25年钉钉杯大数据挑战赛金奖作品B2025072338749.pdfVIP

2025年第四届“创新杯”大学生

大数据挑战赛论文

题目道路路面维护需求综合预测

摘要

道路路面维护是城市智慧交通管理的核心难题。面对日益复杂的道路网络和持续增

长的交通压力，传统基于人工经验或单一指标的维护模式已显不足，容易造成资源错配

和安全隐患。本文基于真实道路检测数据，通过数据驱动方法构建了一套完整的道路维

护需求预测与资源优化解决方案。

研究采用无监督与有监督学习相结合的方法。首先运用K-Means聚类算法，依据

PCI、AADT、车辙深度和IRI等关键指标，将道路划分为三类维护区域。经过严格的数

344.5%

据清洗和标准化处理，确定最佳聚类数为，最终得到急需维护区（）、一般维

护区（11.0%）和无需维护区（44.5%）的划分结果。聚类效果经兰德指数验证达到0.88，

与实际情况高度吻合。

在预测模型方面，创新性地采用了多模型融合策略。通过组合Bagged