1. 引言
多年来，我国在公路工程领域进行了大量的科学研究，在科研和应用方面也取得了不少成果，但针对沥青路面施工质量控制方面的研究相对匮乏，已成为我国沥青路面质量提升和进步的主要制约因素之一 [1]。
路面施工信息化、智能化是未来公路施工发展的必然趋势，而我国在沥青路面施工过程全过程监控技术方面尚处于起步阶段 [2]，在路面施工市场的迫切需求和路面施工智能动态监控系统自身优势的双重推力下，云平台监控技术应运而生。相比于传统监控系统，云平台监控利用现代化互联、区块链、智能传感收集、大数据统计分析等一系列先进技术，将沥青路面施工过程中诸多子系统整合到路面质量信息化监控平台。通过该平台，一方面改变了沥青路面质量控制的滞后性，可对质量安全隐患进行提前预判并实时调整；另一方面，系统通过数据的统计分析对沥青路面的质量形成良好的溯源机制，同时通过多项目、大数据的深度挖掘对后续新建工程项目的实施提供有力的技术支撑。
2. 云平台监控系统的技术途径
2.1. 系统设计思想
沥青路面质量监控系统将依托互联网建立大数据管理平台，收集沥青路面施工过程中的关键业务数据，通过建设“数据自动采集和分析传输系统”，提升施工质量控制水平，降低现场管理成本，提高项目精细管理水平和行业监管服务效率 [3]。
2.2. 系统组成
沥青路面施工质量监控系统由采集、传输终端和信息监管服务平台两部分组成，见图1。
采集、传输终端由物联采集传输终端、定位定向设备、网络传输设备、终端显示设备等组成。信息监管服务平台由数据采集软件、数据处理软件、数据库、客户端等组成。
2.3. 系统功能
1) 原材料检测：自动采集沥青软化点、沥青针入度、沥青延度检测结果数据；集料、外加剂等其他原材料检测设备的数据自动采集和端口录入。
2) 拌合站生产参数：实时采集拌和设备在生产过程中的各项数据，包括逐盘集料掺配比例、沥青用量、外加剂掺量、干湿拌时间、各项加热温度等，见图2。
Figure 1. System composition and flow chart
图1. 系统组成及流程图
Figure 2. The Function of system application
图2. 系统应用的功能
3) 混合料运输参数：实时采集运输车装料时间、行驶轨迹、到场时间、摊铺开始时间及桩号、摊铺结束时间及桩号等 [4] [5]。
4) 摊铺参数：通过定位系统实时采集摊铺速度，通过激光和红外传感器实时采集摊铺温度、厚度，通过接入摊铺机数据端口采集各项控制参数 [6]。
5) 压实参数：通过智能压实控制系统，获取压实遍数、压实速度、压实轨迹、振动频率及压实温度等 [7] [8] [9]。
各项数据、参数汇总至云平台，依据设定的极值和计算方法进行统计分析，然后传输至可视化客户端，并实时、逐级地进行预警提示，完成全过程动态控制。
3. 监控系统的应用
传统监控系统在应用过程中存在监管不及时、信息传输不稳定、评价体系不健全等诸多弊端。云平台技术建立起一套科学有效的路面施工质量数据管理平台，构建云平台集中监管体系，变被动“监督”为主动“监测与预警”；通过对施工数据不合理的波动监控，构建起原材料、生产、施工、检测等一整套评价体系。
为了实现该系统全新的监管模式，将大数据、移动互联、人工智能等一系列新理念、新技术引入到实体项目中，实现对沥青路面施工全方位、全过程、一体化的动态质量控制。
3.1. 工程简介
云平台监控系统应用于董家口至梁山高速公路新泰至宁阳段，简称“新宁高速”，新宁高速是山东省“九纵五横一环七连”高速公路网中“横四”线董家口至梁山公路的组成部分。
3.2. 沥青质量监控
在沥青质量控制中，到场沥青在工地试验室进行三大指标检测，频率按照车车必检的原则。同时，按照一定频率送外委检测，以此来校验工地试验室的试验水平及质量控制情况。
本文选取不同日期到场的SBS改性沥青，共计79组，对工地试验室的三大指标检测数据进行统计处理分析，结果见表1。
Table 1. Descriptive statistical results of modified asphalt test data
表1. 改性沥青检测数据描述性统计结果
绘制了SBS改性沥青指标统计直方图(图3、图4、图5)和质量控制QC图(图6、图7、图8)，分析得出以下结论：
① 由描述性统计结果表得出，沥青三大指标数据的变异系数较小，表明试验室的检测结果离散性不大，试验室水平值得认可 [10]。
② 由三大指标质量控制QC图可知，工地试验室对沥青针入度和延度的检测值比较均一，表明试验室在这两个指标上的检测水平较稳定。
③ 部分软化点值满足设计文件的技术要求，但超过了大数据统计的临界值，说明工地试验室在这个指标上的测定存在一定波动，需要与外委送检数据进一步核对后，对自身设备、检测方法等采取一定的校正措施。
3.3. 生产过程稳定性分析
以沥青混合料AC-20为例，介绍生产过程中动态质量控制，监控管理界面见图9。本文针对生产过程中各项控制参数、指标进行统计，对全生产周期内的生产波动情况进行分析。
Figure 9. Production process monitoring management interface
图9. 生产过程的监控管理界面
3.3.1. 级配动态分析——各关键筛孔通过率
1) 0.075 mm筛孔动态管理控制
由图10可看出，0.075 mm通过率的波动在容许范围内，3天均值变化满足质控上下限要求，但通过
Figure 10. Dynamic quality management diagram of the mesh pass rate of 0.075 mm
图10. 0.075 mm筛孔通过率动态质量管理图
Figure 11. The mesh pass rate of 0.075 mm histogram and normal distribution curve
图11. 0.075 mm筛孔通过率直方图及正态分布曲线
率整体偏小，级配偏粗；对0.075 mm通过率进行全过程生产周期内的总量检验，见图11，其中：
；
；
。
2) 2.36 mm筛孔动态管理控制
由图12可看出，2.36 mm通过率的波动在规范容许范围内，3天均值变化满足质控上下限要求，整体通过率波动较小；对2.36 mm通过率进行全过程生产周期内的总量检验，见图13，其中：
；
；
。
Figure 12. Dynamic quality management diagram of the mesh pass rate of 2.36 mm
图12. 2.36 mm筛孔通过率动态质量管理图
Figure 13. The mesh pass rate of 2.36 mm histogram and normal distribution curve
图13. 2.36 mm筛孔通过率直方图及正态分布曲线
3) 4.75 mm筛孔动态管理控制
由图14可看出，4.75 mm通过率的波动在规范容许范围内，3天均值变化满足质控上下限要求，整
Figure 14. Dynamic quality management diagram of the mesh pass rate of 4.75 mm
图14. 4.75 mm筛孔通过率动态质量管理图
体通过率波动较小；对4.75 mm通过率进行全过程生产周期内的总量检验，见图15，其中：
；
；
。
Figure 15. The mesh pass rate of 4.75 mm histogram and normal distribution curve
图15. 4.75 mm筛孔通过率直方图及正态分布曲线
4) 9.5 mm筛孔动态管理控制图
由图16可看出，9.5 mm通过率统计中有个别点超出容许范围，3天均值变化亦不满足质控上下限要求，整体通过率偏大，级配偏细；对9.5 mm通过率进行全过程生产周期内的总量检验，见图17，其中：
；
；
。
Figure 16. Dynamic quality management diagram of the mesh pass rate of 9.5 mm
图16. 9.5 mm筛孔通过率动态质量管理图
Figure 17. The mesh pass rate of 9.5 mm histogram and normal distribution curve
图17. 9.5 mm筛孔通过率直方图及正态分布曲线
5) 16 mm筛孔动态管理控制图
由图18可看出，16 mm通过率的波动在容许范围内，3天均值变化满足质控上下限要求，但整体通过率偏大，级配偏细；对16 mm通过率进行全过程生产周期内的总量检验，见图19，其中：
；
；
。
Figure 18. Dynamic quality management diagram of the mesh pass rate of 16 mm
图18. 16 mm筛孔通过率动态质量管理图
Figure 19. The mesh pass rate of 16 mm histogram and normal distribution curve
图19. 16 mm筛孔通过率直方图及正态分布曲线
6) 小结
关键筛孔的通过率存在一定的波动性，但大部分在容许范围内波动，其中，9.5 mm和16 mm两个筛孔级配偏细，2.36 mm筛孔波动偏大，0.075 mm级配偏粗且波动偏大，分析原因如下：
① 料源不稳定：由于不同碎石场的原石机理组成、筛网尺寸、破碎工艺等诸多影响因素，导致集料规格品质有一定差异，进而影响到关键筛孔的波动；
② 0.075 mm通过率主要受细集料砂当量和矿粉粗细程度的影响，究其原因，矿粉细度主要受制于生产过程中的原材料、生产工艺不同，细集料砂当量受原石洁净程度和拌合站除尘大小的影响 [11]；
③ 现场生产过程中，由于现场施工作业面离析较为严重，不好控制，根据现场实际情况进行了级配微调整，造成级配略偏细；
④ 试验室取样过程中的取样方式、试验过程中的分料方式、筛分过程中的效率高低、计算过程中的数值取舍判断等都会影响到数据的准确性，需要加强试验技术培训，减小数值的离散型。
3.3.2. 沥青含量动态分析
1) 沥青用量动态管理控制
由图20可以看出，整个AC-20生产过程中沥青用量的计量基本围绕设定值波动，其燃烧所得沥青含量指标波动在规范容许范围内，3天均值变化满足质控上下限要求；对全过程生产周期内沥青含量进行总量检验，见图21，其中：
；
；
；
Figure 20. Dynamic quality management diagram of asphalt consumption
图20. 沥青用量动态质量管理图
Figure 21. Asphalt consumption histogram and normal distribution curve
图21. 沥青用量直方图及正态分布曲线
2) 沥青用量存在波动的原因如下：
试验室对沥青混合料的取样不均匀占主导因素，混合料偏粗，细集料偏少，裹附的沥青亦会偏少；另外，试验过程中分料不均匀、燃烧炉标定不准确等都会对沥青用量的检测造成较大的偏差 [12]；因此，沥青用量的检测要进一步规范取样、试验方法，加强设备标定，并采用多设备检测进行校核。
3.4. 施工过程可靠性分析
依旧以沥青混合料AC-20为例，分别对施工过程中室内马歇尔空隙率、现场压实度、厚度等参数进行可靠性分析，其动态质量管理图分别见图22、图23和图24。
1) 室内马歇尔空隙率
Figure 22. Porosity dynamic quality management chart
图22. 空隙率动态质量管理图
2) 现场压实度分析
Figure 23. Compaction dynamic quality management chart
图23. 现场压实度动态质量管理图
3) 芯样厚度分析
Figure 24. Core sample thickness dynamic quality management chart
图24. 芯样厚度动态质量管理图
分析结论：
① 室内马歇尔空隙率波动较大且个别值超出范围，主要由于试验室取料分料不规范、混合料离析、试件成型温度不稳定、试件测量偏差等原因造成；
② 现场压实度整体控制较为均匀，且均能满足标准要求；
③ 现场所取芯样厚度均能满足要求，但厚度均匀性较差，主要受制于标高、初始压实度、横坡等参数的控制 [13]。
4. 结论
通过建设项目各参建单位对沥青路面的抽检，发现使用云平台监控系统的合同段，其路面各项检测指标要优于其他标段，实现了施工的全过程动态控制，降低了质量缺陷风险。相比于传统监控系统，云平台监控系统的优势主要体现在以下几个方面：
1) 质量控制提升
沥青路面施工质量云平台监控管理系统从沥青路面的原材料、拌和、现场施工、成品检测等多方面实时监控，进行数理统计分析并设置判别限值，对施工过程中的不合理动态波动及时预警，降低施工变异系数 [14]，将原本的事后质量控制纳入到生产前和生产过程中，极大的改变了沥青路面质量控制的滞后性，为整个项目的品质提升保驾护航。
2) 数据共享，提高效率
实现建设单位、质监单位、监理单位和施工单位之间的数据信息共享，根据参建单位的职能关系设置相应权限，通过系统向其展示所管辖项目沥青路面的整体进度 [15]。对不合格数据、参数进行统计分析，按照权限级别分类，通过云平台向相关人员发送预警信息，缩短响应时间，提高质控工作效率，从而实现成本、进度、质量的高效融合。
3) 质量缺陷责任溯源
云平台监控系统存留了各个环节的沥青路面施工原材料检测情况，混合料生产数据统计分析情况，混合料运输、摊铺、碾压等施工情况 [16]，以及成品路面检测情况等。通过以上数据留存，可以做到沥青路面施工各个环节的全覆盖质量核查及缺陷责任追溯。
4) 大数据汇总统计，指导后续项目
通过监控系统进行多个建设项目数据的收集，通过大数据分析，进行深度的数据挖掘和技术的总结提升，为后续公路项目的规划、设计、施工、检测等提供一定的技术支撑。