在美国大约有418万英里的道路，规划路面维修似乎是一个令人生畏的过程。

目前，交通部门(DOTs)往往依靠过去的做法或专家意见来作出维修决定。 但是由于美国公路$有4200亿的维修积压，这些传统的方法正变得不那么有效。 相反，DOTS需要更多的定量方法来管理他们紧张的预算和修复他们老化的道路。

在最近的一篇关于交通研究C部分：新兴技术的论文中，麻省理工学院混凝土可持续性中心(CSHub)的研究人员郭凤迪、杰里米·格雷戈里和兰道夫·柯尔链提出了一种这样的方法，称为概率处理路径依赖(PT PD)。 在给定的案例研究中，PT PD的性能优于传统模型，这将需要10%的额外年度预算才能达到相同水平的网络性能。

CSHub研究人员通过面对许多传统模型回避的一个基本问题来实现这一点：不确定性。

在不确定性中舒适

铺路充满了不确定性。 从人行道的恶化到材料的价格，DOTS无法确定在五年、10年或20年内会是什么样子。 更重要的是，预测和纳入这些不确定性可以证明是具有挑战性的-尽管如此，许多模型完全低估了它。

传统上，大多数模型权衡维护决策的成本和收益，为网络的每个部分选择最好的一个。他们的分析往往是根据本年度或一套固定的未来维修处理方法计算成本和效益，而不考虑分析期间的不确定性。

郭说：“这可能意味着他们计划在他们的一生中每次都以同样的方式维持一段新的路面。” “问题是，这往往是不可能的。 随着时间的推移，材料价格的变化、人行道的恶化率，甚至治疗路径的变化----这是所采取的维修行动的顺序----将原始模型中没有具体说明的治疗“。

对于DOTS来说，为了有效地管理他们的网络，他们最好适应治疗路径依赖和不确定性。

集线器研究试图创建一个新的模型，为他们提供最适应性。为了做到这一点，他们考虑了未来情景下的数千个治疗时间表。

他们的模型采取了自下而上的方法，观察路面网络中的每个部分。对于每个部分，它评估每一个可能的初始处理和未来的材料价格和恶化情况。从那里，确定了一个最佳的治疗路径及其总成本的每一个组合的情景和初步治疗。

在所有这些可能性面前，CSHub研究人员然后计算了路面性能中某些结果的可能性-路面的表面质量-每一种组合的初始处理选择和未来的场景。这使他们能够捕捉到哪些治疗可能会有最好的结果，因为所有可能发生的变化。对于每个部分，模型然后确定两个治疗方案与最有可能的结果。

“在最后两个选项中进行选择，”郭说，“我们的模型也考虑了与每个选项和可用预算相关的风险。”

在这种情况下，风险是指治疗的实际表现可能如何偏离其平均预期表现。 方差越大，离群假设越极端，风险越大.. 然而，这是一种权衡-一种更危险的治疗也可能产生更好的性能。

所以，决定他们愿意冒多少风险是由国防部决定的。 正是这种风险水平决定了他们将为路面网络中的每个部分选择最后两个选项中的哪一个。

实际铺设

在他们的论文中讨论的几个案例研究中，CSHub研究人员分析了风险水平如何影响他们的模型中治疗的选择，以及他们的模型如何与传统模型相比。 他们发现，当DOTs不太反对在某一段的性能中冒意外结果的风险时，他们的模型倾向于该段的薄沥青覆盖，这是一种更便宜的。 然而，随着风险厌恶程度的增加，情况正好相反。 相反，该模型倾向于更昂贵的混凝土覆盖和完整的重建部分。

怎么会这样？

它归结为材料的价格。

“与沥青不同，混凝土往往具有较低的价格波动性。“这意味着DOTs能够可靠地预测具体的治疗费用。这就防止了由于沥青价格意外上涨而可能出现的费用超支”。

同样的权衡与路面性能。

郭说：“虽然风险更高的治疗方法可能会带来更好的治疗效果，但这些结果可能会有所不同。” “另一方面，风险较低的治疗方法将提供更一致的表现，尽管这种表现可能略低。”

最终，研究人员发现，具有中等风险厌恶和混合沥青和混凝土的模型有最好的结果，因为它们可以优化平均性能和性能变异性。

然后，研究人员将他们的PT PD模型与DOTs目前使用的传统成本效益方法进行了比较。

在20年的分析期间，他们发现他们的PT PD模型比传统模型表现更好。

虽然传统模型可以在短期内优化成本和性能，但它没有预测到未来的不确定性。这导致了更频繁、更便宜的治疗，最初改善了结果，但随着时间的推移，性能更差，成本更高。

相反，PT PD模型采取了长期的视角.. 它造成了不确定性，因此更好地预期和适应未来的变化。

这意味着它在网络的几个关键的、大量使用的部分上投入了更多的资金。 因此，整个网络的性能和成本效益直到分析期间的晚些时候才显现出来。 到那时，网络需要更简单、更便宜的治疗方法的频率较低。

事实上，为了使成本效益模型表现得与PT PD模型一样好，DOTS将不得不在给定的案例研究中在20年内多花费10%。

在未来，郭和他的同事希望将他们的分析延伸到整个美国的巷道系统。除了成本和绩效外，他们还打算衡量铺路决策的环境足迹。

面对不确定性是困难的。 但是，CSHub的研究人员用他们的最新模型就是这样做的。 他们没有低估不确定性，而是直面不确定性。 因此，DOTS可能很快就会减少积压和改善道路。