多因素不确定情况下路面最优养护维修策略决策方法研究

Pavement maintenance and rehabilitation (M&R) treatments can extend pavement service life and maintain pavements in good condition to provide acceptable level of service to users. The development of a cost-effective pavement M&R scheduling depends on several factors, such as the performance jumps of various M&R treatments, pavement condition deterioration rate, and each M&R treatment's cost. In practice, these factors are associated with uncertainties. Most existing studies on pavement M&R scheduling were based on the deterministic situation and did not consider such uncertainties. As a result, the obtained pavement M&R scheduling is not real optimal in practice. Therefore, a need exists to develop a methodology that can provide optimal pavement M&R scheduling under uncertainty. This study first identifies all possible factors associated with uncertainty and then quantifies their uncertainties. Next, Bayes' theorem is used to establish the pavement performance model under the situation where there are only limited historical pavement condition data. Using life-cycle cost analysis, optimization formulation is established to describe the pavement M&R scheduling problem. Monte Carlo simulation is used to incorporate the uncertainties into the optimization process. Algorithm is then developed to solve the optimization problem under uncertainty. Finally, a case study is used to demonstrate the application of the proposed method in this study.

合理的路面养护维修策略可以经济有效地保持良好的路面状况并延长路面的使用寿命。路面养护维修策略的制定需要考虑多个因素，例如路面衰坏速度和材料成本等。现实中这些因素多具有不确定性。目前大多数研究都没有充分考虑这些因素不确定性，从而导致获得的路面养护维修策略并非最优。因此，有必要建立一套充分考虑各种因素的不确定性的最优路面维修养护策略的决策方法。本研究首先分析路面养护维修决策中存在的各种具有不确定性的因素并将它们的不确定性量化。然后应用贝叶斯理论（Bayes Theorem）建立在历史路面状况数据不完全的情况下的路面状况评价模型。通过路面生命周期成本和效益的分析， 建立路面养护维修优化问题的数学规划模型。 在求解数学规划模型过程中，采用Monte Carlo Simulation模拟各因素的不确定性，然后设计优化算法求解数据规划模型并开发相应的软件程序。最后用实例验证本研究所提出的理论方法。

合理的路面养护维修策略可以经济有效地保持良好的路面状况并延长路面的使用寿命。路面养护维修决策是一个复杂的过程，涉及到多个因素，例如养护维修的成本、路面衰变速率等。这些因素的预测值通常以参数的形式出现在决策模型中。而实际中这些参数的预测值是具有不确定性的，如果不考虑它们的不确定性，会导致产生的养护维修方案并非实际的最优方案。本研究选取了部分主要因素，对它们的概率分布类型进行了标定。本研究还针对目前国内路面状况数据积累有限的特点，应用贝叶斯模型，建立了可以随着新数据的出现而修正路面状况表现模型的方法体系，并采用美国宾夕法尼亚州州际公路和德克萨斯州路面状况数据对模型的进行了验证。结果表明，所建立的模型具有很好的实用性。在对各因素的不确定性进行量化的基础上，将这些因素以服从某种概率分布的方式嵌入到路面养护维修决策的优化模型中。优化模型以最小化年均生命周期成本为目标函数；在优化模型的约束中考虑了各种维修措施的激发值限制和最差可接受路面状况表现的限制等约束条件。然后采用随机优化理论中的Chance Constrained方法进行求解，将嵌入了服从概率分布参数的优化模型通过Chance Constrained的方法转化成等价的确定性参数优化模型，大大简化了模型的求解和提高了模型的求解精度。为了使研究成果更具有实用性，本研究采用Java程序编制了路面养护维修最优决策的Heuristic优化算法来求解建立的模型。本研究是针对中国实际情况进行的研究，研究成果能够为路面养护维修的研究者和决策者提供理论依据和技术支持，在实际应用中能够提高路面养护维修的资金使用效率。