Издаётся с сентября 1923 года
DOI: 10.33622/0869-7019
Russian Science Citation Index (RSCI) на платформе Web of Science


  • ПРОЕКТИРОВАНИЕ И СТРОИТЕЛЬСТВО ДОРОГ, АЭРОДРОМОВ, МОСТОВ
  • Метод планирования ремонтно-восстановительных работ на улично-дорожной сети
  • УДК 625.7/.8.05
    doi: 10.33622/0869-7019.2024.05.61-67
    Мария Андреевна БРЕЖНЕВА, аспирантка, fineeva.m@mail.ru
    Юрий Эммануилович ВАСИЛЬЕВ, доктор технических наук, профессор, зав. кафедрой дорожно-строительных материалов, yu.vasilev@madi.ru
    Московский автомобильно-дорожный государственный технический университет (МАДИ), 125319 Москва, Ленинградский просп., 64
    Аннотация. Рассматривается подход к планированию ремонтно-восстановительных работ на улично-дорожной сети на основании результатов ее диагностики. Предложен метод оперативного планирования, позволяющий автоматизировать процесс выбора наилучшего варианта распределения заказов на производство асфальтобетонных смесей по асфальтобетонным заводам с одновременным выбором транспортных средств, необходимых для доставки смесей к местам проведения работ. Приведена общая последовательность планирования ремонтно-восстановительных работ с кратким описанием этапов. Представлена математическая постановка задачи оперативного планирования ремонтных работ по критерию времени и изложен алгоритм ее решения. Разработанный метод позволяет улучшить начальное решение задачи в ходе итерационного процесса с использованием идеи покомпонентного спуска, когда ищется наилучшее решение по одной переменной при фиксированных значениях всех других переменных. Предложенный подход к планированию ремонтно-восстановительных работ по результатам диагностики улично-дорожной сети с учетом используемых материалов и условий эксплуатации обеспечивает выработку и реализацию управляющих воздействий с использованием нормативной базы, определяет тип ремонтно-восстановительных работ и др. Исследована возможность применения разработанного метода при планировании ремонта барьерного ограждения, установленного на Московской кольцевой автомобильной дороге.
    Ключевые слова: метод оперативного планирования, ремонтно-восстановительные работы, улично-дорожная сеть, метод пошаговой оптимизации, асфальтобетонный завод, категории дефектов
  • СПИСОК ИСТОЧНИКОВ
    1. Васильев А. П. Ремонт и содержание автомобильных дорог: В 2 т. М. : Информавтодор, 2004. Т. 2. 1129 с.
    2. Han C., Ma T., Chena C. Asphalt pavement maintenance plans intelligent decision model based on reinforcement learning algorithm [Интеллектуальная модель принятия решений по планированию обслуживания асфальтового покрытия на основе алгоритма обучения с подкреплением]. Construction and Building Materials, 2021, vol. 299(13), pp. 124278. doi: 10.1016/j.conbuildmat.2021.124278
    3. Yang X., Guan J., Ding L. et al. Research and applications of artificial neural network in pavement engineering. A state-of-the-art review [Исследование и применение искусственных нейронных сетей в проектировании дорожных покрытий: современный обзор]. Journal of Traffic and Transportation Engineering (English Edition), 2021, vol. 8(6), pp. 1000-1021. doi: 10.1016/j.jtte.2021.03.005
    4. Jarrahi M. Artificial intelligence and the future of work: Human-AI symbiosis in organizational decision making [Искусственный интеллект и будущее труда: симбиоз человека и искусственного интеллекта в принятии организационных решений]. Business Horizons, 2018, vol. 61(4), pp. 577-586.
    5. Chen W., Zheng M. Multi-objective optimization for pavement maintenance and rehabilitation decision-making: A critical review and future directions [Многоцелевая оптимизация принятия решений по содержанию и восстановлению дорожного покрытия: критический обзор и будущие направления]. Automation in Construction, 2021, vol. 130, pp. 103840. doi: 10.1016/j.autcon.2021.103840
    6. Tohidi M., Khayat N., Telvari A. The use of intelligent search algorithms in the cost optimization of road pavement thickness design [Использование интеллектуальных алгоритмов поиска при оптимизации затрат на расчет толщины дорожного покрытия]. Ain Shams Engineering Journal, 2022, vol. 13(3), pp. 101596. doi: 10.1016/j.asej.2021.09.023
    7. Saъl Cano-Ortiz S., Pascual-Muсoz P., Castro-Fresno D. Machine learning algorithms for monitoring pavement performance [Алгоритмы машинного обучения для мониторинга характеристик дорожного покрытия]. Automation in Construction, 2022, vol. 139, pp. 104309. doi: 10.1016/j.autcon.2022.104309
    8. Onayev A., Sweib O. IRI deterioration model for asphalt concrete pavements: capturing performance improvements over time [Модель ухудшения IRI для асфальтобетонных покрытий: фиксация улучшения характеристик с течением времени]. Construction and Building Materials, 2021, vol. 271, pp. 121768. doi: 10.1016/j.conbuildmat.2020.121768
    9. Gunathilaka S., Amarasingha N. Using social and economic factors for ranking pavement maintenance and rehabilitation projects [Использование социальных и экономических факторов для ранжирования проектов по содержанию и восстановлению дорожного покрытия]. Asian Transport Studies, 2020, vol. 6, 100026. doi: 10.1016/j.eastsj.2020.100026
    10. Ranjbar S., Nejad F. M., Zakeri H., Gandomi A. H. 3-Computational intelligence for modeling of asphalt pavement surface distress [3-Вычислительный интеллект для моделирования аварийных ситуаций на поверхности асфальтобетонного покрытия]. New Materials in Civil Engineering, 2020, pp. 79-116. doi: 10.1016/B978-0-12-818961-0.00003-X
    11. Zheng J., Kobayashi Y., Takahashi Y. et al. Framework integrating with machine learning and optimization for planning and scheduling in manufacturing and services [Фреймворк, интегрированный с машинным обучением и оптимизацией для планирования и составления расписания в производстве и сервисе]. IEEE 15th International Conference of System of Systems Engineering, 2020, pp. 123-128. doi: 10.1109/SoSE50414.2020.9130560
    12. Belani H., Vukovic M., Car Z. Requirements engineering challenges in building aI-based complex systems [Проблемы проектирования требований при создании сложных систем на базе искусственного интеллекта.]. IEEE 27th International Requirements Engineering Conference Workshops (REW), 2019, pp. 252-255. doi:10.1109/REW.2019.00051
    13. Ltifi H., Kolski C., Ayed M. B., Alimi A. M. A human-centred design approach for developing dynamic decision support system based on knowledge discovery in databases [Человеко-ориентированный подход к разработке динамической системы поддержки принятия решений, основанной на обнаружении знаний в базах данных]. Journal of Decision Systems, 2013, vol. 22(2), pp. 69-96.
    14. Hanandeh, S. Introducing mathematical modeling to estimate pavement quality index of flexible pavements based on genetic algorithm and artificial neural networks [Внедрение математического моделирования для оценки показателя качества покрытия нежестких дорожных покрытий на основе генетического алгоритма и искусственных нейронных сетей]. Case Studies in Construction Materials, 2022, vol. 16, pp. e00991. doi: 10.1016/j.cscm.2022.e00991
  • Для цитирования: Брежнева М. А., Васильев Ю. Э. Метод планирования ремонтно-восстановительных работ на улично-дорожной сети // Промышленное и гражданское строительство. 2024. № 5. С. 61-67. doi: 10.33622/0869-7019.2024.05.61-67

НАЗАД