Sasaran dari salah satu program federal yang bertujuan untuk mengimplementasikan Keputusan Presiden “Tentang Sasaran Nasional dan Tugas Strategis Pengembangan Federasi Rusia untuk Periode hingga 2024” No. 204 dari 7 Mei 2018 (
tautan ) adalah untuk meningkatkan kualitas jalan dengan meningkatkan persentase yang memenuhi peraturan persyaratan.
Dekrit yang sama mengatur pengenalan sistem informasi yang dapat diakses publik untuk memantau pembentukan dan penggunaan dana jalan di semua tingkatan.
Namun, kontrol kualitas obyektif dari pelaksanaan langkah-langkah untuk pembangunan atau perbaikan jalan bisa menjadi sulit karena sejumlah alasan, mulai dari masalah yang terkenal seperti korupsi dalam konstruksi (
tautan ), dan diakhiri dengan penyebab alami dari kompleksitas pengorganisasian proses seperti itu menggunakan metode yang ada - menggunakan rel dan irisan -propomer, profilometer jalan atau tombol tekan, dengan metode amplitudo, dll. (biaya pengukuran kualitas jalan, kebutuhan untuk pergi ke tempat itu, sumber daya manusia dan teknis yang terbatas).
Spesialis sedang mengambil langkah-langkah untuk menyederhanakan proses mendiagnosis jalan datar (
tautan ), tetapi masih ada kemungkinan untuk studi skala besar kualitasnya sangat terbatas.
Proyek-proyek yang ada seperti "Autostrada" (autostrada.info), "ONF Road Inspection" (dorogi-onf.ru) mengisi basis data kualitas jalan mereka terutama karena umpan balik dari pengguna yang mengirim foto atau ulasan hanya tentang setiap bagian jalan.
Namun, salah satu output dari kontrol kualitas permukaan jalan, serta melacak perubahannya menjadi lebih baik dan lebih buruk, adalah agregasi alat analitik yang ada.
Untuk mulai dengan, sebagian besar, pengemudi kendaraan adalah pengguna smartphone dengan fungsi default giroskop, akselerometer (selanjutnya - sensor) dan navigasi GPS / Glonass.
Kemerataan permukaan jalan adalah salah satu indikator dasar kualitas jalan dan dicirikan oleh kemerataan longitudinal dan transversal (rut).
Ponsel dengan sensor dapat memonitor semua gerakan secara konstan, termasuk karakteristik penyimpangan.
Angka-angka di bawah ini menunjukkan data nyata dari accelerometer smartphone di mobil dalam berbagai kondisi:
Tidak ada gerakan
Mengemudi di jalan yang baik (kecepatan 80 km / jam)
Mengemudi di jalan yang bagus (kecepatan 80 km / jam) dengan persimpangan persimpangan
Memindahkan dua gundukan kecepatan (kecepatan 20-30 km / jam)
Jalan kasar (kecepatan 30 km / jam)Getaran di sepanjang sumbu yang berbeda dalam ruang tiga dimensi kami dapat dengan jelas ditunjukkan pada gambar berikut, di mana warna yang berbeda menjadi ciri setiap proyeksi. Dengan kata lain, X (atas-bawah) berlaku saat mengemudi penyimpangan, Y (kiri-kanan) - saat mengubah atau menghindari rintangan, Z (maju-mundur) - saat pengereman / akselerasi.
Kombinasi dari data ini dapat memberikan jejak unik dari setiap jenis cacat jalan.
Referensi geografis memungkinkan Anda untuk menghubungkan data sensor ponsel dengan koordinat tertentu, serta kecepatan kendaraan.
Dalam hal ini, berdasarkan data dari banyak perangkat seluler, dimungkinkan untuk membentuk peta kualitas permukaan jalan, yang akan mencerminkan berbagai cacat jalan (retakan, gundukan, lubang pecah, bekas roda, deformasi plastik, sisir, ombak, dll. Sesuai dengan classifier untuk kerusakan pada perkerasan beton aspal). )
Sebagai contoh:
- jalan kasar - dicirikan oleh fitur data dari sensor, serta kecepatan rata-rata kurang dari yang diizinkan pada bagian jalan ini;
- lubang - ditandai dengan fitur instan data dari sensor dan perlambatan tajam di depannya;
- rutting - dicirikan oleh fitur data dari sensor ketika membangun kembali kendaraan;
- fitur lain dari jalan.
Sistem itu sendiri untuk secara otomatis mengenali kualitas jalan dari data yang diterima dari sensor perlu dilatih (pada neuron yang sama), yang tidak akan signifikan bagi pengembang.
Selain itu, disarankan untuk mengintegrasikan metode ini ke dalam infrastruktur yang ada, misalnya, Yandex Navigator atau aplikasi serupa, yang digunakan oleh sejumlah besar pemilik mobil Rusia.
Aplikasi ini apriori mengumpulkan data tersebut untuk analisis dan tidak memerlukan izin tambahan untuk menginstal dan mengumpulkan data untuk implementasi praktis dari metode tersebut.
Peta kualitas pelapisan itu sendiri dapat diimplementasikan sesuai dengan skema yang mirip dengan kemacetan lalu lintas Yandex - sesuai dengan gradasi warna dari hijau (kualitas GOST) menjadi merah (kualitas rendah) dengan tanda tambahan cacat individu pada jalan, serta abu-abu, di mana statistik tidak cukup untuk refleksi objektif negara
kunci otomatis (misalnya, kemacetan lalu lintas rendah). Selain itu, akan perlu untuk mempertimbangkan sejumlah faktor terkait yang berkontribusi pada beberapa perubahan data tanpa mengubah kualitas jalan (kondisi cuaca / musim).
Pendekatan serupa untuk visualisasi diimplementasikan dalam Autostrada, namun, seperti dijelaskan di atas, itu mencerminkan penilaian subyektif dari jumlah pengguna yang terbatas, berlaku untuk seluruh jalan raya, dan tidak menunjukkan bagian individualnya, tidak diperbarui pada waktu yang wajar, dan umumnya memiliki kelemahan signifikan lainnya, tidak memungkinkan untuk melakukan kontrol objektif berkualitas tinggi.
Juga penting untuk memberikan opsi untuk "tren perubahan" dan pandangan retrospektif tentang kondisi jalan.
Berkat penerapan metode ini, akan memungkinkan bagi para manajer dari semua tingkatan, mulai dari entitas konstituen Federasi Rusia hingga badan-badan pemerintah lokal, serta organisasi konstruksi dan perbaikan, dan, pertama-tama, otoritas pengawas, untuk mengamati gambaran obyektif dari kondisi roadbed di wilayah Rusia mana pun, serta implementasi dekrit “Mei” pada topik ini dalam mode waktu dekat-nyata.
Selain itu, karena serangkaian parameter statistik, juga dimungkinkan untuk melacak tingkat keandalan jalan, yaitu, untuk periode berapa kualitasnya akan menurun ke indikator tertentu, dan apakah akan memenuhi standar negara untuk pembangunan / perbaikan jalan (
yang akan memungkinkan, antara lain, untuk mengidentifikasi perjuangan dengan fenomena seperti aspal terkenal yang terbaring di salju atau air ).
Menurut semua kriteria ini, dimungkinkan untuk membuat sistem informasi untuk pemantauan (kontrol) federal atas kondisi jalan dan mengevaluasi kualitas pekerjaan organisasi konstruksi dan kontraktor, pengeluaran target dana anggaran, pekerjaan pemerintah daerah di lapangan, serta kemajuan program federal secara keseluruhan.