جاده

جاده

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

نوع مقاله : مقاله پژوهشی

نویسندگان
1 استادیار، گروه عمران، دانشگاه پیام نور، تهران، ایران
2 دانشجوی دکتری، گروه عمران، دانشگاه پیام نور، تهران، ایران
چکیده
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 مؤثر 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 مؤثر 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.
کلیدواژه‌ها

- سازمان پژوهش و برنامه­ریزی آموزشی (1396). استان شناسی خوزستان. وزارت آموزش و پرورش، سازمان پژوهش و برنامه­ریزی آموزشی، دفتر تألیف کتاب­های درسی عمومی و متوسطه نظری. شرکت چاپ و نشر  کتاب­های درسی ایران.
- سازمان پژوهش و برنامه­ریزی آموزشی (1397). عملیات راهداری و نگهداری راه. وزارت آموزش و پرورش، سازمان پژوهش و برنامه­ریزی آموزشی، رشته حمل و نقل، گروه خدمات، شاخه فنی و حرفه­ای.
- قلی­پور، امیر، معهود، محمد، حجت­پناه، شایان و محسنی، محیا (1397). ارزیابی استفاده از راهکار سامانه مدیریت روسازی آسفالت در کاهش هزینه و بهبود کیفیت، مدیریت تعمیر و نگهداری معابر شهر تهران (مطالعه موردی : بزرگراه شهید همت). پنجمین کنفرانس ملی دستاوردهای اخیر در مهندسی عمران، معماری و شهرسازی. مؤسسه آموزش عالی نیکان، تهران.
-Almassy, K., Pusztai, G., Gaspar, L. & Logo, J., (2019). Optimization Methods of the Pavement Management System of Budapest. Journal of Civil Engineering and Management. Vol. 25, Issue 8, 798–804.
-Domitrovic, J., Dragovan, H., Rukavina, T. & Dimter, S., (2018). Application of an Artificial Neural Network in Pavement Management System. Technical Gazette 25. Suppl. 2, 466-473.
-Elhadidy, A.A., Elbeltagib, E.E. & Ammar, M.A., (2015). Optimum analysis of pavement maintenance using multi-objective genetic algorithms. Housing and Building National Research Center (HBRC), Journal, No. 11, 107-113.
-GeramiMatin, A., VataniNezafat, R. & Golroo, A., (2017). A comparative study on using meta-heuristic algorithms for road maintenance planning: Insights from field study in a developing country. Journal of Traffic and Transportation Engineering. No. 4, 477-486
-Llopis-Castelló, D., García-Segura, T., Montalbán-Domingo, L., Sanz-Benlloch, A. & Pellicer, E., (2020). Influence of Pavement Structure, Traffic and Weather on Urban Flexible Pavement Deterioration. Sustainability Journal. 12, 9717. doi:10.3390/su12229717
-Moghaddasnejad, F., Maskani, R., Rasouli, A., & Imaninasab, R., (2012). Prediction of Pavement Condition and Maintenance and Rehabilitation Action Using Artificial Neural Network and Expert System. 13th International Conference on Transport and Traffic Engineering. Tehran.
-Pantuso, A.; Loprencipe, G. Bonin, G. & Burkhanbaiuly Teltayev, B., (2019). Analysis of Pavement Condition Survey Data for Effective Implementation of a Network Level Pavement Management Program for Kazakhstan. Sustainability Journal. doi:10.3390/10.3390/su11030901
-Salini, R., Xu, B. & Lenngren, C.A., (2015). Application of Artificial Intelligence for Optimization in Pavement Management. International Journal of Engineering and Technology Innovation. Vol. 5, No. 3, 189-197.
-Sarsam, S.I., & Al-Geelawe, E.K., (2016). Implementation of Computer Aided System for Management of Pavement Maintenance Decision. Applied Research Journal. Vol. 1, Issue: 1 March.
-Woo, S. & Yeo, H.­, (2016). Optimization of Pavement Inspection Schedule with Traffic Demand Prediction. 11th International Conference of the International Institute for Infrastructure Resilience and Reconstruction (I3R2): Complex Disasters and Disaster Risk Management; Procedia - Social and Behavioral Sciences 218. 95 - 103.
-Wu, Z. & Abadie, C., (2018). Laboratory and field evaluation of asphalt pavement surface friction resistance. Frontiers of Structural and Civil Engineering Vol. 12,  372–381.
-Yehia, A. (2020). Understanding Uncertainty: a Reinforcement Learning Approach for Project-Level Pavement Management Systems. Dissertation Submitted in Partial Fulfilment of the Requirements for the Degree of Master of Applied Science, Faculty of Graduate and Postdoctoral Studies (Civil Engineering). University of British Columbia. Vancouver, April.