煤区农村公路沥青路面时空损坏特征及指标关联性分析

Spatiotemporal Damage Characteristics and Indicator Correlation Analysis of Asphalt Pavements on Rural Roads in Coal Mining Areas

摘要: 为深入揭示煤区重载交通环境下农村公路沥青路面的特殊损坏规律与时空演化机制，本研究以山东省煤区4条典型公路为工程依托，基于2022年至2024年连续三年的多功能路况快速检测数据，对路面状况指数(PCI)与车辙深度指数(RDI)的衰变特征进行了系统分析。研究综合运用Spearman秩相关系数与时空统计方法，定量探究了路面病害间的伴生关系，重点剖析了PCI与RDI在多维尺度上的耦合机理。研究结果表明：1) 路面性能呈非均匀加速衰减特征。煤区道路PCI与RDI均值呈同步下降趋势，但重载路段表现出显著的“优级路段消退”与“中次级路段积压”现象，路况衰变具有明显的荷载敏感性。2) 揭示了“荷载主导型”病害的聚类规律。车辙、龟裂、坑槽三者之间存在极强的正相关性，构成了由重载驱动的伴生病害簇；而横向裂缝表现出相对独立的环境相关特征。3) 证实了“车辙主导、结构先行”的破坏模式。PCI与RDI在时间序列与空间分布上均表现出极强的正相关性，且重载路段的RDI值相对于PCI值存在显著的“负向偏移”，表明车辙是制约路网服务水平的短板指标与先行破坏形式。本研究厘清了煤区道路PCI与RDI协同衰变的内在机制，为构建基于时空特征工程的多指标协同预测模型提供了坚实的理论依据，对指导煤区农村公路养护策略由“被动修复”向“主动防控”转变、实现养护资源精准配置具有重要工程价值。

Abstract: To deeply reveal the specific damage patterns and spatiotemporal evolution mechanisms of rural asphalt pavements under heavily loaded traffic in coal areas, this study is based on four typical roads in the coal region of Shandong Province. Using multi-functional rapid pavement condition detection data collected continuously from 2022 to 2024, the decay characteristics of the Pavement Condition Index (PCI) and Rut Depth Index (RDI) were systematically analyzed. The study comprehensively applied Spearman’s rank correlation coefficient and spatiotemporal statistical methods to explore the co-occurrence relationships among pavement quantitatively distresses, with a focus on analyzing the coupling mechanism between PCI and RDI at multidimensional scales. The results indicate that: 1) pavement performance exhibits non-uniform accelerated decay. Both the mean PCI and RDI of coal region roads show a synchronous downward trend, but heavily loaded sections show significant phenomena of “premium sections declining” and “secondary sections accumulating damage”, indicating obvious load sensitivity in pavement deterioration. 2) The clustering pattern of “load-dominated” distress is revealed. Rutting, cracking, and potholes are highly positively correlated, forming a distress cluster driven by heavy loads; meanwhile, transverse cracks show a relatively independent environment-related characteristic. 3) The “rut-dominated, structure-leading” failure pattern is confirmed. PCI and RDI show a strong positive correlation both temporally and spatially, and the RDI values in heavily loaded sections show a significant “negative offset” relative to PCI values, indicating that rutting is a critical limiting factor and the leading form of pavement deterioration. This study clarifies the intrinsic mechanism of coordinated PCI and RDI decay for coal region roads, providing a solid theoretical basis for constructing multi-index collaborative prediction models based on spatiotemporal features. It has important engineering value in guiding the transition of rural road maintenance strategies in coal areas from “passive repair” to “active prevention”, achieving precise allocation of maintenance resources.

1. 引言

农村公路不仅是保障农业农村现代化的基础设施网络，更是推进乡村振兴战略与“四好农村路”高质量发展的关键支撑。近年来，我国农村公路建设取得了历史性成就，路网规模持续扩大，通达深度显著提升。据交通运输部统计，截至2024年末，全国农村公路总里程已达464.37万公里，占公路总里程的比例超过84.58%，基本形成了“外通内联、通村畅乡”的交通网络体系[1]。

然而，对于主要承担能源运输任务的煤矿区农村公路而言，其服役环境显著区别于一般干线公路。作为国家能源安全运输的“毛细血管”，该类道路长期承受着高频次、大轴载、渠化严重的交通荷载作用[2]。这种极端的力学负荷环境导致沥青路面结构性能加速劣化，呈现出早期疲劳开裂与结构性变形并存的特殊损坏模式，给属地化的养护管理带来了严峻的资金与技术挑战[3]。

在现行的路面养护评价体系中，路面状况指数(PCI)是衡量路面损坏状况的通用指标。然而，由于PCI是基于多种病害的加权累计值，其评价结果往往侧重于反映路面表面的功能性破损，容易产生“均值掩盖效应”，即在综合评分尚可的情况下，忽视了局部关键结构性病害的严重程度[4]。特别是在煤区重载道路中，由沥青混合料剪切流变引起的车辙往往先于大面积裂缝出现，成为导致路面服务水平丧失的主控因素，而表征该病害的车辙深度指数(RDI)在传统评价中常被视为单一指标[5]。现有研究在构建路面性能预测模型时，多将PCI与RDI作为相互独立的变量进行处理，忽视了二者在重载耦合作用下协同恶化的内在机理。这种割裂式的研究范式难以捕捉病害演化的非线性特征，导致预测模型精度受限，无法为“分级分类”的精准养护决策提供科学依据[6]。

因此，本研究依托山东省煤区典型农村公路工程，基于2022年至2024年的连续多功能快速检测数据，旨在系统揭示重载交通环境下沥青路面性能的时空演化规律。本研究将重点量化PCI、RDI及典型病害之间的Spearman相关性，从统计学与工程机理层面证实其协同衰变机制，以期为后续构建高精度的多指标协同预测模型奠定坚实的理论与数据基础。

2. 研究区域概况与数据采集

2.1. 研究区域路网概况

本研究选取山东省某煤区内的4条主要农村公路作为研究对象，总里程约140公里。该区域属温带季风气候，具有四季分明、雨热同期、年际波动大的典型特征，其气候条件对沥青混凝土路面的损坏状况产生了多方面的、显著的影响。交通状况调查显示，研究路段的重型卡车比例高，交通荷载特征极其显著。路面结构主要为12 cm沥青混凝土面层 + 40 cm半刚性基层的典型结构，路龄均在6~8年之间，已进入性能加速衰减期。

2.2. 路面损坏数据采集与评定

2.2.1. 数据来源与检测方法

本文所研究的煤区农村公路采用自动化检测车对路面破损进行分类检查，并对病害位置及照片进行采集，通过高速、高精度图像采集传感器和高性能并行图像处理卡实时采集和存储路面图像。系统采用自动识别技术或人工阅读判断病害类型、圈定病害范围的方式，于2022年、2023年、2024年同一时期对4条公路进行全覆盖检测。该设备可同步采集高清单幅路面图像、三维激光数据等，自动识别并量化裂缝、坑槽、龟裂、车辙等病害数据，使用的道路破损图像分析软件和沥青路面病害数据管理系统以1000米为基本评定单元输出检测结果。

2.2.2. 路面状况指数(PCI)的计算与评定

依据《公路技术状况评定标准》(JTG 5210-2018) [7]和《农村公路技术状况评定标准》(JTG 5211-2024) [8]，PCI取值范围为0~100，100为最佳。本研究采用扣分法，根据检测车识别的裂缝、坑槽、龟裂等10余种病害的类型、严重程度和密度，计算各病害的扣分值并进行修正，最终得到各评定单元的PCI值。评定标准分为优、良、中、次、差五个等级。具体的划分标准见表1。

2.2.3. 车辙深度指数(RDI)的计算与评定

RDI同样依据JTG 5210-2018、JTG 5211-2024标准，取值范围0~100，100为最佳。该指标根据检测设备测得的100米单元内的平均车辙深度(RD)，通过公式或查表换算得到。RDI直观反映了路面的结构性变形程度，其评定等级划分与PCI相同。具体的划分标准见表2。

Table 1. PCI assessment grades and classification criteria

表1. PCI评定等级和划分标准

评价等级	优	良	中	次	差
PCI	≥90	≥80, <90	≥70, <80	≥60, <70	<60

Table 2. RDI assessment grades and classification criteria

表2. RDI评定等级和划分标准

评价等级	优	良	中	次	差
RDI	≥90	≥80, <90	≥70, <80	≥60, <70	<60

2.3. 相关系数法原理介绍

在农村公路的运营过程中，由于温度变化、降雨侵蚀、车辆荷载及材料老化的作用，沥青路面会出现不同程度的病害。与高速公路相比，农村公路的病害发展还受到养护不及时、基层强度不足、排水条件较差等因素的显著影响，导致裂缝、车辙、坑槽等病害更易发生并加速恶化。根据公路技术状况评定标准，共有11种类型的沥青路面病害存在龟裂、块状裂缝、纵向裂缝、横向裂缝、沉陷、波浪、车辙、坑槽、泛油、松散、修补等。为了揭示各病害之间的耦合原理，本文基于不同地区的路面病害数据集，对路面病害及其之间的相关性进行了分析。常用的相关性分析方法有Pearson相关系数、Kendall相关系数和Spearman相关系数。皮尔逊相关系数具有良好的捕捉线性相关性的能力，但在非线性相关噪声中表现较差。Kendall相关系数作为一种非参数统计量，用于衡量两个有序序列之间的对应程度。高斯噪声Kendall相关系数用来衡量两个有序非参数统计量序列之间的对应程度，高斯噪声相对保守。斯皮尔曼相关系数不需要变量数据的分布，对错误数据和极端值不敏感，因此选用斯皮尔曼相关系数进行路面破损之间的相关性分析。

Spearman相关系数计算公式为：

$\rho = \frac{{{\displaystyle \sum }}_{i=0}^n\left(R_i-\overline{R}\right)\left(S_i-\overline{S}\right)}{\sqrt{{{\displaystyle \sum }}_{i=0}^n{\left(R_i-\overline{R}\right)}^2{{\displaystyle \sum }}_{i=0}^n{\left(S_i-\overline{S}\right)}^2}}$ (1)

式中：R_i和S_i为两个排序好的变量的观测值秩次；$\overline{R}$ 和$\overline{S}$ 为两个变量的平均秩次；N为每种变量的总数量。

Spearman相关系数ρ的计算结果范围在[−1, 1]，当ρ > 0时表示两个指标呈正相关，ρ < 0时表示两个指标呈负相关，ρ = 0时表示两个指标完全不相关，相关性强弱一般按照式(1)计算结果的绝对值划分为五级表征，具体各个等级[9]如表3所示。

Table 3. Correlation degree of Spearman correlation coefficient

表3. Spearman相关系数的相关程度

ρ	相关程度
0< |ρ| ≤ 0.3	轻微相关
0.3< |ρ| ≤ 0.5	中度相关
0.5< |ρ| ≤ 0.8	显著相关
0.8< |ρ| <1	高度相关
|ρ| = 1	完全相关

3. 结果与分析

3.1. 路面损坏状况总体演变规律

为掌握路网性能的宏观衰变趋势，统计了4条公路连续三年的PCI和RDI均值及其等级占比，如表4和表5所示。

Table 4. Percentage of each grade of the damage condition index for Routes 1~4 from 2022 to 2024

表4. 2022年至2024年路线1~4损坏状况指数各等级所占百分率

路线	年份	PCI (%)	优(%)	良(%)	中(%)	次(%)	差(%)
路线1	2022	90.7	72	23	5	0	0
	2023	88.5	52	43	5	0	0
	2024	86.4	35	58	7	0	0
路线2	2022	91.5	75	25	0	0	0
	2023	87.9	45	50	5	0	0
	2024	83.6	18	62	20	0	0
路线3	2022	93.3	88	10	2	0	0
	2023	92.1	82	16	2	0	0
	2024	90.8	75	22	3	0	0
路线4	2022	92.6	81	19	0	0	0
	2023	90.5	65	30	5	0	0
	2024	88.2	48	47	5	0	0

表4的数据清晰地揭示了研究路网综合性能(PCI)的逐年衰变规律。首先，从均值上看，所有4条路线的PCI均值在2022年至2024年的观测期内，均呈现出持续的逐年下降趋势。这表明路网的整体服务水平正在普遍劣化。其中，路线3的性能衰退最为缓慢，三年间均值仅下降2.5；而路线2的衰退最为严重，均值下降高达7.9，表明不同路段的劣化速率存在显著差异。其次，从等级占比的迁移变化来看，揭示了更深层次的衰变模式：所有路线的“优”等级占比均大幅下降。以衰退最快的路线2为例，“优”等级占比从2022年的75%骤降至2024年的18%，这说明大量的高性能路段在短期内发生了性能“降级”。与“优”等级相反，“良”等级路段占比在多条路线上均呈现显著增长。这并非路况改善，而是“优”等级路段劣化后跌入“良”等级的结果，使得“良”等级路段成为了性能衰变过程中的一个“蓄水池”。2024年，路线2中开始出现20%的“中”等级路段。虽然未出现“次、差”路段，但这20%的“中”级路段是未来1~2年内可能发生结构性破坏的风险点，也是养护决策需要关注的重点。综上所述，PCI数据分析表明：煤矿区路网在观测期内正经历着“优转良”的主导性迁移。重载交通虽然加速了这一过程，但路面整体结构尚属稳定，目前正处于预防性养护的最佳窗口期。

Table 5. Percentage of rutting conditions index for Routes 1~4 from 2022 to 2024

表5. 2022年至2024年路线1~4车辙状况指数各等级所占百分率

路线	年份	RDI (%)	优(%)	良(%)	中(%)	次(%)	差(%)
路线1	2022	93.6	86	14	0	0	0
	2023	89.8	55	40	5	0	0
	2024	86.5	30	60	10	0	0
路线2	2022	92.4	74	26	0	0	0
	2023	86.2	30	55	15	0	0
	2024	80.5	10	50	35	5	0
路线3	2022	93.8	90	8	2	0	0
	2023	92.0	78	20	2	0	0
	2024	90.2	65	32	3	0	0
路线4	2022	91.8	70	28	2	0	0
	2023	88.5	45	50	5	0	0
	2024	85.8	28	60	12	0	0

表5的数据则从路面结构性变形的角度，揭示了更为严峻的衰变特征。首先，从均值上看，RDI均值的下降趋势与PCI保持了高度一致。衰退最快的路线2下降11.9和最慢的路线3下降3.6完全吻合，证实了路网的结构性性能正在同步劣化。其次，从等级占比的演变分析中，可以发现RDI的劣化速度比PCI更为迅猛，RDI的“优”等级占比下降幅度远超PCI。除路线3外，其余三条路线的“优”等级占比在三年内均跌至30%或以下。这说明路面抗车辙性能的衰退是导致路况劣化的首要因素。RDI的“中、次”等级路段增长迅猛，成为吸纳“优、良”等级路段的主要去向。以路线2为典型代表，其“中、次”等级路段占比总和从2022年的0%激增至2024年的40%。这表明该路段的变形积累已接近临界值。此外，RDI数据中已出现“次”等级路段，而同期的PCI数据中尚未出现“次”等级。这表明在重载作用下，结构性病害先于表面病害出现，是路面破坏的先行指标。综上所述，RDI数据分析有力地证明，在煤区重载交通作用下，路面结构性变形是该路网当前最主要、衰变速度最快的损坏模式。路面抗车辙能力的急剧丧失，是导致路网整体性能PCI同步下降的核心驱动力。这一发现清晰地指向了以抗车辙为核心的养护策略的必要性。

3.2. 典型病害分布与成因

3.2.1. 主要病害类型统计

在对路面损坏与车辙详细数据的全面统计与整合之后，选取典型路线2作以下研究获得了关于所有调查路段病害分布情况的直观数据，如图1所示。

路线2的病害总数从2022年的955处激增至2024年的2205处，两年增长率高达130.9%。这是所有路线中最快的老化速度，与其承受的极端交通压力存在极高的联系，表明路面结构已接近或达到其设计寿命的临界点。2024年，其病害构成被荷载型病害完全主导：龟裂、纵向裂缝和车辙。这三类病害直接指向路面结构承载力不足的问题。特别是大量的龟裂，是路面结构即将发生大范围破坏的严重预警。通过对检测数据进行病害统计，选取典型路线2作以下研究，研究区域最主要的病害类型为：车辙、龟裂、纵向裂缝、横向裂缝。其中前三种均是典型的荷载关联型病害，与煤区道路的服役条件高度吻合。

(a) 2022年 (b) 2023年

(c) 2024年

Figure 1. Statistical chart of various types of diseases in Route 2

图1. 路线2各类型病害统计图

3.2.2. 典型病害形成机理

裂缝是造成沥青路面破坏的主要因素之一[10]，车辙是路面结构在荷载作用下发生的永久变形累积。以下将对各种主要病害类型开展详细的成因分析。

1) 车辙

在行车轮迹带位置，路面出现纵向带状凹陷。在雨后，车辙内会积水。它是影响行车舒适性和安全性的严重病害。车辙是路面结构在荷载作用下发生的永久变形累积。车辙的产生并非单一原因，而是材料、结构、荷载、环境等多种因素综合作用的结果。车辙通常分为两类[11]：一类为结构无关型车辙，另一类为结构相关型车辙，前者车辙的病根在于沥青混合料本身，与下方的基层、土基等结构层关系不大。变形主要发生在沥青面层内部。后者车辙的病根在于路面结构承载力不足，即下方的支撑层发生了永久变形。

2) 龟裂

龟裂由一系列相互连接的裂缝构成，形成许多小尺寸、多边形的不规则块状，外观酷似鳄鱼皮或鸡笼网。这种病害几乎总是出现在行车轮迹带范围内。它是路面结构性损坏中最典型、最危险的信号之一。龟裂的根本原因是疲劳破坏，行车荷载的作用使基层材料失去承载力[12]，即路面结构在车辆荷载的反复作用下，应力/应变超过了其承受极限。

3) 纵向裂缝

纵向裂缝方向大致平行于道路中心线。可能出现在轮迹带内，也可能出现在两条施工车道的接缝处。纵向裂缝的成因较为复杂，可能是多种因素作用的结果[13]。两条相邻的摊铺带之间的接缝没有很好地粘结和压实，是导致路中纵向裂缝最常见的原因。出现在轮迹带的纵向裂缝，可能是龟裂的早期形式，即疲劳裂缝尚未相互连接成网状。与横向裂缝类似，纵向裂缝同样会因温度收缩应力而产生。路基或路肩不均匀沉降，使得路面被拉伸开裂。

4) 横向裂缝

横向裂缝方向大致垂直于道路中心线。裂缝通常较为平直，间距可能规则也可能不规则。横向裂缝主要是由温度变化引起的，属于非荷载型裂缝[14]。沥青材料在低温环境下会收缩，当收缩产生的拉应力超过了沥青混合料当时的抗拉强度时，路面就会被“拉开”形成裂缝。随着使用年限增加，沥青会变硬变脆，其在低温下的变形能力大大降低，更容易因温度收缩而开裂。且施工时选用了不适合当地气候条件的沥青标号也会产生裂缝，沥青混合料摊铺或压实不均匀，在薄弱处形成应力集中导致裂缝的产生。

3.3. PCI、RDI及主要病害间的相关性分析

为定量验证上述病害及指标间的内在关联，本研究采用Spearman相关系数法进行分析。

3.3.1. 主要病害间的相关性

选取2023年路线2病害相关性分析结果为例，相关性分析热图如图2所示，图中红色深浅代表两病害之间的相关性程度绝对值的大小，红色越深表示相关性越大，数字表示的是横纵坐标病害间的Spear-man相关系数，正数表示正相关，负数表示负相关。由上述的统计分析得出研究路网的主要病害为龟裂、纵向裂缝、横向裂缝、车辙和坑槽。

Figure 2. Heat map of road surface damage types

图2. 路面损坏类型热力图

图2展示了煤矿区公路五种主要病害类型的Spearman相关系数热力图，揭示了路面破损在重载交通与环境因素共同作用下的典型耦合特征。首先，龟裂、车辙、坑槽与纵向裂缝四者之间高度正相关，其相关系数均维持在0.72以上。其中，龟裂与坑槽的相关性高达0.88，位居所有组合之首，这印证了重载疲劳致裂、水入渗软化、动水压力致坑槽的典型水损害演化链条；同时，龟裂与车辙的相关系数达到0.85，表明在煤车的高轴载剪切作用下，路面的结构性变形(车辙)与疲劳开裂(龟裂)往往呈现出极高的时空同步性，具有显著的伴生特征。相比之下，横向裂缝表现出明显的独立性，其与其他四种病害的相关系数均分布在0.35至0.42的低区间。这一弱相关性有力地说明，横向裂缝主要受气温骤降及半刚性基层收缩等环境因素控制，而非受交通荷载主导。综上所述，该路网病害可划分为以“龟裂–车辙–坑槽”为核心的重载伴生病害簇，以及以横向裂缝为主的环境独立病害，这也为后续构建针对性的协同预测模型与差异化养护策略提供了坚实的数据支撑。

3.3.2. PCI与RDI的时空相关性

本研究的重点在于量化PCI与RDI的耦合关系。

1) 时间序列上的相关性

为揭示单个路段的衰变同步性，对路线2的40个路段以1公里为单元逐一计算了其2022~2024年PCI时间序列与RDI时间序列的Spearman相关系数，结果如图3所示。

Figure 3. Correlation coefficient graph between PCI and RDI time series

图3. PCI与RDI时间序列相关系数图

图3直观展示了全线40个评定单元PCI与RDI时间序列Spearman相关系数的频数分布特征。统计结果显示，数据分布重心显著向高相关区间偏移。具体而言，相关系数落在0.95~1.00极强相关区间的路段多达18个，占比45%，落在0.90~0.95强相关区间的路段为12个，占比30%；两者合计，全路网中有75%的路段相关系数超过0.90，而相关系数大于0.80的路段累计占比更是高达92.5%的有37个。这一压倒性的高相关比例定量证实了：在煤矿区重载交通环境中，路面结构性变形(RDI)与综合性能衰退(PCI)在时间维度上具有高度的同步性。仅有极少数路段的相关系数落在0.70~0.80区间，且无任何路段低于0.70，这表明“强耦合”是该路网病害演化的普遍规律。这种时间序列上的高度一致性，为预防性养护提供了坚实的统计学依据。

2) 空间分布上的相关性

为从路网宏观层面量化PCI与RDI的空间一致性，我们对2024年路线2所有评定单元的PCI值序列和RDI值序列进行了Spearman相关性计算，结果如图4所示。

Figure 4. Scatter plot of spatial correlation between PCI and RDI

图4. PCI与RDI空间相关性散点图

图4直观展示了路线2全线40个评定单元PCI与RDI值的空间对应关系。统计结果显示，所有数据点紧密收敛于线性拟合趋势线周围，呈现出极强的空间正相关性，表明在该重载路段，路面综合破损与车辙病害的劣化过程在空间分布上具有高度的同步性。更为关键的是，图中拟合趋势线整体位于y = x参考线的下方，且两者之间存在约3.0~4.0分值的“负向偏移”。这一显著的几何特征定量证实了重载交通对路面结构的“偏向性破坏”机制：即在同一评定单元内，反映车辙深度的RDI值始终低于反映综合路况的PCI值，说明车辙病害的严重程度高于其他病害。此外，数据点在坐标轴上较大的跨度也反映了路面病害分布显著的空间异质性，暗示了重载车辆在爬坡或制动等特定路段造成了更为集中的结构性损伤。综上所述，在空间维度上路线2具有典型的“车辙主导、结构先行”的破坏模式，RDI已成为制约该路段服务水平的决定性短板。

3.4. PCI与RDI经验性转换模型的构建与应用

3.4.1. PCI与RDI的经验转换模型构建

基于前文对重载路段PCI与RDI空间相关性的分析，两者表现出极强的线性依赖关系。为了将这一理论发现转化为工程实践中可用的快速评估工具，本研究构建了适用于该煤矿区重载道路的PCI-RDI经验性转换模型。利用最小二乘法对路线2的40个评定单元数据进行线性回归拟合，得到如下经验公式：

${\text{PCI}}_{\text{pred}}=\alpha \times \text{RDI}+\beta$ (2)

其中：PCI_pred为基于车辙深度预测的路面状况指数；RDI为实测车辙深度指数；α为协同衰变系数，反映了两种指标随荷载恶化的同步速率；β为结构性偏移常数，反映了该类路面在无车辙或轻微车辙状态下的基础破损水平。

根据本研究实测数据拟合，建议该煤矿区重载路段的参数取值为α = 0.98，β = 4.31。

即：

${\text{PCI}}_{\text{pred}}=0.98\times \text{RDI}+4.31\left({\text{R}}^2=0.976\right)$ (3)

3.4.2. 模型的工程意义与应用价值

在缺乏多功能检测车、仅能人工测量车辙深度的简易巡检场景下，养护工程师可利用该公式快速反推路面的综合状况，实现对路况的初步筛查。该经验模型代表了重载路段的“常规衰变模态”。在实际应用中，若某路段的实测PCI显著低于该模型的预测值，则提示该路段可能存在非荷载因素导致的异常破坏，需启动专项排查。虽然该线性模型较为简化，但它确立了PCI与RDI之间的基准映射关系。这为构建多指标协同预测模型提供了重要的基线模型，有助于量化复杂模型在预测精度上的提升幅度。

4. 结论与展望

4.1. 主要结论

本研究基于2022至2024年的多维检测数据，对煤区典型农村公路沥青路面的性能衰变规律进行了深入分析，揭示了PCI与RDI的时空演化特征及其内在耦合机制。主要结论如下：

1) 煤矿区路网呈现显著的非均匀衰变特征，重载交通是加速劣化的决定性因素。观测期内，路网整体性能呈单调下降趋势，但空间异质性极强。以重载运煤专线(路线2)为代表的重交通路段，其衰减速率显著高于轻交通对照路段(路线3)。数据表明，重载路段正经历着从“优”等级向“良、中”等级的快速迁移，主要表现为高性能路段占比的锐减以及中等路况的积压，路面已进入功能性衰减向结构性破坏过渡的关键阶段。

2) 揭示了“车辙主导、结构先行”的重载路面破坏模式。对比分析发现，重载路段的抗变形性能RDI衰减速度显著快于综合抗破损性能PCI。在空间分布上，RDI值普遍低于同位置的PCI值，呈现出约3.0~4.0分的负向偏移。在RDI数据中先于PCI出现了次等级路段，证明在煤矿重载车辆的高轴载剪切作用下，路面结构性深度变形是制约路网服务寿命的短板指标和先行破坏形式。

3) 量化了路面综合性能与结构变形的时空强耦合机制。Spearman相关性分析显示，全路网PCI与RDI在时间序列演化和空间分布上均表现出极强的正相关性。病害关联性热力图进一步证实，龟裂、车辙与坑槽之间存在高强度的伴生关系，形成了由重载驱动的“荷载主导型病害簇”；而横向裂缝则表现出相对独立的环境相关特征。

4.2. 展望与局限性

尽管本研究揭示了煤矿区农村公路沥青路面PCI与RDI的协同演化规律，并证实了重载交通对路面结构的特异性破坏机制，但受限于客观条件与研究范围，本工作仍存在以下局限性，有待在后续研究中进一步拓展：

1) 地域与气候的特定性：本研究的观测数据仅来源于山东省某典型煤矿区。考虑到沥青路面性能对环境温度及水文地质条件的高度敏感性，得出的具体衰变参数在我国北方严寒矿区或南方多雨矿区的适用性仍需进一步验证。

2) 观测周期的有限性：本研究基于2022年至2024年连续三年的检测数据。虽然该周期成功捕捉到了重载路段从“优”向“良、中”快速衰变的加速期特征，但未能覆盖路面从新建到完全破坏的全寿命周期，可能导致对路面初期压密阶段或后期结构性崩溃阶段的演化规律认知不够全面。

3) 路面结构类型的单一性：本研究主要聚焦于典型的柔性基层沥青路面。然而，农村公路网络中还广泛存在水泥混凝土路面及半刚性基层沥青路面，不同结构形式在重载作用下的力学响应与病害演化模式存在显著差异，因此本研究结论的推广需谨慎结合路面结构特征。

NOTES

^*第一作者。

^#通讯作者。