考虑道路网络空间结构在路面退化建模中的应用.pdfVIP

考虑道路网络空间结构在路面退化建模中的应用

123

LuGao,Ph.D.,KeYu,Ph.D.,andPanLu,Ph.D.

1DepartmentofCivilandEnvironmentalEngineering,UniversityofHouston,

lgao5@

2SchoolofComputingandInformation,UniversityofPittsburgh,gatechke@

3CollegeofBusiness,NorthDakotaStateUniversity,pan.lu@

本

译

中摘要

1

v路面退化建模对于提供关于道路网络未来状态的信息以及确定预防性维护或修复措施的需求

9

4非常重要。本研究通过图神经网络（GNN）将道路网络的空间依赖关系纳入到路面退化建模中。使

7

2用GNN进行路面性能建模的主要动机是能够轻松直接地利用网络中的丰富结构信息。本文探讨了

0

.考虑道路网络空间结构是否能提高退化模型的预测性能。本研究使用的数据包括从德克萨斯交通部

8

0维护的道路管理信息系统（PMIS）获取的大规模路面状况数据集，包含超过五十万条观测记录。令

5

2人鼓舞的比较结果表明，当考虑到空间关系时，路面退化预测模型的表现更好。

:

v

i关键词:路面管理，退化模型，图神经网络，深度学习，路面性能

x

r

a

1介绍

基础设施设施之间的空间关系已经被资产管理人员[1–8]研究过。例如，ZouandMadanat[1]提

出了一种方法来解决机场多跑道铺设管理决策问题，通过考虑跑道的功能依赖性。AtefandMoselhi

[3]提出了一个框架来建模空间和功能上相互依存的资产。开发的模型可以用来确定一个资产与其

邻近资产之间的连接程度。另一组研究人员研究了道路网络结构的经济依存关系。在这种情况下，

通常同时维护许多组件的完整性成本比单独处理每个组件的成本更低。这包括任何类型的维护工作

都需要大量预先准备工作的场景。BernhardtandMcNeil[4]指出，通过地理连接，铺装是相互关

联的，这意味着在合同长期段落进行修复时具有规模经济效应，并且在用户方面也存在规模不经济

效应。其他一些研究人员研究了基础设施设施或系统之间的故障依赖关系。例如，McDanielsetal.

[5]开发了一个分析框架来表征基础设施故障互相关系。作者研究了极端事件如何导致其他空间连

1

接的基础设施系统的失败，比如重大电力中断。Rahmanetal.[6]使用公开领域的故障报告来识别

这些故障的起源及其传播模式。作者通过研究历史记录确定基础设施故障的原因以及其在空间和时

间维度上的影响。Panzierietal.[7]分析了由故障扩散引起性能下降的情况，以强调存在于不同关

键基础设施网络之间的最关键联系。空间依赖关系也被纳入到开发铺装劣化模型中，通过认识到相

邻部分之间的相似性来进行识别。这通常是通过为不同类别（气候、交通、材料）的路面制定单独

的模型来完成的。尽管之前的研究所做出了这些努力，但在开发路面恶化模型时缺乏考虑邻近路段

信息的研究。有可能通过考虑邻近路段的状态信息来改进对一个路段劣化的预测，因为它们都暴露

于一些使其失败的共同因素中，如负载、运营或环境因素。

最近，随着大数据和人工智能的发展，深度学习模型在路面性能建模领域[9–20]获得了相当

大的关注。与传统模型相比，深度学习模型旨在产生更准确的预测结果。例如，Leeetal.[21]开

发了一个基于深度神经网络和循环神经网络（RNN）中LSTM电路的路面退化预测模型。他们发

现LSTM模型的表现和准确性更优。ChoiandDo[22]使用监测数据和LSTM架构预测了道路路

面的退化情况。构建的算法