بررسی روشهای شناسایی خرابیهای روسازی با کمک یادگیری ماشین و یادگیری عمیق

راه ها بهعنوان یکی از مهمترین زیرساختهای حمل ونقل کشور، نقش مهمی در جابهجایی انسان و کالا دارند. هزینه های بالای ساخت این سازه و زمانبر بودن این امر، دولتها را بر این داشته تا با برنامه ریزی برای تعمیر و نگهداری آنها، از صرف هزینه های زیاد برای ساخت آن جلوگیری کنند. سیستم مدیریت روسازی که از ارکان اصلی مدیریت زیرساختهای حمل ونقل میباشد، به دنبال برنامه ریزی برای ارزیابی وضعیت روسازی راه ها و تعمیر و نگهداری آنها میباشد. این سیستم، تمامی مراحل برنامه ریزی، از مراحل جمع آوری داده تا اقدام برای تعمیر و نگهداری را در بر میگیرد. با ظهور و توسعه چشمگیر تکنولوژی در دهه های گذشته، با جایگزینی ابزار و فناوریهای نوین و به کار گیری آنها برای تحلیل داده های مختلف، به افزایش دقت و سرعت انسان در علوم گوناگون، کمک شایانی ننموده است سیستم مدیریت روسازی نیز به عنوان یک دانش اساسی برای مدیریت راه ها و کاهش هزینه ها، از به کارگیری از تکنولوژی در جهت سهولت، بی بهره باقی نمانده است. استفاده از ابزاری همچون تلفنهای همراه، دوربینهای دیجیتال و دستگاه ها و وسایل بدون سرنشین به جای روشهای دستی برای جمع آوری اطلاعات و برداشت داده های موردنیاز، از جمله کاربردهای تکنولوژی در سیستم مدیریت روسازی میباشد. همچنین استفاده از روشهای پردازش تصویر و یا یادگیری ماشین مانند یادگیری عمیق یا الگوریتم های سنتی یادگیری ماشین، از روشهای رایج و شناخته شده مورداستفاده در تحلیل داده های برداشت شده میباشد. در این مقاله تلاش شده است تا با بررسی روشهای موجود برای جمع آوری داده و تحلیل آنها، مروری بر تحقیقات موجود در این حوزه انجام شود.

کلیدواژه ها:

سیستم مدیریت روسازی ، یادگیری ماشین ، جمع آوری داده ، خرابیهای روسازی ، یادگیری عمیق.