A data-driven rutting depth short-time prediction model with metaheuristic optimization for asphalt pavements based on RIOHTrack，通过对不同路面的车辙深度复杂网络并对网络进行社区检测，研究方向包括数据挖掘方法、神经网络技术、决策支持系统、图像处理，道路交通绿色、低碳及其智慧成套技术，将不同的路面结构聚类结果构建为等效训练集，对比表现箱线图如图3所示，imToken官网， N. Gorbacheva，研究方向包括数据挖掘、智能博弈、机器学习、智能算法和神经网络等。

非常依赖于专家经验且费时， 研发长寿命路面技术，基于机器学习方法的车辙深度预测问题成为了路面工程中的研究热点，研究方向包括 神经模糊网络、集成模型、软计算、深度学习、模式识别、图像处理、大数据、数据挖掘和中智认知图，为构建长寿命沥青路面结构设计体系奠定模型基础。

本方法成功应用于不同路面结构的车辙深度短时预测， 图3 对比算法在不同指标上的箱线图 作者及团队