Дорожное покрытие виды: Дорожное покрытие виды

Содержание

Дорожное покрытие виды

Автомобилисты лучше всех знают, насколько важны хорошие дороги. Часто о благосостоянии государства можно судить о том, в каком состоянии находятся проезжие части и трассы. Пословица о том, что по всем путям можно добраться в Рим, имеет под собой серьезное основание. В этой провинции очень хорошо была развита транспортная система. Практически из каждой провинции по твердой мощеной дороге можно было добраться до Рима. На данный момент разработано большое количество видов дорожного покрытия. Многие из них уже используются, другие в стадии внедрения. В этой статье подробно будет рассказано о каждом из них.

Общие понятия

Проведение мероприятий, которые призваны к улучшению положения в отношении качества дорог, намного сложнее, чем может показаться на первый взгляд. Они включают в себя процесс исследования и планирования в отношении конкретной территории. Для уменьшения затрат наряду с человеческими ресурсами постоянно внедряются новые единицы техники, которые также ускоряют протекание этих процессов.

Например, ранее при укладке дорожного настила из бетонных плит использовались формы, которые впоследствии оставались внутри дорожного покрытия и могли снизить его качество, а также сказывались на общих затратах. Теперь применяется съемная опалубка для дорожного покрытия, которая используется на нескольких объектах. Были также модернизированы производственные линии, которые обеспечивают снабжение бетоном. При тех же затратах удалось увеличить количество сырья для дорожных покрытий на выходе.

До определенного момента приходилось ждать значительный период времени, пока готовое дорожное покрытие наберет жесткость для возможности эксплуатации. Современные добавки-затвердители сократили время до минимального. Также разработана уникальная схема уплотнения с помощью дополнительной техники, которая дает возможность уменьшить количество воды в готовом дорожном покрытии, а соответственно и ускорить застывание.

Составляющие покрытия

Качество конечного покрытия зависит от многих факторов. Одним из них является натуральная подложка. Если говорить точнее, то речь идет о грунте, который будет находиться под дорожной одеждой. Он и является первым слоем. В некоторых местностях возможно сильное смещение поверхностного грунта, поэтому приходится углубляться до определенного уровня, который более устойчив, а также делать больший слой насыпи. Важным моментом при укладке дорожного полотна является обеспечение дренажей. Они своевременно отводят дождевую и другую воду, которая, задерживаясь, может привести к разрушению дорожного полотна. Особенно это происходит в холодные период года, когда жидкость, замерзая в порах, расширяется и приводит к деформации асфальта.

В ширину дорожного полотна включается не только проезжая часть. В расход материала также включаются обочины, на которых паркуются автомобили. Качественна дорожная одежда состоит из нескольких типов слоев. Она рассчитана на продолжительный срок службы. Такое дорожное покрытие требует больших затрат при производстве, но меньше при последующем обслуживании, т.

к. срок службы продолжительный. При своевременном выполнении ремонтных работ износу подвергается только верхний слой. Нижний слой дорожного покрытия, который служит основой и обеспечивают несущие свойства должен оставаться без повреждений, т. к. для его ремонта придется перестилать значительную часть. Ниже несущего покрытия находится основание. В дорожном покрытии оно обеспечивает равномерное распределение нагрузок на подложку или грунт, что исключает продавливание под большим весом грузовиков.

В местностях, где температура опускается далеко за ноль в зимнее время есть еще дополнительный пласт к основанию. Его задачей является передача нагрузки и ее распределение по грунту, а также обеспечение устойчивости всей дорожной одежды к воздействию разрушительного воздействия морозов. В территориях, где наблюдаются значительные осадки и может задерживаться вода, есть дренажный слой, который своевременно отводит влагу от полотна. В этих целях могут укладываться: крупнозернистый песок, щебень, грунт, который дополнительно обрабатывается добавками, улучшающими его устойчивость, измельченная горная порода. Где перечисленные варианты недоступны, в ход идут местные строительные материалы.

Классификация дорог

Автомобильные дороги подразделяют на несколько групп. Все зависит от того, какого рода перевозки по ним осуществляются и какое значение в регионе они имеют. Дополнительным критерием служит максимально допустимая скорость передвижения по ним. В зависимости от этого выделяют:

  • автомобильная магистраль;
  • скоростная автомобильная магистраль;
  • городская дорога;
  • дорога с грунтовым покрытием.

Первый и второй виды похожи как по предназначению, так и по используемому на них покрытию. Они подразумевают движение автомобилей на значительной скорости в несколько потоков в одном направлении. При этом направления разделены между собой специальной полосой или отбойником, что исключает возможность случайного заезда на встречную полосу. Городская дорога или обычная дорога допускает движение со скоростью до 90 км/час. При этом на ней может быть одна или две полосы в одном направлении.

На этом типе дороги допускается наличие перекрестков на одном уровне с другими видами транспорта.

Классификация покрытий

Разработаны различные условия классификации одежд для дороги, которые зависят от того, для каких целей и на каких дорогах оно укладывается. Например, в полях или на нестабильных грунтах нет смысла укладывать асфальта, т. к. он очень быстро выйдет из строя и растраты уйдут в воздух. Поэтому там оставляют грунтовые дороги с дополнительной насыпью. Все больше начинают использовать материалы с органическими составляющими, который обходятся дешевле, но не уступают по устойчивости. Более привычно для нас видеть асфальтированные дороги, но и сам асфальт может быть несколько видов. Популярностью продолжают пользоваться и бетонные покрытия. Каждое из них стоит рассмотреть подробнее.

Покрытие для грунтовых дорог

В силу определенных обстоятельств грунтовые дороги продолжают пользоваться большой популярностью. В некоторые отдаленные населенные пункты можно добраться только по ним.

Если оставить их покрытие неукрепленным, тогда оно превращается в кашу после сильных дождей или весенней оттепели. Именно поэтому их покрытие должно быть сформировано по определенному профилю. Для этого используют грунт, который вывозится после рытья котлованов или каналов. Те, кто пользовался такими видами покрытия в сухой период года, знают, что ехать колонной проблематично. Недостатком является подъем клубов пыли. Другим недостатком является ограниченная скорость движения после образования глубокой колеи.

Чтобы ликвидировать недостатки производится подсыпка различных компонентов. К ним может относиться гравий и песок. При достаточном их содержании дорожное покрытие остается пригодным для передвижения даже в сильные дожди. Наилучшими грунтовыми дорогами считаются те, что устроены на глинистых пластах. При укладке щебенки, крупнозернистого песка и других скрепляющих компонентов производится хорошая трамбовка и перемешивание. Таким образом добиваются относительной монолитности и лучшей несущей способности.

Грунтовые дороги имеют определенные ограничения по проходимости. Нормой считается цифра в 100 автомобилей, которые пересекают проезжую часть за сутки. Если на такое дорожное покрытие оказывается более интенсивное воздействие, тогда оно теряет свои свойства и требуется укладка асфальта или других компонентов. Так как отсутствуют сдерживающие опоры, может происходить расширение полотна за счет уменьшения его толщины. Поэтому производят постоянную подсыпку и выравнивание поверхности грейдерами или тракторами.

Обратите внимание! Для увеличения проходимости грунтовых дорог к насыпному покрытию домешивают битумную основу или цемент. В этом случае допускается проезд до 500 автомобилей в сутки. Но все также остается проблема для грузового транспорта с большой осевой нагрузкой.

Покрытие с органическими составляющими

Капитальные дороги требуют значительных затрат, которые выражаются в человеко-часах, а также в моточасах расходуемой техники. В некоторых местностях, где поток транспортных средств не превышает 3 тыс.

авто в сутки укладываются облегченные покрытия. По своей структуре они напоминают грунтовые покрытия, которые дополнительно укреплены. На верхний слой настила укладывается пропитывающий материал, который скрепляет компоненты, предотвращая их разлетание и расползание. По таким видам дорог предусматривается возможность передвижения фур и других грузовых транспортных средств. При этом такой поток неограничен каким-либо временем года.

Основой такого покрытия служит щебенка или гравий крупной фракции. Сверху на него высыпается пласт покрытия из меньшей фракции, а завершающим служит галька или мелкая щебенка. На подготовленную основу выливается битум или другая органическая связующая. Она обеспечивает ровность поверхности и ее однородность. При этом дорожное покрытие имеет некоторую шероховатость, что хорошо для лучшего сцепления и меньшего тормозного пути. Такая разновидность дорожной одежды обладает хорошими водоотталкивающими свойствами. Масляная составляющая не дает молекулам воды зафиксироваться и проникнуть в поры.

Одним из недостатков такого покрытия является посредственная устойчивость при высоких температурах. В жаркую погоду битум теряет свою прочность и становится более вязким. В таких условиях дороги могут быть закрыты для тяжеловесного транспорта.

Обратите внимание! В зависимости от потребности конкретной территории поверхностная пропитка может быть нанесена в одни или два слоя на дорожное покрытие.

Разновидности асфальта

Асфальт является усовершенствованным вариантом предыдущего варианта дорожного покрытия. В состав дорожного покрытия также входит битумная основа или дегтевая основа в комплекте с различными бетонными и другим добавками. Этот вид дорожного покрытия является максимально распространенным и применяется практически на всех основных автострадах и скоростных шоссе. Дорога с легкостью переносит интенсивность движения в 3 и более тысячи автомобилей в сутки. При этом допускается передвижение техники различной весовой категории. Укладка асфальтовых дорожных покрытий бывает трех видов:

  • холодная;
  • теплая;
  • горячая.

Многое зависит от добавок, которые входят в дорожное покрытие. Для нагрева применяется специализированная техника, которая способна делать это автономно от источника питания непосредственно перед самой укладкой. Наполнитель, который обеспечивает жесткость и стабильность дорожного покрытия применяется в виде щебня, порошка из камней горных пород, пропитанных битумом, гравия, крупнозернистого песка и другие. Чем крупнее фракция, тем жестче получается дорожное покрытие и тем меньше его гладкость. Это ощущается по шуму шин на средней и высокой скорости. Асфальт никогда не укладывают самостоятельно. Он является довольно эластичным дорожным покрытием, которое не выдержит оказываемой на него нагрузки. Для обеспечения устойчивости используется один или несколько слоев подкладки из щебня крупной фракции. В некоторых случаях используется доступный местный материал под дорожное покрытие, например, горная порода, которая была измельчена после добычи каких-либо ископаемых взрывным методом. Толщина подкладочного дорожного покрытия зависит от многих погодных и ландшафтных условий.

Недостатков у такого дорожного покрытия немного, но они все же есть. Все разновидности таких дорожных настилов, которые имеют в своем составе темную минеральную составляющую хорошо поглощают свет. Это создает сложности в солнечные дни, т. к. поверхность разогревается до значительных температур. Следствием является снижение прочности такого дорожного настила и негативное воздействие на шины. В сумеречное время суток это является проблемой, т. к. плохо видны огни встречных авто. Решением этого вопроса для дорожного настила является применения отражающей краски для разметки, которая позволяет лучше ориентироваться. В некоторых случаях поверхность делается светлее за счет добавок компонентов, которые содержат различные оксиды кальция.

В других вариантах на горячий мягкий асфальт укладывается слой светлого наполнителя. С помощью катков его просто запрессовывают или утапливают в верхний слой. После схватывания поверхность дорожного настила становится монолитной и лучше отражает свет. Допускается неполное осветление поверхности, а чередующееся. Такой подход в отношении дорожного полотна не только влияет на характеристики самого настила, но и снижает утомляемость водителя. В местностях с однообразным пейзажем меньшая вероятность того, что водитель потеряет бдительность и уснет.

Бетонные плиты

В некоторых странах использование асфальтированных настилов не так распространено. В качестве альтернативы применяются дороги с бетонными покрытиями или из цементобетона. Они не уступают по своим характеристикам и прочности различным видам асфальта. Более того, обслуживание таких дорожных настилов обходится дешевле, а процесс укладки максимально автоматизирован. Во время обработки дорожных настилах такого типа создается специальная шероховатая текстура, которая обеспечивает отличное сцепление. При правильной укладке такого дорожного настила ни одна другая дорога не сравнится по ровности поверхности. Такие покрытия с легкостью выдерживают загруженность более 3 тыс. автомобилей в сутки.

По одному виду технологий производится монолитная укладка бетонной плиты с непрерывной подачей цементобетона. В других, которые больше распространены в нашей местности, на участок доставляют уже готовые и выстоянные плиты. Для максимальной прочности дорожного настила они могут проходить вибрационную или паровую обработку. Такой вид дорожного настила также требует стабилизирующей подложки или основания. В его качестве используются различные виды щебня, горных пород, а также крупнозернистого песка. Применение последнего под такой дорожный настил допускается на участках небольшой загруженности. Толщина слоя будет зависеть от конкретных условий. Ширина подкладки под дорожный настил делается с запасом в 50 см с каждой стороны.

Для цементобетонных дорожных настилов производится тщательный отбор составляющих и компонентов. Высокие требования предъявляются к цементу, который является основным компонентом. Его марка должна быть равна или выше М300. Толщина такого дорожного настила может достигать 24 см на всей протяженности. При этом по технологическому процессу подразумевается наличие уклона к обочинам. Он необходим, чтобы с дороги беспрепятственно стекала жидкость.

Обратите внимание! Увеличить прочность дорожного покрытия наряду с уменьшением его толщины можно добиться путем применения армирующей сетки.

Температурные колебания оказывают свое влияние на дорожный настил. Если не предпринять определенных действий, тогда такой дорожный настил растрескается и придет в негодность. Именно поэтому через каждые 80 или меньше метров делается поперечный надрез дорожного настила с шириной в 3 см. В него укладывается специальный эластичный материал, который будет «играть» при сжатии и расширении. Другим видом поперечных швов в бетонном дорожном настиле являются швы сжатия. Они располагаются на расстоянии до 10 м и имеют глубину до 5 см.

Обратите внимание! Кроме продольных швов на дорожном настиле, есть также и продольные. Они могут располагаться посередине плиты, если общая ширина дороги 7 м. Также они могут быть параллельно оси, но прерываться через каждые 3,5 м. При их наличии обязательным является укладка арматуры, которая не даст плитам сойти со своего места.

Процесс эксплуатации

Всем известно, что произойдет с домом или какой-либо вещью, если ее оставить без присмотра. Законы термодинамики обязательно возымеют свое действие и приведут к частичному или полному разрушению. Этот фактор не обходит и дорожные настилы. Поэтому время от времени они нуждаются в обслуживании и ремонте. Под обслуживанием может подразумеваться восстановление качественного сцепления покрышек с дорожным покрытием. Для этого ликвидируется наледь и снежные заносы с помощью техники и специальных химических добавок. На некоторых участках допускается ямочный ремонт, который призван к увеличению ровности поверхности дорожного настила.

В сезоны дождей производится осмотр и очистка дренажных систем, которые находятся у дорожных покрытий. Если этого не сделать, тогда жидкость будет скапливаться в слоях настила и при воздействии большого веса его просто может смыть. В пустынных местностях, где на настил может наноситься большое количество пыли, производится обработка специальным связующим составом. Его рассчитывают из номинального расхода в литр на квадратный метр. Такая обработка настила гарантирует повышение комфорта для водителя и механических частей во время езды по дорожному настилу.

Вывод

Как видно, дорожные настилы имеют сложную структуру, а также требуют особого подхода во время укладки. Эксплуатация дорожного покрытия включает в себя ряд мероприятий, который должны проводиться регулярно. Только в таком случае можно будет говорить о продолжительном сроке службы дорожного покрытия. Ямочные ремонты дорожных настилов допускаются в случаях, когда повреждение дорожного настила минимально. При необходимости обширного вмешательства для ремонта дорожного настила часть покрытия полностью вырезается и производится укладка нового дорожного настила.

Виды дорожного покрытия | MotorMania

На чтение 3 мин. Просмотров 1.4k. Опубликовано Обновлено

Дорога неотъемлемо связывает нас, автомобилистов между собой. Каждый, кто имеет транспортное средство пользуется дорогой. Даже пешеходы иногда идут по дороге, когда нет пешеходной зоны. В данной статье мы расскажем, какие бывают виды дорожного покрытия и из чего их делают.

Основные виды дорог в Российской Федерации

На территории Российской Федерации принята следующая классификация видов дорог:

— автострада;

— автомагистраль;

— дороги с асфальтированным покрытием;

— простейшие дороги;

— дороги с покрытием менее 7 метров;

— дороги с покрытием низкого типа;

— дороги без покрытия.

В таблице ниже дано описание основным видам дорог, указаны их характеристики и размеры.

Вид дороги Описание
Автомагистраль Автомагистраль должна иметь ширину дорожного полотна не менее 15 метров. Посередине автомагистрали должна быть нанесена разделительная полоса, которой разделяют дороги на потоки с противоположными направлениями. У такой дороги продольный уклон не должен превышать 3 процента. Автомагистраль может пропустить в сутки свыше 7000 автомобилей. На автомагистралях не бывает пешеходных переходов, велосипедных дорожек, и по ней не могут ездить учебные автомобили. Благодаря этому автомагистраль может обеспечить бесперебойный поток транспорта. На автомагистрали нельзя ездить со скоростью менее 40 км/час.
Дорога с асфальтированным покрытием Такая дорога имеет пропускную способность от 3000 до 7000 автомобилей в сутки. У такой дороги продольный уклон может составлять 4 процента. Ширина проезжей части дороги с асфальтированным покрытием должна составлять не менее 7,5 метров.
Дороги с простейшим покрытием Дорога с простейшим покрытием может иметь ширину дорожного полотна менее семи метров. У такой дороги продольный уклон может составлять до 6 процентов ее пропускная способность составляет от 200 до 1000 транспортных средств в сутки.
Дороги без дорожного покрытия Дорога без дорожного покрытия может обладать продольным уклоном более 6 процентов. По такой дороге в сутки может проехать не более 200 транспортных средств.

Классификация дорожного покрытия

Дороги в Российской Федерации подразделяются еще и по видам дорожного покрытия. Классификация дорог по видам покрытия следующая:

— грунтовые дороги;

— гравийные дороги;

— дороги со стабилизированным грунтом;

— дороги с макадамом;

— асфальтовые дороги;

— портландцементные дороги.

Стабилизированный грунт для дороги изготавливается путем смешивания песка и глины в определенных пропорциях. Далее в эту комбинацию добавляют цемент. Данную смесь укладывают на место будущей дороги слоем в 6 и более сантиметров. После этого дорогу покрывают тонким слоем битума, который не дает высохнуть грунту до момента схватывания цемента.

Покрытие макадам – это несколько слоев щебня, который пропитуют водой при укладке и тщательно укатывают с помощью дорожного катка. После этого сверху укатывают слой мелкого щебня. Данное покрытие очень прочное. Иногда вместо воды для макадама используют битум, который сильнее связывает частицы щебня между собой.

 

[youtube url=»https://www.youtube.com/watch?v=lG-tJVHl9Bg» width=»560″ height=»315″]

 

Виды дорожных покрытий и их характеристика

 

Водитель может управлять автомобилем благодаря взаимо­действию колес автомобиля с покрытием дороги.

В результате воздействия водителя на педали управления дроссельной заслонкой (подачей топлива) и тормоза, рычаг коробки передач и рулевое колесо между колесами и опорной поверхностью дороги возникают реакции (силы), управляющие скоростью и направлением движения автомобиля.

На рисунке 38.1 показаны силы, действующие на колеса автомоби­ля при различных режимах движения.

Через каждое колесо передается часть массы автомобиля G, вызывающая ответную реакцию из-за чего между колесом и опорной поверхностью дороги возникает сцепление. Качение колеса, возможность реализации на нем тяговой или тормозной силы, противодействие боковому скольжению осуществляются благодаря его сцеплению с опорной поверхностью. Мера сцепления колеса с дорогой оценивается силой сцепления Pcu, которая равна произведению реакции Рг и коэффициента сцепления f

Коэффициент сцепления <f зависит в основном от вида и состояния дорожного покрытия (таблица 38.1)

Указанные значения коэффициента f справедливы для оценки сцепления в направлении движения колеса. Коэффициент f, ха­рактеризующий сцепление в плоскости, поперечной направлению движения колеса (боковое сцепление), на 10—20 % меньше значений, указанных в таблице 36. 1.

 

а-ведущее, б- тормозящее, в- ведомое, г- поворачивающееся

Рисунок 36.1 — Схема сил, действующих на колесо:

.

 

Таблица 36.1

Покрытие дороги Значение коэффициента для поверхности
сухой мокрый
Асфальтобетонное Булыжное Щебеночное Грунтовая дорога Песчаное Дорога, покрытая снегом, катанная Дорога в гололедицу 0,7—0,8 0,5—0,6 0,6—0,7 0,5—0,6 0,5—0,6 0,2—0,3 0,05—0,3 0,4—0,6 0,2—0,3 0,3—0,5 0,2—0,4 0,4—0,5 - -

 

Коэффициент сцепления зависит от типа и состояния протек­тора шин. Чем больше изношен протектор, тем хуже сцепление. Шины с шипами обеспечивают увеличение коэффициента сцеп­ления на скользких и мокрых дорогах.

Увеличение скорости движения сопровождается снижением коэффициента сцепления, особенно на мокрых дорогах, так как влага остается в зоне контакта шины с поверхностью дороги. Значение коэффициента сцепления, кроме того, зависит от характера действующих на колесо сил.

На ведущее колесо (рисунок 36.1.а) действует сила тяги Р, которая представляет собой реакцию дороги на силу, передаваемую двигателем через трансмиссию. Максимальная по значению сила тяги равна силе сцепления Рсц. Стремление увеличить силу тяги до значения большего, чем сила сцепления, приводит к пробуксовке колес.

На движение ведущего и ведомого колес оказывает влияние сила сопротивления качению Рк, которая является следствием деформации колеса и опорной поверхности дороги от действия на них разнообразных сил, прежде всего массы автомобиля G.

Чрезмерно низкое давление воздуха в шинах заметно увели­чивает деформацию шины и, следовательно, значение коэффи­циента f.

При скорости до 80 км/ч коэффициент f можно считать по­стоянным, а при скорости свыше 80—100 км/ч он заметно увели­чивается.

Основное влияние на значение коэффициента f оказывают качество и состояние дорожного покрытия (таблица 36.2).

 

Таблица 36.2

Покрытие дороги Значение коэффициента f
Асфальтобетонное 0,014—0,020
Булыжное 0 023__0 030
Щебеночное 0,055—0,060
Грунтовая дорога 0,055—0,15
Песчаное 0,10—0,30
Дорога, покрытая снегом, укатанная 0,05—0,30
Дорога и гололедицу 0,03-0,10

 

Примечание. Нижние пределы значений характер­ны для сухих дорог, содержащихся в хорошем состоянии, верхние — для мокрых дорог с твердым покрытием и дорог в плохом состоянии.

Движение и особенно разгон автомобиля на увлажненных грунтовых, песчаных и заснеженных участках требует значитель­ной силы тяги для преодоления сравнительно большей силы сопротивления качению. В таких условиях приходится двигаться на пониженных передачах, что сопряжено с повышенным рас­ходом топлива.

Основное влияние на движение тормозящего колеса (рисунок 36.1, г) показывает тормозная сила Рт, которая является реакцией дороги на силу, стремящуюся прекратить вращение колеса (трение тормозных колодок и барабана). Максимальная по значению тормозная сила Рт, равна силе сцепления Рса. Стремление уве­личить тормозную силу до большего значения силы сцепления приводит к блокировке и скольжению колеса (движение юзом).

Блокировка тормозящего колеса с изношенным протектором шин обычно возникает уже при нажатии тормозной педали с усилием, равным 2/3 усилия, необходимого для блокировки колеса с хорошими шинами.

При повороте колеса (рисунок 38.1, г) на него действует центро­бежная сила Рв, которая вызывает появление боковой реакции , направленной к центру поворота. Реакция Ry возникает и под действием других боковых сил (ветер, поперечный уклон до­роги, удар колеса о препятствие). Под действием боковых сил шина деформируется и катится под углом к заданному направле­нию, т. е. с уводом. Если значение боковой реакции превышает значение силы сцепления Ясш, то колесо скользит в боковом на­правлении, т. е. его заносит.

О приближении к участку дороги, на котором действуют боковые силы, способные нарушить боковую устойчивость дви­жения колес (вызвать занос) или привести к значительному уводу, информируют предупреждающие знаки 1.11, 1.12, 1.27 и 1.31. Снижение скорости движения перед такими участками до­роги является обязательной мерой предупреждения аварийной ситуации.

Пробуксовка ведущего колеса или блокировка тормозящего колеса возникает при сравнительно меньших значениях соответственно тяговой или тормозной силы, если на колесо действует боковая сила Ру.

Чем больше значение тяговой или тормозной силы, тем для бокового скольжения колеса (заноса автомобиля) требуется меньшая по значению боковая сила.

Понимая основные причины изменения коэффициента сцепле­ния, водитель быстрее научится принимать меры для сохранения устойчивого движения автомобиля. На участках с плохим сцеп­лением водитель должен избегать резкого нажатия на педали управления дроссельной заслонкой, тормоза и резких поворотов рулевого колеса.

Управление автомобилем осложняется на дорогах с неровным покрытием, где возникают колебания и тряска, увеличивающие сопротивление качению колес и вызывающие быстрое утомление водителя. На таких дорогах возникает опасность отрыва колеса от дороги. В случае отрыва колес водителю следует удер­живать рулевое колесо в таком положении, чтобы после опуска­ния колес на поверхность дороги автомобиль выдерживал нужное направление движения.

О приближении к скользкому или неровному участку дороги информируют предупреждающие знаки 1. 15 и 1.16.

В результате длительной эксплуатации дороги шероховатость поверхности проезжей части стирается и значение коэффициента сцепления уменьшается. Для его восстановления покрытие по­сыпают клинцом, поливают гудроном и укатывают.

Участки с изношенным или отремонтированным покрытием отличают по цвету: отремонтированные участки более темные, а более светлые старые участки дают отблески при солнечном освещении. Коэффициент сцепления шероховатого покрытия практически не зависит от влажности, а у изношенного даже при незначительном его смачивании уменьшается более чем в 2 раза.

При переходе с шероховатого на гладкий участок дороги рекомендуется снизить скорость движения.

Цементобетонные покрытия при изменениях температуры и влажности дают лучшую стабильность коэффициента сцепления, чем асфальтобетонные. Кроме того, такие покрытия обеспечи­вают сравнительно лучшую видимость ночью, однако наличие на них поперечных швов приводит к ударам колес, которые особенно ощутимы при большой скорости движения.

 


Узнать еще:

Основные типы покрытий дорог — Специальные виды работ в строительстве

Усовершенствованные капитальные: цементобетонные, асфальтобетонные; из прочных щебеночных материалов, обработанных в смесителях вязкими битумами или дегтями; мостовые из брусчатки и мозаики на каменном или бетонном основании.

Усовершенствованные облегченные: из щебеночных и гравийных материалов, обработанных органическими вяжущими, из холодного асфальтобетона, из грунта, обработанного в установке вязкими битумами.

Переходные: Из щебеночных естественных каменных материалов и шлаков и гравийные; из грунтов и местных слабых минеральных материалов, обработанных жидкими органическими вяжущими.

Низшие — грунтовые, укрепленные различными местными материалами.

Для каждой категории дороги принимают определенные типы покрытия:


Дороги V категории с интенсивностью движения менее пятидесяти автомашин в сутки допускается устраивать без одежды. Следует, однако, учитывать, что дороги с покрытиями низшего типа в большинстве случаев ограничивают проезд автомобилей весной, осенью и в период интенсивных дождей.

Для стока поверхностных вод проезжей части и обочинам дороги, проложенным по гребню плотины, придают двухскатный поперечный уклон. Уклоны проезжей части должны быть 1,5-4%, причем меньшее значение для цементобетонных покрытий, а большее — для мостовых. Уклоны обочин на 10-20% больше уклонов проезжей части.


Рис.   31  Поперечные профили    дорожной одежды:
а — серповидная; б — корытная; в — полукорытная.

Одежда в покрытиях гребня плотины бывает серповидного, корытного и смешанного (полусерповидного) профиля (рис. 31). В серповидном и полусерповидном вариантах одежду укладывают по всей ширине гребня плотины, а в корытном — только в пределах проезжей части.
Основание в одеждах наряду с передачей нагрузок на грунт тела плотины выполняет также роль выравнивающего, морозозащитного и дренирующего слоя. Материалом для основания служит крупный песок или гравий, имеющие большой коэффициент фильтрации.

Воду из дренирующего слоя корытного и полукорытного профиля отводят через дренажные воронки на откосы.

Воронки располагают по обеим сторонам корыта в шахматном порядке, на расстоянии 4-6 м друг от друга. Сверху воронки покрывают дерном (травой вниз) для защиты от засорения дренирующего материала. В выходной части воронок на низком откосе укладывают обратный фильтр, предупреждающий суффозионный вынос частиц грунта. В верхнем бьефе концевая часть воронки примыкает к обратному фильтру откосного покрытия.

Вдоль гребня плотины с обеих сторон устанавливают столбы или тумбы или другие ограждающие устройства из дерева, железобетона, камня и в исключительных случаях металла.

Пример оформления гребня плотины дорожным покрытием булыжной мостовой с ограждающими деревянными столбами  приведен на рисунке 32.


Рис. 32. Булыжная мостовая по гребню плотины:
1 — одиночная  мостовая;  2 — слой  крупного  песка =25 см;  3 — обратный фильтр из  щебня;  4 — дренажные воронки

Для других типов покрытий гребень плотины выполняется так же, только для серповидного профиля не делают корыто.

У плотин высотой до 10 м при отсутствии дороги гребень можно покрывать дерном или другим местным материалом. Если плотина сложена из глинистых грунтов, гребень следует защитить слоем из песчаного или гравийного грунта. Толщину защитного слоя, включая толщину покрытия, назначают в зависимости от глубины промерзания.

Виды дорожных покрытий — Организации территорий поселений

Виды дорожных покрытий

Поверхность проездов должна иметь специальное покрытие, которое облегчает движение автотранспорта. Дорожная одежда должна быть достаточно прочной, долговечной, водонепроницаемой, она должна обеспечивать сцепление колес с дорожным покрытием, т. е. быть шероховатой. К дорожной одежде предъявляются, кроме того, требования индустриализации и механизации производства работ, санитарно-гигиенические требования эксплуатации и уборки (беспыльность, бесшумность при движении транспорта, возможность механизированной уборки).

В кварталах и микрорайонах используют следующие схемы конструкций дорожных одежд для проезжей части: асфальтовые; щебеночные и гравийные, обработанные вяжущими материалами; сборные из цементно-бетонных плит.

Покрытия тротуаров применяют двух видов: асфальтовые и сборные из цементно-бетонных плит. Требования к покрытиям тротуаров предъявляются почти такие же, как и к проездам: достаточная прочность, долговечность, беспыльность при ходьбе, экономичность, механизация производства и эксплуатации, а также современный дизайн.

Покрытия жилых территорий микрорайона могут быть жесткие (из литого и песчаного асфальта, плиточные) и нежесткие (из гравийной крошки, песка, уплотненного грунта, газоны). При выборе типа покрытия необходимо учитывать его назначение, экономическую целесообразность, возможности промышленности, а при выборе конструкции — свойства грунта.

Наиболее распространенным видом покрытия до недавнего времени считались асфальтовые. Однако в последнее время более прогрессивным и экономичным видом считаются сборные покрытия. Они наиболее индустриальны, декоративны, отвечают требованиям ландшафтного дизайна в плане разнообразия типоразмеров, форм, фактуры, цвета; при необходимости ремонта их можно разобрать, не повредив, и использовать вновь. Но применение того или иного типа плиток должно быть объективно оправдано.

Дорожки и площадки с жестким покрытием окаймляют бордюрным камнем. Ширина всех дорожек должна быть кратна 75 см. Исключение составляют лишь дорожки с плиточным покрытием; для них ширина должна быть кратной ширине применяемых плиток.

Ширина дорожек и тропинок на всем протяжении должна быть постоянной. Расширения допускаются лишь в местах установки садовых скамеек.

В рекомендуемом нормами балансе территорий для селитебных зон улицы, дороги, проезды, площади и автостоянки с жестким покрытием занимают на первую очередь 15… 16% общей территории, а на перспективу — 18…20 %.

В жилом районе улицы и автостоянки с жестким покрытием занимают от 13 % его территории при 2-этажной застройке до 17,3 % — при 16-этажной.

В микрорайоне проезды, подъезды к домам, хозяйственные площадки, открытые автостоянки при жилых домах с жестким покрытием занимают 22% при 2-этажной застройке и 12% — при 16-этажной.

Читать далее:
Основы организации транспортного и пешеходного движения на территории поселений
Системы застройки микрорайона
Жилые кварталы и микрорайоны
Санитарно-гигиенические и противопожарные требования к жилой застройке
Строительное зонирование
Размещение сетей обслуживания в городе
Городские центры тяготения
Функциональное зонирование территорий поселений
Градообразующие факторы
Размещение городов на территории страны


Виды дорожных покрытий

Министерство образования и науки Российской Федерации

Федеральное государственное бюджетное образовательное учреждение высшего профессионального образования

«Тихоокеанский Государственный университет»

 

Инженерно-строительный факультет

Кафедра «Автомобильные дороги»

 

 

 

Реферат

 

 

Дисциплина: учебная практика

Тема: Виды дорожных покрытий

 

 

 

                                                           

 

 

 

                                                  Выполнил студент группы С(б)-22 

                                                         А. Э.Сундуков

                                                                                                   Проверил руководитель:

                                                  К.С. Беспалов 

                                                                                     

 

Хабаровск 2014

Оглавление

 

 

 

 Введение

Составные части любой дороги – земляное полотно и дорожная одежда. Как и любая одежда, дорожная состоит из нескольких слоев, каждый из которых должен соответствовать определенным параметрам. Конструкция дорожного покрытия представляет собой своеобразную, в каждом решении, многослойную систему, так называемый «пирог», где вышележащий слой является технологическим продолжением предыдущего, но выполняющего уже свои функции. Самый верхний слой должен обеспечивать постоянным коэффициент трения, а нижележащий может перераспределять весовую нагрузку или являться гидроизолирующим слоем.

 

1 Конструкция дорожного покрытия

Основной частью автомобильной дороги любого класса является дорожное полотно, обустраиваемое из прилегающей или навозимой почвы, разумеется, не плодородной, включающее в себя все искусственные сооружения, проезжую часть и две обочины. В обустройстве этого полотна есть свои тонкости, обеспечивающие нормативные характеристики, не рассматриваемые нами, так как дорожным покрытием — одеждой, покрывается лишь проезжая часть.

Самый верхний слой одежды, так называемый слой износа, это возобновляемое покрытие, которое периодически восстанавливается и которое как раз и обеспечивает нам надежное сцепление автомобильных колес с дорогой. Если гарантированный срок службы дороги составляет десятки лет, то верхний слой могут восстанавливать с периодичностью в несколько лет.

Затем идет, как правило, основной слой, основание дорожного покрытия, не только являющегося механическим демпфером, распределителем нагрузки на земляное полотно – подушку, а и основным компонентом одежды, определяющим ее эксплуатационные свойства. Это то же далеко не однородная масса щебня и минеральных добавок, так как даже его нижняя часть имеет собственное название — дополнительный конструктивный слой, который должен выполнять все основные защитные функции, например, дренаж и морозоустойчивость, вместе с земляным полотном и инженерными сооружениями. Именно в обустройстве основания заложена большая вариативность обустройства полотна, так как в одном районе проще привезти и уложить горную породу, в другом доменные отходы – шлаки, а где то и асфальт цементную продукцию. В основание, например, укладывают гравий, щебень, грунтощебень, пропитывая их вяжущими составами, предполагая использование в нижнем, дополнительном слое крупнозернистый песок или соответствующие грунты. Принцип в том, что каждый слой имеет свою фракцию, дополняя, расклинивая, таким образом, от смещения предыдущую.

 

Принципиальные схемы конструкций магистральных дорог и улиц местного значения с цементобетонными покрытиями и основаниями из малоцементных укатываемых бетонных смесей.

  1. Покрытие из цементобетона класса В25 — В30;
  2. Основание из укатываемого бетона с частичной или полной заменой щебня и песка на материалы от переработки цементо- и асфальтобетонных конструкций;
  3. Основание из щебня, полученного от переработки цементо- и асфальтобетонных конструкций;
  4. Подстилающий слой из песка, полученного от переработки цементо- и асфальтобетонных конструкций;
  5. Полиэтиленовая пленка, пергамин.

 

2 Разновидности дорожных 

покрытий

Дороги не только являются средством коммуникации между населёнными пунктами и способствуют развитию транспортной инфраструктуры. Их состояние оказывает влияние на благополучие и престиж страны. Качество дорог зависит от профессионального выполнения дорожных работ и применения современных материалов, прогрессивных технологий и техники при их строительстве.  
Основную нагрузку в процессе эксплуатации принимает дорожное полотно, поэтому важно правильно выбрать его покрытие в соответствие с интенсивностью использования дороги. По виду материала, применяемого при строительстве, различают несколько типов автомобильных дорог.

1) Асфальтобетонное покрытие

Современный тип покрытия, предназначается для интенсивного движения, выдерживает большую нагрузку. Различают асфальт природного происхождения и асфальтобетонную смесь. Источником образования природного материала являются тяжёлые фракции нефти. В состав асфальтобетонной смеси входят щебень, песок, минеральные и вяжущие вещества (битум и полимерные смеси на его основе). По способу выполнения работ эти смеси делятся на литые и катаные. Укладка литого асфальта происходит без помощи катков, его выравнивают деревянными вальками или специальными машинами для его обработки. При устройстве дорог из катаного асфальта применяются дорожные катки. Выполняя благоустройство территории на парковках, эстакадах и развязках автострад используют цветной асфальт. Он помогает ориентироваться и служит для разграничения площадок.

2) Цементобетонные покрытия

Цементобетонные покрытия, как правило, используются на дорогах с интенсивным движением тяжелого транспорта. Эти покрытия имеют ряд преимуществ: обладают более высокой прочностью и износостойкостью, высоким коэффициентом сцепления с колесами автомобилей. Кроме того, период между ремонтами дорожного полотна с цементобетонным покрытием составляет от 30 до 40 лет, сезона продолжительности строительства также более длительный. Однако нет в мире совершенства, и у этого покрытия есть ряд недостатков: большое количество поперечных швов, трудность ремонта и т.д.

3) Гравийное покрытие

Предназначаются для использования при неинтенсивном движении. В качестве основы для их устройства применяются гравийные смеси, которые встречаются и в виде естественных залежей. Чтобы увеличить срок эксплуатации и повысить водонепроницаемость полотна в гравий добавляют определённый грунт и пропитывают его битумом. Своевременно проводимые дорожные работы также способствуют сохранению гравийного покрытия.

4) Щебеночное покрытие

Состоит из нескольких слоёв утрамбованного катком щебня, верхний слой – из мелких фракций этого материала, также уплотнённого. В процессе изготовления проезжей части из щебня его поливают водой, что увеличивает прочность сцепления отдельных фракций и повышает стойкость полотна к внешним воздействиям. Пропитка щебня битумом или битумной эмульсией улучшает эксплуатационные свойства проезжей части. 

5) Грунтовое покрытие

Тип покрытий наименее затратный как по используемым для строительства ресурсам, так и по трудоёмкости выполнения работ. Грунтовую дорогу строят, убирая неровности и излишки природного грунта. Кроме того, необходимо предусмотреть системы дренажа для отведения излишков воды и благоустройство территории вокруг. Такой вид покрытия не предназначается для интенсивного движения. Его недостатком также является сложность эксплуатации в дождливую погоду (нарушается целостность полотна). Чтобы это предотвратить грунт при строительстве смешивают с добавками и вяжущими веществами (цемент, дёготь, битум) и разравнивают автогрейдерами. Такая технология повышает устойчивость проезжей части к негативным воздействиям атмосферы и возможной чрезмерно нагрузки.

 

Список литературы

  • Справочная энциклопедия дорожника. Проектирование автомобильных дорог, под ред. Г.А. Федотова и П.И. Поспелова — М.
  • Технология и организация строительства автомобильных дорог Автор: Горелышев  Н.В.

 

 

 

Виды дорожных покрытий | ТРАНСКОМ

Дорожное покрытие — верхний слой дорожной одежды, представленный несколькими слоями однородных по составу материалов и предназначенный для защиты трассы от физической нагрузки и атмосферного воздействия.

От состояния дорожного полотна на трассе зависят скорость и комфорт передвижения по ней автомобилей и грузовых транспортных средств. Для каждого типа автодорог предназначен свой тип покрытий, позволяющий обеспечить необходимые условия для безопасного перемещения машин, а также допустимую скорость перемещения.

Классификация дорожных покрытий

Все виды дорожного полотна условно разделяют на две категории:

  • Жесткие — предназначены для трасс в городах с оживленным движением и развитой инфраструктурой, используются для федеральных автомагистралей, центральных улиц и дорог, ведущих к стратегическим промышленным и сельскохозяйственным объектам;
  • Нежесткие — допустимо застилать в населённых пунктах со спокойным движением, а также в сельской местности. Характеризуется меньшей прочностью и износостойкость.

Виды жестких дорожных покрытий:

  • Сборные конструкции с применением цемента — чаще всего используются для застила мостов. Характеризуются повышенностью устойчивостью к нагрузкам и метеоусловиям.
  • Мощеное дорожное полотно — создается за счет укладки дороги камнем или брусчаткой, было популярно в XX веке, сейчас применяется при реконструкции улиц в исторических частях городов, а также в парковых зонах.
  • Асфальтовое — наиболее распространенный и практичный тип, отличается простотой в использовании и длительным периодом эксплуатации (при условии соблюдения всех технических требований при укладке). Используется асфальт и асфальтобетон. Для повышения устойчивости к температурным перепадам используют специальные смолы (состав зависит от климатической зоны проведения дорожных работ).

Виды нежестких дорожных покрытий:

  • Щебенка — подходит для укладки дорог в спальных районах небольших городов, парковой зоне, неоживленных территориях крупных городских центров.
  • Гравий — аналогично по техническим характеристикам щебенки, выбор материала зависит от пожеланий заказчика и возможностей исполнителя работ.
  • Грунтовка — дороги, покрытые грунтовым покрытием, не рассчитаны на значительные нагрузки. Лучше всего этот тип полотна использовать в парковых зонах.
  • Покрытия с органической составляющий — один из новых видов дорожного полотна, предназначенный для трасс со средней нагрузкой (не более 3000 автомобилей в сутки). По составу аналогично грунтовке, верхний слой которой укрепляют специальным пропитывающим составом, защищающим материал от расползания.

Технология создания качественного дорожного полотна

Для обеспечения хорошего качества и длительного периода эксплуатации дорожного покрытия важно соблюдение всех технических требований и правильной последовательности действий при проведении дорожных работ по укладке или ремонту полотна.

Компания Транском осуществляет полный комплекс строительных работ по укладке дорожных покрытий, включающий:

  • исследование и планирование;
  • выравнивание грунта;
  • дренаж;
  • укладку основания;
  • застил нижнего и верхнего слоя;
  • поверхностную обработку;
  • выравнивание;
  • укладку лежачих полицейских и необходимой арматуры, установка защитных ограждений и проведение иных дополнительных работ.

Для обеспечения высокого качества дорожного покрытия мы используем особые трещинопрерывающие прослойки, армирующую сеть, связующие составы, а также различные виды пропитки, что позволяет повысить устойчивость дорожного полотна и продлить период его эксплуатации.

В зависимости от предполагаемого типа использования дорожное полотно должно соответствовать определенным критериям. Профессионализм и применением качественных материалов на стадии застила и обработки покрытия позволят обеспечить его надежную защиту от физических нагрузок, температурных перепадов и иных внешних факторов в течение всего периода службы.

Построение трехмерного дорожного покрытия и приложение для взаимодействия между транспортным средством и дорогой

Дается количественное описание трехмерных микро- и макромодельных характеристик дорожного покрытия с точки зрения фрактальной геометрии с использованием стохастического смещения средней точки FBM и ромба. -квадратный алгоритм в совокупности с фрактальными характеристиками и статистическими характеристиками стандартного покрытия, определенными методом оценки размерности ящика-счетчика.Сравнительный анализ реконструированного трехмерного спектра поверхности дороги и теоретического спектра поверхности дороги и коэффициента корреляции демонстрирует высокую точность восстановления фрактального реконструированного спектра дороги. Кроме того, зона неровностей взята в качестве примера для реконструкции более произвольной трехмерной модели дороги посредством изоморфизма специального дорожного покрытия со стохастической моделью дорожного покрытия. При измерении предполагается, что след шины на поверхности дороги представляет собой прямоугольник, где распределение давления выражается средней жесткостью, а точки контакта в зоне контакта заменяются несколькими пружинами.Автомобиль с двумя степенями свободы используется в качестве примера для анализа разницы между трехмерным многоточечным контактом и традиционной моделью точечного контакта. Трехмерный спектр дорожного покрытия обеспечивает более точное описание воздействия шины на дорожное покрытие, тем самым закладывая теоретическую основу для исследований динамического процесса взаимодействия транспортного средства с дорожным покрытием и удобства дороги.

1. Введение

Для эффективного достижения активного контроля безопасности транспортного средства важно достичь состояния и коэффициента трения шины о дорожное покрытие для движущегося транспортного средства, что основано на рассмотрении взаимодействия между транспортным средством и дорожным покрытием в реальных условиях. время.Однако факт в том, что неадекватное описание деталей морфологии дорожного покрытия существующими моделями спектра дорожного покрытия ограничивает исследования взаимодействия транспортного средства с дорогой. В области дорожного строительства безопасность дорожных перевозок в основном изучается с точки зрения сопротивления дорожному скольжению, и считается, что топография дорожного покрытия в значительной степени связана с сопротивлением скольжению дорожного покрытия (Kane et al. 2013; Wang et al. 2014) [ 1, 2]. Поскольку форма, размер и характеристики распределения текстуры асфальтового покрытия в значительной степени определяют сопротивление скольжению дорожного покрытия, рациональные параметры свойств текстуры помогают точно прогнозировать сопротивление скольжению дорожного покрытия.Для углубленного исследования влияния топографии поверхности дороги на сопротивление скольжению PIARC использует волнистую длину продольной волны дороги для описания топографии поверхности дороги, определенно предложив четыре типа текстур, а именно микротекстуру, макротекстуру, мегатекстуру. , и шероховатость. Между тем PIARC представил множество физических явлений, которые соответствуют взаимодействию между движущимся транспортным средством и дорожной поверхностью, которые сыграли значительную роль в изучении механизма сопротивления скольжению дорожного покрытия, шума и безопасности транспортного средства (PIARC, 1996) [3].Согласно серии исследований PIARC, микротекстура относится к морфологии с горизонтальной длиной волны менее 0,5 мм и вертикальной амплитудой от 0 до 0,2 мм, которая в основном характеризует шероховатость поверхности частиц заполнителя и влияет на фактическая площадь контакта шины с дорожным покрытием. Микротекстура определяет основные фрикционные свойства дорожного покрытия и в основном влияет на сопротивление скольжению дорожного покрытия на малых скоростях. Что касается морфологии с горизонтальной длиной волны в диапазоне от 0.От 5 до 50 мм и вертикальной амплитуды от 0,2 до 10 мм, макротекстура в основном зависит от формы, размера и распределения заполнителя и может вызывать деформацию резины шины и гистерезисные потери энергии, которые приводят к силе трения; Макротекстура в основном влияет на сопротивление скольжению дорожного покрытия в случае высокоскоростного движения и дождливых дней (Pulugurtha et al. 2012) [4]. С этой точки зрения топография поверхности частиц заполнителя дорожного покрытия и распределение выступов частиц дорожного покрытия совместно влияют на сопротивление скольжению дорожного покрытия.В последние годы отечественные и зарубежные ученые провели большое количество исследований по сбору информации о морфологии асфальтового покрытия, характеристике, оценке сопротивления скольжению, прогнозированию и т. Д. И добились чрезвычайно ценных достижений. Многие исследования показали, что коэффициент трения определяется морфологическими особенностями между шиной и землей, что также является важным фактором, вызывающим дорожно-транспортные происшествия (Kotek and Florková 2014; Qian and Meng 2017) [5, 6]. Лаборатория исследований движения и дорожного движения (TRRL), базирующаяся в Великобритании, как одна из первых организаций, занимающихся исследованиями сопротивления скольжению дорожного покрытия, изучала корреляцию между риском дорожно-транспортного происшествия на влажном дорожном покрытии и степенью скользкости дорожного покрытия и развитым заносом. оборудование для испытаний на сопротивление, такое как маятниковый тестер коэффициента трения и испытательная машина для коэффициента поперечной силы SCRIM [7].Ergun et al. (2005) [8] разработали систему измерения микротекстуры асфальтового покрытия, состоящую из плоской мобильной платформы, системы источника света, микроскопа, камеры CCD, системы обработки изображений и т. Д., Разрешение по горизонтали и вертикали которой составляет 0,006 мм и 0,01 мм соответственно. . Khoudeir et al. (2004) [9] описали характеристики микротекстуры асфальтового покрытия, извлекая статистические данные (среднее значение и стандартное отклонение), отклонение автокорреляционной функции и т. Д. Значение градиента серого на изображении анализируется для описания фрикционных свойств асфальтового покрытия, которые можно использовать для оценки влияния шероховатости поверхности дороги на износ покрытия.Из-за очевидной случайности и сложности микро- и макроморфологии дорожного покрытия традиционные параметры демонстрируют нестабильность наряду с изменением размера и диапазона измерения; Исследования показали, что морфология демонстрирует самоподобие и независимость от масштаба при изменении размера измерения, что означает, что топография поверхности дороги действительно имеет фрактальные характеристики. Коккалис и др. (2002) [10] предложили функцию шероховатости, сочетающую фрактальную размерность и масштабный коэффициент для описания топографии дорожного покрытия, обнаружив, что сопротивление скольжению асфальтобетонного покрытия хорошо коррелирует со значением функции шероховатости.Zhang et al. (2013) [11] использовали лазерный профилировщик для проверки профиля макроскопической текстуры поверхности дороги в 35 контрольных точках. Установлено, что макроскопический текстурный профиль асфальтобетонного дорожного покрытия демонстрирует типичные мультифрактальные характеристики, в то время как мультифрактальный спектр наклонен вправо, а ширина распределения мультифрактального спектра отражает диапазон изменения амплитуды волнистости профиля дорожного покрытия, которая в значительной степени коррелирует со средним профилем. глубина (ПДК) дорожного покрытия.

Исследователи в области автомобилестроения провели исследования безопасности вождения, комфорта езды и устойчивости управления транспортным средством с точки зрения механических свойств шины, распределения напряжений между шиной и поверхностью дороги и передачи нагрузки. Со всех точек зрения исследований установлено, что недостаточное сопротивление скольжению дорожного покрытия является основной причиной дорожно-транспортных происшествий, а топография дорожного покрытия в значительной степени связана с ходовыми качествами транспортного средства [12].Восстановление реальной и точной шероховатости дорожного покрытия обсуждалось как в автомобильной, так и в дорожной инженерии. Широко признано, что шероховатость поверхности дороги — это случайный процесс [13], который описывается как характеристики шероховатости в частотной области через спектральную плотность мощности (PSD), степенную функцию и рациональную функцию. Однако обе функции используют одну и ту же структуру модели и предоставляют модель во временной области для исследования динамики автомобиля.Отечественные и зарубежные исследования шероховатости эволюционировали от линейного к нелинейному анализу, от частотного к временному анализу и от аналитического анализа к расчетному моделированию. В частности, модель во временной области эволюционировала от одноточечной к многоточечной модели, от однотрековой к двухдорожечной модели и от двухмерной к трехмерной модели. Ngwangwa et al. (2014) [14] построили двумерную модель дорожного покрытия с помощью искусственной нейронной сети, выбрали некоторые данные дорожного покрытия в качестве обучающих данных и реконструировали всю дорожную поверхность, используя обученную сеть.Yu et al. (2007) [15] реконструировали трехмерную шероховатость дороги на основе технологии мультисенсорного слияния. Лю и др. (2014) [16] выполнили расчетный расчет спектральной плотности мощности на основе полученных данных спектра дороги, реконструировали градиентные спектры мощности различных типичных спектров дороги и проанализировали точность восстановления спектра дороги через коэффициент корреляции. Реконструкция дорожного спектра в настоящее время в основном сосредоточена на двумерном дорожном покрытии. Однако он не принимает во внимание статистическое самоподобие дорожного покрытия, что приводит к значительному отклонению спектра дороги от исходного спектра дорожного покрытия с точки зрения статистических свойств.Wullens и Kropp (2004) [17] предложили трехмерную модель контакта шины с дорогой для расчета динамических радиальных контактных сил, локальной деформации и нормальных вынужденных колебаний конструкции шины. Контактная задача решается с помощью упругого полупространства; дорога считается жесткой. Однако трехмерная микрошероховатость дорожного покрытия также не учитывается. Теория фракталов [18–20], основанная на методе реконструкции фрактальной интерполяции, восполняет недостатки традиционного метода рефакторинга в отношении самоподобия неровностей дорожного покрытия и использует ограниченные данные о высоте для восстановления трехмерного спектра дорожного покрытия, аналогичного исходной дороге. спектр поверхности при удовлетворительном сохранении статистических свойств и тонкой структуры данных дорожного покрытия.Wang et al. (2016) [21] построили трехмерную стохастическую модель дорожного покрытия посредством гармонической суперпозиции, и было обнаружено, что она полностью согласуется с измеренным дорожным покрытием согласно сравнению в отношении спектральной плотности мощности. Лу и др. (2014) [22] построили теоретическую модель трехмерного дорожного покрытия, используя метод итерационных функций, тем самым продемонстрировав согласованность восстановленного спектра дорожного покрытия с исходным спектром. Когут и Джексон (2006) [23] провели сравнение результатов контактной механики, полученных с помощью статистического и фрактального подходов к характеристике топографии поверхности.Установлено, что различия в моделируемой площади контакта и нагрузке могут быть связаны исключительно с различным подходом, используемым для определения характеристик поверхности. Jiang et al. (2009) [24] предположили, что модель контактной жесткости, использующая описание топографии фрактальной геометрии, предназначена для исследования контактов между шероховатыми поверхностями обработанных плоских соединений. Барнсли (1993) [18] получил нормальную контактную жесткость на основе теории фракталов с помощью функции Вейерштрасса – Мандельброта. Результаты теоретической контактной жесткости по фрактальному методу также подтверждены экспериментальными данными.Buczkowski et al. (2014) [25] предложили модифицированную контактную модель фрактальной шероховатой поверхности. Они пришли к выводу, что площадь контакта зависит от контактной нагрузки, а жесткость контакта увеличивается с увеличением контактной нагрузки. Однако фрактальная техника редко используется для изучения проблемы контакта шины с землей.

Ввиду сложности материалов шины и дорожного покрытия и характеристик контакта с поверхностью, коэффициент трения далеко не достаточен для интерпретации механизма контакта шины с дорожным покрытием.Кроме того, свойства дорожного покрытия более важны для безопасности дорожных перевозок в случае резких изменений. В предыдущих исследованиях по безопасности транспортных средств не учитывалось влияние морфологии дорожного покрытия, а неадекватное описание деталей морфологии дорожного покрытия в спектрах дорожного покрытия ограничивает исследования взаимодействия транспортного средства с дорогой. Для статистического самоподобия дорожного покрытия более точная реконструкция трехмерного спектра дорожного покрытия может быть выполнена с помощью теории фракталов.В отличие от двумерного спектра дорожного покрытия, трехмерный спектр дорожного покрытия ближе к реальному дорожному покрытию. Таким образом, в данной статье используется фундаментальный принцип [26] фрактального броуновского движения (FBM) и стандартное отклонение случайно возбужденной шероховатости поверхности дороги с фрактальной размерностью. Трехмерный спектр дорожного покрытия восстанавливается с помощью алгоритма ромбовидного квадрата и фрактальной теории броуновского движения. Кроме того, создается модель автомобиля с двумя степенями свободы 1/4, и контакт шины с поверхностью дороги моделируется как взаимосвязь многоточечного контакта с плоскостью.Анализируется связь между трехмерным спектром поверхности дороги и трехмерной шиной, а также проводится сравнительный анализ многоточечного контакта с плоскостью и точечного контакта между шиной и неровной поверхностью дороги. Он обеспечивает теоретическую основу для изучения динамического процесса взаимодействия между транспортным средством и дорожным покрытием, комфорта движения транспортного средства и удобства дороги.

2. Временная модель случайной шероховатости дорожного покрытия
2.1. Спектры мощности на пространственной и временной частоте

Подгоночное выражение спектральной плотности мощности поверхности дороги выглядит следующим образом: где — пространственная частота; — величина, обратная длине волны; — эталонная пространственная частота,; — частотный показатель, то есть наклон диагонали по логарифмической координате, определяющий частотную структуру спектральной плотности мощности дорожного покрытия; — спектральная плотность мощности поверхности дороги на опорной пространственной частоте, называемой коэффициентом шероховатости поверхности дороги,.

Когда автомобиль движется по поверхности дороги с пространственной частотой, эквивалентная временная частота (Гц) равна

И соотношение между плотностями спектра мощности на временной частоте и пространственной частотой находится где — спектральная плотность мощности на временной частоте и — спектральная плотность мощности на пространственной частоте.

2.2. Описание спектра поверхности дороги Модель во временной области

PSD спектра поверхности дороги представляет собой статистику, соответствующую определенному типу шероховатости поверхности дороги.Однако реконструированная отметка дорожного покрытия не единственная для данной PSD дорожного покрытия. Функция дороги также соответствует типовой функции в эквивалентной высоте дорожного покрытия для данного спектра поверхности дороги при определенной скорости движения.

Два предварительных условия должны быть выполнены для восстановления модели дороги во временной области, которая удовлетворяет заданной спектральной плотности мощности на основе известного спектра поверхности дороги: ① Дорожный процесс — это стационарный гауссовский стохастический процесс.② Дорожный процесс эргодичен. Базовый процесс реконструкции заключается в следующем: преобразовать случайные колебания высоты поверхности дороги в белый шум, отвечающий определенным условиям, и выполнить быстрое обратное преобразование Фурье, чтобы получить временную модель случайной шероховатости поверхности дороги посредством подгонки. Многие отличные методы могут быть использованы для создания модели во временной области высотной поверхности дороги для стационарного гауссовского стохастического процесса. Основные методы включают в себя метод генерации фильтрованного белого шума, метод генерации стохастической последовательности, метод гармонической суперпозиции, метод AR (ARMA) и метод генерации быстрого обратного преобразования Фурье.Метод отфильтрованного белого шума часто используется из-за его очевидной физической значимости и простоты расчета, а также для немедленного определения параметров модели дорожного покрытия на основе значений спектра мощности дорожного покрытия и скорости движения. Форма аппроксимации рациональной функции спектральной плотности мощности следующая: где, — константы, связанные с уклоном дорожного покрытия.

2.3. Генерация отфильтрованного белого шума для стохастической поверхности дороги

Когда автомобиль движется с постоянной скоростью, спектральная плотность мощности шероховатости поверхности дороги во временной области выражается следующим образом из-за: Когда,.Следовательно, если принять во внимание нижнюю угловую частоту отсечки, фактическая спектральная плотность мощности [12] может быть выражена следующим образом: где — нижняя угловая частота отсечки

Уравнение (6) может быть принято как отклик белый шум возбуждает линейную систему первого порядка. Согласно теории стохастической вибрации, где — частотная характеристика; белый шум; — это спектральная плотность мощности, которая принимает, поэтому может быть получена как где — нижняя граничная пространственная частота,; — коэффициент шероховатости дорожного покрытия,; — белый шум со средним значением, равным нулю; — произвольное смещение дорожного покрытия по высоте,.

Автор вычисляет фрактальную размерность случайной отметки поверхности дороги 5000 м и проводит статистический и фрактальный анализ данных высотной отметки поверхности дороги с помощью программирования на основе метода подсчета размеров. Фрактальное измерение может быть определено как где находится шкала измерения; — длина кривой, измеренная по шкале th; — количество шкал измерения; — фрактальная размерность кривой измерения.

Метод подсчета размеров прямоугольников вычисляет фрактальную размерность через покрытие фрактальной кривой маленькими прямоугольниками с длиной стороны.Некоторые поля пусты, а некоторые закрывают часть кривой. Количество ящиков считается, когда ящик не пустой. И тогда количество непустых ящиков считается равным. Далее следует, что размер коробки постепенно уменьшается, а размер коробки сразу увеличивается. Тогда формула получается, когда:

Метод наименьших квадратов используется для поиска серии и для подгонки прямой линии в логарифмической координате. Наклон полученной прямой должен быть желаемой фрактальной размерностью.В таблице 1 показаны фрактальные размеры и стандартные отклонения, соответствующие спектрам дорожного покрытия на всех уровнях, полученные с помощью метода подсчета размеров.


Уровень дорожного покрытия A B C D E F G H

Стандартное отклонение (10 −3 мм) 2.2 4,3 8,7 17,4 34,7 69,3 138,7 277,4
Фрактальная размерность 1,6003 1,6003 1,6003 1,6003 1,6003 1,6003 1,6003 1,60042 1.6003

Как показано в таблице 1, нет никакой разницы при разных фрактальных размерностях с разными уровнями, что указывает на очевидное самоподобие.Причина в том, что обратное преобразование Фурье обеспечивает совпадение прямой линии спектральной плотности мощности поверхности дороги, полученной посредством моделирования в координате логарифм, что также резервирует информацию о подобии шероховатости поверхности дороги.

В случае стандартного дорожного покрытия наблюдается небольшая разница между фрактальными размерами дорожных покрытий на разных уровнях, полученными методом подсчета размеров в ячейках, и среднее значение составляет примерно 1,6, которое принимается в качестве индекса фрактальной характеристики для стандартной дороги. поверхность.Поскольку стандартное отклонение, достигаемое с помощью метода подсчета размеров в ячейках, попадает в установленный международный диапазон стандартного отклонения, его можно использовать в качестве статистического показателя для оценки поверхности дороги. Вышеупомянутые два показателя представляют собой критерии классификации для реконструкции трехмерного стандартного дорожного покрытия.

4. Построение трехмерного спектра поверхности дороги с особенностями морфологии поверхности дороги

Поверхность дороги представляет собой случайные характеристики и статистическое самоподобие, которые можно восстановить с помощью фрактального броуновского движения (FBM).Метод смещения средней точки также известен как метод случайного смещения средней точки, который является самым простым и классическим методом, применяемым в FBM, особенно для описания одномерного случайного процесса. Кроме того, алгоритм ромбовидного квадрата основан на методе смещения средней точки, который может создавать двумерную или трехмерную топографию. Он может не только моделировать трехмерное покрытие, но и получать более высокую точность реконструкции, подтвержденную в нашей статье позже.

4.1. Принцип алгоритма ромбовидного квадрата

Алгоритм ромбовидного квадрата был первоначально предложен Фурниу, Фасселлом и Карпентером и также известен как алгоритм ромбовидного квадрата [27] 🙁 1) Инициализация: двумерный массив инициализируется, а одинаковое значение возвышения присваивается четырем углам. Размер каждого измерения должен быть равен n-й степени 2 плюс 1 (например, 33 × 33, 65 × 65, 129 × 129). На рисунке 1 показан процесс алгоритма ромбовидного квадрата для массива 5 × 5, где значение возвышения для 4 углов на рисунке 1 (а) инициализировано и обозначено черным пятном.Фактически, после пяти итераций расчета, поверхности дороги разделены расстоянием около 3 см, что может удовлетворить наши исследовательские требования. (2) Стадия «ромба»: как показано на рисунке 1 (b), случайное значение равно генерируется с использованием четырех точек, образующих квадрат в середине такого квадрата, то есть на пересечении двух диагоналей. Среднее значение равно сумме среднего значения четырех угловых точек и упомянутого случайного значения. Алмаз возникает, когда в сетке существует несколько квадратов, и в этом случае центральная точка обозначается черным пятном.(3) Этап «квадрат»: используйте четыре точки, образующие ромб, для генерации случайного значения с тем же диапазоном значений, что и на предыдущем этапе, в средней точке этого ромба. Кроме того, это значение средней точки равно сумме среднего значения четырех угловых точек и упомянутого случайного значения, как показано на рисунке 1 (c), тем самым генерируя квадрат. (4) Повторите описанный выше процесс для указанного количества раз.

4.1.1. Процесс определения одномерной стохастической интерполяции

Броуновское движение в двухмерной плоскости порождает трехмерную морфологию ландшафта, что означает, что координаты и в плоскости вызывают как поверхностный градиент положения.Изменение градиента, которое происходит при движении с постоянной скоростью по прямолинейному пути в плоскости, является фрактальным броуновским движением. Предполагая, что расстояние перемещения в плоскости равно (где:), изменение градиента кривой определяется выражением [28, 29]. Формула алгоритма стохастической интерполяции показана, где представляет гауссову случайную функцию и означает значение высоты соответствующей точки. Когда (12) приводит к [30] В (14) представляет собой распределение Гаусса, когда среднее значение равно нулю, а дисперсия равна.

Предполагая, что модель стохастической интерполяции находится где-то.

Решение — это ключ к распределению стохастического приращения. Основной процесс описывается следующим образом: Первая итерация, согласно (14) Дисперсия одномерного стохастического приращения после итераций составляет Одномерное стохастическое приращение подчиняется,.

4.1.2. Процесс определения двумерной стохастической интерполяции

Во-первых, определите матричный диапазон каждой точки в двумерном пространстве как «Определить». Следовательно, каждая точка в двумерном пространстве может быть описана как «Эти дискретные точки подчиняются распределению Гаусса; ожидаемое значение — 0, а дисперсия -.

Затем четыре вершины инициализируются там, где требуется средняя точка; начальная итерационная интерполяция выражается как: Первая итерация приводит к, и дисперсия двумерного стохастического приращения после итераций равна Затем стохастическому приращению двумерного подвергается.

4.2. Определение случайного смещения на основе теории фрактального броуновского движения

Случайное приращение в алгоритме ромбовидного четырехугольника может быть получено из фрактального броуновского движения; то есть где — индекс Херста,,.расстояние между сегментами после сегментации. Для численного расчета случайного смещения обычно используется следующая формула: или где «масштаб» означает масштабный коэффициент и обычно находится в пределах: — случайная функция, подчиняющаяся стандартному нормальному распределению; представляет значение фрактального параметра выбранной региональной местности; означает количество итераций для стохастического смещения средней точки; обозначает интервал между сегментами после сегментации.

Случайное приращение первой итерации. Соответственно, случайное приращение после итераций равно

В этой статье выполняется пять итераций (т.е.,), а интервал выборки равен 1. Число итераций, где представляет собой фрактальный параметр и означает интервал между сегментами после итераций. Тогда последовательное количество итераций равно

. Количество итераций определяется исследователями для удовлетворения исследовательских требований. На рисунке 2 показана блок-схема расчета высоты каждой точки в трехмерном спектре дорожной поверхности с помощью фрактального броуновского движения и алгоритма ромбовидного квадрата при условии пяти итераций.


5. Реконструкция и анализ трехмерного спектра неровной дороги
5.1. Реконструкция трехмерного неровного дорожного покрытия Spectrum

Вышеупомянутая теория используется для моделирования стандартных автомагистралей класса A ~ H; На рисунке 3 показан результат моделирования после восьмикратных итераций. Дорожное покрытие составляет 600 м в длину и 33 м в ширину. Значение берется из случайной выборки, полученной посредством обратного преобразования Фурье стандартного спектра мощности дорожного покрытия; Чтобы упростить анализ, направление и направление дорожной поверхности и линейных сегментов в любой плоскости имеют одинаковые фрактальные характеристики, поэтому при моделировании они имеют одинаковый индекс Херста.

5.2. Анализ точности восстановления спектра трехмерной неровной поверхности дороги

Трехмерная поверхность дороги длиной 5000 м реконструируется с помощью теории фрактальной интерполяции и метода решения для спектральной плотности мощности. По сравнению со спектром мощности двумерного дорожного покрытия проверяется точность реконструкции дороги, предлагаемой в данной статье. Из-за нехватки места на рисунке 4 приведены только сравнительные диаграммы стандартных спектров мощности для классов A ~ D между результатами теории и моделирования.

Как показано на рисунке 4, последовательность шероховатости поверхности дороги, соответствующая статистическим характеристикам поверхности дороги со стандартизованным уклоном, может быть достигнута путем восстановления шероховатости поверхности дороги с использованием фрактальной кривой. Фактически, диаграмма сравнения спектров мощности неадекватна для анализа точности модели реорганизации. Поскольку количественный анализ также необходим для выполнения регрессионного анализа на основе математической статистики, принимая спектр мощности шероховатости дорожного покрытия в качестве регрессионной модели. Необходимо проверить, подходят ли данные регрессионной модели к стандартным или целевым данным.Кривая спектральной плотности мощности стандартного дорожного покрытия представляет собой прямую линию, поэтому регрессия для моделирования спектрального линейного регрессионного анализа мощности должна быть линейной регрессией, которая обычно использует остаточную сумму квадратов (), остаточное стандартное отклонение () или корреляцию. показатель (). Любая из этих трех переменных может определять качество уравнения регрессии:,, чем меньше, тем лучше; , чем больше, тем лучше, где где представлены восстановленные данные о шероховатости дорожного покрытия; означает исходные данные о шероховатости дорожного покрытия; — количество точек отбора проб; означает среднее значение восстановленных данных о шероховатости дорожного покрытия.Точность восстановления дорожного покрытия с уровнем A ~ D получается как квадрат суммы остатков и коэффициента корреляции.

Как показано в Таблице 2, кривая спектра мощности, полученная путем восстановления шероховатости поверхности дороги с помощью идеальной фрактальной кривой, довольно близка к стандартному спектру мощности, демонстрируя чрезвычайно высокую точность восстановления.


Покрытие класса A Покрытие класса B Покрытие степени C Покрытие степени D

0.1542 0,1461 0,5607 1,9363
0,7452 0,9555 0,8751 0,6191

5,3. Реконструкция трехмерного спектра дорожного покрытия с особыми характеристиками дорожного покрытия

После создания трехмерного стохастического спектра дорожного покрытия для каждого уровня дорожного покрытия, который отражает топографию дорожного покрытия, можно также смоделировать некоторую специальную модель дорожного покрытия. более аутентичная трехмерная модель дороги.Согласно отраслевому стандарту транспортной отрасли JT / T713-2008 «Резиновый отбойник для дорожного покрытия» [31] профиль резинового отбойника должен быть приблизительно трапециевидным, а ширина дна и высота выступа должны составлять 300 ~ 400 мм и 30 ~ 60 мм соответственно. . Однако полного стандарта для контурной кривой дорожного покрытия с точки зрения удельного поперечного сечения выпущено не было. Общие профили поперечного сечения выступов включают трапецию, дугу окружности и параболу. На рис. 5 показан профиль в форме параболы.


Параболический профиль поперечного сечения, показанный на рисунке 5, выражается в виде математического уравнения:

Файл модели дорожного неровности, доступный для моделирования, достигается путем подготовки программы создания файла модели дорожного неровности с программным обеспечением MATLAB, разработки узловой матрицы координат с помощью (33) и генерирование матрицы элементов с помощью MATLAB.Постройте модель параболической неровности дороги, исходя из предположения, что неровность дороги имеет ширину 300 мм и высоту 50 мм; определить место установки неровности дороги на основе созданного трехмерного дорожного покрытия; удалить соответствующие узлы поверхности дороги и данные ячеек из файла спектра поверхности дороги на основе ширины неровностей и добавить данные узлов и ячеек неровностей в соответствующее положение; реализовать изоморфизм между неровностями дороги и стохастическими поверхностями дороги на всех уровнях с помощью вновь созданных файлов спектра поверхности дороги.Предполагая, что длина дорожного покрытия составляет 12 м, на рисунке 6 представлена ​​только модель дорожного покрытия с изоморфизмом между неровностями и дорожным покрытием класса C.


6. Модель контакта шины с трехмерной неровной поверхностью дороги

Взаимодействие между транспортным средством и поверхностью дороги — чрезвычайно сложный динамический процесс, который включает динамику транспортного средства, структурную механику покрытия и механику трения. Когда автомобиль движется по дорожному покрытию, шероховатость дорожного покрытия передается в виде возбуждения смещения через шины и подвеску на кузов автомобиля, что приводит к случайной вибрации кузова автомобиля.В данном разделе построена модель кузова 1/4, а также представлен процесс контакта шины с произвольной поверхностью дороги; характеристики нагрузки на шину и след шины интегрированы посредством испытания; считается, что контактная поверхность состоит из конечного числа точек; Модель контакта показана на рисунке 7.


6.1. Определение зоны контакта шины с дорогой

Различное давление прикладывается к тяжелой шине с помощью собственной системы привода. Объект испытаний — высокопрочная радиальная шина 10.00R20, стандартное давление в шинах составляет 830 кПа. Место проведения испытаний показано на рисунке 8; распределение контакта шины показано на рисунке 9.



Площадь контакта составляет 45 955 мм 2 при стандартной нагрузке 30 000 Н. Результаты испытаний показывают, что ширина пятна контакта составляет 200 мм, а длина контакта — 230 мм. мм. Поскольку расстояние между двумя соседними точками трехмерного дорожного покрытия составляет 7,8125 мм, при стандартном давлении и нагрузке в шинах должно быть 725 точек контакта, в том числе 25 точек в вертикальном направлении и 29 точек в горизонтальном направлении.

6.2. Модель автомобиля с двумя степенями свободы

Модель подвески автомобиля с двумя степенями свободы 1/4 может быть выражена посредством пружины и амортизатора, соединенных параллельно, в то время как шина может быть выражена с помощью блока массы и пружины, как показано на рисунке 10, где — неподрессоренная масса, включая обод, шину и ось; — подрессоренная масса, включая отсек и груз; — коэффициент жесткости шины; — коэффициент жесткости системы подвески; — постоянная демпфирования шины; — коэффициент демпфирования амортизатора в системе подвески; — отметка грунта (шероховатость дорожного покрытия), случайный процесс; — вертикальное перемещение подрессоренной части; вертикальное смещение неподрессоренной части.


Уравнение движения системы, установленное на основе второго закона движения Ньютона, isOrwhere представляет собой матрицу масс; означает демпфирующую матрицу; — матрица жесткости; обозначает матрицу смещения; — матрица возбуждения; « — матрицы массы, демпфирования и жесткости соответственно, а также вещественные симметричные матрицы, а положительно определенная.

6.3. Анализ взаимодействия шины с трехмерным неровным дорожным покрытием

Изучаемым объектом исследования является автомобиль большой грузоподъемности определенной модели с шиной модели 10.00R20; если предположить, что длина и ширина области следа шины остаются неизменными при стандартном давлении в шине 830 кПа, площадь контакта может быть определена путем испытания. Выбрать параметры большегрузного автомобиля:,,,,, Н · с / м; Технические характеристики шин 10.00R20,.

Возьмем модель контакта шины с поверхностью дороги как модель, в которой имеется конечное число точек контакта, каждая из которых имеет одинаковую жесткость; рассчитать систему сцепления автомобиля с дорогой при случайном возбуждении дорожного покрытия, используя многоточечный контакт трехмерного спектра дорожного покрытия и двумерную кривую любого участка профиля, включая вертикальное ускорение кузова автомобиля, деформацию подвески, и сила шины, как показано на рисунках 11 и 12, где пунктирная линия представляет модель многоточечного контакта, а реальная линия представляет модель одноточечного контакта.

6.3.1. Анализ отклика при случайном трехмерном спектре дорожной поверхности

Предполагая длину дорожного покрытия в случае случайного дорожного покрытия класса C, для определения динамического отклика используются модель одноточечного контакта и модель многоточечного и плоского контакта соответственно системы сцепления транспортного средства с дорогой, как показано на рисунке 11.

Как показано на рисунке 11, пиковые значения реакции кузова автомобиля и силы шины для модели многоточечного контакта, то есть модели плоского контакта, намного меньше, чем модель точечного контакта; пиковое значение ускорения кузова меньше на 47%, а среднеквадратичное значение меньше на 57.6%; пиковое значение искажения суспензии меньше на 60%, а среднеквадратичное значение меньше на 56%; пиковое значение усилия шины меньше на 46,7%, а среднеквадратичное значение меньше на 54%. Это означает, что плоский контакт между шиной и землей оказывает буферное и инклюзивное воздействие на поверхность дороги.

6.3.2. Анализ реакции при возбуждении неровностей

Модель неровностей дороги в форме параболы строится на основе допущения, что ширина и высота неровностей дороги равны 300 мм и 50 мм, соответственно.Как показано на рисунке 12, модель одноточечного контакта и модель многоточечного контакта используются для достижения динамического отклика системы сцепления транспортного средства с дорогой.

Согласно рисунку 12, общие значения реакции кузова автомобиля и силы шины для модели с многоточечным контактом меньше, чем для модели с точечным контактом, но пиковое значение немного изменяется, когда транспортное средство проезжает через неровность. Кроме того, существует небольшая разница во времени действия между моделью плоского контакта и моделью точечного контакта.

7. Заключение

Нет никакой разницы во фрактальных размерностях на разных уровнях, полученных методом подсчета размерностей, которые показывают очевидные фрактальные характеристики неровностей дорожного покрытия.

Предложен метод многомасштабной характеристики для восстановления морфологии дорожного покрытия стандартного уровня с помощью FBM. Анализ контраста между восстановленным спектром трехмерной поверхности дороги и теоретическим трехмерным спектром двумерной поверхности дороги с точки зрения спектральной плотности мощности демонстрирует более высокую точность восстановления.

Модель транспортного средства с двумя степенями свободы взята в качестве примера для определения разницы между трехмерной моделью многоточечного контакта шины с шероховатой поверхностью дороги и традиционной моделью точечного контакта с точки зрения реакции на ускорение кузова автомобиля, деформацию подвески и сила в шинах. Учтено, что модель многоточечного контакта отражает реальные вертикальные характеристики шины, особенно при возбуждении неровностей.

В данной статье не принимаются во внимание такие особые условия дорожного покрытия, как повороты, подъем и спуск, которые в будущем будут подвергаться более глубокому изучению на практике.

Конфликт интересов

Авторы заявляют об отсутствии конфликта интересов в отношении публикации этой статьи.

Благодарности

Эта работа была поддержана Национальным фондом естественных наук Китая (гранты № 11572207, 11472180) и Фондом естественных наук провинции Хэбэй (грант № A2016210103).

Классификация дорожного покрытия с изображениями, снятыми с недорогой камеры — набор данных о движении по дорогам (RTK) | Ратеке

ФРИСОНИ, Р.и другие. Дорожные покрытия в ЕС: влияние отсутствия регулярного содержания дорог на экономику и безопасность. [S.l.], 2014. URL: ⟨http: //www.europarl.europa.eu/thinktank/ en / document.html? Reference = IPOL STU (2014) 529059⟩.

WANG, H .; РЕН, М .; ЯН, Дж. Использование соотношения границ до обнаружения дороги. Мультимедийные инструменты и приложения, т. 75, н. 19, стр. 11999–12019, октябрь 2016 г. Doi: ⟨https: //doi.org/10.1007/s11042-016-3280-y⟩.

ВАЛЕНТЕ, М .; СТАНЧУЛЕСКУ, Б. Метод в реальном времени для общей сегментации дорог.В: Симпозиум по интеллектуальным транспортным средствам IEEE 2017 (IV). [S.l .: s.n.], 2017. с. 443–447. Doi: https://doi.org/10.1109/IVS.2017.7995758⟩.

YUAN, Y .; JIANG, Z .; ВАНГ, В. Обнаружение дорог на основе видео с помощью структурного онлайн-обучения. Нейрокомпьютеры, т. 168, с. 336–347, 2015. Doi: http://dx.doi.org/10.1016/j.neucom. 2015.05.092⟩.

ZU, Z. et al. Обнаружение дороги в реальном времени с оценкой точки схода на основе анализа текстуры изображения. В: Международная конференция IEEE по прогрессу в информатике и вычислениях (PIC), 2015 г.[S.l .: s.n.], 2015. с. 454–457. Doi: http://dx.doi.org/10.1109/PIC.2015.7489888⟩.

SHI, J. et al. Новый метод сегментации пути для автономного следования по дороге. В: Международная конференция IEEE по обработке сигналов, связи и вычислениям (ICSPCC), 2016 г. [S.l .: s.n.], 2016. с. 1–6. Doi: http://doi.acm.org/10.1109/ICSPCC.2016.7753701⟩.

RATEKE, T. et al. Обнаружение дороги на основе региона с пассивным зрением: обзор литературы. ACM Comput. Surv., ACM, Нью-Йорк, Нью-Йорк, США, v.52, п. 2, стр. 31: 1–31: 34, мар. 2019. Doi: ⟨http: //doi.acm.org/10.1145/3311951⟩.

TEICHMANN, M. et al. Multinet: совместное семантическое обоснование автономного вождения в реальном времени. Симпозиум по интеллектуальным транспортным средствам IEEE 2018 (IV), стр. 1013–1020, 2018. Doi: ⟨https: //doi.org/10.1109/IVS.2018.8500504⟩.

SEEGER, C. et al. К классификации типов дорог с сетками заселенности. В: Семинар IEEE Intelligent Vehicles Symposium 2016: DeepDriving — Learning Views for Intelligent Vehicles.[S.l .: s.n.], 2016. с. 1–4. URL: ⟨http: //iv2016.berkeleyvision.org/papers/seeger.pdf⟩.

CNT. Pesquisa CNT de Rodovias 2016. Relato ́rio Gerencial. [S.l.], 2018. v. 20. URL: ⟨https: //pesquisarodovias.cnt.org. br / Home⟩.

Cabral, F. S. et al. Автоматическая система обзора для классификации дорог с твердым и грунтовым покрытием и обнаружения дорожных аномалий с помощью сенсора смартфона. В: Международная конференция IEEE 2018 по сервисным операциям, логистике и информатике (SOLI).[S.l .: s.n.], 2018. с. 65–70. Doi: ⟨https: //doi.org/10.1109/SOLI.2018.8476788⟩.

TARIQ, H .; МАЖАР, С .; HAMEED, H. Классификация качества дороги для дорожно-ремонтных служб и обычных водителей с использованием бортового регистратора данных: аннотация плаката. В: Материалы 17-й Международной конференции ACM / IEEE по обработке информации в сенсорных сетях. Пискатауэй, Нью-Джерси, США: IEEE Press, 2018. (IPSN ’18), стр. 142–143. Doi: ⟨https: //doi.org/10.1109/IPSN.2018.00034⟩.

Канг, Б.; Чой, С. Система обнаружения выбоин с использованием двумерного лидара и камеры. В: Девятая международная конференция по повсеместным и будущим сетям, 2017 г. (ICUFN). [S.l .: s.n.], 2017. с. 744–746. Doi: ⟨https: //doi.org/10.1109/ICUFN.2017. 7993890⟩.

Ю., Х .; Салари, Э. Обнаружение выбоин на тротуаре и измерение глубины с помощью лазерной визуализации. В: 2011 IEEE МЕЖДУНАРОДНАЯ КОНФЕРЕНЦИЯ ПО ЭЛЕКТРО / ИНФОРМАЦИОННЫМ ТЕХНОЛОГИЯМ. [S.l .: s.n.], 2011. с. 1–5. Doi: ⟨http: // doi. acm.org/10.1109/EIT.2011.5978573⟩.

КОМИССИЯ, I.E. БЕЗОПАСНОСТЬ ЛАЗЕРНЫХ ИЗДЕЛИЙ. Часть 1. Классификация оборудования, требования и руководство пользователя. [S.l.]: Женева: Международная электротехническая комиссия, 2001, 2001.

СТАНДАРТ, A. N. Американский национальный стандарт безопасного использования лазеров на открытом воздухе. Орландо, Флорида, 2005 г.

HERGHELEGIU, P .; BURLACU, A .; КАРАЙМАН, С. Обнаружение отрицательных препятствий для носимых вспомогательных устройств для слабовидящих. В: 2017 21-я Международная конференция по теории систем, управлению и вычислениям (ICSTCC).[S.l .: s.n.], 2017. с. 564–570. Doi: http://doi.acm.org/10.1109/ICSTCC. 2017. 8107095⟩.

KARUNASEKERA, H. et al. Обнаружение отрицательных препятствий на основе стереозрения. В: 2017 13-я Международная конференция IEEE по автоматизации управления (ICCA). [S.l .: s.n.], 2017. с. 834–838. Doi: ⟨https: //doi.org/10.1109/ICCA.2017. 8003168⟩.

MAEDA, H. et al. Обнаружение и классификация дорожных повреждений с использованием глубоких нейронных сетей с изображениями смартфонов. Компьютерное проектирование строительства и инфраструктуры, v.33, п. 12, стр. 1127–1141, 2018. Doi: ⟨https: //doi.org/10.1111/mice. 12387⟩.

ERIKSSON, J. et al. Патрулирование выбоин: использование мобильной сенсорной сети для мониторинга дорожного покрытия. В: Материалы 6-й Международной конференции по мобильным системам, приложениям и услугам. Нью-Йорк, Нью-Йорк, США: ACM, 2008. (MobiSys ’08), стр. 29–39. Doi: http://doi.acm.org/10.1145/ 1378600.1378605⟩.

KOCH, C .; БРИЛАКИС, И. Обнаружение выбоин на изображениях асфальтового покрытия. Передовая инженерная информатика, т.25, п. 3, стр. 507 — 515, 2011. Специальный раздел: Инженерная информатика в портовых операциях и логистике, doi: ⟨https: //doi.org/10.1016/j.aei.2011.01.002⟩.

HUIDROM, L .; DAS, L.K .; СУД, С. Метод автоматической оценки выбоин, трещин и пятен на видеоклипах дорожного покрытия. Процедуры — Социальные и поведенческие науки, т. 104, стр. 312–321, 2013 г. 2-я конференция Группы транспортных исследований Индии (2-я CTRG), doi: https://doi.org/10.1016/j.sbspro.2013.11.124⟩.

TEDESCHI, A .; БЕНЕДЕТТО, Ф. Автоматическая система распознавания трещин и выбоин в реальном времени для мобильных устройств на базе Android. Передовая инженерная информатика, т. 32, с. 11–25, 2017. Doi: ⟨https: //doi.org/10.1016/j.aei. 2016.12.004⟩.

BANHARNSAKUN, A. Hybrid abc-ann для обнаружения и классификации повреждений поверхности дорожного покрытия. Международный журнал машинного обучения и кибернетики, т. 8, н. 2, стр. 699–710, апрель 2017 г. Doi: ⟨https: //doi.org/10.1007/ s13042-015-0471-1⟩.

WANG, X. et al. Распознавание мимики с глубоким обучением. В: Материалы 10-й Международной конференции по мультимедийным вычислениям и услугам в Интернете. Нью-Йорк, Нью-Йорк, США: ACM, 2018. (ICIMCS ’18), стр. 10: 1–10: 4. Doi: http://doi.acm.org/10.1145/3240876.3240908⟩.

Во, А. Т .; Tran, H.S .; Ле, Т. Х. Классификация рекламных изображений с использованием сверточной нейронной сети. В: 2017 9-я Международная конференция по знаниям и системной инженерии (KSE).[S.l .: s.n.], 2017. с. 197–202. Doi: ⟨https: //doi.org/10.1109/KSE.2017.8119458⟩.

Li, Y. et al. Классификация положения сна с помощью многопоточной КИП с использованием карты расстояний по вертикали. В: Международный семинар по передовым технологиям изображения, 2018 г. (IWAIT). [S.l .: s.n.], 2018. с. 1–4. Doi: ⟨https: //doi.org/10.1109/IWAIT. 2018.8369761⟩.

SACHAN, A. Tensorflow Tutorial 2: классификатор изображений с использованием сверточной нейронной сети. 2017. URL: https://cv-tricks.com/tensorflow-tutorial/ training-convolutional-neural-network-for-image-classification /⟩.

GEIGER, A. et al. Зрение встречает робототехнику: набор данных kitti. Int. Дж. Роб. Res., Sage Publications, Inc., Thousand Oaks, CA, USA, v. 32, n. 11, стр. 1231–1237, сентябрь 2013 г. Doi: ⟨http: //dx.doi.org/10.1177/02783649134

  • ⟩.

    SHINZATO, P. Y. et al. Набор данных Carina: эталонный образец городского сценария для развивающихся стран для систем обнаружения дорог. В: 19-я Международная конференция IEEE по интеллектуальным транспортным системам (ITSC), 2016 г. [S.l .: s.n.], 2016. с. 41–46. Doi: ⟨http: // dx.doi.org/10.1109/ITSC.2016.7795529⟩.

    BROSTOW, G.J .; FAUQUEUR, J .; CIPOLLA, R. Классы семантических объектов в видео: база данных достоверной информации с высоким разрешением. Письма о распознавании образов, т. 30, н. 2, стр. 88 — 97, 2009. Doi: ⟨https: //doi.org/10.1016/j.patrec.2008.04.005⟩.

    Cordts, M. et al. Набор данных cityscapes для семантического понимания городской сцены. В: Конференция IEEE 2016 по компьютерному зрению и распознаванию образов (CVPR). [S.l .: s.n.], 2016. с. 3213–3223. Doi: ⟨https: // doi.org / 10.1109 / CVPR. 2016. 350⟩.

    ZANIN, M. et al. диплодок дорожная стерео последовательность. 2013. URL: «https://tev.fbk.eu/databases/ diplodoc-road-stereo-sequence».

    SHANG, E. et al. Offroadscene: открытая база данных для неструктурированных алгоритмов обнаружения дорог. В: Международная конференция по компьютерным наукам и приложениям, 2013 г. [S.l .: s.n.], 2013. с. 779–783. Doi: http://dx.doi.org/10.1109/CSA. 2013.186⟩.

    Дороги и шоссе | транспорт

    Начиная с 1840-х годов быстрое развитие железных дорог фактически остановило строительство легких дорог Трезаге-Макадам.В течение следующих 60 лет работы по усовершенствованию дорог в основном ограничивались городскими улицами или подъездными дорогами к железнодорожным станциям. Остальные сельские дороги стали непроходимыми в сырую погоду.

    Первоначальный стимул к обновлению дорожного строительства исходил не от автомобиля, влияние которого почти не ощущалось до 1900 года, а от велосипеда, ради которого во многих странах в 1880-х и 90-х годах началось улучшение дороги. Тем не менее, в то время как требования к легкому и низкоскоростному велосипеду удовлетворяли старые «щебеночные» поверхности, автомобиль начал выдвигать свои, казалось бы, ненасытные требования, когда мир вступил в 20-й век.

    Новые тротуарные материалы

    Когда во второй половине XIX века мощение городских улиц получило широкое распространение, обычными материалами для мощения были каменные блоки размером с копыто, деревянные блоки такого же размера, кирпичи, битый камень Макадама, а иногда и асфальт и бетон. Изломанный камень Макадама был самым дешевым покрытием, но его несвязанная поверхность была трудна в уходе и обычно была либо слизистой, либо пыльной из-за воды, погоды и большого количества конских экскрементов.Таким образом, дороги на рубеже 20-го века были в значительной степени неадекватными для требований, которые должны были быть предъявлены к ним легковыми и грузовыми автомобилями. Поскольку скорость транспортного средства быстро увеличивалась, доступное трение между дорогой и шиной стало критическим для ускорения, торможения и прохождения поворотов. Кроме того, многочисленные разрушения дорожного покрытия показали, что требуются гораздо более прочные и жесткие материалы. Результатом стал постоянный поиск лучшего покрытия. И асфальт, и бетон были многообещающими.

    Асфальт — это смесь битума и камня, а бетон — смесь цемента и камня.Асфальтовые пешеходные дорожки были впервые проложены в Париже в 1810 году, но этот метод не был усовершенствован до 1835 года. Первое использование асфальта на дорогах произошло в 1824 году, когда асфальтовые блоки были размещены на Елисейских полях в Париже, но первое успешное крупное применение было Сделано в 1858 году на близлежащей улице Сент-Оноре. Первое успешное бетонное покрытие было построено в Инвернессе, Шотландия, в 1865 году. Однако ни одна из технологий не продвинулась далеко без давления автомобиля, и оба требовали наличия мощного оборудования для дробления, перемешивания и разбрасывания камня.

    Толчок к развитию современного дорожного асфальта пришел из Соединенных Штатов, где было мало месторождений природного битума, и инженеры были вынуждены изучить принципы, лежащие в основе поведения этого материала. Первые шаги были сделаны в 1860-х годах, когда бельгийский иммигрант Эдвард де Смедт работал в Колумбийском университете в Нью-Йорке. Де Смедт провел свои первые испытания в Нью-Джерси в 1870 году и к 1872 году произвел эквивалент современного «хорошо отсортированного» асфальта максимальной плотности.Первые заявки были поданы в Баттери-парке и на Пятой авеню в Нью-Йорке в 1872 году. Де Смедт отправился в Вашингтон, округ Колумбия, в 1876 году в рамках стремления президента Улисса С. Гранта сделать этот город «столицей, достойной великой нации». . » Грант назначил комиссию по надзору за строительством дорог, и она провела свои первые испытания на Пенсильвания-авеню в 1877 году. В 60% испытаний использовался новый продукт де Смедта, и они были очень успешными.

    В 1887 году за де Смедтом в качестве инспектора асфальтов и цементов последовал Клиффорд Ричардсон, который поставил перед собой задачу систематизировать спецификации для асфальтовых смесей.Ричардсон в основном разработал две формы асфальта: асфальтобетон, который был прочным и жестким и, таким образом, обеспечивал прочность конструкции; и горячекатаный асфальт, который содержал больше битума и, таким образом, давал гораздо более гладкую и лучшую поверхность для автомобиля и велосипеда.

    Одним из величайших удобных совпадений при разработке асфальта было то, что автомобиль работал на бензине, который в то время был просто побочным продуктом перегонки керосина из нефти. Еще одним побочным продуктом был битум.До этого времени большинство производителей использовали каменноугольную смолу (побочный продукт производства газа из угля) в качестве связующего для дорожного асфальта. Однако по мере роста спроса на автомобильное топливо росла и доступность битума и, следовательно, хорошего асфальта, разработанного в соответствии со стандартами де Смедта и Ричардсона. Это дало американским дорожным строителям большое преимущество перед своими европейскими коллегами, которые все еще были привержены достоинствам различных природных асфальтов, например, из Невшателя в Швейцарии и острова Тринидад.

    Ричардсон опубликовал стандартный учебник по укладке асфальта в 1905 году, и с тех пор практика не претерпела существенных изменений. Самое большое изменение коснулось оборудования, доступного для производства, размещения и отделки материала, а не самого продукта. К концу века произошли значительные движения в сторону использования переработанного асфальта, химических модификаторов для улучшения свойств битума и мелких волокон для улучшения трещиностойкости. Кроме того, разработки в области испытаний и структурного анализа позволили спроектировать асфальтовое покрытие как сложный структурный композит.

    Первые современные бетонные дороги были построены Джозефом Митчеллом, последователем Телфорда, который провел три успешных испытания в Англии и Шотландии в 1865–1866 годах. Как и технология асфальта, строительство дорог из бетона было в значительной степени развито на рубеже 20-го века и было больше ограничено доступной техникой, чем материалом. Проблемы также возникли при изготовлении поверхности, которая могла бы соответствовать характеристикам поверхности, почти случайно образованной горячекатаным асфальтом.В течение следующего столетия эти два материала оставались в жесткой конкуренции, оба предлагали аналогичный продукт по одинаковой цене, и было мало свидетельств того, что один будет далеко впереди другого, если они продолжат свой путь постепенного улучшения. (Принципы современного дизайна дорожного покрытия описаны ниже в разделе «Покрытие».)

    Изменения в финансах

    От барщины до платы за проезд

    На протяжении тысячелетий ответственность за финансирование и строительство дорог и автомагистралей была как местной, так и национальной ответственностью в странах мира.Примечательно, что эта ответственность изменилась вместе с политическим отношением к дорожному строительству и нелегко возложена на какую-либо партию. Многие дороги изначально были построены, чтобы предоставить правителям средства завоевания, контроля и налогообложения; в периоды мира одни и те же правители обычно пытались передать обязанности по содержанию местным властям, прилегающим землевладельцам или путешественникам, которые использовали дорогу. Местные власти и землевладельцы обычно выполняли свои обязанности через барщину, в которой люди должны были жертвовать свой труд на дорожные работы.Барщина всегда была непопулярной и непродуктивной, но, тем не менее, была более эффективной, чем попытки прямого налогообложения.

    Последний вариант — взимание платы с путешественника — дал начало платной дороге, ставшей расцветом после промышленной революции. Частные магистральные дороги доминировали в строительстве и обслуживании дорог в Великобритании на протяжении 19 века, в конечном итоге покрывая 15 процентов всей сети. В Соединенных Штатах многие платные дороги были построены в первой половине XIX века в соответствии с чартерами, выданными штатами.

    От местного финансирования к общенациональному

    Таким образом, в 19 веке большая часть строительства дорог управлялась и финансировалась на местной основе. Британское дорожное строительство оставалось полностью местным, несмотря на явные доказательства того, что местные власти не обеспечивали адекватных дорог. Национальное правительство вмешалось в эту картину только благодаря усилению давления со стороны велосипедистов, кульминацией которого стало создание в 1909 году национального дорожного совета, уполномоченного строить и содержать новые дороги и предлагать властям шоссейных дорог строить новые или улучшать старые дороги.

    За исключением «Нэшнл Пайк», строительство первых автомагистралей в Соединенных Штатах также осуществлялось местными властями. Конгресс предоставил ряд земельных участков для открытия подъездных путей, но не контролировал расходование средств, в результате чего, как и в Великобритании, было проведено небольшое дорожное строительство.

    В 1891 году Нью-Джерси принял закон, предусматривающий государственную помощь округам, и установил процедуры сбора денег на уровне поселков и округов для строительства дорог.В 1893 году Массачусетс учредил первую государственную дорожную комиссию. К 1913 году большинство штатов приняли аналогичное законодательство, а к 1920 году во всех штатах была собственная дорожная организация. Однако между штатами было мало координации. Национальное финансирование началось в 1912 году с принятия Закона об ассигнованиях почтовых отделений, а Федеральный закон о вспомогательных дорогах 1916 года определил федеральную помощь для автомагистралей в качестве национальной политики. Бюро дорог общего пользования, созданное в Министерстве сельского хозяйства в 1893 году для проведения «расследований в отношении управления дорогами», получило ответственность за программу и формулу распределения, основанную на площади, численности населения и протяженности почтовых дорог в каждом штате. был принят.Были выделены средства на строительство, а все расходы по содержанию должны были взять на себя государства. Местоположение и выбор дорог для улучшения были оставлены на усмотрение штатов, что имело некоторые недостатки.

    С 1892 года национальное движение «Хорошие дороги» лоббировало создание системы национальных дорог, соединяющих основные населенные пункты и вносящих вклад в национальную экономику. Эта точка зрения была признана в Законе о федеральных автомагистралях от 1921 года, который требовал от каждого штата определять систему государственных автомагистралей, не превышающую 7 процентов от общего километража автомагистралей в каждом штате.Финансирование федеральной помощи ограничивалось этой системой, которая не должна была превышать трех седьмых от общего километража шоссе. Требовалось одобрение системы Бюро автомобильных дорог общего пользования, а федеральная помощь была ограничена 50 процентами сметной стоимости.

    Новое шоссе

    Создание такой системы в век автомобилей потребовало новой дороги. Он вырос из бульвара, который имел множество исторических прецедентов, но был представлен в его современном виде в 1858 году благодаря работе ландшафтных архитекторов Фредерика Лоу Олмстеда и Калверта Во для Центрального парка в Нью-Йорке.Эта концепция получила дальнейшее развитие от Уильяма Найлса Уайта из Нью-Йорка в рамках программы защиты реки Бронкс в Нью-Йорке и округе Вестчестер. 15-мильная четырехполосная односторонняя проезжая часть, известная как Bronx River Parkway, была построена между 1916 и 1925 годами. Защищенная с обеих сторон широкими полосами парков, ограничивающими доступ, шоссе было расположено и спроектировано таким образом, чтобы причинять минимальные неудобства для проезда. пейзаж. Его использование было ограничено легковыми автомобилями, а перекрестки на уровне земли избегались.Успех концепции привел к созданию системы бульваров округа Вестчестер и Комиссии по паркам штата Лонг-Айленд. В районе Нью-Йорка было построено больше бульваров, в том числе Merritt Parkway (1934–40), которая продолжила систему Westchester Parkway через Коннектикут в качестве платной дороги, обеспечивающей разделенные дороги и ограниченный доступ.

    Автострада

    Успех системы бульваров привел к появлению автострады, которая представляет собой разделенную автомагистраль без противоречивого движения транспорта и без доступа из прилегающих участков.В Германии между 1913 и 1921 годами группа под названием AVUS построила 10 километров (6 миль) бульвара через парк Грюневальд в Берлине. Их успешный опыт привел к тому, что первая в мире полноценная автострада была построена из Кельна в Бонн в период с 1929 по 1932 год. В 1933 году Адольф Гитлер начал строительство интегрированной сети автострад, известной как Reichsautobahnen , или «национальные автомобильные дороги», начиная с Франкфурта. -Дармштадт-Мангейм-Гейдельберг автобан. Одной из целей программы было сокращение безработицы, но дороги также апеллировали к немецкому национализму и имели сильные милитаристские намерения.Вся система включала три маршрута с севера на юг и три маршрута с востока на запад. На шоссе были предусмотрены отдельные проезжие части длиной 7,5 метров (25 футов), разделенные средней полосой шириной 5 метров (16 футов). Дороги были спроектированы для больших объемов движения и скорости, превышающей 150 километров (90 миль) в час, в обход городов и с ограниченным доступом. К 1936 году было построено около 1000 километров (600 миль), а на момент прекращения строительства в 1942 году использовалось 6500 километров (4000 миль).

    Жизнеспособность концепции автострады в Соединенных Штатах была продемонстрирована автострадой Пенсильвании.Комиссия по шлагбауму Пенсильвании, созданная в 1937 году для сбора средств и строительства платной дороги через Аппалачи, обнаружила необычно благоприятную ситуацию в виде заброшенной железнодорожной полосы отвода с множеством туннелей и отличными отметками на большей части маршрута. Это позволило завершить строительство платной дороги в 1940 году до стандартов автострады. Магистраль обеспечивала две проезжих части длиной 24 фута и срединную проходимость 10 футов без перекрестного движения на одном уровне и с полным контролем доступа и выезда на 11 транспортных развязках.Его выравнивание и уклоны были разработаны для больших объемов высокоскоростного движения, а его покрытие — для размещения самых тяжелых грузовиков. Благоприятная реакция общественности на этот новый тип шоссе послужила толчком для бума платных дорог в Соединенных Штатах после Второй мировой войны, способствовала началу реализации крупной программы межгосударственных автомагистралей и повлияла на развитие автомагистралей в других местах. Шоссе Пенсильвании, первоначально проходившее от Гаррисберга до Питтсбурга, позже было продлено на 100 миль на восток до Филадельфии и на 67 миль на запад до границы с Огайо, в результате чего ее длина составила 327 миль.Оригинальной особенностью магистрали, позже широко скопированной, было наличие ресторана и заправочных станций.

    Национальные и международные системы автомобильных дорог

    Римляне осознали, что скоординированная система дорог, соединяющих основные районы их империи, будет иметь первостепенное значение как для коммерческих, так и для военных целей. В современную эпоху европейские страны впервые представили концепцию автомобильных дорог. Во Франции, например, Государственный департамент дорог и мостов был организован в 1716 году, а к середине 18 века страна была покрыта разветвленной сетью дорог, построенных и обслуживаемых главным образом национальным правительством.В 1797 году дорожная система была разделена на три класса по убыванию важности: (1) дороги, ведущие от Парижа к границам, (2) дороги, ведущие от границы к границе, но не проходящие через Париж, и (3) дороги, соединяющие города. К началу 1920-х годов этот общий план остался в основном тем же, за исключением того, что произошли постепенные изменения в классе и ответственности. В то время дорожная система была разделена на четыре класса: (1) национальные автомагистрали, улучшенные и поддерживаемые национальным правительством, (2) региональные автомагистрали, улучшенные и поддерживаемые департаментом при бюро дорожной службы, назначенном Комиссией департамента, ( 3) главные дороги местного значения, соединяющие малые города и деревни, построенные и обслуживаемые за счет средств коммун, дополненных грантами департамента, и (4) дороги поселков, построенные и обслуживаемые только общинами.

    Сенатор США Роберт Балкли из Огайо с картой предполагаемой федеральной сети, которая была предшественницей системы межгосударственных автомагистралей США, февраль 1938 года.

    Коллекция Харриса и Юинга / Библиотека Конгресса, Вашингтон, округ Колумбия (LC- DIG-hec-24067)

    В то время как британцы признали необходимость национальной поддержки автомагистралей и национальной системы еще в 1878 году, именно Закон о Министерстве транспорта 1919 года впервые классифицировал дорожную систему на 23 230 миль дорог класса I и 14 737 миль дорог класса II. .Пятьдесят процентов стоимости дорог класса I и 25 процентов стоимости дорог класса II должны были покрываться национальным правительством. В середине 1930-х годов была признана необходимость в национальной системе сквозного движения, и Закон о магистральных дорогах 1939 года, за которым последовал Закон 1944 года о магистральных дорогах, создали систему дорог для сквозного движения. Закон о специальных дорогах 1949 года разрешил классифицировать существующие или новые дороги как «автомагистрали», которые могут быть зарезервированы для особых классов движения. Закон о автомагистралях 1959 г. отменил все предыдущее законодательство о автомагистралях в Англии и Уэльсе и заменил его всеобъемлющим набором новых законов.

    Гигантская система автомагистралей между штатами США (формально Национальная система автомагистралей между штатами и оборонными дорогами) была разработана в ответ на сильное общественное давление в 1950-х годах в отношении улучшения дорожной системы. Кульминацией этого давления стало создание президентом Дуайтом Эйзенхауэром Комитета по глине в 1954 году. Следуя рекомендациям этого комитета, Закон о федеральной автостраде и Закон о доходах от шоссе 1956 года обеспечили финансирование ускоренной программы строительства. Был установлен федеральный налог на бензин, средства от которого вместе с другими платежами с пользователей автомагистралей были помещены в Целевой фонд автомобильных дорог.Соотношение между федеральным и штатным финансированием строительства межгосударственной системы было изменено на 90 процентов на федеральное и на 10 процентов на штатное. Ожидалось, что система будет завершена не позднее 1971 года, но рост затрат и задержки в планировании увеличились на этот раз примерно на 25 лет. Система выросла до общей протяженности более 45 000 миль, соединяя почти все крупные города США и обеспечивая более 20 процентов транспортного потока страны чуть более чем на 1 процент от общей системы дорог и улиц.

    Закон о канадских автомагистралях 1919 года предусматривал систему автомагистралей протяженностью 40 000 километров (25 000 миль) и предусматривал федеральный отвод на строительство, не превышающий 40 процентов стоимости. К концу века было построено более 134 000 километров (83 000 миль) шоссе, из которых приблизительно 16 000 километров (9900 миль) были автострадами.

    Типы поверхностей | Путешествуйте с помощью GPS

    Хотите знать, будет ли посреди вашей поездки участок грубого гравия? Или, может быть, вас не застали врасплох все взлетно-посадочные полосы во время того, что, как вы думали, было приключением вдали от велопакетов? Хорошие новости! Вы можете видеть информацию о типе поверхности при планировании и просмотре маршрутов, чтобы вы могли подготовиться к дороге впереди.

    Surfaces — это бесплатная веб-функция, доступная всем подписчикам Starter, Basic, и Premium .

    Ride with GPS предлагает три категории типов поверхностей:
    • Асфальтированная — Мощеные поверхности включают асфальт, бетон и щебенку. Мощеные поверхности показаны сплошной линией.
    • Немощеные — немощеные поверхности включают гравий, грязь и естественные / неулучшенные тропы. Немощеные поверхности показаны пунктирной линией.
    • Неизвестно — Если данных о поверхности недостаточно, она будет отображаться как неизвестная. Неизвестные поверхности показаны обведенной белой линией.
    • Откройте веб-планировщик маршрутов. Поверхности будут включены по умолчанию.
    • Выберите свой любимый тип карты
    • Планируйте дальше! По мере прокладки маршрута вы сможете видеть типы поверхности вдоль линии пути и в профиле высоты.
    • Сохранить и Поделиться .Когда вы сохраняете маршрут с данными о типе поверхности, любой, кто просматривает маршрут, сможет увидеть разбивку поверхности.

    Pro Совет № 1: При планировании поверхностей придерживайтесь движения по дорогам. Данные о типе поверхности недоступны при рисовании линий и будут отображаться как неизвестные.

    При просмотре маршрута в Интернете, который был спланирован с включенными поверхностями, вы увидите полную разбивку по типам поверхности на странице маршрута.

    Pro Совет № 2: Если вы хотите обновить маршрут, который не включает информацию о типе поверхности, вы можете использовать инструмент Trace Tool, чтобы воссоздать маршрут с включенными поверхностями.Поверхности будут включены по умолчанию в веб-планировщике маршрутов. Отключить:
    • Щелкните Параметры> Снимите флажок Поверхности
    • Или нажмите кнопку Поверхности в профиле отметки

    Если вы знаете, что тип поверхности неправильно отнесен к категории — например, асфальтированная, когда на самом деле это гравийная дорога — вы можете вручную редактировать тип поверхности при планировании маршрута.

    Этот инструмент доступен только в веб-планировщике маршрутов.

    Чтобы вручную отредактировать тип поверхности на маршруте:

    • Выберите участок маршрута, который вы хотите редактировать, в профиле отметки
    • В меню инструментов выбора щелкните Изменить поверхность
    • Щелкните «Асфальтированный» или «Немощеный»> Изменить поверхность
    • Сохранить свой маршрут

    Примечание: Когда вы вручную редактируете информацию о типе поверхности на маршруте, обновление будет отражено только на отредактированном вами маршруте, но не на будущих маршрутах.Вы можете постоянно обновлять информацию о типе поверхности, внося свой вклад в OpenStreetMap (OSM)

    Мы полагаемся на данные из OpenStreetMap (OSM), картографической службы всего мира с открытым исходным кодом, для Surfaces и можем обновлять информацию о типе поверхности только тогда, когда они это делают. Если вы заметили, что поверхность была неправильно отнесена к категории и хотите обновить ее, вы можете внести правильную информацию о типе поверхности непосредственно в OSM. Пожалуйста, посетите нашу страницу с подробной справкой по OSM, чтобы узнать, как это сделать.

    к

    Контроль качества дорожного покрытия | MTI Instruments

    Введение

    Различные департаменты транспорта (DOT), как на национальном, так и на международном уровне, разрабатывают и внедряют автоматизированное оборудование для проверки качества дорог. « Хорошо известно, что характеристики дорожного покрытия, особенно поверхностного слоя, важны для удовлетворения некоторых основных требований, таких как безопасность пользователя и шумовое загрязнение.Характеристики дороги оцениваются и классифицируются путем принятия определенных параметров, которые влияют на различные характеристики дороги, одним из которых является текстура поверхности; это также строго связано с контактом шины с дорогой. 1

    Проблема

    Дорожная инспекция, как известно, является сложной задачей из-за динамических изменений отражательной способности дорожного заполнителя, трещин, деформационных швов и яркого солнечного света. Необходима высокая частота дискретизации, чтобы иметь возможность видеть и записывать профиль поверхности дороги, когда инспекционная машина движется с нормальной скоростью.

    Решение

    Лазерный сканер серии Microtrak ™ от MTI Instruments включает в себя высокоскоростные датчики линейного сканирования и КМОП-сенсоры, которые производят отбор до 40 000 образцов в секунду. В то время как дихроичный фильтр сокращает окружающий свет, высокоскоростной сервопривод с замкнутым контуром регулирует интенсивность лазера для оптимизации для средних дорожных условий.

    Функция времени резки определяет потерю сигнала, когда лазерное пятно попадает в трещину, а датчик линейного сканирования не может обнаружить возврат.В этом случае процессор лазерного датчика автоматически сохраняет последнее известное значение в течение короткого периода времени (программируется пользователем), пока лазерное пятно на поверхности дороги снова не станет видимым. Как правило, лазерная сенсорная головка LTS-300-200 является лучшим выбором из-за ее зазора 300 мм и диапазона измерения 200 мм. Лазерные головки имеют степень защиты IP-67 от окружающей среды и могут выдерживать вибрацию до 16 G.

    Позвольте нашим инженерам по эксплуатации познакомить вас с Microtrak ™.

    6-й симпозиум по характеристикам поверхности дорожного покрытия (SURF), Порторож, 2008 г. — Видео-лекции

    6-й симпозиум по характеристикам поверхности дорожного покрытия (SURF), Порторож 2008

    Каждые 4 года PIARC организует международный симпозиум по характеристикам дорожного покрытия для дорог и аэродромов, так называемые мероприятия SURF.

    Первый симпозиум был проведен в Государственном колледже, Пенсильвания, США, в июне 1988 г., за ним последовали симпозиумы в Германии (Берлин, июнь 1992 г.), Новой Зеландии (Крайстчерч, сентябрь 1996 г.), Франции (Нант, июнь 2000 г.) и Канаде (Торонто). , Июнь 2004 г.).

    Успех и интерес, проявленные к этим симпозиумам, побудили Технический комитет PIARC TC 4.2 «Взаимодействие дороги и транспортного средства» и словенский национальный комитет PIARC начать с организации 6-го Международного симпозиума по характеристикам дорожного покрытия дорог и аэродромов в 2008 году.В новом стратегическом плане PIARC на 2008–2011 годы текущий комитет D 2a связан с SURF 2008 и показывает, что существует непрерывность действий PIARC в данной области, хотя назначение и точный круг ведения меняются от одного цикла к другому.


    > Подробнее о SURF 2008 — http://www.surf2008.si/


    Категории Interactions

    Сессия открытия

    Словения, ее дороги и ее опыт

    0

    0

    0

    Монтаж дорожного покрытия (трение)

    Инструменты анализа данных

    Критерии эффективности

    0618

    Оценка дорожного покрытия (измерение растрескивания)

    Инструменты анализа данных

    Инструменты анализа данных (профайлер)

    Оценка тротуаров

    Методы реагирования для измерения неровностей дорожного покрытия: актуальное состояние | Обзор европейских транспортных исследований

  • 1.

    Daily Mail Online (2010) Ямы, каждый день наносящие автомобилям ущерб на сумму более 1 миллиона фунтов стерлингов. https://www.dailymail.co.uk/news/article-1168103/Potholes-causing-1m-damage-cars-EVERY-day.html. По состоянию на 26 марта 2019 г.

    Google ученый

  • 2.

    Цинь, Ю., Вэй, К., Тан, X., Чжан, Н., Донг, М., и Ху, К. (2018). Новый подход нелинейной классификации профиля дороги для управляемой системы подвески: моделирование и экспериментальная проверка. Механические системы и обработка сигналов . https://doi.org/10.1016/j.ymssp.2018.07.015.

  • 3.

    ASTM E1364–95. (2017). Стандартный метод измерения неровностей дороги методом статического уровня . Западный Коншохокен: Американское общество испытаний и материалов.

    Google ученый

  • 4.

    Думиати, М., Викторино, А., Чарара, А., и Лехнер, Д. (2011). Оценка профиля дороги для динамического движения транспортного средства: экспериментальная проверка (стр.5237–5242). Сан-Франциско: Материалы американской конференции по контролю.

    Google ученый

  • 5.

    Имин, Х., Деланн, Й., и М’Сирди, Н.К. (2006). Оценка входных данных профиля дороги при моделировании динамики транспортного средства. Динамика систем транспортных средств, 44 , 285–303. https://doi.org/10.1080/00423110500333840.

    Артикул Google ученый

  • 6.

    Макканн, Р., & Нгуен, С. (2007). Идентификация системы для модельного наблюдателя профилировщика неровностей дороги. В конференции 2007 IEEE region 5, TPS (стр. 336–343).

    Глава Google ученый

  • 7.

    Кумар Р., Мукерджи А. и Сингх В. П. (2017). Сеть общественных датчиков для мониторинга неровностей дороги с помощью смартфонов. Журнал вычислительной техники в гражданском строительстве, 31 , 1–11. https://doi.org/10.1061 / (ASCE) CP.1943-5487.0000624.

    Артикул Google ученый

  • 8.

    Чжан, З., Сун, К., Бриджелалл, Р., и Сун, М. (2018). Реконструкция профиля дороги с использованием откликов подключенных транспортных средств и вейвлет-анализа. Журнал террамеханики, 80 , 21–30. https://doi.org/10.1016/j.jterra.2018.10.004.

    Артикул Google ученый

  • 9.

    Sauerwein, P.М. и Смит Б. Л. (2011). Исследование реализации системы оценки шероховатости дорожного покрытия на базе зондовых транспортных средств . Шарлоттсвилл: Центр транспортных исследований.

    Google ученый

  • 10.

    Чу, Г., Бансал, Д., и Софат, С. (2014). Определение состояния дороги с помощью датчиков смартфона: исследование. Международный журнал электронной и электротехники, 7 , 595–602.

    Google ученый

  • 11.

    Уолстрем, Дж., Ског, И., и Гендель, П. (2017). Автомобильная телематика на базе смартфонов: десятилетний юбилей. Транзакции IEEE по интеллектуальным транспортным системам, 18 , 2802–2825. https://doi.org/10.1109/TITS.2017.2680468.

    Артикул Google ученый

  • 12.

    Ван Ви Б. и Банистер Д. (2016). Как написать обзорную статью? Транспортные обзоры, 36 , 278–288. https://doi.org/10.1080 / 01441647.2015.1065456.

    Артикул Google ученый

  • 13.

    Бернем, Дж. Ф. (2006). База данных Scopus: обзор. Биомедицинские электронные библиотеки, 3 , 1–8. https://doi.org/10.1186/1742-5581-3-1.

    Артикул Google ученый

  • 14.

    Jacsó, P. (2005). Ученый Google: плюсы и минусы. Обзор онлайн-информации, 29 , 208–214. https: // doi.org / 10.1108 / 14684520510598066.

    Артикул Google ученый

  • 15.

    Ценг Х. Э. и Хроват Д. (2015). Обзор последних достижений: активное и полуактивное управление подвеской. Динамика систем транспортных средств, 53, , 1034–1062. https://doi.org/10.1080/00423114.2015.1037313.

    Артикул Google ученый

  • 16.

    Думиати, М., Викторино, А., Чарара, А., и Лехнер, Д.(2011). Оценка профиля дороги для динамического движения транспортного средства: экспериментальная проверка. В материалах Труды Американской конференции по контролю за 2011 г. (стр. 5237–5242). https://doi.org/10.1109/ACC.2011.59

    .

    Глава Google ученый

  • 17.

    Ю В., Чжан X., Го К., Карими Х. Р., Ма Ф. и Чжэн Ф. (2013). Адаптивная оценка в реальном времени свойств дорожных нарушений с учетом изменения нагрузки через вертикальную динамику транспортного средства. Математические проблемы техники, 2013 , 1–9. https://doi.org/10.1155/2013/283528.

    Артикул Google ученый

  • 18.

    Фориа, В., Маттранд, К., Гайтон, Н., Бику, А., и Чембжински, Т. (2016). Оценка изменчивости профиля дороги на основе измеренных откликов транспортных средств. Динамика систем автомобиля, 3114 . https://doi.org/10.1080/00423114.2016.1145243.

  • 19.

    Gim, J., & Ahn, C.(2018). Виртуальный датчик профиля дороги на основе Imu для определения местоположения автомобиля. Sensors (Швейцария) , 18. https://doi.org/10.3390/s18103344.

  • 20.

    Хаддар М., Басламисли С.С., Чаари Р., Чаари Ф. и Хаддар М. (2019). Идентификация профиля дороги с помощью алгебраической оценки. Труды Института инженеров-механиков, часть C: журнал машиностроения, 233 , 1139–1155. https://doi.org/10.1177/0954406218767470.

    Артикул Google ученый

  • 21.

    Ван З., Донг М., Цинь Ю., Ду Ю., Чжао Ф. и Гу Л. (2017). Оценка состояния подвески с использованием адаптивной фильтрации Калмана на основе классификации дорог. Vehicle System Dynamics, 55 , 371–398. https://doi.org/10.1080/00423114.2016.1267374.

    Артикул Google ученый

  • 22.

    Цинь, Ю., Лангари, Р., Ван, З., Сян, К., и Донг, М. (2017). Оценка профиля дороги для полуактивной подвески с использованием адаптивного фильтра Калмана и адаптивного наблюдателя сверхкручения.В Труды американской конференции по контролю (стр. 973–978). https://doi.org/10.23919/ACC.2017.7963079.

    Глава Google ученый

  • 23.

    Рабхи А., Мерсирди Н. К., Фридман Л. и Деланн Ю. (2006). Наблюдатель скользящего режима второго порядка для оценки профиля дороги. В Труды международного семинара 2006 г. по системам с переменной структурой (стр. 161–165). Альгеро: VSS’06 .

    Глава Google ученый

  • 24.

    Рат, Дж. Дж., Велуволу, К. К., & Дефоорт, М. (2014). Оценка профиля дороги для подвесных систем с использованием адаптивного наблюдателя сверхкручивания. В , 2014 г., Европейская конференция по контролю, ECC (стр. 1675–1680). https://doi.org/10.1109/ECC.2014.6862248.

    Глава Google ученый

  • 25.

    Рат, Дж. Дж., Член, С., Велуволу, К.С., Член, С., и Дефоорт, М. (2015). Одновременная оценка профиля дороги и сцепления шин с дорогой автомобильной техники. Транзакции IEEE по автомобильным технологиям, 64 , 4461–4471. https://doi.org/10.1109/TVT.2014.2373434.

    Артикул Google ученый

  • 26.

    Арат, М. А., Тахери, С., и Холвег, Э. (2015). Оценка профиля дороги для активной подвески. SAE Международный журнал легковых автомобилей — механические системы, 8 .https://doi.org/10.4271/2015-01-0651.

  • 27.

    Doumiati, M., Erhart, S., Martinez, J., Sename, O., & Dugard, L. (2014). Схема адаптивного управления для оценки профиля дороги: приложение к динамике транспортного средства. В Труды 19-го Всемирного конгресса Международной федерации автоматического управления (стр. 8445–8450). Кейптаун: IFAC.

    Google ученый

  • 28.

    Tudón-martínez, J. C., Fergani, S., Сенаме О., Мартинес Дж. Дж., Моралес-Менендес Р. и Дугард Л. (2015). Адаптивная оценка профиля дороги в полуактивных автомобильных подвесках. IEEE Transactions on Control Systems Technology, 23 , 2293–2305. https://doi.org/10.1109/TCST.2015.2413937.

    Артикул Google ученый

  • 29.

    Doumiati, M., Jairo, J., Molina, M., et al. (2017). Оценка профиля дороги с использованием адаптивного параметрического наблюдателя Юлакучера: Сравнение с реальными профилировщиками. Control Engineering Practice, Elsevier, 61 , 270–278.

    Артикул Google ученый

  • 30.

    Рахман, М., & Ридаут, Г. (2012). Использование ведущего транспортного средства в качестве датчика предварительного просмотра при управлении активной подвеской автоколонны. Динамика систем транспортных средств, 50 , 1923–1948. https://doi.org/10.1080/00423114.2012.707801.

    Артикул Google ученый

  • 31.

    Тудон-Мартинес, Дж. К., Фергани, С., Сенаме, О., Моралес-Менендес, Р., и Дугард, Л. (2014). Оценка профиля дороги в режиме онлайн в автомобильной технике (стр. 2370–2375). Страсбург: Европейская конференция по контролю (ECC).

    Google ученый

  • 32.

    Ли З., Калабич У. В., Колмановский И. В., Аткинс Э. М., Лу Дж. И Филев Д. П. (2016). Одновременная оценка профиля дороги и обнаружение аномалий с помощью входного наблюдателя и средства оценки процесса распространения скачка.В труде Американской конференции по контролю, 2016 г. — июль г. (стр. 1693–1698). https://doi.org/10.1109/ACC.2016.7525160.

    Глава Google ученый

  • 33.

    Нгвангва, Х. М., Хейнс, П. С., Лабушагне, Ф. Дж. Дж., И Кулуланга, Г. К. (2010). Реконструкция дефектов дороги и классификация неровностей дороги с использованием реакции транспортных средств с помощью моделирования искусственных нейронных сетей. Журнал террамеханики, 47 , 97–111.https://doi.org/10.1016/j.jterra.2009.08.007.

    Артикул Google ученый

  • 34.

    Ngwangwa, H. M., & Heyns, P. S. (2014). Применение методологии на основе ИНС для определения состояния дорожного покрытия на карьерных машинах и дорогах. Журнал террамеханики, 53, , 59–74. https://doi.org/10.1016/j.jterra.2014.03.006.

    Артикул Google ученый

  • 35.

    Нгвангва, Х. М., Хейнс, П. С., Брейтенбах, Х. Г. А., и Элс, П. С. (2014). Реконструкция дефектов дороги и классификация неровностей дороги с использованием моделирования искусственных нейронных сетей и динамических характеристик транспортных средств: приложение к экспериментальным данным. Журнал террамеханики, 53 , 1–18. https://doi.org/10.1016/j.jterra.2014.03.002.

    Артикул Google ученый

  • 36.

    Юсефзаде, М., Азади, С., и Солтани, А.(2010). Оценка профиля дороги с использованием алгоритма нейронной сети. Журнал механических наук и технологий, 24 , 743–754. https://doi.org/10.1007/s12206-010-0113-1.

    Артикул Google ученый

  • 37.

    Li, Z., Yu, W., & Cui, X. (2018). Онлайн-классификация неровностей дороги с ускорением неподрессоренной массы автомобиля в скользящем временном окне. Удары и вибрации, 2018 . https://doi.org/10.1155/2018/5131434.

  • 38.

    Ван С., Кодагода С., Ван З. и Диссанаяке Г. (2011). Классификация местности на основе нескольких датчиков . Мельбурн: Материалы австралийской конференции 2011 года по робототехнике и автоматизации.

    Google ученый

  • 39.

    Ван С., Кодагода С., Ши Л. и Ван Х. (2017). Классификация дороги для наземных транспортных средств: использование подхода, основанного на ускорении. Журнал IEEE Vehicular Technology Magazine, 12 , 34–41. https://doi.org/10.1109/MVT.2017.2656949.

    Артикул Google ученый

  • 40.

    Ван С., Хушаба Р. и Кодагода С. (2012). К классификации типов дорог, не зависящих от скорости (стр. 614–619). Гуанчжоу: 2012 12-я Международная конференция по контролю, автоматизации, робототехнике и зрению, ICARCV 2012.

    Google ученый

  • 41.

    Уорд, К. К., & Ягнемма, К. (2009). Классификация местности для легковых автомобилей на основе вибрации, не зависящая от скорости. Динамика систем транспортных средств, 47 , 1095–1113. https://doi.org/10.1080/00423110802450193.

    Артикул Google ученый

  • 42.

    Цинь, Ю., Лангари, Р., Ван, З., Сян, К., и Донг, М. (2017). Классификация дорожного возбуждения для полуактивной системы подвески с глубокими нейронными сетями. Журнал интеллектуальных нечетких систем, 33 , 1907–1918.https://doi.org/10.3233/JIFS-161860.

    Артикул Google ученый

  • 43.

    Цинь, Ю., Сян, К., Ван, З., и Донг, М. (2018). Классификация дорожного возбуждения для полуактивной системы подвески на основе реакции системы. JVC / Journal of Vibration and Control, 24 , 2732–2748. https://doi.org/10.1177/1077546317693432.

    Артикул Google ученый

  • 44.

    Цинь, Ю., Донг, М., Чжао, Ф., Лангари, Р., и Гу, Л. (2015). Классификация профиля дороги для полуактивной системы подвески автомобиля на основе адаптивной системы нейро-нечеткого вывода. В Труды конференции IEEE по решениям и контролю (стр. 1533–1538). Осака: Институт инженеров по электротехнике и электронике, Inc.

  • 45.

    Цинь, Ю., Лангари, Р., и Гу, Л. (2014). Использование динамического отклика транспортного средства для оценки входных данных профиля дороги во временной области. В конференции по динамическим системам и управлению ASME 2014, DSCC 2014 .Сан-Антонио: Американское общество инженеров-механиков.

  • 46.

    Цинь, Ю., Донг, М., Лангари, Р., Гу, Л., и Гуань, Дж. (2015). Адаптивное гибридное управление полуактивной подвеской автомобиля на основе оценки профиля дороги. Удар и вибрация, 2015 , 14–17. https://doi.org/10.1155/2015/636739.

    Артикул Google ученый

  • 47.

    Qin, Y., Wang, Z., Xiang, C., Hashemi, E., Khajepour, A., & Huang, Y.(2019). Стратегия классификации дорог, не зависящая от скорости, на основе реакции автомобиля: теория и экспериментальное подтверждение. Механические системы и обработка сигналов, 117 , 653–666. https://doi.org/10.1016/j.ymssp.2018.07.035.

    Артикул Google ученый

  • 48.

    Бен Хассен, Д., Милади, М., Аббес, М. С., Басламисли, С. К., Чаари, Ф., и Хаддар, М. (2019). Оценка профиля дороги с использованием динамических характеристик полной модели автомобиля. Прикладная акустика, 147 , 87–99. https://doi.org/10.1016/j.apacoust.2017.12.007.

    Артикул Google ученый

  • 49.

    Gorges, C., Öztürk, K., & Liebich, R. (2019). Обнаружение ударов с использованием подхода машинного обучения и экспериментальной классификации неровностей дороги. Механические системы и обработка сигналов, 117 , 738–756. https://doi.org/10.1016/j.ymssp.2018.07.043.

    Артикул Google ученый

  • 50.

    Гонсалес, А., О’Брайен, Э. Дж., Ли, Ю. Ю., и Кашелл, К. (2008). Использование измерений ускорения транспортного средства для оценки неровности дороги. Динамика систем транспортных средств, 46, , 483–499. https://doi.org/10.1080/00423110701485050.

    Артикул Google ученый

  • 51.

    ISO8608: 2016 (en). (2016). Механическая вибрация — профили дорожного покрытия — отчет измеренных данных. В Международная организация по стандартизации .

    Google ученый

  • 52.

    Цинь, Ю., Гуань, Дж., И Гу, Л. (2012). Исследование оценки профиля дороги на основе измерения ускорения. Прикладная механика и материалы, 226–228 , 1614–1617. https://doi.org/10.4028/www.scientific.net/AMM.226-228.1614.

    Артикул Google ученый

  • 53.

    Gorges, C., Öztürk, K., & Liebich, R. (2018). Классификация дорог для двухколесных транспортных средств. Динамика систем транспортных средств, 56, , 1289–1314. https://doi.org/10.1080/00423114.2017.1413197.

    Артикул Google ученый

  • 54.

    Ван, К., МакДэниел, Дж. Г., Сан, Н. X. и Ван, М. Л. (2013). Оценка профиля городских дорог с помощью DTPS . Сан-Диего: Труды SPIE — Международного общества оптической инженерии.

    Книга Google ученый

  • 55.

    Харрис, Н. К., Гонсалес, А., ОБрайен, Э. Дж., И МакГетрик, П. (2010). Определение высоты профиля дорожного покрытия с использованием показаний акселерометра и комбинаторной оптимизации. Журнал звука и вибрации, 329 , 497–508. https://doi.org/10.1016/j.jsv.2009.09.035.

    Артикул Google ученый

  • 56.

    Бургер М. (2014). Расчет входных данных дороги для моделирования транспортного средства. Динамика многотельных систем, 31, , 93–110.https://doi.org/10.1007/s11044-013-9380-9.

    MathSciNet Статья МАТЕМАТИКА Google ученый

  • 57.

    Ноак, М., Бота, Т., Хамерсма, Х.А., Иванов, В., Регер, Дж., И Элс, С. (2018). Оценка профиля дороги с помощью объединения датчиков на основе функции модуляции и расширения ряда для реконструкции входных данных. In Proceedings — 2018 IEEE 15-й международный семинар по расширенному управлению движением, AMC 2018 (стр. 547–552). Токио: Институт инженеров по электротехнике и электронике Inc.

  • 58.

    Heyns, T., Heyns, P. S., & De Villiers, J. P. (2012). Метод мониторинга состояния подъездных дорог в режиме реального времени, основанный на оценке байесовских параметров. Журнал террамеханики, 49 , 103–113. https://doi.org/10.1016/j.jterra.2011.12.001.

    Артикул Google ученый

  • 59.

    Johnsson, R., & Odelius, J. (2012). Методы оценки текстуры дороги с использованием измерений транспортных средств. В Труды международной конференции по шумовой и вибрационной технике (ISMA 2012) (стр.1573–1582).

    Google ученый

  • 60.

    Ли, X., & Голдберг, Д. У. (2018). На пути к мобильной системе краудсенсинга для оценки дорожного покрытия. Компьютеры, окружающая среда и городские системы, 69 , 51–62. https://doi.org/10.1016/j.compenvurbsys.2017.12.005.

    Артикул Google ученый

  • 61.

    Харрис, Д. К., Алипур, М., Актон, С. Т., Мессери, Л. Р., Ваккари, А., И Барнс, Л. Э. (2017). Гражданский инженер: мониторинг городской инфраструктуры с помощью краудсорсинговой аналитики данных. В S. J.G. (Ред.), Structures congress 2017: Бизнес, профессиональная практика, образование, исследования и управление стихийными бедствиями — избранные доклады из Structures congress 2017 (стр. 495–510). Денвер: Американское общество инженеров-строителей (ASCE).

  • 62.

    Меднис А., Страздиньш Г., Звиедрис Р., Канонирс Г. и Селаво Л. (2011). Обнаружение выбоин в реальном времени с помощью смартфонов Android с акселерометрами.В 2011 Международная конференция по распределенным вычислениям в сенсорных системах и семинары . Барселона: DCOSS’11.

    Google ученый

  • 63.

    Бадурович М., Цеплак Т. и Монтусевич Дж. (2016). Система потокового анализа облачных вычислений для обнаружения дорожных артефактов. Коммуникации в компьютерных и информационных науках, 608 , 360–369. https://doi.org/10.1007/978-3-319-39207-3_31.

    Артикул Google ученый

  • 64.

    Де Зойса, К. (2007). Сенсорная сеть на базе системы общественного транспорта для мониторинга состояния дорожного покрытия. В Семинар по сетевой системе для развивающихся регионов. НСДР’07 . Нью-Йорк, Киото: Ассоциация компьютерной техники.

    Google ученый

  • 65.

    Яги, К. (2010). Дополнительный датчик для смартфона для обнаружения неровностей дороги (стр. 1–10). Пусан: 17-й всемирный конгресс ITS.

    Google ученый

  • 66.

    Номура, Т., и Сираиси, Ю. (2015). Метод оценки состояния дорожного покрытия с помощью смартфона. Международный журнал общества информатики, 7 , 29–36.

    Google ученый

  • 67.

    Лимкар, С., Раджман, О., Бхосале, А., и Рэйн, В. (2018). Небольшие усилия для превращения Пуны в умный город: интеллектуальное определение состояния дорог в режиме реального времени и эффективная система управления. Интеллектуальные инновации, системы и технологии, 78 , 609–621.https://doi.org/10.1007/978-981-10-5547-8_63.

    Артикул Google ученый

  • 68.

    Ришивал В. и Хан Х. (2016). Автоматическое обнаружение выбоин и выбоин с помощью системы Android. В 39-я международная конвенция по информационным и коммуникационным технологиям, электронике и микроэлектронике, MIPRO 2016 — труды (стр. 1270–1273). Опатия: Институт инженеров по электротехнике и электронике, Inc ..

    Google ученый

  • 69.

    Mukherjee, A., & Majhi, S. (2016). Определение характеристик дорожных неровностей с помощью смартфонов. Обзор европейских транспортных исследований . https://doi.org/10.1007/s12544-016-0200-1.

  • 70.

    Мета, Дж., Матур, В., Агарвал, Д., Шарма, А., и Пракаша, К. (2017). Система обнаружения и анализа выбоин (PODAS) для получения данных в реальном времени с использованием сенсорных сетей. Журнал инженерных и прикладных наук, 12 , 3090–3097. https://doi.org/10.3923/jeasci.2017.3090.3097.

    Артикул Google ученый

  • 71.

    Сайед Б., Пал А., Шринивасаренган К. и Баламуралидхар П. (2012). Умное транспортное приложение киберфизических систем: мониторинг дорожного покрытия с помощью мобильных устройств. В Труды международной конференции по сенсорным технологиям, ICST (стр. 8–12). https://doi.org/10.1109/ICSensT.2012.6461796.

    Глава Google ученый

  • 72.

    Харикришнан П. М. и Варун П. Г. (2017). Обработка сигналов вибрации автомобиля для мониторинга дорожного покрытия. Журнал датчиков IEEE, 17 , 5192–5197.

    Артикул Google ученый

  • 73.

    Wang, H.-W., Chen, C.-H., Cheng, D.-Y., Lin, C.-H., & Lo, C.-C. (2015). Подход к обнаружению выбоин в режиме реального времени для интеллектуальной транспортной системы. Математические проблемы техники, 2015 . https: // doi.org / 10.1155 / 2015/869627.

  • 74.

    Aljaafreh, A., Alawasa, K., Alja’afreh, S., & Abadleh, A. (2017). Система нечеткого вывода для обнаружения лежачих полицейских с помощью датчика акселерометра смартфона. Журнал электросвязи, электронной и вычислительной техники, 9 , 133–136.

    Google ученый

  • 75.

    Алеаделат У., Райт, К. Х. Г. и Ксайбати, К. (2018). Оценка качества езды по гравийным дорогам с помощью смартфона на базе Android. Отчет об исследованиях в области транспорта . https://doi.org/10.1177/0361198118758693.

  • 76.

    Grabowski, D., Szczodrak, M., & Czyzewski, A. (2018). Экономичные методы измерения шероховатости дорожного покрытия. Метрология и измерительные системы, 25 , 533–549. https://doi.org/10.24425/123905.

    Артикул Google ученый

  • 77.

    Али Дж. И Дио В. (2017). Покрытие и размещение мобильных датчиков для транспортных средств на заранее определенных маршрутах: жадный эвристический подход.В ICETE 2017 — материалы 14-й совместной международной конференции по электронному бизнесу и телекоммуникациям (стр. 83–88).

    Глава Google ученый

  • 78.

    Астарита В., Карузо М. В., Даниэли Г., Феста Д. К., Джофре В. П., Юэле Т. и Вайана Р. (2012). Мобильное приложение для контроля качества дорожного покрытия: UNIquALroad. Процедуры — социальные и поведенческие науки . https://doi.org/10.1016/j.sbspro.2012.09.828.

  • 79.

    Витторио А., Розолино В., Тереза ​​И., Виттория К. М. и Винченцо П. Г. (2014). Автоматизированная система контроля качества дорожного покрытия с помощью мобильных устройств. Процедурно-социальные и поведенческие науки . (стр. 111, 242-251).

  • 80.

    Сингх Г., Бансал Д., Софат С. и Аггарвал Н. (2017). Интеллектуальное патрулирование: эффективный мониторинг дорожного покрытия с помощью датчиков смартфонов и краудсорсинга. Pervasive and Mobile Computing, 40 , 71–88.https://doi.org/10.1016/j.pmcj.2017.06.002.

    Артикул Google ученый

  • 81.

    Yi, C.-W., Chuang, Y.-T., & Nian, C.-S. (2015). К краудсорсингу мониторинга дорожного покрытия с помощью мобильных сенсорных технологий. Транзакции IEEE по интеллектуальным транспортным системам, 16 , 1905–1917. https://doi.org/10.1109/TITS.2014.2378511.

    Артикул Google ученый

  • 82.

    Чен, К., Лу, М., Фань, X., Вэй, М., и Ву, Дж. (2011). Мониторинг состояния дороги с помощью бортового трехосного акселерометра и датчика GPS. В Международная конференция ИККТ по ​​коммуникациям и сетям . Китай (стр. 1032–1037).

    Google ученый

  • 83.

    Ду, Ю., Лю, К., Ву, Д., и Цзян, С. (2014). Измерение международного индекса шероховатости с помощью акселерометров оси Z и GPS. В Математических задачах в технике, 2014 .https://doi.org/10.1155/2014/928980.

    Глава Google ученый

  • 84.

    Докинз Дж., Бевли Д., Пауэлл Б. и Бишоп Р. (2011). Исследование применений Intellidrive для ухода за дорожным покрытием . Технический отчет Университета Вирджинии: Центр транспортных исследований Университета Вирджинии.

  • 85.

    Цзэн Х., Парк Х., Смит Б. Л. и Паркани Э. (2018). Технико-экономическое обоснование приложения для смартфона для оценки неровностей дороги. KSCE Journal of Civil Engineering, 22 , 3120–3129. https://doi.org/10.1007/s12205-017-1008-9.

    Артикул Google ученый

  • 86.

    Абулизи, Н., Кавамура, А., Томияма, К., и Шун, Ф. (2016). Измерение и оценка неровностей дороги с помощью компактного профилировщика дорог и ArcGIS. Journal of Traffic and Transportation Engineering (английское издание), 3 , 398–411. https://doi.org/10.1016/j.jtte.2016.09.004.

    Артикул Google ученый

  • 87.

    Дуангпхачан В. и Онеяма Х. (2014). Исследование использования смартфонов в реальных условиях для оценки неровностей дороги. Журнал EURASIP по беспроводной связи и сетям, 2014 , 1–11.

    Артикул Google ученый

  • 88.

    Дуангпхачан В. и Онеяма Х. (2013).Исследование использования смартфонов для оценки неровностей дороги. Журнал Восточноазиатского общества транспортных исследований, 10 , 1551–1564.

    Google ученый

  • 89.

    Ли, Дж., Чжан, З., и Ван, В. (2019). Новый подход к оценке международного индекса шероховатости на основе метода обратного псевдовозбуждения. Журнал транспортного машиностроения, часть B: тротуары , 145. https: // doi.org / 10.1061 / JPEODX.0000093.

  • 90.

    Ндойе, М., Ванджари, С. В., Ха, Х., Крогмайер, Дж. В., Баллок, Д. М., Хеджес, К. А., и Адевунми, А. (2006). Измерение и обработка сигналов для распределенной системы мониторинга дорожного покрытия. В 2006 12-й семинар по цифровой обработке сигналов IEEE и 4-й учебный семинар по обработке сигналов IEEE (стр. 162–167). https://doi.org/10.1109/DSPWS.2006.265446.

    Глава Google ученый

  • 91.

    Alessandroni, G., Klopfenstein, L.C., Delpriori, S., et al. (2014). SmartRoadSense: совместный мониторинг состояния дорожного покрытия. В UBICOMM 2014: Восьмая международная конференция по универсальным мобильным вычислениям, системам, услугам и технологиям SmartRoadSense (стр. 210–215).

    Google ученый

  • 92.

    Алессандрони, Г., Карини, А., Латтанци, Э., Фрески, В., и Боглиоло, А. (2017). Исследование влияния скорости на определение неровностей дороги: случай SmartRoadSense. Sensors (Швейцария) , 17. https://doi.org/10.3390/s17020305.

  • 93.

    Ндойе М., Баркер А.М., Крогмайер Дж. В. и Баллок Д. М. (2011). Рекурсивный многомасштабный алгоритм корреляционного усреднения для автоматизированной распределенной системы мониторинга состояния дорог. Транзакции IEEE в интеллектуальных транспортных системах, 12 , 795–808. https://doi.org/10.1109/TITS.2011.2132799.

    Артикул Google ученый

  • 94.

    Бриджелолл Р. (2014). Подход к подключенному транспортному средству для оценки шероховатости покрытия. Журнал инфраструктурных систем, 20 , 04013001. https://doi.org/10.1061/(ASCE)IS.1943-555X.0000167.

    Артикул Google ученый

  • 95.

    Бриджелолл Р. (2015). Выбор частоты дискретизации инерционного датчика для измерения качества езды. Журнал инфраструктурных систем, 21, , 04014039. https://doi.org/10.1061/(ASCE)IS.1943-555Х.0000225.

    Артикул Google ученый

  • 96.

    Бриджелолл, Р., Хуанг, Ю., Чжан, З., и Дэн, Ф. (2016). Повышение точности локализации неровностей дорожного покрытия при подключении транспортных средств. Измерительная наука и технология , 27. https://doi.org/10.1088/0957-0233/27/2/025012.

  • 97.

    Бриджелолл Р. и Толливер Д. (2018). Повышение точности локализации дефектов проезжей части с помощью подключенных транспортных средств. Международный журнал по проектированию дорожных покрытий, 19 , 75–81. https://doi.org/10.1080/10298436.2016.1162306.

    Артикул Google ученый

  • 98.

    Бриджелалл, Р., Рахман, М. Т., Толливер, Д. Д., и Далейден, Дж. Ф. (2016). Использование подключенных транспортных средств для характеристики качества езды. Отчет об исследованиях в области транспорта: журнал Совета по исследованиям в области транспорта, 2589 , 119–126. https://doi.org/10.3141/2589-13.

    Артикул Google ученый

  • 99.

    Бриджелолл Р. (2014). Границы точности прогнозов износа дорожного покрытия от подключенных транспортных средств. Journal of Infrastructure Systems, 21 , 04014033. https://doi.org/10.1061/(asce)is.1943-555x.0000218.

    Артикул Google ученый

  • 100.

    Бриджелл Р., Хаф Дж. И Толливер Д. (2017). Определение шероховатости покрытия при неравномерной скорости с использованием подключенных транспортных средств. Международный журнал по проектированию дорожных покрытий, 8436 , 1–7. https://doi.org/10.1080/10298436.2017.1366768.

    Артикул Google ученый

  • 101.

    Бриджелалл, Р., Рахман, М. Т., Толливер, Д., и Далейден, Дж. Ф. (2017). Чувствительность к длине волны измерения шероховатости на подключенных транспортных средствах. Международный журнал по проектированию дорожных покрытий, 8436 , 1–7. https://doi.org/10.1080/10298436.2017.1316645.

    Артикул Google ученый

  • 102.

    Эрикссон, Дж., Гирод, Л., Халл, Б., Ньютон, Р., Мэдден, С., и Балакришнан, Х. (2008). Патруль на выбоинах: Использование мобильной сенсорной сети для мониторинга дорожного покрытия (стр. 29–39). Брекенридж: MobiSys’08 — материалы 6-й международной конференции по мобильным системам, приложениям и услугам.

    Google ученый

  • 103.

    Мохан П., Венката Н. П. и Рамачандран Р. (2008). Неричелл: Использование мобильных смартфонов для полноценного мониторинга дорожных условий и дорожного движения.В Труды 6-й международной конференции по встроенным сетевым сенсорным системам (стр. 323–336). Роли: SenSys 2008.

    Google ученый

  • 104.

    Мохан П., Венката Н. П. и Рамачандран Р. (2008). TrafficSense: подробный мониторинг дороги и условий движения с помощью мобильных смартфонов . Tech. Номер представителя MSR-TR-2008–59.

  • 105.

    Гунаван, Ф. Э., Янфи и Соевито Б. (2015).Вибрационный метод классификации повреждений дорог. В 2015 международный семинар по интеллектуальным технологиям и их приложениям, ISITIA 2015 — продолжение (стр. 1–4). Сурабая: Институт инженеров по электротехнике и электронике, Inc.

  • 106.

    Дас Т., Прашант М., Венката Н. П., Рамачандран Р. и Асанкхая С. (2010). PRISM: Платформа для дистанционного зондирования с помощью смартфонов . Сан-Франциско: Материалы 8-й международной конференции по мобильным системам, приложениям и услугам — MobiSys ‘10.

    Google ученый

  • 107.

    Монтесерин, А. (2018). Ямы против лежачих полицейских: многомерный подход к классификации временных рядов. В I. Lykourentzou, M. G. Armentano, & HFTA (Eds.), Материалы семинара CEUR (стр. 36–40). CEUR-WS.

  • 108.

    Сюэ, Г., Чжу, Х., Ху, З., Ю, Дж., Чжу, Ю., и Луо, Ю. (2017). Ямка в темноте: видение профилей выбоин с участием городских транспортных средств. IEEE Transactions on Mobile Computing, 16 , 1408–1419.https://doi.org/10.1109/TMC.2016.2597839.

    Артикул Google ученый

  • 109.

    Чен, К., Лу, М., Тан, Г., и Ву, Дж. (2014). CRSM: Краудсорсинговый мониторинг дорожного покрытия. In Proceedings — Международная конференция IEEE 2013 г. по высокопроизводительным вычислениям и коммуникациям, HPCC 2013 г. и Международная конференция IEEE 2013 г. по встроенным и повсеместным вычислениям, EUC 2013 (стр. 2151–2158). Чжанцзяцзе, Хунань: Компьютерное общество IEEE.

    Google ученый

  • 110.

    Чен, К., Тан, Г., Лу, М., и Ву, Дж. (2016). CRSM: Практическая система мониторинга дорожного покрытия на основе краудсорсинга. Беспроводные сети, 22 , 765–779. https://doi.org/10.1007/s11276-015-0996-y.

    Артикул Google ученый

  • 111.

    Рен Дж. И Лю Д. (2017). PADS: надежная система обнаружения выбоин с использованием машинного обучения.В Лекционных заметках по информатике (включая подсерии Лекционные заметки по искусственному интеллекту и лекционные заметки по биоинформатике), 10135 LNCS (стр. 327–338). https://doi.org/10.1007/978-3-319-52015-5_33.

    Глава Google ученый

  • 112.

    Ghadge, M., Pandey, D., & Kalbande, D. (2016). Подход машинного обучения для прогнозирования неровностей на дороге. В M. Aradhya & S.K.N (Eds.), Труды международной конференции 2015 года по прикладным и теоретическим вычислениям и коммуникационным технологиям, iCATccT 2015 (стр.481–485). Давангере: Институт инженеров по электротехнике и электронике, Inc.

  • 113.

    Хоффманн, М., Мок, М., и Мэй, М. (2013). Классификация дорожного качества и обнаружение неровностей с помощью смартфонов с велосипедными креплениями. В материалах семинара CEUR (стр. 39–43).

    Google ученый

  • 114.

    Тай, Ю., Чан, К., и Сюй, Дж. Ю. (2010). Автоматическое обнаружение дорожных аномалий с помощью интеллектуального мобильного устройства. В 2010 15-я конференция по искусственному интеллекту и приложениям (TAAI) (стр.1–8).

    Google ученый

  • 115.

    Бозе, Б., Датта, Дж., Гош, С., Праманик, П., и Рой, С. (2018). D & Sense: обнаружение моделей вождения и дорожных аномалий. In Proceedings — 2018 3rd International Conference on Internet of Things: Smart Innovation and Usages, IoT-SIU 2018 (стр. 1–7). https://doi.org/10.1109/IoT-SIU.2018.8519861.

    Глава Google ученый

  • 116.

    Мохамед А., Фуад М. М. и Эльхарири Э. (2014). RoadMonitor: интеллектуальная система мониторинга состояния дорожного покрытия . Варшава: 7-я Международная конференция IEEE Intelligent Systems IS’2014.

    Google ученый

  • 117.

    Серадж, Ф., ван дер Цвааг, Б. Дж., Дило, А., Луараси, Т., и Хавинга, П. Дж. М. (2014). RoADS: система мониторинга дорожного покрытия для обнаружения аномалий с помощью смартфонов. На первом международном семинаре по машинному обучению для данных городских датчиков, SenseML 2014 (стр.1–16). Берлин: Springer.

    Google ученый

  • 118.

    Серадж, Ф., Мератния, Н., Чжан, К., Хавинга, П. Дж. М., и Туркес, О. (2015). Метод на основе смартфона для улучшения обнаружения аномалий дорожного покрытия путем анализа поведения водителя (стр. 1169–1177). Осака: В материалах UbiComp ‘15.

    Google ученый

  • 119.

    Перттунен М., Мажелис О., Cong, F., et al. (2011). Распределенный мониторинг состояния дорожного покрытия с помощью мобильных телефонов (стр. 64–78). Банф: Международная конференция по повсеместному интеллекту и вычислениям.

    Google ученый

  • 120.

    Конг, Ф., Хаутакангас, Х., Ниеминен, Дж., Мажелис, О., Перттунен, М., Риекки, Дж., И Ристаниеми, Т. (2013). Применение разложения вейвлет-пакетов и одноклассовой машины опорных векторов на трассах ускорения транспортного средства для обнаружения дорожных аномалий. Конспект лекций по информатике, 7951 LNCS , 291–299. https://doi.org/10.1007/978-3-642-39065-4-36.

    Артикул Google ученый

  • 121.

    Бхораскар, Р., Ванкадхара, Н., Раман, Б., и Кулкарни, П. (2012). Росомаха: оценка трафика и состояния дороги с помощью датчиков смартфона. В 2012 г. четвертая международная конференция по системам и сетям связи (COMSNETS 2012) . Бангалор: IEEE.

    Google ученый

  • 122.

    Фокс А., Кумар Б. В. К. В., Чен Дж. И Бай Ф. (2015). Краудсорсинг заниженных данных автомобильных датчиков для обнаружения выбоин. In 2015 12-я ежегодная международная конференция IEEE по зондированию, коммуникации и сетям, SECON 2015 (стр. 515–523). Сиэтл: Институт инженеров по электротехнике и электронике, Inc.

  • 123.

    Фокс А., Кумар Б. В. К. В., Чен Дж. И Бай Ф. (2017). Обнаружение выбоин с несколькими полосами движения на основе собранных краудсорсингом данных датчиков транспортных средств. IEEE Transactions on Mobile Computing, 16 , 3417–3430. https://doi.org/10.1109/TMC.2017.26

    .

    Артикул Google ученый

  • 124.

    Анаисси, А., Кхоа, Н. Л. Д., Ракотоаривело, Т., Аламдари, М. М., и Ван, Ю. (2019). Интеллектуальная система обнаружения выбоин с использованием автомобильных датчиков и машинного обучения. Журнал гражданского структурного мониторинга здоровья, 9 , 91–102. https://doi.org/10.1007/s13349-019-00323-0.

    Артикул Google ученый

  • 125.

    Сильва, Н., Соарес, Дж., Шах, В., Сантос, М. Ю., и Родригес, Х. (2017). Обнаружение аномалий на дорогах с использованием метода интеллектуального анализа данных. Процедуры информатики, 121 , 415–422. https://doi.org/10.1016/j.procs.2017.11.056.

    Артикул Google ученый

  • 126.

    Сильва, Н., Шах, В., Соарес, Дж., И Родригес, Х.(2018). Оценка системы обнаружения дорожных аномалий. Сенсоры (Швейцария), 18 . https://doi.org/10.3390/s18071984.

  • 127.

    Джанг, Дж., Смит, А. В., Янг, Ю., и Кавальканти, Д. (2015). Мониторинг состояния дорожного покрытия с помощью нескольких транспортных средств, оборудованных датчиками. In Proceedings — IEEE INFOCOM (стр. 43–44). Гонконг: Институт инженеров по электротехнике и электронике, Inc.

  • 128.

    Джанг, Дж., Янг, Ю., Смит, А. В., Кавальканти, Д., и Кумар, Р.(2017). Структура сбора и интеграции данных для обнаружения повреждений дорожного покрытия с помощью нескольких транспортных средств. Журнал вычислений в гражданском строительстве, 31 , 1–15. https://doi.org/10.1061/(ASCE)CP.

    Артикул Google ученый

  • 129.

    Allouch, A., Koubaa, A., Abbes, T., & Ammar, A. (2017). RoadSense: приложение для смартфона для оценки дорожных условий с помощью акселерометра и гироскопа. Журнал датчиков IEEE, 17 , 4231–4238.https://doi.org/10.1109/JSEN.2017.2702739.

    Артикул Google ученый

  • 130.

    Карлос, М. Р., Арагон, М. Э., Гонсалес, Л. К., Эскаланте, Х. Дж., И Мартинес, Ф. (2018). Оценка подходов к обнаружению дорожных аномалий на основе показаний акселерометра с выяснением, кто есть кто. Транзакции IEEE по интеллектуальным транспортным системам, 19 , 3334–3343. https://doi.org/10.1109/TITS.2017.2773084.

    Артикул Google ученый

  • 131.

    Линь, Ж.-Л., Пэн, З.-К., и Лай, Р.К. (2017). Улучшение обнаружения аномалий покрытия за счет устранения обратных особенностей. Конспект лекций по обработке деловой информации, 288 , 341–349. https://doi.org/10.1007/978-3-319-59336-4_24.

    Артикул Google ученый

  • 132.

    Селая-Падилья, Дж. М., Гальван-Техада, К. Э., Лопес-Монтеагудо, Ф. Э. и др. (2018). Обнаружение лежачих полицейских с использованием акселерометрических функций: подход на основе генетического алгоритма. Sensors (Швейцария) , 18. https://doi.org/10.3390/s18020443.

  • 133.

    Лаубис К., Симко В. и Шуллер А. (2016). Измерение и оценка состояния дороги: метод определения скопления людей (стр. 1–10). Дублин: Тридцать седьмая международная конференция по информационным системам.

    Google ученый

  • 134.

    Чжан, З., Сун, К., Бриджелол, Р., и Сун, М. (2018). Применение метода машинного обучения для оценки неровностей дороги от подключенных транспортных средств. Журнал транспортного машиностроения, часть B: тротуары, 144 , 1–13. https://doi.org/10.1061/JPEODX.0000074.

    Артикул Google ученый

  • 135.

    Аксамит П. и Шмехта М. (2011). Распределенная мобильная социальная система обнаружения дефектов дорожного покрытия (стр. 37–40). Флориана: ISCIII 2011 — 5-й международный симпозиум по вычислительному интеллекту и интеллектуальной информатике.

    Google ученый

  • 136.

    Нгуен, Т., Лехнер, Б., Вонг, Ю. Д., и Тан, Дж. Ю. (2019). Индекс поездки на автобусе — усовершенствованный подход к оценке неровностей дорожного покрытия. Road Mater Pavement Des . https://doi.org/10.1080/14680629.

  • Добавить комментарий

    Ваш адрес email не будет опубликован. Обязательные поля помечены *