25年钉钉杯大数据挑战赛金奖作品25年钉钉杯大数据挑战赛金奖作品B2025072238654.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

随着城市交通网络的持续扩展和车辆通行量的不断上升，道路路面的磨损与老化问

题日益突出，如何科学评估道路状况并合理安排养护资源，已成为城市交通管理中的关

键课题。传统的维护决策多依赖经验判断或单一指标评估，缺乏对多因素协同影响的系

统分析，容易造成资源错配或养护滞后。因此，亟需通过数据驱动的方法，构建具有预

测能力的模型，以提升道路养护决策的科学性与效率。

针对问题A，面向“道路是否需要维护”的二分类需求，本文采用随机森林模型与

XGBoost算法并行建模。二者在交叉验证下均取得99.9%级准确率、召回率与F1值。

特征贡献分析显示，“LastMaintenance”“PCI”“Rutting”三项指标对预测损失下降贡献

最大。随机森林与XGBoost由各特征对预测结果的贡献程度确定道路维护优先级划分

策略，得到路段数量分布结果。而后者通过二阶泰勒展开与正则化进一步压缩叶权重，

利用Python语言，结合鲁棒性分析，验证得到