مدیریت روسازی

مدیریت روسازی راه (به انگلیسی: Pavement management) فرایند برنامه‌ریزی تعمیر و نگهداری و تعمیر شبکه‌های راه و دیگر زیرساخت‌های اطراف به منظور بهینه‌سازی شرایط روسازی کل شبکه است. مدیریت روسازی به معابر شهری محدود نمی‌شود و در روسازی فرودگاه‌ها هم مورد استفاده قرار می‌گیرد.

در مدیریت روسازی هزینه‌های چرخه حیات روسازی‌ها با رویکردی منظم و سیستماتیک به پروژه‌های کوچک و بزرگ تعمیر و نگهداری جاده را به همراه دارد. از این رو مدیریت روسازی ارتباط تنگاتنگی با مدیریت دارایی زیرساخت دارد.^[۱] اگرچه مدیریت دارایی شامل تمام مراحل چرخه حیات از طراحی تا بازیافت می‌شود، اما بیشتر توجه آن معطوف به تعمیر و نگه‌داری شبکه راه است.^[۲]^[۳]

سیستم مدیریت روسازی

سیستم مدیریت روسازی (به انگلیسی: Pavement management system) یا پی ام اس (PMS) یک وسیله برنامه‌ریزی برای پیشبرد مدیریت روسازی است. در یک پی ام اس داده‌های راه‌ها ذخیره و برای تصمیم‌گیری استفاده می‌شوند. تصمیم‌گیری بر اساس خروجی‌های مدل‌های زوال انجام می‌گیرد. مدل‌سازی کارایی یا زوال روسازی بر اساس داده‌های ترافیک، آب و هوا و شرایط راه انجام می‌گیرد.^[۴] با استفاده از خروجی‌های مدل‌های زوال سیستم مدیریت روسازی قادرست اطلاعات لازم برای بهسازی و نگه‌داری راه به تصمیم‌گیرندگان ارائه کند.^[۵]

روش‌های مدیریت

روش‌های مدیریت روسازی معمولاً شامل اقدامات زیر هستند:

جمع آوری داده و لیست راه‌ها
بازرسی روسازی
پیش‌بینی شرایط روسازی
تحلیل شرایط
برنامه ریزی

جمع‌آوری داده‌ها و بررسی شرایط راه معمولاً پرهزینه و زمانبر است. امروزه روش‌هایی چون جمع‌آوری داده اتوماتیک یا پیش‌بینی داده‌ها تا حدی جایگزین روش‌های دستی شده است.^[۲]^[۴]^[۶]

شاخص‌های شرایط راه

شاخص‌های متعددی در سنجش شرایط راه استفاده می‌شوند. برخی از مهم‌ترین این شاخص‌ها عبارتند از:

منابع

↑ Piryonesi, S. M.; El-Diraby, T. E. (2020) [Published online: December 21, 2019]. "Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index". Journal of Infrastructure Systems. 26 (1). doi:10.1061/(ASCE)IS.1943-555X.0000512.{{cite journal}}: نگهداری CS1: url-status (link)
↑ ^۲٫۰ ^۲٫۱ Piryonesi, S. Madeh; El-Diraby, Tamer E. (2020-06). "Role of Data Analytics in Infrastructure Asset Management: Overcoming Data Size and Quality Problems". Journal of Transportation Engineering, Part B: Pavements. 146 (2): 04020022. doi:10.1061/jpeodx.0000175. ISSN 2573-5438. {{cite journal}}: Check date values in: |date= (help)
↑ «Pavement Management Systems». Pavement Interactive (به انگلیسی). دریافت‌شده در ۲۰۲۰-۰۸-۲۱.
↑ ^۴٫۰ ^۴٫۱ "Piryonesi, S. M. (2019). The Application of Data Analytics to Asset Management: Deterioration and Climate Change Adaptation in Ontario Roads (Doctoral dissertation)".{{cite web}}: نگهداری CS1: url-status (link)
↑ «Pavement Management Systems, New Jersey State Department of Transportation» (PDF).
↑ "Piryonesi, S. M., & El-Diraby, T. (2018). Using Data Analytics for Cost-Effective Prediction of Road Conditions: Case of The Pavement Condition Index, No. FHWA-HRT-18-065. United States. Federal Highway Administration. Office of Research, Development, and Technology". Archived from the original on 2 February 2019.

[:132-1] Piryonesi, S. M.; El-Diraby, T. E. (2020) [Published online: December 21, 2019]. "Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index". Journal of Infrastructure Systems. 26 (1). doi:10.1061/(ASCE)IS.1943-555X.0000512.{{cite journal}}: نگهداری CS1: url-status (link)

[:1-2] ۲٫۰ ^۲٫۱ Piryonesi, S. Madeh; El-Diraby, Tamer E. (2020-06). "Role of Data Analytics in Infrastructure Asset Management: Overcoming Data Size and Quality Problems". Journal of Transportation Engineering, Part B: Pavements. 146 (2): 04020022. doi:10.1061/jpeodx.0000175. ISSN 2573-5438. {{cite journal}}: Check date values in: |date= (help)

[3] «Pavement Management Systems». Pavement Interactive (به انگلیسی). دریافت‌شده در ۲۰۲۰-۰۸-۲۱.

[:02-4] ۴٫۰ ^۴٫۱ "Piryonesi, S. M. (2019). The Application of Data Analytics to Asset Management: Deterioration and Climate Change Adaptation in Ontario Roads (Doctoral dissertation)".{{cite web}}: نگهداری CS1: url-status (link)

[5] «Pavement Management Systems, New Jersey State Department of Transportation» (PDF).

[:0-6] "Piryonesi, S. M., & El-Diraby, T. (2018). Using Data Analytics for Cost-Effective Prediction of Road Conditions: Case of The Pavement Condition Index, No. FHWA-HRT-18-065. United States. Federal Highway Administration. Office of Research, Development, and Technology". Archived from the original on 2 February 2019.

[۱]

[۲]

[۳]

[۴]

[۵]

[۶]