随着交通量的不断增大,大型货运车的数量不断增多,导致公路损坏情况严重,有的甚至两三年就会出现不同程度的损坏,公路养护工作已经成为当下一个无法回避的问题。公路养护管理工作的关键问题是及时了解公路损坏情况,而公路的损坏情况与大型货运车的交通量有很大的关系,因此货运车交通流量与公路路损的相关性分析研究具有重要意义。本文主要研究货运车交通流量与公路路损之间的相关性,以弥补现有公路养护设计中缺乏定量化评价方法的不足,为路面养护设计提供新思路。主要解决货运车轨迹数据提取交通流量和交通流量与公路路损的相关性分析这两个关键问题,具体研究内容如下:(1)轨迹数据预处理。首先对轨迹数据进行简单清洗,将重复数据和漂移数据剔除,然后采用改进的四叉树算法对货运车轨迹数据进行划分,并使用适合该划分方法的四叉树编码。该划分方法划分的类型主要有三种,分别为“□”型、“I”型、“L”型,并分别针对每种划分类型使用不同的编码。本文使用的划分方法相较于传统四叉树方法,解决了四叉树数据划分不均衡的问题,将无数据或数据量较少的数据块与相邻数据块进行合并,避免了空区域的出现,提高了数据的查询检索效率。(2)相关性分析。对《公路沥青路面设计规范》(JTG D50-2017)中的轴载换算公式进行简化,从而计算标准轴载累计当量轴次,并分析标准轴载累计当量轴次与路面损坏状况指数(Pavement Condition Index,PCI)的相关性。本文采用三种相关性分析方法对二者进行相关性分析,分别为图表分析法、相关系数法、时间序列法,其中时间序列法使用自回归积分滑动平均模型(Autoregressive Integrated Moving Average Model,ARIMA模型)和带回归项的自回归积分滑动平均模型(Autoregressive Integrated Moving Average Models with External Input,ARIMAX模型)。将标准轴载累计当量轴次加入时间序列模型中加以分析,发现加入自变量的ARIMAX模型预测更为准确。本文利用货运车轨迹数据获取交通流量,并加入轴载这一条件,计算标准轴载累计当量轴次与路面损坏状况指数的相关性。分析结果表明,随着标准轴载累计当量轴次的增加,公路路面损坏状况指数呈现降低趋势,二者相关系数为-0.91,呈现负相关关系且相关程度较高。使用ARIMA模型和ARIMAX模型对标准轴载累计当量轴次和路面损坏状况指数进行相关性分析,得出二者之间的相关关系模型,实验结果表明,ARIMA模型的平均绝对百分比误差为0.9%,ARIMAX模型的平均绝对百分比误差为0.3%,ARIMAX模型的精度更高。通过建立的模型得出标准轴载累计当量轴次和公路路面损坏状况指数之间的定量关系,为公路养护提供依据。