Ямочный ремонт дорожных покрытий и цифровая экономика
Ментальная разница между светлым будущим человечества, экономические перспективы развития которого практически всеми исследователями безусловно увязываются с понятием «цифровая экономика» и таким некрасивым, общественно и экономически опасным явлением, как отвратительное качество покрытий большого количества российских дорог кажется огромной. Внешне это совершенно диаметральные понятия. Технологическая пропасть между интеллектуальными процессами создания новых программных продуктов, внедрением сетевых способов управления логистикой товарного движения, электронными магазинами и компьютерным управлением сложнейшими производственными процессами с одной стороны, и физически тяжелым, весьма низко технологичным, да и попросту грязным трудом по устранению ям, провалов и трещин на большинстве наших дорог кажется совершенно непреодолимой. Многим сопоставление этих понятий может показаться надуманным и даже искусственным. Но нам представляется, что процесс «пломбирования» последствий «дорожного кариеса» должен иметь очень серьезную информационную проработку, сложность и, самое главное, насущная необходимость которой определяется несколькими причинами.
Первая из них – ямочный ремонт покрытий российских дорог еще многие годы будет оставаться одной из самых главных задач дорожников на необозримых просторах России. Да и всего СНГ. И сравнение наших транспортных реалий с теми странами, в которых необходимость экстренного латания дыр в покрытиях изжита как общественное понятие, является делом совершенно пустопорожним. Экономика мировых экономических лидеров в части дорожных дел в разы мощнее российской, поэтому они могут позволить себе работать в режиме профилактики дорожных неприятностей, восстанавливая покрытие заранее и целиком на всей дороге по мере истечения определенного срока. В нашей стране основанием для ремонта дороги является не наступление научно обоснованного времени «Ч», а аварийное состояние дороги. А это состояние предваряется многими годами так называемого «содержания» дороги. Именно на этом этапе жизненного цикла возникающие на покрытии дефекты устраняют ямочным ремонтом. Понимание проблемы не устраняет источников ее появления. Полное восстановление покрытия некоей усредненной дороги по данным портала государственных закупок требует финансовых затрат около 6 миллионов на километр ее протяженности. Все исследователи состояния дорог России в один голос говорят, что в городах и весях нашей Родины лишь 30-40 процентов дорог соответствуют общественным ожиданиям. Остальные – ни в какие нормативы не укладываются. Это означает, что только в Красноярском крае единовременное решение задачи восстановления всех покрытий путем сплошного ремонта потребует более 50 миллиардов рублей. А их в год – максимум 5 из которых на ремонт приходится только 1 (данные взяты нами из программы «Дороги Красноярья»). Поэтому пока устранение локальных дефектов это - наш удел еще на многие годы вперед. Вливаться в стройный хор критиков, утверждающих, что главное зло дорожной отрасли это неэффективные и вороватые чиновники мы не собираемся – наверное всё встречается в этой жизни, но полагать, что замена кадрового потенциала на некий новый, подкованный и высокоморальный, является, на наш взгляд, неверным определением источника проблемы. А неверное начало приведет к неверному решению.
Вторая причина важности современных подходов к управлению работ по ямочному ремонту является то, что несмотря на внешнюю простоту и даже некоторую кондовость процесса, правильно подготовиться к этой деятельности очень сложно. Прежде всего это связано именно с тем, что дефекты покрытия имеют абсолютно неправильную нерегулярную форму и что их очень много. Достаточно точное определение объемов даже отдельной «ямы» является очень сложной задачей. Любой может попробовать сделать это сам относительно такого внешне незамысловатого геометрического объекта, имеющего случайную форму внешних граней и неравномерную глубину. В результате он с удивлением установит, что ошибка измерений, сделанных приблизительным способом приведет к погрешности измерений объемов ямы близкой к 100%. Цифра получена из личного опыта. Кто не верит, может сделать свою собственную попытку оценить суммарный объем нескольких проломов на дороге с на основе визуальных подходов (объектов для тренировки глазомера на улицах Красноярска вполне достаточно). Сравнивать результаты можно с данными, полученными с использованием мерных лент, реек, клиньев заданной высоты и даже с помощью тахеометров. Строго говоря именно подобные измерения и позволят определить более или менее точный размер ямы, однако время, необходимое для подобной операции относительно только одного пролома с последующей обработкой результатов измерений составляет около 20-30 минут. Учитывая, что количество дефектов покрытий, которые ежегодно возникают на дорогах края измеряются миллионами, затраты времени на подготовку точных данных предстоящих объемах работ по латанию ям выпадают за пределы здравого смысла. Означает ли это, что невозможность точного определения объемов работ по устранению ям на дорогах будет всегда вынуждать дорожников пользоваться при составлении планов работ приблизительными расчетами, граничащими с понятием «прикидка»? Или при управлении работами по столь капризному направлению следует осуществлять работу вообще без четкого плана и ориентиров? Небезызвестный Булгаковский герой настаивает на том, что «для того, чтобы управлять, нужно, как-никак, иметь точный план на некоторый, хоть сколько-нибудь приличный срок … как же может управлять человек, если он … лишён возможности составить какой-нибудь план хотя бы на смехотворно короткий срок, ну, лет, скажем, в тысячу». Мы полагаем, что современные цифровые технологии обработки образов позволяют подобный план работ по ямочному ремонту успешно сформировать на текущий год и этого, на наш взгляд будет вполне достаточно, для того, чтобы сделать наши дороги более безопасными.
И третья, очень важная причина необходимости точно и своевременно планировать ямочный ремонт носит финансовый характер. Учитывая состояние дорог и улиц России в целом и Красноярского края в частности объемы работ по ямочному ремонту покрытий носят массовый характер. Объем финансирования этой дорожной деятельности по-настоящему огромен, измеряется ежегодно сотнями миллионов рублей, а это означает, что формирование эффективных, точных и, что немаловажно, контролируемых планов затрат на ямочный ремонт является той задачей, для решения которой потратить усилия совершенно невредно. Уж очень впечатляют масштабы объекта и уровень его влияния на безопасность дорожного движения.
Для своевременного и точного решения задачи следует определить некоторые базовые принципы. Первый из них – необходимо анализировать геометрические характеристики покрытия целиком - от кромки до кромки и по всей длине участка исследования. Указанный принцип позволяет избежать очень серьезной ошибки, связанной с неверной интерпретацией результатов исследования. Опыт, накопленный нами в ходе проведения подготовительных работ, показал, что оценить сам факт наличия дефекта, используя такой инструмент, как человеческий глаз в значительном количестве случаев не представляется возможным. Так например, такой дефект покрытия как колея в полосе наката, глубина которой не превышает 10 мм, а ширина составляет около 1000 мм не может быть выявлена визуальным осмотром ввиду крайне низкой выраженности, однако выявление подобного дефекта автоматическим способом позволяет либо констатировать факт наличия колеи (в ходе опытных работ подобный дефект верифицировался использованием стандартной рейки и мерного клина), либо даже принять решение о необходимости работ по восстановлению поперечной ровности покрытия. Второй принцип – выявление, локализация и определение геометрических размеров должно быть полностью автоматизировано. Указанное исключает влияние неточностей при визуальной интерпретации отклонений конфигурации покрытия от регулярной формы как дефектов, и, самое главное, позволяет обеспечить скорость обработки данных с последующим формированием отчетов о работах, которые предстоит выполнить с любой степенью детализации и в разумное время. Третий принцип – применяемое для сбора данных о конфигурации дефектов оборудование должно быть относительно недорогим. Амортизация стоимости измерительного комплекса не должна приводить к тому, что цена работ по подготовке данных по дефектам покрытия будет соизмерима или даже превышать стоимость работ по устранению этих дефектов.
Указанные принципы позволили сформировать мобильный комплекс для сканирования покрытия автомобильных дорог, главными аппаратными элементами которого являются двухчастотный спутниковый приемник, позволяющий с высокой точностью позиционировать сканирующее устройство, собственно инфракрасный сканер и видеокамера высокого разрешения. На стадии отладки технологии, указанные выше элементы были собраны в носимую версию, включающую в себя смонтированные на штанге сканер, спутниковый приемник, видеокамеру и планшетный компьютер для полевой обработки результатов сканирования дефектов, помещенный в рюкзак. Процесс локализации дефектов, их сканирования и обработки в режиме «real time» осуществлялся в ходе пешеходного обследования покрытия оператором с остановками в районе визуально выявленных дефектов. Результат инфракрасного сканирования - цифровая модель сканируемой поверхности, при этом задача специально разработанного для решения задачи программного обеспечения - определить объем фигуры, которая интерпретирована программным обеспечением, как дефект покрытия, «идеальная» конфигурация которого задана в виде «неповрежденной», или, если угодно, восстановленной в ходе будущего ремонта сравнительной поверхности. Именно на стадии апробации носимого комплекса было установлено, что затраты времени на обработку данных по объему каждого отдельного локального дефекта варьируются в пределах диапазона в несколько секунд, а точность определения объема дефекта и его иных геометрических параметров (площадь, максимальная и средняя глубина выбоины) составляет единицы (максимум 6) процентов. Отметим здесь, что в качестве эталонного показателя объема дефекта, относительно которого определялась погрешность измерения объема, использовалась величина, полученная путем заполнения сканируемых дефектов несжимаемым материалом известной плотности (мономерным песком и водой). Указанный способ сам содержит определенные погрешности и, как нам представляется, способ численного интегрирования сканируемой поверхности при достаточном сгущении сетки является даже несколько более точным.
Вторым, не менее важным результатом опытной работы с носимым комплексом стала оценка времени обработки результатов сканирования разработанной программой. Было установлено, что:
1. Скорость инфракрасной съемки достаточно велика, для того, чтобы осуществлять непрерывное сканирование полосы покрытия шириной до 3,5 м, отдельными кадрами длиной в направлении оси дороги до 1,5 м с расстоянием между узлами сетки цифровой модели 5 см по абсциссе и ординате со скоростью перемещения сканера до 25 км в час.
2. Скорость обработки данных инфракрасного сканирования (под обработкой понимается сшивание кадров сканирования, распознавание дефектов покрытия, их локализация и определение их геометрических параметров) позволяет, даже без применения очень мощных компьютерных систем, в течение одного часа преобразовать цифровую модель поверхности участка дороги длиной около 5 км в стройную чреду дефектов покрытия, каждый из которых локализован в пространстве, и очень тщательно обмерян. При возникновении необходимости обработки существенных объёмов данных имеется чёткое понимание способов повышения скорости обработки сырых данных. Первый, и, на сегодняшний день наиболее обсуждаемый способ в IT-мире, связанный с распространением технологии криптовалют – перенос вычислений, связанных с получением цифровой модели поверхности, с центрального процессора компьютера на графический (видеокарту), который специальным образом оптимизирован для выполнения такого рода операций. Второе направление повышения вычислительных мощностей – оптимизация программного обеспечения в сторону большей параллельности вычислений. И у первого, и у второго способа огромный потенциал – как видеокарты, так и узлы вычислительной сети можно наращивать практически неограниченно.
Подобные выводы позволили перейти к следующему этапу развития технологии инфракрасного сканирования покрытия дороги – все его аппаратные элементы были смонтированы на автомашину. Дополнительно на лабораторию была установлена камера высокого разрешения, снимки которой так же позиционировались с помощью GPS/GLONASS системы и позволяли на стадии отладки осуществлять визуальный контроль за точностью распознавания дефектов. С помощью оборудованной подобным образом мобильной лаборатории произведено сплошное сканирования участка автомобильной дороги длиной около 500 метров прямым и обратным проездом. В качестве полигона для испытаний была выбрана ул. Пушкина в Октябрьском районе Красноярска, так как, во-первых, нас впечатлило количество и разнообразие дефектов покрытия на этой улице, и, во-вторых, потому что оба автора данного материала ежедневно этой дорогой пользуются, так как рядом с ней проживают. Результаты цифрового обследования дороги представлены в виде нескольких рисунков.
Рисунок 1 – фотографическое изображение одного из ярких дефектов покрытия, выраженного в локальном разрушении асфальтобетонного покрытия на полную глубину имеющего четкие контуры. Рисунок 2 – иллюстрирует результаты программной «сшивки» сканированных с помощью инфракрасного датчика цифровых поверхностей (ширина полосы сканирования ограничена зелеными линиями) и распознанные контуры дефектов покрытия, наложенные на фотографическое изображение, так же полученное путем автоматической «сшивки» позиционированных кадров. Рисунок 3 иллюстрирует сканированную поверхность в виде изолиний различного цвета, при этом красные изолинии показывают ту часть покрытия, которая считается дефектом, так как она находится ниже условной плоскости сравнения, которая определяет нормальное (ровное) состояние дороги.
На рисунке 4 показан дефект иного, по сравнению с предыдущим, свойства. Он представлен комбинацией из сквозного, до щебеночного основания, разрушения асфальтобетонных слоев и продавленым на значительную глубину фрагментом, имеющим форму колеи.
На рисунке 5 представлены «сшитые» сканированные поверхности, на которых распознаны контуры всех установленных в ходе обследования дефектов.
Рисунок 6 иллюстрирует еще одну форму представления итоговых сведений о наличие, фрме и пространственной позиции дефектов, на которой представлены контуры дефекта и его главные геометричские параметры – объем и максимальная глубина. Обращает на себя внимание тот факт, что кроме очевидного дефекта, видимого на ландшафтном рисунке 4, программно-аппаратный комплекс уверенно выявил еще несколько дефектов, которые невооруженным глазом на фотографическом изображении не видны. Однако использование простейшего инструментария (рейки и клина) позволили в ходе контрольной проверки не только установить наличие этих сравнительно небольших вмятин, но и подтвердить их геометрические размеры.
Результыты сканирования покрытия на ул. Пушкина в краевой столице позволяют сделать несколько совершенно практических выводов, которые объединяют технологию инфракрасного сканирования покрытия и создания его цифровой модели с технологией ямочного ремонта, а именно:
1. Формирование исчерпывающей картины локальных дефектов может быть осуществлено достаточно быстро. Производительность современных цифровых устройств позволяет сформировать у любого органа управления дорожным хозяйством очень четкие, цифровые представления об объемах работ которые нужно выполнить для обеспечения безопасности дорожного движения.
2. Задача по устранению локальных дефектов с учетом ураганной динамики их разаития на улицах и дорогах России должна решаться на постоянной основе. Предложенная технология оцифровки покрытий и выявления дефектов позволяет уже сейчас поддерживать базу данных об эксплуатационных характеристиках покрытий в актуальном состоянии – скорость цифровых процессов такова, что картину «дорожной разрухи» можно обновлять ежегодно на дорожной сети суммарной протяженностью 1,5-2 тысяч километров с помощью лишь одной машины, оборудованной представленными выше устройствами. Так, например, суммарная протяженность уличной сети Красноярска составляет немногим более 1000 км, то есть для краевой столицы задача вполне решаемая.
3. Изготовленная картограмма дефектов является очень достоверным основанием для принятия проектных, а в последствии и технологических решений по ремонту покрытия. Консультции с опытными дорожниками позволили нам выяснить, что наиболее употребимыми в настоящее время способами устранения выбоин, проломов, вмятин и колей на покрытиях являются два способа. Первый из них – это струйно-инъекционный метод ремонта, сущность которого заключается в том, что в выбоину под давлением воздуха направляется композитная струя, состоящая из щебня и капель битумной эмульсии. Указанный материал заполняет выбоину до нормального уровня и устраняет локальную неровность. В случае применения данного способа автоматически сформированная картограмма дефектов превращается в проект работ по ямочному ремонту дороги со всеми его признаками, так как объем работ полностью соответствует объему выявленных неровностей. Вторым способом ямочного ремонта является предварительная подготовка и оконтуривание дефекта с приданием ему регулярной ортогональной формы и оформлением разрушенной кромки в виде четкой границы. После этого подготовленая карта заполняется горячей асфальтобетонной смесью. Технологически данная работа выполняется с помощью дорожной фрезы, а в проектном смысле это означает, что количество материала, который должен быть уложен в выбоину становится больше ее первоначального размера. В этом случае картограмма дефектов должна быть соответствующим образом подготовлена, а вокруг каждого дефекта должны быть нанесены контуры, совпадающие с будущими границами ремонтной карты. Объем дополнитьельного асфальтобетона может быть так же легко и автоматически вычислен.
4. Сплошная инфракрасная оцифровка покрытия позволяет определить еще некторые параметры покрытия, применение которых в дорожных системах развитых стран стало уже стандартом. Таковым является индекс ровности покрытия в его международном стандарте IRI. Сшитая в единую поверхность полоса была нами проанализирована в режие оценки ровности профиля в соответствии с правилами расчета указанного параметра и его значение было вычислено. Более того, мы уверены, что автоматическое распознавание дефектов, без влияния человеческого фактора на его интерпретацию позволяет выявлять дефекты, которые не могут быть увидены невооруженным глазом и даже прогнозировать их дальнейшее разитие. Как было отмечено выше на той же улице Пушкина при определенных режимах обработки зарождающаяся колея не могла быть выявлена визуальным осмотром, а сканер ее уверенно определил, позиционировал и оценил ее объемы. Ни для поперечной, ни для продольной профилометрии не нужно использовать никаких дополнительных приборов или технологий, а это означает, что сканирование поверхности может стать прекрасным инструментом диагностики дороги и прогноза динамики ее эксплуатационного состояния.
5. Ну и наконец последняя позитивная перспектива использования инфракрасной диагностики покрытия – ее результаты могут стать прекрасным инструментом очень точной оценки стоимости предстоящих работ и последующего контроля за их выполнением. В действительности – каждая выбоина может стать предметом учета, описанной соответствующими атрибутами – датой появления, размером и четко зафиксированным пространственным положением. Указанная ситуация исключит субъективный подход в оценке работ, которые нужно выполнить на участке дороги, позволит грамотно и обснованно сформировать производственную задачу и оценить качество ее выполнения.
В заключении отметим, что современные подходы к реализации наиболее важных социальных и экономических задач перестают базироваться на так называемых процессных методах. Все чаще и чаще для достижения цели используется так называемый проектный подход. Мы считаем, что именно применение цифровой технологии оценки количественных и качественных показателей локальных дефектов на дороге позволит перевести работу по ямочному ремонту на наших дорогах из статуса вечного процесса, у которого нет ни окончательно, ни промежуточного итога, в статус проекта повышения безопасности дорожного движения, имеющего ясные планы, перспективы и понятные пользователям наших дорог итоги.
Безносов А.В., Ермолаев Н.Н.,
разработчики информационных систем,
ООО «Ваши программы»
Дата публикации: 12.09.2017