在路网空间结构考虑下进行路面恶化建模
机器学习
2025-08-06 v1
摘要
路面恶化建模对于提供有关道路网络未来状态的信息，以及确定预防性维护或 rehabilitation 治疗的需求具有重要意义。本研究通过图神经网络 (GNN) 将道路网络的空间相关性纳入路面恶化建模。使用图神经网络进行路面性能建模的关键动机是能够轻松地直接利用网络中丰富的结构信息。本文探讨了是否考虑道路网络的空间结构会提高恶化模型的预测性能。本研究使用的数据来自由德克萨斯大学部门维护的 Pavement Management Information System (PMIS)，包含超过五十万条观察记录。令人鼓舞的比较结果表明，考虑空间关系后，路面恶化预测模型的表现更佳。
引用
@article{arxiv.2508.02749,
title = {Considering Spatial Structure of the Road Network in Pavement Deterioration Modeling},
author = {Lu Gao and Ke Yu and Pan Lu},
journal= {arXiv preprint arXiv:2508.02749},
year = {2025}
}