Πρόβλεψη ομαλότητας οδοστρώματος με χρήση νευρωνικών δικτύων

Ασωνίτη, Δήμητρα; Asoniti, Dimitra

dc.contributor.author	Ασωνίτη, Δήμητρα	el
dc.contributor.author	Asoniti, Dimitra	en
dc.date.accessioned	2023-05-08T09:28:24Z
dc.date.available	2023-05-08T09:28:24Z
dc.identifier.uri	https://dspace.lib.ntua.gr/xmlui/handle/123456789/57648
dc.identifier.uri	http://dx.doi.org/10.26240/heal.ntua.25345
dc.rights	Default License
dc.subject	Νευρωνικά δίκτυα	el
dc.subject	Ομαλότητα	el
dc.subject	Πρόβλεψη	el
dc.subject
dc.subject	Neural networks	en
dc.subject	Roughness	en
dc.subject	IRI	en
dc.subject	prediction	en
dc.subject	MLP	en
dc.subject	LSTM	en
dc.title	Πρόβλεψη ομαλότητας οδοστρώματος με χρήση νευρωνικών δικτύων	el
dc.title	Prediction of pavement roughness using neural networks	en
heal.type	bachelorThesis
heal.classification	Οδοποιία	el
heal.classification	Νευρωνικά δίκτυα	el
heal.language	el
heal.access	free
heal.recordProvider	ntua	el
heal.publicationDate	2023-03-20
heal.abstract	Στο πλαίσιο διαχείρισης και συντήρησης των οδοστρωμάτων, απαραίτητη είναι η εκτίμηση και αξιολόγηση διαφόρων παραμέτρων. Μία από αυτές τις παραμέτρους είναι η ομαλότητα του οδοστρώματος. Τα στοιχεία κυκλοφορίας, οι καιρικές και περιβαλλοντικές συνθήκες, καθώς και η δομική κατάσταση του οδοστρώματος παίζουν καθοριστικό ρόλο στη μείωση της ομαλότητας. Για την αξιολόγηση της ομαλότητας, χρησιμοποιούνται διάφοροι δείκτες, με πιο γνωστό τον πλέον ευρέως διαδεδομένο δείκτη IRI (International Roughness Index), ενώ έχουν γίνει πολλές έρευνες για την ανάπτυξη μοντέλων πρόβλεψης της ομαλότητας. Από την άλλη μεριά, τα Νευρωνικά Δίκτυα καλούνται να φέρουν λύση σε πολύπλοκα προβλήματα, αγνοώντας τους θεμελιώδεις νόμους της φυσικής προκειμένου να αποδίδουν καλά στις παρατηρήσεις. Ένα από αυτά τα προβλήματα είναι και η πρόβλεψη της ομαλότητας των οδοστρωμάτων. Τα Νευρωνικά Δίκτυα αποτελούν ένα είδος μηχανικής μάθησης. Η κατασκευή τους βασίζεται στην κατανόηση της λειτουργίας του ανθρώπινου εγκεφάλου, από όπου και πήραν το όνομά τους. Τις τελευταίες δεκαετίες, έχουν διεξαχθεί πολλές έρευνες για την πρόβλεψη της ομαλότητας των οδοστρωμάτων, με τη χρήση Νευρωνικών Δικτύων, στο πλαίσιο των οποίων εντάσσεται και η παρούσα διπλωματική εργασία. Αποδεικνύεται ότι τα Νευρωνικά Δίκτυα, μέσω των προβλέψεων των μελλοντικών τιμών του δείκτη ομαλότητας IRI, είναι ένα χρήσιμο εργαλείο για το μηχανικό, καθώς υποστηρίζει τον έγκαιρο προγραμματισμό και τη λήψη μέτρων συντήρησης του οδοστρώματος με στόχο την ελαχιστοποίηση του χρόνου επέμβασης, αλλά και του σχετικού κόστους.	el
heal.abstract	In the context of road surface management and maintenance, it is necessary to assess and evaluate various parameters. One of these parameters is the roughness of the road surface. Traffic data, weather and environmental conditions, as well as the structural condition of the road surface play a crucial role in reducing normality. To assess normality, various indicators are used, the most widely known being the most widely used IRI (International Roughness Index), and many researches have been done to develop models for predicting normality. On the other hand, Neural Networks are called upon to provide a solution to complex problems, ignoring the fundamental laws of physics in order to perform well in observations. One of these problems is the prediction of the roughness of the road surfaces. Neural Networks are a kind of machine learning. Their construction is based on an understanding of the functioning of the human brain, from which they got their name. In recent decades, many researches have been carried out to predict the roughness of road surfaces, using Neural Networks, within the framework of which this diploma thesis is included. It is proven that Neural Networks, through the predictions of future values of the IRI roughness index, is a useful tool for the engineer, as it supports the timely planning and taking of road maintenance measures in order to minimize the intervention time, but also the associated costs.	en
heal.advisorName	Πλατή, Χριστίνα	el
heal.advisorName	Plati, Christina	en
heal.committeeMemberName	Πλατή, Χριστίνα	el
heal.committeeMemberName	Γιαννής, Γεώργιος	el
heal.committeeMemberName	Λοΐζος, Ανδρέας	el
heal.academicPublisher	Εθνικό Μετσόβιο Πολυτεχνείο. Σχολή Πολιτικών Μηχανικών. Τομέας Μεταφορών και Συγκοινωνιακής Υποδομής	el
heal.academicPublisherID	ntua
heal.numberOfPages	79 σ.	el
heal.fullTextAvailability	false