Asphalt Pavement Performance Prediction Using Ensemble Learning Methods

Tiago Tamagusko

doi:10.1007/978-3-032-04774-8_23

Asphalt Pavement Performance Prediction Using Ensemble Learning Methods

2026-01-01

0

OA

AI

DOI：10.1007/978-3-032-04774-8_23

原文链接

原文求助

摘要

En 中文

确保路面质量对于所有道路用户的安全和舒适至关重要。国际平整度指数（IRI）是评估柔性路面性能的基本指标。然而，许多传统方法在衡量该指数时往往缺乏准确性和可靠性。为解决这一问题，本研究采用了集成机器学习方法，并纳入了来自长周期路面性能InfoPave数据库中55个沥青路面路段的数据。模型利用路面结构、年龄、交通和气候因素来预测IRI值。结果表明，集成学习方法能有效预测路面性能，记录的R-2值在0.82至0.87之间。值得注意的是，初始IRI是预测中最显著的指标。此外，模型在IRI值低于2.0 m/km的路面中表现出更高的精度，表明其适用于早期柔性道路路面。这些发现强调了进一步优化模型的潜力以及需要更多多样化数据集的必要性。

Keyword:

Pavement Quality

Performance Prediction

Ensemble Learning

International Roughness Index

Long-Term Pavement Program

Asphalt Pavement Performance Prediction Using Ensemble Learning Methods

摘要

期刊

机构

引用论文