研究背景 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。
成果介绍
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,
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。
成果介绍
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,
