پیوندهای مفید
آمار
| تعداد نشریات | 21 |
| تعداد شمارهها | 679 |
| تعداد مقالات | 9,900 |
| تعداد مشاهده مقاله | 70,087,098 |
| تعداد دریافت فایل اصل مقاله | 49,389,624 |
بهینه سازی زمان بازدیدهای میدانی در روسازی های آسفالتی با استفاده از شاخص ناهمواری با در نظر گرفتن مباحث هزینه ای | ||
| مهندسی زیر ساخت های حمل و نقل | ||
| دوره 9، شماره 3 - شماره پیاپی 35، آذر 1402، صفحه 103-118 اصل مقاله (2.33 M) | ||
| نوع مقاله: مقاله پژوهشی | ||
| شناسه دیجیتال (DOI): 10.22075/jtie.2023.32003.1653 | ||
| نویسندگان | ||
| جلال ایوبی نژاد* 1؛ علی اکبری مطلق2 | ||
| 1دانشجوی دکترا، گروه مهندسی عمران، دانشگاه پیام نور، تهران | ||
| 2استادیار، گروه مهندسی عمران، دانشگاه پیام نور، تهران | ||
| تاریخ دریافت: 15 مهر 1402، تاریخ بازنگری: 20 آبان 1402، تاریخ پذیرش: 30 آبان 1402 | ||
| چکیده | ||
| باتوجه به هزینههای گزافی که سالانه جهت ترمیم و بهسازی روسازیهای آسفالتی پرداخت میشود و همچنین باتوجه به گسترش روزافزون استفاده از الگوریتمهای ابتکاری و فرا ابتکاری، هدف اصلی این مقاله تعیین مناسبترین زمان برای برداشتهای میدانی در مدیریت روسازی با بکارگیری الگوریتم ژنتیک خواهد بود تا ضمن جلوگیری از هزینههای بیشتر، برنامهریزی بهتری جهت نگهداری و تعمیر روسازی داشته باشیم تا همواره جادهها سطح خدمت قابل قبولی داشته باشند؛ منتها باید شاخصهای مؤثر بر هزینههای مختلف نیز مشخص شده و همگام با تعیین بهترین زمان انجام بازرسی، این هزینهها نیز بهینهسازی شوند. به این منظور باتوجه به عوامل مؤثر بر زمان بهینه بازدیدهای میدانی و به کمک الگوریتم ژنتیک، برنامه موردنیاز در نرمافزار متلب پیاده شده و برای نمونههای مختلف از استان خوزستان تست شد که نتایج آن بسیار چشمگیر و منطقی میباشد. باتوجه به نتایج بدست آمده، مشاهده میشود که میتوان با بهرهگیری از این روش و تعیین مناسبترین زمان برداشت میدانی یک مسیر، از صرف هزینههای گزاف و جبرانناپذیر جلوگیری کرد؛ به کمک این روش و با داشتن اطلاعات اولیه مسیر، میتوان بهترین زمان برداشت میدانی را تعیین کرده تا بتوان از خرابی بیش از حد مسیر و در نتیجه هزینههای زیاد جلوگیری کرده و ضمن حفظ سطح سرویسدهی مسیر در حالت موردنظر، رضایت استفادهکنندگان را نیز جلب کرد. | ||
| کلیدواژهها | ||
| روسازی آسفالتی؛ بازدید میدانی؛ IRI؛ هزینه؛ الگوریتم ژنتیک | ||
| عنوان مقاله [English] | ||
| Optimizing the time of field visits in asphalt pavements by using the roughness index, considering the cost issues | ||
| نویسندگان [English] | ||
| Jalal Ayoubinejad1؛ Ali AkbariMotlagh2 | ||
| 1Ph.D. Candidate, Department of Civil Engineering, Payame Noor University, Tehran, I. R. Iran. | ||
| 2Assistant Professor, Department of Civil Engineering, Payame Noor University, Tehran, I. R. Iran. | ||
| چکیده [English] | ||
| Considering the exorbitant costs that are paid annually for the repair and improvement of asphalt pavements and also considering the increasing use of heuristic and meta-heuristic algorithms, the main goal of this article is to determine the most appropriate time for field surveys in pavement management by using the genetics algorithm to prevent more expenses and have better planning for pavement maintenance and repair so that the roads always have an acceptable level of service. However, the indexes affecting different costs should also be determined and these costs should be optimized at the same time as determining the best time to conduct the inspection. For this purpose, according to the factors affecting the optimal time of field surveys and with the help of genetic algorithm, the required program was implemented in MATLAB software and tested for different samples from Khuzestan province that the results of which are very impressive and reasonable. According to the obtained results, it can be seen that by using this method and determining the most appropriate time for field survey of a road, it is possible to avoid excessive and irreparable expenses; With the help of this method and having the basic information of the road, it is possible to determine the best time for field survey in order to prevent excessive damage to the road as well as high costs, and while maintaining the service level of the rosd in the desired state, the satisfaction of the users also attracted | ||
| کلیدواژهها [English] | ||
| Asphalt pavement, field visit, IRI, Cost, genetic algorithm | ||
| مراجع | ||
|
| ||
|
آمار تعداد مشاهده مقاله: 426 تعداد دریافت فایل اصل مقاله: 372 |
||