于高速公路小修范围宽广、细目众多，现阶段研究更多聚焦于具有显著影响因素的小修细目（如路面小修细目），或者直接以日常养护费用这一总体性指标作为分析对象；
前者使小修预算在编制过程中出现部分细目工程量无据可依的状况，后者太过笼统，不够精细化。事实上，有些细目其小修工程量并不受具体因素的影响，而是在运营过程中自然衰减呈现出随机性的变化特征；本文以此类小修细目为研究对象，对这些随时间变化的小修工程量引用ｐｙ
ｔｈｏｎ中的ｓｔａｔｓｍｏｄｅｌｓ库采用ＡＲＩＭＡ模型进行时间序列分析，试图探寻此类小修细目工程量的变化规律。１　小修工程量变化特征分析
某高速公路双向路基长度２５６．６１８ｋｍ，
路面面积３７４０８２７．２３ｍ２，桥梁双幅长度２５３５５ｍ，
桥涵长３１４５７ｍ，波形梁钢护栏总长５３６ｍ。现有２００４－２０２１年期间每年平均日交通量
（ＡＡＤＴ）、标准轴载当量轴次（ＥＳＡＬ）、重车交通量（ＨＴ）、重车比例（ＨＲ）、特大桥比例、交通事故次数和各养护细目小修工程量数据。
对于高速公路小修工程量的逐年变化，首先会考虑是否与交通条件有关，在此借助ＳＰＳＳ软件运用双变量相关性分析方法研究小修工程量的影响因素。相关性分析要求数据服从正态分布，
Copyright ©博看网. All Rights Reserved.
对于不满足正态分布的数据取对数，取对数之后再进行相关性分析。以波形梁钢护拦板更换（二波）小修细目为例，对工程量与通车年限（ＯＡ）、ＡＡＤＴ、ＥＳＡＬ、ＨＴ、ＨＲ进行皮尔逊相关性检验（皮尔逊系数为２个变量之间的协方差和标准差的商）。表１为相关性检验结果。
表１　相关性检验
ｌｎ工程量ＯＡｌｎＡＡＤＴｌｎＥＳＡＬｌｎＨＴｌｎＨＲ
ｌｎ工程量１－０．２１９－０．２３５－０．２６－０．２７６－０．１０７
ＯＡ１０．６４６  ０．６１５  ０．６０５  －０．１０４
ｌｎＡＡＤＴ１０．９７１  ０．９３９  －０．１０５
ｌｎＥＳＡＬ１０．９９２  ０．１３１
ｌｎＨＴ１０．２４１
ｌｎＨＲ１
　注：“  ”表示２个变量相关系数检验的狋统计量显著性概率狆＜０．０１，相关性非常显著；“ ”表示狆
＜０．０５，相关性显著；“１”表示２个相同变量的相关系数为１，即完全相关；其余无标记数字表示狆＞０．０５，没有显著的相关关系。
  由相关性检验表第一行可知，工程量与通车年限、年平均日交通量、标准轴载当量轴次、重车交通量、重车比例均无显著相关关系，即波形梁钢护拦板更换（二波）工程量的变化与项目记录交通条件无关。
归纳发现，标志标线的维修养护、伸缩缝维修、路肩与边坡的防护与清理、排水设施新建与养护、护栏零部件更换等小修细目并无具体的影响因素。对于这些细目养护工程量的预测，不能依赖因变量与自变量的关系建立回归模型，因此将目光放在时间序列分析上，研究工程量随时间的变化规律。
２　时间序列模型
时间序列分析通常用于对某一指标按一定顺序排列而成的数列进行研究分析，揭示数据本身蕴含的内在规律，进行短期预测。常用的时间序列模型有自回归模型（ＡＲ模型）、移动平均模型（ＭＡ模型）、自回归移动平均模型（ＡＲＭＡ模型）和自回归综合移动平均模型（ＡＲＩＭＡ模型）。ＡＲＭＡ模型是前２种模型的组合，其三者原始时间序列均为平稳序列，ＡＲＩＭＡ模型将非平稳序列转化为平稳序列后再进行剩余建模步骤。平稳序列即时间序列的均值和方差不发生明显变化。本文实例中无具体影响因素的小修细目工程量时间序列经平稳性检验后为非平稳序列，因此选用ＡＲＩＭＡ（狆，犱，狇）模
型建立工程量与时间的关系。
ＡＲＩＭＡ（狆，犱，狇）模型是一种时间序列建模方法，其建模的基本思想是对非平稳的时间序列用犱次差分（时间序列在狋时刻与（狋－１）时刻的差值）使其成为平稳序列，再用ＡＲＭＡ（狆，狇）模型对该平稳序列建模，之后经反变换得到原序列。式（１）为ＡＲＩＭＥ（狆，犱，狇）的一般表达式。
狔狋＝ １狔狋－１＋ ２狔狋－２＋…＋ 狆狔狋－狆＋
狌狋－θ１狌狋－１－θ２狌狋－２－…－θ狇狌狋－狇（１）式中：
１
，
２
，…，
狆
为自回归系数；θ
１
，θ
２
，…，θ
狇
为移动平均系数；｛狌｝为误差白噪声，服从均值为０、方差为σ２的正态分布；｛狔｝为原始时间序列差分后的平稳序列。
３　分析步骤
３．１　数据处理
将历年小修工程量按等间隔的时间先后顺序组成时间序列，对于缺少数据的情况，采用插值法或借助移动趋势线补齐。当预测高速公路某年的小修工程量时，截取该年度以前的小修工程量作为时间序列。
３．２　平稳性检验
平稳性即要求经由样本时间序列得到的拟合
曲线在未来的一段时间内仍能顺着现有的形态“惯性”地延续下去，且序列的均值和方差不发生明显变化。对时间序列进行平稳性检验的目的是根据其平稳性建立与其相适应的时间序列模型。ＡＤＦ检验即判断含有高阶序列自相关的序列是否存在单位根：如果序列平稳，就不存在单位根；
否则，就会存在单位根。所以，ＡＤＦ检验的Ｈ
０假设是存在单位根，如果得到的显著性检验统计量ＴｅｓｔＳｔａｔｉｓｔｉｃ小于置信度（１０％，５％，１％）的临界值ＣｒｉｔｉｃａｌＶａｌｕｅｓ，则对应有（９０％，９５％，９９％）的把握来拒绝原假设，即序列平稳。
３．３　数据的纯随机性检验（白噪声检验）
当经过检验确定是平稳序列之后的数据并非都能值得建立模型，只有符合动态规律性，即数据之间存在一定的相依性，历史数据对未来的发展有一定的影响才值得去建立模型并做出预测。纯随机性检验就是检验数据是否值得建立模型的一项重要步骤。在进行纯随机检验之前，先引入纯随机序列，纯随机序列是指序列值彼此之间没有任何相依性，过去的数据行为对未来的发展完全
７
１
２０２２年第６期李许峰等：基于时间序列分析的高速公路小修工程量预测
Copyright©博看网. All Rights Reserved.
没有影响。
从统计学角度来看，当时间序列为纯随机序列时，则表示该序列没有任何分析的价值。Ｐｙ ｔｈｏｎ白噪声检验返回值ｌｂ＿ｐｖａｌｕｅ为基于卡方分布的狆统计量，当狆值小于０．０５时表明序列为非白噪声序列。
３．４　模型定阶
狆、犱、狇是ＡＲＩＭＥ（狆，犱，狇）模型的３个关键参数；犱为差分次数，可由时间序列经平稳性检验和纯随机性检验后确定；狆、狇为阶数，即当前时间节点的值与前狆、狇个历史值相关，阶数的确定需根据自相关图（图１）和偏自相关图（图２）判断。
图１　自相关图
图２　偏自相关图
自相关函数（ａｕｔｏｃｏｒｒｅｌａｔｉｏｎｆｕｎｃｔｉｏｎ，ＡＣＦ）反映了狋时刻和（狋 犽）时刻小修工程量狔狋、狔狋－犽的
相关性；犽为滞后阶数，即当前时刻的值与前犽个时间点的值有关。自相关图显示沿狓轴的滞后阶数及狔轴上的自相关系数（－１～１之间）。自相关系数实际上反映的不仅是狔狋、狔狋－犽两者的相关性，还有狔狋－犽＋１、狔狋－犽＋２、…、狔狋－１对狔狋－犽的间接影响。
偏自相关函数（ｐａｒｔｉａｌａｕｔｏｃｏｒｒｅｌａｔｉｏｎｆｕｎｃ ｔｉｏｎ，ＰＡＣＦ）是剔除中间（犽－１）个变量的间接影响后，狔狋－犽与狔狋的直接相关性。长条状渲染为９５％的置信区间。
通过函数的自相关图和偏自相关图，可以确定出该模型的阶数，然后进行参数估计及显著性检验。表２为ＡＲＩＭＡ（狆，犱，狇）
模型阶数确定表。表２　犃犚犐犕犃（狆，犱，狇）
阶数确定表模型
自相关图
偏自相关图
ＡＲ（狆）
拖尾（衰减趋于０）狆阶后截尾
ＭＡ（狇）狇阶后截尾拖尾（衰减趋于０）ＡＲＭＡ（狆，狇）狇阶后衰减趋于０
狆阶后衰减趋于０
  图１表示自相关图２阶截尾，
图２表示偏自相关图２阶拖尾。若原始序列是平稳序列，模型则为ＭＡ（２）
；若序列是经犱次差分后的平稳序列，模型则为ＡＲＩＭＡ（犱，２）。４　工程实例
为了检验ＡＲＩＭＡ模型预测方法的有效性，对依托工程高速公路２０２１年的小修工程量进行预测，并与实际值对比检验。以更换护栏螺丝、维修收水口（Ｃ２５混凝土）、波形梁钢护拦板更换（二波）３个养护细目为例，表３为各年度小修细目工程量汇总表。
表３　小修工程量汇总表
年份更换
护栏
螺丝（
套）维修收水口
（Ｃ２５混凝土）
／ｍ
３波形梁钢
护拦板更换（二波）／ｍ
２００４８８．４０２００５５１．６２
２００６２１６８１．６３６４５２．９５２００７６４７９６．４６２３２８．８８２００８
６６４８１８．３４１１２８．８８２００９１１８１６４．１５１６９４．３７２０１０５５４２２
１．２７２３０２．３４２０１１６９６１１８．８８１９８６．４２２０１２３３０３５６．９６２２１２．３５２０１３１６０８８７．２５２５３．９６２０１４６４４８．７５３２１６．００２０１５２４１１４．３４６３０４．２７２０１６４７７１２．１５４３２３．７４２０１７６６４４６．３４１０８８０．４７２０１８８０４２８．２３５３６０．００２０１９１００２１２．００２４２．７９２０２０１１２５２０．１５７３０．００２０２１
１３３０
１６．８０
３１１７．００
  当预测２
０２１年的小修工程量时，取２０２０年及以前的数据作为时间序列。表４、表５为小修细目工程量时间序列平稳性检验和白噪声检验结果。
表４　时间序列平稳性检验结果表
细目名称
更换护栏螺丝（２阶）
维修收水口（Ｃ２５混凝土）（２阶）
波形梁钢护拦板更换（二波）（３阶）
ＴｅｓｔＳｔａｔｉｓｔｉｃ
－７．１５７
－３．４８２
－５．４６５
ＣｒｉｔｉｃａｌＶａｌｕｅｓ（１％）－４．０１－４．２２－４．３３ＣｒｉｔｉｃａｌＶａｌｕｅｓ（５％）－３．１０－３．１９－３．２３ＣｒｉｔｉｃａｌＶａｌｕｅｓ（１０％）
－２．６９
－２．７３
－２．７５
  注：
ＴｅｓｔＳｔａｔｉｓｔｉｃ为时间序列平稳性检验统计量，当小于ＣｒｉｔｉｃａｌＶａｌｕｅｓ（５％）的值代表置信水平为９５％时的时间序列平稳。表５　时间序列白噪声检验结果表
细目名称更换护栏螺丝（２阶）
维修收水口（Ｃ２５混凝土）（２阶）
波形梁钢护栏板更换（二波）（３阶）
ｌｂ＿ｐ
ｖａｌｕｅ０．０３８９７８
０．０４５１９４
０．０４３９３４
  注：ｌｂ＿ｐ
ｖａｌｕｅ为基于卡方分布的狆统计量，当狆值小于０．０５时表明序列为非白噪声序列。８
１李许峰等：基于时间序列分析的高速公路小修工程量预测
２０２２年第６期
Copyright ©博看网. All Rights Reserved.2022年高速免费日期
  确定差分阶数犱后，根据犱阶差分序列的自相关图和偏自相关图，确定狆、狇值。表６为更换护栏螺丝、维修收水口（Ｃ２５混凝土）、波形梁钢护栏板更换（二波）小修工程量模型系数表，表７为小修工程量预测值与实际值对比结果。
由于误差项是不确定的，所以没有具体的函数表达式，ｓｔａｔｓｍｏｄｅｌｓ库可直接得到预测值。
表６　模型系数表
细目模型变量ｃｏｅｆ犘＞｜狕｜
更换护栏螺丝ＡＲＩＭＡ（１，２，０）ａｒ．Ｌ１
ｓｉｇｍａ２－０．５７５１
　２．８４６６
０．０１４
０．０３７
维修收水口（Ｃ２５混凝土）ＡＲＩＭＡ（２，２，０）ａｒ．Ｌ１
ａｒ．Ｌ２
ｓｉｇｍａ２
－０．７３２９
－０．５３７３
　１．０８９５
０．００１
０．０５０
０．０４９
波形梁钢护栏板更换（二波）ＡＲＩＭＡ（１，３，０）ａｒ．Ｌ１
ｓｉｇｍａ２－０．６１０１
　８．８４６６
０．０３３
０．０３１
  注：ａｒ．Ｌ１、ａｒ．Ｌ２为回归模型的系数项（值为ｃｏｅｆ），ｓｉｇｍａ２为误差项犝ｔ的方差。
表７　预测值与实际值对比表
养护细目
实际
工程量
预测
工程量
绝对值
误差／％
相对值
误差／％
更换护栏螺丝１３３０套１３４２．９６套－１２．９６－０．９７　维修收水口
（Ｃ２５混凝土）１６．８ｍ３１５．００ｍ３１．８０１０．７２
　波形梁钢护栏
板更换（二波）３１１７ｍ２６２７．４５ｍ４８９．５５１５．７１  由表７可知，预测值与实际值的绝对差异较小，表明用时间序列模型进行预测的有效性；相对误差受到基数大小的影响，可作为辅助指标对预测结果进行判定。
５　结语
小修工程量的合理确定对日常养护预算编制具有十分重要的作用。通过对某高速公路的小修工程量数据分析，得出以下结论。
１）需采用定量化分析方法研究确定各小修细目是否具有影响因素。
２）当小修细目不具有显著的影响因素时，采用时间序列分析法预测小修工程量是一种可靠的方法。
３）不同养护细目需分别建立时间序列模型，且其模型不是一成不变的；因此需要及时更新积累的年度数据，用新数据加入后反映的趋势来预测未来年度的变化情况。
４）养护过程中数据的积累非常关键，从数据中挖掘出信息并用于决策，才能体现用数据进行养护管理的理念。
参考文献
［１］　付浩然，姚玉玲．高速公路养护工程量预测研究［Ｊ］．北方交通，２０１６（６）：７９ ８１，８５．［２］　高洪如．高速公路养护造价影响因素分析与费用控制研究［Ｊ］．路基工程，２０１８，（增刊１）：２９ ３２．［３］　牛永亮，邱兆文．高速公路路面小修工程量预测模型研究［Ｊ］．筑路机械与施工机械化，２００８（１）：５４ ５６．
［４］　于英，王麒麟，田晋跃．高速公路养护成本预测模型［Ｊ］．交通运输工程学报，２００７（３）：７６ ７９，８５．
［５］　滕伟玲，姚玉玲．高速公路小修保养工程量的预测模型［Ｊ］．长安大学学报（自然科学版），２０１２，３２（６）：２３ ２７．
［６］　张平，吴雪莲，高楠，等．高速公路交通安全设施小修保养费用测算［Ｊ］．武汉理工大学学报（交通科学
与工程版），２０２１，４５（１）：１１７ １２１．
［７］　史小丽，李玉环，张明，等．高速公路路面小修保养费用影响因素量化分析［Ｊ］．同济大学学报（自然科
学版），２０１９，４７（９）：１３０２ １３０９．
［８］　张玉峰，顾剑．公路养护工程造价影响因素评价研究［Ｊ］．公路工程，２０１４，３９（５）：２４７ ２５１．
［９］　吕朝阳，李梦晨，杨卿．基于路面使用性能指数的道路养护工程量预测［Ｊ］．建设机械技术与管理，２０１５，２８（４）：６１ ６５．
［１０］　吴正莺．深圳市沥青路面日常养护工程量预测及养护决策分析［Ｄ］．西安：长安大学，２０１２．
［１１］　向红艳，徐莲怡．基于分数阶拓展算子ＧＭ（１，１）模型的高速公路养护成本预测［Ｊ］．中外公路，２０２０，
４０（１）：２７８ ２８２．
［１２］　董香军，姚峰．灰理论ＧＭ（１．１）模型预测高速公路养护成本研究［Ｊ］．山东交通科技，２０１４（５）：１８
２０．
［１３］　郜业强．基于ＡＲＭＡ模型的高速公路养护与管理资金需求预测［Ｊ］．科学技术与工程，２０１１，１１（７）：
１６３６ １６３９，１６４８．
（下转第３５页）
９
１
２０２２年第６期李许峰等：基于时间序列分析的高速公路小修工程量预测
Copyright©博看网. All Rights Reserved.
犃狆狆犾犻犮犪狋犻狅狀犚犲狊犲犪狉犮犺狅狀犉狌犾犾犉犾犲狓犻犫犾犲犎犻犵犺犕狅犱狌犾狌狊犃狊狆犺犪犾狋犘犪狏犲犿犲狀狋犛狋狉狌犮狋狌狉犲狌狀犱犲狉犎犻犵犺犜犲犿狆犲狉犪狋狌狉犲犪狀犱犎犲犪狏狔犔
狅犪犱犆狅狀犱犻狋犻狅狀狊犔犐犖犣犺犻狑犲犻１，犔犐犃犖犌犢狅狀犵犮狌狀１，犔犗犖犌犠犲犻狔狌１，犎犃犖犚狅狀犵犼
犻犲２
（１．Ｎｏ．１ＥｎｇｉｎｅｅｒｉｎｇＣｏ．，Ｌｔｄ．，ＦＨＥＣｏｆＣＣＣＣ，Ｂｅｉｊｉｎｇ１
０２２０５，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＴｒａｎｓｐｏｒｔａｔｉｏｎａｎｄＬｏｇｉｓｔｉｃｓＥｎｇｉｎｅｅｒｉｎｇ，ＷｕｈａｎＵｎｉｖｅｒｓｉｔｙｏｆＴｅｃｈｎｏｌｏｇｙ
，Ｗｕｈａｎ４３００６３，Ｃｈｉｎａ）犃犫狊狋狉犪犮狋：ＢａｓｅｄｏｎｔｈｅＹａｏｕｎｄéｔｏＤｏｕａｌａＥｘｐｒｅｓｓｗａｙ
ｉｎＣａｍｅｒｏｏｎ，ｃｏｎｓｉｄｅｒｅｄｔｈｅｃｈａｒａｃｔｅｒｉｓｔｉｃｓｏｆｈｉｇｈｔｅｍｐｅｒａｔｕｒｅａｎｄｈｅａｖｙｌｏａｄｔｒａｆｆｉｃｕｎｄｅｒｔｈｅｔｒｏｐｉｃａｌｒａｉｎｆｏｒｅｓｔｃｌｉｍａｔｅｉｎＣａｍｅｒｏｏｎ，ｔｈｅｍｅｃｈａｎ ｉｃａｌｓｅｎｓｉｔｉｖｉｔｙｏｆｔｈｅｆｕｌｌｆｌｅｘｉｂｌｅａｓｐｈａｌｔｐａｖｅｍｅｎｔｓｔｒｕｃｔｕｒｅｉｓｓｔｕｄｉｅｄｂｙｕｓｉｎｇｎ
ｏｎｌｉｎｅａｒｆｉｎｉｔｅｅｌｅ ｍｅｎｔｍｅｔｈｏｄ，ｓｏａｓｔｏｏｐｔｉｍｉｚｅｔｈｅｐａｖｅｍｅｎｔｓｔｒｕｃｔｕｒｅｄｅｓｉｇｎｓｃｈｅｍｅ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔａｖｏｉｄｉｎｇｈｅａｖｙｌｏａｄａｎｄｏｖｅｒｌｏａｄｉｎｇｉｓａｎｅｆｆｅｃｔｉｖｅｍｅａｓｕｒｅｔｏｐｒｅｖｅｎｔｄｉｓｅａｓｅｓｏｆｆｕｌｌｆｌｅｘｉｂｌｅｈｉｇｈｍｏｄｕｌｕｓａｓ ｐｈａｌｔｐａｖｅｍｅｎｔ．Ｉｎｃｒｅａｓｉｎｇｔｈｅｂａｓｅｍｏｄｕｌｕｓｃａｎｅｆｆｅｃｔｉｖｅｌｙｒ
ｅｄｕｃｅｔｈｅｔｅｎｓｉｌｅｓｔｒｅｓｓｕｎｄｅｒｔｈｅｂａｓｅａｎｄｉｍｐｒｏｖｅｔｈｅａｎｔｉ ｆａｔｉｇｕｅｐｅｒｆｏｒｍａｎｃｅｏｆｆｕｌｌｆｌｅｘｉｂｌｅｈｉｇｈｍｏｄｕ
ｌｕｓａｓｐｈａｌｔｐａｖｅｍｅｎｔ，ｗｈｉｌｅｉｎ ｃｒｅａｓｉｎｇｔｈｅｓｕｒｆａｃｅｍｏｄｕｌｕｓｈａｓａｇｅｎｅｒａｌｅｆｆｅｃｔｏｎｉｍｐｒｏｖｉｎｇｔｈｅｐｅｒｆｏｒｍａｎｃｅｏｆｆｕｌｌｆｌｅｘｉｂｌｅｈｉｇｈｍｏｄｕｌｕｓａｓｐｈａｌｔｐａｖｅｍｅｎｔ．Ｂｙｉｎｃｒｅａｓｉｎｇｔｈｅｔｈｉｃｋｎｅｓｓｏｆｕｐｐｅｒａｎｄｌｏｗｅｒｂａｓｅｃｏｕｒｓｅ，ｔｈｅｈｏｒｉｚｏｎｔａｌｓｈｅａｒｓｔｒｅｓｓ，ｖｅｒｔｉｃａｌｃｏｍｐｒｅｓｓｉｖｅｓｔｒｅｓｓａｎｄｂｏｔｔｏｍｔｅｎｓｉｌｅｓｔｒｅｓｓｏｆｅａｃｈｓｔｒｕｃｔｕｒｅｌａｙ
ｅｒｏｆｆｕｌｌｆｌｅｘｉ ｂｌｅｈｉｇｈｍｏｄｕｌｕｓａｓｐｈａｌｔｐａｖｅｍｅｎｔｃａｎｂｅｅｆｆｅｃｔｉｖｅｌｙｒｅｄｕｃｅｄ，ａｎｄｔｈｅａｎｔｉ ｒｕｔｔｉｎｇａｎｄａｎｔｉ ｆａｔｉｇｕｅｐｅｒｆｏｒｍａｎｃｅｃａｎａｌｓｏｂｅｉｍｐｒｏｖｅｄ．Ａｃｃｏｒｄｉｎｇｔｏｔｈｅｒｅｓｕｌｔｓｏｆｍｅｃｈａｎｉｃａｌｒｅｓｐ
ｏｎｓｅ，ｔｈｅｆｉｎａｌｃｏｎ ｓｔｒｕｃｔｉｏｎｐｌａｎｉｓｔｈｅｃｏｍｂｉｎａｔｉｏｎｔｈｉｃｋｎｅｓｓｏｆ６ｃｍＢＢＭｕｐｐｅｒｌａｙｅｒ，９ｃｍＢＢＭｌｏｗｅｒｌａｙｅｒ，ａｎｄ１０ｃｍＥＭＥｂａｓｅａｓｐｈａｌｔｌａｙ
ｅｒ．犓犲狔狑狅狉犱狊：ｆｕｌｌｆｌｅｘｉｂｌｅ；ｈｉｇｈｍｏｄｕｌｕｓａｓｐｈａｌｔｐａｖｅｍｅｎｔ；ｍｅｃｈａｎｉｃａｌｓｅｎｓｉｔｉｖｉｔｙ；ｏｐｔｉｍｉｚａｔｉｏｎｏｆｐ
ａｖｅｍｅｎｔｓｔｒｕｃｔｕｒｅ（上接第１９页）
犘狉犲犱犻犮狋犻狅狀狅犳犕犻狀狅狉犚犲狆犪犻狉犙狌犪狀狋犻狋狔犅
犪狊犲犱狅狀犜犻犿犲犛犲狉犻犲狊犃狀犪犾狔狊犻狊犕犲狋犺狅犱犳狅狉犈狓狆狉犲狊狊狑犪狔
犔犐犡狌犳犲狀犵１，犆犎犈犖犌犌犪狅犾犻１，犔犝犗犢犪狇犻狅狀犵２，
犛犎犐犡犻犪狅犾犻２
（１．ＳｈａａｎｘｉＥｘｐｒｅｓｓｗａｙＭｅｃｈａｎｉｚａｔｉｏｎＥｎｇｉｎｅｅｒｉｎｇＣ
ｏ．，Ｌｔｄ．，Ｘｉ′ａｎ７１００３８，Ｃｈｉｎａ；２．ＳｃｈｏｏｌｏｆＨｉｇｈｗａｙ，Ｃｈａｎｇ′ａｎＵｎｉｖｅｒｓｉｔｙ
，Ｘｉ′ａｎ７１００６４，Ｃｈｉｎａ）犃犫狊狋狉犪犮狋：Ｔｈｅｄａｉｌｙｍａｉｎｔｅｎａｎｃｅｂｕｄｇｅｔｐｌａｎｎｉｎｇｉｓｏｎｅｏｆｔｈｅｉｍｐｏｒｔａｎｔｃｏｎｔｅｎｔｓｏｆｔｈｅｄａｉｌｙｍａｉｎｔｅ ｎａｎｃｅｍａｎａｇｅｍｅｎｔｏｆｅｘｐｒｅｓｓｗａｙｓ．Ｔｈｅｓｉｚｅｏｆｔｈｅｍｉｎｏｒｒｅｐ
ａｉｒｗｏｒｋｓｄｅｔｅｒｍｉｎｅｓｔｈｅｌｅｖｅｌｏｆｔｈｅｄａｉ ｌｙｍａｉｎｔｅｎａｎｃｅｂｕｄｇｅｔ，ａｎｄｉｔｉｓｖｅｒｙｉｍｐｏｒｔａｎｔｔｏｄｅｔｅｒｍｉｎｅｔｈｅａｍｏｕｎｔｏｆｔｈｅｍｉｎｏｒｒｅｐａｉｒｗｏｒｋｓｓｃｉ ｅｎｔｉｆｉｃａｌｌｙａｎｄｒｅａｓｏｎａｂｌｙ．Ｂｙｑｕａｎｔｉｔａｔｉｖｅｌｙａｎａｌｙｚｉｎｇｔｈｅｒｅｌａｔｉｏｎｓｈｉｐｂ
ｅｔｗｅｅｎｔｈｅｑｕａｎｔｉｔｉｅｓｏｆｄｉｆｆｅｒ ｅｎｔｍｉｎｏｒｒｅｐａｉｒｓａｎｄｐｏｔｅｎｔｉａｌｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓ，ｔｈｅｍｉｎｏｒｒｅｐａｉｒｓｏｆｅｘｐｒｅｓｓｗａｙａｒｅｄｉｖｉｄｅｄｉｎｔｏｔｗｏｃａｔｅｇｏｒｉｅｓ：ｔｈｏｓｅｗｉｔｈｓｐｅｃｉｆｉｃｉｎｆｌｕｅｎｃｉｎｇｆａｃｔｏｒｓａｎｄｔｈｏｓｅｗｉｔｈｏｕｔｓｐｅｃｉｆｉｃｉｎｆｌｕｅｎｃｉｎｇｆ
ａｃｔｏｒｓ．Ｆｏｒｔｈｅｌａｔｔｅｒ，ｔｉｍｅｓｅｒｉｅｓａｎａｌｙｓｉｓｉｓｕｓｅｄｔｏｐｒｅｄｉｃｔｔｈｅｑｕａｎｔｉｔｙｏｆｍｉｎｏｒｒｅｐａｉｒｓ，ａｎｄｉｔｉｓｖｅｒｉｆｉｅｄｂｙｒｅｌｙｉｎｇｏｎｔｈｒｅｅｍｉｎｏｒｒｅｐａｉｒｓｏｆａｃｅｒｔａｉｎｅｘｐｒｅｓｓｗａｙ．Ｔｈｅｒｅｓｕｌｔｓｓｈｏｗｔｈａｔｔｈｅｔｉｍｅｓｅｒｉｅｓａｎａｌｙｓｉｓｍｅｔｈｏｄｈａｓａｇｏｏｄｃａｌｃｕｌａｔｉｏｎｅｆｆｅｃｔｆｏｒｔｈｅｐｒｅｄｉｃｔｉｏｎｏｆｔｈｅｑｕａｎｔｉｔｙｏｆｍｉｎｏｒｒｅｐａｉｒｓｗｉｔｈｒａｎｄｏｍｃｈａｒ
ａｃｔｅｒｉｓｔｉｃｓ．犓犲狔狑狅狉犱狊：ｅｘｐｒｅｓｓｗａｙ；ｍｉｎｏｒｒｅｐａｉｒ；ｐｒｅｄｉｃｔｉｏｎｏｆｒｅｐａｉｒｑｕａｎｔｉｔｙ；ｔｉｍｅｓｅｒｉｅｓａｎａｌｙｓｉｓ；ＡＲＩＭＡｍｏｄｅｌ
５
３２０２２年第６期
林志伟等：高温重载条件下全柔性高模量沥青路面结构的应用研究
Copyright ©博看网. All Rights Reserved.

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。