ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ

Научное обоснование комплексной оценки эксплуатационного состояния автомобильных дорог на основе интеграции диагностических параметров

Авторы

  • Алексей Александрович Солдатов https://orcid.org/0009-0005-7911-4610 Северо-Кавказский федеральный университет, 355017, г. Ставрополь, ул. Пушкина, 1
  • Петр Васильевич Рожков Филиал МИРЭА – Российский технологический университет в г. Ставрополе, 355035, Ставропольский край, г. Ставрополь, проспект Кулакова, д. 8, в квартале 601
  • Юлия Геннадьевна Лозикова Северо-Кавказский федеральный университет, 355017, г. Ставрополь, ул. Пушкина, 1
  • Сергей Олегович Яшин https://orcid.org/0009-0001-3784-8430 Северо-Кавказский федеральный университет, 355017, г. Ставрополь, ул. Пушкина, 1
  • Иван Александрович Полезин Северо-Кавказский федеральный университет, 355017, г. Ставрополь, ул. Пушкина, 1

Как цитировать

ГОСТ Солдатов А. А., Рожков П. В., Лозикова Ю. Г., Яшин С. О., Полезин И. А. Научное обоснование комплексной оценки эксплуатационного состояния автомобильных дорог на основе интеграции диагностических параметров // СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ. 2026. Т. 70. № 10. С. 125-139. DOI: 10.25726/m4586-1324-0090-e
APA Солдатов, А. А., Рожков, П. В., Лозикова, Ю. Г., Яшин, С. О. & Полезин, И. А. (2026). Научное обоснование комплексной оценки эксплуатационного состояния автомобильных дорог на основе интеграции диагностических параметров. СТРОИТЕЛЬНЫЕ И ДОРОЖНЫЕ МАШИНЫ, 70(10), 125-139. https://doi.org/10.25726/m4586-1324-0090-e

Аннотация

Комплексный показатель эксплуатационного состояния автомобильной дороги объединяет параметры, которые измеряются разными приборами и нормируются раздельно, поэтому результат оценки зависит от правила интеграции и от погрешности измерений; в работе выбор правила интеграции обоснован по ошибкам классификации участков относительно нормативных требований. Построена сценарная модель сети из 40 000 участков с нормативными пределами дороги III категории и четырьмя параметрами: продольной ровностью IRI, глубиной колеи, коэффициентом сцепления и коэффициентом прочности. Методом Монте-Карло с общим фактором износа и погрешностями приборов сопоставлены правила интеграции в виде степенного среднего частных показателей от минимума до арифметического среднего – при общем нормативном пороге и при пороге, подобранном для каждого правила на калибровочной половине сети. В модельном расчёте при общем пороге арифметическое среднее признаёт соответствующими 91,7% несоответствующих участков даже при точном измерении, а правило минимума при погрешности приборов даёт 4,13% пропусков, 7,43% ложных признаний и наименьшую суммарную ошибку 11,56%; 60,5% ложных признаний приходятся на участки, где ограничивающим оказался коэффициент прочности. После подбора порогов суммарная ошибка арифметического среднего остаётся 18,43%, тогда как у минимума она равна 11,17%, а у степенного среднего порядка −8 составляет 10,85%. В модели компенсационные свёртки непригодны для оценки соответствия; это обосновывает оценку по наименьшему частному показателю с указанием ограничивающего параметра, а смягчённый минимум с повышенным порогом даёт небольшой выигрыш лишь при значительной погрешности оценки прочности.

Ключевые слова

эксплуатационное состояние автомобильных дорог диагностика комплексный показатель международный индекс ровности колейность коэффициент сцепления коэффициент прочности погрешность измерения метод Монте-Карло

Финансирование

Авторы не заявили о внешнем финансировании исследования.

Библиографические ссылки

Александров А.С., Семенова Т.В. Метод расчета предельной глубины колеи для безопасного движения // Вестник Сибирского государственного университета путей сообщения. 2022. № 1 (60). С. 104-116.

Буртыль Ю.В., Капский Д.В. Моделирование взаимосвязи ровности и прочности нежестких дорожных одежд на основании теоретическо-практических исследований // Вестник СибАДИ. 2022. Т. 19. № 4. С. 570-583.

Горский М.Ю. Об эффекте недеформируемого слоя под дорожной одеждой при испытаниях установками динамического нагружения // Дороги и мосты. 2025. Вып. 54. № 2. С. 92-108.

Елшами М.М.М., Тиратурян А.Н., Углова Е.В., Елгенди М.З. Оценка ухудшения состояния дорожного покрытия с использованием моделей искусственного интеллекта // Advanced Engineering Research. 2022. Т. 22. № 3. С. 272-284.

Клюев С.В., Слободчикова Н.А. Метод оценки состояния автомобильных дорог // Вестник Инженерной школы Дальневосточного федерального университета. 2024. № 4 (61). С. 139-150.

Конорев А.С., Мирончук С.А., Думенко В.А., Волков А.Б. Проведение исследования способов определения микропрофиля дорожного покрытия на основе результатов сопоставительных испытаний // Дороги и мосты. 2025. Вып. 54. № 2. С. 78-91.

Перфилов А.С. Структура приоритетного национального проекта «Безопасные и качественные дороги» и понятие нормативного транспортно-эксплуатационного состояния автомобильных дорог как основополагающего в первоначальной структуре проекта // Ремонт. Восстановление. Модернизация. 2024. № 7. С. 3-12.

Подберёзкин А.А. Исследование неопределенности в многоагентном мониторинге дорожного покрытия // Моделирование, оптимизация и информационные технологии. 2026. Т. 14. № 2 (53).

Слободчикова Н.А. Прогнозирование изменения во времени некоторых переменных параметров состояния автомобильных дорог // Известия вузов. Инвестиции. Строительство. Недвижимость. 2023. Т. 13. № 4. С. 677-686.

Тиратурян А.Н., Абделаал М.Э.Р. Остаточный ресурс дорожных одежд на автомобильных дорогах с высокой интенсивностью движения // Современные тенденции в строительстве, градостроительстве и планировке территорий. 2026. Т. 5. № 2. С. 97-106.

Abu Dabous S., Al-Khayyat G., Feroz S. Utility-based road maintenance prioritization method using pavement overall condition rating // The Baltic Journal of Road and Bridge Engineering. 2020. Vol. 15. № 1. pp. 126-146.

Aleksikov S.V., Leskin A.I., Gofman D.I., Tregubova M.I. Dependence of longitudinal pavement roughness on the development of hidden roadway defects // Russian Journal of Building Construction and Architecture. 2026. № 1 (69). pp. 99-107.

El Issaoui A., Feng Z., Lehtomäki M., Hyyppä E., Hyyppä H., Kaartinen H., Kukko A., Hyyppä J. Feasibility of mobile laser scanning towards operational accurate road rut depth measurements // Sensors. 2021. Vol. 21. № 4. Art. 1180.

Jia X., Huang B., Dong Q., Zhu D., Maxwell J. Influence of pavement condition data variability on network-level maintenance decision // Transportation Research Record. 2016. Vol. 2589. № 1. pp. 20-31.

Shamraeva V. Assessment of the transport and operational condition of roads based on mobile laboratory data using machine learning methods // Architecture and Engineering. 2025. Vol. 10. № 1. pp. 89-102.

Выпуск

Раздел

ПРОЕКТИРОВАНИЕ И МОДЕЛИРОВАНИЕ

Метрики

13 просмотров
0 скачиваний
Хотите опубликоваться?
Подать статью

Похожие статьи

1 2 3 4 5 6 > >> 

Вы также можете начать расширеннвй поиск похожих статей для этой статьи.

Наиболее читаемые статьи этого автора (авторов)