综述：沥青路面施工中智能压实计算方法：最新研究综述

《ARCHIVES OF COMPUTATIONAL METHODS IN ENGINEERING》：Computational Methods for Intelligent Compaction in Asphalt Pavement Construction: A State-of-the-Art Review

本文系统梳理2010-2025年间智能压实（IC）技术的研究进展，指出传统钻孔法效率低且破坏性大，而IC通过整合多传感器（加速度计、温度传感器、GPS）实现实时质量监控，结合机器学习提升材料特性预测，数字孪生优化维护决策，并与BIM、IoT深度融合提升管理效率。研究仍需解决ICMVs与沥青模量定量关系、温度及基层条件影响等问题，强调AI建模、多传感器融合及机理分析对实现数据驱动路面施工的重要性。

　　

摘要

在沥青路面施工过程中，传统的压实度评估方法是通过取芯来测量密度，但由于这种方法的破坏性和耗时性，其应用频率受到限制。相比之下，智能压实（IC）技术实现了实时质量控制，并推动了沥青路面施工的显著进步。基于这些进展，本研究综述了2010年至2025年间发表的相关研究，总结了智能压实技术和集成多传感器系统的发展情况。这些系统结合了加速度计、温度传感器和GPS的数据，用于监测压实质量和空间变异性，并强调了它们对路面性能的影响。最近的发展表明，机器学习（ML）在处理智能压实数据方面得到了越来越广泛的应用，从而提高了对路面刚度、模量和密度的预测精度。同时，数字孪生（DT）框架已成为基于数据的决策工具，有助于路面的预防性维护和修复。将智能压实技术与建筑信息模型（BIM）和物联网（IoT）相结合，进一步提升了施工管理和质量监控水平。此外，激光雷达（LiDAR）与相机数据的融合为铺路作业提供了毫米级的精度。尽管取得了这些进展，但仍存在一些关键的研究空白，特别是在建立智能压实测量值（ICMVs）与沥青模量变化之间的定量关系方面，以及理解温度变化和底层条件对路面性能的影响方面。本研究认为，继续推动人工智能（AI）驱动的建模、多传感器融合和机理解释方面的创新，对于充分发挥智能、数据驱动的路面施工潜力至关重要。