بهينه سازي شاخص وضعيت روسازي راه (PCI) بر اساس مشخصات طرح اختلاط مارشال (مطالعه موردي منطقه 2 شهر تهران)

Optimization of Pavement Condition Index Based on the Marshal Mix Design (Case Study Region 2 of Tehran)

سامانه مديريت و نگهداري روسازي ارزيابي وضعيت فعلي رويه هاي آسفالتي و همچنين پيش بيني وضعيت آن ها در آينده با توجه به پارامترهاي تاثيرگذار بر آن ها مي باشد. بدين منظور پس از جمع آوري اطلاعات اوليه مدل هايي براي پيشبيني شاخص PCI با استفاده از نتايج آزمايش مارشال براي منطقه 2 تهران بزرگ بسط داده شده اند. جهت تخمين PCI ، درصد قير، مقاومت مارشال، ترافيك عبوري و سن روسازي بر اساس تست هاي آماري نرم افزار SPSS به عنوان متغيير مستقل مناسب انتخاب شدند. براي مدل سازي از دو روش جداگانه استفاده شده، روش اول از طريق فرآيند رگرسيون و با استفاده از نرم افزار SPSS كه از مدل خروجي آن براي بررسي تاثير هريك از متغيرها بر مدل (تحليل حساسيت) استفاده شده نتايج تحليل حساسيت نشان مي دهد كه مقاومت مارشال بيشترين تاثير را به صورت مستقيم بر شاخص PCI دارد. روش دوم با بهره گيري از مفهوم برنامه نويسي ژنتيكي در نرم افزارGP ساخته شده و از مدل خروجي آن جهت بهينه سازي از نرم افزارMATLAB استفاده شده است. براي انجام بهينه سازي از الگويتم PSO و الگوريتم ژنتيك استفاده شده و مقدار بهينه هر يك از متغير هاي مستقل براي ماكزيمم شدن شاخص PCI به دست آمده اند.

System management and maintenance procedures asphalt pavement assess the current situation and predict their future according to the parameters affecting them. For this purpose، after completion of data collection models to predict the PCI index using the Marshall test results for Region 2 in Tehran have been developed. To estimate the PCI، the percentage of bitumen، Marshall Resistance، passing traffic and pavement age based on appropriate statistical tests and SPSS software were selected as the independent variable. Two separate methods were used for modeling، The first way is through the process of regression using SPSS software for analyzing the effect of each of the variables on the model output (sensitivity analysis) was used the results of the sensitivity analysis shows that the strength of the Marshall greatest impact directly on the index PCI. PSO algorithms and genetic algorithms to optimize the use and the optimal amount of each of the independent variables were obtained for the maximum index PCI.