بهینه سازی برنامه بازدید روسازی ها به کمک پیش بینی حجم ترافیک
محل انتشار: فصلنامه جاده، دوره: 31، شماره: 117
سال انتشار: 1402
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 165
فایل این مقاله در 12 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_ROAD-31-117_005
تاریخ نمایه سازی: 13 آبان 1402
چکیده مقاله:
علیرغم اینکه بسیاری از مطالعات تلاش کردهاند تا سیستم بازرسی فعلی مدیریت روسازی را بهبود بخشند، ولی این بهبود موقتی است و نیاز به قضاوت ذهنی دارد؛ آنها خطر بازرسی ناگهانی را ارزیابی نمیکنند و دلایل فیزیکی را در پیش بینی وضعیت روسازی در نظر نمیگیرند. هدف این مقاله استفاده کامل از مجموعه بزرگ اطلاعات ترافیک از فناوری های ITS و مدل های پیش بینی جریان با دقت بالا است. با استفاده از این منابع، میتوان مدل مکانیکیتری را برای پیش بینی وضعیت روسازی پیاده سازی کرد که متغیرهایی را که در واقع در فرآیند خرابی نقش دارند، مانند ویژگی های ترافیکی، ویژگی های ساختاری روسازی ها و عوامل محیطی، تطبیق می دهد. بنابراین، باتوجه به ضعف موجود در روشهای ارائه شده قبلی، این مقاله چهارچوبی را برای بهینه سازی یک برنامه بازرسی انعطاف پذیر پیشنهاد می کند که هدف اصلی آن به حداقل رساندن هزینه چرخه عمر بازرسی و جلوگیری از خطر بازرسی ناگهانی است. به طور خلاصه، از مقایسه بین بازرسی منظم ۱ ساله، بازرسی منظم ۲ ساله و بازرسی بهینه مشخص میشود که : الف) بازرسی بهینه شده از نظر بازده کل که شامل راندمان بازهای، راندمان توزیع و جریمه ریسک است، بهتر از بازرسیهای معمولی عمل میکند ب) کارآیی کل برای بازرسی بهینه نسبتا قویتر از بازرسیهای معمولی با سناریوهای مختلف ترافیک است و پ) کارآیی کل برای سه بازرسی مختلف به شدت تحت تاثیر میانگین جریان ترافیک شبکه جادهای است. نتایج بدست آمده نشان میدهد که بازرسی انعطاف پذیر از نظر بازده کل که شامل راندمان بازهای، راندمان توزیع و جریمه ریسک است، بهتر از بازرسیهای معمولی عمل میکند و کارآیی کل این نوع بازرسی نسبتا قویتر از سایر روشهای بازرسی است.
کلیدواژه ها:
نویسندگان
جلال ایوبی نژاد
استادیار، گروه عمران، دانشگاه پیام نور، تهران، ایران
علی اکبری مطلق
دانشجوی دکترا، گروه عمران، دانشگاه پیام نور، تهران، ایران
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :