Строительство автодорог играет важную роль в инфраструктурном развитии любой страны. Дорожная инфраструктура представляет собой сеть дорог и автотрасс, которые обеспечивают перемещение грузов и пассажиров между городами и регионами, а также внутри них. Хорошо развитая сеть автодорог способствует экономическому росту, поскольку она обеспечивает легкий доступ к рынкам, снижает транспортные расходы и способствует более эффективной логистике. Автодороги играют важную роль в обеспечении доступности отдаленных и малонаселенных регионов, что способствует социальному и экономическому развитию этих территорий. Современные автодороги обеспечивают более безопасное и комфортное передвижение для водителей и пассажиров, а также сокращают время в пути. Автодороги служат важной частью транспортной инфраструктуры для перемещения грузов. Они обеспечивают доступ к портам, железнодорожным станциям и другим транспортным узлам. Хорошо развитые автодороги способствуют развитию туризма, так как они делают доступными туристические места и достопримечательности. В статье приводится статистический анализ строительства автодорог федерального и регионального назначения в период 2021-2023 гг. по восьми округам Российской Федерации. Приведены диаграммы протяженности возведенных автомобильных дорог в каждом округе, а также вычислены основные параметры описательной статистики.

Ключевые слова: автомобильные дороги, строительство, дорожная инфраструктура, автомагистрали, скоростные автодороги, нескоростные автодороги, статистический анализ

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

В статье представлен систематический обзор научных работ отечественных и зарубежных авторов, посвященных математическому моделированию пожаров в тоннелях различного назначения. Используя результаты поиска в базах научных публикаций eLIBRARY.RU и Google Scholar, выделены 30 наиболее релевантных статей, содержащих эмпирические данные, полученные по результатам исследования пожаров в транспортных тоннелях, а также горных выработках. Выполнена классификация публикаций по видам тоннельных сооружений, форме поперечного сечения, предмету исследования, применяемой математической модели для описания процессов тепломассопереноса в газовой среде и прогрева ограждающих конструкций при пожаре и другим аспектам. Установлено, что слабо изученной является проблема прогнозирования динамики пожара в тоннельных сооружениях глубокого заложения, а также математического моделирования пожара в тоннеле с учетом работы систем противопожарной защиты.

Ключевые слова: моделирование пожара, тоннель, математическая модель, прогнозирование пожара, теплоперенос, конструкции, систематический обзор

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.1 - Системный анализ, управление и обработка информации

Козловые сваи были разработаны для передачи большой нагрузки на несущее основание при возведении ответственных сооружений за счет большей, по сравнению с вертикальными сваями, площади соприкосновения свай с грунтом. Проектирование фундаментов из козловых свай являются наиболее трудоемким. Ответственность совершения ошибки возрастает при проектировании данного фундамента сейсмических условиях. Данная статья рассматривается моделирование работы грузовых свай в условиях сейсмической нагрузки при возведении фундамента для мостовых опор. Полученные результаты является частью большого научного исследования о возможности применения козловых свай при высотном строительстве в условиях землетрясений от 6 до 10 баллов по шкале Рихтера.

Ключевые слова: козловые сваи, фундамент глубокого заложения, сейсмические воздействия, путепровод, моделирование, метод конечных элементов, грунтовый массив, напряжения, деформации, система «фундамент – грунтовый массив»

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Статья написана по результатам научного исследования по моделированию работы системы «фундамент – грунтовый массив» особого вида фундамента глубокого заложения – козловых свай в условиях грунтового массива при возведении путепровода трассы М-12 «Восток». Козловые наклонные сваи предназначены для передачи большей нагрузки на основание, чем традиционные сваи вертикального исполнения. Цель данного исследования – выбор угла наклона козловых свай для опоры путепровода на основе математического моделирования. Научная новизна заключается в выборе методами математического моделирования конструкции фундамента из козловых свай для опоры автомобильного путепровода.

Ключевые слова: козловые сваи, фундамент глубокого заложения, путепровод, моделирование, метод конечных элементов, грунтовый массив, напряжения, деформации, ростверк, система «фундамент – грунтовый массив»

1.2.2 - Математическое моделирование, численные методы и комплексы программ , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Широкомасштабное освоение земель России привело к созданию железнодорожной сети. Вместе с прокладкой железной дороги возводилась и вся транспортная инфраструктура, такие, как мосты, тоннели, путепроводы. Многим строениям уже более 100 лет. Сооружения ветшают и подходят к концу своего жизненного цикла. Поэтому необходимо реконструировать или демонтировать данные сооружения. В связи с возросшими грузоперевозками между Китаем, Россией и странами Западной Европы возникла необходимость в реконструкции всех тоннелей на БАМе. В данной работе приведен один из вариантов реконструкции тоннеля и исследовано методом математического моделирования напряженно-деформированное состояние системы «массив-сооружение», по которому тоннель может быть реконструирован.

Ключевые слова: математическое моделирование, напряженно-деформированное состояние, железнодорожный тоннель, реконструкция, метод конечных элементов, буровзрывные работы, механизированная проходка, горный комбайн, перемещения, Байкало-Амурская магистраль

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Оценка качества дорожного покрытия – одна из самых актуальных задач в мире. Для ее решения существует множество систем, которые в основном взаимодействуют с изображениями дорожного полотна. Они работают на основе как традиционных методов (не используется машинное обучение), так и на алгоритмах машинного обучения. Традиционные подходы, например, включают методы выделения контуров на изображениях, которые являются объектом данного исследования. Однако каждый из алгоритмов обладает определенными особенностями. Например, некоторые из них позволяют быстрее получить обработанную версию оригинальной фотографии. В качестве методов для анализа выбраны: «Алгоритм Кэнни» «Оператор Кирша», «Оператор Лапласа», «Алгоритм Марра-Хилдрета», «Оператор Прюитта» и «Оператор Собеля». Основным показателем эффективности в исследовании является среднее время получения обработанной фотографии. Исходный материал эксперимента - 10 различных изображений дорожного покрытия 5 размеров (1000x1000, 894x894, 775x775, 632x632, 447x447) в форматах bmp, jpg, png. В ходе исследования установлено, что «Оператор Кирша», «Оператор Лапласа» и «Оператор Прюитта» и «Оператор Собеля» имеют линейную зависимость O(n), «Алгоритм Кэнни» и «Алгоритм Марра-Хилдрета» обладают квадратичным характером O(n2). Наилучшие результаты демонстрируют «Оператор Прюитта» и «Оператор Собеля».

Ключевые слова: сравнение, эффективность, метод, выделение контуров, изображение, фото, дорожная поверхность, зависимость, размер, формат

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.1 - Системный анализ, управление и обработка информации

Асфальтобетонные смеси являются основным строительным материалом для дорожного покрытия, и точное проектирование их состава играет ключевую роль в качестве и долговечности дорожных покрытий. В данной статье обсуждаются проблемы, связанные с проектированием состава асфальтобетонной смеси, а также представляется разработанная система автоматического подбора смеси. Система автоматического подбора состава асфальтобетонных смесей представляет собой мощный инструмент для оптимизации процесса подбора материалов, используемых в дорожном строительстве. Эта система может рассчитать оптимальный состав смеси, учитывая технические и экономические ограничения, что приводит к повышению точности и надёжности подбора состава смеси. Преимущества этой системы включают сокращение времени и затрат на процесс подбора, возможность тестирования и анализа различных вариантов смеси, что в итоге улучшает качество и долговечность дорожных покрытий.

Ключевые слова: асфальтобетон, асфальтобетонная смесь, подбор состава, метод наименьших квадратов, метод линейного программирования, программное обеспечение, автоматизация, Python, Microsoft Access

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.3 - Автоматизация и управление технологическими процессами и производствами

Дороги имеют огромное влияние на жизнь современного человека. Одной из ключевых характеристик дорожного полотна является его качество. Для оценки качества дорожного покрытия существует множество систем. Такие технологии работают лучше с изображениями высокого разрешения (ИВР), поскольку на них проще выделять какие-либо признаки. Для улучшения разрешения фотографий существует достаточное количество способов, среди которых числятся и нейронные сети. Однако каждая нейросеть обладает определенными характеристиками. Например, для некоторых нейронных сетей достаточно проблематично работать с фотографиями большого исходного размера. Чтобы понять, насколько эффективна конкретная нейронная сеть, необходим сравнительный анализ. В данном исследовании за основной показатель эффективности берется среднее время получения ИВР. В качестве нейронных сетей выбраны EDSR, ESPCN, ESRGAN, FSRCNN и LapSRN, каждая из которых увеличивает ширину и высоту изображения в 4 раза (количество пикселей возрастает в 16 раз). Исходным материалом являются 5 фотографий 5 различных размеров (141x141, 200x200, 245x245, 283x283, 316x316) форматов png, jpg и bmp. Наилучшие показатели эффективности согласно предложенной методологии, демонстрирует ESPCN, нейросеть FSRCNN также обладает хорошими результатами. Поэтому они являются более предпочтительными для решения задачи по улучшению разрешения изображений.

Ключевые слова: сравнение, зависимость, эффективность, нейронная сеть, нейросеть, улучшение разрешения, изображение, фотография, формат, размер, дорожная поверхность

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.1 - Системный анализ, управление и обработка информации

Оценка качества дорожного покрытия является одной из самых популярных задач во всем мире. Для ее решения существует множество систем, в основном, взаимодействующие с изображениями дорожного полотна. Они работают на основе как традиционных методов (без использования машинного обучения), так и на алгоритмах машинного обучения. Для увеличения эффективности таких систем существует достаточное количество способов, среди которых улучшение качества изображений. Однако каждый из подходов имеет определенные характеристики. Например, некоторые из них быстрее выдают улучшенную версию исходной фотографии. В качестве анализируемых способов по улучшению качества изображений выбраны: шумоподавление, выравнивание гистограммы, повышение резкости и сглаживание. Основным показателем эффективности в данном исследовании является среднее время получения улучшенного изображения. Исходный материал - 10 различных фотографий дорожной поверхности 5 размеров (447x447, 632x632, 775x775, 894x894, 1000x1000) форматов png, jpg, bmp. Наилучший показатель эффективности согласно предложенной в исследовании методологии, продемонстрировал подход «Выравнивание гистограммы», сопоставимый результат имеет способ «Повышение резкости».

Ключевые слова: сравнение, анализ, зависимость, эффективность, подход, улучшение качества, изображение, фотография, формат, размер, дорожная поверхность

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.1 - Системный анализ, управление и обработка информации

Качество асфальтобетонной смеси на выходе асфальтобетонного завода (АБЗ) нестабильно из-за возмущений, которые мы не можем контролировать или контролируем со значительной задержкой. К возмущениям можно отнести такие факторы как: неточность имеющихся связей между свойствами компонентов асфальтобетонной смеси и параметрами технологического процесса с качеством готовой продукции. К возмущениям можно отнести наше незнание о наличии связей между отдельными показателями и качеством смеси. Прогнозирование этих возмущений для определения фактического качества на выходе становится ключевой задачей. Ранее определение оптимальной длины ряда данных для прогнозирования было сложной задачей. На сегодняшний день с использованием современных технологий эта проблема успешно решена. В данной статье авторы предлагают метод прогнозирования с адаптацией для определения оптимальной длины ряда данных. Результаты исследования включают значения ошибок прогнозирования без адаптации и с адаптацией. Метод прогнозирования с адаптацией продемонстрировал меньшие значения средней абсолютной ошибки (MAE) чем метод прогнозирования без адаптации (где длина временного ряда всегда равна 100). Это позволяет более эффективно и точно предсказывать суммарные возмущения, что критически важно для обеспечения высокого и стабильного качества асфальтобетонной смеси.

Ключевые слова: асфальтобетон, асфальтобетонная смесь, возмущение, система управления, модель авторегрессии, прогнозирование, метод прогнозирования с адаптацией, оптимальная длина ряда, точность прогноза, средняя абсолютная ошибка

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.3 - Автоматизация и управление технологическими процессами и производствами

Переходной тип дорожной одежды автомобильных дорог широко распространен на территории России. При этом увеличенные расчетные межремонтные сроки в полной мере не могут обеспечиваться принятием существующих проектных решений по устройству покрытий переходных дорожных одежд. Это подтверждается динамикой изменения эксплуатационного состояния, представленной на примере автомобильной дороги регионального значения Биракан – Кульдур на участке км 0+000 – км 25+000 в Еврейской автономной области. Безотказность работы в течение расчетного межремонтного и расчетного сроков службы дорожной одежды оценивается по коэффициенту разрушения, предельные значения которого установлены в нормативной документации. Значительное снижение коэффициента разрушения дорожной одежды в течение первых нескольких лет эксплуатации свидетельствует о недостаточной прочности и устойчивости покрытия переходных дорожных одежд, что определяет необходимость разработки специальных мероприятий по их обеспечению.

Ключевые слова: автомобильная дорога, дорожная одежда, переходной тип дорожной одежды, покрытие, коэффициент разрушения, межремонтный срок службы, продольная ровность, прочность

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Оперативная корректировка состава асфальтобетонной смеси имеет ключевое значение для достижения высокого качества асфальтобетона. Для обеспечения возможности лёгкой и оперативной корректировки рецептуры асфальтобетонной смеси, прогнозирование свойств асфальтобетона (стабильность по Маршаллу) является критически важным. Существует множество методов прогнозирования свойств асфальтобетона, но выбор того или иного метода является весьма актуальной проблемой. В данной статье предлагаются два метода прогнозирования стабильности по Маршаллу: прогнозирование по модели множественной линейной регрессии и прогнозирование по модели авторегрессии. Для оценки точности прогнозирования моделей применяем две метрики: средняя абсолютная ошибка (MAE) и средняя абсолютная процентная ошибка (MAPE). Результаты исследования показывают, что авторегрессионная модель демонстрирует лучшие результаты прогнозирования, особенно модель авторегрессии второго порядка.

Ключевые слова: асфальтобетон, управление, корректировка состава, прогнозирование, модель множественной линейной регрессии, модель авторегрессии, стабильность по Маршаллу, точность прогноза, средняя абсолютная ошибка, средняя абсолютная процентная ошибка

2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей , 2.3.1 - Системный анализ, управление и обработка информации , 2.3.3 - Автоматизация и управление технологическими процессами и производствами

Статья посвящена математическому моделированию строительства подводных тоннелей, предназначенных для метрополитена. Данный тип тоннелей также можно использовать как железнодорожный и автодорожный. Самыми интересными являются подводные тоннели-мосты и плавающие тоннели, но самые перспективные и наиболее часто встречающийся это тоннели, расположенные на дне водной преграды.

Ключевые слова: подводный тоннель, метрополитен, метод конечных элементов, метод отпускных секций, математическое моделирование, этапы технологии строительства, транспортный тоннель, напряженно-деформированное состояние

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Автомобильные дороги – довольно значимая часть транспортной системы Ирака, характеризуешься повышенной аварийности на дорогах. Анализ причин ДТП показал их основную причину – превышение скорости автомобилей в условиях повышенной скользкости и разрушений дорожного покрытия. Исследовано влияние коэффициента сцепления и степень разрушения проезжей части на риск ДТП. Предложены мероприятия по снижению аварийности на дорогах республики.

Ключевые слова: безопасность дорожного движения, риск ДТП, коэффициент сцепления, разрушения покрытия, анализ аварийности, ремонт дорог, причины повышенной аварийности

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Для оценки качества дорожного покрытия существует множество систем, работающих на основе конкретных алгоритмов, среди которых методы сегментации изображения. Временная сложность и точность классификации – два ключевых показателя при оценке эффективности конкретного алгоритма. В данной статье в качестве анализируемых методов сегментации изображений используются: Кластеризация k-средних, Линейная кластеризация, Адаптивные пороговые значения, Глобальные пороговые значения. На основе способов, описанных в разделе «Методология экспериментов», наилучшие показатели точности классификации и временной сложности имеет метод «Глобальные пороговые значения» (38,2% – точность классификации; временная сложность – линейная (такой же тип сложности имеют и другие методы, однако, у данного алгоритма гораздо меньшие абсолютные временные показатели).

Ключевые слова: сравнение, метод, сегментация, изображение, фотография, дорога, покрытие, состояние, точность, классификация, время, сложность

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Оценка качества дорожного покрытия – одна из самых популярных задач во всем мире. Для ее решения существует большое количество систем, работающие с помощью определенных алгоритмов, среди которых методы морфологической обработки изображения. Одним из ключевых критериев эффективности алгоритма является его временная сложность. В статье рассмотрены следующие подходы морфологической обработки: Расширение, Эрозия, Морфологический градиент, Морфологическое сглаживание. В качестве материала исследования использованы фотографии дорожного покрытия разного состояния. На основе предложенной методологии проведения эксперимента выяснилось, что каждый из выбранных алгоритмов имеет линейную временную сложность, однако алгоритмы «Расширение» и «Эрозия обладают меньшими абсолютными временными показателями.

Ключевые слова: сравнение, эффективность, морфологический подход, обработка, изображение, фотография, дорога, состояние, время, сложность

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

В статье рассматривается влияние адгезионных добавок на эксплуатационные свойства асфальтобетона. Авторы дают всесторонний обзор проблемы долговечности слоёв асфальтобетона, в частности в осенне-весенний период, подчёркивая важность данного вопроса для безопасности движения. Затем они обсуждают роль адгезионных добавок в улучшении эксплуатационных характеристик асфальтобетона за счёт улучшения его физико-механических свойств. Авторами был выбран ряд адгезионных добавок, а также осуществлён подбор асфальтобетонной смеси по методологии объёмно-функционального проектирования. В статье присутствует подробное описание метода определения водостойкости и адгезионных свойств. Также авторами рассматривается влияние адгезионных добавок на усталостную долговечность асфальтобетона. В тексте статьи приводится подробное описание метода определения усталостной прочности при многократном изгибе. В заключении статьи подчёркивается важность применения адгезионных добавок для повышения эксплуатационных характеристик и долговечности асфальтобетона. Авторы подчёркивают важность исследования для продления срока службы слоёв асфальтобетона и увеличения их межремонтных сроков.

Ключевые слова: битум, адгезионная добавка, низкотемпературное свойство, водостойкость, усталостные свойства, подбор состава, объемно-функциональное проектирование, долговечность, автомобильная дорога, асфальтобетон, испытание

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей

Рассматривается влияние поверхностно-активных веществ, в частности, адгезионных и восстанавливающих добавок, на низкотемпературные и реологические свойства дорожного битума. Произведены испытания низкотемпературных свойств дорожного битума с и без применения соответствующих добавок с последующим сравнением результатов. Также с целью оценки влияния вышеуказанных поверхностно-активных веществ на способность дорожного битума сохранять свои свойства, с течением времени был проведён сравнительный анализ образцов битума, подвергнутых процессу старения. В целом, результаты этого исследования свидетельствуют о том, что применение поверхностно-активных веществ может привести к повышению долговечности дорожных битумов, даже при низких температурах.

Ключевые слова: битум, поверхностно-активное вещество, добавка, низкотемпературное свойство, долговечность, автомобильная дорога, асфальтобетон, реология, процесс старения, испытание

2.1.1 - Строительные конструкции, здания и сооружения , 2.1.8 - Проектирование и строительство дорог, метрополитенов, аэродромов, мостов и транспортных тоннелей