[1]
黄晓明, 郑彬双 沥青路面抗滑性能研究现状与展望
[J]. 中国公路学报 , 2019 , 32 (4 ): 32 - 49
URL
[本文引用: 1]
HUANG Xiao-ming, ZHENG Bin-shuang Research status and progress for skid resistance of asphalt pavements
[J]. China Journal of Highway and Transport , 2019 , 32 (4 ): 32 - 49
URL
[本文引用: 1]
[2]
MATAEI B, ZAKERI H, ZAHEDI M, et al Pavement friction and skid resistance measurement methods: a literature review
[J]. Open Journal of Civil Engineering , 2016 , 6 (4 ): 537 - 565
DOI:10.4236/ojce.2016.64046
[本文引用: 1]
[3]
HENRY J J. Evaluation of pavement friction characteristics: a synthesis of highway practice [R]. Washington D. C.: Transportation Research Board, National Research Council, 2000.
[4]
BIJSTERVELD W V, VAL M A Towards quantification of seasonal variations in skid resistance measurements
[J]. Road Materials and Pavement Design , 2015 , 17 (2 ): 477 - 486
URL
[5]
HALL J W. NCHRP web document 108: guide for pavement friction [R]. Washington D. C.: Transportation Research Board, National Research Council, 2009.
[本文引用: 2]
[6]
李菁若, 吴卓科, 陈小莉, 等 沥青混合料抗滑性能评价指标与抗滑寿命预估方法研究
[J]. 重庆交通大学学报: 自然科学版 , 2019 , 38 (12 ): 69 - 75
DOI:10.3969/j.issn.1674-0696.2019.12.10
[本文引用: 1]
LI Jing-ruo, WU Zhuo-ke, CHEN Xiao-li, et al Evaluation indexes for anti-sliding performance and evaluation method of anti-sliding life of asphalt pavement
[J]. Journal of Chongqing Jiaotong University: Natural Science , 2019 , 38 (12 ): 69 - 75
DOI:10.3969/j.issn.1674-0696.2019.12.10
[本文引用: 1]
[7]
MEEGODA J N, GAO S Evaluation of pavement skid resistance using high speed texture measurement
[J]. Journal of Traffic and Transportation Engineering: English Edition , 2015 , 2 (6 ): 382 - 390
DOI:10.1016/j.jtte.2015.09.001
[本文引用: 1]
[8]
IZEPPI E, FLINTSCH G, MCGHEE K. Field performance of high friction surfaces [R]. North America: Virginia Center for Transportation Innovation and Research, 2010.
[本文引用: 1]
[9]
KARGAH-OSTADI N, HOWARD A Monitoring pavement surface macro-texture and friction
[J]. Transportation Research Record Journal of the Transportation Research Board , 2014 , 2525 : 111 - 117
URL
[本文引用: 1]
[10]
LI S, ZHU K, NOURELDIN S Evaluation of friction performance of coarse aggregates and hot-mix asphalt pavements
[J]. Journal of Testing and Evaluation , 2007 , 35 (6 ): 1 - 7
URL
[本文引用: 1]
[12]
陈先华, 陈胜霞, 黄晓明, 等 沥青路面的磨光研究: 从宏观到微观尺度
[J]. 中外公路 , 2013 , 33 (2 ): 45 - 50
DOI:10.3969/j.issn.1671-2579.2013.02.012
[本文引用: 1]
CHEN Xian-hua, CHEN Sheng-xia, HUANG Xiao-ming, et al Research on asphalt pavement polishing: from macro to micro scale
[J]. Journal of China and Foreign Highway , 2013 , 33 (2 ): 45 - 50
DOI:10.3969/j.issn.1671-2579.2013.02.012
[本文引用: 1]
[13]
PRADHAN M. Evaluate the use of FPGA Soc for real time data acquisition and aggregate micro-texture measurement using laser sensors [D]. Arlington TX: University of Texas at Arlington, 2016.
[本文引用: 1]
[14]
MAERZ N H. Aggregate sizing and shape determination using digital image processing [C] // Center for Aggregates Research 6th Annual Symposium . St. Louis: [s.n.], 1998: 195-203.
[15]
FLORKOVÁ Z, JAMBOR M Quantification of aggregate surface texture based on three dimensional microscope measurement
[J]. Procedia Engineering , 2017 , 192 : 195 - 200
DOI:10.1016/j.proeng.2017.06.034
[本文引用: 1]
[16]
苗英豪, 曹东伟, 刘清泉 沥青路面表面宏观构造与抗滑性能间的关系
[J]. 北京工业大学学报 , 2011 , 37 (4 ): 547 - 553
URL
[本文引用: 1]
MIAO Ying-hao, CAO Dong-wei, LIU Qing-quan Relationship between surface macrotexture and skid resistance of asphalt pavement
[J]. Journal of Beijing University of Technology , 2011 , 37 (4 ): 547 - 553
URL
[本文引用: 1]
[17]
王维锋, 严新平, 肖旺新, 等 路面纹理的多重分形特征描述与识别方法
[J]. 交通运输工程学报 , 2013 , 13 (3 ): 15 - 21
DOI:10.3969/j.issn.1671-1637.2013.03.003
WANG Wei-feng, YAN Xin-ping, XIAO Wang-xin, et al Approach of multifractal feature description and recognition for pavement texture
[J]. Journal of Traffic and Transportation Engineering , 2013 , 13 (3 ): 15 - 21
DOI:10.3969/j.issn.1671-1637.2013.03.003
[18]
钱振东, 薛永超, 张令刚 沥青路面三维纹理分形维数及其抗滑性能
[J]. 中南大学学报: 自然科学版 , 2016 , 47 (10 ): 3590 - 3596
URL
QIAN Zhen-dong, XUE Yong-chao, ZHANG Ling-gang 3-D textural fractal dimension and skid resistance of asphalt pavement
[J]. Journal of Central South University: Science and Technology , 2016 , 47 (10 ): 3590 - 3596
URL
[20]
ZHAN Y, LI Q, YANG G, et al. Performance monitoring of pavement surface characteristics with 3D surface data [C] // Airfield and Highway Pavements . Philadelphia: ASCE, 2017.
[本文引用: 1]
[21]
WANG K C, LI Q, YANG G, et al Network level pavement evaluation with 1 mm 3D survey system
[J]. Journal of Traffic and Transportation Engineering: English Edition , 2015 , 2 (6 ): 391 - 398
DOI:10.1016/j.jtte.2015.10.005
[23]
LI Q, ZHAN Y, YANG G, et al Pavement skid resistance as a function of pavement surface and aggregate texture properties
[J]. International Journal of Pavement Engineering , 2018 , (2 ): 1 - 11
URL
[本文引用: 5]
[24]
LI Q, YANG G, WANG K, et al Novel macro- and microtexture indicators for pavement friction by using high-resolution three-dimensional surface data
[J]. Transportation Research Record: Journal of the Transportation Research Board , 2017 , 2641 : 164 - 176
DOI:10.3141/2641-19
[本文引用: 3]
[25]
YANG, LI Q, ZHAN Y, et al Wavelet based macro-texture analysis for pavement friction prediction
[J]. KSCE Journal of Civil Engineering , 2017 , 22 (1 ): 117 - 124
URL
[本文引用: 1]
[26]
KANAFI M M, KUOSMANEN A, PELLINEN T K, et al Macro- and micro-texture evolution of road pavements and correlation with friction
[J]. International Journal of Pavement Engineering , 2014 , 16 (2 ): 168 - 179
[本文引用: 1]
[27]
UECKERMANN A, WANG D, OESER M, et al Calculation of skid resistance from texture measurements
[J]. Journal of Traffic and Transportation Engineering , 2015 , 2 (1 ): 3 - 16
URL
[29]
KRIZHEVSKY A, SUTSKEVER I, HINTON G E Imagenet classification with deep convolutional neural networks
[J]. Communications of the ACM , 2017 , 60 (6 ): 84 - 90
DOI:10.1145/3065386
[本文引用: 1]
[30]
RUSSAKOVSKY O, DENG J, SU H, et al Imagenet large scale visual recognition challenge
[J]. International Journal of Computer Vision , 2015 , 115 (3 ): 211 - 252
DOI:10.1007/s11263-015-0816-y
[31]
SZEGEDY C, LIU W, JIA Y, et al. Going deeper with convolutions [C]// Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition . [S. l.]: IEEE, 2015: 1-9.
[本文引用: 1]
[32]
MOAVENI M, MAHMOUD E, ORTIZ E M, et al Use of advanced aggregate imaging systems to evaluate aggregate resistance to breakage, abrasion, and polishing
[J]. Transportation Research Record: Journal of the Transportation Research Board , 2014 , 2401 (1 ): 1 - 10
DOI:10.3141/2401-01
[本文引用: 2]
[33]
DUNFORD A, PARRY A, SHIPWAY P, et al Three-dimensional characterization of surface texture for road stones undergoing simulated traffic wear
[J]. Wear , 2012 , 292-293 : 188 - 196
DOI:10.1016/j.wear.2012.05.010
[本文引用: 1]
[34]
BESSA I S, BRANCO V T, SOARES J B Evaluation of polishing and degradation resistance of natural aggregates and steel slag using the aggregate image measurement system
[J]. Road Materials and Pavement Design , 2014 , 15 (2 ): 385 - 405
DOI:10.1080/14680629.2014.883323
[本文引用: 1]
[35]
HENRY J J. NCHRP synthesis of highway practice 291: evaluation of pavement friction characteristics [R]. Washington D. C.: Transportation Research Board, National Research Council, 2000.
[本文引用: 2]
[36]
MASAD E. Relationship of aggregate texture to asphalt pavement skid resistance using image analysis of aggregate shape [R]. Washington D. C.: Transportation Research Board of the National Academies, 2007.
[本文引用: 2]
[37]
REZAEI A, MASAD E, CHOWDHURY A, et al Predicting asphalt mixture skid resistance by aggregate characteristics and gradation
[J]. Transportation Research Record: Journal of the Transportation Research Board , 2009 , 2104 : 24 - 33
DOI:10.3141/2104-03
[本文引用: 1]
[38]
ARTYUSHKOVA K, CORNEJO A, SANTORO C, et al Relationship between surface chemistry, biofilm structure, and electron transfer in Shewanella Anodes
[J]. American Vacuum Society , 2015 , 10 (1 ): 57 - 64
URL
[本文引用: 1]
[39]
OLANIYI E O, ADEKUNLE A, ODEKUOYE T, et al Automatic system for grading banana using GLCM texture feature extraction and neural network arbitrations
[J]. Journal of Food Process Engineering , 2017 , 40 (6 ): e12575.1 - e12575.10
URL
[本文引用: 1]
[40]
BEYENAL H, DONOVAN C, LEWANDOWSKI Z, et al Three-dimensional biofilm structure quantification
[J]. Journal of Microbiological Methods , 2004 , 59 (3 ): 395 - 413
DOI:10.1016/j.mimet.2004.08.003
[本文引用: 1]
[41]
ISO/TS CD 25178-2. Geometrical product specification (GPS)-surface texture: areal-Part 2. terms, definitions and surface texture parameters [S]. Geneva: ISO, 2012.
[本文引用: 1]
[42]
YANG G, YU W, LI Q, et al Random forest-based pavement surface friction prediction using high- resolution 3D image data
[J]. Journal of Testing and Evaluation , 2019 , 49 (2 ): 20180937
URL
[本文引用: 4]
[43]
王奕森, 夏树涛 集成学习之随机森林算法综述
[J]. 信息通信技术 , 2018 , 12 (1 ): 49 - 55
DOI:10.3969/j.issn.1674-1285.2018.01.009
[本文引用: 1]
WANG Yi-sen, XIA Shu-tao A survey of random forests algorithms
[J]. Journal of Information and Communication Technology , 2018 , 12 (1 ): 49 - 55
DOI:10.3969/j.issn.1674-1285.2018.01.009
[本文引用: 1]
沥青路面抗滑性能研究现状与展望
1
2019
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
沥青路面抗滑性能研究现状与展望
1
2019
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Pavement friction and skid resistance measurement methods: a literature review
1
2016
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Towards quantification of seasonal variations in skid resistance measurements
0
2015
2
... 路面摩擦性能是路面与车辆轮胎之间复杂的相互作用结果,主要由滞后损失力(hysteresis)和附着黏附力(adhesion)组成[5 ] . 如图1 所示,滞后损失力是指橡胶分子因振动而产生的能量损失阻力,主要受路面的宏观纹理(macro-texture)影响,指的是在设计或者施工过程中产生的表面粗糙纹理,与级配、施工压实方式有关;附着黏附力主要是指轮胎和地面接触部分彼此相互作用而产生的附着力,主要受集料表面的微观纹理(micro-texture)影响[32 ] . 宏观纹理的评价指标主要有MPD、MTD,通过铺沙法、CTM或者高精度激光断面仪测量;微观纹理目前可以在实验室通过高精度激光表面分析仪并利用图像处理分析方法表征[33 -34 ] . ...
... 路面摩擦性能的影响因素可以分为以下几类:道路的几何特征、区域环境条件、交通特性、驾驶员与车辆特性[5 ] . 如表2 所示,开发的路面摩擦性能机器学习预测模型主要包括以下几类因素:路表特性(宏观纹理)、集料特性(微观纹理)、温度、交通量、路面服役龄期. 在采集现场数据期间同时用传感器记录空气温度,代表每个测试点的区域气候条件. 交通特性从俄克拉荷马州交通运输厅(ODOT)SAFE-T数据库获取;自路表处治实施以来路面服役龄期可以从ODOT的SiteManager数据库中获得;使用团队研发的多功能三维激光检测车系统获取路表状况数据,测算路面构造深度(MPD)、纵向粗糙度特征(IRI)及路面横向断面轮廓特征(车辙);集料经过Micro-Deval磨耗仪抛光处理之后,使用LS-40三维激光表面测试仪获取集料表面高精度3D数据,测算集料表面微观纹理参数. 本文没有考虑轮胎的影响. ...
沥青混合料抗滑性能评价指标与抗滑寿命预估方法研究
1
2019
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
沥青混合料抗滑性能评价指标与抗滑寿命预估方法研究
1
2019
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Evaluation of pavement skid resistance using high speed texture measurement
1
2015
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
1
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Monitoring pavement surface macro-texture and friction
1
2014
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Evaluation of friction performance of coarse aggregates and hot-mix asphalt pavements
1
2007
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
沥青路面的磨光研究: 从宏观到微观尺度
1
2013
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
沥青路面的磨光研究: 从宏观到微观尺度
1
2013
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
1
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Quantification of aggregate surface texture based on three dimensional microscope measurement
1
2017
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
沥青路面表面宏观构造与抗滑性能间的关系
1
2011
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
沥青路面表面宏观构造与抗滑性能间的关系
1
2011
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
路面纹理的多重分形特征描述与识别方法
0
2013
路面纹理的多重分形特征描述与识别方法
0
2013
沥青路面三维纹理分形维数及其抗滑性能
0
2016
沥青路面三维纹理分形维数及其抗滑性能
0
2016
路表纹理包络轮廓计算及其对抗滑性能的影响
1
2019
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
路表纹理包络轮廓计算及其对抗滑性能的影响
1
2019
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
1
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Network level pavement evaluation with 1 mm 3D survey system
0
2015
基于细观结构特征的沥青混合料空隙三维分布特征研究
1
2012
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
基于细观结构特征的沥青混合料空隙三维分布特征研究
1
2012
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Pavement skid resistance as a function of pavement surface and aggregate texture properties
5
2018
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
... 基于国际标准化(ISO)[41 ] 的区域三维指标参数被证明与路面抗滑能力相关[23 , 42 ] ,因此用来表征集料表面的微观纹理构造. 本文的集料表面三维微观纹理参数主要包括4大类(31个指标参数):纹理参数、特征参数、高度参数、材料比参数. ...
... 测试结果表明,86.5%的测试集数据适用于所开发的路面摩擦性能机器学习预测模型. 由图11(b) 可知,预测结果与现场收集的数据有较好的一致性. Li等[23 -24 , 42 ] 的研究中,路面摩擦性能预测模型的R 2 为0.55~0.75(见表3 ),本文使用的方法预测准确率有较大提高. Li等[23 -24 ] 使用的指标与本文较相似,但2篇文献利用线性回归分析建立摩擦性能预测模型,且考虑的评价指标没有本文全面. Yang等[42 ] 建立路面摩擦性能机器学习预测模型,但只考虑了路面宏微观纹理,忽略了交通量、路面使用龄期等因素的影响. 本文建立的模型预测准确率较高的原因总结有2点:融合了路面宏微观纹理指标,摩擦性能的影响因素考虑较全面;RF机器学习模型有较好的预测性能,在一定程度上反映了路面宏微观纹理特征参数与路面摩擦性能之间的潜在规律. ...
... [23 -24 ]使用的指标与本文较相似,但2篇文献利用线性回归分析建立摩擦性能预测模型,且考虑的评价指标没有本文全面. Yang等[42 ] 建立路面摩擦性能机器学习预测模型,但只考虑了路面宏微观纹理,忽略了交通量、路面使用龄期等因素的影响. 本文建立的模型预测准确率较高的原因总结有2点:融合了路面宏微观纹理指标,摩擦性能的影响因素考虑较全面;RF机器学习模型有较好的预测性能,在一定程度上反映了路面宏微观纹理特征参数与路面摩擦性能之间的潜在规律. ...
... Comparison of friction prediction model
Tab.3 模型 R 2 模型 R 2 文献[23 ]模型 0.78 文献[42 ]模型 0.66 文献[24 ]模型 0.55 本文模型 0.86
使用RF算法进行影响因素重要性分析(variable important analysis),分析结果保留小数点后两位. 如表4 所示为最终的RF模型分析结果. 累计交通量对路面摩擦性能的影响最大,重要性占比为40%,排在后面的依次是集料表面微观纹理特性(重要性占比为32%)、路表特性(重要性占比为12%)、温度(重要性占比为10%)、路面服役龄期(重要性占比为6%). 其中,集料表面微观纹理特性中最重要的2个评价指标是结构方位比S tr 与均质性(H );路表特性中3个最重要的评价指标是路面平整度(IRI)、构造深度(MPD)、车辙(R ). 交通特性主要反映路面状态的长期性能,即反映路面摩擦性能是否能够抵抗交通荷载的长期磨损. 由表1 可知,该项目大部分测试站点的龄期都大于3 a,各测试站点的交通特性差异较大,路表特性差异性较小,这可能是交通特性的重要程度大于路表特性的原因. 在今后的路面设计与养护中应综合以上这5方面内容,如设计交通量较大,应考虑使用微观纹理特性较好的集料,可以重点考察S tr 与H 2个指标. 定期观测IRI、MPD等宏观纹理指标,如路表特性衰减较严重,应采用必要的路面处治措施改善路面摩擦性能. ...
Novel macro- and microtexture indicators for pavement friction by using high-resolution three-dimensional surface data
3
2017
... 测试结果表明,86.5%的测试集数据适用于所开发的路面摩擦性能机器学习预测模型. 由图11(b) 可知,预测结果与现场收集的数据有较好的一致性. Li等[23 -24 , 42 ] 的研究中,路面摩擦性能预测模型的R 2 为0.55~0.75(见表3 ),本文使用的方法预测准确率有较大提高. Li等[23 -24 ] 使用的指标与本文较相似,但2篇文献利用线性回归分析建立摩擦性能预测模型,且考虑的评价指标没有本文全面. Yang等[42 ] 建立路面摩擦性能机器学习预测模型,但只考虑了路面宏微观纹理,忽略了交通量、路面使用龄期等因素的影响. 本文建立的模型预测准确率较高的原因总结有2点:融合了路面宏微观纹理指标,摩擦性能的影响因素考虑较全面;RF机器学习模型有较好的预测性能,在一定程度上反映了路面宏微观纹理特征参数与路面摩擦性能之间的潜在规律. ...
... -24 ]使用的指标与本文较相似,但2篇文献利用线性回归分析建立摩擦性能预测模型,且考虑的评价指标没有本文全面. Yang等[42 ] 建立路面摩擦性能机器学习预测模型,但只考虑了路面宏微观纹理,忽略了交通量、路面使用龄期等因素的影响. 本文建立的模型预测准确率较高的原因总结有2点:融合了路面宏微观纹理指标,摩擦性能的影响因素考虑较全面;RF机器学习模型有较好的预测性能,在一定程度上反映了路面宏微观纹理特征参数与路面摩擦性能之间的潜在规律. ...
... Comparison of friction prediction model
Tab.3 模型 R 2 模型 R 2 文献[23 ]模型 0.78 文献[42 ]模型 0.66 文献[24 ]模型 0.55 本文模型 0.86
使用RF算法进行影响因素重要性分析(variable important analysis),分析结果保留小数点后两位. 如表4 所示为最终的RF模型分析结果. 累计交通量对路面摩擦性能的影响最大,重要性占比为40%,排在后面的依次是集料表面微观纹理特性(重要性占比为32%)、路表特性(重要性占比为12%)、温度(重要性占比为10%)、路面服役龄期(重要性占比为6%). 其中,集料表面微观纹理特性中最重要的2个评价指标是结构方位比S tr 与均质性(H );路表特性中3个最重要的评价指标是路面平整度(IRI)、构造深度(MPD)、车辙(R ). 交通特性主要反映路面状态的长期性能,即反映路面摩擦性能是否能够抵抗交通荷载的长期磨损. 由表1 可知,该项目大部分测试站点的龄期都大于3 a,各测试站点的交通特性差异较大,路表特性差异性较小,这可能是交通特性的重要程度大于路表特性的原因. 在今后的路面设计与养护中应综合以上这5方面内容,如设计交通量较大,应考虑使用微观纹理特性较好的集料,可以重点考察S tr 与H 2个指标. 定期观测IRI、MPD等宏观纹理指标,如路表特性衰减较严重,应采用必要的路面处治措施改善路面摩擦性能. ...
Wavelet based macro-texture analysis for pavement friction prediction
1
2017
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Macro- and micro-texture evolution of road pavements and correlation with friction
1
2014
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Calculation of skid resistance from texture measurements
0
2015
基于遗传算法的SMA路面抗滑性能预测模型
1
2013
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
基于遗传算法的SMA路面抗滑性能预测模型
1
2013
... 路面摩擦性能(friction)影响车辆行驶稳定性,道路交通事故大多与路面抗滑能力(skid resistance)下降有关[1 ] . 路面摩擦性能主要根据标准轮胎与路面之间的相互作用力衡量,测试设备主要有Grip tester、Locked Wheel Trailer、步行式摩擦系数测试仪、SFC横向力系数测试车等. 这些接触式摩擦性能测试设备为路面安全预测提供有效的数据支撑,但具有较多的局限性:测试过程消耗轮胎、需要大量水作支撑、影响交通;测试结果受温度、测试速度、水膜厚度等因素的影响,稳定性、可重复性较差. 这些测试方法只能用来项目级管理,无法用作网级的监测与管理[2 -6 ] . 与接触式摩擦性能测试方法相比,路面纹理(texture)数据一般通过非接触式激光测量方法采集,克服了许多局限性. 在过去的几十年里,研究人员尝试在路面摩擦性能与路面纹理特性之间建立联系. 传统的宏观纹理评价指标主要有剖面深度(MPD)、构造深度(MTD). Meegoda等[7 ] 将路面摩擦性能与MPD之间建立相关联系,取得了较好的准确性. Izeppi等[8 ] 发现MPD、MTD等广泛使用的传统宏观纹理指标与路面摩擦性能之间没有稳定关联. Kargah-Ostadi等[9 ] 的研究表明,只有在测试速度较高的情况下,MPD与路面摩擦性能的相关性才会显著增强. 近年来,有学者在实验室使用激光、CT扫描、红外光谱等高精度表面纹理采集设备,采集路面与集料表面的微观纹理数据,利用图像处理、信号处理、小波变换等方法开发新型微观纹理评价指标,建立路面摩擦性能预测模型,研究微观纹理指标对路面摩擦性能的影响规律,且取得长足的进步[10 -12 ] . 有些测试系统是在九十年代初研发的,软硬件系统在精确性和可重复性方面有局限性[13 -15 ] ,所提出的微观纹理指标的可靠性、稳定性有待商榷. 苗英豪等[16 -19 ] 利用多重分形方法提取道路表面纹理特征. 随着三维(3D)激光扫描技术和计算机算法的飞速发展,收集道路表面超高分辨率三维图像数据成为可能,如三维激光三角测量、立体视觉和激光雷达等非接触式测试手段[20 -22 ] . Li等[23 -25 ] 根据国际标准化规范研发了路面、集料表面微观纹理新型评价指标,采用离散小波变换将路面纹理剖面数据分解为多尺度特征,研究特征对路面摩擦性能预测的适用性. 路面摩擦性能是轮胎与路表面的复杂作用结果,受路表面宏微观纹理、水膜厚度、温度、区域气候条件、路面材料性能、交通荷载等多模态因素的影响[26 -28 ] . 现有的路面纹理评价指标及方法考虑的因素不够全面,无法建立表面纹理特性与路面摩擦性能的内在联系,急需新的技术手段与方法将超高精度的3D路面纹理信息与路面摩擦性能联系起来. ...
Imagenet classification with deep convolutional neural networks
1
2017
... 近年来,机器学习在图像识别、自动语音识别等领域得到广泛应用,取得了现象级成功[29 -31 ] . 机器学习的发展为路面摩擦性能智能预测带来新的前景. 本文利用三维激光扫描技术获取高精度宏微观纹理数据,基于宏微观纹理特征融合建立适用于路面摩擦性能预测的机器学习模型. ...
Imagenet large scale visual recognition challenge
0
2015
1
... 近年来,机器学习在图像识别、自动语音识别等领域得到广泛应用,取得了现象级成功[29 -31 ] . 机器学习的发展为路面摩擦性能智能预测带来新的前景. 本文利用三维激光扫描技术获取高精度宏微观纹理数据,基于宏微观纹理特征融合建立适用于路面摩擦性能预测的机器学习模型. ...
Use of advanced aggregate imaging systems to evaluate aggregate resistance to breakage, abrasion, and polishing
2
2014
... 路面摩擦性能是路面与车辆轮胎之间复杂的相互作用结果,主要由滞后损失力(hysteresis)和附着黏附力(adhesion)组成[5 ] . 如图1 所示,滞后损失力是指橡胶分子因振动而产生的能量损失阻力,主要受路面的宏观纹理(macro-texture)影响,指的是在设计或者施工过程中产生的表面粗糙纹理,与级配、施工压实方式有关;附着黏附力主要是指轮胎和地面接触部分彼此相互作用而产生的附着力,主要受集料表面的微观纹理(micro-texture)影响[32 ] . 宏观纹理的评价指标主要有MPD、MTD,通过铺沙法、CTM或者高精度激光断面仪测量;微观纹理目前可以在实验室通过高精度激光表面分析仪并利用图像处理分析方法表征[33 -34 ] . ...
... 集料表面的微观纹理特性会影响路面抗滑能力[32 , 36 ] . 尽管集料表面最初可能具有高水平的微观纹理特性并具有良好的摩擦性能,但如果集料表面不能抵抗交通荷载的长期作用,无法长时间保持足够的抗滑能力,则集料可能不适用于道路面层. 为了避免路表面灰尘、油渍、沥青等因素干扰,集料的微观纹理特性在实验室测试获得. 项目中大多数测试站点的初始服役龄期都大于2.5 a,因此,在对集料表面微观纹理表征之前,应先通过Micro-Deval磨耗仪将集料表面进行抛光处理,以模拟由于交通负荷而造成的集料表面抛光和磨损[36 -37 ] . Micro-Deval抛光测试按照AASHTO T 327规范开展. 将所有磨光以后的集料用水冲洗,在实验室中使用超高精度三维激光表面分析仪,获取经过抛光工艺后的45个站点所使用的集料表面微观纹理3D数据. 磨光处理只是按照规范衡量集料的耐磨损能力,集料经过室内磨光后的光滑程度未必与实际一致. ...
Three-dimensional characterization of surface texture for road stones undergoing simulated traffic wear
1
2012
... 路面摩擦性能是路面与车辆轮胎之间复杂的相互作用结果,主要由滞后损失力(hysteresis)和附着黏附力(adhesion)组成[5 ] . 如图1 所示,滞后损失力是指橡胶分子因振动而产生的能量损失阻力,主要受路面的宏观纹理(macro-texture)影响,指的是在设计或者施工过程中产生的表面粗糙纹理,与级配、施工压实方式有关;附着黏附力主要是指轮胎和地面接触部分彼此相互作用而产生的附着力,主要受集料表面的微观纹理(micro-texture)影响[32 ] . 宏观纹理的评价指标主要有MPD、MTD,通过铺沙法、CTM或者高精度激光断面仪测量;微观纹理目前可以在实验室通过高精度激光表面分析仪并利用图像处理分析方法表征[33 -34 ] . ...
Evaluation of polishing and degradation resistance of natural aggregates and steel slag using the aggregate image measurement system
1
2014
... 路面摩擦性能是路面与车辆轮胎之间复杂的相互作用结果,主要由滞后损失力(hysteresis)和附着黏附力(adhesion)组成[5 ] . 如图1 所示,滞后损失力是指橡胶分子因振动而产生的能量损失阻力,主要受路面的宏观纹理(macro-texture)影响,指的是在设计或者施工过程中产生的表面粗糙纹理,与级配、施工压实方式有关;附着黏附力主要是指轮胎和地面接触部分彼此相互作用而产生的附着力,主要受集料表面的微观纹理(micro-texture)影响[32 ] . 宏观纹理的评价指标主要有MPD、MTD,通过铺沙法、CTM或者高精度激光断面仪测量;微观纹理目前可以在实验室通过高精度激光表面分析仪并利用图像处理分析方法表征[33 -34 ] . ...
2
... 在路面抗滑研究中,通常认为微观纹理的波长或者测试精度应该为1~500 µm[35 ] ,本文所使用的便携式三维激光表面分析仪的测试精度是0.04 mm;通常认为宏观纹理的波长或测试精度应该为0.5~50 mm[35 ] ,使用的多功能三维激光检测车可以获取1 mm精度的路面纹理信息. 融入路面宏观纹理信息与集料表面3D微观纹理信息,考虑多模态路面摩擦性能的影响因素,通过机器学习预测路面摩擦性能,提出相应的评价指标. 验证用非接触式路面纹理测试预测替代现有的接触式路面摩擦性能测试的可行性,为路面摩擦性能智能监测、网级管理、大数据云平台建设奠定理论和技术基础. ...
... [35 ],使用的多功能三维激光检测车可以获取1 mm精度的路面纹理信息. 融入路面宏观纹理信息与集料表面3D微观纹理信息,考虑多模态路面摩擦性能的影响因素,通过机器学习预测路面摩擦性能,提出相应的评价指标. 验证用非接触式路面纹理测试预测替代现有的接触式路面摩擦性能测试的可行性,为路面摩擦性能智能监测、网级管理、大数据云平台建设奠定理论和技术基础. ...
2
... 集料表面的微观纹理特性会影响路面抗滑能力[32 , 36 ] . 尽管集料表面最初可能具有高水平的微观纹理特性并具有良好的摩擦性能,但如果集料表面不能抵抗交通荷载的长期作用,无法长时间保持足够的抗滑能力,则集料可能不适用于道路面层. 为了避免路表面灰尘、油渍、沥青等因素干扰,集料的微观纹理特性在实验室测试获得. 项目中大多数测试站点的初始服役龄期都大于2.5 a,因此,在对集料表面微观纹理表征之前,应先通过Micro-Deval磨耗仪将集料表面进行抛光处理,以模拟由于交通负荷而造成的集料表面抛光和磨损[36 -37 ] . Micro-Deval抛光测试按照AASHTO T 327规范开展. 将所有磨光以后的集料用水冲洗,在实验室中使用超高精度三维激光表面分析仪,获取经过抛光工艺后的45个站点所使用的集料表面微观纹理3D数据. 磨光处理只是按照规范衡量集料的耐磨损能力,集料经过室内磨光后的光滑程度未必与实际一致. ...
... [36 -37 ]. Micro-Deval抛光测试按照AASHTO T 327规范开展. 将所有磨光以后的集料用水冲洗,在实验室中使用超高精度三维激光表面分析仪,获取经过抛光工艺后的45个站点所使用的集料表面微观纹理3D数据. 磨光处理只是按照规范衡量集料的耐磨损能力,集料经过室内磨光后的光滑程度未必与实际一致. ...
Predicting asphalt mixture skid resistance by aggregate characteristics and gradation
1
2009
... 集料表面的微观纹理特性会影响路面抗滑能力[32 , 36 ] . 尽管集料表面最初可能具有高水平的微观纹理特性并具有良好的摩擦性能,但如果集料表面不能抵抗交通荷载的长期作用,无法长时间保持足够的抗滑能力,则集料可能不适用于道路面层. 为了避免路表面灰尘、油渍、沥青等因素干扰,集料的微观纹理特性在实验室测试获得. 项目中大多数测试站点的初始服役龄期都大于2.5 a,因此,在对集料表面微观纹理表征之前,应先通过Micro-Deval磨耗仪将集料表面进行抛光处理,以模拟由于交通负荷而造成的集料表面抛光和磨损[36 -37 ] . Micro-Deval抛光测试按照AASHTO T 327规范开展. 将所有磨光以后的集料用水冲洗,在实验室中使用超高精度三维激光表面分析仪,获取经过抛光工艺后的45个站点所使用的集料表面微观纹理3D数据. 磨光处理只是按照规范衡量集料的耐磨损能力,集料经过室内磨光后的光滑程度未必与实际一致. ...
Relationship between surface chemistry, biofilm structure, and electron transfer in Shewanella Anodes
1
2015
... 基于灰度共生矩阵(GLCM)计算的3个纹理参数被用来表征集料表面微观纹理特征. GLCM在过去十几年中已被广泛应用于高精制造领域纹理特征表达[38 -39 ] ,基于统计模式表征图像内像素之间的空间关系. GLCM函数的输出是图像中具有固定距离的2个相邻像素相对频率矩阵: ...
Automatic system for grading banana using GLCM texture feature extraction and neural network arbitrations
1
2017
... 基于灰度共生矩阵(GLCM)计算的3个纹理参数被用来表征集料表面微观纹理特征. GLCM在过去十几年中已被广泛应用于高精制造领域纹理特征表达[38 -39 ] ,基于统计模式表征图像内像素之间的空间关系. GLCM函数的输出是图像中具有固定距离的2个相邻像素相对频率矩阵: ...
Three-dimensional biofilm structure quantification
1
2004
... 式中:D (i ,j )为在固定方向上2个分别具有i 灰度和j 灰度的相邻像素出现的频数,L 为灰度归一化的缩放等级. 熵(entropy)、能量(energy)和均质性(homogeneity)是通过GLCM计算的3个纹理指标. 熵表明了集料表面纹理分布的复杂程度,熵越大,纹理分布越复杂;能量用来表征集料表面纹理分布的均匀程度和粗细程度;均质性反映了集料表面纹理相对于GLCM对角线分布的紧密度[40 ] . ...
1
... 基于国际标准化(ISO)[41 ] 的区域三维指标参数被证明与路面抗滑能力相关[23 , 42 ] ,因此用来表征集料表面的微观纹理构造. 本文的集料表面三维微观纹理参数主要包括4大类(31个指标参数):纹理参数、特征参数、高度参数、材料比参数. ...
Random forest-based pavement surface friction prediction using high- resolution 3D image data
4
2019
... 基于国际标准化(ISO)[41 ] 的区域三维指标参数被证明与路面抗滑能力相关[23 , 42 ] ,因此用来表征集料表面的微观纹理构造. 本文的集料表面三维微观纹理参数主要包括4大类(31个指标参数):纹理参数、特征参数、高度参数、材料比参数. ...
... 测试结果表明,86.5%的测试集数据适用于所开发的路面摩擦性能机器学习预测模型. 由图11(b) 可知,预测结果与现场收集的数据有较好的一致性. Li等[23 -24 , 42 ] 的研究中,路面摩擦性能预测模型的R 2 为0.55~0.75(见表3 ),本文使用的方法预测准确率有较大提高. Li等[23 -24 ] 使用的指标与本文较相似,但2篇文献利用线性回归分析建立摩擦性能预测模型,且考虑的评价指标没有本文全面. Yang等[42 ] 建立路面摩擦性能机器学习预测模型,但只考虑了路面宏微观纹理,忽略了交通量、路面使用龄期等因素的影响. 本文建立的模型预测准确率较高的原因总结有2点:融合了路面宏微观纹理指标,摩擦性能的影响因素考虑较全面;RF机器学习模型有较好的预测性能,在一定程度上反映了路面宏微观纹理特征参数与路面摩擦性能之间的潜在规律. ...
... [42 ]建立路面摩擦性能机器学习预测模型,但只考虑了路面宏微观纹理,忽略了交通量、路面使用龄期等因素的影响. 本文建立的模型预测准确率较高的原因总结有2点:融合了路面宏微观纹理指标,摩擦性能的影响因素考虑较全面;RF机器学习模型有较好的预测性能,在一定程度上反映了路面宏微观纹理特征参数与路面摩擦性能之间的潜在规律. ...
... Comparison of friction prediction model
Tab.3 模型 R 2 模型 R 2 文献[23 ]模型 0.78 文献[42 ]模型 0.66 文献[24 ]模型 0.55 本文模型 0.86
使用RF算法进行影响因素重要性分析(variable important analysis),分析结果保留小数点后两位. 如表4 所示为最终的RF模型分析结果. 累计交通量对路面摩擦性能的影响最大,重要性占比为40%,排在后面的依次是集料表面微观纹理特性(重要性占比为32%)、路表特性(重要性占比为12%)、温度(重要性占比为10%)、路面服役龄期(重要性占比为6%). 其中,集料表面微观纹理特性中最重要的2个评价指标是结构方位比S tr 与均质性(H );路表特性中3个最重要的评价指标是路面平整度(IRI)、构造深度(MPD)、车辙(R ). 交通特性主要反映路面状态的长期性能,即反映路面摩擦性能是否能够抵抗交通荷载的长期磨损. 由表1 可知,该项目大部分测试站点的龄期都大于3 a,各测试站点的交通特性差异较大,路表特性差异性较小,这可能是交通特性的重要程度大于路表特性的原因. 在今后的路面设计与养护中应综合以上这5方面内容,如设计交通量较大,应考虑使用微观纹理特性较好的集料,可以重点考察S tr 与H 2个指标. 定期观测IRI、MPD等宏观纹理指标,如路表特性衰减较严重,应采用必要的路面处治措施改善路面摩擦性能. ...
集成学习之随机森林算法综述
1
2018
... RF中的决策树基于逻辑思想,采用自上而下的逻辑运算方式,是广泛的树形判别器. 如图10 所示,决策树中的每个节点持续分列,选择最优的分裂特征,直到建树的停止条件. 在分裂过程中,决策树确定一条由根节点到叶节点的唯一路径,最终到达的叶节点为样本的的预测值[43 ] ,即本文的路面摩擦系数. 决策树构造的回归边界类似分段函数,是非线性决策边界. RF是将多个决策树集成,多个决策树并行工作,最终结果由众多决策树以投票的方式输出,从而大大提高回归的准确性. RF模型对高维数据有良好的扩展性和并行性,对异常值和噪音有较好的容忍性. 在RF模型中,不同维度之间不进行比较,输入数据无需进行归一化处理. ...
集成学习之随机森林算法综述
1
2018
... RF中的决策树基于逻辑思想,采用自上而下的逻辑运算方式,是广泛的树形判别器. 如图10 所示,决策树中的每个节点持续分列,选择最优的分裂特征,直到建树的停止条件. 在分裂过程中,决策树确定一条由根节点到叶节点的唯一路径,最终到达的叶节点为样本的的预测值[43 ] ,即本文的路面摩擦系数. 决策树构造的回归边界类似分段函数,是非线性决策边界. RF是将多个决策树集成,多个决策树并行工作,最终结果由众多决策树以投票的方式输出,从而大大提高回归的准确性. RF模型对高维数据有良好的扩展性和并行性,对异常值和噪音有较好的容忍性. 在RF模型中,不同维度之间不进行比较,输入数据无需进行归一化处理. ...