.png){kind=icon}
返回
Evaluating Pavement Surface Texture with LTPP Database
.png){kind=icon}
PRE
AI
DOI：10.1007/s42947-025-00675-5.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
路面表面特性在提升驾驶舒适性和道路安全性方面发挥着关键作用，而表面纹理被认为与这些多样化的特性相关。本研究从长期路面性能（LTPP）数据库中提取了来自美国46个州的679个沥青路面段的表面特性、纹理及相关变量。收集并总结了5个纹理指标和12个解释变量，包括路面平整度、交通量、气候条件、与级配混合的集料性质以及体积性质。呈现了全面的描述性统计量以理解数据集。随后，生成了这些变量的相关性热图，以排除强相关的参数并消除其潜在的共线性。开发了统计回归分析和机器学习模型——随机森林和梯度提升算法，以确定路面纹理的显著因素。最显著的变量是国际平整度指数（IRI）和年平均日交通量（AADT），其次是其他几个关键因素，包括冻结指数、冻融循环、通过#4和#200筛的百分比、集料地质分类、沥青含量以及混合料中的空隙率。本研究有助于更好地理解路面纹理特性，并协助进行路面状况评估。
Keyword:
Pavement texture
Surface characteristics
Multivariate regression analysis
Machine learning algorithms
LTPP database
期刊
IF:
2.5
论文数:
986
被引数:
2.4K
机构
引用论文
Assessing the Influence of Pavement Performance on Road Safety Through Crash Frequency and Severity Analysis通过事故频率和严重性分析评估路面性能对道路安全的影响
.png){kind=icon}
PREAI
分享收藏分享收藏
分享收藏Detection and Analysis of Asphalt Pavement Texture Depth Based on Digital Image Analytics Technology
PREAI
分享收藏Multiscale power spectrum analysis of 3D surface texture for prediction of asphalt pavement friction
PREAI
分享收藏
查看更多内容