Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
Powiadomienia systemowe
  • Sesja wygasła!
  • Sesja wygasła!
  • Sesja wygasła!

Znaleziono wyników: 4

Liczba wyników na stronie
first rewind previous Strona / 1 next fast forward last
Wyniki wyszukiwania
Wyszukiwano:
w słowach kluczowych:  road pavement condition
help Sortuj według:

help Ogranicz wyniki do:
first rewind previous Strona / 1 next fast forward last
PL
W artykule przedstawiono wyniki prac własnych oraz przykłady z literatury dotyczące wykorzystania danych pozyskanych przy pomocy bezzałogowych statków powietrznych w budownictwie drogowym. Opisano metody wspomagające pracę projektanta branży drogowej dzięki zastosowaniu danych w postaci chmury punktów i numerycznego modelu terenu. Wskazano również możliwości implementacji materiałów kartometrycznych w postaci ortofotmap przy ocenie stanu nawierzchni. Nawet niskobudżetowe bezzałogowe statki powietrzne umożliwiają uzyskanie w krótkim czasie dużej liczby obrazów o wysokiej rozdzielczości analizowanego obszaru. Dane te mogą służyć zarówno do szczegółowego projektowania infrastruktury drogowej w kontekście lokalizacji przestrzennej, wizualizacji inwestycji czy sprawdzania warunków bezpieczeństwa (np. widoczności). W przypadku oceny stanu nawierzchni, jej uszkodzeń dodatkowo umożliwiają wykonywanie powtarzalnych (cyklicznych) misji przy zachowaniu stałych kryteriów pomiaru. Daje to możliwość bieżącej kontroli dróg i zmian na nich zachodzących w czasie. Obrazy pozyskane przez bezzałogowe statki powietrzne pozwalają na elastyczność w formie ich przetwarzania i wykorzystania, co zmniejsza potrzebne do poniesienia nakłady finansowe i ogranicza liczbę osób zaangażowanych w realizację zadań.
EN
The article presents the results of the authors’ own research as well as examples from the literature regarding the use of data obtained with unmanned aerial vehicles in road construction. The study describes methods that support the work of road designers through the use of point cloud data and digital terrain models. It also highlights the possibilities of implementing cartometric materials in the form of orthophotos for pavement condition assessment. Even low-budget unmanned aerial vehicles allow for the rapid acquisition of a large number of high-resolution images of the analysed area. These data can be used for detailed road infrastructure design in terms of spatial location, investment visualization, and safety condition assessments (e.g., visibility analysis). In pavement diagnostics, including damage detection, unmanned aerial vehicles enable the execution of repeatable (cyclical) missions while maintaining consistent measurement criteria. This allows for continuous road monitoring and tracking of changes over time. The images captured by unmanned aerial vehicles provide flexibility in processing and application, reducing financial costs and minimizing the number of personnel required for task execution.
EN
The aim of the study was to identify key factors influencing the poor condition of road surfaces from the perspective of road infrastructure managers. The research was conducted in 2024 using an online survey CAWI (Computer‑Assisted Web Interview) on a sample of 362 road managers, selected through purposive sampling. The analysis employed factor analysis using the principal component method with Varimax rotation. Factor analysis identified three main components, which together explain 60.85% of the variance. The first component included structural and environmental factors, such as design and construction errors, material corrosion, and subsoil and groundwater conditions. The second related to weather‑related factors (e.g., extreme temperatures, heavy rainfall) and economic factors (insufficient funding for regular maintenance), which – although different in nature – were often identified by respondents as constraints beyond the scope of technical interventions. The third component encompassed traffic‑related factors, such as traffic intensity and axle overloading. The results of the study indicated that road administrators pointed financial constraints and excessive heavy traffic loads as the main causes of pavement deterioration. The findings may support the optimization of maintenance policies and the establishment of priorities in modernization efforts.
PL
Celem badania było określenie kluczowych czynników wpływających na zły stan nawierzchni dróg na podstawie opinii zarządców infrastruktury drogowej. Badanie przeprowadzono w 2024 r. metodą ankiety internetowej CAWI (Computer‑Assisted Web Interview) na próbie 362 zarządców dróg, dobranych z użyciem metody doboru celowego. W analizie wykorzystano analizę czynnikową metodą głównych składowych z rotacją Varimax. Analiza wykazała trzy główne składowe, które łącznie wyjaśniają 60,85% wariancji. Pierwsza obejmuje czynniki strukturalne i środowiskowe, takie jak błędy projektowe i wykonawcze, korozja oraz uwarunkowania gruntowo‑wodne. Druga dotyczy czynników pogodowych (np. ekstremalna temperatura, intensywne opady) oraz ekonomicznych (niedobór środków na bieżące utrzymanie), które – choć różnej natury – często współwystępują w percepcji respondentów jako ograniczenia niezależne od działań technicznych. Trzecia składowa obejmuje czynniki związane z ruchem drogowym, takie jak intensywność ruchu i przeciążenie osi pojazdów. Wyniki badania wskazują, że zarządcy dróg jako główne przyczyny złego stanu nawierzchni postrzegają ograniczenia finansowe oraz nadmierne obciążenie ruchem ciężkim. Uzyskane wnioski mogą wspomóc optymalizację polityki utrzymaniowej oraz ustalanie głównych działań modernizacyjnych.
PL
Urządzenie typu FWD należy do jednych z najczęściej wykorzystywanych w badaniach nośności nawierzchni. Wyniki uzyskane za pomocą urządzenia FWD mogą posłużyć do obliczenia modułów sprężystości poszczególnych warstw nawierzchni, co jest niezwykle pomocne zarówno w diagnostyce drogowej jak i przy wymiarowaniu wzmocnienia konstrukcji nawierzchni jezdni. W niniejszej pracy porównano wyniki obliczeń odwrotnych metodą probabilistyczną i deterministyczną, gdzie danymi wejściowymi były grubości warstw i współczynniki Poissona. Analiza wrażliwości pozwoliła stwierdzić, że grubość najwyższej warstwy nawierzchni jest najbardziej istotna spośród wszystkich parametrów będącymi danymi wejściowymi do obliczeń odwrotnych. W pracy zasymilowano błąd pomiarowy określenia grubości najwyżej warstwy nawierzchni i przeprowadzono obliczenia modułów sprężystości poszczególnych warstw nawierzchni. Wyniki obliczeń uzyskane zarówno metodą deterministyczną jak i metodą probabilistyczną porównano z wartościami uzyskanymi na drodze badań laboratoryjnych.
EN
FWD tests are one of the most common tests of pavement in the world. The elastic modulus of each pavement layers can be obtained by applying inverse analysis, which is useful not only in assessment of road pavement condition, but also in designing the over layer. The author of this paper confronted probabilistic and deterministic approaches of input data for back calculation (thickness and Poisson’s ratios of each layer) for homogeneous experimental section. The results of the sensitivity analysis have shown that the most significant influence for the identified quantity had a thickness of bituminous layers. In this paper the measurement error of thickness of asphalt concrete layers was simulated for comparison the probabilistic and deterministic approaches, moreover, the results of laboratory tests were used for verification.
PL
W pracy przedstawiono metodę wizyjną oceny stanu nawierzchni drogowych. Przedstawiono wady obecnie stosowanych rozwiązań wizyjnych. Zaproponowano wykorzystanie metody stereowizyjnej do identyfikacji uszkodzeń nawierzchni. Przedstawiono także przykład opisu nawierzchni drogi w systemie obrazowania przestrzennego.
EN
The visual evaluation of road pavement conditions was presented in the article. The disadvantages of currently used visual method were presented. The stereovision method for identification road pavement conditions was proposed to using. An example of 3d description of the road pavement was shown.
first rewind previous Strona / 1 next fast forward last
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.