基于3D路面表面数据的多时间戳高分辨率接缝水泥混凝土路面错台测量研究

《Transportation Research Record》：Investigation into Multi-Timestamp High-Resolution Faulting Measurements for Jointed Concrete Pavements Using 3D Pavement Surface Data

　　

随着3D激光成像系统在公路管理机构中成为自动路面状况评估的主流技术，获取调查段接缝水泥混凝土路面（JCP）每条横向接缝全长范围内的高分辨率错台测量值已成为可行。利用这一新型传感器数据对于提升对错台行为、表征劣化机制以及建立接缝和路段层面一致报告规范的理解至关重要。本研究利用Georgia Tech传感车于2013至2018年在美国Macon附近Georgia州16号州际公路一段9.2 mi无传力杆接缝普通混凝土路面段采集的多时间戳高分辨率测量数据，对错台行为进行了详细调查。分析包括沿接缝的基于区域的空间分析、代表性错台指标对状况报告影响的检验、负错台发生情况的评估以及接缝和路段层面的劣化分析。研究结果表明，错台沿横向接缝变化显著，无法通过如右轮迹等单一位置可靠表征。因此，代表性错台指标的选择在确定报告状况和塑造各调查周期观测趋势方面起重要作用。相当一部分接缝表现出部分或完全负错台，凸显了需要就这些情况的评估处理方式及其在路段尺度聚合方式制定指导。路段层面结果显示错台持续增加，而接缝层面趋势因板开裂和基层支撑条件等因素而异。

研究背景方面，接缝水泥混凝土路面（JCP）的错台是导致路面性能不足和破坏的常见病害之一，指横向接缝处相邻板因一板相对另一板抬升或沉降而产生的垂直位移，造成路面表面不平整。错台的成因包括相邻板间荷载传递不足、板的热胀冷缩（如翘曲）、交通重轴载、基层或路基材料的冲刷和唧泥，或板下自由水分。错台导致行驶面粗糙不平、噪声增大、乘坐舒适性降低、振动和冲击加速车辆磨损，以及路面结构进一步劣化，最终需要昂贵的修复。错台测量涉及量化横向接缝处或板内裂缝两侧相邻混凝土板间的垂直位移。正错台表示沿行车方向高程下降，负错台表示沿行车方向高程上升。准确测量该病害对于评估路面性能和规划养护至关重要。AASHTO R36-21定义了JCP错台病害测量的标准方法，包括人工和自动技术。人工测量通常使用Georgia错台仪等设备，需沿路段抽样特定接缝（至少10%），在调查车道外侧轮迹处对横向接缝和裂缝进行测量。该方法耗时、劳动强度大，且对在通行道路上工作的人员存在安全隐患。此外，由于各次调查间测量的接缝和位置变化或用户错误（如设备方向不正确），可能产生不准确和不一致的结果。另一种广泛采用的自动方法使用高速惯性剖面仪（HSIP）在左右轮迹采集的纵向剖面，基于AASHTO R36-21定义的标准计算方法A和B计算错台。虽然更安全高效，但使用HSIP的自动方法仍存在准确性和可重复性问题，原因包括对表面纹理的敏感性、车辆漂移导致采集路面不同位置以及使用单一纵向剖面进行接缝检测的不可靠性。过去十年，3D激光成像系统已被美国大多数州公路机构广泛采用于自动路面表面状况调查和评估。这些系统可在高速公路行驶速度下获取全车道覆盖的高分辨率（高达1 mm）和高精度3D路面扫描，实现裂缝、车辙、坑槽和接缝错台等表面病害和指标的自动识别与测量。若干研究探索了使用该数据评估错台病害并评价其与其他方法的可比性。Geary等提出了一种新方法，利用3D数据的全覆盖能力更准确、一致地测量错台。该方法不依赖单一纵向剖面测量高程差，而是比较接缝两侧的平滑区域。该方法以Georgia错台仪结果进行基准测试，证明了其可靠性。在此基础上，AASHTO R36最新修订版引入了"自动方法C"，定义了使用单点3D路面表面数据的接缝错台计算程序。目前，机构需要针对不同应用评估错台病害。对于公路性能监测系统（HPMS），须按AASHTO标准R36-13使用剖面数据的自动方法测量路段内右轮迹的每条接缝，并报告平均绝对错台。对于路面力学-经验设计（PMED）应用，包括本地校准，长期路面性能（LTPP）病害手册规定应使用FHWA改进的Georgia错台仪测量错台，精确到毫米，测量位置距外侧板边0.3和0.75 m处，大致与右轮迹对齐。对于路面管理系统应用，各机构遵循自己的病害评级手册和实践，有些仅在右轮迹或右边缘测量错台，有些在两个轮迹测量，有些考虑沿整条接缝的平均值，此外处理负错台值的方法也各不相同。随着3D激光成像系统在各机构中成为主流以及高精度接缝检测方法的可用性，现在可以获取沿整条接缝和调查段内所有接缝的高分辨率错台测量值，这是以前无法实现的进步。利用这一新获得的传感器数据对于推进对错台行为和劣化机制的理解以及建立接缝和路段层面适当的报告实践至关重要。增强的病害评级和报告实践支持更明智的路面管理决策，最终实现更有效的养护策略和资源分配。本研究的目的是利用3D激光成像系统在多年间调查的某路段每条接缝采集的高分辨率错台测量数据，对接缝错台病害行为进行深入调查。选取了Georgia州Macon附近16号州际公路一段9.2 mi路段（1972年通车），具体为MP 22至MP 12.8的西行车道。该路段板厚9 in.，水泥土基层，无传力杆、斜交接缝，间距在16至23 ft之间随机分布，沥青路肩。2013至2022年由Georgia Tech传感车（GTSV）在最右侧车道（货车车道）采集3D路面表面数据。2018年年平均日交通量为23,900辆/日，货车占24%。需注意，由于该时期后进行了大量换板导致接缝状况发生重大变化，2019年及以后的数据未纳入分析。该路段所有接缝在6年期间（2013–2018）的错台数据将在接缝层面和路段层面进行分析。

研究人员开展了以下研究：数据准备部分概述了支持后续分析的数据准备程序，包括开发的3D路面表面数据处理方法和错台数据过滤方法。3D路面表面数据处理方面，基于起止里程碑的GPS位置对所有可用时间戳对所选路段的路面表面图像数据进行空间查询。该数据随后使用与GTSV系统LCMS-1对应的激光裂缝测量系统（LCMS）RoadInspect软件处理。过程包括车道标线识别和路面图像上横向接缝检测，随后计算接缝错台测量值。该软件利用系统制造商开发的特定算法计算接缝错台，某些参数可由用户修改。这些参数经调整旨在使算法精细匹配AASHTO R36-21规定的"方法C"测量方法。参数A为横向接缝上连续错台测量之间的间隔，参数B为横向接缝两侧两个测量点之间的距离，参数C为获取采样数据点测量错台所用横向窗口的平均宽度。参数A、B、C分别定义为10、200和100 mm。参数A设为10 mm以实现沿整条横向接缝的连续高分辨率错台测量，参数B和C选择与AASHTO R36-21中"方法C"程序对齐。需注意，在这些设置下测量窗口物理重叠，确保接缝全覆盖。由于涉及的成像系统由两个激光传感器组成，软件中的接缝检测过程将完整横向接缝识别为两个片段。此外，由于系统捕获的3D图像在纵向（行驶方向）覆盖5 m（16.4 ft）长度，某些情况下完整接缝在两张连续图像交叉处被分割，导致这些接缝进一步碎片化。因此，为便于后续分析，研究人员开发了自动程序聚合接缝片段及其错台测量值以获得完整横向接缝。该程序涉及确定接缝端点的累积位置而非其在每张图像中的相对位置。然后，通过考虑其端点附近的缓冲区域迭代识别属于同一接缝的接缝片段。由于数据采集期间调查车辆可能漂移以及路面图像固定覆盖宽度为4.12 m（13.51 ft），全车道宽度和横向接缝完整长度可能不总能被捕获。此外，由于错台测量位置参照图像坐标系，必须使用车道标线作为参考将其映射到横向对应的车道位置。每条接缝与其他调查年份的对应接缝匹配以实现接缝层面劣化分析。一个关键挑战来自分析期内换板，因为这些改变了原始接缝布局。研究团队的另一项研究开发了自动方法跨多个时间戳配准接缝并检测换板。研究期间被识别为更换的接缝以及桥梁接缝被排除在分析之外。错台数据过滤方面，对错台测量剖面数据集的调查揭示存在缺失值和异常值，由于其对后续分析的潜在影响需要仔细考虑。大多数缺失值集中在两个激光传感器重叠区域的接缝部分，通常靠近接缝中心线。错台测量剖面中的异常值主要归因于两个来源：1）病害相关异常值，由裂缝、剥落或其他与接缝相交的病害引起；2）非病害相关异常值，源于传感器数据质量或环境条件。根据HPMS现场手册要求，不应在裂缝上评估错台。此外，根据AASHTO R36-21，在存在剥落的情况下应避免错台测量。进一步考虑修补对错台测量值的影响，标准关于裂缝和剥落的指示可扩展至修补。基于上述陈述以及异常值去除和缺失值处理的必要性，为确保分析的數據准确性和可靠性，开发并实施了过滤方法清理错台测量数据。由错台测量位置与其他病害（如剥落或宽裂缝）重叠产生的异常值被排除在数据集之外。此排除必要的原因有三：1）此类值不构成接缝错台的有效表示并将引入分析偏差；2）本研究专门聚焦刚性路面错台行为表征；3）分离不同病害类型的影响允许其独立评估并防止综合路面评估中的潜在高估。对每条接缝，使用两种异常值检测方法识别错台测量值中的异常值：1）使用25个邻居的局部异常因子方法检测局部异常值；2）使用四分位距方法识别全局异常值。假设裂缝最大宽度等于50 mm，可以合理认为接缝中包含五个或更多连续异常值的段（5点×10 mm=50 mm）与剥落或修补病害相关。因此，至少五个连续异常值的序列被分类为病害相关，其余检测到的异常值被分类为非病害相关。通过直接纳入路面图像的自动病害识别（如剥落或裂缝检测）并创建掩膜以排除此类病害与接缝相交位置的错台测量，可开发更准确的过滤方法。然而在本研究中，过滤仅基于错台测量剖面进行。当异常值——病害相关和非病害相关——以及中间缺失值被识别后，过滤过程通过如下替换这些值进行：病害相关异常值替换为"NaN"值以从进一步处理中排除；非病害相关异常值和中间缺失值使用基于10个最近邻有效数据点计算的局部均值填补处理。

研究结果方面，最终分析数据集部分呈现了数据准备后的错台测量概述，包括3D路面数据处理和错台测量过滤。每年监测并用于数据分析的接缝总数为2,643条。为提供错台测量数据的初步概述，计算并呈现了各调查年份和整条路段所有接缝错台测量值的描述性统计。此外，这些数据的箱线图也已展示。错台测量总数因时间戳而异，原因包括异常值排除、车辆横向漂移导致无法全覆盖横向接缝等。此外，观察到错台测量值增加，均值从2013年的1.83 mm上升至2018年的2.53 mm，表明错台状况随时间劣化。标准差反映了各年份值偏离均值的分布增大，随着更多接缝错台测量变得严重。最大错台值通常与沿接缝经历严重病害的位置相关，如碎裂板、角断裂或接缝附近位移板片。总体而言，错台测量值覆盖HPMS定义的各严重程度类别：良好（<2.5 mm）、一般（2.5–3.8 mm）和差（>3.8 mm），展示了支持本研究的足够多样性。基于区域的空间分析方面，分析利用沿整条横向接缝采集的连续错台测量，允许对错台空间变异性进行传统基于点测量无法实现的详细评估。为执行此任务，横向接缝分为五个区域（Z1至Z5）。Z1和Z5对应左右车道边缘，Z2和Z4代表左右轮迹，Z3表示非轮迹区域。这些区域根据AASHTO R36-21定义，该标准规定"外侧轮迹"为宽0.75 m（30 in.）、中心距车道中心线向路肩方向0.875 m（35 in.）的纵向路面条带。每个区域内错台测量值的中位数用作进行基于区域分析的代表值。对所有调查年份的每条调查接缝，识别具有最大和最小错台值的区域。然后确定每个区域呈现最大和最小错台的频率。当前使用3D路面表面数据的实践通常在右轮迹或右边缘测量错台，如HPMS报告要求、LTPP病害手册和若干公路机构病害协议所规定。此实践源于传统错台仪方法，允许从路肩快速安全地测量而无需交通管制。在采用自动技术后，此实践因报告目的而延续，因为标准和要求未变，且可能出于路面管理目的以保持长期错台数据趋势的一致性。此外，货车车道右侧承受更重的交通荷载且邻近路肩，结构支撑较弱且排水影响更明显，而左侧承受较少集中荷载并受相邻车道支撑增强。这种配置通常导致右侧错台较高，历史上使其成为测量的合理焦点。然而，本文呈现的结果表明最高和最关键的错台可发生在接缝任何位置，不仅限于右侧。为评估此右侧测量假设的有效性，分析了所有五个区域最大错台值的分布。对所有调查年份的每条调查接缝，识别具有最大错台值的区域，并确定每个区域呈现此条件的频率。最大错台最频繁观察于右边缘和右轮迹（Z5和Z4），占55.2%的情况，但也在左边缘和左轮迹（Z1和Z2）观察到37.4%的情况。除最大错台外，还检查了最小错台的分布。最小错台最频繁观察于左边缘和左轮迹（Z1和Z2），代表56.8%的情况，但也在右边缘和右轮迹（Z5和Z4）发生30.3%的情况。左右轮迹之间的直接比较进一步显示，62.3%的情况下右轮迹错台较高。结果表明最高和最关键的错台可发生在接缝任一侧，最大值更频繁集中于右边缘和轮迹但也频繁观察于左侧。类似地，最小错台发现于两侧，表明任一侧均不能一致代表极端错台条件，并强调了仅限制右侧测量的局限性。为评估单条接缝内基于区域的最小和最大错台差异的显著性以及评估测量位置的影响，分析了这些差异的分布。结果表明中位差异约1.5 mm，某些值接近5.5 mm。根据HPMS错台严重程度类别，此类差异足以将接缝从良好重新分类为差，或反之。接下来，分析每条接缝上最小和最大区域的成对出现以识别预期空间模式并量化对之间的错台值差异。最小-最大区域对出现频率热图显示，最小-最大区域对通常出现在接缝相对边缘，最常见的案例是右侧最大（Z5和Z4） paired with左侧最小（Z1和Z2）。也存在大量左侧最大右侧最小的情况。每个最小-最大区域对对应的中位错台差异（mm）热图突出显示这些差异的幅度可能相当大，观察到的最大中位差异达到2.4 mm。成对热图分析显示最大错台频繁出现在接缝一侧边缘，而相对边缘对应最小错台，幅度差异通常很大。这表明板沿其横向接缝（板宽）并非对称错台。该模式突出了差异错台的存在，即板一侧比另一侧经历更大的垂直位移。这些结果表明错台测量剖面通常形成跨接缝梯度，值从一侧较高错台趋向对侧较低值。这种梯度反映不均匀板运动且不限于特定方向。两个说明性示例中，第一例错台剖面呈现正梯度，值从接缝左边缘接近零开始向对侧逐渐增加。第二例剖面显示负梯度，左侧正错台跨接缝递减至右侧负错台。这些示例共同确认错台可表现为跨接缝的近线性斜率，不同接缝中观察到相反倾斜方向。这种不对称行为强化了板在接缝两侧并非均匀错台，接缝层面评估必须考虑跨接缝变异性而非假设均匀条件。非均匀错台的另一情况是裂缝与横向接缝相交，将板分成独立移动的分离片。此条件产生错台剖面的突变，因为每个破碎板部分对交通和环境荷载响应不同。此机制也解释了为何最大错台值可出现在Z3（非轮迹区域），如先前分析所观察。示例显示错台剖面在相交裂缝点处中断，两侧错台趋势明显不同。这些示例表明裂缝-接缝相互作用产生局部错台变异性，强化了需要在更细分辨率评估错台而非假设跨接缝连续性。总之，连续错台测量的基于区域分析表明错台沿横向接缝高度可变，无法由单一位置如右轮迹代表。可靠评估需要考虑整条接缝以捕获板行为的空间变异性。这些发现强调了需要更高分辨率测量方法，为准确状况评估和更明智路面管理决策提供更强基础。代表性接缝错台指标对报告状况的影响方面，基于上述分析获得的见解，显然代表性接缝错台指标的选择很重要，因为它影响接缝和路段层面的报告状况并影响跨多个调查周期监测的错台状况趋势。为评估此影响，考虑了四个代表性指标：1）HPMS/LTPP右轮迹中位数；2）左右轮迹中位数的平均值；3）整条接缝中位数；4）跨接缝错台的第95百分位数。对每个指标，基于所选指标绝对值将接缝分类为HPMS定义的错台严重程度类别（良好、一般、差）。不同错台指标2013至2018年接缝层面状况分类的分布显示，接缝中位数和轮迹平均值产生相似的接缝层面分类，因为两者均纳入接缝两侧的错台测量因而提供接缝状况的平衡表示。HPMS/LTPP指标产生稍更严重的分类，因为它基于右轮迹，通常呈现较高错台水平。相比之下，接缝第95百分位数导致实质上更严重的分类，因为它强调每条接缝沿线的最大关键错台条件。虽然所有指标均捕获各调查年份的渐进劣化，但基于差状况接缝百分比的劣化速率在使用HPMS/LTPP右轮迹指标时中等较高，并在接缝第95百分位数时最为显著，后者随时间持续将更大比例的接缝从良好和一般转向差分类。路段层面进行了类似分析，计算每个0.1 mi路段内接缝错台指标绝对值的平均值，并按HPMS错台严重程度类别分类路段，与报告实践一致。路段层面分类分布随所选指标显著变化，接缝中位数和轮迹平均值产生更有利结果，HPMS/LTPP产生中等更严重结果，接缝第95百分位数显示最严重分布且差路段占比最高。比较路段层面与接缝层面结果，路段层面分布2013年起始时大多数为良好且差路段很少，而接缝层面结果显示初始差接缝比例更高。随时间推移，接缝层面分析揭示更急剧劣化，更多接缝直接转向差，而路段层面聚合平滑了局部严重性，导致更逐渐的转变，更大比例在达到差之前分类为一般。负错台分析方面，负错台测量已知相对罕见，而正错台通常构成观察到的 predominan条件，由力学错台发展过程驱动。此理解主要基于使用错台仪设备人工进行的错台评估。例如，一项使用Georgia错台仪分析LTPP站点错台数据的研究发现负错台值（小于?1 mm）仅占总观测的1%，突出这些为例外而非规范。负错台通常归因于环境因素引起的板翘曲和/或扭曲而非交通荷载。其他原因包括引道板接缝沉降、内置表面纹理、Georgia错台仪的±1 mm精度、在不正确密封接缝上的测量（如离开侧过量密封胶）、部分深度剥落修复和全深度修复补丁 improper finishing，以及用户错误如测量时设备方向不正确。随着新获取的3D路面表面数据提供沿整条接缝长度的高分辨率错台测量，现在可以评估负错台发生频率以确认先前发现。此分析中，负错台值定义为小于?0.5 mm以排除可能代表零错台或落在设备测量精度误差范围内的测量。所有调查年份中沿剖面呈现至少一个负错台测量的接缝直方图显示，15,858条接缝（即2,643条接缝测量6年）中，2,988个接缝实例包含至少一个负错台值，占总接缝的18.8%。这些接缝呈现 varying负错台百分比，从单个负值到沿接缝100%测量为负，每条接缝负错台值百分比中位数为25.6%。此变化显著影响接缝的中位错台值，这些接缝的中位错台值范围从?6.5到9 mm，取决于沿接缝负错台值的分布和严重程度。传统错台评估实践依赖每条接缝单点测量，通常在路段层面平均前将负错台值转换为绝对值。虽然此方法简化了报告，但掩盖了负错台接缝的发生和分布。本研究从3D路面表面数据获得的结果显示相当比例的接缝包含高百分比负错台测量。随着更详细数据的可用性，有必要重新考虑当前实践。具体而言，需要注意确定部分或完全负错台测量的接缝是否应明确标记用于状况或安全评估，而非被平均等统计聚合方法掩盖。因此，状况评估和报告程序可能需要改进以解决1）当存在负值时如何表示单条接缝的错台测量；2）当路段内出现负错台接缝时如何聚合和报告路段层面错台。高分辨率数据的可用性提供了调查负错台 underlying causes和劣化行为的机会，为路面性能提供新见解。除负错台的一般行驶质量影响（在轮迹引入突然向上颠簸）外，与Georgia交通部等州机构的讨论指出偶尔有摩托车手投诉高速道路（如州际公路）上具有显著负错台的接缝。这些条件可能对骑手构成安全隐患，因为沿接缝局部负错台引起的颠簸可导致摩托车手失去平衡和控制。高速下此类不平整难以及时感知，使骑手反应时间不足。为解决此问题，提出一种方法利用沿整条接缝长度的高分辨率错台测量识别可能存在安全隐患的负错台接缝。这些标记接缝可优先进行立即针对性养护以降低风险。此外，该方法可扩展至可能更易发生显著错台的桥梁接缝。认识到摩托车在行驶车道内不遵循明确轮迹，所提方法利用沿接缝及其对应错台测量剖面的滑动窗口方法。滑动窗口宽度相当于摩托车轮胎典型宽度，模拟可能的轮迹变化并检测具有显著负错台的区域。此分析中，将应用250 mm（与典型轮胎宽度70至250 mm一致）的滑动窗口尺寸，并使用?10 mm阈值标记接缝进行养护。需注意，确定负错台对摩托车手构成安全隐患的阈值需要进一步研究；此处应用的阈值仅用于演示目的。示例显示一条接缝因引道板角裂缝导致左侧显著负错台而从2014年起被标记。劣化分析方面，理解接缝错台随时间的劣化对于准确预测路面寿命和规划及时养护干预至关重要。先前开发的错台劣化模型依赖人工方法（错台仪）或使用纵向剖面数据的自动方法采集的数据。然而，两种方法如前述均面临可靠性和一致性挑战，限制了所得模型的准确性。3D路面表面数据的出现提供了改善对接缝错台劣化理解的机会。沿每条接缝的高分辨率错台测量允许更详细的劣化行为分析，使得开发更精确可靠的预测模型成为可能。本节评估使用此数据在接缝和路段层面评估错台劣化的可行性。2013至2018年整条路段接缝层面错台值分布显示，使用两个代表性统计指标表征每条接缝的错台值：1）绝对错台测量中位数；2）绝对错台测量第95百分位数。对两个指标，观察到随时间增加趋势，反映路段接缝错台劣化，第95百分位数始终显示比中位数更高的错台值。为定量评估劣化趋势，计算每条接缝的Spearman秩相关系数（SROCC）。SROCC测量随时间单调趋势的强度和方向，值+1表示完全一致的增加趋势，?1表示完全一致的减少趋势，0表示无单调关系。所有接缝的中位SROCC对于中位数指标为0.81，对于第95百分位数指标为0.75，表明两个指标均一致显示错台随时间强劲增加趋势。为评估错台劣化随时间遵循线性趋势的程度，使用应用于6年错台值的线性回归模型计算每条接缝的决定系数（R2）。中位数指标的中位R2为0.70，第95百分位数指标为0.61。这些结果表明两个指标均具有中等强度的线性拟合，中位数指标显示稍好拟合。进一步观察，两个样本接缝2013至2018年接缝错台剖面劣化进展及其代表性统计指标趋势显示，一例接缝具有明显错台劣化进展，反映在其错台剖面和代表性指标趋势中。中位数指标SROCC为1.00，第95百分位数指标为0.99，表明强单调趋势。此外，线性拟合R2值中位数指标为0.99，第95百分位数指标为0.96，展示极好数据拟合。相反，另一例显示错台劣化进展不明显的接缝，其SROCC值中位数指标为0.32，第95百分位数指标为0.81，反映较弱单调趋势。类似地，R2值中位数指标为0.12，第95百分位数指标为0.69，表明线性模型拟合较差。分析突出某些接缝呈现清晰可预测的错台劣化趋势而其他显示较弱和不一致模式。接缝层面错台值可受板运动、摇摆、开裂病害和其他现场特定条件影响。需要进一步研究以更好理解和建模接缝层面错台劣化行为。2013至2018年所有接缝接缝层面错台变化分布分析显示，1年周期错台变化范围约在?2至2 mm之间，中位数0.1 mm。相比之下，5年周期错台变化范围约在?4至5 mm之间，中位数0.6 mm。聚合中位错台测量值在0.1和1 mi路段层面的折线图和热图显示，路段层面错台劣化趋势通常清晰，少数例外。

讨论部分总结：随着3D激光成像系统成为公路机构自动路面状况评估的主流技术，获取调查JCP段沿整条接缝和所有接缝的高分辨率错台测量已成为可行。本研究利用3D激光成像系统多年采集的高分辨率测量详细调查了错台病害行为。使用GTSV 2013至2018年采集的3D路面表面数据分析了Georgia州Macon附近16号州际公路一段9.2 mi、9 in.无传力杆JPCP路段。研究结论翻译如下：研究结果表明错台沿横向接缝高度可变，无法由单一位置如右轮迹代表。因此可靠评估需要考虑整条接缝以捕获板行为的空间变异性。此外，代表性接缝错台指标的选择至关重要，因为它影响接缝和路段层面的报告状况并塑造跨多个调查周期监测的状况趋势。另一重要观察是相当比例的接缝包含高百分比负错台测量，这提出了确定部分或完全负错台接缝是否应明确标记用于状况或安全评估以及此类情况如何在路段层面聚合的需要。沿每条接缝的高分辨率错台测量的可用性进一步使得更详细的劣化行为分析成为可能，支持开发更精确可靠的预测模型。与此一致，从3D路面表面测量获得的错台数据显示路段层面清晰增加趋势，而接缝层面趋势因板病害状况（如与接缝相交的裂缝）、基层支撑条件和其他现场特定影响等因素而异。提出以下未来研究建议：开发使用沿整条接缝采集的高分辨率测量报告错台的标准化方法，这将确保各机构间一致性，促进错台严重程度和劣化趋势更有效比较和分析，并促进路面状况评估实践的 uniformity。对从3D路面表面数据沿接缝长度获得的错台测量数据质量进行彻底验证，此验证应评估测量的准确性和精密度以确保其可靠性，基于发现可改进数据处理方法以实现错台测量的准确一致提取，支持研究和实际应用。利用高分辨率错台测量剖面开发更准确的错台时空劣化和预测模型，这些先进模型将为错台行为提供宝贵见解，支持更有效养护规划和明智决策以优化路面性能和延长使用寿命。