Мохамед Мостафа Махмуд Елшами, аспирант кафедры «Автомобильные дороги», ассистент на инженерном факультете
ScopusID
344003, г. Ростов-на-Дону, пл. Гагарина, 1;
г. Каир, Наср-Сити, ул. Аль-Мохайм Аль-Даем, 1
Mohamed Mostafa Mahmoud Elshamy, PhD student of the Motorways Department; assistant lecturer at Faculty of Engineering
ScopusID
1, Gagarin sq., Rostov-on-Don, 344003;
1, Al Mokhaym Al Daem St., Cairo, Nasr-City, 11884
Тиратурян Артём Николаевич, доцент кафедры «Автомобильные дороги»; доктор технических наук, доцент
ScopusID; ResearcherID
344003, г. Ростов-на-Дону, пл. Гагарина, 1
Tiraturyan, Artem N., associate professor of the Motorways Department; associate professor
ScopusID; ResearcherID
1, Gagarin sq., Rostov-on-Don, 344003
Углова Евгения Владимировна, доцент кафедры «Автомобильные дороги»; доктор технических наук, профессор
ScopusID; ResearcherID
344003, г. Ростов-на-Дону, пл. Гагарина, 1
Uglova, Evgeniya V., associate professor of the Motorways Department; professor
ScopusID; ResearcherID
1, Gagarin sq., Rostov-on-Don, 344003
Мохамед Закария Елгенди, преподаватель на инженерном факультете
г. Каир, Наср-Сити, ул. Аль-Мохайм Аль-Даем, 1
Mohamed Zakaria Elgendy, lecturer at the Faculty of Engineering
ScopusID
1, Al Mokhaym Al Daem St., Cairo, Nasr-City, 11884
Introduction. One of the most significant tasks facing road experts is to maintain the transport network in good condition. The process of selecting an appropriate approach to providing such condition is quite complex since it requires considering many parameters, such as the existing condition of the pavement, road category, weather conditions, traffic volume, etc. Recently, the rising trend of digitization in the industry has contributed to the use of artificial intelligence to address problems in several fields, including the bodies in charge of operational control over the status of roadways. Within the context of any control system, the main task of the control system is to carry out reliable forecasting of the operational state of the road in the medium and long term.
Materials and Methods. This study investigated the possibility of using artificial neural networks to assess existing pavement characteristics and their potential application in developing road maintenance strategies. A back-propagation neural network was implemented, trained using data from 1,614 investigated sections of the M4 «DON» highway in the road network of the Russian Federation in the period from 2014 to 2018. Several models were developed and trained using the MATLAB application, each with a different number of neurons in the hidden layers.
Results. The results of the models showed a convergence between the inferred paving state values and the actual values, as the multiple correlation coefficient (R2) values exceeded 92 % for most of the models during all learning stages.
Discussion and Conclusions. The findings suggest that public road authorities may utilize the established models to choose the best road maintenance strategy and assign the most efficient steps to restore road bearing capacity and operation.
Введение. Одной из важнейших задач, стоящих перед специалистами-дорожниками, является поддержание транспортной сети в нормативном состоянии. Достаточно сложно выбрать адекватный подход, обеспечивающий достижение таких целей. Для этого, в частности, необходимо учесть такие параметры, как: текущее состояние дорожной одежды, категория дороги, погодные условия, интенсивность движения. Цифровизация отрасли, внедрение интеллектуальных систем дают результаты, которые можно применить в практике организаций, контролирующих состояние автомобильных дорог. Суть работы системы управления – достоверное прогнозирование эксплуатационного состояния автомобильной дороги в средней и долгосрочной перспективе.
Материалы и методы. Изучается возможность использования искусственных нейронных сетей для оценки дорожных одежд, в том числе при разработке стратегий технического обслуживания дорог. Реализована нейронная сеть обратного распространения, обученная по данным 1614 участков трассы М-4 «Дон» с 2014 по 2018 год. С помощью программы «Матлаб» (Matlab) построены и обучены модели с разным количеством нейронов в скрытых слоях.
Результаты исследования. Результаты моделирования показали сходимость предполагаемых и фактических показателей, описывающих состояние дорожной одежды. Значения множественного коэффициента корреляции (R2) превышали 92 % для большинства моделей на всех этапах обучения.
Обсуждение и заключения. Итоги научных изысканий позволяют утверждать, что организации, управляющие объектами дорожно-транспортной инфраструктуры, могут задействовать представленные модели в своей работе. Такие решения помогут составить оптимальные планы по содержанию дорог, спрогнозировать эффективность мероприятий по восстановлению их несущей способности и эксплуатационного состояния.
The authors declare that there are no conflicts of interest present.