ارائه مدل هوشمند پیش بینی خرابی روسازی جهت کاهش هزینه های نگهداری معابر

روسازی معابر شهری یکی از مهم ترین اجزای زیرساخت حمل ونقل شهری است که به طور مستمر تحت تاثیر عوامل ترافیکی، اقلیمی، سازه ای و اجرایی دچار افت کیفیت و انواع خرابی می شود. شناسایی به موقع خرابی ها و تعیین زمان مناسب برای انجام عملیات نگهداری، نقش مهمی در افزایش عمر مفید روسازی، حفظ ایمنی تردد و کنترل هزینه های عمرانی دارد. با این حال، روش های سنتی ارزیابی وضعیت روسازی عمدتا متکی بر بازدیدهای میدانی و ارزیابی کارشناسی بوده و در شبکه های گسترده شهری با محدودیت هایی از جمله زمان بر بودن، وابستگی به تجربه ارزیاب و دشواری تحلیل حجم بالای داده ها مواجه هستند. پژوهش حاضر با هدف ارائه یک مدل هوشمند مبتنی بر هوش مصنوعی برای شناسایی، طبقه بندی و پیش بینی خرابی روسازی معابر شهری انجام شده است. در این رویکرد، داده های مرتبط با وضعیت روسازی، نوع و شدت خرابی، مشخصات ترافیکی، سن روسازی، شرایط اقلیمی و ویژگی های سازه ای به عنوان ورودی مدل در نظر گرفته می شوند. پس از جمع آوری، پاک سازی، استانداردسازی و آماده سازی داده ها، از الگوریتم های مناسب یادگیری ماشین و یادگیری عمیق برای تشخیص الگوهای خرابی و پیش بینی روند افت کیفیت روسازی استفاده می شود. در ادامه، نتایج پیش بینی با استفاده از شاخص های وضعیت روسازی و عوامل اقتصادی و ترافیکی در یک مدل اولویت بندی تلفیق شده و زمان و نوع مداخله نگهداری برای معابر تعیین می شود. چارچوب پیشنهادی با انتقال فرآیند مدیریت روسازی از رویکرد واکنشی به رویکرد پیش بینانه، می تواند به شناسایی زودهنگام خرابی، استفاده بهینه از منابع، کاهش هزینه های تعمیرات اساسی و افزایش عمر مفید معابر کمک کند. این مدل همچنین ظرفیت آن را دارد که به عنوان ابزاری برای پشتیبانی از تصمیم گیری مدیران شهری در برنامه ریزی و تخصیص منابع نگهداری شبکه معابر مورد استفاده قرار گیرد.

کلیدواژه ها:

روسازی شهری ، پیش بینی خرابی ، مدیریت روسازی ، نگهداری پیشگیرانه ، کاهش هزینه های عمرانی