蔣忠海， 周亮兵， 鄭月云

(佛山科學技術(shù)學院 交通與土木建筑學院， 廣東 佛山 528000)

1 前言

由于瀝青路面具有行車舒適、維修方便等特點，中國絕大部分重要道路均采用瀝青路面。瀝青路表面暴露在惡劣的自然環(huán)境中，直接受氣象因素，如空氣溫度、空氣濕度、太陽輻射、降雨及風速等的影響。而瀝青又是一種典型的溫度敏感性材料，瀝青路面的路用性能和力學特性隨著溫度的升降有明顯的變化。在高溫天氣時，路面溫度的升高是車輛爆胎事故發(fā)生的主要原因之一，同時隨著路面勁度模量的降低，也容易產(chǎn)生車轍和推擠等病害。因此，研究各氣象因素對路面溫度的影響，并能根據(jù)氣象信息對路面溫度實現(xiàn)準確預測，對道路交通安全的預警與道路病害的防治具有重要意義。

幾十年來，人們對于高溫路面溫度場的研究做出了大量的努力。Barber通過將路面視為均質(zhì)半無限體,首先使用理論分析的方法建立模型來預測路面最高溫度；Huber通過氣溫，以及利用熱平衡方程計算得到的路表溫度對兩者進行了回歸分析，建立了包含日最高氣溫和緯度的計算路表最高溫度確定型公式；Hermansson建立了用于計算高溫條件下的瀝青路面溫度場的仿真模型，模型的輸入?yún)?shù)包括各個小時太陽輻射、氣溫和風速；朱承瑛等通過對高速公路大量的數(shù)據(jù)采集,運用能量守恒的方法,建立了瀝青路面溫度滾動預測模型?，F(xiàn)在對于路面溫度場的研究總體上可以分為理論分析與統(tǒng)計分析兩種方法，其中統(tǒng)計分析法相比于前者有參數(shù)更容易獲取，模型結(jié)構(gòu)簡單的優(yōu)點，在道路交通工程實踐中的運用也更加廣泛。該文擬通過采集氣象參數(shù)與瀝青路面溫度數(shù)據(jù)建立路面溫度逐時滾動預測模型，從而實現(xiàn)高溫天氣下瀝青路面溫度的預測。

2 數(shù)據(jù)的采集與分析

2.1 數(shù)據(jù)采集

此次試驗監(jiān)測對象為廣東省佛山市南海區(qū)一段直線形瀝青路面，監(jiān)測時間為2019年7至9月高溫晴朗天氣下08：00—18：00。采用JTR13型室外小氣候環(huán)境測試系統(tǒng)，該儀器能夠采集風速、氣溫、相對濕度、太陽輻射強度4個氣象參數(shù)，每5 min采集一次并自動記錄。在路面中央按3 m等距布設(shè)4個測溫點，路面溫度30 min測量一次，同時記錄交通量。

為減小測量儀器以及不同測溫點道路內(nèi)部結(jié)構(gòu)差異而產(chǎn)生的誤差，對每30 min各個氣象參數(shù)與各點的路面溫度取平均值。表1為2019年9月10日的數(shù)據(jù)。

表1 2019年9月10日監(jiān)測數(shù)據(jù)

2.2 數(shù)據(jù)分析

環(huán)境是一個多要素系統(tǒng)，各個要素之間也存在著不同的相關(guān)關(guān)系，因此在分析路面溫度與某個變量之間的相關(guān)性時，往往會受到其他變量的干擾而影響準確性。該文利用偏相關(guān)分析，通過控制其他變量z，來分析路面溫度x與某個特定變量y的關(guān)系，兩者之間的偏相關(guān)系數(shù)rxy,z定義為：

(1)

式中：rxy、rxz、ryz分別為變量x與y、x與z、y與z的相關(guān)系數(shù)。

路面溫度變化實際上是基于路面初始溫度，受內(nèi)外部各個因素的變化而變化的連續(xù)性過程，該文通過計算相鄰時間段內(nèi)各個參數(shù)變化量來預測路面溫度的變化。利用SPSS數(shù)據(jù)統(tǒng)計軟件將路面溫度變化與標準化后的風速、氣溫、相對濕度、太陽輻射強度以及交通量的半小時變化量進行偏相關(guān)分析，最終結(jié)果如表2所示。

表2 路面溫度偏相關(guān)分析結(jié)果

由表2可知：太陽輻射強度的變化對路面溫度的影響最大，偏相關(guān)系數(shù)達到最高0.852。相對濕度變化對路面溫度影響最小，且不相關(guān)的概率達到65.1%。因此忽略相對濕度對路面溫度的影響，選擇風速、氣溫、太陽輻射強度和交通量數(shù)據(jù)進行建模。

3 建立模型

路面外部環(huán)境與路面溫度存在著復雜的相關(guān)性，各個變量之間也相互影響，利用普通的多元線性回歸模型無法排除各個自變量之間共線性帶來的誤差。神經(jīng)網(wǎng)絡模型能充分逼近復雜的非線性關(guān)系，建立真實世界的關(guān)系模型十分靈活。在最常用的前向神經(jīng)網(wǎng)絡模型中，存在多層感知器和徑向基函數(shù)兩種神經(jīng)網(wǎng)絡方法。多層感知器是一個前饋式有監(jiān)督的結(jié)構(gòu)，可以包含多個隱藏層進行特征提取，一個或者多個不同類型的因變量，神經(jīng)網(wǎng)絡會根據(jù)輸入數(shù)據(jù)建模。此外，多層感知器相比徑向基函數(shù)能發(fā)現(xiàn)更加復雜的非線性關(guān)系。因此，該文擬通過多層感知器神經(jīng)網(wǎng)絡來建立路面溫度滾動預測模型。

在SPSS多層感知器里，將風速、氣溫、太陽輻射強度和交通量半小時變化作為協(xié)變量，所有協(xié)變量進行標準化以排除量綱帶來的誤差，最后將路面溫度半小時級別變化量設(shè)置為因變量。為防止過度訓練，樣本按7∶3比例建模與測試,樣本的處理匯總見表3。設(shè)置完保存XML格式模型。輸出的多層感知器神經(jīng)網(wǎng)絡圖如圖1所示，模型輸入層神經(jīng)元個數(shù)為4個，隱藏層為3個，輸出層1個。模型的自變量重要性見表4，可以看出，4個變量中太陽輻射強度的變化對路面溫度的影響最大。

表3 樣本處理匯總

圖1 神經(jīng)網(wǎng)絡結(jié)果示意圖

表4 自變量重要性

4 模型的預測

利用新得到的神經(jīng)網(wǎng)絡模型對監(jiān)測數(shù)據(jù)進行評分，得到路面溫度半小時級別預測變化值，代入初始路面溫度進行累加減，得到滾動預測路面溫度。以2019年8月14日為例(圖2)，當天最高實測路面溫度與預測最高路面溫度均出現(xiàn)在14：30左右，分別為53.2 ℃和53.6 ℃，兩者僅相差0.4 ℃。路面溫度變化方向的預測正確率達到 94.7%，預測溫度與實測值誤差均在2 ℃以內(nèi)，在1 ℃以內(nèi)的頻率為84.2%，模型預測精度較高。

圖2 實測溫度與預測溫度比較(2019年8月14日)

5 結(jié)論

(1) 采集高溫天氣下瀝青路面溫度、交通量與氣象數(shù)據(jù),處理后進行偏相關(guān)分析，得到各個氣象變量與交通量對路面溫度變化的影響。

(2) 建立多層感知器神經(jīng)網(wǎng)絡模型，將采集到的數(shù)據(jù)代入模型得到預測路面溫度，與實際路面溫度對比表明，日路面最高溫度預測較準確，模型整體預測效果較好。

(3) 模型在實際應用中依賴氣象預報，在不同天氣、不同緯度地區(qū)的適用性需進一步驗證。