本文介绍了一项发表在《IEEE Transactions on Intelligent Transportation Systems》期刊第23卷第9期（2022年9月）上的原创性研究。该研究由来自中国东南大学道路工程系的Yuan Ma、Feng Chen、Tao Ma（通讯作者）、Xiaoming Huang和Yang Zhang共同完成，论文标题为《Intelligent Compaction: An Improved Quality Monitoring and Control of Asphalt Pavement Construction Technology》。本研究旨在解决智能压实技术在沥青路面施工质量评估中面临的精度和稳定性挑战，通过提出一种新的评价指标，并利用统计方法优化压实质量均匀性评估，为提升沥青路面施工质量控制水平提供了新的技术基础。

研究的学术背景源于交通基础设施领域对可持续和成本效益网络发展的迫切需求。道路施工质量直接影响路面的使用寿命、结构强度、刚度和稳定性。然而，传统的压实工艺和质量检测方法存在显著缺陷：压实参数依赖操作员经验，缺乏实时反馈调整机制；质量检测为随机抽样，存在漏检风险且无法实时进行；部分检测方法（如环刀法、灌砂法）具有破坏性；难以评估压实过程的均匀性。为了克服这些不足，智能压实技术应运而生。该技术集成了精密传感、计算机和高精度定位技术，能够实时记录和显示压实信息，实现压实过程的集成控制。目前，智能压实质量的评价方法主要有加速度幅值、谐波比、压实测量值、压实控制值和机械驱动功率等。其中，压实测量值被广泛用于反映压实过程中材料的刚度，具有实时、全面、无损检测的优点。然而，智能压实技术仍处于发展阶段，面临两大实际挑战：首先，CMV的计算仅考虑了基波和二次谐波的幅值，当压实质量达到一定程度、路面结构层刚度增加时，更高次谐波出现，忽略它们可能导致预测不准确；其次，利用智能压实技术评估条带内压实均匀性的研究尚不充分。不均匀压实会导致差异沉降等问题，降低行车舒适性和安全性。因此，本研究的目标是提出一个更精确的智能压实质量评价指标——加速度智能压实值，并研究其用于评估路面压实均匀性的有效性。

本研究的工作流程清晰，主要包含以下几个详细步骤：

首先，是现场试验方案设计与数据采集。试验地点位于中国河北省的赵宁高速公路。试验路段为双向四车道，每个车道分为两个条带进行压实，每个条带进行三遍碾压。使用的振动压路机来自戴纳派克，碾压速度设定为2.5米/秒。数据采集涉及两个方面：一是振动加速度信号，通过安装在振动轮中心的名为“Smart Rock”的集成数据采集设备获取。该设备基于胡克定律和牛顿第二定律，通过检测质量块振动引起的电容变化来反算加速度，工作频率高达400赫兹，可实现数据的无线传输。二是压实度数据，使用基于非核技术的PQI 301设备进行测量，该设备以高效、准确和稳定著称。

其次，是评价指标的计算方法。核心是计算并对比传统的CMV和本研究提出的AICV。研究指出，振动轮加速度与沥青混合料刚度密切相关。在压实初期，混合料松散，加速度信号近似正弦波，频谱以基频幅值为主。随着压实进行，混合料变得密实，刚度增加，作用在振动轮上的反力增大，加速度信号变为由多个正弦函数组成的复杂信号，频谱中出现高次谐波。CMV的计算公式为 CMV = C * (A2f / Af)，其中C为常数（通常取100），A2f为二次谐波幅值，Af为基波幅值。本研究提出的AICV则在CMV的基础上，进一步考虑了三次谐波的影响，其计算公式为 AICV = C * (A2f + A3f) / Af，其中A3f为三次谐波幅值。研究认为，压路机振动频率范围为25~45赫兹，而沥青混合料反力产生的其他弦信号频率通常低于100赫兹，因此主要考虑三次谐波。

第三，是数据分析与均匀性评估方法。研究采用了两种统计方法：一是单变量统计中的正态分布3σ准则，用于评估压实均匀性。具体而言，对于压实度、CMV或AICV数据，计算其均值μ和标准差σ。若数据点落在区间(μ-3σ, μ+3σ)内，则认为压实质量均匀；否则为不均匀。通过计算合格率来量化均匀性。二是空间统计中的半变异函数，用于分析压实质量的空间相关性并确定智能压路机的影响范围。实验半变异函数γ(h)的计算基于数据点对之间的差值平方，其中h为滞后距离。通过拟合球形模型等理论模型，可以提取关键参数：变程，即空间自相关存在的最大距离，可解释为压实质量的影响范围；基台值，代表数据的离散程度，约等于样本方差σ²；块金值，代表测量误差或微观变异。

第四，是结果的具体分析与解读。研究对采集的现场数据进行了多维度分析： 1. 压实度分析：结果显示，在同一碾压遍数下，沿条带的压实度几乎恒定，但第一遍压实的波动较大（变异系数0.0075），随着遍数增加，波动显著减小（第二遍0.0045，第三遍0.003）。这表明随着混合料逐渐密实，产生奇异点的可能性降低。同时，压实度随碾压遍数增加而增长，但增长率逐渐放缓，这与混合料密实化和强度增加有关。 2. CMV与AICV结果分析：两者在同一碾压遍数下的结果接近，且其离散性（CMV平均变异系数0.0024，AICV平均变异系数0.0018）远小于压实度的离散性。这是因为CMV和AICV代表了5米范围内的平均压实质量，空间连续性更好。两者数值均随碾压遍数增加而增大，反映了混合料刚度增加导致的高次谐波幅值增大。在相同碾压遍数下，AICV值显著大于CMV，因为它包含了三次谐波的贡献。 3. 压实质量均匀性分析：使用3σ准则对压实度、CMV和AICV进行单变量统计分析发现，随着碾压遍数增加，压实度均值增大、方差减小，均匀性合格率提高。对比CMV和AICV的合格率发现，条带2的压实均匀性差于条带1，这与压实度分析的结论一致。更重要的是，AICV的标准差σ普遍小于CMV，说明AICV作为评价指标更为精确、离散度更小、更稳定。 4. 空间相关性分析：通过半变异函数分析发现，CMV和AICV的半变异函数值均随空间距离增大而增加，说明距离越远，两点间的压实质量相关性越低。关键发现是：AICV的半变异函数基台值小于CMV，这直接证实了AICV的离散程度更低。此外，通过剔除极端值后取平均，估算出CMV指标反映的压实影响范围约为15.25米，而AICV反映的影响范围约为7.5米。论文指出，已有研究表明智能压实的影响范围约为10米，两者结果均接近该值，但AICV得出的范围其标准偏差为0，离散性更低。研究认为，压实影响范围受激振力幅值、频率和压路机重量等多因素影响，哪个指标更准确仍需进一步探讨。

基于以上详细的工作流程和结果分析，本研究得出以下结论： 1. 随着碾压遍数增加，压实度的增长率降低，离散性减小。 2. 智能压实评价指标AICV和CMV与压实度表现出相同的增长规律，且具有连续性、实时性和无损性的优点，因此比压实度更适合作为智能压实质量评价指标。 3. 通过对比CMV和AICV的标准差σ，发现AICV比CMV更精确、离散度更小、更稳定。因此，建议在后续研究中将AICV作为智能压实质量的评价指标。 4. 通过空间统计分析获得了CMV和AICV的影响范围，这为了解压实作用的影响提供了见解，也为下一阶段开发数值分析的有限元模型奠定了基础。

本研究的科学价值与应用价值显著。在科学层面，它深入剖析了智能压实振动信号的谐波组成与压实状态的关系，创新性地引入了更高次谐波来改进评价指标，提升了理论模型的完备性。同时，将地质统计学中的半变异函数模型成功应用于路面工程压实均匀性的空间分析，为评价方法的精细化提供了新工具。在应用层面，提出的AICV指标有望在实际工程中提供更稳定、准确的实时压实质量反馈，帮助施工人员优化碾压工艺（如遍数、速度），避免过压或欠压，从而直接提升路面施工质量的均匀性和长期性能。研究对影响范围的分析也为确定合理的压实质量控制区间和传感器布置策略提供了参考。

本研究的亮点突出体现在以下几个方面： 1. 重要的研究发现：明确证实了考虑三次谐波的AICV指标在评价智能压实质量时，其离散性和稳定性优于广泛使用的CMV指标，为工程实践提供了更优的选择。 2. 研究方法的创新性：创造性地将地质统计学的半变异函数分析引入到沥青路面压实均匀性的定量评价中，实现了从“点”或“局部”评价到“空间相关性”评价的跨越，方法新颖且具有说服力。 3. 研究流程的系统性与严谨性：研究从现场试验设计、多源数据采集（加速度、压实度）、到信号处理与指标计算（CMV, AICV），再到单变量与空间双重视角的统计分析（3σ准则、半变异函数），最后进行综合对比与讨论，流程完整，逻辑链条清晰，数据分析深入。 4. 研究对象的特殊性：聚焦于智能压实这一前沿施工技术中的核心难题——质量评价指标的精度与均匀性评估，选题具有明确的工程针对性和理论挑战性。

此外，论文在讨论部分也坦诚指出了研究的局限性，例如现场试验数据组数有限，未来需要通过更多组采样来验证现场试验结果。这种审慎的态度也体现了科学研究的严谨性。总体而言，这项研究通过理论创新与严谨的实验分析相结合，为智能压实技术的精准化和实用化推进做出了实质性贡献。