Irkutsk, Irkutsk region, Russian Federation
from 01.01.2022 until now
Irkutsk, Irkutsk region, Russian Federation
UDK 625.7/.8 Автомобильные дороги. Дорожное строительство
The methods of managing the information model of the road at the operation stage are presented. A comprehensive methodology for checking transport and operational indicators is shown. It allows to predict the condition of the road surface, to determine the probability of deformations and destruction during the operation of the road. A software module is presented for assessing the maintainability of the road, taking into account all key transport and operational indicators. Based on this module, one can calculate the real overhaul service life for certain sections of the road. In the algorithms of the developed program, data transmission at various stages of the life cycle is provided, the stage of creating a general data environment, interaction with the IFC attributes is laid. This approach ensures the interoperability of the information model of the road and allows to evaluate current condition and planned measures to eliminate construction flaws or defects formed during operation, which ensures the extension of the road service life. Popular rheological models have been investigated for predicting residual deformations of road clothing based on the analysis of various models of the soil behavior of nonlinear soil mechanics. It is revealed that the most adequate model is a model that uses the theory of hereditary creep, which takes into account the calculation of non -rigid road clothing, which is exposed to short-term load from moving cars. Some aspects of the maintainability of the road facility affecting the environmental and economic indicators of the environment are given.
maintainability, life cycle, information model of the road, mathematical model, general data
Введение. Ремонтопригодность – важный фактор, влияющий на качество и надёжность объектов капитального строительства [1]. Это свойство объекта, которое позволяет легко и быстро устранить возникающие неисправности или заменить вышедшие из строя компоненты. В данной статье представлен разработанный авторами программный модуль автоматизированной оценки ремонтопригодности автомобильной дороги. Отмечена важность ремонтопригодности объекта для экологических и экономических показателей, которая состоит в возможности сокращения времени простоя данного объекта, что, в свою очередь, снижает затраты на его эксплуатацию [2].
Для оценки показателей ремонтопригодности автомобильной дороги и контроля состояния дороги без регулярного сезонного и ежегодного мониторинга предлагается использовать исполнительную документацию, акты приёмки после сдачи объекта в эксплуатацию, а также данные диагностики, полученные в конце межремонтного периода. Таким образом, можно получить представление о состоянии дороги и разработать стратегию управления им в будущем. Для этой цели был разработан алгоритм и соответствующая программа проверки эксплуатируемого дорожного объекта по ключевым его параметрам. Расчёты производятся на основе полученной съёмки местности, проектных данных и данных полученных после этапа строительства автомобильной дороги. Результатом расчёта данного программного модуля является показатель фактического транспортно-эксплуатационного состояния данного сооружения. Проверка включает множество параметров, влияющих на безопасность и качество движения, в том числе состояние и прочность дорожной одежды. На основе разработанной программы, а также с использованием информационного и математического моделирования построен метод эффективного управления этапом эксплуатации объектов дорожного хозяйства.
Таким образом, научная сторона данного исследования состоит в разработке алгоритма прогнозирования транспортно-эксплуатационных (с учётом климатических характеристик) параметров автомобильной дороги, на основе которого определяется состояние конструкций конкретного участка. В данном алгоритме актуализация данных происходит геоинформационными системами (ГИС), а после завершения этапа эксплуатации предусматривается сопровождение последующих этапов: предпроекта и проекта на ремонт, капитальный ремонт или реконструкцию автомобильной дороги.
Материалы представленных исследований могут быть использованы компаниями дорожно-строительной отрасли, применяющими или внедряющими у себя PLM-системы (Product Lifecycle Management).
Материалы и методы. Оценка показателей ремонтопригодности автомобильной дороги должна быть встроена в общую информационную модели дороги (ИМД) [4]. Это возможно, в том числе, при помощи ERP-систем с web-ориентированной средой общих данных (СОД) и использованием web-систем для хранения и управления информационными моделями.
Создание перспективной RIM-модели (Road Information Modelling) позволит эффективно управлять процессом строительства и эксплуатации дорог, обеспечивая соблюдение нормативных требований и автоматическую корректировку проектов на всех стадиях жизненного цикла [5, 6].
Приведём общую методику создания и управления информационной моделью автомобильной дороги на различных этапах ее жизненного цикла [7] (рис. 1) с одновременным созданием среды общих данных.
Рис. 1. Блок-схема разработанной методики создания информационной модели автомобильной дороги на различных этапах ее жизненного цикла
Для создания СОД была применена ERP-система (планирование ресурсов предприятия) Appius-PLM, которая сопровождает информационную модель дороги на всех этапах жизненного цикла, что даёт возможность управлять персоналом и определять наиболее эффективные формы организации труда [8]. Интеграция разработанной авторами программы в такую ERP-систему позволяет эффективно применять нормативные документы, а также создавать и хранить базы данных обследования, диагностики и паспортизации автомобильной дороги (рис.2).
Рис. 2. Работа с программными модулями в СОД для сопровождения модели автомобильной дороги
на различных этапах её жизненного цикла в программе Appius-PLM
В алгоритмах разработанной программы заложено взаимодействие с атрибутами IFC. Такой подход обеспечивает интероперабельность ИМД, позволяя, например, соблюсти требования к цифровым информационным моделям линейных объектов капитального строительства, представляемым для проведения экспертизы [9]. Также задание атрибутов обеспечит эффективные операции по сбору, хранению, обработке, интеграции и передаче данных, их мониторинга, актуализации и анализа, валидации и верификации [10, 11].
Основная часть. Следует отметить, что прогнозирование эксплуатационных характеристик дороги на долгосрочную перспективу затруднено из-за отсутствия адекватных моделей, которые бы учитывали взаимодействие всех её конструктивных элементов [12]. Чтобы оценить показатели ремонтопригодности необходима исполнительная документация, акты ввода объекта в эксплуатацию, а также данные обследования дороги. Используя эти данные можно произвести расчёты, которые позволят спрогнозировать состояние объекта для назначения возможных мер по устранению недостатков, препятствующих дальнейшей эксплуатации объекта.
- Расчет межремонтных сроков в процессе эксплуатации дороги.
Одним из важных показателей выхода из состояния нормальной эксплуатации дороги является появление остаточных деформаций в ее покрытии. На основе математического моделирования деформационно-прочностных характеристик дорожной одежды можно вычислить значение абсолютной деформации ее поверхности, после чего есть возможность рассчитать время достижения конструкцией критической величины этой деформации и, таким образом, выявить межремонтный срок службы данной дорожной одежды. Расчёт этих показателей в программе производится с помощью модуля деформационного расчета RP_def (Road pavement deformations). Алгоритм программы основан на модели дорожной одежды (рис. 3) и использует исходные и исполнительные данные (характеристики грунтов из инженерно-геологических отчётов) и параметры, полученные в ходе экспресс-диагностики (с использованием передвижной дорожной лаборатории). Расчёты учитывают динамические и статические воздействия от движущегося транспорта, механические свойства грунтов, природные факторы, результаты мониторинга, а также действующие нормы и правила.
Предварительно были проанализированы 3 популярные реологические модели упругопластического поведения грунта для прогнозирования остаточных деформаций дорожных одежд:
- упругопластическая модель с изотропным упрочнением (HSM);
- идеально-упругопластическая модель с критерием прочности Мора – Кулона;
- модель, использующая теорию наследственной ползучести и соотношение Больцмана – Вольтерра, которая исследована в монографии Ерёмина В.Г. и Волокитиной О.А. [13].
Рис. 3. Основные блоки модуля RP_def
Выявлено, что математическая модель Кулона-Мора и модель упрочняющегося грунта обладают главным недостатком – их непригодностью для моделирования динамических процессов, что не позволяет адекватно определить деформации конструктивных слоёв дорожной одежды и земляного полотна от воздействия автомобильной колесной нагрузки [14]. На основании этого была принята модель 3, которая учитывает критерий предельного состояния для расчета нежестких дорожных одежд, подверженных воздействию кратковременной нагрузки от движущихся автомобилей. Достоверность принятой модели была подтверждена экспериментально.
При расчёте по этой модели задействованы национальные стандарты, откуда берутся значения климатических параметров определённого региона и используются для автоматизации и универсализации модели состояния дорожного покрытия. Это позволяет учитывать местные материалы и расчётные характеристики для каждого субъекта страны.
- Оценка состояния автомобильной дороги.
Для оценки текущего состояния автомобильной дороги разработан алгоритм проверки по ее ключевым параметрам согласно нормативному документу ОДН 218.0.006-2002. Расчёт производится на основе полученной съёмки местности, проектных данных и данных взятых после этапа строительства автомобильной дороги. Результатом расчёта является значение обобщённого показателя качества и состояния дороги, которое позволяет определить фактическое транспортно-эксплуатационное состояние данного сооружения.
Обобщенный показатель качества автомобильной дороги ПД находится по выражению:
ПД = KПД · Коб · Кэ. (1)
Сюда входят:
- комплексный показатель ТЭС АД (КПД),
- показатель инженерного оснащения и обустройства (Коб),
- показатель уровня содержания в период эксплуатации (Кэ).
Фактические значения величин Коб могут изменяться в диапазоне от 0,85 до 1,0 в зависимости от полноты обустройства дороги. Значения параметра Кэ меняются от 0,5 до 1,1.
Комплексный показатель ТЭС АД КПД определяется как сумма комплексных показателей ее участков КПi (i=1,2 …n)
(2)
здесь L – общая длина дороги, км; li – длина
i- го участка, км; n – число участков.
Показатель КПi оценивается итоговым коэффициентом обеспеченности расчетной скорости 
на данном участке. Он принимается равным наименьшему значению из всех частных коэффициентов на участке i.
(3)
Перечень частных коэффициентов обеспеченности расчетной скорости 
согласно ОДН 218.0.006-2002 показан в таблице 1.
Таблица 1
Учет влияния частных коэффициентов Кpc
|
Частный коэффициент Крс |
Учет влияния |
|
Крс(1) |
Ширины основной укрепленной поверхности |
|
Крс(2) |
Ширины и состояния обочин |
|
Крс(3) |
Интенсивности и состава движения |
|
Крс(4) |
Продольного уклона и видимости поверхности дороги |
|
Крс(5) |
Радиуса кривых в плане |
|
Крс(6) |
Продольной ровности покрытия |
|
Крс(7) |
Сцепных качеств покрытия |
|
Крс(8) |
Состояния и прочности дорожной одежды |
|
Крс(9) |
Поперечной ровности покрытия (колеи) |
|
Крс(10) |
Безопасности движения |
Нормативное состояние дороги означает, что её параметры и характеристики обеспечивают комплексный показатель ТЭС АД не ниже нормативного КПН в течение всего осенне-весеннего периода, то есть выполняется условие:
КПД ≥ КПН. (4)
На основе представленной методики авторами разработан программный модуль проверки по ключевым параметрам дороги Check_RC (Checking road condition) (рис. 4). Исходные данные (ширина проезжей части, количество полос движения, ширина разделительной полосы, ширина укрепленной поверхности дорожной одежды, ширина обочин, величины продольных уклонов, радиусы кривых в плане, расстояние видимости и т.д.) определялись актуальной съёмкой местности.
Рис. 4. Основные блоки программы Check_RC
По результатам расчётов на определённом периоде эксплуатации программой будут выделены участки дороги, не удовлетворяющие нормативным требованиям (КПi < КПН). После появления таких участков, будет доступна возможность получить рекомендации по устранению несоответствий. На основе внесения соответствующих исправлений, модель перестраивается, а отслеживание оценки состояния данного объекта продолжается. Например, если в процессе диагностики или обследования были обнаружены дефекты покрытия, то будут предложены варианты по устройству поверхностной обработки, ямочного ремонта и других работ по восстановлению изношенного слоя покрытия. Такие рекомендации позволят избежать расходов на более капитальные меры устранения дефектов, например, таких как полная замена покрытия дороги [15, 16]. Если причиной неудовлетворительного состояния конструкции стали источники переувлажнения земляного полотна и/или дорожной одежды, то по геометрической модели этого участка дороги будут определены места застоя воды, и далее, для последующего этапа проектирования будут назначены рекомендации по составлению проектов продольных, поперечных уклонов проезжей части и кюветов.
Если общий объём восстановленных и неудовлетворительных участков дороги превышают нормативные требования, программой будет назначен капитальный ремонт.
- Проверка по предельно допустимому сбросу дождевых и паводковых вод.
Программа Check_RC выполняет также проверку по предельно допустимому сбросу дождевых и паводковых вод согласно СП 32.13330.2018 «Канализация. Наружные сети и сооружения» и «Рекомендациям по учету требований по охране окружающей среды при проектировании автомобильных дорог и мостовых переходов» (Блок 3).
В качестве исходных данных принимаются климатические параметры, площадь участка автодороги и средний продольный уклон участка дороги. Оценка загрязнения поверхностного стока (сброса) с автомобильной дороги и определение необходимости её очистки производится расчетом на основе фактической концентрации загрязняющего вещества в поверхностном стоке, расчетного расхода поверхностных сточных вод (дождевых или паводковых), и предельно допустимого содержания (концентрации) загрязняющего вещества в поверхностном стоке с учетом смешения его с водами водотока.
- Описание интерфейса программы.
На рис. 5 представлен интерфейс реализации программы Check_RC. В окно ввода (рис. 5, а) необходимо ввести информацию об автомобильной дороге. Большинство данных определяется на этапе проектирования. На основе этой информации создаётся графическое представление состояния участка дороги (рис. 5, б) и список рекомендаций по устранению различных эксплуатационных проблем. Это позволяет предпринимать действия, соответствующие нормативным документам и методическим рекомендациям, учитывая текущее состояние дороги.
Рис. 5. а) Окно ввода известных параметров автомобильной дороги.
б) Окно вывода состояния автомобильной дороги с отображением проблемных участков
На рис. 5, б представлены:
Зона 1 включает входные параметры автомобильной дороги, которые непосредственно влияют на создание её математической модели.
Зона 2 представляет собой временную шкалу, позволяющую оценить состояние дороги в течение определённого времени после начала эксплуатации (на основе данных из модуля RP_def).
Зона 3 содержит спрямлённый план участка дороги, полученный в результате расчётов модели и показывающий проблемные зоны, не соответствующие нормативным требованиям.
Зона 4 кнопка для получения рекомендаций по продлению межремонтного периода. После активации проблемные участки будут выделены красным цветом, и станет возможным получение рекомендаций по устранению проблем. Участки, которые были восстановлены по рекомендациям, предложенным данной программой выделяются синим цветом.
На основе внесения соответствующих исправлений (по выданным рекомендациям), модель перестраивается, а отслеживание оценки состояния данного объекта продолжается.
Выводы. Программный модуль Check_RC оценивает показатели ремонтопригодности автомобильной дороги, определяет её состояние и качество, а также рассчитывает реальные межремонтные сроки службы участка дороги. Результаты анализа позволяют выявить недостатки и предложить способы их устранения, что помогает предотвратить ошибки и дефекты в период эксплуатации дороги, обеспечивая тем самым увеличение срока службы дороги.
Предложенный подход существенно эффективнее ситуации, существующей сегодня, когда производится множество расчетов, лишь в целом отображающих пригодность дороги для дальнейшей ее эксплуатации. Следует отметить, что использование ремонтопригодных продуктов способствует снижению загрязнения окружающей среды. Это связано с тем, что при ремонте используются уже существующие компоненты без их утилизации и замены новыми. Разработанная методика, когда своевременно назначенными мероприятиями можно фактически отсрочить капитальный ремонт, позволит сократить потребление энергии и ресурсов, необходимых для производства новых материалов и компонентов.
1. Porfirev B.N., Skubachevskaya N.D., Milyakin S.R. Cost-effectiveness assessment for the roads upgrading to adapt to climate change and reduce the risk of traffic accidents in Russia [Ocenka effektivnosti zatrat na modernizaciyu avtomobil'nyh dorog v Rossii v celyah ih adaptacii k klimaticheskim izmeneniyam i snizheniya riska DTP]. Studies on Russian Economic Development. 2023. Vol. 34. No. 6. Pp. 794–804. DOI:https://doi.org/10.1134/S1075700723060114. (rus)
2. Lukashevich V.N., Lukashevich O.D. Quality, operating properties and environmental safety of automobile road in sustainable economic development [Kachestvo, ekspluatacionnye svojstva i ekologicheskaya bezopasnost' avtomobil'noj dorogi v kontekste ustojchivogo ekonomicheskogo razvitiya]. Journal of Construction and Architecture. 2023. No. 25 (5). Pp. 179–197. DOI:https://doi.org/10.31675/1607- 1859-2023-25-4-179-197. (rus)
3. Goryachev M.G., Lugov S.V., Kalyonova E.V. Analysis of some dependence parameters for determining the required strength of flexible pavements when justifying the constructive decision to strengthening them [Analiz nekotoryh parametrov zavisimosti dlya opredeleniya trebuemoj prochnosti nezhyostkih dorozhnyh odezhd pri obosnovanii konstruktivnogo resheniya po ih usileniyu. Avtomobil']. Car. Road. Infrastructure. 2020. No. 2 (24). Pp. 415–419. (rus)
4. Zhuk A.Yu., Sablin S.Yu., Skrypnikov A.V., Boltnev D.E., Vysockaya I.A. Investigation of the mathematical model of the terrain in the design of highways [Issledovanie matematicheskoj modeli rel'efa mestnosti pri proektirovanii avtomobil'nyh dorog]. Systems Methods Technologies 2021. No. 2 (50). Pp. 88–93. DOI:https://doi.org/10.18324/2077-5415- 2021-2-88-93. (rus)
5. Ryabova O.V., Skrypnikov A.V., Kozlov V.G., Tihomirov P.V. Studying a Geographical Environment for Road Design Purposes [Izuchenie geograficheskoj sredy dlya celej dorozhnogo proektirovaniya]. Russian Journal of Building Construction and Architecture. 2020. No. 1 (57). Pp. 84–95. DOI:https://doi.org/10.25987/VSTU.2020.57.1.008. (rus)
6. Dmitrieva T.L., Yashchenko V.P., Kuryshov I.A. BIM as a means of end-to-end design, construction, and operation. [BIM kak sredstvo skvoznogo proektirovaniya, tekhnologii vozvedeniya i ekspluatacii]. Izvestiya vuzov Investitsii Stroitelstvo Nedvizhimost. 2023. Vol. 13. No. 2. Pp. 252–261. DOI:https://doi.org/10.21285/2227-2917-2023-2-252-261. (rus)
7. Dmitrieva T.L., Chernyago A.B. The interaction of the digital model and spatial data at all stages of the life cycle in the information modeling of the road industry [Vzaimodejstvie cifrovoj modeli i prostranstvennyh dannyh na vsekh etapah zhiznennogo cikla v informacionnom modelirovanii dorozhnoj otrasli. Aktual'nye voprosy stroitel'stva: vzglyad v budushchee]. Collection of scientific articles based on the materials of the All-Russian scientific and Practical conference dedicated to the 40th anniversary of the establishment of the Institute of Civil Engineering. Krasnoyarsk. 2022. Pp. 314–319. (rus)
8. Eleftheriadisa S., Mumovica D., Greeningb P. Life cycle energy efficiency in building structures: A review of current developments and future outlooks based on BIM capabilities. Renewable and Sustainable Energy Reviews. 2017. No. 67. Pp. 811–825.
9. Documentation on the use of IFC classes [Dokumentaciya po ispol'zovaniyu klassov IFC]. URL: https://standards.buildingsmart.org/IFC/RELEASE/IFC4_1/FINAL/HTML (date of treatment: 20.04.2024). (rus)
10. Ho S., Rajabifard A. Towards 3D-enabled urban land administration: Strategic lessons from the BIM initiative in Singapore. Land Use Policy. 2016. No. 57. Pp. 1–10.
11. Ginzburg A.V. BIM technologies throughout the life cycle of a construction site [BІM-tekhnologii na protyazhenii zhiznennogo cikla stroitel'nogo ob"ekta]. Information resources of Russia. 2016. No. 5(153). Pp. 28–31. (rus)
12. Dubrovskij A.V., Ershov A.V., Novoselov Yu.A., Moskvin V.N. Elements of geoinformation support for inventory works [Elementy geoinformacionnogo obespecheniya inventarizacionnyh rabot]. Vestnik SGUGiT. 2017. Vol. 22. No. 4. Pp. 78–91. (rus)
13. Eryomin V.G., Volokitina O.A. Method of definition of estimated performances of constructive layers of non-rigid road clothes [Metod opredeleniya raschetnyh harakteristik konstruktivnyh sloev nezhestkih dorozhnyh odezhd]. Voronezh: VGASU, 2010. Pp. 228–233. (rus)
14. Chernyago A.B., Dmitrieva T.L. Application of popular mathematical models of elastic-plastic behavior of soil to predict residual deformations of road surfaces in the practice of geotechnical modeling [Primenenie populyarnyh matematicheskih modelej uprugoplasticheskogo povedeniya grunta dlya prognozirovaniya ostatochnyh deformacij dorozhnyh odezhd v praktike geotekhnicheskogo modelirovaniya]. The conference "Interaction of science, education and production". 2019. Pp. 54–62. (rus)
15. Fontokina V.A., Savenko A.A., Samarskij E.D. The role of BIM technologies in the construction economy [Rol' BIM-tekhnologij v organizacii i tekhnologii stroitel'stva]. The Eurasian Scientific Journal. 2022. No. 14(1). Pp. 56–64. (rus)
16. Ilhan B., Yaman H. Green building assessment tool (GBAT) for integrated BIM-based design decisions. Automation in Construction. 2016. No. 70. Pp. 26–37.
