《Case Studies in Construction Materials》：A digital reconstruction framework for three-dimensional asphalt pavement surface texture using the Contact Dynamics method
编辑推荐：
## 基于接触动力学方法与激光扫描真实多面体骨料颗粒，本研究开发了一种三维沥青路面表面纹理的高保真数字重建框架。研究人员利用接触动力学（Contact Dynamics, CD）方法对具有受控级配的沥青混合料试件进行数值压实，以再现集料骨架与表面形态。为进一步
## 基于接触动力学方法与激光扫描真实多面体骨料颗粒，本研究开发了一种三维沥青路面表面纹理的高保真数字重建框架。研究人员利用接触动力学（Contact Dynamics, CD）方法对具有受控级配的沥青混合料试件进行数值压实，以再现集料骨架与表面形态。为进一步考虑常规离散单元法（Discrete Element Method, DEM）表面提取中所忽略的由结合料诱发的平滑效应与颗粒间连续性，本研究引入了一种基于桥接的重建策略。将重建后的表面纹理与实验测量结果进行对比验证，并开展颗粒尺度分析，以建立集料形态、堆积结构与路面纹理形成之间的定量联系。该框架避免了传统DEM方法中人工接触刚度的依赖性，有效改善了数值稳定性与计算效率。重建表面在幅度相关参数、高度分布描述符及基于轮廓的指标上与实测结果表现出高度一致性，从而验证了该框架在再现路面表面形态方面的有效性。所提出的框架为沥青路面表面纹理的预测性虚拟评估与性能导向设计提供了物理解释基础。
## 基于接触动力学方法的沥青路面表面纹理三维数字重建框架研究解读
### 一、研究背景与问题分析
路面表面纹理是决定抗滑性能、排水能力以及轮胎—路面相互作用的关键功能属性，直接关系到路面安全性与服役表现。然而，当前路面纹理设计仍高度依赖经验性的级配选择与试验试错方法，其根本原因在于缺乏能够将沥青混合料组成与最终表面形态相联系的预测性数字工具。表面纹理本质上是一个多尺度属性，通常分为微观纹理与宏观纹理，二者通过不同的物理机制贡献摩擦力。微观纹理主要与集料表面粗糙度及棱角性相关，而宏观纹理则由混合料级配、集料尺寸分布及近表面空隙结构所决定。这表明路面表面纹理的根源在于集料尺度的几何组织与颗粒堆积。
现有研究虽然已广泛采用激光扫描、摄影测量和基于视觉的重建技术实现路面纹理的三维表征，并引入了超越传统轮廓指标（如平均剖面深度MPD和平均纹理深度MTD）的三维描述符，但这些方法本质上仍停留在描述性层面——它们量化的是已测量到的纹理，却未能揭示控制纹理形成的颗粒尺度结构机制。在材料尺度上，集料形态与颗粒粒径分布决定了沥青混合料的内部堆积结构，进而决定了路面表面集料的暴露程度及表面粗糙元的空间排列。离散单元法为沥青混合料的颗粒尺度显式模拟提供了有力工具，但现有基于DEM的路面纹理研究多采用二维模型或简化颗粒表示，难以捕捉真实的集料形态与表面拓扑；同时，直接基于DEM进行表面提取通常会得到由集料控制的几何包络，忽略了结合料诱发的平滑效应与胶浆连续性，导致粗糙度被高估并产生不真实的表面不连续性。因此，亟需建立一个物理可解释、定量有效的数字重建框架，将颗粒尺度混合料结构与真实路面表面纹理联系起来。
### 二、研究内容与总体结论
针对上述问题，本研究开发了一种基于接触动力学方法的高保真三维沥青路面表面纹理数字重建框架。研究采用三维激光扫描获取真实集料颗粒几何形状，构建了具有统计代表性的颗粒库；通过受控级配的数值压实生成沥青混合料虚拟试件，再现集料骨架与表面形态；引入基于桥接的表面重建策略以近似沥青胶浆的填充与平滑效应；最终将重建纹理与实验测量结果进行对比验证，并开展颗粒尺度分析以阐明纹理形成机制。研究结果表明，所提出的桥接策略显著改善了重建表面与实测表面在幅度参数（Sa、Sq、Sz）、高度分布描述符（Ssk、Sku）及轮廓指标（MPD、σMPD）方面的一致性。颗粒尺度分析进一步揭示了不同粒径组在表面暴露与峰值形成中的差异化作用，证明了路面纹理受集料尺寸分布与堆积组织的耦合控制。该框架将路面纹理分析从描述性测量推进到物理信息驱动的数字重建，为路面表面形态的虚拟评估与性能导向设计提供了定量化工具。
### 三、主要关键技术方法
本研究采用的主要技术方法包括：（1）基于高分辨率三维激光扫描系统（Freescan UE11，测量精度0.02 mm，扫描速率1,020,000点/s）的路面表面纹理采集与点云处理方法；（2）基于三维激光扫描的集料颗粒形态表征与统计建模方法，集料样本取自当地料场，涵盖4.75 mm至26.5 mm筛孔尺寸范围，共扫描约500颗颗粒，采用最小包围盒法量化颗粒的长（L）、宽（I）、厚（S），并定义延展比（I/L）、扁平比（S/I）与球度指数（Sp）；（3）基于接触动力学（CD）方法的多面体颗粒接触建模与数值模拟方法，采用单向摩擦接触定律，通过非线性Gauss–Seidel（NLGS）算法在LMGC90平台求解非光滑接触问题；（4）虚拟扫描与桥接重建算法，包括最大滤波器、灰度形态学闭运算及高斯平滑操作。模拟使用固定时间步长1×10?? s，在配备双Intel Xeon处理器（2.6 GHz）和256 GB RAM的工作站上以32并行线程运行。
### 四、主要研究结果
**4.1 实测路面纹理重建与定量表征。** 研究人员对AC-13和SMA-13两种混合料路面进行了三维激光扫描，提取了90×90 mm2的代表性区域，经平面去趋势处理后构建了空间分辨率为0.1 mm的规则高度场。纹理参数计算显示，SMA-13的平均剖面深度（MPD）较AC-13增加约47%，表现出更显著的宏观纹理；两种混合料均呈现负偏度（Ssk<0）表明表面以谷底为主，但SMA-13的偏度值（?1.14）较AC-13（?1.76）更接近零，反映大集料凸起形成了更均衡的峰—谷分布；SMA-13较低的峰度值（4.04 vs. 7.64）表明其峰结构较为弥散，而AC-13的峰较为尖锐。纵剖面分析进一步印证了SMA-13表面的粗集料主导异质性与AC-13表面的密实均匀结构。
**4.2 集料颗粒形态统计与数值建模。** 通过对激光扫描重建的集料颗粒网格进行统计分析与网格简化，建立了包含延展比（均值0.7216，标准差0.1440）、扁平比（均值0.7670，标准差0.1396）和球度（均值0.7944，标准差0.0567）三项形态指标的颗粒库，三者均服从正态分布。网格简化评估表明，将颗粒面片数减少至60~65面时，形态指标的相对偏差控制在4.34%以内，在几何保真度与计算效率之间取得了合理平衡。
**4.3 数值试件生成与压实。** 研究仅对2.36–13.2 mm筛孔范围内的颗粒进行显式建模，更细粒级并入沥青胶浆相。颗粒在100×100 mm2水平域内随机生成，水平方向施加周期性边界条件以消除边界效应。顶部施加6 kN恒定竖向压力（等效平均压应力约0.6 MPa），并叠加频率40 Hz的谐波振动以促进颗粒重排。颗粒间摩擦系数取0.1以模拟沥青的润滑效应。最终试件厚度约40 mm，与典型沥青面层厚度一致。
**4.4 虚拟扫描与桥接重建。** 通过模拟激光扫描原理提取DEM试件表面高度场后，原始DEM表面表现出过深的颗粒间谷底和尖锐不连续性。定量对比显示，原始DEM模型的MPD几乎翻倍，Sa相对偏差在AC-13和SMA-13中分别达118.9%和57.7%。引入桥接算法（参数rm=10、rc=11、σ=0.0，对应约1 mm的有效桥接长度）后，AC-13的Sa、Sq、Sz相对偏差分别从118.9%、100.0%、1.6%降至14.7%、7.1%、0.1%；SMA-13的对应偏差从57.7%、58.2%、4.1%降至10.6%、8.3%、0.5%。MPD偏差从160.9%和119.1%分别降至27.4%和18.2%。需要指出的是，桥接参数并非材料固有属性，而是对沥青胶浆在相邻粗集料间填充与平滑效应的几何近似。
**4.5 多尺度表征：高度分布与颗粒尺度贡献。** 表面高度偏差概率密度分布显示，SMA-13具有更宽的分布（标准差1.93 mm vs. 1.46 mm），反映更高的表面粗糙度与异质性。颗粒尺度分析引入表面暴露率Rexp与表面峰值贡献率Rpeak两项指标。结果表明：SMA-13中9.5–13.2 mm粒级的暴露率最高（0.157），而AC-13中4.75–9.5 mm粒级暴露率最高（0.097），且各粒级参与更为分散。在表面峰值形成方面，AC-13主要由2.36–4.75 mm（51.2%）和4.75–9.5 mm（46.5%）粒级共同贡献；SMA-13则以4.75–9.5 mm粒级为主导（56.0%），呈骨架驱动型机制。这表明粗集料主要控制表面暴露，而中等及较小集料对峰值与局部粗糙度发展贡献显著。
### 五、讨论总结与研究结论
研究讨论指出，路面表面纹理的形成归因于集料尺寸分布与堆积组织的耦合效应，不同粒级在表面形成过程中扮演差异化功能角色。对于SMA-13，粗集料主导表面暴露而中等集料控制局部粗糙度发展，呈现解耦的形成模式；对于AC-13，多种粒级的均衡贡献形成相对连续均匀的表面形态。该多尺度分析揭示了路面纹理不仅取决于表面高度变化的幅度，更取决于集料颗粒的内在组织与功能分工。
研究结论可归纳如下：（1）基于激光扫描集料构建的三维颗粒库能够准确捕捉延展性、扁平性与球度的统计分布，为DEM建模提供了真实且物理一致的颗粒基础；（2）直接DEM重建虽能捕捉集料控制的表面包络，但因忽略结合料诱导的表面连续性而系统性高估表面粗糙度；所提出的桥接重建策略有效改善了与实测表面纹理参数的一致性，重建表面与实测表面表现出一致的三维纹理特征；（3）路面表面纹理受集料粒径分布与堆积组织的耦合控制，粗颗粒主要控制表面暴露，而中、小颗粒对峰值形成和局部粗糙度发展贡献显著。综上，该框架将路面纹理分析从描述性测量推进至物理信息驱动的数字重建，为路面表面形态的数字表征与相关工程应用提供了经定量验证的有效工具。
