Developing a fair specification for paver mounted thermal profiling

doi:10.1007/s41062-025-02451-7

2026-01-16

PRE

DOI：10.1007/s41062-025-02451-7

原文链接

原文求助

摘要

En 中文

本文总结了已完成的研究工作，旨在：(1) 通过热剖面数据深入了解施工期间的路面温度差异；(2) 应用创新机器学习技术寻找可用热剖面数据的最佳利用方式；(3) 制定公平且可执行的规范，以采用摊铺机安装热剖面（PMTP）技术确保高质量沥青路面施工。尽管PMTP技术在持续检测路面温度离析方面显示出潜力，但路面质量保证协议的广泛应用仍处于初期阶段。本研究分析了2018-2023年间24个试点项目的PMTP数据，采用先进的机器学习聚类算法。该方法用于评估常用的量化路面温度离析的指标，并基于最佳指标制定规范建议。通过ArcGIS Pro软件，本研究利用K-Means++聚类算法和地理空间后处理技术，实现了对路面温度离析的精细量化。结果表明，与温度离析指数（TSI）相比，温度差异范围统计量（DRS）在测量温度离析方面性能提升26%。通过优化DRS支付与现有基于密度的支付因素之间的关系，制定了规范建议。这些按摊铺材料数量加权的支付因素将规范与性能联系起来。实施DRS的建议是采用-0.40的支付罚款与激励比率，该比率与现有规范一致，并为利用本研究中应用的先进聚类方法进一步开发规范提供了选项。

Keyword:

Paver-mounted thermal profiling

Thermal segregation

Pavement quality assurance

Pavement performance

Asphalt pavement construction technology

Intelligent compaction