近年来, 研发长寿命路面技术，保障沥青路面全寿命周期服役性能，已成为当代公路科技发展的核心目标。车辙是沥青路面的主要病害之一，不仅严重影响公路行车舒适性以及安全性，也降低了公路的使用寿命。本成果依托牵头的科技部重点研发计划项目，根据千万级全寿命、全环境、全时空环道试验结构化数据，创新性地采用基于数据和机理混合驱动方法构建了多个高可靠车辙预测数学模型，主要包括：一是考虑多因素的潜在同步耦合影响，构建基于因果推断和复杂网络的神经网络的隐式车辙预测模型；二是基于解析的关键性影响因子，提出非线性多元统计回归经验车辙预测模型；三是基于沥青路面内部存在的力学机理与外部因素的共同影响，同时借鉴Burgers理论模型的思想，开发基于修正的Burgers模型的多元非线性分数阶力学经验车辙预测模型。所提出的车辙预测模型对不同沥青路面结构均具有较好适用性，相关模型预测精确度均高于85%，达到了预期预测精度，为进一步构建长寿命路面结构设计体系和算法奠定了基础。相关成果发表在IEEE/CAA Journal of Automatica Sinica、Construction and Building Materials、Science China Information Science、Neural Networks等期刊，申请发表专利10余项。成果负责人先后当选俄罗斯科学院外籍院士、欧洲科学院院士和IEEE Fellow。
图1-基于因果推断和复杂网络的神经网络隐式车辙预测模型
图2-非线性多元统计回归经验车辙预测模型
图3-多元非线性分数阶力学经验车辙预测模型
