Galym Joly

Galym Joly — Қазақстанның жол жабынының сапасын бағалауға арналған ғылыми жоба. Мақсаты — асфальт бетіндегі жарықтар, шұңқырлар және басқа да дефект түрлерін жасанды интеллект пен компьютерлік көру арқылы автоматты түрде анықтау, сондай-ақ жол инфрақұрылымының жасырын (көзге көрінбейтін) ақауларын сенсорлық технологиялар — георадар, термокамера, акустикалық/сейсмикалық сенсорлар — көмегімен мониторингтеу.

Жоба жол сапасын бағалаудың нақты уақыттағы, автоматтандырылған әдістерін зерттейді және оларды Қазақстанның климаттық жағдайы мен жол материалы ерекшеліктеріне бейімдеу мүмкіндіктерін қарастырады. Төменде осы бағыттағы зерттеу материалдары жарияланады.

Асфальт жабынының дефект түрлері және оларды жасанды интеллект арқылы автоматты анықтаудағы өзекті мәселелер

Асфальт бетіндегі негізгі дефект түрлерінің халықаралық классификациясы және оларды ЖИ арқылы автоматты анықтаудағы деректер сапасы, домендер алшақтығы, есептеу шектеуі сияқты сегіз өзекті мәселе.

Асфальт жабынының негізгі дефект түрлері

Жол саласындағы халықаралық классификацияда (мысалы, АҚШ-тың FHWA Distress Identification Manual) асфальт бетіндегі дефектілер бірнеше үлкен топқа бөлінеді.

1. Жарықтар (Cracking)

  • Шаршау жарығы (fatigue / alligator cracking) — қайталанатын көлік жүктемесінен пайда болатын, «қолтырауын терісіне» ұқсас көп бұрышты тор жарық. Көбіне дөңгелек ізі бойымен пайда болады және жол құрылымының терең зақымдалуын білдіреді.
  • Термиялық/көлденең жарық (thermal / transverse cracking) — температураның күрт төмендеуінен асфальт қысылып, жол енінен көлденең өтетін жарық. Қазақстан сияқты континенттік климатта ерекше жиі кездеседі.
  • Бойлық жарық (longitudinal cracking) — жол жолағының шетінде немесе қабаттар жапсарында пайда болатын, жол бағытымен параллель созылатын жарық.
  • Блок жарық (block cracking) — битумның ескіруі (тотығуы) нәтижесінде бет тікбұрышты «блоктарға» бөлінетін жарық торы.

2. Пішін бұзылулары (Surface deformation)

  • Шұңқырлану (rutting) — қайталанатын ауыр жүктемеден дөңгелек ізі бойымен пайда болатын бойлық ойыс, әсіресе ыстық ауа-райда битум жұмсарғанда күшейеді.
  • Толқындану/ығысу (shoving / corrugation) — тежелу немесе үдеу жиі болатын учаскелерде асфальт қабатының көлденең ығысуынан пайда болатын толқын тәрізді бедер.
  • Ойыс-шұңқырлар (potholes) — судың негізге еніп, мұздап-еруі мен көлік жүктемесінің бірігуінен пайда болатын, жол бетінде толық тесік түзетін ауыр ақау.

3. Бет тозуы (Surface defects)

  • Тас бөлшектердің үгілуі (raveling) — байланыстырғыш битум әлсіреп, беттегі минералды түйіршіктер бірте-бірте бөлініп түсуі.
  • Битум ағуы (bleeding / flushing) — ыстық ауа-райда артық битум бетке шығып, тайғақ, жылтыр дақ түзуі.
  • Полировка (polishing) — тас түйіршіктердің көліктің үздіксіз үйкелуінен тегістеліп, дөңгелек ұстасуының (skid resistance) төмендеуі.

4. Су мен дренажға байланысты ақаулар

  • Шайылу (erosion) — жол шетінде немесе кюветте судың топырақты шайып әкетуі, бұл негіздің тірек қабілетін төмендетеді.
  • Су сіңіру мен ісіну (moisture damage / stripping) — судың асфальт қабатына еніп, битум мен тас арасындағы адгезияны бұзуы.

Осы дефектілерді ЖИ арқылы автоматты анықтаудағы негізгі өзекті мәселелер

  • 1. Деректер сапасы мен жетіспеушілігі. Пиксель деңгейінде дәл белгіленген (annotated/labeled) үлкен көлемдегі деректер жинағы аз әрі жасау қымбат. Сонымен қатар суреттердің басым бөлігі «зақымсыз жол» болғандықтан, класс теңгерімсіздігі (class imbalance) моделдің сирек кездесетін ауыр ақауларды (терең шұңқыр, кең жарық торы) нашар танып білуіне алып келеді.
  • 2. Домендер арасындағы алшақтық (domain shift). Бір елде, бір камера мен жарықтандыру жағдайында жиналған деректе оқытылған модель басқа климаттық аймақта, басқа асфальт материалында дәлдігін жоғалтады. Мысалы, жылы климатта оқытылған модель Қазақстанның қысқы термиялық жарықтарын нашар анықтайды.
  • 3. Дефект түрлерінің көп алуандығы мен жалған позитивтер. Әрбір дефект түрін бір-бірінен (мысалы, бойлық жарықты жол таңбасынан, көлеңкеден немесе майлы дақтан) ажырату күрделі есеп болып қалуда. Ерте сатыдағы микрожарықтарды анықтау дәлдігі әлі де төмен.
  • 4. 2D сурет пен 3D тереңдік арасындағы алшақтық. Кәдімгі камера тек беткі жарықты «көреді», алайда шұңқырдың тереңдігі мен көлемін дәл өлшеу үшін стерео камера, LiDAR немесе структуралық жарық (structured light) сенсорлары қажет — бұл жабдықты қымбаттатып, деректерді синхрондау мәселесін тудырады.
  • 5. Нақты уақытта жұмыс істеу мен есептеу шектеуі. Жоғары дәлдікті терең сегментация желілері үлкен есептеу қуатын талап етеді, ал жол сканерлеу көлігіне орнатылған шектеулі жабдықта нақты уақытта (real-time) жұмыс істеу үшін модельді жеңілдету (compression, quantization, pruning) кезінде дәлдік құрбандыққа шалынады.
  • 6. Жалпылама қабілет пен интерпретациялану. Модель бір аймақтың жол текстурасына «үйреніп» қалып, басқа құрылымда қате жасайды. Сонымен қатар терең модельдердің «қара жәшік» сипаты инженерлерге түсініксіз болып, шешімге деген сенімді төмендетеді.
  • 7. Ауырлық дәрежесін бағалау мен приоритизация. Ақауды тек анықтау жеткіліксіз — оның қаншалықты қауіпті екенін бағалау (severity scoring) және жөндеу мерзімін болжау (predictive maintenance) әлдеқайда күрделі есеп, себебі бұл жүктеме, ауа-райы және материал жасы сияқты көптеген факторға тәуелді.
  • 8. Ортақ бенчмарктің жоқтығы. Әр зерттеу тобы өз деректер жиынын, өз метрикасын қолданады, бұл модельдерді объективті салыстыруды қиындатады. Дегенмен соңғы жылдары CRACK500, GAPs384 және RDD2022 (Road Damage Dataset) сияқты ашық деректер жинақтары осы олқылықты біртіндеп жабуда.

Ескерту: дефект классификациясы мен ғылыми зерттеу нәтижелері шетелдік дереккөздерден алынған; Қазақстанның климаттық және жол материалы ерекшеліктеріне бейімдеу үшін жергілікті деректер жинағын қалыптастыру қажет.

Дереккөздер

  1. FHWA, Distress Identification Manual
  2. MDPI, Sustainability, Deep Learning for Pavement Distress Detection: A Review, 2023
  3. arXiv, Real-Time Pavement Crack Detection Survey, 2023
  4. RDD2022, Road Damage Detector, GitHub

Жол инфрақұрылымының сапасын анықтайтын сенсорлар технологиясы

Жол төсемінің көзге көрінбейтін ақауларын анықтайтын төрт сенсорлық технологияға шолу — георадар, радиоизотоптық әдіс, термосенсорлар және акустикалық/сейсмикалық сенсорлар — әрқайсысының артықшылығы мен шектеуімен.

Жол төсемінің сыртқы бетінде байқалмайтын ақаулар — негіздегі қуыстар, суару нәтижесіндегі шайылу, қабаттар арасындағы адгезияның бұзылуы — апаттық жағдайларға дейін жасырын қалуы мүмкін. Мұны алдын ала анықтау үшін бірнеше сенсорлық технология қолданылады, әрқайсысының өз артықшылығы мен шектеуі бар.

Георадар (GPR — Ground Penetrating Radar)

Электромагниттік толқындарды жіберіп, әртүрлі тығыздықтағы қабаттардан шағылысуын өлшейді.

  • Плюстары: жоғары кеңістіктік ажыратымдылық, қозғалыстағы көлікке орнатуға болады (жылдамдығы 60–80 км/сағ дейін), қабат қалыңдығын дәл өлшейді, радиациялық қауіп жоқ.
  • Минустары: ылғалды немесе тұзды топырақта сигнал тез сөнеді, терең қабаттарда (2–3 м-ден асқанда) ажыратымдылық төмендейді, нәтижені түсіндіру білікті маманды талап етеді.

Радиоизотоптық әдіс (радиоактивті ыдырауға негізделген)

Гамма-сәулелену көзі (әдетте цезий-137 немесе америций-241) көмегімен материалдың тығыздығы мен ылғалдылығын өлшейді.

  • Плюстары: тығыздықты өте жоғары дәлдікпен өлшейді, стандартталған және ондаған жылдар бойы сынақтан өткен әдіс.
  • Минустары: радиациялық қауіпсіздік талаптары (лицензиялау, оператордың арнайы дайындығы, тасымалдау мен сақтау ережелері), қоғамдық жерлерде қолдануға шектеу, көзді сақтау және кәдеге жарату қосымша шығын әкеледі — сондықтан жаппай мониторингке қарағанда, нүктелік бақылау-сынақ жағдайларында тиімдірек.

Термосенсорлар (инфрақызыл/жылу камералары)

Жол бетіндегі температура таралуындағы аномалияларды тіркейді — қуыс немесе ылғал жиналған жерлерде жылу өткізгіштік өзгереді.

  • Плюстары: салыстырмалы түрде арзан, дрон немесе көлікке орнатуға оңай, үлкен аумақты тез скрининг жасауға қолайлы.
  • Минустары: тек беткі қабатқа жақын ақауларды көрсетеді, нәтиже ауа-райы мен тәуліктік температура ауытқуына тәуелді, дәл диагноз үшін қосымша әдіспен растау қажет.

Акустикалық/сейсмикалық сенсорлар

Жол бетіне соққы беріп немесе қозғалыстағы көліктің тербелісін тіркеп, дыбыс толқынының таралу жылдамдығы мен шағылысуы арқылы ішкі құрылымды бағалайды.

  • Плюстары: радиациялық қауіп жоқ, тербеліс сенсорларын көпірлер мен көпір тіректеріне тұрақты орнатып, үздіксіз мониторинг жасауға болады, деректерді бұлтқа жіберіп, ЖИ алгоритмімен өңдеу оңай интеграцияланады.
  • Минустары: фондық шу (көлік қозғалысы, жел) нәтижені бұрмалауы мүмкін, күрделі алгоритмдік өңдеусіз шикі деректің ақпараттылығы төмен.

Қорытынды салыстыру

Жедел әрі қауіпсіз скрининг үшін — георадар мен термокамера тіркесімі; дәл тығыздық өлшеу қажет нүктелік сынақтарда — радиоизотоптық әдіс; ал көпірлер мен маңызды учаскелерде үздіксіз, автоматтандырылған бақылау үшін — акустикалық/сейсмикалық сенсорлар желісі ең перспективалы, себебі радиациялық шектеусіз және IoT-инфрақұрылымға оңай қосылады.

Ескерту: сандық көрсеткіштер мен әдістемелер шетелдік ғылыми зерттеулер мен мемлекеттік көлік агенттіктерінің материалдарынан алынған, Қазақстан жағдайына бейімдеу үшін жергілікті сынақ деректері қажет.

Дереккөздер

  1. Pavement Interactive
  2. FHWA — Nuclear Density Gauge
  3. ScienceDirect, 2022
  4. iFluids — IoT Sensors for Aging Infrastructure, 2026