Оценка ухудшения состояния дорожного покрытия с использованием моделей искусственного интеллекта

Введение. Одной из важнейших задач, стоящих перед специалистами-дорожниками, является поддержание транспортной сети в нормативном состоянии. Достаточно сложно выбрать адекватный подход, обеспечивающий достижение таких целей. Для этого, в частности, необходимо учесть такие параметры, как: текущее состояние дорожной одежды, категория дороги, погодные условия, интенсивность движения. Цифровизация отрасли, внедрение интеллектуальных систем дают результаты, которые можно применить в практике организаций, контролирующих состояние автомобильных дорог. Суть работы системы управления - достоверное прогнозирование эксплуатационного состояния автомобильной дороги в средней и долгосрочной перспективе.Материалы и методы. Изучается возможность использования искусственных нейронных сетей для оценки дорожных одежд, в том числе при разработке стратегий технического обслуживания дорог. Реализована нейронная сеть обратного распространения, обученная по данным 1614 участков трассы М-4 «Дон» с 2014 по 2018 год. С помощью программы «Матлаб» (Matlab) построены и обучены модели с разным количеством нейронов в скрытых слоях.Результаты исследования. Результаты моделирования показали сходимость предполагаемых и фактических показателей, описывающих состояние дорожной одежды. Значения множественного коэффициента корреляции (R2) превышали 92 % для большинства моделей на всех этапах обучения.Обсуждение и заключения. Итоги научных изысканий позволяют утверждать, что организации, управляющие объектами дорожно-транспортной инфраструктуры, могут задействовать представленные модели в своей работе. Такие решения помогут составить оптимальные планы по содержанию дорог, спрогнозировать эффективность мероприятий по восстановлению их несущей способности и эксплуатационного состояния.