Стаття

Отримано 12.07.2024

Доопрацьовано 15.11.2024

Прийнято 14.12.2024

Взято з Вип. 116, Ч. 2, 2024

Сторінки 176 -186

Tsvik, O., & Lyashenko, D. (2024). GEOINFORMATION MONITORING OF THE STATE OF HIGHWAYS AND RAILWAYS DURING THE WAR IN UKRAINE. Automobile Roads and Road Construction, (116.2), 176-186. https://doi.org/10.33744/0365-8171-2024-116.2-176-186

ГЕОІНФОРМАЦІЙНИЙ МОНІТОРИНГ СТАНУ АВТОМОБІЛЬНИХ ДОРІГ, ТА ЗАЛІЗНИЦЬ В УМОВАХ ВІЙНИ В УКРАЇНІ

Олександр Цвик Дмитро Ляшенко

Актуальність дослідження. В нормативних документах України міститься аналіз терміну «землі автомобільного транспорту» і розглянуто черговість контролю стану доріг за допомогою класичних методів та супутникових знімків. Зазначено, що традиційні методи мають свої обмеження через потребу у ручному вимірюванні і експертному аналізі даних, що ускладнює повне розуміння динаміки пошкоджень, зокрема під час воєнних дій. У дослідженні використано такі методи дослідження: теоретичний аналіз наукової літератури з досліджуваної проблематики; методи статистичного аналізу літературних даних. Дослідження ґрунтується на методах порівняльного аналізу та класифікації. Для вирішення поставлених завдань використовувався системний підхід: відбір матеріалів, індуктивний та логічний методи аналізу, спостереження та методи статистичного аналізу літературних даних. У роботі висвітлено можливості безпілотних літальних апаратів (БПЛА) для швидкого моніторингу земель транспорту з високою роздільною здатністю. Особливу увагу приділено значним пошкодженням інфраструктури в Україні під час військової агресії росії, зокрема на ділянці автомобільної дороги Херсон-Снігурівка, і висвітлено шляхи відновлення ділянки дороги. Запропоновано послідовність та схему виконання робіт х обстеження та моніторингу пошкоджень на землях транспорту з урахуванням специфіки автомобільних доріг та залізниць. Ця специфіка полягає у наступному: Особлива увага при плануванні місії (врахування дотикової мережі); Доцільність використання БПЛА типу Mavic для оцінки пошкоджень автомобільних доріг та колії; Доцільність проведення повторних знімань на ділянці. Експериментальні роботи проведені на ділянці автомобільної дороги с. Снігурівка Херсонської області у 2022 р. показали ефективність запропонованої методики. В процесі узагальнення досвіду використання БПЛА для інвентаризації та моніторингу пошкоджень земель виявлено 25 ушкоджень, спричинених вибухами снарядів, 5 пошкоджень електричних ліній, 3 ушкодження насипного покриття та 10 розривів колії, викликаних зсувом ґрунту

дрон, БПЛА, технічний стан, військові дії, залізнична колія, ГІС, вибоїни, GPS- знімання, СУСП, ортофотоплан, землі транспорту
  1. State Building Norms of Ukraine. (2016). DSTU B V.2.3–33:2016 Highways. Determination of right-of-way boundaries (Effective January 1, 2017). Kyiv: Ministry of Regional Development, Construction and Housing and Communal Services of Ukraine.
  2. Kostrikov, S.V., & Seriohin, D.S. (2023). Reproduction of topographic surface of urbanized territories based on lidar data geoprocessing. In Proceedings of the XIII scientific and practical seminar with international participation “Problems of geomorphology and paleogeography of the Ukrainian Carpathians and adjacent territories” (pp. 72-77). Lviv.
  3. Askarzadeh, T., Bridgelal, R., & Tolliver, D. (2023). A systematic literature review of drone utility in railway condition monitoring. Journal of Transportation Engineering, Part A: Systems, 149(6). doi: 10.1061/JTEPBS.TEENG-7726.
  4. Artagan, S.S., Bianchini Ciampoli, L., & D’Amico, F. (2020). Nondestructive assessment and health monitoring of railway infrastructures. Surveys in Geophysics, 41, 447-483. doi: 10.1007/s10712-019-09544-w.
  5. Banh Lau, M., Foina, A., Dachuan, L., Yeshun, L., Redondo, N., & Aloysius, X. (2018). Evaluation of feasibility of UAV technologies for remote surveying BART rail systems. Berkeley: University of California. 
  6. Banić, M., Miltenović, A., Pavlović, M., & Ćirić, I. (2019). Intelligent machine vision based railway infrastructure inspection and monitoring using UAV. Facta Universitatis, Series: Mechanical Engineering, 17(3), 357-364. doi: 10.22190/FUME190507041B.
  7. Benedetto, A., Tosti, F., Ciampoli, L.B., Calvi, A., & Brancadoro, M.G. (2017). Railway ballast condition assessment using ground-penetrating radar – an experimental, numerical simulation and modelling development. Construction and Building Materials, 140, 508-520. doi: 10.1016/j.conbuildmat.2017.02.110.
  8. Bertolini, L., D’Amico, F., & Napolitano, A. (2023). A BIM-based approach for pavement monitoring integrating data from non-destructive testing methods (NDTs). Infrastructures, 8(5), article number 81. doi: 10.3390/infrastructures8050081.
  9. Bianchini Ciampoli, L., & Gagliardi, V. (2020). Transport infrastructure monitoring by InSAR and GPR data fusion. Surveys in Geophysics, 41, 371-394. doi: 10.1007/s10712-019-09563-7.
  10. Butilă, E.V., & Boboc, R.G. (2022). Urban traffic monitoring and analysis using unmanned aerial vehicles (UAVs): A systematic literature review. Remote Sensing, 14, article number 620. doi: 10.3390/rs14030620.
  11. Chu, C., Wang, L., & Xiong, H. (2022). A review on pavement distress and structural defects detection and quantification technologies using imaging approaches. Journal of Traffic and Transportation Engineering (English Edition), 9(2), 135-150. doi: 10.1016/j.jtte.2021.04.007.
  12. Choi, H.-W., Kim, H.-J., Kim, S.-K., & Na, W.S. (2023). An overview of drone applications in the construction industry. Drones, 7, article number 515. doi: 10.3390/drones7080515.
  13. Gagliardi, V., Tosti, F., & Bianchini Ciampoli, L. (2023). Satellite remote sensing and non-destructive testing methods for transport infrastructure monitoring: Advances, challenges and perspectives. Remote Sensing, 15(2), article number 418. doi: 10.3390/rs15020418.
  14. Guan, L., Li, X., Yang, H., & Jia, L. (2020). A visual saliency based railway intrusion detection method by UAV remote sensing image. In Proceedings of the 2020 IEEE international conference on systems, man, and cybernetics (SMC) (pp. 291-295). Beijing: IEEE. doi: 10.1109/SDPC49476.2020.9353141.

https://doi.org/10.33744/0365-8171-2024-116.2-176-186