ارائه مدل تعیین روش و اولویت نگهداری روسازی‎های آسفالتی با استفاده از سیستم استنتاج فازی-مطالعه موردی استان فارس

راه ها به عنوان یکی از گسترده ترین زیرساخت های عمرانی در هر کشور یک سرمایه محسوب می شوند. موضوع مدیریت تعمیر و نگهداری راه های یکی از مهم ترین موارد جهت حفظ راه ها با توجه به بودجه موجود است. دو موضوع در مبحث مدیریت تعمیر و نگهداری راه ها دارای اهمیت است: 1 تعیین گزینه مناسب و 2 زمان بکارگیری آن. در این مقاله سعی شده تا مدلی با بکارگیری ابزار هوش مصنوعی جهت ارائه الگوریتمی در خصوص تصمیم گیری در رابطه با گزینه مناسب جهت انجام عملیات تعمیر و نگهداری و نیز زمان مناسب به لحاظ اولویت بندی برای اجرای آن توسعه داده شود. برای این منظور از سیستم استنتاج فازی (fis) جهت ارائه مدل تصمیم‎گیری استفاده می‎شود. در این راستا از وضعیت فعلی روسازی شامل خرابی ها، وضعیت ناهمواری و مقاومت سازه‎ای به عنوان ورودی های مدل استفاده خواهد شد. خروجی ها نیز گزینه تعمیر و نگهداری مناسب و اولویت زمانی اجرای آن خواهد بود. در نهایت مدل توسعه داده شده برای یک مطالعه موردی در قطعاتی از راه های برون شهری استان فارس اجرا خواهد شد. جهت تعیین اعتبارسنجی مدل نیز نتایج حاصل از مدل با آنچه که در واقعیت اجرا شده مقایسه می گردد. نتایج نشان می دهد تطابق نسبتاً خوبی میان نتایج حاصل از مدل فازی و آنچه که در واقعیت اجرا شده وجود دارد.

Presenting a model to determine the method and priority of maintenance for flexible pavements by Fuzzy Inference System Case study: Fars County

Roads as the most extensive infrastructures are great assets in each country. Pavement rehabilitation and maintenance (R&M) based on the current budget is one of the most important issues to have proper roads. Two subjects are important in pavement management system, which are deciding about the proper alternatives for R&M and time to perform it. This paper aims to develop a model based on artificial intelligence to propose an algorithm for deciding about the proper option for pavement R&B and also the priority of its performance. For this purpose fuzzy inference system (FIS) would be applied. The present condition of the pavement based on the distresses, roughness and structural strength would be considered as the model inputs. Also the outputs are the proper option for R&B and priority of performance. To validate the model the real data of Fars County which relates to a PMS project would be applied. Results indicate that there is a good correlation between the results of the proposed model and real data.