ИННОВАЦИОННЫЙ ПОДХОД К РАЗВИТИЮ ДОРОЖНО-СТРОИТЕЛЬНЫХ ОРГАНИЗАЦИЙ

АННОТАЦИЯ

В современных условиях практически невозможно представить сферу деятельности человека, которую бы не затронули те или иные информационные технологии. Не исключением является и дорожно-строительная отрасль. Дороги – основа устойчивого социально-экономического развития любой страны. Оказывая всестороннее влияние как на экономику, так и на общество в целом, необходимость в разработке особенно тщательного подхода к формированию и строительству дорожной инфраструктуры является важным аспектом, требующим использования передовых инновационных технологий. Одну из наиболее значимых позиций в нынешнюю технологическую эпоху занимают искусственные нейронные сети, открывающие обширные возможности в прогнозировании и принятии решений.  Данная технология стала неотъемлемой частью современного строительства и инженерии, пересматривая подходы к управлению проектами, она позволяет добиться экономии времени и сокращения затрат.

Ключевые слова: искусственные нейронные сети, дорожное строительство, инновационное развитие, информационные технологии.

Имея способность к высокоскоростной адаптации к изменяющимся условиям и анализу больших массивов данных, использование искусственных нейронных сетей позволяет выйти далеко за рамки традиционного проектирования, строительства и организации дорожной сети, а возможность точного прогнозирования, оптимизации ресурсов и предотвращения потенциальных проблем бесспорно является значительным фактором, побуждающим к использованию искусственных нейронных сетей в дорожном строительстве.

Искусственные нейронные сети – совокупность моделей биологических нейронных сетей, которые представляют собой сеть элементов – искусственных нейронов, связанных между собой синоптическими соединениями [1].

Современные искусственные нейронные сети обладают такими свойствами, как обучаемость, способность к обобщению, абстрагированию и параллельности обработки и реализуемости нейронной сети [2].

Нейронные сети являются средством обработки информации и могут рассматриваться как:

• гибкая модель для нелинейной аппроксимации многомерных функций. Искусственные нейронные сети способны моделировать сложные нелинейные зависимости между входными и выходными данными. Это делает их эффективными инструментами для решения задач регрессии и аппроксимации функций, что находит применение в различных областях, от финансов до медицины;
• средство прогнозирования во времени процессов, зависящих от многих переменных. Благодаря своей способности запоминать последовательности и обобщать опыт, нейронные сети успешно применяются в задачах временных рядов, таких как прогнозирование финансовых рынков, погоды или других динамических процессов;
• классификатор по многим признакам, дающий разбиение входного пространства на области. Нейронные сети могут обучаться классифицировать данные по множеству признаков, применяя данную способность в распознавании образов, медицинской диагностике, анализе текстов и изображений;
• средство распознавания образов. Используя свою способность выявлять закономерности в данных, нейронные сети успешно применяются в задачах распознавания образов, включая обнаружение объектов на изображениях, распознавание рукописного текста и даже лиц;
• инструмент для поиска и классификации по ассоциациям. Нейронные сети способны обнаруживать сложные взаимосвязи в данных и выявлять ассоциации между различными переменными, что приводит к возможности создания мощных инструментов для поиска и классификации по ассоциациям в данных;
• модель для поиска закономерностей в массивах данных.  Используя обширные объемы данных, искусственные нейронные сети способны выявлять сложные закономерности, которые могли бы остаться незамеченными при традиционных методах анализа [2].

Таким образом, искусственные нейронные сети являются универсальным инструментом с широким спектром применения, что делает их неотъемлемой частью современных технологий в области обработки информации и анализа данных.

Одним из возможных направлений использования искусственных нейронных сетей также может быть их применение в дорожно-строительной отрасли, так как значительной проблемой в управлении дорожными работами является быстрое выявление изношенных участков дорожного покрытия для дальнейшего незамедлительного реагирования, устранения дефектов и предотвращения аварийных ситуаций. В данном случае искусственные нейронные сети могут помочь в решении таких задач, как прогнозирование технического состояния дорог, оптимизация процессов строительства и анализ данных о проведении дорожных работ.  

Ни для кого не секрет, что дорожное строительство требует значительных денежных ресурсов и затрат времени. Для того чтобы лишь обновить один километр верхнего слоя дорожного покрытия, необходимо около 200 тысяч белорусских рублей, а стоимость строительства абсолютно новой дороги такого же размера будет превышать сумму в 100 000 долларов. Расход времени же на ремонт и строительство может варьироваться от нескольких месяцев до нескольких лет в зависимости от размеров участка.

Также строительство дорог является огромной статьей расходов в государственном бюджете. Безусловно, они являются оправданными, так как, согласно исследованиям [3], строительство дорог позволяет, исходя из инвестиционного мультипликатора, получить 3-10 кратную отдачу от вложенных в новое строительство средств. Однако почему бы не снизить дополнительные затраты от обновления дорожного покрытия уже существующих дорог из-за несвоевременного реагирования на уже износившихся участках или на участках с повышенным риском получения ущерба? Данные манипуляции можно провести с помощью использования искусственных нейронных сетей, которые способны спрогнозировать места возможных будущих нарушений дорожной одежды. Также использование искусственного интеллекта будет полезно для выявления наиболее благоприятных условий строительства дорог и, следовательно, повышению износоустойчивости и эксплуатационного качества дорожного покрытия.

Изучив научно-исследовательскую работу Валюшко Е.В. и Бурак М.М., можно выделить также огромные преимущества использования искусственных нейронных сетей в проведении геодезических работ. Они солидарны с тем, что искусственный интеллект является основой роботизированных комплексов, в том числе и в геодезии. Применение искусственных нейронных сетей расширяет возможности решения практически значимых задач на компьютерах, принося огромную экономическую выгоду. Успешное развитие методов и технологий искусственного интеллекта привело к созданию многочисленных приложений, ориентированных на конечных пользователей, включая специалистов в области геодезии [4].

В работе А.П. Прокопьева и Ж.И. Набижанова показывается значительный вклад практического обучения и использования искусственных нейронных сетей в сфере автоматического управления процессом уплотнения для асфальтоукладчиков. Создание нейросетевой системы для управления уплотнением асфальта не только подчеркивает потенциал искусственных нейронных сетей в практических приложениях, но также демонстрирует их способность повышать производительность и, как следствие, качество дорожных покрытий на автомобильных дорогах.  Разработка автоматизированной системы управления, основанной на искусственных нейронных сетях, подразумевает не только техническое совершенствование в области строительства дорог, но и имеет потенциал значительного улучшения эффективности процессов. Это может привести к более высокой производительности асфальтоукладчиков и, в конечном итоге, к повышению качества создаваемых дорожных покрытий [5]. Таким образом, результаты данного исследования подчеркивают практическую значимость искусственных нейронных сетей в оптимизации и автоматизации строительных процессов, что может способствовать улучшению инфраструктуры и обеспечению более высоких стандартов дорожного строительства.

Кроме того, искусственные нейронные сети могут эффективно применяться в области прогнозирования трафика на дорогах, что в свою очередь способствует принятию обоснованных решений относительно времени начала и завершения ремонтных работ. Данная технология позволяет планировать ремонтные мероприятия с учетом сложившейся дорожной ситуации, что снижает риск образования заторов и улучшает общую проходимость дорог в период проведения работ.

В сфере лабораторных исследований искусственные нейронные сети также могут существенно поспособствовать в определении оптимального состава асфальтобетонных и цементобетонных смесей. Путем анализа множества параметров и условий, нейронные сети могут выявлять наилучшие сочетания материалов, что способствует улучшению качества и эффективности дорожных покрытий. Такой подход обеспечивает не только долговечность, но и адаптируемость материалов к различным климатическим условиям и интенсивности эксплуатации дорог. Поэтому использование искусственных нейронных сетей в дорожной инфраструктуре оказывает комплексное воздействие, позволяя не только предсказывать и регулировать трафик, но и улучшать состав строительных материалов, содействуя повышению устойчивости и эффективности дорог в целом.

В свете представленной выше информации можно заключить, что использование искусственных нейронных сетей в дорожной отрасли не только способствует снижению расходов на реконструкции существующих дорог, но и предоставляет потенциал для получения значительных выгод. Эти выгоды могут проявиться через возможность осуществления строительства совершенно новых участков дорог, включая удаленные поселки и районные центры нашей страны. Такой подход не только улучшит инфраструктуру, но и повысит трудовую мобильность, стимулируя товарооборот и способствуя росту экономики страны в целом.

Кроме того, использование искусственных нейронных сетей в дорожной отрасли ускорит процесс принятия решений и повысит их качество. Руководство, оперируя данными, предсказаниями и оптимизированными данными, сможет эффективнее планировать и координировать строительные проекты, что приведет к повышению качества управления в этой отрасли.

Обобщая данные, полученные из различных источников, можно заключить, что широкий спектр применения искусственных нейронных сетей, в том числе прогнозирование и вывод решений, в дорожной отрасли является важным шагом в переходе строительства дорог на новый, более качественный уровень. Этот технологический прогресс не только оптимизирует текущие процессы, но и откроет новые возможности для эффективного развития и совершенствования дорожной инфраструктуры в будущем.

Список литературы:

1. Заенцев И. В. Нейронные сети: основные модели: учеб. пособие / И. В. Заенцев. — Воронеж: ВГУ, 1999. — 76 с.
2.  Искусственные нейронные сети: учеб. пособие / А.И. Легалов [и др.]; под общ. ред. В.В. Цехановского. — Москва: КНОРУС, 2023. — 352 с.
3. Макешина М. К. Влияние "Дорожной отрасли" на национальную экономику. // V международной очно-заочной научной конференции «Форум молодых ученых: мир без границ» в рамках международного  научного форума Донецкой Народной Республики  «Инновационные перспективы Донбасса» – Донецк: «ДОНМАН», 2021. – 192 с.
4. Валюшко Е. В., Бурак М. М. Системы искусственного интеллекта и нейронные сети в геодезии: конкурсная научная работа студента / науч. рук. Парадня П. Ф.; Полоцкий гос. университет, каф. геодезии и кадастров. - Новополоцк, 2012. — 33 с.
5. Прокопьев А.П. Нейросетевая система управления процессом уплотнения дорожных материалов асфальтоукладчиками [Электронный ресурс] / А.П. Прокопьев, Ж.И. Набижанов // Инженерный вестник Дона. — 2021. — Режим доступа: https://cyberleninka.ru/article/n/neyrosetevaya-sistema-upravleniya-protsessom-uplotneniya-dorozhnyh-materialov-asfaltoukladchikami (дата обращения: 02.05.2024)