Izboljšanje sistema B-WIM na osnovi masovnih podatkov in umetne inteligence
natisniNaraščajoče število težkih tovornih vozil, kot so tovornjaki, avtobusi ter prihajajoči cestni vlaki in elektronsko vodeni konvoji, pomembno vpliva na varnost v cestnem prometu in na upravljanje infrastrukture. Še posebej problematična so preobremenjena vozila, saj povečujejo varnostna tveganja in pospešeno uničujejo cestno infrastrukturo. Preprečevanje nezakonite uporabe cest zato koristi številnim, ki uporabljajo ali upravljajo cestno infrastrukturo.
Preprečevanje preobremenitev se začne s spremljanjem prometa, ki vključuje zbiranje podatkov o osnih obremenitvah in skupnih masah vozil, tipih in pogostosti pojavljanja vozil ipd. Ti rezultati so ključni vhodni podatki za prometne študije ter za načrtovanje in ocenjevanje stanja obstoječih cestnih konstrukcij. Tradicionalno statično tehtanje, ki sicer zagotavlja najbolj natančne rezultate, je drago in neučinkovito za gost promet. Posledično za zbiranje informacij o prometnih obremenitvah uporabljamo sisteme za tehtanje vozil med vožnjo (WIM).
Namestitev večine sistemov WIM je težavna, potrebne so zapore prometa, namestitev pa praviloma poškoduje vozno površino. Edina tehnologija, s katero se izognemo rezanju utorov za senzorje v cestno površino in ne potrebujemo cestnih zapor med namestitvijo in vzdrževanjem opreme, je mostni sistem za tehtanje vozil med vožnjo (B-WIM). Na žalost točnost in zanesljivost trenutnih rezultatov B-WIM ne izpolnjujeta zakonskih zahtev, ki jih določa OIML (Mednarodna organizacija za meroslovje). Posledično jih ni mogoče uporabiti za namen kaznovanja kršiteljev in jih omejuje na zbiranje statističnih podatkov o obremenitvi in le detekcijo verjetno preobremenjenih vozil za statično tehtanje.
Primarni vir napak sistemov B-WIM je merilno načelo: osne obremenitve se ne merijo iz stika med kolesi in senzorji, ampak se izračunajo posredno iz deformacij mostu. Napake hitro naraščajo z dolžino mostu in s prisotnostjo več osi na mostu. Sistem B-WIM lahko v takih situacijah natančno izmeri skupno maso vozila, vendar je pogosto ne more pravilno porazdeliti na posamezne osi. Zanesljivo in natančno merjenje osnih obremenitev vseh vozil na večini vrst mostov, zato ostaja odprto raziskovalno vprašanje. Skupnost B-WIM se strinja, da so konvencionalni raziskovalni pristopi, uporabljeni v zadnjih 30 letih, izčrpani in ne morejo prinesti bistvenih izboljšav, potrebnih za sodni pregon kršiteljev.
S projektom želimo naštete pomanjkljivosti rešiti z alternativnim pristopom – uporabo velikih količin podatkov in naprednih metod umetne inteligence (UI). Načrtujemo:
1. Oblikovati metode vrednotenja, ki temeljijo na UI in s katerimi bomo pridobili ocene zanesljivosti trenutnih hevrističnih meritev B-WIM. Uporaba popolnoma avtomatiziranega sistema zagotavljanja kakovosti (QC) rezultatov 8-WIM bo občutno razširila možne načine uporabe sistemov B-WIM.
2. Oblikovati in ovrednotiti inovativen pristop, ki ga poganja UI (AI-BWIM), s katerim bomo poskušali izboljšati natančnost meritev. Ključ do izboljšav je zanesljivejša določitev števila in položaja osi ter števila in položaja vozil na mostu. To nameravamo storiti s kombiniranjem podatkov o meritvah deformacij, rezultatov B-WIM in fotografij prometnih kamer. Pričakujemo, da bomo razvili prvi sistem B-WIM, ki bo skladno z OIML z zahtevano natančnostjo identificiral vsaj 60 % meritev, kar je odstotek, ki ga do danes ni dosegel noben drug sistem WIM po svetu.
3. Preveriti predlagane metode z realnimi izmerjenimi podatki iz slovenskega cestnega omrežja in ustvariti javni repozitorij podatkov B-WIM, ki bo drugim raziskovalcem omogočil potrditev naših ugotovitev in izboljšanje algoritmov B-WIM. Raziskovalna skupnost bo posledično imela koristi od odprtja novega raziskovalnega področja na področju tehnologije B-WIM.
