基于可解释 AI 评估洪水事件对路面疲劳的影响
机器学习
2025-07-03 v1
摘要
洪水可显著损害路面基础设施，引发即时和长期的结构和功能性问题。本研究探讨了洪水事件如何影响路面疲劳，具体聚焦于测量路面粗糙度指标——国际路面粗糙度指数（IRI）。为量化这些影响，我们利用 TxDOT PMIS 数据库中持续 20 年的路面状况数据，并将其与洪水事件数据（包括持续时间和空间范围）相结合。进行统计分析以比较洪水前后 IRI 值，并计算受洪水暴露影响的疲劳率。此外，我们应用了可解释人工智能（XAI）技术，包括沙pley 加法解释解释（SHAP）和局部可解释模型无关解释（LIME），来评估洪水对路面性能的影响。结果表明，受洪水影响的路面比未受洪水影响的路段更快地粗糙度增加。这些发现凸显了需要采取积极防洪策略的必要性，包括改进排水系统、使用抗洪材料和预防性维护，以增强易受洪水威胁地区的路面韧性。
引用
@article{arxiv.2507.01056,
title = {Evaluating Pavement Deterioration Rates Due to Flooding Events Using Explainable AI},
author = {Lidan Peng and Lu Gao and Feng Hong and Jingran Sun},
journal= {arXiv preprint arXiv:2507.01056},
year = {2025}
}