Univerza na Primorskem
Fakulteta za matematiko, naravoslovje in informacijske tehnologije
Več informacij o projektu / More info about the project
Opis / Description
SLO:
Naraščajoče število težkih tovornih vozil, kot so tovornjaki in avtobusi, ter prihajajoči cestni vlaki in elektronsko vodeni konvoji pomembno vplivajo 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 uporabnikom in upravljavcem cestne infrastrukture.
Preprečevanje preobremenitev se začne s spremljanjem prometa, ki vključuje zbiranje podatkov o osnih obremenitvah in skupnih masah vozil, tipih in pogostosti pojavljanja vozil ter drugih značilnostih prometnega toka. Ti rezultati predstavljajo ključne vhodne podatke za prometne študije ter za načrtovanje in ocenjevanje stanja obstoječih cestnih konstrukcij. Tradicionalno statično tehtanje sicer zagotavlja najbolj natančne rezultate, vendar je drago in neučinkovito pri gostem prometu. Posledično se za zbiranje informacij o prometnih obremenitvah uporabljajo sistemi za tehtanje vozil med vožnjo (Weigh-In-Motion – WIM).
Namestitev večine sistemov WIM je zahtevna, saj so potrebne zapore prometa, namestitev pa po pravilu poškoduje vozno površino. Edina tehnologija, ki se izogne rezanju utorov za senzorje v cestno površino in ne zahteva cestnih zapor med namestitvijo in vzdrževanjem opreme, je mostni sistem za tehtanje vozil med vožnjo (Bridge Weigh-In-Motion – B-WIM).
Na žalost točnost in zanesljivost trenutnih rezultatov B-WIM ne izpolnjujeta zakonskih zahtev, ki jih določa OIML (Mednarodna organizacija za meroslovje). Posledično sistemov B-WIM ni mogoče uporabiti za namen kaznovanja kršiteljev, njihova uporaba pa je omejena na zbiranje statističnih podatkov o obremenitvi in 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.
Predlagani projekt rešuje naštete pomanjkljivosti z alternativnim pristopom z uporabo velikih količin podatkov in naprednih metod umetne inteligence (UI).
EN:
The increasing number of heavy commercial vehicles, such as trucks and buses, along with new transportation solutions like road trains and electronically controlled convoys, impacts the safety and management of road infrastructure. Overloaded vehicles in particular cause issues as they increase safety risks and accelerate road damage. Vehicle weight control is crucial to prevent illegal road use.
Traditional weighing methods, such as static weighing, are accurate but expensive and inefficient for heavy traffic. Therefore, systems for weighing vehicles while driving (WIM) are used. However, installing most WIM systems is problematic and can damage the road surface. An alternative is the B-WIM bridge system, which does not require cutting the road or road closures, but currently, its accuracy and reliability do not meet legal standards for penalizing violators.
B-WIM systems are based on measuring bridge deformations, which causes errors, especially on longer bridges or with multiple axles on the bridge. Reliable measurement of axle loads remains an open question.
The proposed project aims to address these shortcomings using artificial intelligence (AI). The project’s objectives include developing methods to evaluate the reliability of B-WIM measurements with AI, improving measurement accuracy by combining data from deformation measurements, B-WIM results, and traffic camera photographs, and creating a public B-WIM data repository for further research. This approach could significantly improve the accuracy and reliability of B-WIM measurements and open a new field of research in this area.
The proposed project addresses these shortcomings through an alternative approach based on the use of large amounts of data and advanced artificial intelligence (AI) methods.