Sammendrag: Studiet er rettet mot å sikre påliteligheten og holdbarheten til veidekke, samt veien som helhet, samt å forbedre nivået på transport- og operasjonelle ytelsesindikatorer og trafikksikkerhet.
Nøkkelord: vei; transport- og operasjonell tilstand av veier, diagnostisering av veier, nevrale nettverk, veidekke

En stor rolle i landets transportsystem spilles av veitransport, hvor mengden last transportert på vei nettverket flere ganger overgår jernbanetransport. For at veitransporten skal fungere effektivt, må veienes parametere og egenskaper være tilpasset transportmidlenes kapasitet og bevegelsesforhold, og moderne biler må kunne bruke sine dynamiske egenskaper på de eksisterende veiene. Det er ikke lett å opprettholde denne balansen, fordi veiene er i bruk i flere tiår, mens utviklingen av veitransport skjer mye raskere. Økende mengder lastebiltransport, høyere hastigheter og økt trafikkintensitet krever forbedringer i veiene, deres ingeniørtekniske utstyr og transport- og operasjonelle egenskaper under prosjektering og drift.

Det er flere faktorer som påvirker tilstanden på eksisterende veier. Påvirkningen av gjentatte belastninger fra kjøretøy, høy trafikkintensitet, overvekt av tunge lastebiler i trafikkbildet, samt vær- og klimaforhold, jord- og hydrologiske faktorer, fører til at spenninger og deformasjoner oppstår i veidekket og jordfundamentet. Disse spenningene og deformasjonene fører med tiden til at veidekket mister sin integritet, og forskjellige defekter vises på veien: tverrgående og langsgående sprekker, sprekknett, hull, kollaps, spor, hevelser, forskyvninger, etc.

I tillegg er det spesialiserte og tunge kjøretøy som transporterer ulike varer, noen ganger med aksellast over den tillatte grensen, som også påvirker styrken til veidekket, spesielt i de periodene på året når jordfundamentet er mest mettet med fuktighet og samtidig utsatt for solens oppvarming om våren. Derfor er det viktig med periodisk diagnostisering av tilstanden til veier og kunstige konstruksjoner, altså vurdering av transport- og operasjonell tilstand i henhold til samsvar med normkravene til de faktiske egenskapene og parametrene til veiene.

Veienes tilstand påvirker effektiviteten og sikkerheten til veitransport, miljøet og reflekterer interessene til veibrukerne. Prosessen med overvåkning av tilstanden på veiene, hyppigheten, kravene til utførelse av felt- og kontorarbeid, instrumentene og utstyret som benyttes, metodikken for målinger og resultatene av arbeidet reguleres av normative dokumenter [1,2].

Vurdering av transport- og operasjonell tilstand utføres av spesialiserte ingeniørorganisasjoner med bruk av mobile diagnostiske laboratorier, sertifiserte instrumenter og utstyr, samt kvalifiserte fagfolk. Mobile enheter er utstyrt med moderne instrumenter og kan inkludere panoramakameraer av siste generasjon, og til og med kunstig intelligens-teknologier. Et alternativt verktøy for å overvåke tilstanden til veiinfrastruktur kan være et nevralt nettverk. Et nevralt nettverk er en programmatisk matematisk modell bygget på prinsippet om hvordan biologiske nevrale nettverk er organisert og fungerer. Nettverket behandler inngangsdata gjennom et system av interaktive, enklere programmer og gir ut et resultat. For at nevrale nettverk skal fungere effektivt, må de trenes ved hjelp av et stort antall eksperimentelle og statistiske data.

Nevrale nettverk kan brukes til å gjenkjenne kjøretøytyper ved automatisk registrering av nummerplater, identifisere trafikksikkerhetsbrudd, bestemme trafikkintensiteten på et bestemt veistrekning eller kunstig konstruksjon, styre trafikklyssignaler, og mer. Ved hjelp av nevrale nettverk kan man oppdage avvik i tilstanden til veiinfrastruktur og nærliggende områder: vei, fortau, trafikklys, lysmaster og mer.

Med mobile enheter kan man oppdage tegn på forurensning, maling, klistremerker og skrift på informasjonsplater, overvåke søppelfylling ved busstopp og andre brudd. Erfaringen med å bruke kunstig intelligens i Moskva for å analysere potensielle feil i vedlikeholdet, som hittil har blitt brukt på 9 hovedtyper av brudd, viste en nøyaktighet på omtrent 90 % og reduserte tiden for å registrere bruddene med tre ganger. Kunstig intelligens analyserer kontinuerlige videostrømmer og bilder fra byens overvåkningskameraer, og sender til operatører potensielle problemer. Informasjonen inneholder dato, tid og sted for registreringen, samt et bilde av objektet med angivelse av avvikstype. Etter verifisering av operatøren blir informasjonen sendt til vedlikeholdstjenesten for nødvendige rettelser.

Takket være arbeidet med nevrale nettverk ser operatørene bare på bilder med høy sannsynlighet for brudd. Nevrale nettverk åpner nye muligheter for å optimalisere diagnostisering av veier og brokonstruksjoner. I [3] påpekes det at kunstig intelligens kan redusere selskapskostnader ved tidlig diagnostisering av byggeprosjekter. Forfatteren bemerker at kunstig intelligens har mange bruksområder for å løse komplekse problemer med prediksjon, vurdering og optimalisering. Nevrale nettverk kan brukes til å beregne elastisitetsmodulen for lagene i veidekket. Studier utført ved DGTU [4] viste effektiviteten i å bestemme mekaniske egenskaper både for individuelle materialer og hele veistrukturer. De oppnådde resultatene med bruk av nevrale nettverksteknologier stemte overens med eksperimentelle data hentet fra dynamisk belastningstesting [4].

Bruken av nevrale nettverk muliggjør praktisk anvendelse av strengere krav til kvaliteten på den infrastrukturelle tjenesten som tilbys veibrukere, samt forutsi veidekkets samsvar med normkravene og optimalisere strategien for vedlikehold og planlegging av reparasjons- og restaureringsarbeid over årene med hensyn til den faktiske trafikkintensiteten og sammensetningen av trafikken.

LITTERATUR
GOST 33388-2015 «Allmennveier. Krav til diagnostisering og sertifisering»
ODM 218.6.039-2018 «Anbefalinger for diagnostisering og vurdering av teknisk tilstand på veier»
Gazrov, A. R. Fordelene ved bruk av kunstig intelligens i byggebransjen / A. R. Gazrov // Izvestiya av Tula State University. Teknisk vitenskap. — 2020. — nr. 4. — s. 136–139

Babushkina, N. E. Løsning av oppgaven med å bestemme de mekaniske egenskapene til materialer i veistrukturer ved hjelp av nevrale nettverksteknologier / N. E. Babushkina, A. A. Lyapin // Advanced Engineering Research. — 2022. — Vol. 22, nr. 3. — s. 285–292. https://doi.org/10.23947/2687-1653-2022-22-3-285-292

Hvordan gjøre fremdrift og overvinne hindringer på vei til dine mål?
Hvordan maskinlæring transformerer strukturell design og materialvurdering i ingeniørfagene
Hvordan analysere og beregne kritiske laster i sandwichkonstruksjoner
Hva kan vi lære fra Dürers detaljerte studier av naturen?
Lærernes Dag: Et Festlig Program for Våre Elskede Lærere
Sikkerhetsregler for atferd på isen i vinterperioden
Arbeidstjenester og aktiviteter ved Macaryeva skole 2018-2019
Komplekse forbindelser: Teori, oppgaveløsning og selvtesting
Opplysninger om registerfører