ارائه يك روش جديد جهت برنامه‌ريزي فرآيند تعمير و نگهداري روسازي راه‌ها

Introducing a New Method for the Pavements’ Maintenance and Rehabilitation Planning

راه‌ها از گسترده‌ترين زيرساخت‌هاي عمراني و جزء سرمايه‌هاي ملي هر كشور محسوب مي‌شوند. مديريت ترميم و نگهداري راه‌ها از مهم‌ترين امور براي حفظ وضعيت راه‌ها در حالت مطلوب بوده و چنانچه اين امر به‌طور مناسب انجام نشود، هزينه­‌هاي بيشتري در آينده وارد خواهد شد. دو موضوعِ تعيين نوع گزينه ترميم و نگهداري و زمان بكارگيري آن در مبحث مديريت تعمير و نگهداري راه‌ها داراي اهميت فراوان است. در اين مقاله سعي شده است تا با تركيب ابزارهاي اولويت‌بندي، هوش مصنوعي و بهينه‌سازي روشي جهت انتخاب گزينه بهينه ترميم و نگهداري در قطعات روسازي در هر بازه زماني ارائه شود. براي اين منظور ابتدا براي اولويت‌بندي شاخه‌هاي شبكه روسازي از تحليل سلسله مراتبي (AHP) استفاده مي‌شود. سپس با استفاده از مدل برنامه‌ريزي خطي احتمال انتخاب گزينه‌هاي ترميم و نگهداري در قطعات روسازي با در نظر گرفتن محدوديت‌هاي مشخص بيشينه مي‌شود. براي به دست آوردن احتمال انتخاب هر گزينۀ ترميم و نگهداري در قطعات روسازي از سيستم استنتاج فازي (FIS) استفاده مي‌شود. براي اجراي مدل پيشنهادي از يك شبكۀ روسازي اطراف شهر ماهان (كرمان) استفاده مي‌شود. بر اساس نتايج حاصل شده مي‌توان گفت كه الگوريتم به كار رفته در اين مقاله مي‌تواند با در نظر گرفتن پارامترها و شاخص‌هاي مختلف مربوط به شاخه‌ها و قطعات روسازي، سناريوهاي مختلفي براي انتخاب گزينه‌‌هاي ترميم و نگهداري در بازه‌هاي زماني يك ساله به سازمان متولي راه بدهد و اين الگوريتم فرآيند انتخاب گزينه‌هاي ترميم و نگهداري در قطعات مختلف را تسهيل مي‌كند و يك روش علمي و مدون جهت مديريت تعمير و نگهداري راه­ها ارائه مي‌دهد.

Roads are considered as one of the most extensive civil infrastructures and national capitals of each country. Pavement maintenance and rehabilitation (M&R) management is one of the most important problems, which can help to reduce further costs. Two issues are important in the field of road maintenance and rehabilitation management; the first type of M&R option and then time its application. In this paper, it was attempted to combine prioritization, artificial intelligence, and optimization methods to select the optimal option for the maintenance and rehabilitation of pavement sections at any time interval. For this purpose, the analytical hierarchy process was used to prioritize the branches in the pavement network. In the next step, using a linear programming model, the probability of selecting maintenance and rehabilitation options for pavement sections was maximized considering several specific constraints. A fuzzy inference system was used to determine the probability of selecting each maintenance and rehabilitation option in pavement sections. A case study in Mahan (Kerman) was used to run the proposed model. Based on the results, it can be concluded that the proposed algorithm can consider different parameters and indices for pavement branches and sections. In addition, it offers different scenarios for the selection of M&R options in a year. The model helps to compare various scenarios based on different budgets for each year. In all, the proposed algorithm facilitates the process of selecting M&R options in the different sections of a road network and provides a scientific approach to manage maintenance roads.