تعیین مناسب ترین زمان بازدید های میدانی در روسازی های آسفالتی به کمک الگوریتم ژنتیک

باتوجه به هزینه های گزافی که سالانه جهت ترمیم و بهسازی روسازی های آسفالتی پرداخت می شود و همچنین باتوجه به گسترش روزافزون استفاده از الگوریتم های ابتکاری و فرا ابتکاری،هدف اصلی این مقاله تعیین مناسب ترین زمان برای برداشت های میدانی در مدیریت روسازی با بکارگیری الگوریتم های ابتکاری خواهد بود تا ضمن جلوگیری از هزینه های بیشتر، برنامه ریزی بهتری جهت نگهداری و تعمیر روسازی داشته باشیم تا همواره جاده ها سطح خدمت قابل قبولی داشته باشند. ضمناً در این مبحث نباید از مسائل مالی مربوط به برداشت های میدانی نیز غافل شد؛ ولی مشخص است که این هزینه ها در مقابل هزینه های هنگفت صرف شده در جاده ها بسیار ناچیز می باشد؛ منتها باید شاخص های موثر بر هزینه برداشت های میدانی نیز مشخص شده و همگام با تعیین بهترین زمان انجام بازرسی، این هزینه ها نیز بهینه سازی شوند. بنابراین این مقاله سعی دارد تا مناسب ترین زمان را برای برداشت های میدانی تعیین کرده تا با اولین برداشت ها، بتوان مدلسازی مربوطه، برنامه ریزی لازم، برآوردهای مالی و ... را انجام داده و در جهت بهینه سازی بازرسی های روسازی های آسفالتی گام برداشته و در این بین، مباحث ترافیکی و مالی را نیز در نظر دارد. به این منظور باتوجه به عوامل موثر و به کمک الگوریتم ژنتیک، برنامه موردنیاز در نرم افزار متلب پیاده شده و برای نمونه های مختلف از استان خوزستان تست شد که نتایج آن بسیار چشمگیر و منطقی می باشد. با دادن سن روسازی و ضریب اهمیت روسازی، الگوریتم ژنتیک شروع به کار کرده و ترافیک، دما، pci و ضریب کیفیت را بهینه سازی کرده تا در نهایت زمان بهینه برداشت های میدانی بدست آید.

determining the most suitable time for field visits in asphalt pavements with the help of genetic algorithm

the main goal of this article is to determine the most appropriate time for field observations in pavement management by using the algorithm. it will be innovative to prevent more costs and have better planning for pavement maintenance and repair so that the roads always have an acceptable level of service. in addition, in this topic, the financial issues related to field observations should not be neglected; but these costs are very small compared to the huge costs spent on roads; however, the indicators affecting the cost of field harvests should also be specified and these costs should be optimized along with determining the best time for conducting the inspection. therefore, this article tries to determine the most appropriate time for field surveys, so that with the first surveys, relevant modeling, necessary planning, financial estimates, etc. can be done and steps can be taken to optimize inspections of asphalt pavements. and in the meantime, traffic and financial issues are also in mind. for this purpose, according to the effective factors and with the help of genetic algorithm, the required program was implemented in matlab software and tested for different samples from khuzestan province, the results of which are very impressive and reasonable. by giving the age of the pavement and the coefficient of importance of the pavement, the genetic algorithm starts working and optimizes the traffic, temperature, pci and quality factor to finally obtain the optimal time of field harvests.