Пермские учёные создали нейросеть для прогнозирования поведения дорожных конструкций на слабых грунтах
Пермские учёные обучили ИИ прогнозировать поведение дорожных конструкций
Сотрудники Пермского национального исследовательского политехнического университета (ПНИПУ) создали нейросеть, которая точно прогнозирует, как будет вести себя дорога с геосинтетическими материалами на слабых грунтах — болотистых почвах и в условиях вечной мерзлоты.
Аналогов такой системы пока нет в мире, уверяют учёные. Разработка позволит строить надёжные всесезонные дороги там, где сейчас используются хрупкие «зимники». Точность прогнозов достигает 92 %.
Как работает нейросеть
Сначала учёные провели сотни компьютерных экспериментов, моделируя разные варианты дорог и грунтов. В ходе экспериментов фиксировались:
- просадка покрытия;
- напряжение в укрепляющем материале.
На полученных данных обучили нейросеть. Она принимает 13 входных параметров конструкции и выдаёт два ключевых результата:
- величину просадки;
- уровень напряжения.
«Результаты испытаний подтвердили высокую эффективность разработанной нейронной сети. Модель продемонстрировала стабильную точность прогнозирования на уровне 90,76 % при погрешности менее 10 %, что полностью соответствует требованиям для практического применения в дорожном строительстве. Проведённые тесты показали надёжность работы системы — в ходе независимых запусков точность прогнозов сохранялась в диапазоне от 88,27 до 92,06 %», — рассказал доцент кафедры автомобильных дорог и мостов ПНИПУ, кандидат технических наук Владимир Клевеко.
Ключевые факторы прочности дороги
Нейросеть также показывает, какие параметры больше всего влияют на прочность дороги. Выяснилось, что ключевой фактор — прочность грунта. Именно от него зависит:
- скорость образования колеи;
- нагрузка на геосинтетическую сетку.
Для предотвращения проблем наиболее важна толщина асфальтового покрытия. Для долговечности геосинтетической сетки решающее значение имеет её жёсткость.
Перспективы внедрения
В будущем учёные планируют запатентовать программное обеспечение, основанное на новой методике. Это позволит внедрить её в реальное проектирование. Преимущества методики:
- ускорение расчётов;
- отсутствие необходимости в дорогих программах;
- доступность для проектировщиков и лесных компаний.
Ожидается, что внедрение методики приведёт к:
- снижению стоимости строительства;
- увеличению выгодности разработки удалённых лесов;
- уменьшению логистических расходов;
- снижению себестоимости лесной продукции (от стройматериалов до бумаги и мебели).
Проблема дорог в России
Российская лесная отрасль переживает кризис: хотя доходы растут, объём лесозаготовок за десять месяцев 2025 года упал на 9 % из‑за проблем с логистикой. Основные трудности возникают в удалённых регионах, где:
- мало дорог;
- природные условия (болота, реки, вечная мерзлота) усложняют строительство инфраструктуры.
Долгое время отрасль опиралась на «зимники» — временные дороги по промёрзшей земле и льду. Однако из‑за изменений климата:
- зима сократилась на 15–20 %;
- часто случаются оттепели;
- в северных районах тает вечная мерзлота.
В результате «зимники» стали непредсказуемыми и небезопасными. Строительство круглогодичных дорог осложняется тем, что слабые заболоченные грунты не выдерживают тяжёлую технику — образуются глубокие колеи, дороги быстро портятся, а перевозки дорожают.
Практический потенциал разработки
Технология решает одну из ключевых проблем России — транспортную доступность удалённых и ресурсоёмких регионов. Эксперты отмечают её потенциал, однако указывают на необходимость учёта стоимости внедрения и сопровождения.
«Строительство надёжных всесезонных дорог откроет доступ к ресурсам, которые сейчас нерентабельно осваивать из‑за логистических проблем», — добавил руководитель группы продуктов «Оператор Газпром ИД» Руслан Долгополов.
Руководитель направления Т1 ИИ Сергей Голицын подчёркивает инновационность подхода: ранее технология использования синтетических компонентов в асфальтовой крошке основывалась исключительно на математическом моделировании. Нейросети позволяют учитывать огромное количество параметров и быстрее моделировать поведение сложных материалов.
«Потенциал для развития технологии есть в следующих направлениях: снижении стоимости строительства и логистики в лесной отрасли, освоении удалённых районов с богатыми ресурсами, замене ненадёжных «зимников» на рентабельные всесезонные дороги», — пояснил к. т. н., старший научный сотрудник Института ИИ ИТМО, эксперт Национального центра когнитивных разработок НТИ на базе ИТМО Илья Ревин.
Метод уже доказал свою практическую применимость и может стать фундаментом для устойчивого развития лесной отрасли в сложных условиях.