Моделирование управляющих воздействий на эксплуатационной стадии жизненного цикла автомобильных дорог

Обложка

Цитировать

Полный текст

Аннотация

Введение. Одной из сложных проблем управления дорожными активами является отсутствие единых интегральных показателей их состояния, учитывающих одновременно изменение продольной ровности покрытия, визуального состояния и общего модуля упругости на эксплуатационной стадии жизненного цикла (ЖЦ) автомобильной дороги. Их отсутствие приводит к невозможности эффективного моделирования различных сценариев изменения эксплуатационного состояния дороги при осуществлении управляющих воздействий в виде работ по содержанию, ремонту капитальному ремонту. Цель исследования — выработка данного критерия и формулирование основ для моделирования различных сценариев применения управляющих воздействий на эксплуатационной стадии ЖЦ.Материалы и методы. В качестве основного показателя состояния автомобильной дороги на эксплуатационной стадии ЖЦ используется интегральный уровень сохранности, представляющий собой произведение долей участка автомобильной дороги, находящихся в удовлетворительном состоянии, по показателям — общий модуль упругости на поверхности дорожной одежды, продольная ровность и визуальное состояние. Для обоснования применимости данного показателя и развития методики моделирования управляющих воздействий используется аппарат теории надежности и математической статистики.Результаты. На основе зависимостей, характеризующих изменение каждого из показателей в течение срока службы с учетом предположения о нормальном характере их распределения, получена проектная кривая изменения интегрального уровня сохранности для автомобильных дорог с интенсивным движением. Рассмотрены различные сценарии назначения управляющих воздействий и показано их влияние на величину интегрального уровня сохранности автомобильной дороги.Выводы. Установлено, что для ряда случаев восстановление потребительских свойств автомобильной дороги без восстановления несущей способности не обеспечит продление срока службы. Выполнено моделирование различных сценариев назначения управляющих воздействий в виде работ по содержанию, ремонту и капитальному ремонту. Определены перспективы применения предложенного подхода, связанные с использованием аппарата теории эффективности технических систем.

Об авторах

А. Н. Тиратурян

Донской государственный технический университет (ДГТУ)

Email: tiraturjan@list.ru
ORCID iD: 0000-0001-5912-1235

Список литературы

  1. Леонович И.И., Новгородский Я.Я., Буртыль Ю.В. Транспортно-эксплуатационное состояние сети республиканских автомобильных дорог и основные направления повышения их качества // Вестник Белорусского национального технического университета. 2008. № 6. С. 56–63. EDN VVALSN.
  2. Красиков О.А. Оптимальные значения // Автомобильные дороги. 2021. № 9 (1078). С. 134–137. EDN ZZMBRJ.
  3. Кириллов А.М., Завьялов М.А. Прогнозирование остаточного срока службы асфальтобетонных покрытий // Вестник МГСУ. 2018. Т. 13. № 3 (114). С. 356–367. doi: 10.22227/1997-0935.2018.3.356-367
  4. Elhadidy A.A., El-Badawy S.M., Elbeltagi E.E. A simplified pavement condition index regression model for pavement evaluation // International Journal of Pavement Engineering. 2021. Vol. 22. Issue 5. Pp. 643–652. doi: 10.1080/10298436.2019.1633579
  5. Fakhri M., Dezfoulian R.S. Pavement structural evaluation based on roughness and surface distress survey using neural network model // Construction and Building Materials. 2019. Vol. 204. Pp. 768–780. doi: 10.1016/j.conbuildmat.2019.01.142
  6. Васильев А.П. Целевые показатели оценки результативности модернизации, ремонта и содержания автомобильных дорог // Наука и техника в дорожной отрасли. 2005. № 1 (32). С. 5–8. EDN OIJYPF.
  7. Васильев А.П., Ефименко В.Н. К обоснованию протяжения автомобильных дорог, подлежащих реконструкции, модернизации, капитальному ремонту и ремонту, в субъектах федерации // Вестник Томского государственного архитектурно-строительного университета. 2014. № 6 (47). С. 157–167. EDN TBZNID.
  8. Углова Е.В., Саенко С.С. Обзор инструментов управления состоянием дорожных конструкций // Транспортные сооружения. 2016. Т. 3. № 1. С. 6. EDN WKTSFF.
  9. Тиратурян А.Н., Белоусов Е.С., Шаталов В.Ю. Имитационное моделирование ухудшения эксплуатационного состояния нежестких дорожных конструкций на основе вероятностного подхода // Инженерный вестник Дона. 2016. № 3 (42). С. 65. EDN YGSTBV.
  10. Jiang X., Gabrielson J., Huang B., Bai Y., Polaczyk P., Zhang M. et al. Evaluation of inverted pavement by structural condition indicators from falling weight deflectometer // Construction and Building Materials. 2022. Vol. 319. Pp. 125991. doi: 10.1016/j.conbuildmat.2021.125991
  11. Rabbi M.F., Mishra D. Using FWD deflection basin parameters for network-level assessment of flexible pavements // International Journal of Pavement Engineering. 2021. Vol. 22. Issue 2. Pp. 147–161. doi: 10.1080/10298436.2019.1580366
  12. Jing C., Zhang J., Song B. An innovative evaluation method for performance of in-service asphalt pavement with semi-rigid base // Construction and Building Materials. 2020. Vol. 235. P. 117376. doi: 10.1016/j.conbuildmat.2019.117376
  13. Vyas V., Singh A.P., Srivastava A. Entropy-based fuzzy SWOT decision-making for condition assessment of airfield pavements // International Journal of Pavement Engineering. 2021. Vol. 22. Issue 10. Pp. 1226–1237. doi: 10.1080/10298436.2019.1671590
  14. Bosurgi G., Pellegrino O., Sollazzo G. Pavement condition information modelling in an I-BIM environment // International Journal of Pavement Engineering. 2022. Vol. 23. Issue 13. Pp. 4803–4818. doi: 10.1080/10298436.2021.1978442
  15. Vyas V., Singh A.P., Srivastava A. Prediction of asphalt pavement condition using FWD deflection basin parameters and artificial neural networks // Road Materials and Pavement Design. 2021. Vol. 22. Issue 12. Pp. 2748–2766. doi: 10.1080/14680629.2020.1797855
  16. Wang J., Chen M., Gao W., Guo Z., Liu Y. A comparison of network level pavement condition assessment in road asset management // International Journal of Transportation Engineering and Technology. 2020. Vol. 6. Issue 3. P. 95. doi: 10.11648/j.ijtet.20200603.14
  17. Kumar R., Suman S.K. Development of overall pavement condition index for maintenance strategy selection for Indian highways // International Journal of System Assurance Engineering and Management. 2022. Vol. 13. Issue 2. Pp. 832–843. doi: 10.1007/s13198-021-01344-z
  18. Issa A., Sammaneh H., Abaza K. Modeling pavement condition index using cascade architecture: classical and neural network methods // Iranian Journal of Science and Technology, Transactions of Civil Engineering. 2022. Vol. 46. Issue 1. Pp. 483–495. doi: 10.1007/s40996-021-00678-9
  19. Han C., Fang M., Ma T., Cao H., Peng H. An intelligent decision-making framework for asphalt pavement maintenance using the clustering-PageRank algorithm // Engineering Optimization. 2020. Vol. 52. Issue 11. Pp. 1829–1847. doi: 10.1080/0305215X.2019.1677636
  20. Ndume V., Mlavi E., Mwaipungu R. Development of road pavement condition index using combined parameters // Civil Engineering Research. 2020. Vol. 10. Issue 3. Pp. 53–62. doi: 10.5923/j.jce.20201003.01
  21. Kravcovas I., Vaitkus A., Kleizienė R. Comparison of pavement performance models for urban road management system // The Baltic Journal of Road and Bridge Engineering. 2020. Vol. 15. Issue 3. Pp. 111–129. doi: 10.7250/bjrbe.2020-15.487
  22. Mubaraki M., Sallam H. The most effective index for pavement management of urban major roads at a network level // Arabian Journal for Science and Engineering. 2021. Vol. 46. Issue 5. Pp. 4615–4626. doi: 10.1007/s13369-020-05122-0
  23. Titi H., Qamhia I.I., Ramirez J., Tabatabai H. Long-term performance of flexible pavements constructed on recycled base layers // Transportation Research Record: Journal of the Transportation Research Board. 2022. Vol. 2676. Issue 11. Pp. 206–222. doi: 10.1177/03611981221092000
  24. Nabipour N., Karballaeezadeh N., Dineva A., Mosavi A., Mohammadzadeh S.D., Shamshirband S. Comparative analysis of machine learning models for prediction of remaining service life of flexible pavement // Mathematics. 2019. Vol. 7. Issue 12. P. 1198. doi: 10.3390/math7121198
  25. Elshamy M.M.M., Tiraturyan A.N., Uglova E.V. Evaluation of the elastic modulus of pavement layers using different types of neural networks models // Advanced Engineering Research. 2022. Vol. 21. Issue 4. Pp. 364–375. doi: 10.23947/2687-1653-2021-21-4-364-375
  26. Elshamy M.M.M., Tiraturyan A.N., Uglova E.V., Zakari M. Development of the non-destructive monitoring methods of the pavement conditions via artificial neural networks // Journal of Physics: Conference Series. 2020. Vol. 1614. Issue 1. P. 012099. doi: 10.1088/1742-6596/1614/1/012099
  27. Elshamy M.M.M., Tiraturyan A.N., Uglova E.V., Elgendy M.Z. Evaluation of pavement condition deterioration using artificial intelligence models // Advanced Engineering Research. 2022. Vol. 22. Issue 3. Pp. 272–284. doi: 10.23947/2687-1653-2022-22-3-272-284
  28. Elshamy M.M.M., Tiraturyan A.N., Uglova E.V., Elgendy M.Z. Comparison of feed-forward, cascade-forward, and Elman algorithms models for determination of the elastic modulus of pavement layers // 2021 4th International Conference on Geoinformatics and Data Analysis. 2021. Pp. 46–53. doi: 10.1145/3465222.3465235
  29. Wang H. Life cycle assessment of asphalt pavement maintenance. Rutgers University. Center for Advanced Infrastructure and Transportation, 2014.
  30. Ushakov I. Reliability: past, present, future // Reliability: Theory & Applications. 2006. Vol. 1. No. 1 (1). Pp. 10–16.

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».