Стаття

Отримано 09.02.2025

Доопрацьовано 02.06.2025

Прийнято 24.06.2025

Взято з Вип. 117, Ч. 2, 2025

Сторінки 72 -86

Zarichnyi, A., & Usychenko, O. (2025). SMARTPHONE-BASED MONITORING OF ROAD PAVEMENT CONDITION. Automobile Roads and Road Construction, (117.2), 72-86. https://doi.org/10.33744/0365-8171-2025-117.2-072-086

СМАРТФОННИЙ МОНІТОРИНГ СТАНУ ДОРОЖНЬОГО ПОКРИВУ

Антон Зарічний Олена Усиченко

Доведено актуальність створення сучасних підходів до моніторингу стану дорожнього покриву в умовах України, де значна частина автомобільних шляхів перебуває у незадовільному стані, а традиційні методи діагностики відзначаються високою вартістю та обмеженою масштабованістю. У результаті проведеного дослідження досягнуто мети щодо розроблення концепції системи смартфонного моніторингу дорожнього полотна, яка базується на використанні вбудованих сенсорів мобільних пристроїв (акселерометра, гіроскопа, GPS) для збору та аналізу телеметричних даних у режимі реального часу. Для досягнення поставленої мети вирішено низку завдань: здійснено огляд сучасних методів оцінки дорожнього покриву; окреслено технічні аспекти реалізації збору, фільтрації та попередньої обробки сенсорних даних; визначено ключові метрики, що характеризують якість дорожнього покриву, зокрема середньоквадратичне прискорення (RMSA), пікові значення та спектральні характеристики сигналу; сформовано архітектуру програмного забезпечення, яке забезпечує сегментацію маршруту, класифікацію ділянок дороги та візуалізацію результатів у форматі інтерактивних карт. Запропоновано сучасний інструментарій смартфонного моніторингу, який поєднує алгоритми математичної статистики, фільтрації сигналів та методи машинного навчання, що дозволяє виявляти вибоїни, хвилеподібність та інші характерні дефекти дорожнього покриву. У ході експериментальної апробації прототипу мобільного застосунку було підтверджено технічну можливість збору та збереження даних у форматі CSV, їх подальшої обробки у Python із застосуванням бібліотек pandas, numpy, scipy, matplotlib та folium, а також побудови картографічних моделей у вигляді GeoJSON та HTML-мап. Отримані результати свідчать про здатність системи фіксувати відмінності між ділянками дороги різної якості: для рівних відрізків значення

дефекти дорожнього покриву; експлуатаційний стан автомобільних доріг; моніторинг якості дороги; смартфонні технології; оцінка транспортно-експлуатаційного стану дороги; цифрові карти доріг; мобільні системи діагностики стану доріг
  1. Asian Development Bank. (2025). Guidebook on machine learning techniques for road quality monitoring. Retrieved from https://www.adb.org/publications/guidebook-machine-learning-road-quality.
  2. Burningham, S., & Stankevich, N. (2005). Why road maintenance is important and how to get it done (Transport Notes No. 4). Washington, DC: World Bank.
  3. Cadamuro, G., Muhebwa, A., & Taneja, J. (2018). Assigning a grade: Accurate measurement of road quality using satellite imagery. arXiv. doi: 10.48550/arXiv.1812.01699.
  4. Oshri, B., Hu, W., Yang, P., & Jean, N. (2018). Infrastructure quality assessment in Africa using satellite imagery and deep learning. arXiv. doi: 10.48550/arXiv.1806.00894.
  5. Gebreegziabher, B.A. (2021). Mapping road pavement quality from optical satellite imagery using machine learning. (Master's thesis, University of Twente, Enschede, Netherlands).
  6. Roadroid. (n.d.). Retrieved from https://www.roadroid.com.
  7. RoadBotics. (n.d.). Retrieved from https://www.roadbotics.com.
  8. Sayers, M.W., & Karamihas, S.M. (1998). The little book of profiling: Basic information about measuring and interpreting road profiles. Ann Arbor, MI: University of Michigan Transportation Research Institute.
  9. Ghate, A.T., & Qamar, F. (2020). Pavement condition monitoring using smartphone sensors: A review. Journal of Traffic and Transportation Engineering (English Edition), 7(2), 237-251.
  10. Zhang, L., & Li, Q. (2019). A smartphone-based road roughness detection algorithm using wavelet packet transform. Sensors, 19(17), article number 3822.
  11. Chien, S., Ding, Y., & Wei, C. (2002). Dynamic bus arrival time prediction with artificial neural networks. Journal of Transportation Engineering, 128(5), 429-438.
  12. SciPy Community. (n.d.). Retrieved from https://docs.scipy.org/doc/scipy/reference/generated/scipy.signal.find_peaks.html.
  13. Mednis, A., Strazdins, G., Zviedris, R., Kanonirs, G., & Selavo, L. (2011). Real-time pothole detection using Android smartphones with accelerometers. In 2011 International conference on distributed computing in sensor systems and workshops (DCOSS) (pp. 1-6).
  14. Douangphachanh, V., & Oneyama, H. (2014). A study on the use of smartphones for road roughness condition estimation. Journal of the Eastern Asia Society for Transportation Studies, 11, 1718-1732.
  15. Eriksson, J., Girod, L., Hull, B., Newton, R., Madden, S., & Balakrishnan, H. (2008). The pothole patrol: Using a mobile sensor network for road surface monitoring. In Proceedings of the 6th international conference on mobile systems, applications, and services (MobiSys '08) (pp. 29-39).
  16. Wahab, A., & Hussain, K. (2018). Road anomaly detection using smartphone sensors: A survey. Journal of Network and Computer Applications, 109, 1-11.
  17. Python Visualization Team. (n.d.). Folium: Python data, leaflet.js maps. Retrieved from https://python-visualization.github.io/folium

https://doi.org/10.33744/0365-8171-2025-117.2-072-086