مدلسازي تاثير آلودگي سطحي رويه راه‌ها براحتمال وقوع تصادفات به روش شبكه عصبي

Assessment of contaminants impact on the surface of pavements In the probability of accidents by Neural Network approach

زمينه و هدف: يكي از عوامل موثر در كاهش تصادفات بهبود اصطكاك روسازي موجود است كه اين اصطكاك اغلب با پارامتري مرسوم به مقاومت در برابر لغزندگي سنجيده مي شود. مقاومت در برابر لغزندگي ازخصوصيات مهم رويه راه است، كه در ارتباط با تامين ايمني و پيشگيري از تصادفات ناشي از لغزندگي نقش موثري را دارا مي باشد هدف از اين تحقيق مدلسازي اثر آلاينده هاي مختلف بر مقاومت لغزندگي مخلوط هاي آسفالتي وايمني جاده‌ها به كمك شبكه عصبي مي‌باشد. روش: آلاينده هاي مختلفي وجود دارند كه بر مقاومت لغزندگي روسازي ها تأثير مي گذارند، كه از آن جمله مي توان به گرد و غبار، ماسه بادي، روغن و گازوئيل، دوده ي اگزوز اتومبيل ها و ... اشاره كرد.در تحقيق حاضر با توجه تفسيرپذير و قابل درك بودن نتايج حاصل از شبكه عصبي كه روشي از داده‌كاوي است،اين راهكار در پيش بيني‌ها و مدلسازي آماري استفاده گرديد. يافته ها: از نتايج اين تحقيق مي توان در انتخاب نوع مخلوط آسفالتي با توجه به شرايط آب و هوايي هر منطقه استفاده كرد بطوريكه مشهود است همواره در مناطق كويري ميزان زيادي ماسه بادي بر روي سطح جاده مي نشيند و باعث كاهش مقاومت لغزندگي مي شود و يا در مناطق پر رفت و آمد دود ناشي از اگزوز كاميون‌ها و همچنين در بعضي مناطق گرد و غبار موجود در هوا بر روي سطح جاده نشسته و باعث كاهش مقاومت لغزندگي مي شود. نتايج و پيشنهادات: اعداد بدست آمده با استفاده از روش شبكه عصبي مصنوعي تحليل شدند و مشاهده شد كه نوع آلاينده‌ها بيشترين تأثير را در تغيير مقاومت لغزندگي نمونه‌ها دارند بازديد ميداني و نصب وسايل الكتريكي در محلهاي داراي آلودگي بالا و بازديد پيوسته از آنها، اشاره كرد.براي كاهش حوادث،پيشنهاد مي‌شود، نقاط حادثه خيز قبل از اولين بارندگي بعد از فصول خشك جهت جلوگيري از خطرات ناشي از لغزنده بودن جاده، به طريقي آلودگي ها برطرف شوند

Introduction: One of the effective factors in the reduction of the accidents is the improvement of the friction of the existing pavement surface structures, which is often measured with a conventional parameter against skid. Resistance to skid is an important feature of road pavement surface, which has a significant role in providing safety and prevention of accidents resulting from skidding. The aim of this study is to investigate the effect of various contaminants on the skid resistance of asphalt mixture.
Method: There are various pollutants that affect the skid resistance of pavements, such as dust, dune sand, oil and diesel, exhaust fumes, etc. Present research has taken in account the interpretive and comprehensible results from the neural network, which is a data mining method used in predictions and statistical modeling.
Results: The results of this research can be used to select the type of asphalt mix according to the weather conditions of each region. As it is evident, in the desert areas, there is a lot of dune sand on the road surface, which reduces the resistance of the skids or in busy transportation areas, smoke due to the exhaust of trucks, as well as the dust in the air settle on the road surface and reduce the skid resistance.
Suggestions: The data obtained was analyzed using artificial neural network method and it was observed that the sort of contaminants had the most impact on the variation of the skid resistance of the samples. Field observation and installation of electrical equipment in high contamination sites and inspections were performed, and for the reduction of accidents it was recommended that accident prone areas should be eliminated before the first rainy season after the dry seasons, in order to avoid the dangers of skidding.