ارزیابی تطبیقی عملکرد روسازیهای راهی با استفاده از مدلهای تحلیلی و یادگیری ماشین تحت بارگذاری ترافیکی

عملکرد روسازی های راهی تحت بارگذاری ترافیکی یکی از مهمترین عوامل موثر بر دوام ایمنی و هزینه های نگهداری شبکه حمل و نقل است با توجه به پیچیدگی رفتار مصالح و تعامل آنها با بارهای ترافیکی و شرایط محیطی، ارزیابی دقیق و پیش بینی عملکرد روسازی نیازمند استفاده از مدلهای تحلیلی پیشرفته و روشهای هوش مصنوعی است. در این مطالعه یک رویکرد ارزیابی تطبیقی برای مقایسه عملکرد روسازیهای آسفالتی و بتنی ارائه شده است ابتدا مدلهای تحلیلی کلاسیک مبتنی بر مکانیک مصالح و توزیع بار ترافیکی توسعه داده شده و سپس با استفاده از الگوریتمهای یادگیری ماشین شامل شبکه های عصبی، درخت تصمیم و ماشین بردار پشتیبان رفتار طولانی مدت روسازی تحت بارهای واقعی ترافیکی شبیه سازی شد. نتایج نشان میدهد که مدلهای یادگیری ماشین قادر به پیشبینی تغییرات عملکرد روسازی با دقت بالاتری نسبت به مدل های تحلیلی سنتی هستند و میتوانند تاثیر پارامترهای پیچیده مانند ترافیک متغیر و شرایط آب و هوایی را بهتر مدلسازی کنند. این مطالعه راهکاری عملی برای بهبود برنامه ریزی، نگهداری، کاهش هزینه های عمر مفید و ارتقای ایمنی شبکه راه ها ارائه میدهد.

کلیدواژه ها:

عملکرد روسازی ، مدلهای تحلیلی ، یادگیری ماشین ، بارگذاری ، ترافیکی ، پیش بینی دوام