FORECASTING THE SMOOTHNESS OF THE COVERAGE OF MOTOR ROADS, TAKING INTO ACCOUNT THE WEATHER AND CLIMATE IMPACT AND THE LEVEL OF WORK ON THE CONTENT

Abstract


The work is devoted to improving the method for predicting the longitudinal smoothness of the road surface coverage. The purpose of the study was to improve the methodology for predicting the roughness index of the road surface covering taking into account the negative weather and climate factors, the composition of the traffic, and the level of maintenance. The authors conducted a wide analysis and classification of domestic and foreign methods for predicting the change in the longitudinal smoothness of the road surface coverage. It is proposed to improve the accuracy of predicting the smoothness of the coating, based on the improvement of the known linear multifactor model predicting the change in the international roughness index (IRI) depending on the traffic intensity and the initial state of the coating, by including additional factors. As factors, it is suggested to use data on the qualitative composition of the transport stream, namely, the level of impact of heavy trucks, the level of weather and climate impacts on the coverage, as well as the level of road maintenance. As a data processing tool, multivariate linear regression analysis is proposed in Deductor Studio. On the basis of statistical calculations, it is established that the introduction of the indicated correlation factors into the correlation-regression model makes it possible to increase the accuracy of forecasting the international roughness index of the road surface coverage. The authors present the results of using the improved model on a number of highways in the Volgograd Region, which allow us to judge the statistical significance of the model obtained on the basis of the increasing multiple correlation coefficient and the decreasing mean absolute error in verifying the results. Improving the forecasting of changes in the longitudinal smoothness of the cover at the stage of technical and economic calculations will help to increase the objectivity of decision-making in the management of the transport and operational condition of highways.

Full Text

Введение В условиях роста темпов автомобилизации и доли перевозок, осуществляемых автомобильным транспортом, сеть автомобильных дорог страны характеризуется низкой пропускной способностью, несоответствием современным требованиям по пропускной способности, техническому состоянию и эксплуатационным показателям [1]. Таким образом, очевидно несоответствие транспортно-эксплуатационного состояния автомобильных дорог (ТЭС АД) возрастающим требованиям автомобильного транспорта, что приводит к росту потерь от ДТП и повышению себестоимости перевозок. Основным критерием оценки ТЭС АД согласно ОДН 218.0.006-2002 является эксплуатационный коэффициент обеспеченности расчетной скорости, представляющий собой отношение фактической максимальной скорости движения одиночного легкового автомобиля, обеспеченной дорогой по условиям безопасности движения или взаимодействия автомобиля с дорогой на каждом участке, к расчетной скорости для данной категории дороги и рельефа местности. Согласно СНиП 2.05.02-85 элементы и обустройство автомобильной дороги должны обеспечивать безопасное, удобное и комфортабельное движение автотранспортных средств с расчетными скоростями. В соответствии с [2] ТЭС АД изменяется под влиянием внешних и внутренних факторов. К внешним факторам относятся воздействия окружающей среды трех видов: механические, физико-климатические и химические [3]; к внутренним - показатели качества, определяющие способность асфальтобетона сопротивляться указанным видам внешних воздействий, а также начальное ТЭС АД и совокупность ремонтно-восстановительных мероприятий [4]. Низкие эксплуатационные показатели автомобильных дорог и неблагоприятные дорожные условия выступают в качестве факторов, влияющих на вероятность возникновения ошибки водителей в выборе режима движения автомобиля, снижение надежности работы ввиду неверного восприятия ситуации, а также вероятность возникновения до 60 % ДТП [5]. В соответствии с исследованиями [6] изменение комплексного показателя ТЭС АД в значительной степени обусловлено изменением ровности покрытия. Ровность и трещинообразование покрытия имеют устойчивую корреляционную связь с долговечностью и эксплуатационной надежностью асфальтобетонных покрытий [7]. Кроме того, в соответствии с [8] оценка изменения продольной ровности покрытия позволяет разрабатывать научно обоснованные мероприятия по повышению безопасности дорожного движения. Таким образом, в настоящее время не теряет своей актуальности направление исследований, связанное с прогнозированием изменения ровности асфальтобетонных покрытий автомобильных дорог. Прогнозирование ровности покрытия на стадии планирования дорожных работ и организации движения будет способствовать рациональному администрированию финансовых средств при повышении ТЭС АД и, как следствие, вести к таким результатам, как сокращение времени на перевозки грузов и пассажиров, снижение стоимости перевозок, увеличение спроса на услуги дорожного сервиса, повышение транспортной доступности, сокращение числа дорожно-транспортных происшествий и улучшение экологической ситуации [9]. Цель работы - совершенствование методики прогнозирования индекса ровности покрытия автомобильной дороги с учетом отрицательных погодно-климатических факторов и состава движения, а также уровня содержания. Основная часть В отечественной науке ровность покрытия измеряют в см/км с помощью толчкомеров, за рубежом для этой цели используются роботизированные лазерные профилографы, характеризующие ровность покрытия индексом IRI в м/км. Несмотря на то что существуют механизмы перевода, целесообразно рассматривать отдельно направление исследований по прогнозированию международного индекса IRI и работы отечественных ученых, занимающихся прогнозированием продольной ровности по толчкомеру (рис. 1). К первому направлению следует отнести ряд методик прогнозирования ровности покрытия по достаточно упрощенным формулам, учитывающим зависимость грузонапряженности на автомобильной дороге [10]: (1) где a - эмпирический параметр, учитывающий региональные условия работы дороги, для средних условий принимается a = 23,5; b - параметр, характеризующий начальную ровность покрытия и изменяющийся в значительной степени в соответствии с данными [11]; QT - грузонапряженность, млн брутто т. Более точные результаты прогноза индекса IRI позволяют получать зависимости с учетом как данных о движении и начальной ровности, так и срока с момента проведения ремонтных работ [12]: (2) где AGE - срок с момента ввода дороги в эксплуатацию, годы; N - суточная интенсивность движения авт./сут; а, b, c - эмпирические коэффициенты, зависящие от типа покрытия и значения дороги. Рис. 1. Анализ основных подходов к прогнозированию изменения продольной ровности покрытия автомобильных дорог Fig. 1. Analysis of the main approaches to forecasting changes in the longitudinal flatness of the road surface В основе отечественного направления по прогнозированию ровности покрытия лежит математическая модель А.П. Васильева [13], характеризующая изменение продольной ровности дорожного покрытия зависимостью (3) где St и S0 - прогнозируемое и начальное (после сдачи дороги в эксплуатацию) значения продольной ровности дорожного покрытия по толчкомеру, см/км; N(t) - интенсивность движения в расчетный год службы, авт./сут; n - количество расчетных дней в году; Emin - минимальный модуль упругости; a, b, c, d - эмпирические коэффициенты. Особенностью данного подхода является учет прочностных характеристик покрытия, от которых в существенной степени зависит проявление колееобразования на покрытии. В отечественной науке к эмпирическим зависимостям, прогнозирующим изменение ровности с учетом прочностных характеристик, относится направление [14]. Динамика изменения ровности в рамках данного подхода определяется зависимостью (4) где z - параметр, зависящий от упругого прогиба дорожной одежды; NФ - фактическое суммарное число приложений расчетной нагрузки; NП - максимальное суммарное число приложений расчетной нагрузки. Ученые ХАДИ также рассматривают процесс изменения продольной ровности покрытия, с учетом прочности дорожной одежды [15]: (5) где S(t) - ровность покрытия на момент прогнозирования, см/км; S(t0) - начальная ровность покрытия, см/км; kп - коэффициент прочности дорожной одежды; t - время эксплуатации дорожной одежды, лет. Существует стохастический подход к прогнозированию отдельных показателей транспортно-эксплуатационного состояния, предусматривающий в первую очередь учет высокой степени неопределенности динамики физического и морального износа объекта транспортной инфраструктуры [16]. При этом для выбора оптимальной стратегии воспроизводства сооружений используется так называемый «метод оценки ожидаемого эффекта проекта». В соответствии с этим подходом интегральный эффект рассчитывается по формуле математического ожидания: (6) (7) где ЧДД0 - ожидаемая величина чистого дисконтируемого дохода по i-й стратегии воспроизводства сооружения при k-м сроке его предельного износа; рk - вероятность предельного износа сооружения в k-м году. В качестве метода вероятностной оценки ровности дорожного покрытия в работе [17] предлагается определение превышений поверхности покрытия относительно ее проектного положения, рассматриваемых в продольном и поперечном направлениях, с помощью современных нивелиров. При этом высотная отметка определяется уравнением параболы: (8) где ai - коэффициенты уравнения параболы; S - расстояние вдоль оси обследуемого участка трассы относительно его начальной точки. Далее с использованием вероятностно-статистических методов оценивается ровность дорожного покрытия. В работе [18] авторы проводят связь не с интенсивностью напрямую, а с количеством циклов динамического нагружения: (9) где NЛАБ - лабораторное количество циклов нагружения до разрушения асфальтобетона; K - коэффициент перехода от лабораторных испытаний асфальтобетона на циклическую усталость к усталостному разрушению асфальтобетона в покрытии; NРАС - суммарное расчетное число приложений расчетной нагрузки к точке на поверхности конструкции дорожной одежды за 1 год службы. Общей характерной чертой, объединяющей все анализируемые подходы, является недостаточный учет как погодно-климатических факторов, так и межремонтных работ, связанных с поддержанием эксплуатационного состояния покрытия автомобильной дороги силами и средствами содержания. И если отечественное направление исследований, связанное с прогнозированием изменения ровности, как правило, учитывает прочностные характеристики покрытия, которые не затрагиваются средствами содержания, то методика корреляционно-регрессионного анализа при прогнозировании изменения IRI может быть существенно улучшена введением дополнительных факторов, характеризующих погодно-климатическое и транспортное воздействие, а также уровень содержания автомобильных дорог. В качестве экспериментальной базы для проведения исследований авторами были собраны данные по диагностике автомобильных дорог «Сызрань - Саратов - Волгоград» с км 446 по км 554, «Волгоград - Каменск - Шахтинский» с км 11 по км 196, а также «Подъезд к г. Элиста от автомобильной дороги «КАСПИЙ» за четыре года. Особое внимание уделялось показателю продольной ровности покрытия. Также по данным автомобильным дорогам были получены сведения о проводимых работах по ремонту и содержанию за соответствующий период. На первом этапе исследований авторы использовали трехфакторную модель, приводимую в критическом анализе (см. формулы (1), (2)). В результате обработки статистических данных в Deductor Studio были получена зависимость вида (10) где IRI0 - значение индекса ровности по данным обследования за предыдущий период, м/км; N - приведенная интенсивность движения авт./сут; t - количество лет, прошедшее со времени последнего ремонта покрытия. Модель характеризуется достаточно высокой статистической значимостью - множественный коэффициент корреляции составил порядка 0,9. Результаты прогнозирования изменения индекса IRI по модели в сравнении с фактическими данными, полученными на основе диагностики по толчкомеру и приведенными к индексу IRI, представлены на рис. 2. Средняя абсолютная ошибка (Mean absolute percentage error) при прогнозировании индекса IRI не превышает 20-25 % (в зависимости от выбранной дороги). На втором этапе исследований традиционная многофакторная регрессионная модель для прогнозирования индекса ровности покрытия была расширена за счет включения и обработки дополнительных переменных. В качестве дополнительных переменных авторы предложили включить интегральный показатель воздействия на ровность покрытия погодно-климатических факторов, процент тяжелого транспорта и уровень содержания покрытия. Как уже отмечалось ранее, при анализе подходов к прогнозированию изменения индекса IRI ровность покрытия в значительной степени зависит от воздействия на покрытие погодно-климатических факторов. Моделированию воздействия метеорологических условий посвящено достаточное количество исследований. На основании работ Г.И. Глушкова, Л.И. Горецкого, И.А. Золотаря, Н.А. Пузанкова, А.Я. Тулаева и других установлено, что из всей совокупности метеорологических параметров наиболее значительное влияние на процесс изменения ровности как составляющей транспортно-эксплуатационного состояния автомобильной дороги оказывают лишь шесть: температура воздуха, солнечная радиация, облачность, количество осадков, влажность воздуха и скорость ветра. Кроме этого, существенное влияние на срок службы дорожной одежды и темп ее разрушения оказывает тепловлажностный режим грунта земляного полотна. С учетом нормативных документов по строительной климатологии авторами было выбран следующий перечень факторов климатического воздействия, влияние которых отрицательно сказывается на изменении ровности покрытия (рис. 3). Рис. 2. Результаты прогнозирования международного индекса ровности IRI по классической формуле в сравнении с фактическими данными по автомобильной дороге «Сызрань - Саратов - Волгоград» с км 446 по км 554 Fig. 2. Results of forecasting of the IRI international evenness index according to the classical formula in comparison with the actual data on the Syzran - Saratov - Volgograd highway from km 446 to km 554 Интегральный показатель влияния отрицательного погодно-климатического воздействия на изменение продольной ровности покрытия дороги, оцениваемой индексом IRI, рассчитывался по известному алгоритму метода анализа иерархий. Данные по переменным-листьям принимались на основе [19]. Установлено, что существенное вредное воздействие на автомобильную дорогу оказывает тяжелый грузовой транспорт. По данным исследований [20], один проезд нагруженного грузового автомобиля означает нанесение вреда для дорог, сопоставимый с проездом нескольких тысяч единиц легкового транспорта. Таким образом, можно сделать вывод, что при моделировании воздействия внешней среды на ровность покрытия необходимо учесть воздействие подвижной нагрузки. В качестве положительного управляющего воздействия на продольную ровность покрытия оказывают влияние работы по содержанию. В соответствии с нормативными документами содержание покрытия автомобильных дороги дифференцируется по трем уровням, которые вошли в модель в виде дискретных значений: 0 - допустимый, 1 - средний, 2 - высокий. Рис. 3. Схема формирования интегрального показателя отрицательного погодно-климатического воздействия на изменение ровности по индексу IRI Fig. 3. Scheme of formation of the integral index of negative weather and climate influence on the change of evenness on the IRI index В результате обработки статистических данных в Deductor Studio были получена зависимость вида (11) где K - нормализованный уровень воздействия внешних погодно-климатических факторов, д. ед.; M - уровень содержания покрытия автомобильных дорог (принимает значение 0, 1, 2); Tr - доля тяжелого транспорта, % . Статистическая значимость модели выше полученной с использованием факторов классического подхода к прогнозированию индекса IRI. Так, множественный коэффициент корреляции составил порядка 0,94. Результаты прогнозирования изменения индекса IRI по предлагаемой модели в сравнении с классическим подходом и фактическими данными представлены на рис. 4. Средняя абсолютная ошибка (Mean absolute percentage error) при прогнозировании индекса IRI по предлагаемому методу составляет около 18 %. Рис. 4. Результаты прогнозирования индекса ровности IRI по полученной зависимости в сравнении с фактическими данными по автомобильной дороге «Сызрань - Саратов - Волгоград» с км 446 по км 554 Fig. 4. The results of forecasting the IRI evenness index according to the obtained dependence in comparison with the actual data on the road "Syzran - Saratov - Volgograd" from km 446 to km 554 Заключение Резюмируя результаты проведенных авторами научных исследований, можно сделать следующие выводы: 1. На основе анализа отечественных и зарубежных подходов к прогнозированию продольной ровности покрытия автомобильных дорог обоснована необходимость включения в зависимости, отражающие процесс изменения ровности покрытия, ряда дополнительных факторов, к числу которых следует отнести уровень воздействия на покрытие погодно-климатических факторов, влияние тяжелого транспорта, а также воздействие работ по содержанию. 2. С использованием корреляционно-регрессионного анализа авторами получена многофакторная линейная зависимость, позволяющая учесть влияние на ровность покрытия, оцениваемую международным индексом ровности IRI, как традиционных факторов в виде интенсивности движения и начального состояния покрытия, так и дополнительных факторов, таких как уровень интенсивность воздействия на покрытие погодно-климатических факторов, влияние тяжелого транспорта, а также уровень содержания покрытия. 3. Практические расчеты с использованием разработанной модели на ряде автомобильных дорог Волгоградской области показали повышение точности прогнозирования изменения продольной ровности (средняя абсолютная ошибка прогнозирования снижается на 5-7 %), сама же модель характеризуется более точной аппроксимацией фактических значений (множественный коэффициент корреляции возрос с 0,9 до 0,94).

About the authors

D. A Skorobogatchenko

Volgograd State Technical University

A. S Zabaznov

Volgograd State Technical University

References

  1. Гусейналиев В.А. Анализ транспортно-эксплуатационного состояния автомобильных дорог РФ // Вестник МАДИ. - 2012. - №. 4 (31). - С. 73-76.
  2. Руденский А.В. Опыт строительства дорожных асфальтобетонных покрытий в различных климатических условиях. - М.: Транспорт, 1983. - 64 с.
  3. Питухин А.В., Петров А.Н. Влияние ровности покрытий на работоспособность автомобильных дорог // Транспортное дело России. - 2010. - № 5. - С. 71-75.
  4. Скоробогатченко Д.А. Прогнозирование состояния сложных объектов автодорожного комплекса на основе нечетких нейронных сетей // Вестник Волгоградского государственного архитектурно-строительного университета. - 2016. - № 45 (64). - С. 188-198.
  5. Investigation of the effect of pavement roughness on crash rates for rigid pavement / A. Elghriany, P. Yi, P. Liu, Q. Yu // Journal of Transportation Safety & Security. - 2015. - Р. 164-176.
  6. Чванов В.В., Стрижевский Д.А. Обоснование требований к ровности дорожных покрытий с учетом обеспечения безопасности движения // Дороги и мосты. - 2010. - № 24/2. - С. 171-185.
  7. Кравченко С.Е. Прогнозирование расчетного срока службы и остаточного ресурса асфальтобетонных покрытий на основе учета усталостных явлений // Автомобильные дороги и мосты. - 2010. - № 1(5). - С. 71-76.
  8. Сухов А.А., Стрижевский Д.А., Кочетков А.В. Дорожно-транспортные происшествия с сопутствующими дорожными условиями на автомобильных дорогах общего пользования федерального значения // Известия Волгоградского государственного технического университета. - 2013. - № 21 (124). - С. 91-99.
  9. Балзанай С.В. Анализ методов оценки состояния автомобильных дорог // Фундаментальные исследования. - 2014. - № 12. - C. 784-787.
  10. Слободчиков Ю.В. Обоснование оценочных показателей выбора ремонтной стратегии автомобильных дорог нежесткого типа в изменяющихся условиях эксплуатации. - М.: Информавтодор, 1994. - 189 с.
  11. Семенов В.А. Качество и однородность автомобильных дорог. - М.: Транспорт, 1989. - 125 с.
  12. Gulen S., Woods R., Weaver J. Correlation of pavement serviceability rating with International Roughness Index // Transportation Research Record. - 1994 - P. 1435.
  13. Васильев А.П. Ремонт и содержание автомобильных дорог // Справочная энциклопедия дорожника: в 2 т. - Т. 2. - М.: Информавтодор, 2004. - 1129 с.
  14. Коганзон М.С., Аблакулов А. Обеспечение ровности дорожных одежд // Сборник научных трудов МАДИ. - М.: Изд-во МАДИ. - 1986. - С. 23-28.
  15. Демишкан В.Ф. Усовершенствование управления состоянием автомобильных дорог при условиях ограниченных ресурсов: автореф. дис. … канд. техн. наук / ХАДИ (ТУ). - Харьков, 2000. - 17 с.
  16. Дингес Э.В., Гусейналиев В.А. Определение стратегии воспроизводства дорожного сооружения при неопределенности информации об условиях его функционирования // Вестник МАДИ. - 2011. - № 4 (27). - С. 43-46.
  17. Леонович И.И., Подшивалов В.П. Оценка ровности дорожных покрытий на основе геодезических измерений // Автоматизированные технологии изысканий и проектирования. - 2012. - № 3 (46). - С. 79-83.
  18. Ковалев Н.С., Куликова Е.В. Прогнозирование сроков службы асфальтобетонных покрытий с углеродсодержащим материалом // Вестник Воронежского государственного аграрного университета. - 2016. - № 3 (50). - С. 165-174.
  19. Архив данных Волгоградского метеоцентра. [Электронный ресурс]. - URL: http://volgogradmeteo.ru/archive.php. (дата обращения: 16.02.2018).
  20. Straßenerhaltung und Regierungserklärung // Asphalt (BRD). - 2001. - № 1. - S. 22.

Statistics

Views

Abstract - 10

Refbacks

  • There are currently no refbacks.

Copyright (c) 2018 Skorobogatchenko D.A., Zabaznov A.S.

Creative Commons License
This work is licensed under a Creative Commons Attribution-NonCommercial 4.0 International License.

This website uses cookies

You consent to our cookies if you continue to use our website.

About Cookies