استفاده از یادگیری عمیق در مدیریت روسازی راه ها در شرایط بودجه محدود به منظور جلوگیری از بحران راه ارتباطی نامناسب
- سال انتشار: 1401
- محل انتشار: اولین رویداد مدیریت بحران ایران قوی ۱۴۰۱
- کد COI اختصاصی: IDMEVENT01_166
- زبان مقاله: فارسی
- تعداد مشاهده: 303
نویسندگان
کارشناس ارشد مهندسی عمران، موسسه آموزش عالی اقبال لاهوری، مشهد- تحقیق و توسعه سازمان عمران شهرداری مشهد
تحقیق و توسعه سازمان عمران شهرداری مشهد
تحقیق و توسعه سازمان عمران شهرداری مشهد
تحقیق و توسعه سازمان عمران شهرداری مشهد
چکیده
متولیان نگهداری راه ها در شهرها اغلب فاقد یک رویه کلی برای مدیریت شبکه راه های خود هستند. این مشکل با این واقعیت تشدید می شود که در سال های اخیر بودجه شهرها به دلیل بحران اقتصادی فعلی کاهش یافته است. استفاده از سیستم های مدیریت روسازی (PMS) به چندین روش مختلف به مدیریت شبکه راه ها توسط مسئولان شهری کمک می کند. استفاده از PMS به تخصیص کارآمد بودجه محدود موجود در سراسر شبکه راه، پیش بینی نرخ خرابی و ارائه توصیه هایی برای نگهداری روسازی کمک می کند و امکان ایجاد نقشه هایی را که شرایط راه ها را نشان می دهند، فراهم می کند. تشخیص خرابی های روسازی یک روش مهم در تعمیر و نگهداری جاده و ایمنی ترافیک است. به طور سنتی، ارزیابی وضعیت راه با بازرسی میدانی انجام می شد که باتوجه به صرف زمان و هزینه زیاد و وابسته بودن نتایج به نظر ارزیاب باید با روش های خودکار جایگزین شود تا هم حجم کار و در نتیجه هزینه های تعمیر و نگهداری کاهش یابد. این مقاله به بررسی عملکرد الگوریتم های تشخیص اشیا مبتنی بر یادگیری عمیق برای تشخیص خودکار خرابی های سطح راه می پردازد. این مدل ها قادر هستند نوع، موقعیت و مشخصات هندسی خرابی ها را بادقت و سرعت بالایی نسبت به روش های دیگر مشخص کنند. بدین منظور از تصاویر برداشت شده از معابر سطح مشهد استفاده شده است. سپس مدل هایی با به کارگیری الگوریتم های تشخیص اشیا مبتنی بر یادگیری عمیق ایجاد و از نظر دقت و سرعت پیش بینی مورد ارزیابی قرار گرفتند. در نهایت مدلی که به نسبت سایر مدل ها دارای دقت و سرعت قابل بود به عنوان مدل مطلوب جهت پیش بینی خرابی ها در یکی از معابر مشهد استفاده شد. در نهایت براساس درخت تصمیم گیری پیشنهاد شده، رویکرد تعمیر و نگهداری مسیر ارائه گردید.کلیدواژه ها
بحران اقتصادی ، مدیریت روسازی ، بودجه محدود ، یادگیری عمیق ، تشخیص خودکار خرابیاطلاعات بیشتر در مورد COI
COI مخفف عبارت CIVILICA Object Identifier به معنی شناسه سیویلیکا برای اسناد است. COI کدی است که مطابق محل انتشار، به مقالات کنفرانسها و ژورنالهای داخل کشور به هنگام نمایه سازی بر روی پایگاه استنادی سیویلیکا اختصاص می یابد.
کد COI به مفهوم کد ملی اسناد نمایه شده در سیویلیکا است و کدی یکتا و ثابت است و به همین دلیل همواره قابلیت استناد و پیگیری دارد.