سیستم های مدیریت روسازی شهری داده محور

مدیریت بهینه روسازی های شهری (Pavement Management Systems - PMS) یکی از چالش های اصلی سازمان های شهرداری در سراسر جهان است. با افزایش حجم ترافیک، فرسایش ناشی از عوامل محیطی، و محدودیت های بودجه ای، روش های سنتی بازرسی و نگهداری دیگر پاسخگوی نیازهای روزافزون نیستند. این مقاله به معرفی و توسعه یک چارچوب نوین برای سیستم های مدیریت روسازی شهری مبتنی بر داده (Data-Driven PMS) می پردازد. این رویکرد از طریق ادغام داده های سنجش از دور (مانند LiDAR و تصاویر هوایی) با داده های حسگرهای درجا، امکان پایش مستمر و دقیق وضعیت روسازی را فراهم می آورد. با استفاده از مدل های پیشرفته یادگیری ماشین (ML)، سلامت و شاخص های عملکردی روسازی (مانند شاخص سختی بین المللی - IRI) مدل سازی و سیر تخریب آن پیش بینی می شود. هدف نهایی، بهینه سازی تخصیص منابع مالی و زمان بندی مداخله های نگهداری و ترمیمی (تعمیر، احیاء، یا نگهداری پیشگیرانه) برای دستیابی به حداکثر عمر مفید شبکه روسازی با حداقل هزینه در طول چرخه عمر است. نتایج مورد انتظار نشان دهنده کاهش قابل توجه هزینه های عملیاتی بلندمدت و افزایش چشمگیر قابلیت اطمینان شبکه معابر شهری است.

کلیدواژه ها:

مدیریت روسازی شهری ، سیستم های مبتنی بر داده ، یادگیری ماشین ، شاخص سختی بین المللی (IRI) ، بهینه سازی بودجه ، نگهداری پیشگیرانه.