瀝青路面養護智能檢測與決策綜述

徐鵬，祝軒，姚丁，史長云，錢國平，于華南

(長沙理工大學交通運輸工程學院，湖南長沙，410114)

《交通強國綱要》指出從2021年開始到本世紀中葉，將分2個階段推進交通強國建設，公路作為交通運輸的重要載體，對推動交通強國發展起到至關重要的作用。截至2021年初，我國高速公路通車約16萬km，穩居世界第一，其中，瀝青路面公路憑借其養護便捷、行車舒適等優點，在高速公路里程中占比90%以上。瀝青路面在服役期間受到交通荷載和各種外界條件共同作用導致路面性狀發生變化，通過檢測和監測路面在交通荷載、外界氣候作用下的性能和狀態，并對采集的數據進行處理，分析路面病害狀況，對路面健康狀態進行評價，據此科學制定路面維修、養護策略。常規的路面檢測方法無法揭示路面結構損傷與結構性能劣化的發展歷程，難以對路面結構的設計和路用性能評價提供詳實的數據支撐，通常無法發現內部缺陷，只有當路面外部出現明顯缺陷時才開始維修養護，造成養護成本較高。路面性狀智能檢測技術能及時發現結構早期損壞和小病害，實現智能化養護決策，有效降低養護成本，避免路面大幅度翻修，減少對交通的影響，具有十分重要的經濟效益和社會效益。為此，本文分析國內外瀝青路面養護智能檢測與決策研究成果及應用現狀，對不同瀝青路面檢測與監測技術、路面病害智能識別技術和瀝青路面養護決策方法進行分析，歸納總結瀝青路面養護智能檢測與決策現階段研究應用成果，指出瀝青路面養護智能檢測與決策存在的問題，展望其未來研究面臨挑戰與發展趨勢，以期對瀝青路面養護智能檢測與決策提供指導與借鑒。

1 瀝青路面檢測與監測技術

1.1 可視化方法

可視化方法通過研制路面檢測工具、技術和系統，將實驗或數值計算獲得的大量抽象數據轉換為人類視覺可以直接感受的計算機圖形圖像，利用檢測數據對路面特征進行精準計算，使路面狀況評價結果更全面、準確、可靠。瀝青路面檢測與監測可視化方法技術主要有攝像機、線掃描照相機、紅外照相機、光度立體技術、熱紅外成像、地面激光掃描等，其技術特點如表1所示，其局限是數據處理計算量比較大，需要有特定的圖像處理算法支持，檢測精度容易受測量環境影響。各部件技術功能如下。

1)攝像機。攝像機是計算機視覺系統獲得三維原始信息的主要工具。隨著城市交通的發展，將交通監控系統中前端攝像機作為圖像采集單元，技術人員可以直接從影像或者照片中提取各種路面病害，改變以人工巡檢為主的路面現場檢測方式，緩解因人工檢測占據道路對交通流的影響[1-3]。

2)線掃描照相機。線掃描照相機通過一行由感光元素組成的傳感器進行高頻率掃描，在對高速運動物體進行拍攝時不需要附加額外快門，從而具備高速數據傳輸速度和效率[4]。在路面檢測中通過高速采集道路實時圖像獲取路面性狀。

3)紅外照相機。紅外照相技術是指通過自動相機系統(如被動式/主動式紅外觸發相機或定時拍攝相機等)來獲取瀝青路面圖像(如照片和視頻)，并通過圖像分析獲取瀝青路面性狀，為瀝青路面檢測與監測技術提供參考。CASSELGREN等[5-7]將該技術運用于道路的檢測與監測研究。

4)光度立體技術。光度立體方法可以重建出物體表面的法向量以及物體不同表面點的反射率。與傳統的幾何重建(例如立體匹配)方法不同，光度立體方法不需要考慮圖像的匹配問題[8-9]，廣泛應用于道路工程建設[10-11]。

5)熱紅外成像。熱紅外成像儀的工作原理是通過收集物體輻射的紅外線，對表面不同部位的輻射強度進行感應、識別，將各點的紅外輻射強度轉換為紅外熱圖。熱紅外成像技術具有無接觸、無破壞、直觀迅速、寬動態測溫范圍等優點，對物體溫度變化敏感，晝夜都可以進行探測[12-14]。

6)地面激光掃描。地面激光掃描技術是利用激光測距的原理，通過記錄路面大量密集點的三維坐標、反射率和紋理等信息，快速復建出路面的三維模型。與傳統的測量技術相比，地面激光掃描技術具有效率高、細節豐富、智能化等優點[15-17]。CHOI 等[18]用激光掃描圖像數據檢測路面裂縫。LEHTOM?KI等[19]基于車輛的激光掃描數據檢測道路環境中的垂直桿狀物體。

可視化方法主要是通過拍照及錄像的方式對路面病害的類型及損壞程度進行采集，而后通過圖片和圖像的識別技術對路面的破損狀況進行識別和解讀，以此完成對路面破損狀況的快速、定量分析，能直觀、實時獲取瀝青路面表觀性狀，具有較高精度，但數據處理計算量較大，需要有特定的圖像處理算法支持，檢測精度容易受測量環境影響。

1.2 雷達

雷達的基本原理是利用電磁波在介質中的傳播理論探測目標距離、方位、速度等。地面雷達是以脈沖形式向地下發射電磁波，電磁波在均勻各向同性介質中以電場和磁場相互交替變化的方式，并以一定的速度由近及遠傳播。當電磁波在傳播過程中遇到不同介質時，在介質交界面上就會產生反射、折射，雷達通過接收返回地面的反射波來探測介質層厚度和查找地面下的病害。路面檢測中的雷達主要分為探地雷達和相控陣合成孔徑雷達。

1)探地雷達。探地雷達(GPR)又稱地下雷達或表層穿透雷達，是一種電磁波穿透地下或其他介質的雷達技術。它是利用穿透路面向下發射高頻電磁波，由接收天線接收到返回路面的電磁波，其電磁波穿過不同介質層進行反射、折射回波信息，并以一種電性差異接收電磁波的波形、振幅變化等參數，探測地面以下的構造和形態特征，從而最終得到檢測的路面厚度和彎沉[20-21]。多功能探地雷達系統與路面檢測結果如圖1所示。

圖1 多功能探地雷達系統與路面檢測雷達圖[21]Fig.1 Diagram of multifunctional GPR system and pavement detection radar[21]

2)相控陣合成孔徑雷達。合成孔徑雷達(SAR)是一種高分辨率成像雷達，可以在能見度極低的氣象條件下得到類似光學照相的高分辨雷達圖像。利用雷達與目標的相對運動，將尺寸較小的真實天線孔徑用數據處理的方法合成較大的等效天線孔徑。經過幾十年的發展，合成孔徑雷達技術已比較成熟，并在道路工程建設中得到應用[22-23]。

雷達檢測技術具有無損、快速、簡易、精度高、全天候等優點。對探地雷達而言，地下物理參數的差異以及周圍環境都會影響檢測效果，需與勘探工作合理地配合才能充分發揮作用。相控陣雷達設備復雜，造價昂貴，且波束掃描范圍有限，當進行全方位監視時，需增加天線陣面數量。

1.3 光纖光柵

光纖布拉格光柵(FBG)傳感器的基本理論是通過監測Bragg反射中心波長的偏移來測量應變和溫度的變化。當FBG 傳感器具有外部溫度變化或加載產生變形時，光柵的拉伸或壓縮可能導致周期變化[24]。FBG傳感技術可用于瀝青路面壓實的質量控制，也可使用FBG 傳感技術監測瀝青路面結構響應并評估路面性能[25]。與傳統傳感技術相比，FBG 傳感器具有靈敏度高、結構簡單、抵抗電磁干擾和穩定性強等特點，廣泛用于工程健康監測[26-28]?，F有的傳感器通常只能測量瀝青路面內部的點應變或表面變形，為此，XU 等[29]開發了一種FBG 傳感光束并在實驗室進行物理模型試驗，如圖2所示，發現該光束可以用于測量交通荷載作用下瀝青路面的內部變形。董澤蛟等[30-37]利用光纖光柵傳感器對多種瀝青路面結構應變、溫度、施工現場壓實進行了應用研究，并在室內對車轍試件應變進行測試。潘勤學等[38]通過現場埋設光纖光柵應變傳感器，開展了不同軸載及溫度下的瀝青路面靜載蠕變試驗。

圖2 FBG傳感光束系統[29]Fig.2 FBG sensing beam system[29]

光纖光柵傳感探頭結構簡單、尺寸小、便于埋入復合材料構件及大型建筑物內部，對結構的完整性、安全性、載荷疲勞、損傷程度等狀態進行連續實時監測，測量結果具有良好的重復性，適用于測量基于應變和溫度變化的靜態或準靜態物理量，不適用于測量動態信號(如振動信號)和濕度、風速等信號。光纖光柵作為一種小尺寸、高模量的結構應變監測傳感器，難以與瀝青路面結構應變協同，且傳感器和解調設備不便于現場調試，抗振及耐腐蝕性有限，容易受路面耐久性能的影響。

1.4 聲學技術

聲學是指研究機械波的產生、傳播、接收和效應的科學，聲學技術主要測量聲速和聲衰減以研究物質特性。用于路面檢測的聲學技術主要包括聲發射和超聲波。

1)聲發射(AE)。聲發射作為一種無損檢測方法，可以有效檢測各種材料中的細微損傷。其基本原理是從聲發射源發射的彈性波最終傳播到達材料的表面，引起可以用聲發射傳感器探測的表面位移，這些探測器將材料的機械振動轉換為電信號，然后再次被放大、處理和記錄。聲發射技術已廣泛用于巖石、混凝土、鋼和橋梁結構的損傷檢測和評估[39]。HILL等[40]使用AE參數分析熱負荷下的熱拌瀝青混合料的力學性能。APEAGYEI[41]使用AE技術評估了泡沫瀝青的穩定性，采用的聲發射實驗裝置如圖3所示。BEHNIA等[42-43]基于AE參數評估了瀝青結合料的低溫脆性，并基于AE特性監測和評估了3種不同老化水平的瀝青混合料的低溫開裂行為。SUN等[44]使用AE技術評估了瀝青結合料和混合物的低溫開裂敏感性、氧化老化、脆化溫度以及熱裂紋的位置。JIAO等[45]利用AE技術評價了多孔瀝青混合料在不同溫度下的壓縮和劈裂試驗中的斷裂過程。

圖3 聲發射實驗裝置示意圖[41]Fig.3 Schematic representation of AE experimental setup[41]

2)超聲波。超聲波測試技術是近年來發展非常迅速的一項技術，它是利用激發換能器在材料表面激發出高頻彈性波，發送到材料介質中。這種高頻彈性波經過材料結構內部時，遇到聲阻抗不同的介質會發生反射、散射，經過材料結構內部的波最后由接收換能器接收，通過對接收的信號分析處理，判斷材料內部是否存在缺陷[46-47]。QIU 等[48]建立超聲波波速與瀝青混凝土的抗壓強度、抗彎強度和靜態模量等擬合關系，實現瀝青混凝土性能的預測和評估。顧興宇等[49]分析了不同入射頻率下瀝青混凝土中超聲波細觀的衰減特征及宏觀的振幅變化，研究了不同集料粒徑和溫度對瀝青混凝土中超聲波衰減的影響。

聲學技術不需要直接接觸檢測對象，與一般檢測方法相比，在高低溫、核輻射、易燃、易爆、有毒等嚴苛環境下具有較大優勢，由于對構件的幾何形狀不敏感，適用于形狀復雜構件的檢測。聲學技術對材料較敏感，且易受機電噪聲干擾，因而，對數據的正確解釋要有更豐富的數據庫和現場檢測經驗，通常需依賴于其他無損檢測方法進行復驗。

1.5 振動技術

道路性狀調查中最常用的振動測量工具包括加速度計、基于智能手機的傳感系統。

1)加速度計。加速度計是一種慣性傳感器，用于探測1～3 個垂直方向上測量點的速度。RYYN?NEN 等[50]發現用于連續監測的最好的傳感器是加速度計。利用測量的加速度信號經重力校正后，再對該信號進行積分得到位移，如圖4所示。ARRAIGADA 等[51]使用加速度計測量路面的撓度，并使用黏彈性路面模型對用偏轉儀獲得的測量結果進行擬合。

圖4 利用加速度計測量加速度、位移與時間的關系[50]Fig.4 Relationship among acceleration,displacement and time obtained by accelerometer[50]

2)基于智能手機的傳感系統。目前，研究人員使用智能手機搭載的移動傳感系統和全球定位系統(GPS)來檢測路面狀況[52-53]。使用手機進行路面評估被視為一種調查道路狀況的眾源方法[54]。BUTTLAR 等[52-53,55]利用移動應用(APP)進一步擴展了智能手機加速計在道路狀況檢測中的應用。

使用智能手機測量路面狀況具有設備簡單、操作便捷、成本低廉等優點，但也存在一些不足，主要表現在智能手機在車內儀表盤上的位置無法準確反映真實路況；此外，由于輪胎補償造成數據收集準確性較低，降低了移動應用程序的總振動響應[55-56]，同時，還需考慮數據采集的頻率。

2 路面病害智能識別

隨著通車長度和交通量增加，道路養護任務越來越繁重，尤其是道路病害檢測和識別任務特別緊迫。道路病害智能檢測本質上是對病害實現二維或三維成像和識別，成像條件是隨機的，而圖像識別取決于算法。測量坑槽等需要在合理空間下獲得較好的成像效果，而裂縫等評估則需要在局部范圍內獲取非常精確的成像，這2種極端情況為成像技術和識別算法帶來了挑戰。目前，國內外學者主要通過振動傳感、遙感、激光、摩擦因數檢測、紋理識別、GPS 和圖像識別等技術對路面病害進行智能識別。路面病害智能檢測流程如圖5所示，通過綜合運用相關技術對路面平整度、抗滑性能、車轍、裂縫等常見病害進行智能化檢測。

圖5 路面病害智能檢測Fig.5 Intelligent detection of pavement diseases

2.1 平整度檢測技術

平整度是道路表面相對于理想平面的豎向偏差，是衡量路面質量與評價行車舒適度的重要指標。目前，國內外學者主要通過位移傳感技術、振動傳感技術和遙感技術等手段評價路面平整度。馬榮貴等[57]提出了基于基準傳遞原理的路面平整度檢測方法，通過激光位移傳感器檢測路面縱斷面相對標高，可獲得被測道路的縱斷面曲線和國際平整度指數(IRI)。吳秉軍等[58]提出了一種基于路面高程自動測量的全斷面平整度計算方法，利用自動跟蹤全站儀、激光測距傳感器和傾角儀等裝置測量路面高程，根據測得的路面點三維坐標信息，可計算出任意縱斷面的IRI，能夠實現路面全斷面、高精度平整度檢測及平整度缺陷位置的精確定位。毛慶洲等[59]基于小波變換原理的路面平整度測量數據精確處理的算法有效獲取車體振動位移來補償激光測距，得到完整的路面相對高程，最后得到路面IRI。王大為等[60]介紹了基于功率譜密度曲線的平均不平整指數(AUN)，分析了將功率譜密度曲線轉化為高度-波長曲線的優點，并考慮了人車振動反應的有效平整度指數(LWI)。許哲譜等[61]提出了一種基于核密度估計的瀝青路面狀況動態分段方法，該方法基于快速檢測設備獲取精細的路況數據，利用線要素核密度對路面破損率、國際平整度指數和車轍深度進行分析，得到以核密度為指標的連續變化路況地圖，建立了以核密度為指標的路況評價標準。江東等[62]采用磁懸浮振動測量方法，利用汽車在行駛過程中的振動實現對路面平整度的測量。杜豫川等[63]采用功率譜密度分析方法，提出了一種利用車內簧載豎向加速度推算IRI的理論模型，開發了一套基于多個加速度傳感器和GPS 的路面平整度檢測原型系統。GARILLI 等[64]基于無人飛行器(UAV)攝影測量法，對路面的平整度進行了評價。高仁強等[65]利用低空無人機LiDAR(light detection and ranging)遙感技術獲取點云與影像數據，獲得了精細的三維地形表面模型，在此基礎上選用國際平整度指數對路面平整度的空間進行可視化表達，并依據平整度進行分等定級，從而實現對路面質量進行評價。

2.2 路面抗滑性能檢測技術

良好的路面抗滑性能為高速行駛的車輛提供足夠大的摩擦力，保證車輛行駛過程中的安全性、舒適性。目前國內外學者主要通過摩擦儀、激光測距傳感器和三維紋理儀等對路面摩擦因數、構造深度和路表紋理等指標進行定量評價。鄭木蓮等[66]利用SAFEGATE摩擦因數測試車測定路面抗滑性能。WASILEWSKA 等[67]利用防滑阻力測試儀和摩擦力觀測儀測試抗滑力，進而對路面抗滑性能進行評估。竇光武[68]為評價路面抗滑性能，采用高精度激光測距傳感器對路面構造深度進行測量。馮興樂等[69]基于激光視覺測量方法得到的瀝青路面點云數據，進一步采用斷面法估算構造深度來反映抗滑性能。周興林等[70]基于激光視覺法測量了瀝青路面的構造深度，通過圖像處理方法估算了路面斷面深度(MPD)進而評價路面抗滑性能。錢振東等[71]用數字圖像處理技術重構車轍板表面三維紋理模型，通過差分盒維數法計算三維紋理模型的分形維數，研究了分形維數與抗滑性能的關系。UECKERMANN 等[72]基于光學紋理測量的非接觸式防滑電阻對路面紋理進行測量以評價路面抗滑性能。NEJAD 等[73]基于圖像的自動系統通過自動圖像獲取系統(IAS)捕獲路面紋理圖像對路面抗滑性能進行評估。LIANG 等[74]基于三維檢測系統中點云數據生成路面紋理的3-D虛擬模型來計算平均紋理深度(MTD)，評估路面抗滑性能。CUI等[75]基于多線激光和雙目視覺技術對瀝青路面平均紋理深度進行測量，引入了多線激光配對和極線約束技術，以實現多線激光與雙目視覺之間的圖像匹配，依次算出瀝青路面平均輪廓深度。馬林等[76]采用高精度壓力膠片測試技術測試了路面-輪胎接觸應力分布，在此基礎上對路面的抗滑性能進行檢測。

2.3 路面車轍檢測技術

車轍是指瀝青路面在長期車輛重復荷載作用下，瀝青面層產生的永久變形，是瀝青路面的最常見的病害之一。目前國內外學者主要通過GPS和三維激光儀等對瀝青路面車轍等病害進行檢測。馬榮貴等[77]基于GPS橫斷面車轍數據對路面進行三維重構，在三維空間中構造出用于繪制三角形網格的頂點矩陣，用于評價路面車轍、坑槽及擁包等。JANG等[78]通過三軸加速度計和GPS傳感器收集路面數據以檢測路面車轍和坑槽等病害。郎洪等[79]通過對三維圖像中激光點異常值進行篩選，利用橫斷面深度數據運用包絡線算法提取車轍、坑槽和擁包等檢測數據。李清泉等[80]利用激光三角法快速準確地檢測路面車轍。陳小宇等[81]基于激光三角剖分的快速檢測路面車轍技術，有效和可靠地測量路面車轍。李中軼等[82]通過改進Canny算法對2D/3D激光點云數據進行識別定位，能連續精準測量車轍寬度、最大深度以及在車道內的橫向位置。洪梓銘等[83]采用激光器向路面連續發射線激光，通過高分辨率相機動態獲取路面車轍激光線的序列圖像，對路面車轍進行實時檢測。AREZOUMAND 等[84]使用線性激光和高速射擊運動相機以檢測靜態和動態模式下的車轍深度。LUO 等[85]使用3D 線掃描激光系統和慣性測量單元(IMU)對路面車轍尺寸和橫向位置進行測量。丁夢華等[86]基于高密度數據和聚類分析的獨立車轍識別和評價方法，有效和準確地判別車轍的嚴重程度及分布位置。JAHANSHAHI等[87]使用RGB-D傳感器來檢測和量化路面中坑槽和裂縫等病害。

2.4 路面裂縫檢測技術

路面裂縫自動化檢測主要包括圖像獲取、圖像處理和圖像分析。目前，國內外學者主要研究集中于改變算法提高圖像的識別精度等方面，也有少部分學者通過加裝圖像獲取設備或在路面上鋪設光纖等來檢測裂縫，但此類模式成本較高。李剛等[88]基于改進的輕量級全局卷積網絡的路面裂縫圖像分割模型對裂縫進行采集，并計算裂縫平均寬度，提高了裂縫識別的準確性。侯越等[89]利用卷積自編碼(CAE)方法增強路面裂縫圖像數據，圖片樣本更易被機器識別。ZHANG 等[90]基于Crack Net‐R 的遞歸神經網絡(RNN)算法，對測試路面裂縫圖像進行識別。陳澤斌等[91]基于改進后的U-net模型實現對路面裂縫圖像精準自動識別。王保憲等[92]基于圖像高維特征壓縮映射的混凝土表面裂縫檢測算法提高了裂縫識別的速率和準確率。ABDELLATIF 等[93]分析了高光譜裂縫圖像的光譜敏感，計算了裂縫指數，發現該指數可作為路面裂紋評價指標。王世芳等[94]基于多尺度脊邊緣的瀝青路面裂縫檢測算法，對不同形狀特征、尺寸和位置的裂縫目標進行有效檢測，具有較高的檢測精度和較好的檢測效果，且該算法抗噪性能好。王博等[95]利用顯著性分析的邊緣檢測算法識別航拍圖像的路面裂縫片段，自動篩選存在裂縫的圖像。XIANG 等[96]使用編碼器-解碼器體系結構構建網絡，并采用金字塔模塊來拓撲裂縫的復雜結構，可準確識別裂紋特征。YANG等[97]基于機器視覺領域深度學習的概念，提出一種用于路面裂縫檢測的特征金字塔分層增強網絡。QIN等[98]基于正方形邊界框對角線匹配的裂紋分類方法，對裂縫進行快速分類處理。KADDAH 等[99]在車輛上安裝幾種不同系統用于檢測道路裂縫，所獲結果非?？煽壳揖_。宋宏勛等[100]基于雙相機立體攝像測量的路面損壞裂縫快速識別方法，運用2臺面陣相機對路面同一物點建立2臺相機之間的映射關系，實現路面裂縫圖像的快速識別。MEI 等[101]介紹了一種利用運動攝像機和深度神經網絡進行低成本道路檢測的方案，基于深度學習網絡提出一種道路裂縫檢測的ConnCrack 算法。YI 等[102]通過光纖傳感器對混凝土路面裂縫進行檢測。GAO 等[103]基于快速區域卷積神經網絡(faster R-ConvNet)，通過使用探地雷達(GPR)對路面的反射裂縫和不均勻沉降等進行檢測。

3 瀝青路面養護決策

公路路面養護管理系統決策優化的核心在于如何在道路性能和服務水平不下降的情況下制定最小的預算資金方案，由此確定具體養護決策，使得道路路面的養護資金和養護質量達到最優平衡。隨著信息技術的發展，瀝青路面養護決策智能化程度不斷提高?；诂F有的路面養護管理系統，引入預防性養護、人工智能和大數據分析等先進的養護概念及分析手段，能夠有效提高常規養護管理工作中對路面病害識別、道路服役性能評估效率，對優化多指標決策體系以及開展系統性養護決策起推動作用。

3.1 傳統路面養護管理系統

傳統瀝青路面養護管理決策在很大程度上是基于路面使用性能來進行判斷，目前最常見的養護措施決策方法是決策樹法，通過引入一個瀝青路面技術狀況的綜合評價指標(路面使用性能指數PQI、路面損壞狀況指數PCI等)，結合各路況專項檢測數據、交通荷載、氣候環境和施工質量等因素分級權重，利用評價指標的觸發值對病害進行分級，實現對路面檢測性能的綜合判斷及評價，進而將各評定路段劃分為日常養護、預防性養護、修復養護、專項養護和應急養護等類型。這種決策方法具有數據易采集、評價模型簡單、分項指標明確等優點，但該方法也存在邊界值模糊、不同評價指標差異大、難以準確界定養護類型等缺陷。

20世紀70年代，美國和加拿大提出了路面管理系統(pavement management system,PMS)的概念[104]。1980年，亞利桑那州交通部開發了網級路面決策優化系統，將馬爾可夫過程的路面性能預測與線性模型相結合，對公路養護方案進行了優化[105]。1983年，美國陸軍建筑工程研究所開發了PAVER 路面管理系統，根據路面損害程度對路面狀況折減扣分，提出了路面損壞狀況指數PCI(pavement condition index)[106]。曾勝等[107]分析養護工程性質、養護決策影響因素，建立了高速公路瀝青路面養護決策樹模型，如圖6所示。王端宜等[108]基于PAVERTM路面管理系統研究了路面路網的養護需求，建立了考慮路面養護資金優化的路網養護維修方法。ZIMMERMAN 等[109]對決策樹法進行了改進，增加了車流量和環境條件等因素來完善路面使用狀況的綜合評價。FAN 等[110]運用隨機線性規劃方法選擇最優養護方案，提出了一種在預算不確定性下的路面養護決策方法，研究了預算對優化解決方案的影響。ARABALI等[111]研究了機場道路的養護決策過程，根據氣候和機場類別劃分了不同的決策組，并對每一組進行了成本效益最優決策處理。ZHANG等[112]運用生命周期優化模型確定出網級公路的近似最優養護對策，并利用地理信息系統(geographic information system，GIS)模型建立了網絡級路面資產管理系統。JING等[113]分析了BIM 技術在公路養護管理系統的應用可行性，認為BIM 技術能夠有效提升養護決策的信息化和精細化。

圖6 瀝青路面養護決策樹模型[107]Fig.6 Decision tree model of asphalt pavement maintenance[107]

3.2 瀝青路面預防性養護決策

常規的瀝青路面養護通常是針對于路面已產生的病害進行修復或補強，不僅維修滯后，而且養護費用高，建設工程量大。近年來，路面預防性養護的概念已得到廣泛認可，預防性養護是指原路狀況良好、尚未發生結構性損壞、僅對其功能性或使用性進行養護加強的養護活動。預防性養護措施決策是預防性養護的核心內容，也是實現預防性養護的最終表現形式。目前，瀝青路面預防性養護措施方法主要包括費用效益分析法、壽命周期費用法、決策樹決策矩陣法、綜合評價法、聚類分析法和層次分析法等。不同方法各有其特點及局限性，其實施效果也會受到路面狀況、交通條件和自然氣候等因素影響[114]。預防性養護措施決策的選擇應該根據路面條件、外部環境和資金狀況，科學開展預防性養護措施決策，以有效提升路面性能，延長路面壽命以及節省養護資金。一種典型的路面預防性養護措施確定流程見圖7。

圖7 路面預防性養護措施確定流程[114]Fig.7 Determination process of pavement preventive maintenance measures[114]

王朝暉等[115]考慮不同時間與不同對策組合的多種預防性養護方案，建立了基于重構數據包絡分析方法(DEA)的預防性養護時機和對策一體優化模型。王向峰等[116]結合路面狀況指標閾值和路面損壞狀況指數PCI衰減趨勢，綜合判斷路面預防性養護時機。FRANCE-MENSAH 等[117]基于GIS 構建了道路預防性養護管理系統，并利用工作流實例驗證了框架的可用性和有效性。樊旭英等[118]從路用性能和瀝青性能2個方面對瀝青路面預養護進行評價，并對傳統熵權-層次分析法進行了改進。JIA等[119]利用長期路面性能計劃項目(LTPP)收集的數據，提取了平整度、車轍和裂縫等路面性能指標，評估預防性養護處理對維持路面性能的長期有效性。張春安等[120]提出采用費用-效益費評價準則確定預防性養護決策評價方法，通過建立層次分析法(AHP)的三層評價體系結構進行指標選擇和權重計算。董元帥等[121]基于壽命周期分析法(LCA)對高等級公路瀝青路面養護在壽命周期內的效果進行計算，對費用、能耗與環境影響等進行分析，認為在較好的路況標準下，開展預防性養護能夠獲得最大的綜合效益。施彥等[122]提出了同時考慮路面使用性能綜合指標和病害情況單項指標的預防性養護評判標準，分析了重構優化DEA 方法和區間數TOPSIS方法的決策流程。WANG等[123]基于BIM 技術構建了瀝青路面預防性養護模型，采用層次分析法確定了預防性養護措施。LIU等[124]結合層次分析法和模糊數學理論，建立了瀝青路面模糊綜合評價模型，對預防性養護措施進行了排序優化。

3.3 基于大數據統計分析的瀝青路面養護

長期以來，路面養護管理依賴“車載人走”的排查方式，巡查結果缺乏可量化、直觀化的管理及呈現方式，造成日常路面養護數據無法有效積累和沉淀，公路管理部門難以全面、及時地掌握公路日常技術狀況?；诖髷祿治龅牡缆佛B護，其出發點是基于規模巨大的道路監測數據建立管理數據庫，深入挖掘各種數據之間的內在關系，統計、分析、預測道路服役性能與服役壽命，為道路養護決策提供更好的輔助服務。

汪海年等[125]基于國內高速公路車轍數據，采用數理統計方法對MEPDG車轍預估模型進行了校正，提高了模型預測精度。蘇衛國等[126]通過構建PQI(見圖8)，并基于高速公路的PQI數據建立了灰色預測模型。靳明等[127]基于灰色系統理論建立了路面使用性能預測模型，并依據預測結果給出了相對應的養護決策方案。趙靜等[128]提出了灰色關聯度分析和支持向量機回歸(GRA-SVR)的瀝青路面使用性能預測模型，為大數據養護決策提供了參考和依據。崔玉姣等[129]以路面檢測數據為樣本，采用主成分-聚類分析法對高速公路瀝青路面養護路段進行了劃分，劃分結果有助于制定科學的養護決策。HAN 等[130]結合灰色關聯分析和層次分析法，提出了一種改進加權隨機森林算法的瀝青路面養護決策方法。IRFAN 等[131]基于數據挖掘算法開發道路養護優化模型，利用GIS技術實現與決策支持系統的應用集成。HADJIDEMETRIOU 等[132]開發了考慮交通數據的路面養護決策模型，基于路面和交通數據對路面養護優先順序進行了量化分級。SANTOS 等[133]基于模糊數學理論研究了路面維修養護決策中的多目標優化問題，分析了多目標不同權重下的決策變化。

圖8 路面性能評價指標體系[126]Fig.8 Pavement performance evaluation index system[126]

傳統的項目級瀝青路面養護決策方法通常由養護工程師根據現場路況制定，不僅效率較低，而且對巡查人員經驗依賴程度較高，主觀性較強。隨著人工智能的迅速發展和廣泛應用，道路養護與管理進入了新階段。人工智能屬于計算機科學的一個分支，其強大的特征學習和分類能力適用于圖像分類、目標檢測、圖像語義分割等領域?；谌斯ぶ悄艿牡缆佛B護，其基本思路是應用神經網絡、深度學習(卷積神經網絡)、專家系統等各種人工智能的方法手段，對道路病害、道路服役性能、道路養護策略等進行全自動分析，實現道路高效養護管理與運營服務。

黃雅杭等[134]基于路面管理系統(CPMS)數據庫，開發了寧夏地區瀝青路面養護專家系統。程珊珊等[135]結合現代人工智能的發展，對專家系統在路面養護管理中的應用進行了分析和展望。汪凡等[136]研究了BP神經網絡在路面性能預測中的應用，認為需要定期檢測路況獲取大量樣本數據來訓練BP 神經網絡模型，以保證預測的準確性。BELTRAN等[137]提出通過人工神經網絡模型來反算瀝青路面結構層模量，進而對路面力學性能進行預測評估，并從預測可靠性和預測效率2個方面評價了神經網絡模型的有效性。MAZARI 等[138]基于LTPP 提取的路面平整度，利用人工神經網絡開發了路面平整度預測模型。陳仕周等[139]通過遺傳算法(GA)對傳統模型進行組合優化，提出了一種用于預測路面使用性能的GA-灰色神經網絡模型。WANG等[140]結合馬爾科夫鏈和BP神經網絡建立了組合預測模型，認為神經網絡方法可以有效解決道路性能評價中的數據不足和準確性較低問題。PARK等[141]提出了一種基于深度學習模型的路表裂紋檢測方法，通過分析路面圖像的patch 單元中的裂縫信息(見圖9)來訓練模型，實現了裂縫信息的自動提取。MAHMOOD等[142]以路面區域和養護效果為輸入變量，以PCI為輸出變量，建立了人工神經網絡的多輸入統一預測模型，與路面管理系統相結合提高養護決策的有效性。YAO 等[143]采用深度強化學習算法，通過反復試錯來得到更好的道路養護與維修策略，使維修決策的長期成本效益最大化。深度學習模型創建過程見圖10。

圖9 用于訓練裂縫檢測模型的數據生成過程[141]Fig.9 Data generation process for training crack detection model[141]

圖10 深度學習示意模型[143]Fig.10 Model of deep learning[143]

4 發展與展望

4.1 瀝青路面檢測與監測技術問題與發展

瀝青路面養護維修的關鍵在于對其路用性能進行準確測量和評估。隨著感知元件技術的發展，體積小、精度高、成本低、用途廣的感知元件越來越多地用于路面信息感知。此外，濕度、應力、應變等多種類傳感器在路面信息獲取中發揮重要作用。但目前傳感硬件技術在精度、敏感性方面仍存在不足，由于路面耐久性不足，埋設的傳感器容易發生損壞，降低了使用的可靠性，監測數據使用效率低，信息整合度不高，數據挖掘還不夠深入。隨著科學技術進步，傳感器將向微小型化、系統化、智能化方向繼續發展，為瀝青路面檢測與監測提供了有力技術保障。

4.2 路面病害智能識別問題與發展

目前人們對路面病害智能識別技術的研究已取得豐碩成果，但病害智能識別技術大多只能識別單一類型的病害，尚待開發具備多種病害識別能力的一體機。公路屬于跨地域的帶狀構造物，路面病害從發生到發展是一個跨時域的過程，目前實現全過程的路面智能檢測技術鮮有報道。隨著微傳感技術、高清圖像技術、北斗定位系統和計算機技術等飛速發展，有望能開發病害智能識別一體機對全過程路面病害進行監測，深入路面材料結構內部，對病害的源頭進行直觀表征，為路面材料優化設計提供科學依據。

4.3 瀝青路面養護決策問題與發展

人工智能方法和大數據分析手段已廣泛應用于瀝青路面養護決策，對道路病害識別、道路服役性能評價、道路養護策略優化等領域進行全自動高效分析，深入挖掘各種監測數據之間的內在關系，統計、分析、預測道路服役性能與服役壽命，為路面養護決策提供更好的輔助服務。當前普遍利用神經網絡、機器學習等人工智能技術建立路面病害識別模型，需要大量格式統一、高質量、開放性的檢測和監測數據數據庫提供訓練樣本，同時，也需要開發適合行業特點的路面養護小數據集深度學習算法、適用于現場養護的通用型快速智能學習算法及平臺等，以更好地支撐、服務交通強國背景下的瀝青路面智能養護。