[发明专利]路面损坏状况指数预测方法、系统、设备及介质

权利要求书

1.一种路面损坏状况指数预测方法，其特征在于，包括：

根据路面损坏状况指数，采用模糊C均值聚类法对目标路段进行分类处理，以将目标路段划分为多个分区；具体步骤包括：采集目标路段中各子路段在各历史时间段内的上行路面损坏状况指数及下行路面损坏状况指数，将所述上行路面损坏状况指数转化为高维空间分布的上行基准数据，并将所述下行路面损坏状况指数转化为高维空间分布的下行基准数据，采用模糊C均值聚类法将所述上行基准数据聚类为至少两个上行分区，并用模糊C均值聚类法将所述下行基准数据聚类为至少两个下行分区；

采用灰色关联分析法对各分区的路面使用性能指标与路面损坏状况指数进行相关性分析，以提取各分区的预测样本；具体步骤包括：分别采集各上行分区及下行分区在各历史时间段内的路面使用性能指标，采用灰色关联分析法对所述路面使用性能指标与路面损坏状况指数进行相关性分析，以确定各分区中各路面使用性能指标与路面损坏状况指数相关性，根据所述相关性确定各分区中各路面使用性能指标的影响级别，将影响级别在预设的目标影响级别内的路面使用性能指标作为对应分区的预测样本；

根据所述预测样本，采用支持向量机回归法预测目标时间段的路面损坏状况指数。

2.如权利要求1所述的路面损坏状况指数预测方法，其特征在于，还包括：分别计算各上行分区及下行分区的子路段数、路面损坏状况指数的平均值以及路面损坏状况指数的标准差。

3.如权利要求1所述的路面损坏状况指数预测方法，其特征在于，所述路面使用性能指标包括路面路龄指标、当量轴次指标、温度均值指标、最大温度指标、最小温度指标及年平均降雨量指标。

4.如权利要求1所述的路面损坏状况指数预测方法，其特征在于，所述根据预测样本，采用支持向量机回归法预测目标时间段的路面损坏状况指数的步骤包括：

将预测样品中的各使用性能指标进行归一化处理；

根据归一化后的预测样品，采用支持向量机回归法预测目标时间段的路面损坏状况指数。

5.如权利要求1所述的路面损坏状况指数预测方法，其特征在于，还包括：根据预测出的路面损坏状况指数生成养护措施。

6.一种路面损坏状况指数预测系统，其特征在于，包括：

聚类模块，用于根据路面损坏状况指数，采用模糊C均值聚类法对目标路段进行分类处理，以将目标路段划分为多个分区；所述聚类模块包括：指数采集单元，用于采集目标路段中各子路段在各历史时间段内的上行路面损坏状况指数及下行路面损坏状况指数；转化单元，用于将所述上行路面损坏状况指数转化为高维空间分布的上行基准数据，并将所述下行路面损坏状况指数转化为高维空间分布的下行基准数据；分区单元，用于采用模糊C均值聚类法将所述上行基准数据聚类为至少两个上行分区，并用模糊C均值聚类法将所述下行基准数据聚类为至少两个下行分区；

相关性模块，用于采用灰色关联分析法对各分区的路面使用性能指标与路面损坏状况指数进行相关性分析，以提取各分区的预测样本；所述相关性模块包括：指标采集单元，用于分别采集各上行分区及下行分区在各历史时间段内的路面使用性能指标；分析单元，用于采用灰色关联分析法对所述路面使用性能指标与路面损坏状况指数进行相关性分析，以确定各分区中各路面使用性能指标与路面损坏状况指数相关性；级别划分单元，用于根据所述相关性确定各分区中各路面使用性能指标的影响级别；样本提取单元，惯用语将影响级别在预设的目标影响级别内的路面使用性能指标作为对应分区的预测样本；

预测模块，用于根据所述预测样本，采用支持向量机回归法预测目标时间段的路面损坏状况指数。

7.如权利要求6所述的路面损坏状况指数预测系统，其特征在于，所述聚类模块还包括验证单元，所述验证单元用于分别计算各上行分区及下行分区的子路段数、路面损坏状况指数的平均值以及路面损坏状况指数的标准差。

8.一种计算机设备，包括存储器和处理器，所述存储器存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至5中任一项所述的方法的步骤。

9.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至5中任一项所述的方法的步骤。