基于實測交通數(shù)據(jù)和可靠度理論的多車道荷載橫向折減系數(shù)研究

杜柏松，李 明，羅 玲

(1.重慶交通大學(xué) 土木工程學(xué)院，重慶 400074；2．重慶科技學(xué)院 建筑工程學(xué)院，重慶 401331)

基于實測交通數(shù)據(jù)和可靠度理論的多車道荷載橫向折減系數(shù)研究

杜柏松1，李 明1，羅 玲2

(1.重慶交通大學(xué) 土木工程學(xué)院，重慶 400074；2．重慶科技學(xué)院 建筑工程學(xué)院，重慶 401331)

采用可靠度理論并針對實測交通數(shù)據(jù)對交通流特性進行統(tǒng)計分析。根據(jù)實測交通量和車重信息提出給定車型的重車概率分布類型為雙重威布爾分布，依據(jù)軸距數(shù)據(jù)運用核密度估計分析得出軸距的代表值，通過速度信息得出車速的分布類型，并取分布的0.05分位值作為車速的代表值。采用回歸分析擬合最大荷載Wmax與均值μ及標準差σ之間的關(guān)系式并獲取車重樣本的變異系數(shù)變化情況，進一步采用概率算法得出了適用于當前交通狀況的多車道荷載橫向折減系數(shù)。

橋梁工程；實測交通數(shù)據(jù)；可靠度理論；概率算法；多車道橫向折減系數(shù)

0 引 言

多車道橫向折減系數(shù)(橫向車道布載系數(shù)[1])是指在橋梁多車道上行駛的汽車荷載使橋梁構(gòu)件某一截面產(chǎn)生最大效應(yīng)時，其同時處于最不利位置的可能性顯然隨車道數(shù)的增加而減小，而橋梁設(shè)計時各個車道上的汽車荷載都是按最不利位置布置的，因此計算結(jié)果應(yīng)根據(jù)上述可能性的大小進行折減。在公路橋梁活載內(nèi)力計算中，通常是把橋梁空間結(jié)構(gòu)轉(zhuǎn)化為平面桿系結(jié)構(gòu)以達到簡化計算的目的。計算時對主梁上某一計算截面的某一作用效應(yīng)進行影響線加載，也就是對橋梁上所有車道的汽車荷載都按最不利布置。而實際中每個車道的車輛并不一定會同時出現(xiàn)在最不利位置，而是具有一定的概率，并且車道數(shù)越多，這種同時出現(xiàn)的概率就越小。如果不考慮這種概率，主梁內(nèi)力計算結(jié)果會偏大，會導(dǎo)致建設(shè)中資金的浪費。

多車道橫向折減系數(shù)的取值直接影響到汽車荷載廣義標準值的大小，從而關(guān)系到橋梁結(jié)構(gòu)安全度的大小以及橋梁安全儲備的多少，所以如何正確合理的運用可靠度理論來研究橫向折減系數(shù)是值得探討的問題。鄭步全等[2-3]利用國外實測資料為依據(jù)，以概率基本理論為基礎(chǔ)，討論了中小跨徑多車道橫向折減系數(shù)的計算方法；1993年，為彌補原橋梁荷載規(guī)范與當時交通的不相適應(yīng)，相關(guān)科研設(shè)計單位對車道寬度、多車道橫向折減以及大跨徑橋梁縱向折減等相關(guān)課題進行了創(chuàng)造性的研究[4-5]。研究過程中借鑒了國外的一些資料[6]：對于某種車輛類型，車重數(shù)據(jù)服從正態(tài)分布；最大觀測荷載與均值和標準差的關(guān)系為Wmax=μ+3.5σ。但隨著現(xiàn)在交通的迅猛發(fā)展，交通流的特性與以往相比發(fā)生了很大的變化，車重是否依然服從正態(tài)分布？最大觀測荷載與均值和標準差的關(guān)系是否發(fā)生改變？計算參數(shù)軸距和車速分別取汽-超20車列中的加重車車距和按南京長江大橋的實測數(shù)據(jù)取值對于現(xiàn)代交通來說是否具有代表性？這些問題都值得重新探討。為此，筆者將基于近年來由HI-TRAC100型交通信息檢測系統(tǒng)得到的實測交通數(shù)據(jù)對多車道橫向折減系數(shù)展開研究，為現(xiàn)行規(guī)范[7]的修訂提供參考。

1 廣深珠荷載調(diào)查與統(tǒng)計

廣深珠高速公路處在國家一線城市之間，車流量極大，在這里設(shè)定車輛荷載的調(diào)查點在一定程度上反映了我國發(fā)達地區(qū)的交通情況，研究具有一定的代表性。通過7 d的現(xiàn)場不間斷實測，在調(diào)查點24 h交通量分布中，無論是白天還是夜間交通量均比較大，最低交通量是542 veh/h，如圖1和表1。所以筆者在研究中取全天24 h都有車輛計算。

表1 單車道日均交通量

圖1 12月22日的24小時交通量變化Fig.1 24 hours traffic change map of December 22

2 荷載特性分析

2.1 車重分析

編制MATLAB程序和VBA程序?qū)?shù)據(jù)處理分析得出的車輛車型總共有7種，考慮到目前的交通流特性，取其中的6軸貨車為代表進行車輛荷載分析。調(diào)查日期內(nèi)6軸貨車車重直方圖見圖2。

圖2 6軸貨車車重直方圖Fig.2 Histogram of the vehicle weight of 6-axis truck

圖2具有明顯的雙峰特點，所以常見概率分布類型如正態(tài)分布、對數(shù)正態(tài)分布、Γ分布、威布爾分布、瑞利分布、極值分布等單峰分布對6軸貨車荷載數(shù)據(jù)擬合均欠佳，故以單峰分布兩兩組合來進行擬合[8-10]。通過極大似然估計法，對多種組合進行比較，發(fā)現(xiàn)雙重高斯分布、雙重威布爾分布以及高斯-威布爾混合分布等擬合的效果都非常好，尤其以雙重威布爾擬合程度最高，并能通過K-S檢驗，所以最終將其作為6軸貨車荷載的概率密度函數(shù)，擬合結(jié)果如圖3。設(shè)f(x)是威布爾分布的概率密度函數(shù)，即

(1)

則6軸貨車荷載的概率密度函數(shù)為

fX(x)=p1f1(x)+p2f2(x)

(2)

式中：p1=0.382 8，p2=0.617 2，η1=26 518，m1=4.13，η2=71 977，m2=3.18，這里p1+p2=1。

圖3 6軸貨車的雙重威布爾分布模型擬合結(jié)果Fig. 3 Double Weibull distribution model fitting results of 6-axis truck

2.2 車輛軸距分析

文中的車輛軸距是指各軸距之和，剔除異常值后的6軸貨車共11 958輛。由于利用參數(shù)估計對單峰分布和多峰分布進行擬合的效果都不理想，所以我們通過非參數(shù)檢驗法的核密度估計對6軸貨車軸距的概率密度函數(shù)進行估計。當核函數(shù)H(·)采用Gaussian函數(shù)，窗寬h選為45時，擬合曲線較為光滑并能反映出大部分數(shù)據(jù)所包含的信息，所以任意6軸貨車軸距的密度函數(shù)估計值為

(3)

表2 軸距頻數(shù)分布

表2顯示出6軸貨車的軸距數(shù)據(jù)主要集中在1 260～1 360 cm區(qū)間內(nèi)，約占49%，在1 360～1 660 cm區(qū)間內(nèi)分布相對較少，但比較均勻。軸距代表值1 402 cm是在1 360～1 460 cm區(qū)間內(nèi)并靠近軸距的集中區(qū)域1 260～1 360 cm，所以認為選取1 402 cm作為6軸貨車的軸距代表值是比較合理的。

2.3 車速分析

在11 958個車速樣本中，最大值為110 km/h，最小值24 km/h，6軸貨車車速直方圖見圖4。

采用單峰分布進行極大似然估計，并用K-S檢驗法對所選分布進行檢驗，發(fā)現(xiàn)正態(tài)分布、伽馬分布和極值分布比較適合車速樣本，但是通過檢驗的概率P值最大只有0.326 2。為了尋找更具適應(yīng)性的分布類型，我們采用Gaussian mixture model進行最小二乘估計，分別比較Gauss-2、Gauss-3以及Gauss-4的擬合效果，見表3。

圖4 車速直方圖Fig.4 Histograms of vehicle speed

表3 Gaussian Mixture Model擬合結(jié)果

Table 3 Gaussian Mixture Model fitting results

參數(shù)分布Gauss-2Gauss-3Gauss-4殘差平方和(SSE)5.80E-061.24E-051.05E-05可決系數(shù)(R-square)0.9996730.9992980.999405均方差(RMSE)0.0002480.0003700.000346

可決系數(shù)R-square越接近1，說明方程中自變量對因變量的解釋能力就越強。在表3中，Gauss-2分布的殘差平方和SSE最接近于0、可決系數(shù)R-Square最接近于1，相對于其余兩種更為準確，如圖5；并且Gauss-2分布K-S檢驗的P值為0.469 8。

圖5 Gauss-2擬合曲線Fig.5 Gauss-2 curve fitting

所以筆者采用Gauss-2分布作為6軸貨車車速分布的最終結(jié)果，得到6軸貨車車速分布的概率密度函數(shù)為

(4)

速度越小，車輛前后軸通過控制截面的時間T就越長，橫向折減系數(shù)也就越大，設(shè)計相對也就越安全，所以文中以分布的0.05分位值即54.17 km/h作為速度的代表值。

3 最大觀測荷載與均值及標準差之間的關(guān)系

現(xiàn)以12月20日—26日的每一天車輛數(shù)據(jù)為1組進行分析，統(tǒng)計每組6軸貨車荷載數(shù)據(jù)的樣本容量、期望值、標準差、最大值以及數(shù)據(jù)的變異系數(shù)，見表4。

表4 調(diào)查點6軸貨車每天的數(shù)據(jù)參數(shù)

據(jù)表4中的數(shù)據(jù)參數(shù)，采用回歸分析擬合出最大荷載Wmax與均值μ及標準差σ之間的關(guān)系為

Wmax=μ+2.92σ

由方差分析法得到在顯著性水平為0.01時的F值為5.21>F0.01=0.063，方差分析顯示高度顯著。為直觀明了，現(xiàn)按均值的大小將表4中數(shù)據(jù)繪成關(guān)系曲線圖(圖6)。

圖6 最大觀測荷載與均值及標準差的關(guān)系曲線Fig. 6 The relationship curve of the maximum observed load，mean value and standard deviation

圖6表明7 d車重樣本的均值和標準差變化不大，比較穩(wěn)定。隨著均值的遞增，最大觀測荷載也相應(yīng)有遞增的趨勢，這與前文所述推斷相符，擬合曲線Wmax=μ+2.92σ也能表現(xiàn)出最大觀測荷載的變化。

另外，7 d 6軸貨車荷載樣本變異系數(shù)的變化近乎水平，從表4中看出樣本變異系數(shù)在0.53～0.56間浮動，故取其均值作為橫向折減系數(shù)研究的參數(shù)計算，即Cv=0.542 4。

4 橫向折減系數(shù)的概率計算

將重車荷載Wmax,m與最大觀測荷載Wmax的比值定義為多車道橫向折減系數(shù)[1]，即

(5)

根據(jù)概率統(tǒng)計理論，由N重伯努利實驗這一數(shù)學(xué)模型得出計算多車道橫向折減系數(shù)大小的理論依據(jù)[4]，即

(6)

式中：B為橋梁結(jié)構(gòu)的設(shè)計基準期，按文獻[7]規(guī)定，取為100年；m為車道數(shù)；Q為日均交通量，輛；T為重車前后軸先后通過結(jié)構(gòu)內(nèi)力影響線峰值所需的時間，s。

在前面分別已分析出6軸貨車的軸距代表值為14.02 m，速度代表值為54.17 km/h。重車前后軸先后通過結(jié)構(gòu)內(nèi)力影響線峰值所需的時間可以由軸距和車速來求得，即T=a/v=0.93 s。為保守設(shè)計，取表1中4車道的最大日均交通量16 932輛作為Q。在式(6)中代入各個參數(shù)值，可以得出g(μ+rσ)的值，而g(μ+rσ)是一個概率值，根據(jù)概率密度函數(shù)公式(2)積分求出其車重的分布函數(shù)F(x)，由分布函數(shù)的定義F(x)=1-g(μ+rσ)，采用MATLAB統(tǒng)計工具箱中wblcdf函數(shù)即可得到(μ+rσ)，而μ=E(X)=48 995，σ=D(X)=26 580，從而可以求出不同車道對應(yīng)的r。將r和Cv=0.542 4代入公式(5)，即可得出多車道橫向折減系數(shù)ξ值如表5，表6列出了本文04規(guī)范[7]和15規(guī)范[1]的橫向折減系數(shù)對比結(jié)果。

表5 各車道r值計算結(jié)果

表6 多車道橫向折減系數(shù)對比

由表6可知，文中2～6車道的橫向折減系數(shù)比04規(guī)范值約大25%，而1車道則比04規(guī)范值約大48%，15規(guī)范為了減小1車道的差別，將1車道的橫向折減系數(shù)提高為1.2，這樣文中1車道橫向折減系數(shù)與15規(guī)范取值的誤差也控制在25%之內(nèi)。

5 結(jié) 論

論文主要研究結(jié)論如下：

1)以高速公路實測交通數(shù)據(jù)為基礎(chǔ)，得到了基于當前實測交通數(shù)據(jù)的車重、車速及軸距的概率模型。

2)采用統(tǒng)計理論得到了當前實測交通荷載的最優(yōu)分布，得到了最大荷載與均值及標準差之間的擬合關(guān)系式。

3)得出了適用于當前交通狀況的多車道橫向折減系數(shù)的統(tǒng)計建議值，并與現(xiàn)行規(guī)范進行比較，為以后規(guī)范的修訂提供參考。

4)由于實測數(shù)據(jù)具較強的代表性，筆者提出的概率模型對其他地區(qū)也具有一定的適用性。至于采樣時間、地域及對橫向折減系數(shù)的影響將在另文中進行討論。

除此之外車重、車速以及軸距的概率模型都可以為相關(guān)荷載特性的研究提供借鑒。

[1] 中交公路規(guī)劃設(shè)計院.公路橋涵設(shè)計通用規(guī)范：JTG D60-2015 [S]. 北京：人民交通出版社，2015. China Highway Planning and Design Institute.GeneralCodeforDesignofHighwayBridgesandCulverts: JTG D60-2015[S]. Beijing: China Communications Press, 2015.

[2] 鄭步全，張士鐸．中、小跨徑多車道橫向折減系數(shù)的概率計算法[J]．重慶交通學(xué)院學(xué)報，1992，11(4)：17-21. ZHENG Buquan, ZHANG Shiduo. Probabilistic algorithms of multi-lane transverse reduction factor in medium and small span bridges[J].JournalofChongqingJiaotongUniversity, 1992, 11(4): 17-21.

[3] 張士鐸．公路橋梁車輛及車道荷載與折減系數(shù)的研究[J]．江西科學(xué)，2001，19(2)：91-97. ZHANG Shiduo. Vehicle and lane loading with its reduction factor study in highway bridge design[J].JiangxiScience, 2001, 19(2): 91-97.

[4] 鮑衛(wèi)剛，李揚海，張士鐸，等．公路橋梁車輛荷載縱橫向折減系數(shù)研究[J]．中國公路學(xué)報，1995，8(1)：80-86. BAO Weigang, LI Yanghai, ZHANG Shiduo, et al. On the reduction coefficients of traffic loading laterally and longitudinally on bridges[J].ChinaJournalofHighwayandTransport, 1995, 8(1): 80-86.

[5] “公路橋梁車輛荷載研究”課題組．公路橋梁車輛荷載研究[J]．公路，1997(3)：8-12. “The Research of Vehicle Load of Highway and Bridge”Research Team. The research of vehicle load of highway and bridge[J].Highway, 1997(3): 8-12.

[6] CSAGOLY P F,KNOBEL Z．The1979SurveyofCommercialVehicleWeightsinOntario[R].Rr Ontario Ministry of Transportation and, 1981.

[7] 中交公路規(guī)劃設(shè)計院．公路橋涵設(shè)計通用規(guī)范:JTG D60-2004 [S]．北京：人民交通出版社，2004. China Highway Planning and Design Institute.GeneralCodeforDesignofHighwayBridgesandCulverts: JTG D60-2004[S]. Beijing: China Communications Press, 2004.

[8] 韓大建，杜江．工程結(jié)構(gòu)作用極值分析方法研究[J]．建筑科學(xué)與工程學(xué)報，2008，25(2)：68-71，126. HAN Dajian, DU Jiang. Research on extreme value analysis method of actions on engineering structures[J].JournalofArchitectureandCivilEngineering, 2008, 25(2): 68-71, 126.

[9] 梅剛，秦權(quán)，林道錦．公路橋梁車輛荷載的雙峰分布概率模型[J]．清華大學(xué)學(xué)報(自然科學(xué)版)，2003，43(10)：1394-1396，1404. MEI Gang, QIN Quan, LIN Daojin. Bi-modal probabilistic model of highway and bridge vehicle loads[J].JournalofTsinghuaUniversity(NaturalScience), 2003，43(10):1394-1396，1404.

[10] 郭彤，李愛群，趙大亮．用于公路橋梁可靠性評估的車輛荷載多峰分布概率模型[J]．東南大學(xué)學(xué)報(自然科學(xué)版)，2008，38(5)：763-766. GUO Tong, LI Aiqun, ZHAO Daliang. Multiple-peaked probabilistic vehicle load model for highway bridge reliability assessment[J].JournalofSoutheastUniversity(NaturalScience), 2008, 38(5): 763-766.

(責(zé)任編輯：朱漢容)

Multi-lane Transverse Reduction Factor Based on Measured Traffic Data and Reliability Theory

DU Baisong1, LI Ming1, LUO Ling2

(1.School of Civil Engineering, Chongqing Jiaotong University, Chongqing 400074, P.R.China;2. School of Civil Engineering and Architecture, Chongqing University of Science & Technology, Chongqing 401331, P.R.China)

Based on the measured traffic loading data, the reliability theory was employed to analyze the traffic flow characteristics. The probability distribution of the given type heavy truck was a double Weibull distribution, which was put forward according to the measured traffic volume and vehicle weight information. On the basis of the measured wheelbase, the wheelbase representative values were obtained by using kernel density estimation method. In accordance with the measured vehicle velocity, the distribution type of vehicle velocity was also obtained. Moreover, the distribution of 0.05 tantile was used as the representative vehicle velocity. A relational expression among the maximum loading (Wmax), mean (μ), and standard deviation (σ) of vehicle weight could be fitted by using regression analysis. Furthermore, the variation coefficient could be obtained by using statistics method based on vehicle weight’s samples. Finally, the multi-lane transverse reduction factors suitable for the current traffic condition were proposed by the probabilistic algorithms.

bridge engineering; measured traffic data; reliability theory; probabilistic algorithms; multi-lane transverse reduction factor

10.3969/j.issn.1674-0696.2017.05.03

2016-05-25；

2016-08-09

西部交通建設(shè)科技項目(200831849404)

杜柏松(1976—)，男，湖北英山人，副教授，主要從事橋梁工程設(shè)計方面的研究。E-mail:baisongdu@139.com。

U 448.1

A

1674- 0696(2017)05- 012- 05