图3 不同路基段动刚度趋势分析图 下载原图
2.3 检测指标空间自相关性分析为了判断检测数据在空间上是否存在聚集性以及聚集程度，利用全局空间自相关性描述区域检测指标数据的整体空间分布情况。空间自相关性即检测距离越近的两点越相似[4]。采用Moran'sⅠ系数来衡量全局空间自相关性，以判断其在空间上是否存在聚集性，其反映了空间邻近区域参数的相似程度。Moran'sⅠ统计量的取值一般在[-1,1]之间，小于0表示负相关，等于0表示不相关，大于0表示正相关。Moran'sⅠ统计量绝对值越接近0，表示检测数据值差异越大或分布越不集中；绝对值越接近1，则代表检测数据间的差异越小。
利用DPS数据处理系统对不同路基试验段检测指标进行空间自相关分析得到的Moran'sⅠ指数。以y1、y2、y3、y4、y5、y6分别表示一般路基段上路堤顶部刚度、杨氏模量，一般路基段路床顶部刚度、杨氏模量，路桥过渡段路床顶部刚度、杨氏模量；x均为滞后距，只有在空间趋势预测中半变异函数中才有意义，在滞后距范围内存在着两点之间自相关性的最大距离。
图4为试验段各路基段检测指标数据的Moran'sⅠ指数与滞后距的散点图，可以看出试验段的检测数据集中分布在-1～1之间，说明检测点位之间存在空间相关性。
由图4可以看出Moran'sⅠ指数在中间大部分位置较为集中，分布于-1～1之间，且与0较为接近，检测指标分布较为离散。表示检测数据的空间相关性较弱，在空间上表现为随机分布。因此，每个检测点位的自相关性的最大距离分布在0～10或30～40范围内，检测数据集中性较好，空间差异性较小；在10～30之间较为离散，空间差异性较大。
图4 试验段检测指标Moran'sⅠ指数散点图 下载原图
2.4 检测指标空间变异性分析半变异函数能够描述检测指标的空间连续变异程度以及检测指标随不同观测距离的变化特征。由于检测指标数值大小分布往往是离散的，很难直接求得检测指标的半变异函数，可以通过选定半变异函数指数模型进行拟合，理想的半变异函数γ(h)曲线如图5所示。图中：h为样本点空间分隔距离；a为变程；C0为块金常数，代表检测指标的随机性变异程度；C为偏基台值，(C0 C)为两个检测点位数据之间的最大方差，即数据总体的变异程度。
图5 变异函数拟合图 下载原图
根据拟合结果，本文用C/(C0 C)代表变异程度，如表1所示。其表示检测指标的空间变异特性，即由结构性变异引起总变异的比重。该比值越高说明结构性变异部分占系统总变异的程度越大[5,6]。
表1 变异程度表 下载原图
表2为检测指标的半变异函数拟合系数，可以看出检测指标的变异程度值均在25%～75%之间。
表2 动刚度和杨氏模量半变异函数系数表 下载原图
