ДИНАМІЧНІ Й ЕКОНОМЕТРИЧНІ МОДЕЛІ ПРОГНОЗУВАННЯ СТАНУ АВТОМОБІЛЬНИХ ДОРІГ
DOI:
https://doi.org/10.30977/BUL.2219-5548.2019.85.0.59Ключові слова:
система управління станом покриття, георадарне обстеження, динамічні моделі прогнозування, марковські ланцюгиАнотація
. За результатами аналізу літературних джерел зроблено висновок, що актуальне завдання підвищення надійності прогнозів стану конструкції дорожнього одягу (КДО) локального і мережного рівнів у повному обсязі не вирішено. Запропонований підхід до вирішення завдання обґрунтування мінімальної кількості ділянок обстеження за умови максимальної надійності прогнозних оцінок стану покриття, який потребує: вирішення завдання вибору мінімальної кількості ділянок за умови максимально достовірних прогнозів; вирішення завдання оптимізації з обмеженнями щодо витрат за умови максимальної ефективності прогнозування; розроблення комплексного підходу до прогнозування на мережному рівні, що застосовує динамічні моделі прогнозування стану КДО локального рівня. Запропонований алгоритм складається з етапів: 1) аналізу даних про особливості різних ділянок з метою їх групування за критеріями техніко-експлуатаційного стану (швидкість зміни індексу стану покриття) і економетричними критеріями (вартість ремонту та утримання); 2) аналізу обсягів робіт з обстеження мережі та зіставлення його з наявними ресурсами; 3) відбору груп ділянок для обстеження. На цьому етапі запропоновано вирішення завдання у вигляді рівняння Ейлера, яке за умови безперервності моделі приймає вигляд інтегрального рівняння Фредгольма ІІ роду з виродженим ядром; 4) вирішення економетричного завдання оптимізації заходів з ремонту та утримання з урахуванням обмежень за витратами.Посилання
Prozzi J. A., de Beer M. (1997) Mechanistic determination of equivalent damage factors for multiple load and axle configurations. Eight International Conference on Asphalt Pavements: Proceedings. University of Washington, Seattle – Washington, Vol. 1. Р. 161–178.
Zumrawi Magdi. (2015) Survey and Evaluation of flexible Pavement Failures. International Journal of Science and Research (IJSR). № 4. Р. 1602–1607.
Khaing H., Htwe T. (2014) Study on Failures and Maintenance of Flexible Pavement. International Journal of Scientific Engineering and Technology Research. № 3 (14). P. 2984–2990.
Gupta A., Kumar P., Rastogi R. (2011) Pavement Deterioration and Maintenance Model for Low Volume Roads. International Journal of Pavement Research and Technology. Vol. 4. № 4. P. 195–202.
Zhaoyang Lua, Qiang Meng. (2018) Impacts of pavement deterioration and maintenance cost on Pareto-efficient contracts for highway franchising. Transportation Research Part E: Logistics and Transportation Review. Vol. 113. P. 1–21.
Nega. A., Nikraz. H., Herath. S., Ghadimi B. (2015) Distress Identification, Cost Analysis and Pavement. International Journal of Engineering and Technology. 7 (4). P. 267–275.
Zambon Ivan, Vidovic Anja, Strauss Alfred, Matos Jose, Amado Joao. (2017) Comparison of Stochastic Prediction Models Based on Visual Inspections of Bridge Decks. Journal of Civil Engineering and Management. Vol. 23 (5). Р. 553–561. Retrieved from: https://doi.org/10.3846/ 13923730.2017.1323795. (accessed 20.03.2019).
Tjan A., Pitaloka D. (2005) Future Prediction of Pavement Condition Using Markov Probability Transition Matrix. Eastern Asia Society for Transportation Studies: Proceedings. Vol. 5. Р. 772–782.
Sérgio Pacífico Soncim, Igor Castro Sá de Oliveira, Felipe Brandão Santos, Carlos Augusto de Souza Oliveira. (2018) Development of probabilistic models for predicting roughness in asphalt pavement. Road Materials and Pavement Design. Vol. 19 (6). Р. 1448–1457. Retrieved from: https://doi.org/10.1080/14680629. 2017.1304233. (accessed 20.03.2019).
Mandiartha Putu, Duffield Colin, Thompson Russell, R. Wiggan Marcus. (2012) A stochastic based performance prediction model for road network pavement maintenance. Road and Transport Research. Vol. 21 (3). Р. 34–52.
Abaza Khaled. (2016) Empirical approach for estimating the pavement transition probabilities used in non-homogenous Markov chains. International Journal of Pavement Engineering. Vol. 18. Р. 130–139.
Feng Hong, Jorge A. Prozzi. (2015) Using Count Data to Model Infrastructure Distress Initiation and Progression. Journal of Infrastructure Systems. Vol. 21. Issue 1. Retrieved from: https://doi.org/10.1061/(ASCE)IS.1943-555X.0000168. (accessed 20.03.2019).
Ground penetrating radar, theory and applications / Jol Harry M. (Editor). (2009) Amsterdam: Elsevier B. V., 508 р.
Zheng Li. A. (2005) Probabilistic and Adaptive Approach to Modeling Performance of Pavement Infrastructure: Dissertation Presented to the Faculty of the Graduate School of the University of Texas at Austin in Partial Fulfillment of the Requirements for the Degree of Doctor of Philosophy. The University of Texas at Austin. 156 p.
Batrakova Angelika G., Batrakov Dmitry O., Antyufeyeva Mariya S. (2018) Pavement deterioration model based on GPR datasets. Roads and Bridges – Drogi i Mosty. Vol. 17. № 1. Р. 55–71.
Golabi K., Kulkarni R. B., Way G. B., Statewide A. (1982) Pavement Management System. Interfaces. Vol. 12. Р.5–21.
Batrakova A. G. (2014) Metodologiya monitorniga dorozhnykh odzhed nezhestkogo tipa s primeneniyem georadiolokatsionnykh tekhnologiy [Methodology of nonrigid road pavements monitoring with application of georadar technologies]: dis. … d-ra tekhn. nauk: 05.22.11 / Khar'kovskiy nats. Avtomobil'no-dorozhnyy un-t. Khar'kov, 2014. 307 с.
Batrakov D. O., Zhuck N. P. (1994) Inverse Scattering Problem in the Polarization Parameters Domain for Isotropic Layered Media: Solution via Newton-Kantorovich Iterative Technique. Journal of Electromagnrtic Waves and Applications, Vol. 8. № 6. Р.759–779.
Batrakov D.O. (1998) Quality and efficiency of information monitoring at radio wave testing of inhomogeneous dielectric layers by using a multifrequency method. Defektoskopiya. № 8. Р. 68–76.
