当前位置： 模型材料 >> 模型材料优势 >> 路网沥青旧料综合再生站点规划与效益
利维康道让旧路更具价值
摘要为了满足区域路网中不同养护工程的沥青路面旧料调配与再生混合料供给，以最大程度提升混合料再生利用率，建立了面向区域路网再生养护需求的旧沥青混合料存储站点选址模型．分析了不同再生技术的经济与环境效益，并应用人工神经网络建立了路网再生需求预测模型．在此基础上，结合基于Ｄｉｊｋｓｔｒａ最短路径算法的经济运距计算与基于ＧＩＳ的环境因素分析，提出了多目标的旧料仓库选址流程，实现了面向不同周期需求的仓库选址规划．依托江苏省高速公路网养护数据进行了选址规划，基于费用效益定量分析了建立旧料仓库后的路网协同再生养护投资净现值．结果表明，江苏省路网再生养护在３０年投资周期内投资回报高达１５亿元，研究成果将为区域路网协同再生养护的实施提供基础．
关键词：沥青路面；综合再生；混合料需求预测；仓库选址规划；成本效益分析
经过近３０年的快速发展，我国公路交通运输网络规模和能力不断扩大，随着使用期的不断延长，我国公路大量进入维修期．交通运输部的统计数据表明，我国每年仅干线公路养护维修产生的废弃沥青混合料就近２亿ｔ，而再生利用率不足３０％［１］．因此，对路面养护过程中的废弃旧料进行高效回收利用，不仅具有重要的工程经济效益和社会环境效益，也是推动公路绿色建设与可持续发展的重要技术途径．当前单个再生工程中路面回收旧料的随意使用，无论是再生效率、再生品质还是再生规模都很难满足未来旧料的规模化再生利用需求，成为目前旧料整体再生利用率低的重要原因之一［２］．
目前，国内外关于沥青旧料回收仓库选址的研究较少，Ｈａｎ等［３］提出了一种基于ＡｒｃＧＩＳ与Ｆｌｏｙｄ算法的再生沥青混合料集散中心选址的多因素分析方法．此外，沥青路面再生技术对道路性能恢复方面的研究已经十分成熟，但是对于再生技术经济性分析评价的研究相对较少．薛国胜［４］针对沥青路面就地热再生技术经济分析，引入成本效益分析法对就地热再生与铣刨重铺２种方案的经济性进行了对比；聂忆华等［５］针对厂拌热再生，从设备生产成本等５个方面采用收益现值法定量计算了厂拌热再生的经济效益；姚胜等［６］定量计算了乳化沥青厂拌冷再生技术与热拌沥青混合料节约的经济效益；吴振亚等［７］建立了针对水泥基层就地冷再生的经济成本计算简化模型．虽然针对各种沥青路面再生技术均有学者提出了成本的计算方式，但是成本计算的考虑因素差异较大，多数研究针对具体的再生工程项目提出，缺少综合比较多种再生沥青再生混合料全生产周期的系统性计算模型。
因此，本研究面向区域路网的整体再生需求，提出基于深度人工神经网络（ＡＮＮ）的再生沥青混合料存储站点选址模型，通过分析不同再生混合料在全养护施工过程中的经济与环境效益，并结合Ｄｉｊｋｓｔｒａ最短路径算法与两阶段神经网络模型，最终建立多时间需求的沥青混合料再生回收站点规划体系．并以江苏省高速公路养护工程为依托进行了回收站点选址案例分析，对区域路网沥青路面回收料协同再生的投资净现值进行了定量分析研究．
1
再生技术综合效益分析
沥青路面在长期服役中受到环境因素与交通荷载的耦合作用会发生老化，老化后的沥青变硬、变脆，使用性能下降，进而使得沥青混合料的路用性能和耐久性降低，路面产生开裂、松散等病害．再生是老化的逆过程，通过加入再生剂，调节老化沥青中的化学组分，改善组分之间的相容性，使老化沥青恢复或接近原来的性能［８］．再生沥青路面由回收的废旧路面材料经专用设备翻挖、回收、加热、破碎、筛分后，与新沥青、新集料、再生剂等拌和成混合料，再经过摊铺、碾压，重新铺筑于路面．当前的再生技术按照拌和场地可分为就地再生和厂拌再生２种方式；按照拌和温度可分为热再生和冷再生２种方式．本研究将从经济成本与环境效益２个角度出发对不同再生方式生产的再生沥青混合料综合效益进行定量分析．
１．１再生技术的经济成本分析
考虑再生沥青混合料从旧路铣刨到再生再到铺筑的完整再生过程，其机械成本费用依据《公路工程预算定额》（ＪＴＧ／Ｔ３８３２—２０１８）和《公路工程机械台班费用定额》（ＪＴＧＴ３８３３—２０１８）进行计算．再生沥青路面材料生产过程分为５个阶段，分别是旧路铣刨阶段、旧路运输阶段、混合料拌和生产阶段、新路运输阶段以及新路铺筑阶段．沥青混合料的成本主要来自原材料费用、机械成本费用和人工成本费用［９］，其中混合料成本中的机械成本又被分为设备使用费用以及油耗费用．
１．２再生技术的经济成本分析
沥青路面再生技术所带来的环境效益需要考虑完整的再生沥青混合料的生产以及铺筑过程，按照施工顺序将再生路面分为４个阶段，分别是旧路处理阶段、新料生产阶段、混合料生产阶段以及路面施工阶段，记为Ｅ１～Ｅ４．建立沥青路面再生技术能耗与排放量化清单来分析不同再生技术不同阶段的能耗与负环境效应气体排放，将单位再生沥青混合料的能耗与废气排放通过与同热量同排放的标准煤燃烧等效计算成本．表１给出了不同气体带来的不同负环境效益以及等效换算系数［１０１１］，全球变暖以碳排放作为标准排放，酸化效应以硫排放作为标准排放，健康危害以氮排放作为标准排放，可吸入颗粒物按照ＰＭ２．５和ＰＭ１０作为标准排放［１２］．
由于燃烧标准煤会同时产生４类负环境效益气体，因此取换算标准煤质量最大的一类负环境效益结果作为最终换算结果，采用下式计算１ｔ再生沥青混合料的能耗与负环境效应气体排放的等效费用成本［１３］：
计算出不同再生方式的再生沥青混合料的单位成本与普通沥青混合料的经济成本与环境收益，然后根据下式计算不同再生方式的综合收益率：
2
基于深度神经网络的混合料需求模型
为了实现对路网养护所需使用的沥青混合料的准确预测，以准确估计使用再生技术为区域路网带来的再生效益，本文提出了一种基于二阶段深度人工神经网络的路网养护沥青需求量间接预测模型．模型由２个独立的深度神经网络构成：一阶段神经网络模型基于当前道路的健康状况预测自然衰减下的未来道路健康状况；二阶段神经网络基于未来道路健康状况进行养护处置方案模糊决策．之后根据处置方案进行路网沥青需求量计算，流程如图１所示．
人工神经网络是一种现代人工智能算法，拥有较强的快速拟合复杂非线性映射的能力与泛化性能力．人工神经网络算法包含２个关键步骤：①通过激活函数将非线性连续添加到网络中，以便网络可以获得拟合高度非线性映射的能力；②通过误差反向传播来连续训练隐藏层的权重和偏差，以便网络可以在迭代过程中连续逼近现实［１４］。
图１中左侧神经网络（模型１）的作用是基于目前的道路健康状况对未来（本文为１年后，取决于检测周期）道路的健康状况进行预测．模型１的输入为ｔ时刻的路面车辙深度指数（ＲＤＩ）、路面破损状况指数（ＰＣＩ）、路面抗滑性能指数（ＳＲＩ）和路面行驶质量指数（ＲＱＩ），输出为ｔ＋１时刻的ＲＤＩ、ＰＣＩ、ＳＲＩ和ＰＱＩ．网络结构共有１４层结构层，包括８层全连接层和６层功能层．全连接各层的神经元数量分别为２５６、２５６、１２８、１２８、６４、６４、１４和４个．功能层分别为批归一化层（ＢＮ）和Ｄｒｏｐｏｕｔ层．ＢＮ层用于解决深度学习中梯度弥散的问题，通过计算每次训练的均值和均方差，通过减均值再除以均方差的方式对采样分布进行尺度缩放与偏移，使得新的分布更切合数据的真实分布，保证模型的非线性表达能力［１５］．Ｄｒｏｐｏｕｔ层用于解决过拟合问题，在每批训练中随机忽略隐藏层的一部分神经元，这种方式可以减少隐层节点间的相互作用，使网络不会过于依赖某些局部特征［１６］。
图１中右侧神经网络（模型２）的作用是基于路面健康状况来决策所需要的养护方案（此处并非为具体方案，而是方案的处置类别）．模型２的输入为ｔ时刻的ＲＤＩ、ＰＣＩ、ＳＲＩ和ＲＱＩ，输出为概率分布（Ｐ（无需养护）、Ｐ（预防性养护）、Ｐ（小修）、Ｐ（中修）、Ｐ（大修））．网络的结构层共有１４层，与模型１的结构类似，区别是最后一层全连接层的激活函数被替换成Ｓｏｆｔｍａｘ函数，输出一个长度为５的概率分布．
模型１中，预测的跨度与训练样本的时间间隔有关，本文以江苏省养护监测数据为案例，根据技术状况评定规范与养护现状，因此预测跨度取为１年，训练样本为在未经养护的情况下前后一年道路的技术状况检测指标．模型２中，养护方案按照处置程度分为无需养护、预防性养护、小修、中修和大修５种，由于对区域路网的沥青再生混合料需求估算属于模糊估计，精度要求不严格，因此根据每种处置方案对沥青路面处置的平均厚度，结合道路宽度即可估算出沥青混合料的数量．
3
旧料再生站点规划模型
旧料仓库综合选址将综合考虑高速公路旧料产量与需求量、旧料仓库适宜选址的地理环境因素与总运距，来确定最优旧料仓库位置．本研究以Ｈａｎ等［３］的沥青路面旧料（ｒｅｃｌａｉｍｅｄａｓｐｈａｌｔｐａｖｅｍｅｎｔ，ＲＡＰ）存储仓库选址模型为基础，进一步进行优化与改进，具体包括：在综合运距计算时考虑多种再生混合料的综合收益率Ｆａ，并使用Ｄｉｊｋｓｔｒａ算法来求解最短路径问题．
３．１仓库需求量计算
常用的旧料存储仓库简化模型［３］如图２所示．该模型将存储仓库的辐射范围简化成以仓库为中心的圆形区域，根据旧料仓库费用和混合料的运输成本与辐射半径的导数关系，计算出仓库的经济半径．并基于经济半径与路网区域面积，根据下式确定区域内需要设置的仓库数Ｎ：
在确定仓库数量后，开始进行旧料仓库位置的确定．将选址应考虑因素划分为２类：区域运输经济性与仓库设置环境条件．
３．２经济运距因素
旧料的总运距除了与仓库回收点距离有关，还与旧料的产量、需求量有关．若某一地点距离仓库较近，但其旧料的产量、需求量巨大，则需要运输车多次往返运输，其总运距也将显著增加．因此，本文进一步将旧料产销量与最短路径相结合，选出总运距最短的仓库地址．若将邻接矩阵中的元素设置为相邻２个节点之间的距离，则可通Ｄｉｊｋｓｔｒａ最短路径算法求得任意２个节点之间的最短路径．
Ｄｉｊｋｓｔｒａ最短路径算法是一种求某一起点到除该点外剩余所有点的最短距离的算法．本文将起始点设置为旧料仓库，通过Ｄｉｊｋｓｔｒａ最短路径算法计算出该起始点（仓库）到其他所有路网节点的最短距离，然后进行累加求和，即可得到该起始点（仓库）到全路网节点的最短路径．
类似地，若将邻接矩阵中的元素设置为相邻路网节点之间的旧料产销总量，则可以计算出任意２个节点之间的最小旧料产销量的路径．即通过该条路径从Ａ点到达Ｂ点，可使得所需要运输的旧料总量最少．此外，不同的再生沥青混合料的综合经济成本也有区别，因此将区域路网中所有端点与交点进行不重复编号，建立Ｄｉｊｋｓｔｒａ算法邻接矩阵，可达两点之间的综合运距ＳＤ（Ａ，Ｂ）按照下式计算：
３．３环境因素
地理环境因素对于回收点的选址有着至关重要的作用．回收点及旧料仓库所在地应尽量靠近现有养护工区，同时尽量避免人口密集区、降水量大湿度高地区以及湿地湖泊等保护区．通过对现有数据（再生企业分布、降水量、人口、现有养护工区、距离高速公路的距离）的综合分析，建立评分体系，以ＡｒｃＭａｐ为载体，建立旧料回收点选址的地理分布图．其中对于不利于建立回收点的因素赋值低分，对于有利于建立回收点的因素赋值高分，按照下式计算：
３．４选址流程
确定了ＲＡＰ料仓库的需求数量、基于ＧＩＳ的环境因素和使用Ｄｉｊｋｓｔｒａ算法计算的经济运距因素后，为了最大限度利用现有再生资源，旧料仓库的解空间范围为区域路网现有的道路养护工区．旧料仓库选址的第１步是在全局综合运距节点矩阵（Ｄｉｊｋｓｔｒａ最短路径排序结果）中找到最小值节点，并计算空间距离以找到节点附近的Ｑ个沥青搅拌站（Ｑ为可调阈值，本文推荐取值为３）．然后将地理环境因子值最小的沥青搅拌站的位置作为第１个旧料仓库位置．以第１个仓库的位置为中心，并以仓库的经济半径ｒ为半径绘制圆，以移除圆覆盖区域中的沥青搅拌站和网络节点．从其余节点中选择矩阵中值最小的节点，继续从其余站点中找到Ｑ个附近的养护工区，并将地理环境因子值最小的站点作为第２个旧料仓库的位置．重复上述步骤，遍历网络中的所有节点，直到找到所有旧料仓库之后停止计算．基于上述研究，本文给出了沥青旧料回收站点的规划布局体系模型，其中包括基于当年养护方案需求的当年仓库布局模型，以及考虑未来需求的前瞻性旧料存储仓库布局模型．
4
案例研究
案例分析以１０年的江苏省高速公路路网养护数据为例，建立面向高速公路网络的沥青旧料回收站点选址模型．已知数据为路网每年的养护里程数据、铣刨得到的ＲＡＰ料产量、养护需求的沥青混合料数量以及各路段适宜采用的再生养护技术．主流再生技术包括：厂拌热再生、厂拌冷再生、就地热再生以及就地冷再生技术．在计算再生沥青混合料的环境效益时，首先要明确标准煤的折算单价与排放标准．标准煤是指热值为２９．３０７ＭＪ／ｋｇ的煤炭，它是标准能源的一种表示方法，标准煤折算单价为原煤单价乘以原煤发热量除以发热标准量．
本文采用２０．９２０ＭＪ的工业煤进行计算，根据２０２０年国家统计局６月份统计数据，山西混煤（热值为２０．９２０ＭＪ）价格为４８５元／ｔ，计算得出标准煤单价为３４６．４３元／ｔ．工业锅炉每燃烧１ｔ标准煤，就产生二氧化碳２６２０ｋｇ，二氧化硫８．５ｋｇ，氮氧化物７．４ｋｇ，可吸入颗粒物约３．２５ｋｇ．经过计算得到４种再生方式在江苏省内适用情况的综合收益率，如表２所示.
基于江苏省２０１４—２０１９年某高速公路２００ｋｍ的百米监测数据（上下行），分别制作模型１与模型２所需的训练集．模型１的训练集数据约为２１４０００条，模型２的训练数据集约为９００条．按照训练集、验证集、测试集７∶２∶１的比例进行划分，使用Ｔｅｎｓｏｒｆｌｏｗ２．０框架建立深度人工神经网络并分别进行训练．
其中模型１的路面状况预测网络训练后的预测精度误差分析结果如图３（ａ）所示，模型２的决策网络训练后的决策精度如图３（ｂ）所示，二者都实现了高精度、低损失值的训练效果．模型１和模型２的训练过程损失值变化如图３（ｃ）、（ｄ）所示．模型１经历１００次训练，模型２经过１５０次训练后均达到设定的收敛条件（损失值小于设定的阈值）．使用测试集数据对模型１与模型２的精度进行验证，模型１的测试集样本精度误差为９４．４％，模型２的测试集样本精度误差为９７．５％．根据训练得到的二阶段模型，对江苏省高速公路网络剩余寿命周期内每年用于养护的再生沥青混合料需求进行估算．
根据路网内各道路不同再生混合料的适用情况以及对未来５年混合料不同再生混合料适用状况的预测值，根据标定的路网节点建立Ｄｉｊｋｓｔｒａ邻接矩阵求解区域路网节点的最短路径之和．同时使用ＡｒｃＭａｐ建立选址环境ｂｕｆｆｅｒ图，基于上文选址流程进行选址规划求解，如图４所示．
图４（ｂ）为江苏省高速公路网的沥青旧料回收站点选址结果．完成沥青回收料旧料选址结果后，使用费用效益分析法分析选址结果服务于区域路网的整体再生养护所创造的经济效益．按照道路全生命周期３０年计算，利用下式计算全生命周期的江苏省路网再生优势净现值：
由图５可知，按照３０年计算道路的全寿命周期，每次路面经过大修后经济曲线就会出现拐点并放缓增速，在寿命周期末，再生沥青混合料养护比普通沥青混合料养护的总综合效益提升约１５亿元．这表明沥青路面的综合再生利用措施在区域路网中的推广具有较大的投资回报，也证明了与其配套的江苏省区域路网ＲＡＰ料存储调配仓库是必不可少的．
5
结论
１）对比分析了４种再生方式与普通沥青混合料在经济成本与环境效益的费用差，建立了考虑完整施工养护过程的再生沥青混合料综合收益率定量计算方法．
２）基于区域路段养护数据的路网宏观需求，提出二阶段深度人工神经网模型，实现了路网养护再生沥青需求量间接预测计算．
３）综合考虑环境与经济因素，基于Ｄｉｊｋｓｔｒａ最短路径算法，建立了面向区域路网不同时间需求的ＲＡＰ料存储站点布局体系，实现了基于江苏省高速公路网络养护需求的ＲＡＰ料仓库选址，并定量评估了道路全寿命周期内路网再生养护投资净现值．
４）本文在计算仓库经济半径时考虑统一堆放的处置模式，针对未来ＲＡＰ料精细化处置模式可将模型进行对应改进．
参考文献（Ｒｅｆｅｒｅｎｃｅｓ）
［１］汪双杰，马涛，张伟光，等．沥青路面长期性能研究的经验与挑战［Ｊ］．科学通报，２０２０，６５（３０）：３２２８３２３７．ＷａｎｇＳＪ，ＭａＴ，ＺｈａｎｇＷＧ，ｅｔａｌ．Ｅｘｐｅｒｉｅｎｃｅａｎｄｃｈａｌｌｅｎｇｅｓｏｆｌｏｎｇｔｅｒｍｐｅｒｆｏｒｍａｎｃｅｒｅｓｅａｒｃｈｏｎａｓｐｈａｌｔｐａｖｅｍｅｎｔ［Ｊ］．ＣｈｉｎｅｓｅＳｃｉｅｎｃｅＢｕｌｌｅｔｉｎ，２０２０，６５（３０）：３２２８３２３７．（ｉｎＣｈｉｎｅｓｅ）
［２］温宇宁，李荣越，宋家楠，等．浅谈再生沥青混合料预制构件在高速公路附属设施中的应用［Ｊ］．公路，２０２１，６６（２）：３７２３７４．
［３］ＨａｎＣＪ，ＭａＴ，ＸｕＧＪ，ｅｔａｌ．Ａｍｕｌｔｉｆａｃｔｏｒａｎａｌｙｓｉｓａｐｐｒｏａｃｈｆｏｒｒｅｃｙｃｌｅｄａｓｐｈａｌｔｍｉｘｔｕｒｅｓｔｏｃｋｐｉｌｅｃｅｎｔｅｒｌｏｃａｔｉｏｎ［Ｊ］．ＴｒａｎｓｐｏｒｔａｔｉｏｎＲｅｓｅａｒｃｈＰａｒｔＤ：ＴｒａｎｓｐｏｒｔａｎｄＥｎｖｉｒｏｎｍｅｎｔ，２０２０，８６：１０２４６３．ＤＯＩ：１０．１０１６／ｊ．ｔｒｄ．２０２０．１０２４６３．
［４］薛国胜．基于全寿命周期养护成本理念的沥青混凝土路面就地热再生技术经济分析［Ｊ］．公路，２０１５，６０（２）：５３５６．
［５］聂忆华，康彦晶，刘苹．旧沥青路面厂拌热再生利用经济效益分析模型研究［Ｊ］．公路工程，２０１３，３８（４）：１２０１２３．ＮｉｅＹＨ，ＫａｎｇＹＪ，ＬｉｕＰ．Ｅｃｏｎｏｍｉｃｂｅｎｅｆｉｔｓａｎａｌｙｓｉｓｍｏｄｅｌｏｆｈｏｔｐｌａｎｔｍｉｘｒｅｃｙｃｌｉｎｇａｓｐｈａｌｔｐａｖｅｍｅｎｔｓ［Ｊ］．ＨｉｇｈｗａｙＥｎｇｉｎｅｅｒｉｎｇ，２０１３，３８（４）：１２０１２３．（ｉｎＣｈｉｎｅｓｅ）
［６］姚胜，李泉，吴超凡，等．乳化沥青厂拌冷再生技术在长沙机场高速的应用［Ｊ］．公路工程，２０２０，４５（３）：１６９１７４．ＤＯＩ：１０．１９７８２／ｊ．ｃｎｋｉ．１６７４０６１０．２０２０．０３．０３０．ＹａｏＳ，ＬｉＱ，ＷｕＣＦ，ｅｔａｌ．ＴｈｅａｐｐｌｉｃａｔｉｏｎｏｆｅｍｕｌｓｉｆｉｅｄａｓｐｈａｌｔｐｌａｎｔｍｉｘｉｎｇｃｏｌｄｒｅｃｙｃｌｉｎｇｔｅｃｈｎｏｌｏｇｙｉｎＣｈａｎｇｓｈａａｉｒｐｏｒｔｅｘｐｒｅｓｓｗａｙ［Ｊ］．ＨｉｇｈｗａｙＥｎｇｉｎｅｅｒｉｎｇ，２０２０，４５（３）：１６９１７４．ＤＯＩ：１０．１９７８２／ｊ．ｃｎｋｉ．１６７４０６１０．２０２０．０３．０３０．（ｉｎＣｈｉｎｅｓｅ）
［７］吴振亚，武和平．水泥基层就地冷再生施工工艺与经济效益分析［Ｊ］．公路工程，２０１１，３６（４）：１６１１６３．ＷｕＺＹ，ＷｕＨＰ．Ｔｈｅｃｏｎｓｔｒｕｃｔｉｏｎｔｅｃｈｎｏｌｏｇｙａｎｄｅｃｏｎｏｍｉｃｂｅｎｅｆｉｔｓｏｆｔｈｅｃｏｌｄｉｎｐｌａｃｅｒｅｃｙｃｌｉｎｇｕｓｉｎｇｃｅｍｅｎｔａｓａｄｄｉｔｉｖｅ［Ｊ］．ＨｉｇｈｗａｙＥｎｇｉｎｅｅｒｉｎｇ，２０１１，３６（４）：１６１１６３．（ｉｎＣｈｉｎｅｓｅ）
［８］李波，李晓辉，杨小龙．沥青路面回收材料再生性能评价［Ｊ］．中外公路，２０１４，３４（５）：２６７２７０．ＤＯＩ：１０．１４０４８／ｊ．ｉｓｓｎ．１６７１２５７９．２０１４．０５．０６０．
［９］ＢｒｅｓｓｉＳ，ＳａｎｔｏｓＪ，ＯｒｅｋｏｖｉＭ，ｅｔａｌ．Ａｃｏｍｐａｒａｔｉｖｅｅｎｖｉｒｏｎｍｅｎｔａｌｉｍｐａｃｔａｎａｌｙｓｉｓｏｆａｓｐｈａｌｔｍｉｘｔｕｒｅｓｃｏｎｔａｉｎｉｎｇｃｒｕｍｂｒｕｂｂｅｒａｎｄｒｅｃｌａｉｍｅｄａｓｐｈａｌｔｐａｖｅｍｅｎｔｕｓｉｎｇｌｉｆｅｃｙｃｌｅａｓｓｅｓｓｍｅｎｔ［Ｊ］．ＩｎｔｅｒｎａｔｉｏｎａｌＪｏｕｒｎａｌｏｆＰａｖｅｍｅｎｔＥｎｇｉｎｅｅｒｉｎｇ，２０２１，２２（４）：５２４５３８．ＤＯＩ：１０．１０８０／１０２９８４３６．２０１９．１６２３４０４．
［１０］ＥｇｇｌｅｓｔｏｎＳ，ＢｕｅｎｄｉａＬ，ＭｉｗａＫ．２００６ＩＰＣＣｇｕｉｄｅｌｉｎｅｓｆｏｒｎａｔｉｏｎａｌｇｒｅｅｎｈｏｕｓｅｇａｓｉｎｖｅｎｔｏｒｉｅｓ［ｒｅｃｕｒｓｏｅｌｅｃｔｒóｎｉｃｏ］：ｗａｓｔｅ［Ｍ］．Ｋａｎａｇａｗａ，Ｊａｐａｎ：ＩｎｓｔｉｔｕｔｅｆｏｒＧｌｏｂａｌＥｎｖｉｒｏｎｍｅｎｔａｌＳｔｒａｔｅｇｉｅｓ，２００６：５６．
［１１］唐礼泉，郝培文．沥青路面不同再生方法ＣＯ２排放量研究［Ｊ］．中外公路，２０１２，３２（１）：１０４１０８．ＤＯＩ：１０．１４０４８／ｊ．ｉｓｓｎ．１６７１２５７９．２０１２．０１．００６．
［１２］ＤａｖｉｅｓＷ．Ｐｒｏｐｏｓｅｄｍｏｄｉｆｉｃａｔｉｏｎｓｔｏｔｈｅｃｏｓｔｂｅｎｅｆｉｔａｎａｌｙｓｉｓｄｅｃｉｓｉｏｎｃｒｉｔｅｒｉａｆｏｒｒｏａｄｐｒｏｊｅｃｔｅｖａｌｕａｔｉｏｎｔｏｉｍｐｒｏｖｅｄｅｃｉｓｉｏｎｍａｋｉｎｇ［Ｊ］．ＴｒａｎｓｐｏｒｔａｔｉｏｎＪｏｕｒｎａｌ，２０１２，５１（４）：４７３．ＤＯＩ：１０．５３２５／ｔｒａｎｓｐｏｒｔａｔｉｏｎｊ．５１．４．０４７３．
［１３］曹雯．江苏省公路沥青路面再生利用综合策略研究［Ｄ］．南京：东南大学，２０１９．ＣａｏＷ．ＲｅｓｅａｒｃｈｏｎｃｏｍｐｒｅｈｅｎｓｉｖｅｓｔｒａｔｅｇｉｅｓｏｆｒｅｃｙｃｌｅｄａｓｐｈａｌｔｐａｖｅｍｅｎｔｉｎＪｉａｎｇｓｕｐｒｏｖｉｎｃｅ［Ｄ］．Ｎａｎｊｉｎｇ：ＳｏｕｔｈｅａｓｔＵｎｉｖｅｒｓｉｔｙ，２０１９．（ｉｎＣｈｉｎｅｓｅ）
［１４］ＪａｉｎＡＫ，ＭａｏＪＣ，ＭｏｈｉｕｄｄｉｎＫＭ．Ａｒｔｉｆｉｃｉａｌｎｅｕｒａｌｎｅｔｗｏｒｋｓ：Ａｔｕｔｏｒｉａｌ［Ｊ］．Ｃｏｍｐｕｔｅｒ，１９９６，２９（３）：３１４４．ＤＯＩ：１０．１１０９／２．４８５８９１．
［１５］ＬｉＹＨ，ＷａｎｇＮＹ，ＳｈｉＪＰ，ｅｔａｌ．Ａｄａｐｔｉｖｅｂａｔｃｈｎｏｒｍａｌｉｚａｔｉｏｎｆｏｒｐｒａｃｔｉｃａｌｄｏｍａｉｎａｄａｐｔａｔｉｏｎ［Ｊ］．ＰａｔｔｅｒｎＲｅｃｏｇｎｉｔｉｏｎ，２０１８，８０：１０９１１７．ＤＯＩ：１０．１０１６／ｊ．ｐａｔｃｏｇ．２０１８．０３．００５．
［１６］ＢａｌｄｉＰ，ＳａｄｏｗｓｋｉＰ．Ｔｈｅｄｒｏｐｏｕｔｌｅａｒｎｉｎｇａｌｇｏｒｉｔｈｍ［Ｊ］．ＡｒｔｉｆｉｃｉａｌＩｎｔｅｌｌｉｇｅｎｃｅ，２０１４，２１０：７８１２２．ＤＯＩ：１０．１０１６／ｊ．ａｒｔｉｎｔ．２０１４．０２．００４
来源：东南大学学报２０２２年１月
作者：徐光霁韩诚嘉马涛黄晓明黄若昀（东南大学交通学院，南京２１１１８９）（江苏高速公路工程养护技术有限公司，南京２１００００
作者简介：徐光霁（１９８６—），男，博士，副教授；马涛（联系人），男，博士，教授，博士生导师，ｍａｔａｏ＠ｓｅｕ．ｅｄｕ．ｃｎ．
基金项目：国家自然科学基金资助项目（５１８０８１１６）、江苏省自然科学基金资助项目（ＢＫ２０１８０４０４）、东南大学优秀青年教师科学研究资助项目（２２４２０２１Ｒ４１１３２）．
引用本文：徐光霁，韩诚嘉，马涛，等．路网沥青旧料综合再生站点规划与效益［Ｊ］．东南大学学报（自然科学版），２０２２，５２（１）：１４５１５１．ＤＯＩ：１０．３９６９／ｊ．ｉｓｓｎ．１００１－０５０５．２０２２．０１．０１９
利维康道搜集整理，转载请注明出处。
推荐阅读采用就地再生技术对旧沥青路面结构进行修复的14种方案及6种施工工艺
张肖宁┃沥青路面结构健康管理的理念、方法与技术
废弃沥青材料的循环利用关键技术研究
徐剑┃沥青路面旧料循环利用
拾方治┃沥青路面冷再生强度机理与材料设计
在看一下！预览时标签不可点收录于合集#个上一篇下一篇