مدل شبكه عصبی مصنوعی برای پیش بینی ناهمواری های سطح جاده ها را یكی از پژوهشگران دانشگاه صنعتی خواجه نصیرالدین طوسی ارائه داد.
سید الحسینی دانش آموخته كارشناسی ارشد رشته مهندسی عمران در گفتگو با خبرنگار باشگاه خبرنگاران درباره پایان نامه خود افزود: راه ها و بزرگراه ها دریك كشور به منزله شاهرگهای حیاتی ان كشور هستند وجود راه ها باعث پویایی و تحرك هر منطقه و این تحرك به نوبه خود باعث توسعه و بهبود اقتصادی می شود و با توجه به روند توسعه روز افزون كشورها اهمیت راه ها روز به روز زیاد شده و بر میزان ترافیك آنها نیز افزوده می شود در جهان امروز یكی از اركان مهم توسعه اقتصادی راه های با بازدهی مناسب هستند به همین دلیل در سال های اخیر مدیریت نگهداری راه ها به یك حرفه تخصصی تبدیل شده است.
وی گفت: مدیریت راه به كارگیری دانش فنی، اقتصادی و مدیریتی برای بهینه كردن فعالیت های مربوط به راه هدف اصلی مدیریت راه تامین حداكثر ایمنی و كارآیی حركت ترافیك، همزمان با كاهش هزینه و تاثیرات نامطلوب محیطی و اجتماعی كابر راه است و مدیریت رو سازی به نوبه خود شامل برنامه ریزی و هماهنگی فرآیندهای طراحی ساخت و نگهداری روسازی و ارزیابی وضعیت موجود و عملیات انجام شده در طول یك دوره زمانی و نیز تحقیقات در این زمینه می شود.
وی ادامه داد: در این تحقیق پس از معرفی ناهمواری راه با استفاده از شبكه های عصبی، مصنوعی مدلی برای پیش بینی میزان ناهمواری تحت شاخص iri ارائه شد یكی از مهمترین پارامترهایی كه مرتبط با فرآیند تصمیم گیری در سیستم های مدیریت روسازی است و عملكرد روسازی و همچنین هزینه های مربوط به استهلاك وسایل نقلیه و نیز كیفیت سواری راه ها موثر است ناهمواری راه "rough ness" نامگذاری و با شاخص های متفاوتی ارائه می شود كه مهمترین آنها كه امروزه در اكثر كشورهای جهان كابرد دارد شاخص با نام ناهمواری بین المللی است.
سید الحسینی گفت: با توجه به نیاز به یك منبع اطلاعات نسبتا جامع و نبودن اطلاعات كافی مربوط به مشخصات ناهمواری رویه راه های ایران، بانك اطلاعات ltpp مربوط به راه های آمریكای شمالی مورد استفاده واقع شد و پس از جمع آوری اطلاعات لازم به كمك نرم افزار matlab نسبت به تجزیه و تحلیل داده ها اقدام و مدل استخراجی پیشنهاد شد كه شبكه عصبی مصنوعی در پیش بینی ناهمواری دررو سازی های انعطاف پذیر كاربرد دارد و می توان با این مدل مقدار ناهمواری ها را با دقت بالایی پیش بینی كرد