بهینه‌سازی برنامه بازدید روسازی‌ها به کمک پیش‌بینی حجم ترافیک

علیرغم اینکه بسیاری از مطالعات تلاش کرده اند تا سیستم بازرسی فعلی مدیریت روسازی را بهبود بخشند، ولی این بهبود موقتی است و نیاز به قضاوت ذهنی دارد؛ آنها خطر بازرسی ناگهانی را ارزیابی نمی کنند و دلایل فیزیکی را در پیش بینی وضعیت روسازی در نظر نمی گیرند. هدف این مقاله استفاده کامل از مجموعه بزرگ اطلاعات ترافیک از فناوری‌های its و مدل‌های پیش‌بینی جریان با دقت بالا است. با استفاده از این منابع، می توان مدل مکانیکی تری را برای پیش‌بینی وضعیت روسازی پیاده‌سازی کرد که متغیرهایی را که در واقع در فرآیند خرابی نقش دارند، مانند ویژگی‌های ترافیکی، ویژگی‌های ساختاری روسازی‌ها و عوامل محیطی، تطبیق می‌دهد. بنابراین، باتوجه به ضعف موجود در روش های ارائه شده قبلی، این مقاله چهارچوبی را برای بهینه‌سازی یک برنامه بازرسی انعطاف‌پذیر پیشنهاد می‌کند که هدف اصلی آن به حداقل رساندن هزینه چرخه عمر بازرسی و جلوگیری از خطر بازرسی ناگهانی است. به طور خلاصه، از مقایسه بین بازرسی منظم 1 ساله، بازرسی منظم 2 ساله و بازرسی بهینه مشخص می شود که : الف) بازرسی بهینه شده از نظر بازده کل که شامل راندمان بازه ای، راندمان توزیع و جریمه ریسک است، بهتر از بازرسی های معمولی عمل می کند ب) کارآیی کل برای بازرسی بهینه نسبتاً قوی تر از بازرسی های معمولی با سناریوهای مختلف ترافیک است و پ) کارآیی کل برای سه بازرسی مختلف به شدت تحت تاثیر میانگین جریان ترافیک شبکه جاده ای است. نتایج بدست آمده نشان می دهد که بازرسی انعطاف‌پذیر از نظر بازده کل که شامل راندمان بازه ای، راندمان توزیع و جریمه ریسک است، بهتر از بازرسی های معمولی عمل می کند و کارآیی کل این نوع بازرسی نسبتاً قوی تر از سایر روش های بازرسی است.

optimizing pavement inspection planning with the help of traffic volume forecasting

although many studies have tried to improve the current pavement management inspection system, this improvement is temporary and requires subjective judgment; they do not assess the risk of sudden inspection and do not consider the physical reason in predicting the condition of the pavement. the aim of this paper is to make full use of the large collection of traffic information from its technologies and high-accuracy flow prediction models. using these resources, it is possible to implement a more mechanistic model for pavement condition prediction that accommodates variables that contribute to the failure process, such as traffic characteristics, structural characteristics of pavements, and environmental factors. therefore, considering the weakness of the previously presented methods, this paper proposes a framework for optimizing a flexible inspection schedule, the main objective of which is to prevent the sudden inspection risk from predicting the pavement condition while minimizing the inspection life cycle cost. the obtained results show that flexible inspection performs better than conventional inspections in terms of total efficiency, which includes interval efficiency, distribution efficiency, and risk penalty, and the overall efficiency of this type of inspection is relatively stronger than other inspection methods..