日韩欧美国产综合_国产成人精品网址_欧美大波大乳巨大乳_激情综合五月网_99视频免费观看_欧美日韩国产综合久久_久久在线视频_国产小黄视频_丁香激情五月少妇_国产在线98福利播放视频

PDF全文閱讀

石文康¹  ,  徐勛倩¹  ,  康峰沂²  ,  顧鈺雯¹  ,  GANHOUEGNON Eric Patrick1

 

( 1 .  南通大學 交通與土木工程學院 ，江蘇 南通 226019 ;

2.  南通市公路事業發展中心 ，江蘇 南通 226019)

摘   要 ：通過 DDQN 強化學習的方法開展路面養護決策分析， 以路面長期效益費用比的最大化為目標構建養護決策模型，計算出效益費用比更優的養護方案。模型以道路條數和使用年限為狀態特征，以四種養護措施為動作空間，以路面養護效益與資金比值作為獎勵，構建了一種動作選擇策略，使養護方案滿足最低使用要求。 結果表明：基于 DDQN 養護決策模型的收斂速度比 DQN 模型快 1 倍 ，計算出的養護方案具有較高效益費用比， 路面處于優良狀態。

關鍵詞：瀝青路面 ；路面養護決策 ；深度強化學習 ；養護方案

中圖分類號：U418 . 6           

文獻標志碼：A            

文章編號： 1005- 8249   (2024)  04- 0147- 07 

DOI:10. 19860/j.cnki.issn1005 - 8249.2024.04.027

 

SHI Wenkang¹  ,  XU Xunqian¹  ,  KANG Fengyi² ,  GU Yuwen¹  ,  GANHOUEGNON Eric Patrick¹

( 1 . School of Transportation and Civil Engineering ,  Nantong University ,  Nantong 226019 ,  China;

2. Nantong Highway Development Center ,  Nantong 226019 ,  China)

Abstract: This paper employs a Double Deep Q-Network (DDQN) reinforcement learning approach to analyze pavement maintenance decisions, aiming to maximize the long-term benefit-cost ratio of the pavement. A maintenance decision model is constructed to calculate a more cost-effective maintenance plan. This model uses the number of road segments and years as state features, four maintenance measures as the action space, and the ratio of pavement maintenance benefits to costs as the reward. An action selection strategy is proposed, which ensures that the pavement meets operational requirements. Practical engineering data is used as a case study. The results indicate that the convergence speed of the DDQN-based maintenance decision model is twice as fast as the Deep Q-Network (DQN) model. The calculated maintenance plan demonstrates a higher benefit-cost ratio, keeping the pavement in excellent condition.

Keywords: asphalt pavement; pavement maintenance decision; deeply reinforcement learning; maintenance plan

*基金項目： 國家重點研發項目  (2016YFB0303100) 。

作者簡介：石文康  (1998—) , 男，碩士研究生，研究方向： 瀝青路面養護決策。

通信作者：徐勛倩  (1973—) ,  女，博士 ，教授 ，研究方向： 道路養護方面研究。

收稿日期：2023- 01 - 12