《Sustainability》：Bayesian Estimation of Cost-Effective IRI Intervention Thresholds for Pavement Repair Actions Under Latent Repair Conditions
编辑推荐：
确定路面表面修复的适当干预阈值是路面管理中的一个基本挑战。在实践中，这些阈值通常使用修复时未观察到的检查条件来定义，而不是当时的实际路面状况。这种区别很重要，因为修复活动通常发生在检查日期之间，这意味着修复前后的国际平整度指数（IRI）等路面状况指标并未直接观
确定路面表面修复的适当干预阈值是路面管理中的一个基本挑战。在实践中，这些阈值通常使用修复时未观察到的检查条件来定义，而不是当时的实际路面状况。这种区别很重要，因为修复活动通常发生在检查日期之间，这意味着修复前后的国际平整度指数（IRI）等路面状况指标并未直接观察到。因此，修复决策通常基于估计条件或工程判断。本研究开发了一个贝叶斯潜条件框架来估计修复时的路面状况，并确定路面表面修复的成本效益IRI干预阈值。利用历史路面检查和维护记录，研究人员首先估计一个无修复劣化模型来推断修复前后的潜路面状况。然后使用有界恢复分数对修复效果进行建模，允许特定行动的改善在潜修复前IRI区间内变化，同时保持修复后物理上合理的状况。所提出的框架使用多个标准评估修复干预阈值，包括绝对IRI降低、相对恢复、达到良好路面状况的概率和成本效益。结果表明，虽然最大的绝对IRI降低发生在严重劣化时，但对于修补、部分罩面和全罩面，最实用的基于使用性能的干预范围约为4–5 m/km。当考虑修复成本时，在约3–4 m/km处进行早期干预每单位成本可获得更大的效益。总体而言，该框架为使用不完善的基于检查的维护记录定义修复干预阈值提供了不确定性意识的基础。
**论文解读：基于贝叶斯潜条件框架的路面修复IRI干预阈值估计**
**研究背景与问题**
路面管理系统为道路机构提供监测路面状况、预测未来劣化及在有限资源下选择养护与修复策略的结构化基础。核心目标不仅是确定采用何种修复行动，还在于确定何时进行干预。若延迟修复直至路面状况极差，处理后虽观察到较大改善，但机构可能面临更高成本、更大用户不适及加速劣化的风险；反之，过早修复虽技术上有效，但经济上低效。因此，确定实用且成本效益高的干预阈值是路面资产管理的关键。国际平整度指数（IRI）是评估路面表面状况和行驶质量最广泛使用的指标之一，但在实际管理中，修复干预阈值常基于工程判断、固定状况状态规则或修复效果的确定性假设，而未充分处理修复时间点潜条件的不确定性。此外，常规检查与修复记录中，IRI仅在计划检查日期观测，修复活动发生在检查之间，导致修复前后IRI无法直接观测，直接利用检查间IRI变化计算修复效果可能产生偏差。为克服这一挑战，本研究开发了贝叶斯潜条件框架，以估计修复时的潜路面状况，并确定成本效益IRI干预阈值。论文发表在《Sustainability》。
**研究内容与结论**
研究人员利用Addis Ababa City Roads Authority（AACRA）道路网络的路段级路面检查与维护记录，包括无修复观测和修复观测数据。首先，基于无修复观测估计随机劣化模型，以推断修复前后的潜IRI值。修复效果采用有界恢复分数建模，确保修复后IRI在物理合理范围内，并允许修复效果随修复行动和潜修复前IRI区间变化。通过层次贝叶斯框架整合劣化动态、潜修复时间条件、修复效果及不确定性传播，利用马尔可夫链蒙特卡罗（MCMC）模拟获取后验分布，并基于多个标准（绝对IRI降低、相对恢复、达到良好状况概率、成本效益）评估干预阈值。结论表明：技术性干预阈值（基于增量达到良好状况概率）对修补、部分罩面和全罩面集中在IRI 4–5 m/km；成本效益阈值（每单位成本服务效益）则提前至IRI 3–4 m/km。综合后，建议IRI约4 m/km作为实用规划阈值。该框架为利用不完善检查记录估计数据驱动的干预阈值提供了不确定性意识的基础，并可转移至其他网络。
**主要关键技术方法**
1. **无修复劣化模型**：利用无修复观测，将IRI变化建模为初始IRI和时间的函数，采用指数形式确保正劣化率，并通过贝叶斯估计量化参数不确定性。
2. **潜修复时间条件估计**：从无修复劣化模型投影第一检查IRI至修复日期，获得潜修复前IRI；后验样本通过MCMC传播，表征为分布而非点估计。
3. **有界恢复分数模型**：修复后IRI通过恢复分数（经逻辑函数变换至(0,1)）和最小可行后修复IRI（0.5 m/km）计算，防止物理不合理值。
4. **层次贝叶斯估计**：修复效果参数采用层次结构，允许跨区间信息共享，并施加平滑先验；后验分布通过MCMC模拟（4链，60000迭代，20000老化，2000保存/链）获得，诊断指标显示收敛良好。
5. **阈值评估标准**：计算绝对IRI降低、相对恢复、达到良好状况（IRI<4 m/km）的增量概率、成本效益指数（增量概率/单位修复成本）。样本来源于AACRA道路网络，修复成本依据AACRA单位成本表。
**研究结果**
**3.1 数据总结与模型诊断**
通过使用无修复和修复观测数据，估计劣化模型与修复效果模型。MCMC诊断显示：四链平均接受率0.651–0.655，劣化参数接受率约0.38；?均值为1.010，中位1.006，仅两个参数?>1.05（修补在0–2 m/km区间的恢复效应参数及其恢复分数参数，?分别为1.070和1.067）。Bulk ESS范围333–6693，Tail ESS范围1190–7267，表明采样效率充足。修复模型预测误差（RMSE=1.463 m/km，MAE=1.087 m/km）低于无修复模型（RMSE=3.714 m/km，MAE=2.254 m/km），修复模型残差均值接近零（–0.026 m/km）。
**3.2 修复效果随IRI区间变化模式**
利用有界恢复分数模型，估计各修复行动在各潜修复前IRI区间的后验恢复分数。绝对IRI降低随IRI增大而增大，在严重劣化（IRI≥8 m/km）时最大。但物理IRI降低单独不足以定义实用阈值，因为高IRI区间有更大改善空间，但服务性和成本效益可能不佳。
**3.3 基于服务能力的技术干预IRI阈值**
以增量达到良好状况（IRI<4 m/km）概率为主标准。修补、部分罩面、全罩面的技术阈值均在IRI 4–5 m/km区间，且后验支持度最高。修复的阈值不稳定，受观测数量限制，建议谨慎解读。后验敏感性分析表明，当采用更严格服务标准（IRI<2 m/km）时，阈值提前至3–4 m/km；更宽松标准（IRI<6 m/km）时，阈值后移至≥8 m/km，证明框架响应管理目标，而非预设条件。
**3.4 干预IRI阈值的成本效益**
结合修复成本计算成本效益指数（增量概率/单位成本）。最佳成本效益区间从4–5 m/km移至3–4 m/km，修补最高（0.0255–0.0297每美元），部分罩面其次（0.0219–0.0252），全罩面（0.0108–0.0148）和修复（0.0100–0.0125）较低。全罩面技术阈值与成本效益阈值差异很小（4–5 vs 3–4，边际差异）。总体支持IRI约4 m/km为实用规划阈值。
**讨论与结论**
讨论部分总结了阈值依赖目标：物理IRI降低偏向晚干预，服务能力指标在4–5 m/km，成本效益在3–4 m/km。建议IRI约4 m/km作为平衡点，代表路面刚超越良好状态但恶化前可干预。框架的潜条件估计避免了检查间IRI变化直接归因于修复效果的偏差。研究结论部分翻译如下：
本研究开发了一个贝叶斯潜条件框架，以识别路面表面修复行动实用且成本效益高的国际平整度指数（IRI）干预阈值，利用来自Addis Ababa City Roads Authority（AACRA）道路网络的基于检查的维护记录。主要目标是确定每个修复行动产生最大服务性和经济收益的IRI范围。由于修复发生在检查日期之间，修复前后IRI未直接观测，所提框架通过估计潜修复前和修复后IRI值来解决这一限制，并用于评估行动特定的技术性和成本效益干预IRI阈值。结果表明，物理IRI降低作为标准时，首选干预区间偏向高劣化（IRI≥8 m/km）；以增量达到良好或更好状况概率作为服务性标准时，修补、部分罩面和全罩面的最佳技术干预区间为IRI 4–5 m/km；成本效益分析显示，每单位成本最大收益在IRI 3–4 m/km。综合技术性和成本效益结果，支持IRI约4 m/km作为AACRA案例中路面表面修复规划的实用干预阈值。该框架可转移至其他机构，但需基于当地劣化特性、维护实践、成本结构、交通荷载、气候条件、路面材料及性能数据重新校准。本研究的主要贡献是引入了一种不确定性意识方法，用于在修复时间条件未观测时估计修复干预IRI阈值。未来研究应应用于更大数据集，纳入更多修复观测，并加入交通荷载和结构状况等解释变量，以及在长期维护规划情境中评估估计IRI阈值的性能。
