论文部分内容阅读
摘要：近些年，如何有效解决路面状态的识别问题已经成为人们普遍关注的一个重要问题。当前多数的路面都是由沥青铺设的，而沥青由于其自身所具有的特性，非常容易受到周围环境和温度变化的影响，其中路面温度和太阳辐射对其影响比较显著，所以将路面状态识别方法应用于路面温度和太阳辐射强度是非常有必要的。本文从路面状态识别方法的相关概念谈起，然后就影响路面温度的因素进行剖析，最后就路面状态识别方法应用于路面温度和太阳辐射强度进行分析。
关键词：路面状态， 识别方法， 路面温度 ，太阳辐射强度
Abstract: in recent years, how to effectively solve the pavement of the state to identify problems of common concern has become an important problem. The current most of the pavement are laid by asphalt, asphalt and due to their own has the characteristics, and very vulnerable to the surrounding environment and the influence of the temperature changes, including pavement temperature and the sun radiation to its effect is significant, so will the pavement status identification method was used in a pavement temperature and the sun radiation intensity is very necessary. This article from surface state recognition methods related concepts about, then influence factors of pavement temperature for analysis, and finally the pavement status identification method was used in a pavement temperature and the sun radiation intensity for analysis.
Keywords: road condition, identification method, pavement temperature, the sun radiation intensity
中圖分类号：U416.2文献标识码：A 文章编号：
前言
结合气象学和传热学的基本原理，在对沥青路面的温度场进行了周期性变温影响分析的条件下，应用相关软件就连续变温条件下路面的温度场进行模拟，分析了不同情况下太阳辐射强度和路面环境温度对路面温度场的影响情况。分析数据表明，太阳辐射强度和路面环境温度对路面温度场的影响都比较大，其中路面环境温度的影响更为明显。
一、路面状态识别方法概述
（一）路面状态识别原理
研究表明，对路面状态识别影响最大的因素就是路面湿滑因素，该因素直接影响到路面的温度。对于湿度比较到的路面，容易因雨水蒸发和吸收路面热量而使路面温度下降,最终会使路面温度与路面所处环境的温度保持一致。而对于干燥的路面，因路面吸收大量的太阳辐射而使路面的温度不断增加，进而使路面温度高于路面所处环境的温度；其次，太阳辐射作为导致路面温度升高的关键因素，太阳辐射强度也会因地理位置、季节以及天气等因素的改变而不断变化。总之，路面湿滑与太阳辐射强度以及路面温度之间存在着明显的非线性因果关系，由于我们可以使用测温仪对路面温度可以直接进行精确的测量，再加上空气温度和空气湿度、地理位置、季节以及天气等因素可以对太阳的辐射强度进行间接反映。因此，完全可以利用路面温度以及太阳辐射强度的相关影响因素来较准确地识别路面的湿滑状态。
（二）路面状态识别方法
1、路面状态识别方法说明
就当前的路面状态识别方法应用现状来看，BP神经网络是应用最为广泛的路面状态识别方法，因为BP神经网络可以很好地解决路面状态识别中的各种非线性映射问题。其中，BP神经网络输入向量为6维，包括地理位置、季节、时刻、空气温度、空气湿度、路面温度以上六个关键因素，输出结果为1维向量，即路面的湿滑状态。
2、路面状态识别方法的实现
将BP神经网络应用于路面状态识别方面，是近年来路面状态识别发展的特点和重点。从本质上来看，BP神经网络就是一个系统，它即有输入又有输出，与路面状态识别十分相似，因为路面状态识别就是在输入实现路面状态识别的一系列要求和特点后输出相应结果的，所以与BP神经网络所提供的输入输出机制非常相似，其中结合BP神经网络的原理，基于BP神经网络的路面状态识别方法的实现过程如下：
第一、构建已识别路面状态信息库，其中包括实现路面状态识别的一系列要求和特点。
第二、结合拟识别路面状态的实际需求来确定其包括评价指标等在内的各种特征因素的数据取值。
第三、按照模糊数学的思想法在已识别路面状态信息库中选取若干个（至少三个）与拟识别路面状态最相似的已识别路面状态，将其作为神经网络进行学习和训练的基础数据。其中，将信息库中已识别路面状态的各种特征因素值的隶属度作为神经网络的输入向量，信息库中路面的湿滑状态作为神经网络的输出向量。
第四、将拟识别路面状态的各种特征因素值的隶属度作为神经网络的输入向量，通过神经网络的学习后所得到的输出向量即为拟识别路面状态的湿滑状态值。
第五、建立路面识别状态信息数据, 编制神经网络学习的算法通用程序。将学习训练的基础数据输入神经网络，然后合理设计学习率，经过一定次数的迭代运算，有效提高路面状态识别结果的精度。
二、影响路面温度场分布的因素剖析
影响路面温度场分布的因素可以划分为两大类，主要包括外部影响因素和内部影响因素。其中，外部因素主要包括太阳辐射、气温、风速以及相对湿度等其他方面相关的气候因素；内部因素主要包括路面材料的热学参数以及路面结构的层次组合等其他相关因素。处于自然环境中的路面同时受到外部影响因素和内部影响因素的共同影响，从而引起路面结构体的温度呈周期性变化。正如引言中所讲的，在所有的外部影响因素中，对路面温度场分布影响最大的因素就是气温和太阳辐射。其中太阳辐射的一部分能量被路表反射而消耗，另一部分则路面被吸收并转化为相应的热能来使路面的温度升高，同时会沿路面深度方向将热能由温度较高处向温度较低处传导。而其他包括云量、降雨以及风速等相关因素都是以气温和太阳辐射部分而体现出来的。
（一）太阳辐射对温度场分布的影响
在太阳辐射的持续作用下，大气温度在昼夜之间会产生比较显著的温差，而且这些温差变化还往往呈现出一定的周期性变化特点。太阳辐射的这种周期性变化规律就对路面结构温度场分布的周期性变化产生了深刻的影响。
（二）气温及对流热交换对温度场分布的影响
气温及对流热交换是由太阳辐射和地表辐射共同作用的结果，相关数据资料表明，我国各地正常天气时气温周期性日变化规律一般是气温在下午两点时左右为一天中的最高气温，早上五点左右时为一天中的最低气温。一天中气温以及相应的对流热交换的不断变化也对温度场分布产生了显著的影响。
（三）路面有效辐射的影响
研究表明，在路面的表面不仅存在对流换热现象，还存在另外一种传热方式，就是热辐射。一般情况下，当温度不同的表面之间被透明介质所分隔时，在这些透明的介质表面之间就会发生热辐射换热现象。其中路面有效辐射的大小主要受气温、云量、地面温度以及空气透明度和湿度等其他相关因素的影响。
三、路面状态识别方法应用于路面温度和太阳辐射强度分析
如在上文路面状态识别方法的实现中所叙述的，BP神经网络的6维输入向量分别路面温度以及可以反映太阳辐射轻度的包括地理位置、季节、时刻、空气温度和空气湿度这五个方面的自然因素。其中季节和地理位置要结合实际情况来设定，时刻为0~24，路面温度、空气温度以及空气湿度均是由相关测量仪器所测出的实际测量值。
BP神经网络训练过程如下:结合实际地理位置情况，进行每个时刻的数据训练BP神经网络，分别对路面干燥时刻和路面潮湿时刻的路面温度、地理位置、季节、时刻、空气温度和空气湿度作为BP神经网络的输入进行路面状态识别的训练，通过不断的训练来获取路面状态的精确识别结果。BP神经网络验证过程是在4月29日的晚上八点半到第二天的早六点进行路面潮湿状态的验证; 4月29日上午9点到晚上8点、4月20日的早上六点半到晚上的八点半以及5月3日9: 00时至5月4日的8: 30时来进行路面干燥状态的验证。经验证，有效应用路面温度和太阳辐射强度相关因素的基于BP神经网络的路面状态识别方法的正确率超过了90%。其中BP神经网络验证输出结果如圖1所示。
图1 BP神经网络验证输出结果
结语：由于影响路面状态识别的因素比较多，而且各因素又具有很大的不确定性，所以路面状态的识别具有很大的模糊性。然而结合模糊数学和神经网络的理论思想，将基于BP神经网络的路面状态识别方法应用于路面温度和太阳辐射强度的分析中，使用基于BP神经网络的路面状态识别方法可以迅速的得出精确的路面状态的识别结果。
参考文献：
[1]卢俊辉. 基于路面温度和太阳辐射强度的路面状态识别方法[J]，农业机械学报，2009(01).
[2]周树强. 周期性变温条件下气温和太阳辐射对沥青路面温度场的影响分析[J]，城市建设理论研究,2010(03).
注：文章内所有公式及图表请用PDF形式查看。
关键词：路面状态， 识别方法， 路面温度 ，太阳辐射强度
Abstract: in recent years, how to effectively solve the pavement of the state to identify problems of common concern has become an important problem. The current most of the pavement are laid by asphalt, asphalt and due to their own has the characteristics, and very vulnerable to the surrounding environment and the influence of the temperature changes, including pavement temperature and the sun radiation to its effect is significant, so will the pavement status identification method was used in a pavement temperature and the sun radiation intensity is very necessary. This article from surface state recognition methods related concepts about, then influence factors of pavement temperature for analysis, and finally the pavement status identification method was used in a pavement temperature and the sun radiation intensity for analysis.
Keywords: road condition, identification method, pavement temperature, the sun radiation intensity
中圖分类号：U416.2文献标识码：A 文章编号：
前言
结合气象学和传热学的基本原理，在对沥青路面的温度场进行了周期性变温影响分析的条件下，应用相关软件就连续变温条件下路面的温度场进行模拟，分析了不同情况下太阳辐射强度和路面环境温度对路面温度场的影响情况。分析数据表明，太阳辐射强度和路面环境温度对路面温度场的影响都比较大，其中路面环境温度的影响更为明显。
一、路面状态识别方法概述
（一）路面状态识别原理
研究表明，对路面状态识别影响最大的因素就是路面湿滑因素，该因素直接影响到路面的温度。对于湿度比较到的路面，容易因雨水蒸发和吸收路面热量而使路面温度下降,最终会使路面温度与路面所处环境的温度保持一致。而对于干燥的路面，因路面吸收大量的太阳辐射而使路面的温度不断增加，进而使路面温度高于路面所处环境的温度；其次，太阳辐射作为导致路面温度升高的关键因素，太阳辐射强度也会因地理位置、季节以及天气等因素的改变而不断变化。总之，路面湿滑与太阳辐射强度以及路面温度之间存在着明显的非线性因果关系，由于我们可以使用测温仪对路面温度可以直接进行精确的测量，再加上空气温度和空气湿度、地理位置、季节以及天气等因素可以对太阳的辐射强度进行间接反映。因此，完全可以利用路面温度以及太阳辐射强度的相关影响因素来较准确地识别路面的湿滑状态。
（二）路面状态识别方法
1、路面状态识别方法说明
就当前的路面状态识别方法应用现状来看，BP神经网络是应用最为广泛的路面状态识别方法，因为BP神经网络可以很好地解决路面状态识别中的各种非线性映射问题。其中，BP神经网络输入向量为6维，包括地理位置、季节、时刻、空气温度、空气湿度、路面温度以上六个关键因素，输出结果为1维向量，即路面的湿滑状态。
2、路面状态识别方法的实现
将BP神经网络应用于路面状态识别方面，是近年来路面状态识别发展的特点和重点。从本质上来看，BP神经网络就是一个系统，它即有输入又有输出，与路面状态识别十分相似，因为路面状态识别就是在输入实现路面状态识别的一系列要求和特点后输出相应结果的，所以与BP神经网络所提供的输入输出机制非常相似，其中结合BP神经网络的原理，基于BP神经网络的路面状态识别方法的实现过程如下：
第一、构建已识别路面状态信息库，其中包括实现路面状态识别的一系列要求和特点。
第二、结合拟识别路面状态的实际需求来确定其包括评价指标等在内的各种特征因素的数据取值。
第三、按照模糊数学的思想法在已识别路面状态信息库中选取若干个（至少三个）与拟识别路面状态最相似的已识别路面状态，将其作为神经网络进行学习和训练的基础数据。其中，将信息库中已识别路面状态的各种特征因素值的隶属度作为神经网络的输入向量，信息库中路面的湿滑状态作为神经网络的输出向量。
第四、将拟识别路面状态的各种特征因素值的隶属度作为神经网络的输入向量，通过神经网络的学习后所得到的输出向量即为拟识别路面状态的湿滑状态值。
第五、建立路面识别状态信息数据, 编制神经网络学习的算法通用程序。将学习训练的基础数据输入神经网络，然后合理设计学习率，经过一定次数的迭代运算，有效提高路面状态识别结果的精度。
二、影响路面温度场分布的因素剖析
影响路面温度场分布的因素可以划分为两大类，主要包括外部影响因素和内部影响因素。其中，外部因素主要包括太阳辐射、气温、风速以及相对湿度等其他方面相关的气候因素；内部因素主要包括路面材料的热学参数以及路面结构的层次组合等其他相关因素。处于自然环境中的路面同时受到外部影响因素和内部影响因素的共同影响，从而引起路面结构体的温度呈周期性变化。正如引言中所讲的，在所有的外部影响因素中，对路面温度场分布影响最大的因素就是气温和太阳辐射。其中太阳辐射的一部分能量被路表反射而消耗，另一部分则路面被吸收并转化为相应的热能来使路面的温度升高，同时会沿路面深度方向将热能由温度较高处向温度较低处传导。而其他包括云量、降雨以及风速等相关因素都是以气温和太阳辐射部分而体现出来的。
（一）太阳辐射对温度场分布的影响
在太阳辐射的持续作用下，大气温度在昼夜之间会产生比较显著的温差，而且这些温差变化还往往呈现出一定的周期性变化特点。太阳辐射的这种周期性变化规律就对路面结构温度场分布的周期性变化产生了深刻的影响。
（二）气温及对流热交换对温度场分布的影响
气温及对流热交换是由太阳辐射和地表辐射共同作用的结果，相关数据资料表明，我国各地正常天气时气温周期性日变化规律一般是气温在下午两点时左右为一天中的最高气温，早上五点左右时为一天中的最低气温。一天中气温以及相应的对流热交换的不断变化也对温度场分布产生了显著的影响。
（三）路面有效辐射的影响
研究表明，在路面的表面不仅存在对流换热现象，还存在另外一种传热方式，就是热辐射。一般情况下，当温度不同的表面之间被透明介质所分隔时，在这些透明的介质表面之间就会发生热辐射换热现象。其中路面有效辐射的大小主要受气温、云量、地面温度以及空气透明度和湿度等其他相关因素的影响。
三、路面状态识别方法应用于路面温度和太阳辐射强度分析
如在上文路面状态识别方法的实现中所叙述的，BP神经网络的6维输入向量分别路面温度以及可以反映太阳辐射轻度的包括地理位置、季节、时刻、空气温度和空气湿度这五个方面的自然因素。其中季节和地理位置要结合实际情况来设定，时刻为0~24，路面温度、空气温度以及空气湿度均是由相关测量仪器所测出的实际测量值。
BP神经网络训练过程如下:结合实际地理位置情况，进行每个时刻的数据训练BP神经网络，分别对路面干燥时刻和路面潮湿时刻的路面温度、地理位置、季节、时刻、空气温度和空气湿度作为BP神经网络的输入进行路面状态识别的训练，通过不断的训练来获取路面状态的精确识别结果。BP神经网络验证过程是在4月29日的晚上八点半到第二天的早六点进行路面潮湿状态的验证; 4月29日上午9点到晚上8点、4月20日的早上六点半到晚上的八点半以及5月3日9: 00时至5月4日的8: 30时来进行路面干燥状态的验证。经验证，有效应用路面温度和太阳辐射强度相关因素的基于BP神经网络的路面状态识别方法的正确率超过了90%。其中BP神经网络验证输出结果如圖1所示。
图1 BP神经网络验证输出结果
结语：由于影响路面状态识别的因素比较多，而且各因素又具有很大的不确定性，所以路面状态的识别具有很大的模糊性。然而结合模糊数学和神经网络的理论思想，将基于BP神经网络的路面状态识别方法应用于路面温度和太阳辐射强度的分析中，使用基于BP神经网络的路面状态识别方法可以迅速的得出精确的路面状态的识别结果。
参考文献：
[1]卢俊辉. 基于路面温度和太阳辐射强度的路面状态识别方法[J]，农业机械学报，2009(01).
[2]周树强. 周期性变温条件下气温和太阳辐射对沥青路面温度场的影响分析[J]，城市建设理论研究,2010(03).
注：文章内所有公式及图表请用PDF形式查看。