基于网格化的路表温度感知技术

作者：刘状壮; 郑文清; 郑健; 李轶峥; 季鹏宇; 沙爱民

来源：吉林大学学报（工学版）, 2023, 53(06): 1746-1755.

DOI：10.13229/j.cnki.jdxbgxb.20221353

• 道路工程
• 路表温度
• 网格化感知
• 聚类算法

为实现路表温度的高精度预测，考虑路域环境的周期性和道路结构在纵向空间上的确定性特征，提出了包含天气模式的路表温度网格化感知方法，并基于试验路段的大量实测数据进行数据挖掘和分析。依据层次聚类算法的两种不同距离函数建立了两种感知网络模型（欧氏距离模型和相关距离模型）。利用平均绝对误差、均方根误差和平均相对误差对模型的预测效果进行评价。通过对3类天气模式下模型的预测误差水平进行分析，对预测值与实测值进行对比。结果显示：本文提出的网格化感知方法对天气模式较为敏感，两种模型均在抑制天气下的预测效果最好，抑制和中性天气下平均相对误差小于5%，极端天气下最大平均相对误差为5.43%。模型均方根误差在极端天气下最大为1.2℃，其他天气模式下均小于1℃。

• 单位
  长安大学; 公路学院; 中冶南方工程技术有限公司