ارائه یک روش جدید جهت برنامه‌ریزی فرآیند تعمیر و نگهداری روسازی راه‌ها

راه‌ها از گسترده‌ترین زیرساخت‌های عمرانی و جزء سرمایه‌های ملی هر کشور محسوب می‌شوند. مدیریت ترمیم و نگهداری راه‌ها از مهم‌ترین امور برای حفظ وضعیت راه‌ها در حالت مطلوب بوده و چنانچه این امر به‌طور مناسب انجام نشود، هزینه ‌های بیشتری در آینده وارد خواهد شد. دو موضوعِ تعیین نوع گزینه ترمیم و نگهداری و زمان بکارگیری آن در مبحث مدیریت تعمیر و نگهداری راه‌ها دارای اهمیت فراوان است. در این مقاله سعی شده است تا با ترکیب ابزارهای اولویت‌بندی، هوش مصنوعی و بهینه‌سازی روشی جهت انتخاب گزینه بهینه ترمیم و نگهداری در قطعات روسازی در هر بازه زمانی ارائه شود. برای این منظور ابتدا برای اولویت‌بندی شاخه‌های شبکه روسازی از تحلیل سلسله مراتبی (ahp) استفاده می‌شود. سپس با استفاده از مدل برنامه‌ریزی خطی احتمال انتخاب گزینه‌های ترمیم و نگهداری در قطعات روسازی با در نظر گرفتن محدودیت‌های مشخص بیشینه می‌شود. برای به دست آوردن احتمال انتخاب هر گزینۀ ترمیم و نگهداری در قطعات روسازی از سیستم استنتاج فازی (fis) استفاده می‌شود. برای اجرای مدل پیشنهادی از یک شبکۀ روسازی اطراف شهر ماهان (کرمان) استفاده می‌شود. بر اساس نتایج حاصل شده می‌توان گفت که الگوریتم به کار رفته در این مقاله می‌تواند با در نظر گرفتن پارامترها و شاخص‌های مختلف مربوط به شاخه‌ها و قطعات روسازی، سناریوهای مختلفی برای انتخاب گزینه‌‌های ترمیم و نگهداری در بازه‌های زمانی یک ساله به سازمان متولی راه بدهد و این الگوریتم فرآیند انتخاب گزینه‌های ترمیم و نگهداری در قطعات مختلف را تسهیل می‌کند و یک روش علمی و مدون جهت مدیریت تعمیر و نگهداری راه ها ارائه می‎‌دهد.

introducing a new method for the pavements’ maintenance and rehabilitation planning

roads are considered as one of the most extensive civil infrastructures and national capitals of each country. pavement maintenance and rehabilitation (m r) management is one of the most important problems, which can help to reduce further costs. two issues are important in the field of road maintenance and rehabilitation management; the first type of m r option and then time its application. in this paper, it was attempted to combine prioritization, artificial intelligence, and optimization methods to select the optimal option for the maintenance and rehabilitation of pavement sections at any time interval. for this purpose, the analytical hierarchy process was used to prioritize the branches in the pavement network. in the next step, using a linear programming model, the probability of selecting maintenance and rehabilitation options for pavement sections was maximized considering several specific constraints. a fuzzy inference system was used to determine the probability of selecting each maintenance and rehabilitation option in pavement sections. a case study in mahan (kerman) was used to run the proposed model. based on the results, it can be concluded that the proposed algorithm can consider different parameters and indices for pavement branches and sections. in addition, it offers different scenarios for the selection of m r options in a year. the model helps to compare various scenarios based on different budgets for each year. in all, the proposed algorithm facilitates the process of selecting m r options in the different sections of a road network and provides a scientific approach to manage maintenance roads.