41
По результатам исследований, проведенных в период с 2016 по 2022 год,
стало известно, что в результате неэффективной
организации ремонтно-
эксплуатационных работ автомобильных дорог можно увидеть увеличение
показателя текучести покрытия (рис. 9). При анализе значений ровности
покрытия на
объектах исследования, выявленных в период 2016-2022 гг.,
установлено, что разница между значениями колеблется от 0 до 7,2 м/км.
Разница между средними значениями ровности покрытия на этих дорогах за
последние 6 лет составляет 1,0-1,4 м/км. Из этого следует, что показатель
ровности покрытия возрастал из года в год (рис.9).
Рисунок 9. Динамика изменения ровности покрытия в объектах
исследования в период 2016-2022 гг.
Научные работы по применению
вопросов оптимизации при
планировании работ по ремонту автомобильных дорог за рубежом и в
Узбекистане выполнена рядом исследователей. В этих работах можно увидеть
применение линейного и нелинейного программирования, динамического
программирования
и
аналогичных
алгоритмов
оптимизации
при
планировании ремонтных работ. Проведенные
исследования показывают, что
при совершенствовании метода планирования работ по ремонту
автомобильных дорог целесообразно использовать генетические алгоритмы.
На рисунке 10 представлена блок-схема работы генетических алгоритмов.
3,2
3
2,5
3
3,6
3,3
3
3,3
4,2
3,6
3,5
3,5
4,4
3,9
3,7
3,8
4,5
4
3,9
4
0
0,5
1
1,5
2
2,5
3
3,5
4
4,5
5
A373a
4P12
4P21
M39b
IR
I,
m
/k
m
Обозначение автомобильных дорог
2016
2018
2020
2021
2022
42
Рисунок 10. Блок-схема работы генетических алгоритмов.
В блок-схеме работы генетических алгоритмов начальным этапом
является создание исходной популяции. Для
этого необходимо выполнить
следующую кодировку для рассматриваемого выше случая (рис.11).
Годы
1
2
3
4
…
T
Вид ремонта
𝑋
11
𝑋
12
𝑋
13
𝑋
14
…
𝑋
1𝑡
Годы
1
2
3
4
…
T
Вид ремонта
𝑋
21
𝑋
22
𝑋
23
𝑋
24
…
𝑋
2𝑡
Годы
1
2
3
4
…
T
Вид ремонта
𝑋
31
𝑋
32
𝑋
33
𝑋
34
…
𝑋
3𝑡
…
Годы
1
2
3
4
…
T
Вид ремонта
𝑋
𝑖1
𝑋
𝑖2
𝑋
𝑖3
𝑋
𝑖4
…
𝑋
𝑖𝑡
Рисунок 11. Кодирование окончательного решения (создание начальной
совокупности) для модели оптимизации.
где
