Управление жизненным циклом автомобильных дорог на этапе эксплуатации на основе моделей искусственных нейронных сетей тема диссертации и автореферата по ВАК РФ 00.00.00, кандидат наук Елшами Мохамед Мостафа Махмуд

• Елшами Мохамед Мостафа Махмуд
• кандидат наук
• 2022

Оглавление диссертации кандидат наук Елшами Мохамед Мостафа Махмуд

ОГЛАВЛЕНИЕ

ВВЕДЕНИЕ

ГЛАВА 1: СОСТОЯНИЕ ВОПРОСА. ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЙ

1.1 Особенности управления жизненным циклом автомобильных дорог на различных этапах

1.2 Обзор систем управления состоянием автомобильных дорог (PMS)

1.2.1 Уровни управления состоянием дорожных одежд

1.2.2 Компоненты систем управления состоянием автомобильных дорог

1.2.3 Оценка эксплуатационных характеристик дорожных одежд на эксплуатируемых автомобильных дорогах

1.2.3.1 Показатели состояния дороги учитывающие дефекты и продольную ровность покрытия

1.2.3.2 Методы оценки дефектов поверхности покрытия автомобильных дорог

1.2.3.3 Методы оценки несущей способности нежёстких дорожных конструкций с использованием установок ударного нагруженная FWD

1.3 Применение искусственных нейронных сетей в задачах дорожной отрасли

1.3.1 Обзор искусственных нейронных сетей и принципов их работы

1.3.2 Обучение искусственной нейронной сети

1.3.3 Обзор использования некоторых предыдущих работ искусственных нейронных сетей для определения структурного состояния дорожной одежды

1.4 Выводы по Главе

ГЛАВА 2: ТЕОРЕТИЧЕСКИЕ ИССЛЕДОВАНИЯ

2.1 Постановка задачи определения текущего состояния элементов нежёстких дорожных конструкций

2.2 Разработка структуры модели искусственной нейронной сети для определения модулей упругости конструктивных слоёв нежёстких дорожных одежд

2.2.1 Основные алгоритмы моделей искусственных нейронных сетей

2.2.2 Архитектура нейронной сети

2.3 Теоретические основы разработки модели искусственной нейронной сети для определения эксплуатационного состояния автомобильной дороги

2.3.1 Входные переменные, влияющие на вероятность появления усталостных разрушений асфальтобетонных покрытий

2.3.2 Входные переменные, влияющие на продольную ровность покрытия дорожной одежды

2.3.3 Входные переменные, влияющие на вероятность появления колейности покрытия дорожной одежды

2.4 Теоретические основы разработки модели искусственной нейронной сети для прогнозирования единого показателя состояния автомобильной дороги

2.5 Выводы по Главе

ГЛАВА 3: ЭКСПЕРИМЕНТАЛЬНЫЕ ИССЛЕДОВАНИЯ ЭКСПЛУАТАЦИОННОГО СОСТОЯНИЯ ДОРОЖНЫХ ОДЕЖД НА ЭКСПЛУАТИРУЕМЫХ ДОРОГАХ

3.1 Определение продольной ровности покрытий дорожных одежд с использованием диагностических лабораторий

3.2 Определение несущей способности дорожных одежд и их конструктивных слоёв с использованием установки ударного нагружения

3.2.1 Оценка модулей упругости слоёв нежёсткой дорожной конструкции на участке автомобильной дороги М-4 ДОН» км 877+000-892+000

3.2.2 Измерение прочности на контрольной точке на участке автомобильной дороги М-4 «ДОН» км 877+000-892+000 (динамическим методом), линейные испытания прочности дорожной одежды

3.3 Визуальная оценка состояния покрытия дорожных одежд на обследованных автомобильных дорогах

3.4 Формирование набора экспериментальных данных для определения стуруктурного состояния автомобильной дороги

3.5 Формирование набора экспериментальных данных для определения эксплуатационного состояния дорожной одежды

3.5.1 Формирование набора экспериментальных данных для определения интегрального уровня сохранности дорожной одежды

3.6 Выводы по Глава

ГЛАВА 4: ОБУЧЕНИЕ РАЗРАБОТАННЫХ МОДЕЛЕЙ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

4.1 Обучение моделей ИНС для определения модулей упругости конструктивных слоёв дорожных одежд

4.1.1 Обучение модели ИНС, разработанной с использованием программы Neural-Tools

4.1.2 Обучение модели ИНС, разработанной с использованием программы MATLAB

4.1.3 Обучение набора разработанных моделей ИНС с четырьмя различными алгоритмами функционирования с помощью программы MATLAB

4.2 Обучение модели ИНС для прогнозирования эксплуатационных характеристик дорожных одежд

4.3 Обучение модели ИНС для прогнозирования интегрального уровня сохранности автомобильной дороги

4.4 Выводы по Главе

ГЛАВА 5: РАЗРАБОТКА МЕТОДА УПРАВЛЕНИЯ ЖИЗНЕННЫМ ЦИКЛОМ АВТОМОБИЛЬНЫХ ДОРОГ НА ЭТАПЕ ЭКСПЛУАТАЦИИ НА ОСНОВЕ МОДЕЛЕЙ ИСКУССТВЕННЫХ НЕЙРОННЫХ СЕТЕЙ

5.1 Управление жизненным циклом автомобильных дорог на этапе эксплуатации на основе моделей искусственных нейронных сетей

5.1.1 Оценка ухудшения состояния дорожной одежды и место разработанного подхода в системе жизненного цикла автомобильной дороги на этапе эксплуатации

5.2 Выводы по Главе

ОБЩИЕ ВЫВОДЫ

СПИСОК ЛИТЕРАТУРЫ

ПРИЛОЖЕНИЕ

Введение диссертации (часть автореферата) на тему «Управление жизненным циклом автомобильных дорог на этапе эксплуатации на основе моделей искусственных нейронных сетей»

ВВЕДЕНИЕ

Актуальность исследований. Жизненный цикл автомобильной дороги, как и большинства инженерных сооружений включает в себя этапы инженерных изысканий, проектирования, строительства, эксплуатации (включающего в себя работы по содержанию и ремонту), капитальный ремонт/реконструкцию и демонтаж (разборку) (см. рисунок 1).

Рисунок 1 - Жизненный цикл инженерного сооружения

Как показывает опыт, одной из основных причин несоблюдения требуемых сроков службы автомобильных дорог является несвоевременное выполнение работ по содержанию, ремонту дорог, или неверные управленческие решения в выборе определенного вида ремонтных работ. Особую актуальность поиск решения данной проблему имеет в связи с необходимостью достижения целевых показателей в рамках национального проекта «Безопасные и качественные автомобильные дороги» (БКАД).

Одной из важных причин данной проблемы представляется отсутствие единых интегральных критериев оценки состояния автомобильных дорог, определяемых на основе инструментальной диагностики и механизмов принятия на их основе управленческих решений. В действующей сегодня системе

диагностики автомобильных дорог приоритетное внимание уделяется эксплуатационным характеристикам асфальтобетонного покрытия, в то время как определение жёсткости и прочности дорожной одежды в целом на автомобильной дороге зачастую является факультативным. При этом диагностика по этим показателям проводится ежегодно и сопряжена с применением современных высокоточных и высокопроизводительных установок - таких как диагностические лаборатории и установки динамического нагружения с падающим грузом. Отсутствие единого критерия приводит к ситуации, когда набранные значительные объёмы информации о состоянии автомобильных дорог остаются практически не востребованными, так как не привязываются к единому конкретному значению, характеризующему состояние дороги.

Наиболее перспективным механизмом решения этой проблемы выглядит применение технологий искусственного интеллекта, в частности моделей искусственных нейронных сетей (далее ИНС). На их основе возможно построение практичного, недорогого и быстрого метода оценки функционального состояния дорожной одежды, позволяющего также прогнозировать изменения конструктивного и эксплуатационного состояния автомобильных дорог в краткосрочной и среднесрочной перспективе. Всё это позволит в значительной степени повысить эффективность управления жизненным циклом автомобильных дорог как с точки зрения их качества, так и с точки зрения экономичности мероприятий по поддержанию их сохранности, что положительно отразится на сроке их эксплуатации.

Степень разработанности проблемы: Над разработкой теоретических и практических основ управления состоянием автомобильных дорог на таком важном этапе жизненного цикла, как эксплуатация работали Н.Н. Иванов, А.П. Васильев, О.А. Красиков, Ю.М. Яковлев, Б.С. Радовский, М.С. Коганзон, М.В, Немчинов, В.В. Столяров, в зарубежных странах - как Ullidtz P, Al-Mansour A.I, Al-Omari B., Castell M.A., Ceylan H., Cottrell W.D., Galehouse L., Gryp A. Van der., Attoh-Okine N., Prozzi J.A., Shahnazari H., Adarkwa O., Beckley M.E., Marecos V. и др.

Однако многие вопросы касающиеся выработки единых критериев состояния дорог, а также назначения видов и сроков управляющих воздействий с учетом их фактического состояния, остаются неисследованными.

Цель диссертации - совершенствование механизмов управления жизненным циклом автомобильных дорог с разработкой комплексного метода прогнозирования их состояния, базирующегося на применении моделей искусственных нейронных сетей и позволяющего осуществлять оценку эксплуатационных и структурных свойств автомобильных дорог, а также планировать сроки и виды мероприятий по текущему и капитальному ремонту.

Для достижения поставленной цели необходимо решить следующие задачи:

- обосновать влияние разработанного метода назначения управляющих воздействий (в виде работ по содержанию, ремонту, капитальному ремонту) на продление срока службы эксплуатируемых автомобильных дорог;

- провести теоретический обзор исследований, связанных с существующими практиками управления жизненным циклом, а также осуществить анализ и классификацию моделей искусственных нейронных сетей, применяемых при решении аналогичных задач строительной отрасли;

- обосновать параметры искусственных нейронных сетей и разработать соответствующие модели для определения структурных характеристик слоев дорожных одежд на автомобильных дорогах для прогнозирования изменения эксплуатационного состояния покрытия автомобильных дорог, и прогнозирования сроков и видов работ по содержанию и ремонту дорожных одежд в ходе их эксплуатации;

- разработать методику прогнозирования интегрального показателя состояния автомобильных дорог, объединяющего основные показатели ее эксплуатационного и структурного состояния, определяемые в ходе диагностики;

- разработать комплексный подход к управлению жизненным циклом автомобильных дорог на этапе эксплуатации, базирующийся на применении искусственных нейронных сетей, позволяющий осуществлять прогнозирование их

фактического состояния и назначать сроки и виды мероприятий по их восстановлению.

Объект исследования: автомобильные дороги с асфальтобетонным покрытием.

Предмет исследования: эксплуатационное состояние автомобильной дороги.

Методика исследований базируется на применении математического аппарата разработки и обучения искусственных нейронных сетей, а также методах теории надежности и математической статистики, и использовании современного высокоточного и производительного экспериментального оборудования для диагностики автомобильных дорог.

Научная новизна работы:

- разработан комплексный подход к управлению жизненным циклом автомобильных дорог на этапе эксплуатации, объединяющий основные параметры ее эксплуатационного (продольная и поперечная ровность, наличие дефектов) и структурного состояния (модули упругости слоев и общий модуль упругости дорожной одежды), реализуемый с использованием алгоритмов искусственных нейронных сетей, и позволяющий назначать виды и сроки мероприятий по восстановлению;

- обоснованы параметры и разработаны модели искусственных нейронных сетей для определения модулей упругости конструктивных элементов нежёстких дорожных одежд, а также для прогнозирования эксплуатационного состояния автомобильных дорог;

- разработана методика прогнозирования интегрального уровня сохранности автомобильных дорог, реализуемая на основе алгоритмов искусственных нейронных сетей, по данным инструментальной оценки их структурного и эксплуатационного состояния;

- предложена шкала критериев принятия решений о видах управляющих воздействий для назначения мероприятий по восстановлению эксплуатационного

состояния автомобильных дорог в течение их жизненного цикла на этапе эксплуатации.

Достоверность результатов обеспечивается за счёт использования современных экспериментальных методов и программ для построения моделей, прошедших проверку, а также соответствием расчётных результатов фактическим данным, полученных инструментальными измерениями.

Практическая значимость диссертации:

- предложены управляющие воздействия, назначаемые с использованием разработанного подхода обеспечивающие требуемые межремонтные сроки службы автомобильных дорог, за счет рационального планирования их видов и сроков с учетом фактического эксплуатационного и структурного состояния дорожной одежды автомобильной дороги;

- разработан комплекс расчетных моделей на основе алгоритмов искусственных нейронных сетей, позволяющих осуществлять определение модулей упругости слоев дорожных одежд, по данным инструментальных измерений, прогнозировать вероятность возникновения критических дефектов покрытия, и прогнозировать изменение интегрального уровня их сохранности;

- разработана методика оценки состояния автомобильных дорог, предполагающая расчёт значения интегрального уровня сохранности дорожной одежды в процессе эксплуатации, что повышает возможность разработки плана содержания дорожной сети, зависящего от имеющихся ресурсов, а также содержания дорог в наиболее удовлетворительном состоянии.

На защиту выносятся:

- способ назначения управляющих воздействий на этапе эксплуатации жизненного цикла автомобильных дорог, базирующийся на разработанном комплексном подходе, реализуемом с использованием моделей искусственных нейронных сетей;

- комплекс расчетных методик для прогнозирования структурных и эксплуатационных характеристик автомобильных дорог на основе алгоритмов

искусственных нейронных сетей, позволяющих прогнозировать как отдельные показатели эксплуатационного состояния в виде продольной ровности, колейности и вероятности возникновения усталостных трещин, так и комплексный показатель - интегральный уровень сохранности;

- шкала критериев для принятия решений о видах управляющих воздействий направленных на назначение мероприятий по восстановлению эксплуатационного состояния автомобильных дорог в течение их жизненного цикла на этапе эксплуатации.

Апробация результатов и внедрение. Основные положения работы докладывались и обсуждались на Национальной научно-практической конференции «Актуальные проблемы науки и техники» (Ростов-на-Дону, ДГТУ, 2019); 4-й Международной конференции по разработке программного обеспечения и сервисов (ICSSE 2021), Марсель, Франция; Международной конференции «Наука и техника в дорожной отрасли» с участием молодых учёных» МАДИ (г. Москва 2021, 2022); на XV Всероссийской конференции в школе-семинаре «Математическое моделирование и биомеханика в современном университете», 2021, ЮФУ; на XVIII Ежегодной молодёжной научной конференции «Наука Юга России: достижения и перспективы» (Ростов-на-Дону, 2022).

Результаты исследования внедрены в ООО НПП «ДорТрансНИИ» и используются при разработке стратегий сохранности автомобильных дорог на сетевом уровне. Результаты исследований также внедрены в учебный процесс и используются в общем и специальном курсе для студентов автодорожных специальностей ДГТУ.

Публикации. Основные положения диссертации опубликованы в 13 научных работах, в том числе в 4 статьях в изданиях, рекомендованных ВАК, 3 статьях в журналах, входящих в базу данных Scopus и Web of Science; и 6 публикациях в других изданиях.

Соответствие паспорту специальности: Работа соответствует пп. 3, 4, 7 паспорта специальности 2.1.14 «Управление жизненным циклом объектов

строительства» и пп. 11, 14 специальности 2.1.8 «Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей»

Структура и объем диссертации. Диссертационная работа состоит из введения, 5 глав, заключения и списка литературы. Общий объем диссертации составляет 150 страниц, 88 рисунков, 22 таблиц, списка литературы из 117 наименований.

Глава 1: СОСТОЯНИЕ ВОПРОСА. ЦЕЛЬ И ЗАДАЧИ ИССЛЕДОВАНИЙ

1.1 Особенности управления жизненным циклом автомобильных дорог на

различных этапах

Автомобильная дорога представляет собой линейное сооружение, предназначенное для обеспечения удобного быстрого и безопасного движения пользователей с установленными скоростями и расчетными нагрузками. Основные этапы жизненного цикла автомобильных дорог совпадают с этапами характерными для большинства инженерных сооружений, приведенных на рисунке 1, и многие положения, касающиеся анализа жизненного цикла любого строительного объекта верны и для автомобильных дорог.

В области развития теоретических основ управления жизненным циклом строительных объектов и инженерных сооружений большой вклад внесли Гинзбург А.В., Некрасов А.Г., Семененко А.И., Шапиро В.Д., Гусаков А.А., Синенко С.А., Сборщиков С.Б., Мазура И.И., Малахова В.И., Мишина С.А., Солина

A.А., Blok R., Wübbenhorst K.L., Bonandrini S., Frangopol D.M., Sarja A. [9-11, 23, 74, 104, 107, 109, 110, 112-114].

В дорожную науку само понятие жизненного цикла пришло несколько позднее чем в практику промышленного и гражданского строительства. Тем не менее многие работы Н.Н. Иванова, А.П. Васильева, О.А. Красикова, В.В. Столярова, Б.А. Бондарева [101, 102, 105, 106, 108, 115], касаются вопросов увеличение долговечности дорожных одежд автомобильных дорог и повышения информативности методов и средств диагностики, что напрямую относится к управлению жизненным циклом на этапе эксплуатации. В работах В.Н. Бойкова и

B.П. Миронюка [100, 111], рассматривается большое количество важных вопросов касающихся построения организационных схем управления жизненным циклом автомобильных дорог, интеграции этих процессов в единую систему управления, а также методов и средств информационного моделирования, применяемых на различных этапах жизненного цикла.

В зарубежной парадигме проектирования автомобильных дорог понятие анализа жизненного цикла (Life cycle assesment) также достаточно прочно вошло в обиход, и широко используется при выборе конструкций дорожных одежд на этапе проектирования, принятии решений о видах и сроках оптимальных ремонтных мероприятий, а также при определении дисконтированных затрат за период эксплуатации дороги. Помимо этого, большое внимание уделяется влиянию функционирования автомобильных дорог c точки зрения устойчивого развития и их влияния на здоровье пользователя и окружающую среду. Это выражается в расчете и прогнозировании таких параметров как топливные затраты пользователей за период эксплуатации дороги, выбросы CO2, прогнозирование зашумленности и проч.

Особое внимание при анализе жизненного цикла уделяется принятию оптимальных решений на этапе эксплуатации автомобильной дороги. Ниже представлен график назначения ремонтных мероприятий в процессе эксплуатации направленных на обеспечение требуемого межремонтного срока службы, исходя из показателя PSI (рисунок 1.1).

Рисунок 1.1 - Задача управления жизненным циклом автомобильной дороги на

этапе эксплуатации

Далее будет приведено более подробное описание ряда показателей состояния автомобильных дорог, применяемых в мировых практиках анализа

жизненного цикла, однако следует отметить, что основная часть из них является достаточно субъективными, базирующимися на экспертных оценках и функционирующих только в системах проектирования своих стран. Оптимальным путем управления жизненным циклом на этапе эксплуатации автомобильных дорог является применение систем управления состоянием автомобильных дорог речь о которых пойдет ниже.

1.2 Обзор систем управления состоянием автомобильных дорог (PMS)

Все дороги с твёрдым покрытием со временем будут разрушаться, независимо от того, насколько хорошо они спроектированы или построены. Важнейшим элементом автомобильной дороги, обеспечивающим ее прочность и долговечность, является дорожная одежда. На ухудшение состояния дорожных одежд влияют интенсивность движения, климатические условия, качество строительства, толщина слоёв и эффективность ремонта и содержания [71]. Обычно состояние дорожных одежд остаётся удовлетворительным в течение первых 50-75% срока службы, а процессы ухудшения протекают медленно. Надлежащее техническое обслуживание или ремонт могут замедлить или даже остановить ухудшение эксплуатационного состояния, если они проведены своевременно.

В условиях износа транспортной сети органам управления сложно поддерживать свои активы в хорошем состоянии. Учитывая ограниченный бюджет, управление огромными транспортными активами требует определённого набора инструментов для оптимальной координации деятельности и достижения целей на сетевом уровне [82]. Такие системы можно назвать системами управления жизненным циклом автомобильных дорог на этапе эксплуатации, так как они используются для действующих автомобильных дорог. Такие системы управления, получившие сокращенное название Pavement management system (PMS) являются элементом управления активами транспортной инфраструктуры, которая включает в себя все виды транспортной деятельности. Она определяется Американской

ассоциацией государственных должностных лиц автомобильных дорог и транспорта (AASHTO) как: «набор инструментов или методов, которые помогают лицам, принимающим решения, находить оптимальные стратегии для обеспечения, оценки и поддержания дорожных одежд в исправном состоянии в течение определённого периода времени" [83]. Концепция системы управления автомобильными дорогами начала формироваться в середине 1960-х годов как вспомогательный инструмент, позволяющий обеспечить выбор своевременных и рациональных мероприятий по восстановлению и техническому обслуживание автомагистралей в условиях ограниченных средств [44].

В целом, деятельность системы управления автомобильными дорогами включает планирование инвестиций, проектирование, строительство, техническое обслуживание и текущую оценку их состояния [17]. Эта система может повысить эффективность решений, если проанализировать их последствия, принятые на разных уровнях управления [27]. Более того, её применение может потенциально уменьшить финансирование за счёт оптимизации распределения бюджета, определения приоритетности финансирования и использования эффективных стратегий технического обслуживания [34].

Система управления автомобильными дорогами даёт дорожным агентствам следующие возможности:

- Оценка фактического и прогнозируемого состояния дорожных одежд.

- Оценка средств, необходимых для улучшения состояния дорожной одежды до определённого уровня.

- Определение вариантов обработки и сохранения дорожной одежды на основе имеющихся средств.

- Оценка долгосрочного влияния изменений свойств материалов, методов строительства или процедур проектирования на характеристики слоев дорожной одежды автомобильной дороги.

Хотя DOT (департамент транспорта) активно обслуживает свои транспортные активы, отчётная карта инфраструктуры за 2017 год показывает, что

дороги США находятся или в удовлетворительном, или в плохом состоянии [3]. Самая большая проблема, из-за которой дороги США находятся в подобном состоянии, заключается в том, что в течение многих лет США испытывали при финансировании работ по поддержанию эксплуатационного состояния автомобильных дорог. В результате США остро нуждаются в сумме в размере 836 миллиардов долларов на ремонты, капитальные ремонты и содержание своей сети. Большая часть этих средств (примерно 420 миллиардов долларов) предназначена для ремонта системы автомобильных дорог. Таким образом, актуальность систематического подхода к оптимизации финансирования для обслуживания и сохранения эксплуатационного состояния системы автомобильных дорог очевидна.

1.2.1 Уровни управления состоянием дорожных одежд

Любая система управления жизненным циклом автомобильных дорог на этапе эксплуатации имеет два административных уровня: управление сетью и проектами. Цели управления на сетевом уровне обычно связаны с бюджетом. Они включают определение потребностей в техническом обслуживании, восстановлении и реконструкции, определение потребностей в финансировании, прогнозирование влияния различных видов финансирования на эксплуатационное состояние и определение приоритетности мероприятий по техническому обслуживанию для выбранного варианта финансирования. В случае ограниченного бюджета управление на уровне сети обращает внимание на такие критерии, как:

- наименьшие затраты;

- ранг участка по его состоянию;

- наибольшая выгода.

На уровне проекта ремонт и содержание отдельных дорог назначается на основе собранных подробных данных, включая факторы окружающей среды, транспортные нагрузки, историю ремонтных работ, а также свойств материалов и доступного финансирования. Оценка фактического эксплуатационного состояния

дороги необходима для принятия эффективных решений на каждом из этих уровней [56]. На рисунке 1.2 показана иерархия принятия решений в системе управления жизненным циклом автомобильных дорог [49].

Административный уровень

Рисунок 1.2 - Уровни принятия решений системы управления дорожными

одеждами

1.2.2 Компоненты систем управления состоянием автомобильных дорог

Компоненты PMS различаются в зависимости от доступной информации и ресурсов. AASHTO (2012) определила следующие области применения систем управления состоянием дорожных одежд:

- Инвентаризация дорожной одежды, включая всю информацию, относящуюся к сети дорог.

- Использование расчётных моделей для анализа фактического и прогнозируемого эксплуатационного состояния.

- Сбор и предоставление всем заинтересованным лицам полной информации об участках автомобильных дорог, находящихся на балансе.

Система управления автомобильной дорогой должна, по крайней мере, содержать информацию о конструкции дорожной одежды автомобильной дороги, её фактическом состоянии, об интенсивности движения, о возможных стратегиях для определения приоритетов по техническому обслуживанию или восстановлению автомобильных дорог [16]. Современные системы управления дорожной одеждой должны иметь модули, позволяющие собирать данные о её состоянии, анализировать их для определения планов технического обслуживания

и восстановления и предоставлять визуализацию результатов анализа ответственным лицам [93].

1.2.3 Оценка эксплуатационных характеристик дорожных одежд на эксплуатируемых автомобильных дорогах

Оценка состояния дорожной одежды автомобильной дороги является основополагающим компонентом процесса принятия решений, который проводится для определения фактического состояния дорожной одежды с точки зрения функциональной и структурной адекватности. Это во многом обосновывается тем фактом, что само понятие дорожной одежды во многом эквивалентно понятию автомобильная дорога. Работоспособность дорожной одежды автомобильной дороги зависит от её способности обеспечивать быстрое, безопасное движение транспортных средств с установленными скоростями и расчётными нагрузками. Первоначально возможность обеспечивать дорожное движение определялась исключительно визуально и с использованием простейших средств измерения геометрических параметров. В конце 1950-х годов начали появляться такие измерительные системы, как простейшие профилометры, оборудование для определения прогиба и сцепления, для количественной оценки состояния и характеристик дорожной одежды. Эти системы, помимо визуальных обследований разрушений и дефектов, использовались для оказания помощи в принятии решений по техническому обслуживанию и восстановлению, которые с годами были усовершенствованы и продолжили предоставлять быстрые объективные данные [47].

Существует несколько методов определения состояния дорожной одежды, например визуальная оценка, разрушающий или неразрушающий контроль. Наиболее часто используется первый. Все экспресс методы оценки состояния автомобильных дорог основаны на визуальной оценке состояния автомобильных дорог.

Методы разрушающего и неразрушающего контроля направлены на выяснение причин преждевременного разрушения элементов дорожных одежд автомобильных дорог, и принятие решений об их восстановлении. Метод неразрушающего контроля обычно используется для получения информации на уровне проекта в дополнение к визуальной оценке. Неразрушающий контроль позволяет органам управления дорожной деятельностью выявлять проблемы, изучать их масштабы и эффективно решать их. Разрушающий контроль в основном используется для глубокого анализа состояния конструкции дорожного покрытия, причин отказа дорожной одежды автомобильной дороги и решений по её улучшению. Эти методы предполагают отбор кернов, бурение или устройство шурфов на автомобильной дороге [85].

Оценка состояния автомобильных дорог является важным этапом в системе управления (PMS), поскольку помогает сохранить и увеличить срок службы существующих дорожных одежд [68]. Параметры, используемые в системах PMS, подразделяются на структурные и неструктурные. К неструктурным относят состояние поверхности и индекс качества езды. Структурные параметры определяют способность дорожной одежды выдерживать транспортные нагрузки и избегать серьезных разрушений [53].

Понимание структурного состояния автомобильной дороги помогает принять правильное решение о типе ремонтных работ, который позволил бы остановить процесс её деградации. Деградация дорожной одежды представляет собой нелинейную функцию, которая может характеризоваться различными уровнями износа на разных этапах срока службы дорожного одежда. Уточнение этой зависимости возможно инструментальными методами. Однако чисто математическое решение этой проблемы маловероятно, так как не существует моделей, которые могли бы быть настолько точными и многофакторными, чтобы с достаточной степенью надёжности описать фактический цикл разрушения дорожной одежды [80]. Для получения приблизительной оценки скорости ухудшения состояния дорожной одежды автомобильной дороги, как правило,

используется эмпирический подход, позволяющий построить регрессионные зависимости, на основе набора данных фактических измерений [97]. На рисунке 1.3 показан процесс деградации состояния дорожной одежды в течение срока её эксплуатации [77].

Список литературы диссертационного исследования кандидат наук Елшами Мохамед Мостафа Махмуд, 2022 год

СПИСОК ЛИТЕРАТУРЫ

1. (FAA) F. A. A. Use of nondestructive testing in the evaluation of airport pavements / F. A. A. (FAA) // Advisory Circular. - 2004.

2. Abu-Lebdeh G. A Neural Network Approach for Mechanistic Analysis of Jointed Concrete Pavement / G. Abu-Lebdeh, K. Ahmed // Proceedings of the Eastern Asia Society for Transportation Studies. - 2013. - Vol. 9.

3. Al-Mansour A. I. Pavement Condition Data Collection and Evaluation of Riyadh Main Street Network / A. I. Al-Mansour, S. S. Al-Swailem // Journal of King Saud University-Engineering Sciences. - 1999. - Vol. 11. - № 1. - P. 1-17.

4. Al-Omari B. Relationships between international roughness index and present serviceability rating / B. Al-Omari, M. I. Darter // Transportation Research Record. - 1994. - № 1435. - P. 130-136.

5. Alavi S. NCHRP synthesis 381: falling weight deflectometer usage / S. Alavi, J. F. LeCates, M. P. Tavares // Washington, DC: Transportation Research Board, National Research Council. - 2008. - 129 p.

6. ARA Inc. Guide for Mechanistic-Empirical Design of New and Rehabilitated Pavement Structures. / I. ARA, ERES Consultants Division. // Final Rep., NCHRP Project 1-37A. - 2004.

7. Archilla A. R. Development of a pavement rutting model from experimental data / A. R. Archilla, S. Madanat // Journal of transportation engineering. - 2000. - Vol. 126. - № 4. - P. 291-299.

8. Beltran G. Assessing artificial neural network performance in estimating the layer properties of pavements / G. Beltran, M. Romo // Ingeniería e Investigation. - 2014. - Vol. 34. - № 2. - P. 11-16.

9. Blok R. Service life and life cycle of building structures / R. Blok, F. V Herwijnen, A. Kozlowski, S. Wolinski // COST C12 Seminar on Improvement of Building's Structural Quality by New Technologies, European Commission, Brussel, Belgium. - 2003. - P. 5.

10. Bonandrini S. Building lifecycle management / S. Bonandrini, C. Cruz, C. Nicolle // Proceedings of the International Conference on Product Lifecycle Management, Lyon, France. - Citeseer, 2005. - Vol. 1113. - P. 10.

11. Bull J. W. Life cycle costing for construction / J. W. Bull. - Routledge, 2003. - P.

176.

12. Castell M. A. Fatigue crack growth in pavements / M. A. Castell, A. R. Ingraffea, L. H. Irwin // Journal of Transportation Engineering. - 2000. - Vol. 126. - № 4. - P. 283290.

13. Çetin O. A comparative study on parameters estimation of squirrel cage induction motors using neural networks with unmemorized training / O. Çetin, A. Dalcali, F. Temurtaç // Engineering Science and Technology, an International Journal. - 2020. - Vol. 5. - № 23.

- P. 1126-1133.

14. Ceylan H. Neural networks based concrete airfield pavement layer moduli backcalculation / H. Ceylan, K. Gopalakrishnan, M. B. Bayrak // Civil Engineering and Environmental Systems. - 2008. - Vol. 25. - № 3. - P. 185-199.

15. Chen D. H. Field investigations of cracking on concrete pavements / D. H. Chen, M. Won // Journal of Performance of Constructed Facilities. - 2007. - Vol. 21. - № 6. - P. 450-458.

16. Cottrell W. D. Efforts toward developing a regional pavement management system in Utah / W. D. Cottrell, H. Lee, J. Nepstad, M. Crandall // Transportation research record.

- 1996. - Vol. 1524. - № 1. - P. 48-57.

17. Cowe Falls L. Asset management and pavement management: Using common elements to maximize overall benefits / L. Cowe Falls, R. Haas, S. McNeil, S. Tighe // Transportation research record. - 2001. - Vol. 1769. - № 1. - P. 1-9.

18. Dan H. C. Boussinesq equation-based model for flow in the drainage layer of highway with capillarity correction / H.-C. Dan, P. Xin, L. Li [et al.] // Journal of irrigation and drainage engineering. - 2012. - Vol. 138. - № 4. - P. 336-348.

19. Dan H. C. Improved Boussinesq equation-based model for transient flow in a drainage layer of highway: Capillary correction / H.-C. Dan, P. Xin, L. Li, L. Li // Journal of irrigation and drainage engineering. - 2013. - Vol. 139. - № 12. - P. 1018-1027.

20. Doughty M. Applications of neural network in transportation / M. Doughty // Transportation Research Part C: Emerging Technologies. - 1997. - Vol. 5. - № 5. - P. 255257.

21. El-Basyouny M. M. Calibration of alligator fatigue cracking model for 2002 design guide / M. M. El-Basyouny, M. Witczak // Transportation research record. - 2005. -Vol. 1919. - № 1. - P. 76-86.

22. Eldin N. N. A pavement condition-rating model using backpropagation neural networks / N. N. Eldin, A. B. Senouci // Computer-Aided Civil and Infrastructure Engineering. - 1995. - Vol. 10. - № 6. - P. 433-441.

23. Frangopol D. M. Maintenance and management of civil infrastructure based on condition, safety, optimization, and life-cycle cost* / D. M. Frangopol, M. Liu // Structure and infrastructure engineering. - 2007. - Vol. 3. - № 1. - P. 29-41.

24. Freeman J. A Scalable Pavement Rating and Management System for Government Agencies Willard Puffer Information Systems Officer Harris County Public Infrastructure Department 7 th Floor 1001 Preston / J. Freeman, W. J. Jackson.

25. Galehouse L. Development of a Pavement Preventive Maintenance Program for the Colorado Department of Transportation / L. Galehouse. - 2004. - 99 p.

26. García J. A. R. Analysis of the temperature influence on flexible pavement deflection / J. A. R. García, M. Castro // Construction and Building Materials. - 2011. - Vol. 25. - № 8. - P. 3530-3539.

27. George K. P. MDOT pavement management system: prediction models and feedback system / K. P. George. - Mississippi. Dept. of Transportation, 2000. - 165 p.

28. Ghanizadeh A. R. Application of artificial neural networks for analysis of flexible pavements under static loading of standard axle / A. R. Ghanizadeh, M. R. Ahadi // International Journal of Transportation Engineering. - 2015. - Vol. 3. - № 1. - P. 31-43.

29. Gobakis K. Development of a model for urban heat island prediction using neural network techniques / K. Gobakis, D. Kolokotsa, A. Synnefa [et al.] // Sustainable Cities and Society. - 2011. - Vol. 1. - № 2. - P. 104-115.

30. Gopalakrishnan K. Development of asphalt dynamic modulus master curve using falling weight deflectometer measurements. / K. Gopalakrishnan, S. Kim, H. Ceylan, O. Kaya. - Iowa State University. Institute for Transportation, 2014. - 67 p.

31. Gryp A. Determining the visual condition index of flexible pavements using artificial neural networks / A. Van der Gryp, S. J. Bredenhann, M. G. Henderson, G. T. Rohde // Fourth International Conference on Managing Pavements. - Citeseer, 1998. - P. 115-129.

32. Guide N. D. Guide 1-37A, Guide for mechanistic-empirical design of new and rehabilitated pavement structures, National cooperative highway research program / N. D. Guide // Transportation Research Board, National Research Council: Washington, DC, USA. - 2004.

33. Haas R. Modern pavement management, Krieger, Malabar, Fla / R. Haas, W. R. Hudson, J. Zaniewski // Krieger Publishing Company, Melbourne, FL United States, 1994.

34. Hassan R. A comparison between three approaches for modelling deterioration of five pavement surfaces / R. Hassan, O. Lin, A. Thananjeyan // International Journal of Pavement Engineering. - 2017. - Vol. 18. - № 1. - P. 26-35.

35. Hedayat A. Estimation of research reactor core parameters using cascade feed forward artificial neural networks / A. Hedayat, H. Davilu, A. A. Barfrosh, K. Sepanloo // Progress in Nuclear Energy. - 2009. - Vol. 51. - № 6-7. - P. 709-718.

36. Henderson G. Long term pavement performance program manual for Falling Weight Deflectometer Measurements / G. Henderson // Washington: Department of Transportation, Federal Highway Administration. - 2006. - 82 p.

37. Huang Y. H. Pavement Analysis and Design. Pearson Prentice Hall / Y. H. Huang // Upper Saddle River, New Jersey. - 2004. - 775 p.

38. Huang Y. Roughness level probability prediction using artificial neural networks / Y. Huang, R. K. Moore // Transportation Research Record. - 1997. - Vol. 1592. - № 1. -P. 89-97.

39. Irwin L. H. Backcalculation: An overview and perspective / L. H. Irwin // Pavement Evaluation Conference, 2002, Roanoke, Virginia, USA. - 2002. - 22 p.

40. Islam S. Effect of pavement roughness on user costs / S. Islam, W. G. Buttlar // Transportation research record. - 2012. - Vol. 2285. - № 1. - P. 47-55.

41. Kargah-Ostadi N. Network-level pavement roughness prediction model for rehabilitation recommendations / N. Kargah-Ostadi, S. M. Stoffels, N. Tabatabaee // Transportation Research Record. - 2010. - Vol. 2155. - № 1. - P. 124-133.

42. Kim D. Normalisation methods on neural networks for predicting pavement layer moduli / D. Kim, J.-M. Kim, S.-H. Mun // Road & Transport Research: A Journal of Australian and New Zealand Research and Practice. - 2010. - Vol. 19. - № 3. - P. 38-46.

43. Kim Y. R. Investigation of primary causes of fatigue cracking in asphalt pavement in North Carolina / Y. R. Kim, H. J. Park // Research and development, North Carolina State University, Project. - 2010. - Vol. 1.

44. Kirbas U. Developing the basics of pavement management system in Besiktas district and evaluation of the selected sections / U. Kirbas, M. Gursoy // Scientific Research and Essays. - 2010. - Vol. 5. - № 8. - P. 806-812.

45. Lee Y. C. Dynamic analysis-based approach to determine flexible pavement layer moduli using deflection basin parameters / Y.-C. Lee, Y. R. Kim, S. R. Ranjithan // Transportation Research Record. - 1998. - Vol. 1639. - № 1. - P. 36-42.

46. Li J. Study of surface wave methods for deep shear wave velocity profiling applied in the upper Mississippi embayment / J. Li. - University of Missouri-Columbia, 2008. - 244 p.

47. Li J. Preservation strategies for concrete pavement network of Washington State Department of Transportation / J. Li, D. R. Luhr, J. S. Uhlmeyer, J. P. Mahoney // Transportation research record. - 2012. - Vol. 2306. - № 1. - P. 11-20.

48. Li M. Development of ANN-GA program for backcalculation of pavement moduli under FWD testing with viscoelastic and nonlinear parameters / M. Li, H. Wang // International Journal of Pavement Engineering. - 2019. - Vol. 20. - № 4. - P. 490-498.

49. Li Z. A probabilistic and adaptive approach to modeling performance of pavement infrastructure / Z. Li. - The University of Texas at Austin, 2005. - 156 p.

50. Lin J. D. Correlation analysis between international roughness index (IRI) and pavement distress by neural network / J.-D. Lin, J.-T. Yau, L.-H. Hsiao // 82nd Annual Meeting of the Transportation Research Board. - 2003. - Vol. 12. - № 16 - P. 12-16.

51. Liu G. R. Recent progress on computational inverse techniques in non-destructive evaluation / G. R. Liu, X. Han // Computational Fluid and Solid Mechanics 2003. - Elsevier, 2003. - P. 418-421.

52. Loizos A. Accuracy of pavement thicknesses estimation using different ground penetrating radar analysis approaches / A. Loizos, C. Plati // NDT & e International. - 2007. - Vol. 40. - № 2. - P. 147-157.

53. Mack J. W. Using remaining service life as the national performance measure of pavement assets 2 / J. W. Mack, R. L. Sullivan // Annual Meeting of the Transportation Research Board. - 2013. - Vol. 30. - P. 32.

54. Marecos V. Evaluation of a highway pavement using non-destructive tests: Falling Weight Deflectometer and Ground Penetrating Radar / V. Marecos, S. Fontul, M. de Lurdes Antunes, M. Solla // Construction and Building Materials. - 2017. - Vol. 154. - P. 11641172.

55. Mazari M. Prediction of pavement roughness using a hybrid gene expression programming-neural network technique / M. Mazari, D. D. Rodriguez // Journal of Traffic and Transportation Engineering (English Edition). - 2016. - Vol. 3. - № 5. - P. 448-455.

56. Mbwana J. R. A framework for developing stochastic multi-objective pavement management systems / J. R. Mbwana // First Road Transportation Technology Transfer Conference in Africa2001. - 2001. - P. 350-363.

57. Meier R. W. Backcalculation of Flexible Pavement Moduli from Falling Weight Deflectometer Data Using Artificial Neural Networks. / R. W. Meier. - ARMY ENGINEER WATERWAYS EXPERIMENT STATION VICKSBURG MS GEOTECHNICAL LAB, 1995.

58. Mosa A. M. Neural network for flexible pavement maintenance and rehabilitation / A. M. Mosa // Applied Research Journal. - 2017. - Vol. 3. - № 4. - P. 114-129.

59. Mun S. Backcalculation of subgrade stiffness under rubblised PCC slabs using multilevel FWD loads / S. Mun, Y. R. Kim // International Journal of Pavement Engineering.

- 2009. - Vol. 10. - № 1. - P. 9-18.

60. Nazarian S. In situ shear wave velocities from spectral analysis of surface wave / S. Nazarian // Proceedings of 8th Conference on Earthquake Engineering, San Francisco, 1984. - 1984. - Vol. 3. - P. 31-38.

61. Nazarian S. Development and testing of a seismic pavement analyzer / S. Nazarian, M. R. Baker, K. Crain // Strategic Highway Research Program, National Research Council, 2101 Constitution Avenue, NW, Washington, DC United States. - 1993. - 165 p.

62. Nazzal M. D. Evaluating the use of neural networks and genetic algorithms for prediction of subgrade resilient modulus / M. D. Nazzal, O. Tatari // International Journal of Pavement Engineering. - 2013. - Vol. 14. - № 4. - P. 364-373.

63. Papagiannakis A. T. International standards organization-compatible index for pavement roughness / A. T. Papagiannakis, B. Raveendran // Transportation research record.

- 1998. - Vol. 1643. - № 1. - P. 110-115.

64. Papalambros P. Y. Neural Networks-A Comprehensive Foundation / P. Y. Papalambros, D. J. Wilde, C. Zanchettin [et al.]. - New Jersey, Prentice Hall, 842p, 2001.

65. Parker Jr F. Evaluation of the accuracy of pavement surface layer thickness measured with ground penetrating radar / F. Parker Jr, B. Vecellio, J. Greene // Highway Research Center, Harbert Engineering Center, Auburn University, AL United States. - 1999. - 135 p.

66. Pekcan O. Artificial neural network based backcalculation of conventional flexible pavements on lime stabilized soils / O. Pekcan, E. Tutumluer, M. R. Thompson // Proceedings of the 12th International Association for Computer Methods and Advances in Geomechanics. - 2008. - P. 1-6.

67. Priest A. L. Methodology and calibration of fatigue transfer functions for mechanistic empirical flexible pavement design / A. L. Priest, D. H. Timm // National Center for Asphalt Technology, Auburn University. - 2006. - 102 p.

68. Rada G. R. Emerging tools for use in pavement preservation treatment selection / G. R. Rada, B. A. Visintine, R. G. Hicks [et al.] // Transportation Research Board 93rd Annual Meeting, Washington DC, United States. - 2014. - 18 p.

69. Rada G. R. Pavement structural evaluation at the network level / G. R. Rada, S. Nazarian, B. A. Visintine [et al.] // United States. Federal Highway Administration. Office of Infrastructure Research and Development. - 2016. - 286 p.

70. Rahim A. Falling weight deflectometer for estimating subgrade elastic moduli / A. Rahim, K. P. George // Journal of Transportation Engineering. - 2003. - Vol. 129. - № 1. -P. 100-107.

71. Rukavina T. Pavement management system-data collecting / T. Rukavina, M. Ozbolt // Gradevinski fakultet Sveucilista u Zagrebu, Zavod za prometnice, 2009. - 2009. -P. 95-176.

72. Saltan M. Backcalculation of pavement layer parameters using artificial neural networks / M. Saltan, S. Terzi // IJEMS. - 2004. Vol.11(1). P. 38-42.

73. Saltan M. Backcalculation of pavement layer moduli and Poisson's ratio using data mining / M. Saltan, S. Terzi, E. U. Ku?uksille // Expert Systems with Applications. -2011. - Vol. 38. - № 3. - P. 2600-2608.

74. Sarja A. Predictive and Optimised Life Cycle Management: Buildings and Infrastructure / A. Sarja. - Routledge, 2006. - 688 p.

75. Sayers M. W. Guidelines for conducting and calibrating road roughness measurements / M. W. Sayers. - University of Michigan, Ann Arbor, Transportation Research Institute, 1986. - 96 p.

76. Schmalzer P. N. Long-Term Pavement Performance Program manual for falling weight deflectometer measurements: version 4.1 / P. N. Schmalzer// United States. Federal Highway Administration (FHWA). Turner-Fairbank Highway Research Center. - 2006. -73p.

77. Shahin M. Y. Pavement management for airports, roads, and parking lots. Vol. 501 / M. Y. Shahin. - Springer New York, 2005.

78. Shahin M. Y. Development of a Pavement Condition Rating Procedure for Roads, Streets, and Parking Lots. Volume II. Distress Identification Manual. / M. Y. Shahin, S. D. Kohn. - CONSTRUCTION ENGINEERING RESEARCH LAB (ARMY) CHAMPAIGN IL, 1979. - 120 p.

79. Sharma S. Backcalculation of pavement layer moduli from falling weight deflectometer data using an artificial neural network / S. Sharma, A. Das // Canadian Journal of Civil Engineering. - 2008. - Vol. 35. - № 1. - P. 57-66.

80. Singh A. P. Pavement condition assessment using soft computing techniques / A. P. Singh, A. Sharma, R. Mishra [et al.] // International Journal of Pavement Research and Technology. - 2018. - Vol. 11. - № 6. - P. 564-581.

81. Skvortsov A. V. Road project life cycle for information modeling / A. V. Skvortsov, D. S. Sarychev // CAD & GIS for roads. - 2015. - № 1 (4). - P. 4-14.

82. Smadi O. Quantifying the benefits of pavement management / O. Smadi // 6th International Conference on Managing Pavements. - 2004. - 8 p.

83. Swei O. Pavement management systems: Opportunities to improve the current frameworks / O. Swei, J. Gregory, R. Kirchain // Proceedings of the Transportation Research Board 95th Annual Meeting; Transportation Research Board: Washington, DC, USA. -2016. - 18 p.

84. Tang X. Evaluation of Pavement Layer Moduli using Instrumentation Measurements. / X. Tang, S. M. Stoffels, A. M. Palomino // International Journal of Pavement Research & Technology. - 2013. - Vol. 6. - № 6. - P. 755-764.

85. Team T. A guide for Local Agency Pavement Managers / T. Team. - 1994.

86. Temurtas F. Harmonic detection using feed forward and recurrent neural networks for active filters / F. Temurtas, R. Gunturkun, N. Yumusak, H. Temurtas // Electric Power Systems Research. - 2004. - Vol. 72. - № 1. - P. 33-40.

87. Thube D. T. Artificial neural network (ANN) based pavement deterioration models for low volume roads in India / D. T. Thube // International Journal of Pavement Research and Technology. - 2012. - Vol. 5. - № 2. - P. 115.

88. Tutumluer E. Nondestructive pavement evaluation using finite element analysis based soft computing models. / E. Tutumluer, O. Pekcan, J. Ghaboussi. - NEXTRANS Center (US), 2009. - 93 p.

89. Uglova E. Reliability-Oriented Method of Flexible Pavement Management / E. Uglova, A. Tiraturyan, G. Aslanyan // MATEC Web of Conferences. - EDP Sciences, 2018.

- Vol. 196. - P. 3005.

90. Ullidtz P. Pavement Analysis. Developments in Civil Engineering, 19 / P. Ullidtz.

- 1987. - 318 p.

91. Ullidtz P. Analytical-empirical pavement evaluation using the falling weight deflectometer / P. Ullidtz, R. N. Stubstad // Transportation Research Record. - 1985. - Vol. 1022. - P. 36-44.

92. USDOT F. A. A. Use of nondestructive testing in the evaluation of airport pavements / F. A. A. USDOT // Advisory Circular 150/5370-11B. - 2011.

93. Vines-Cavanaugh D. City-wide application of the affordable and rapid streetscan pavement-management system / D. Vines-Cavanaugh, S. S. Shamsabadi, Y. Zhao [et al.] // Journal of Infrastructure Systems. - 2017. - Vol. 23. - № 2. - P. B4016010.

94. Wang H. Investigation of layer contributions to asphalt pavement rutting / H. Wang, Q. Zhang, J. Tan // Journal of materials in Civil Engineering. - 2009. - Vol. 21. - № 4. - P. 181-185.

95. Wang Y. Survival analysis of fatigue cracking for flexible pavements based on long-term pavement performance data / Y. Wang, K. C. Mahboub, D. E. Hancher // Journal of transportation engineering. - 2005. - Vol. 131. - № 8. - P. 608-616.

96. Yang J. Forecasting overall pavement condition with neural networks: Application on Florida highway network / J. Yang, J. J. Lu, M. Gunaratne, Q. Xiang // Transportation research record. - 2003. - Vol. 1853. - № 1. - P. 3-12.

97. Zhang Z. Evaluation of the pavement structural condition at network level using falling weight deflectometer (FWD) data / Z. Zhang, G. Claros, L. Manuel, I. Damnjanovic // 82nd Transportation Research Board meeting, Washington, DC, USA. - 2003. - 26 p.

98. Zubeck H. K. Introduction to cold regions pavement engineering / H. K. Zubeck, G. Doré // Cold Regions Engineering 2009: Cold Regions Impacts on Research, Design, and Construction. - 2009. - P. 337-345.

99. Богославский С. Н. Область применения искусственных нейронных сетей и перспективы их развития / С. Н. Богославский // Политематический сетевой электронный научный журнал Кубанского государственного аграрного университета. - 2007. - № 27. - С. 228-238.

100. Бойков В. Н. IT-технологии в поддержке жизненного цикла дорог / В. Н. Бойков // САПР и ГИС автомобильных дорог. - 2014. - № 1 (2). - С. 1-7.

101. Бондарев Б. А. Методы капитального ремонта и реконструкции дорожных одежд с цементобетонными покрытиями / Б. А. Бондарев, А. В. Курочкин, А. А. Коста, А. О. Корнеева. - 2021. - С. 206-207.

102. Васильев А. П. К обоснованию протяжения автомобильных дорог, подлежащих реконструкции, модернизации, капитальному ремонту и ремонту, в субъектах федерации / А. П. Васильев, В. Н. Ефименко // Вестник Томского государственного архитектурно-строительного университета. - 2014. - № 6 (47). - С. 157-167.

103. Вороновский Г. К. Генетические алгоритмы, искусственные нейронные сети и проблемы виртуальной реальности / Г. К. Вороновский, К. В. Махотило, С. Н. Петрашев, С. А. Сергеев. - Основа, 1997. - 107 с.

104. Гусакова А. А. Экономическое содержание процесса бюджетирования и его роль в управлении организацией / А. А. Гусакова, Т. В. Небавская // Актуальные вопросы развития современного обществ. - 2016. - С. 95-98.

105. Демина Е. В. Транспортная инфраструктура Хабаровска и ее влияние на городское планирование / Е. В. Демина, А. П. Иванова // Новые идеи нового века: материалы международной научной конференции ФАД ТОГУ. - 2016. - Т. 2. - С. 7580.

106. Иванов Н. Н. Конструирование и расчет нежестких дорожных одежд / Н. Н. Иванов, Я. А. Калужский, М. Б. Корсунский // М.: Транспорт. - 1973. - Т. 328.

107. Клашанов Ф. К. Искусственные нейронные сети в управлении строительством / Ф. К. Клашанов, А. В. Кирюхин, А. В. Гинзбург // Системотехника строительства. Киберфизические строительные системы-2019. - 2019. - С. 259-264.

108. Красиков О. А. Эффективность работы автомобильных дорог Казахстана / О. А. Красиков, В. А. Созонов, Л. И. Бухтиярова //Дорожно-транспортный комплекс, экономика, экология, строительство и архитектура. - 2003. - С. 117-119.

109. Мазур И. И. Управление проектами / И. И. Мазур, В. Д. Шапиро, Н. Г. Ольдерогге, А. В. Полковников. - 2010. - 960 с.

110. Матвеев М. Ю. Аналитическое сравнение отечественных и зарубежных нормативов в строительстве / М. Ю. Матвеев, А. А. Солин // Инновации в отраслях народного хозяйства, как фактор решения социально-экономических проблем современности. - 2012. - С. 205-222.

111. Миронюк В. П. Анализ основных направлений развития САПР автомобильных дорог для реализации концепции жизненного цикла автомобильных дорог / В. П. Миронюк, В. В. Фиалкин // САПР и ГИС автомобильных дорог. - 2014. - № 1 (2). - С. 31-35.

112. Некрасов А. Г. Система управления жизненным циклом (трансформация в цифровую инфраструктуру) / А. Г. Некрасов, Б. В. Соколов, К. И. Атаев. - 2017. - 155 с.

113. СБОРЩИКОВ С. Б. Номенклатура работ и затрат на обеспечение качества строительной продукции: методы ее идентификации / С. Б. СБОРЩИКОВ, П. А. ЖУРАВЛЕВ, Е. Е. БАХУС // Промышленное и гражданское строительство. - 2018. -№ 3. - С. 76-79.

114. Синенко С. А. Автоматизация организационно-технологического проектирования в строительстве / С. А. Синенко, В. М. Гинзбург, В. Н. Сапожников [и др.]. - 2013. - 240 с.

115. Столяров В. В. Структура научно-методического, информационного и сметного обеспечения проектных работ в дорожном хозяйстве // Вестник евразийской науки. 2014. № 4 (23). C. 6.

116. Хайкин С. Нейронные сети: полный курс, 2-е издание / С. Хайкин, Издательский дом Вильямс, 2008. - 1103 с.

117. Яхъева Г. Э. Нечеткие множества и нейронные сети: Учебное пособие/Яхъева Г. Э // Интернет-университет Информационных Технологий. 2006.

ПРИЛОЖЕНИЕ

/А —J 1 ОБЩЕСТВО С ОГРАНИЧЕННОЙ ОТВЕТСТВЕННОСТЬЮ НАУЧНО-ПРОИЗВОДСТВЕННОЕ ПРЕДПРИЯТИЕ ДорТрансНИИ

■-«■111

344000, г. Ростов-на-Дону, ул. Варфодомссва. 259 ИНН 6163074659/КПП 616301001 ОГРН 1056163035708 ОКПО 76948291 р'сч 40702810101270000008 в Краснодарский Филиал АБ "РОССИЯ" г Краснодар t/с № ЗОЮ 1810003490000788 БИК 040349788 ОКВЭД 72.1

Исх № (МП 01-06/2022

«16» июня 2022г.

СПРАВКА о внедрении (использовании) результатов диссертационной работы Елшами Мохамеда Мостафы Махмуда на соискание

ученой степени кандидата технических наук на тему: «Управление жизненным никлом автомобильных дорог на этапе эксплуатации на основе моделей искусственных нейронных сетей»

Настоящей справкой ООО «ДорТрансНИИ» подтверждает, что результаты диссертационного исследования, выполненного Елшами Мохамедом Мостафой Махмудом были использованы при:

• расчете модулей упругости конструктивных слоев дорожных одежд и принятии проектных решений по объекту М-4 «Дон» Москва - Воронеж -Ростов-на-Дону - Краснодар - Новороссийск на участке км 933 - км 1024, выполненному в рамках договора 1/21 от 18.03.2021 с ЗАО «Рсконэнерго»;

• оценке остаточного ресурса и прогнозировании ухудшения состояния дорожных одежд на автомобильных дорогах М-4 «ДОН» и М-1 «Беларусь» выполненной в соответствии с договором № ДЭиБДД - 2018-756 от 16 июля 2018 года на оказание услуг по оценке остаточного ресурса на автомобильных дорогах М-1 «Беларусь» Москва - граница с Республикой Белоруссия, М-4 «Дон» Москва-Воронеж-Ростов-на-Дону-Краснодар-Новороссийск (Этап № 4);

1ЛЬНЫЙ

СПРАВКА

о внедрении (использовании) результатов диссертационной работы Елшами Мохамеда Мостафы Махмуда на соискание

ученой степени кандидата технических наук на тему: «Управление жизненным циклом автомобильных дорог на этапе эксплуатации на основе моделей искусственных нейронных сетей»

в учебном процессе.

Результаты диссертационной работы Елшами Мохамеда Мостафы Махмуда на соискание ученой степени кандидата технических наук на тему: «Управление жизненным циклом автомобильных дорог на этапе эксплуатации на основе моделей искусственных нейронных сетей» внедрены в учебный процесс осуществляемый на кафедре «Автомобильные дороги» Донского государственного технического университета в рамках дисциплин:

- «Моделирование напряженно-деформированного состояния дорожных конструкций», для обучающихся по направлению 08.04.01 «Строительство» профили «Автомобильные дороги» и «Проектирование, строительство автомагистралей и управление их состоянием»

- «Мониторинг состояния дорожных конструкций», для обучающихся по направлению 08.04.01 «Строительство» профиль «Автомобильные дороги».

Предложенный автором подход к управлению жизненным циклом автомобильных дорог, нашел отражение в проведение занятий по переподготовке и повышении квалификации специалистов дорожного хозяйства, ежегодно проводимом на кафедре «Автомобильные дороги».

Заведующий кафедрой «Автомобильные дороги» К.Т.Н., доц

Д. А. Николенко