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。长寿命沥青路面整体结构设计使用寿命为40～50年。它们的主要特征之一是表面和中间层具有抗车辙能力。路面结构损坏一直影响道路的使用寿命。车辙是沥青路面的重大缺陷之一，影响道路行驶质量和安全。目前很多经典机器学习算法被应用于路面工程领域，但是由于RIOHTrack实验非常昂贵，每种类型路面的车辙数据样本量少。如何有效利用数据来获得高精度车辙深度是一项挑战。鉴于上述情况，本项工作旨在开发一个强大的人工智能（AI）模型来预测RIOHTrack测试路面的车辙深度。

机器学习方法在一些路面工程问题的解决上取得了出色的成绩，其中车辙深度预测问题关系到路面结构的安全以及临界状态，基于机器学习方法的车辙深度预测问题成为了路面工程中的研究热点。然而，现阶段我国沥青路面系统性的全寿命周期服役性能演化数据缺乏、设计理论与方法的可靠性低等问题仍是我国公路技术存在的突出短板。此外由于机器学习的性能依赖于初始化参数，通常需要人工试错，非常依赖于专家经验且费时。为此本项工作提出一种独立自适应粒子群优化的残差极限学习机算法和车辙深度复杂网络社区检测方法，通过对不同路面的车辙深度复杂网络并对网络进行社区检测，将不同的路面结构聚类结果构建为等效训练集，同时采用独立自适应粒子群对残差极限学习机算法进行优化。本方法成功应用于不同路面结构的车辙深度短时预测,为构建长寿命沥青路面结构设计体系奠定模型基础。

俄罗斯科学院院士、欧洲科学院院士、IEEE Fellow、东南大学曹进德教授，中国工程院院士、东南大学黄卫教授, 俄罗斯工程院院士Sergey Gorbachev教授等在IEEE/CAA Journal of Automatica Sinica上发表相关成果：Z. X. Li, I. Korovin, X. L. Shi, S. Gorbachev, N. Gorbacheva, W. Huang, and  J. D. Cao,"A data-driven rutting depth short-time prediction model with metaheuristic optimization for asphalt pavements based on RIOHTrack,” IEEE/CAA J. Autom. Sinica, vol. 10, no. 10, pp. 1918–1932, Oct. 2023.  doi: 10.1109/JAS.2023.123192，提出了一种基于数据驱动结合元启发优化的沥青路面车辙深度预测模型，建立了考虑不同路面结构车辙深度变化趋同性的车辙深度复杂网络构建方法，并对网络进行社区检测，将相同簇类的路面结构构建为等效训练集，融合了独立自适应粒子群算法对残差极限学习机算法的参数进行优化，实现了不同结构的沥青路面车辙深度短期变化的准确估计。

针对RIOHTrack环道不同结构路面的基于数据驱动结合元启发优化的沥青路面车辙深度预测模型框架如图1所示。

图1  基于数据驱动结合元启发优化的

沥青路面车辙深度预测模型框架

通过计算不同路面结构车辙深度的灰色关联度，并以此为连边构建复杂网络，采用Louvain算法进行社区检测，其过程与结果如图2所示。

图2  车辙深度复杂网络及其社区检测结果

从检测结果中可以发现，根据路面结构的车辙深度变化，不同的路面结构被划分为不同类别。按照社区检测结果，将相同类别的路面结构车辙深度数据构建为等效训练集，充分利用RIOHTrack环道不同路面的车辙深度数据，对不同结构的车辙深度进行预测，并和多种算法进行对比，对比表现箱线图如图3所示。

图3  对比算法在不同指标上的箱线图

李卓轩，东南大学应用数学专业博士研究生，研究方向包括数据挖掘、智能博弈、机器学习、智能算法和神经网络等。

Iakov Korovin，曾任南方联邦大学多处理器计算机系统科学研究所神经网络系统实验室主任。目前担任该学院院长。研究方向包括数据挖掘方法、神经网络技术、决策支持系统、图像处理。

时欣利，东南大学网络空间安全学院副教授，IEEE Senior Member，研究方向包括分布式优化、信息物理系统安全和网络化控制系统。

Sergey Gorbachev，俄罗斯工程院院士，研究方向包括神经模糊网络、集成模型、软计算、深度学习、模式识别、图像处理、大数据、数据挖掘和中智认知图。

Nadezhda Gorbacheva，俄罗斯南方联邦大学多处理器计算机系统科学研究所初级研究员，研究方向包括神经网络、混合方法、BiG数据分析、软计算、模式识别。

黄卫，中国工程院院士，道路、桥梁及交通工程专家，大跨径桥梁钢桥面铺装与智能运输系统领域的主要开拓者之一，多组分环氧沥青新型材料的发明者，绿色道路工程技术发展的先行倡导者。研究方向包括智能运输系统理论与技术，道路交通绿色、低碳及其智慧成套技术，核心材料与装备研发。

曹进德，俄罗斯科学院院士，欧洲科学院院士，IEEE Fellow，东南大学首席教授，理学部主任、江苏国家应用数学（东南大学）中心主任、江苏省网络群体智能重点实验室主任等，研究方向包括神经动力学、复杂网络、复杂系统和智能系统。

感谢本文作者提供以上简介