A TarmacView felületminőségi osztályozása egy 1-5-ös ordinális skálán (1=Kiváló, 5=Nagyon Rossz) történő besorolást rendel hozzá, amely koszinusz-alapú kNN többségi szavazáson alapul egy finomhangolt DINOv3 referenciahalmaz alapján. A minőségi osztályzatok szolgálnak az állapotfelmérés, a javítási prioritások meghatározása és az útfelmérési problémák észlelésének alapjául a burkolati hálózatokban.
A TarmacView minőségi osztályozási rendszere a burkolati felület vizuális állapotát egy ordinális skálára 1-től 5-ig képezi le, ahol az 1 a Kiváló, az 5 pedig a Nagyon Rossz felületet jelenti. Ez az ötszintű osztályozás a bevált burkolatgazdálkodási gyakorlatban megtalálható rendezett kategorikus besorolások elvét követi, bár kifejezetten egy számítógépes látás beágyazási tér kimenetéhez van kalibrálva, nem pedig egy kézi károsodás-alapú protokollhoz.
Az öt minőségi osztályzat a következőképpen van meghatározva:
1. osztályzat — Kiváló (Nagyon Jó). Az 1. osztályzatú burkolati felületen semmilyen látható hiba nem található. A felület textúrája egységes, a színe konzisztens, és nincs jele repedésnek, kátyúsodásnak, kátyúnak, foltozásnak, kifolyásnak vagy a felületromlás bármely más formájának. A felület egy újonnan épített vagy frissen felújított burkolat megjelenését mutatja. A hézagok (ha vannak) szorosak és jól tömítettek. A gyakorlatban az 1. osztályzat a referencia-ideálállapotot képviseli, amelyhez az összes többi osztályzatot mérik. Azok az útszakaszok, amelyek medián minőségi osztályzata 1, nem igényelnek karbantartási beavatkozást a jelenlegi tervezési ciklusban.
2. osztályzat — Jó. A 2. osztályzatú felületek enyhe kopás jeleit mutatják, de szerkezetileg továbbra is szilárdak és funkcionálisan megfelelőek. Nagyon enyhe repedések előfordulhatnak, de a repedések keskenyek (hajszálvékonyak, kevesebb mint 1/8 hüvelyk szélesek) és nem kapcsolódnak össze. Nincs repedezés, jelentős kátyúsodás vagy foltozás. A felület textúrája enyhe oxidációt vagy színváltozást mutathat a környezeti hatások miatt, de a burkolat integritása teljesen érintetlen. A 2. osztályzatú felületek alkalmasak rutinszerű megelőző karbantartásra, például repedéstömítésre vagy ködpermetezésre, de nem igényelnek szerkezeti javításokat.
3. osztályzat — Megfelelő. A 3. osztályzatú burkolat megfelelő állapotú, ami azt jelenti, hogy látható károsodás jelen van, de a felület továbbra is használható. Mérsékelt repedések figyelhetők meg, beleértve a keresztirányú, hosszirányú vagy hálózatos repedéseket, körülbelül 1/4 hüvelyk repedésszélességig. Enyhe kátyúsodás látható lehet. A foltozás a felület egy kis százalékát fedheti le (jellemzően 10% alatt). A felület egyértelműen öregedés és környezeti hatások jeleit mutatja, de még nem érte el azt az állapotot, ahol a szerkezeti teherbírása veszélybe kerülne. A 3. osztályzatú felületek megőrzési kezelések, például iszapzáró rétegek, mikroburkolatok vagy vékony aszfaltrétegek jelöltjei.
4. osztályzat — Rossz. A 4. osztályzatú felületek jelentős látható károsodást mutatnak, ami befolyásolja a haladási komfortot és a funkcionális teljesítményt. Mérsékeltől súlyosig terjedő repedések vannak jelen, beleértve a krokodilrepedéseket (fáradásos repedések) a keréknyomokban. A repedések szélessége meghaladja az 1/4 hüvelyket, és a repedések szélei mentén repedezés figyelhető meg. A kátyúsodás mérsékeltől előrehaladottig terjed, a felületi aggregátum veszteséggel. A foltozás a felület 10-30%-át fedheti le. 1/2 hüvelyknél mélyebb keréknyomvályúk lehetnek jelen. A burkolat még használható, de közeledik funkcionális élettartama végéhez, és felújítást igényel, nem rutinszerű karbantartást. A 4. osztályzatú utak szerkezeti ráépítések vagy mart és újratöltött eljárások jelöltjei.
5. osztályzat — Nagyon Rossz (Tönkrement). Az 5. osztályzat a legrosszabb állapotkategóriába tartozó burkolatot jelenti. Kiterjedt súlyos repedések, beleértve az előrehaladott krokodilrepedéseket összekapcsolódó repedésmintázatokkal, amelyek laza felületi darabokat képeznek. Kátyúk lehetnek jelen. A kátyúsodás előrehaladott, jelentős aggregátumvesztéssel. A foltozás a felület több mint 30%-át fedi le, vagy maguk a foltozások is tönkremennek. A keréknyomvályúk meghaladhatják az 1 hüvelyket. A felület súlyosan károsodott, és nem megfelelő haladási felületet biztosít, ami biztonsági kockázatot jelenthet. Az 5. osztályzatú burkolatok rekonstrukciót vagy jelentős felújítást igényelnek.
Ez az 1-5-ös ordinális skála szándékosan durvább, mint az ASTM D6433 szabványban használt 0-100-as folytonos PCI-skála. A durvább felbontás tükrözi az automatizált vizuális osztályozással elérhető pontosságot, és összhangban van a tipikus hálózati szintű burkolatgazdálkodási döntési szintekkel. Az ügynökségek az öt minőségi osztályzatot saját karbantartási és felújítási beavatkozási küszöbértékeikhez rendelhetik.
A minőségi osztályzatot nem egy hagyományos, softmax kimeneti réteggel rendelkező osztályozó neurális hálózat rendeli hozzá. Ehelyett egy koszinusz-alapú k-legközelebbi-szomszéd (kNN) többségi szavazás útján számítódik ki, amely egy finomhangolt DINOv3 víziós transzformer beágyazási terében működik. Ez a megközelítés alapvetően különbözik a végpontok közötti osztályozástól, és egyértelmű előnyöket kínál az értelmezhetőség, a robusztusság és az eloszláson kívüli felületek észlelésének képessége terén.
A folyamat a következőképpen működik. Minden egyes burkolati kép-mozaikot átvezetünk egy Vision Transformer (ViT) törzsön, amely a DINOv3-on alapul. A DINOv3 a Meta AI harmadik generációs önszervező tanulási modellje számítógépes látáshoz, amelyet több mint 1,7 milliárd képen tanítottak be, akár 7 milliárd paraméterrel. Sűrű vizuális jellemző-reprezentációkat állít elő, amelyek mind a lokális textúra-információt (felületi szemcse, repedésmintázatok, aggregátum-kitettség), mind a globális strukturális kontextust (hézag-távolság, sávgeometria, általános felületi egységesség) megragadják. A ViT kimenete egy 768-dimenziós beágyazási vektor, amely a mozaik vizuális tartalmának tömör numerikus lenyomataként szolgál.
Ezt a beágyazási vektort ezután egy gondozott referenciahalmazzal hasonlítják össze — olyan burkolati mozaik-beágyazások gyűjteményével, amelyekhez a valós minőségi osztályzatokat szakértő emberi értékelők állapították meg. Az összehasonlítás metrikája a koszinusz-hasonlóság, amely a következőképpen van meghatározva:
cosine_similarity(A, B) = (A · B) / (||A|| × ||B||)
ahol A és B a két beágyazási vektor. A koszinusz-hasonlóság -1-től (tökéletesen ellentétes) 0-n (ortogonális, korrelálatlan) át +1-ig (azonos irány) terjed. Normalizált beágyazások esetén a koszinusz-hasonlóság megegyezik a skaláris szorzattal. A gyakorlatban a burkolati mozaik-beágyazások általában pozitív értékűek és minőségi osztályzat szerint jól csoportosítottak, így az azonos osztályzatú mozaikok közötti koszinusz-hasonlóság értékei jellemzően 0,85 és 0,99 között esnek, míg a különböző osztályzatok közötti hasonlóságok alacsonyabbak.
A rendszer azonosítja a k legközelebbi szomszédot (a kNN euklideszi megvalósításában, de koszinusz-hasonlósággal távolságmetrikaként, tehát gyakorlatilag a k leginkább hasonló referencia-beágyazást). A TarmacView k = 5 értéket használ alapértelmezett szomszédsági méretként. Az öt legközelebbi szomszéd mindegyike szavaz a saját valós minőségi osztályzatára. Az a osztályzat, amely a többségi szavazatot (a móduszt) kapja, kerül hozzárendelésre a bemeneti mozaikhoz. Döntetlen esetén (pl. két szomszéd 2-es, két szomszéd 3-as, egy szomszéd 4-es osztályzatra szavaz) egy súlyozott szavazási séma a koszinusz-hasonlóság nagysága alapján dönti el a holtpontot, ahol a magasabb hasonlóságú szomszédok arányosan nagyobb súlyt kapnak.
A koszinusz-alapú kNN használata egy képzett osztályozó fej helyett számos előnnyel jár. Először is, a rendszer természetes módon képes kezelni a multi-modális osztályeloszlásokat — egy olyan felület, amely vizuálisan mind a 3-as, mind a 4-es referencia-mozaikokra hasonlít, olyan osztályzatot kap, amely tükrözi ezt a kétértelműséget, ahelyett, hogy egyetlen lineáris döntési határvonalba kényszerülne. Másodszor, a referenciahalmaz inkrementálisan frissíthető a víziós törzs újratanítása nélkül: az új referencia-mozaikok szakértő által hozzárendelt osztályzatokkal egyszerűen hozzáadódnak a beágyazási adatbázishoz. Harmadszor, ha egy bemeneti mozaik alacsony koszinusz-hasonlóságot mutat az összes referencia-beágyazáshoz (egy küszöbérték, pl. 0,6 alatt), a rendszer eloszláson kívüliként jelöli meg, jelezve, hogy a felület típusa vagy állapota nem képviselteti magát megfelelően a referenciahalmazban.
A minőségi osztályzat modell mért pontos egyezési pontossága körülbelül 0,666 (66,6%). Ez azt jelenti, hogy bármely adott burkolati mozaik esetében a modell az esetek mintegy kétharmadában rendeli hozzá a pontosan helyes minőségi osztályzatot. Bár a 66,6% első pillantásra szerénynek tűnhet, a skála ordinális jellege miatt még egy pontatlan előrejelzés is ritkán katasztrofálisan rossz — egy 2-es osztályzatú mozaik 3-asként való előrejelzése sokkal kevésbé következményes, mint amikor egy bináris osztályozó összekeveri a “megfelelt” a “nem felelt meg” kategóriával.
A működési szempontból értelmesebb mutató az egyszintű eltéréssel számított pontosság, amely eléri a 0,999-et (99,9%). Az egyszintű eltéréssel számított pontosság azon előrejelzések arányát méri, amelyek egy osztályzati szinten belül vannak a valóságtól. A 0,999-es érték azt jelenti, hogy gyakorlatilag minden mozaikot vagy helyesen, vagy egyetlen osztályzati szinttel eltérve osztályoznak. A két vagy több osztályzati szinttel eltérő előrejelzések körülbelül 0,1%-os arányban fordulnak elő — nagyjából minden ezredik mozaik esetében. Ez a teljesítmény kivételes egy ordinális 5-osztályos vizuális osztályozási feladatban, és tükrözi mind a DINOv3 beágyazások minőségét, mind a referenciahalmaz gondos összeállítását.
A modell átlagos abszolút hibája (MAE) körülbelül 0,34 az 1-5-ös skálán. A MAE az |előrejelzett_osztályzat - valós_osztályzat| átlagaként számítódik az összes mozaikra. A 0,34-es MAE azt jelenti, hogy az átlagos előrejelzési hiba kevesebb, mint fél osztályzati szint. Gyakorlati szempontból egy 100 mozaikból álló útszakasz, amelynek valódi medián minősége 2,5, körülbelül 2,2 és 2,8 közötti előrejelzett medián minőséget kapna — ami bőven a hálózati szintű burkolatgazdálkodási döntések elfogadható tűréshatárán belül van.
Ezek a pontossági mutatók k-szoros keresztvalidációval (jellemzően 5-szörös) kerülnek érvényesítésre a referenciahalmazzal szemben, biztosítva, hogy a teljesítmény ne legyen túlillesztve egy adott tanítási/tesztelési felosztáshoz. Magát a referenciahalmazt több szakértő értékelő osztályozza, és az értékelők közötti egyetértést (Cohen-féle Kappa) mérik, hogy megállapítsák az elérhető modellteljesítmény felső határát — ha az emberi szakértők átlagosan 0,4-es eltéréssel nem értenek egyet egy mozaik osztályzatában, akkor egy 0,34-es MAE-vel rendelkező modell vitathatóan az emberi teljesítmény határán vagy ahhoz közel működik.
A minőségi osztályzat modell konfúziós mátrixa azt mutatja, hogy a legtöbb hiba a szomszédos osztályzatok között fordul elő (1.↔2. osztályzat, 2.↔3. osztályzat, 3.↔4. osztályzat, 4.↔5. osztályzat). Azok a hibák, amelyek átugranak egy osztályzatot (1.↔3. osztályzat, 2.↔4. osztályzat, 3.↔5. osztályzat), rendkívül ritkák. Az ilyen típusú diagonális-domináns konfúziós mátrixok a jól képzett ordinális osztályozók jellemzői, és megerősítik, hogy a beágyazási tér egy értelmes minőségi kontinuumot ragad meg, nem pedig egy önkényes kategorizálást.
A minőségi osztályozási rendszer egyik kritikus tulajdonsága a felületi típustól való függetlensége. A minőségi osztályzat a burkolati felület állapotát írja le, függetlenül attól, hogy a felület aszfalt (hajlékony burkolat), beton (merev burkolat), kompozit burkolat, vagy felületkezelés, mint például zúzalékzáró réteg vagy mikroburkolat. Ezt a függetlenséget a DINOv3 beágyazási tanítási folyamatának kialakítása és a referenciahalmaz összetétele biztosítja.
A DINOv3 törzset 1,7 milliárd változatos képen tanítják előre önszervező tanulási célok segítségével (ön-desztilláció címkék nélkül, maszkolt képmodellezés és kontrasztív tanulás). Ez a hatalmas előtanítási korpusz számos különböző felülettípus, textúra és anyag képét tartalmazza. A modell megtanul az állapot szempontjából releváns jellemzőkre fókuszálni (repedések, kátyúsodás, foltozások, textúravesztés), miközben invariáns a típus-specifikus jellemzőkkel szemben (a sötét aszfalt és a világos beton közötti színkülönbség, a beton hézagolási mintázata az aszfalt folyamatos felületével szemben).
A felügyelt kontrasztív tanulással történő finomhangolás során a tanítási folyamat kifejezetten előírja, hogy az azonos minőségi osztályzatú, de eltérő felülettípusú mozaikok a beágyazási térben egymáshoz közeli pozíciókba kerüljenek. A felügyelt kontrasztív veszteségfüggvény összehúzza az azonos minőségi címkét osztó mozaikok beágyazásait (az “anchor-pozitív” párok), és széttolja a különböző címkéjű mozaikok beágyazásait. Amikor a referenciahalmaz mind aszfalt 3-as, mind beton 3-as mozaikokat tartalmaz, a tanítási folyamat megtanulja kódolni a 3-as osztályzatú romlás közös vizuális jellemzőit (mérsékelt repedések, némi kátyúsodás, látható öregedés), miközben elnyomja a felülettípus-specifikus megjelenést.
A gyakorlati következmény az, hogy egyetlen minőségi osztályzat modell alkalmazható egy heterogén úthálózatra. Egy olyan ügynökség, amely aszfaltutak, beton autópályák, kompozit burkolatok és zúzalékzáró réteggel kezelt vidéki utak keverékét kezeli, nem igényel külön modelleket felülettípusonként. Ugyanaz a DINOv3 kódoló és ugyanaz a referenciahalmaz érvényes minőségi osztályzatokat állít elő minden felületre.
Az érvényesítési tesztelés megerősíti a felülettípus-függetlenséget. Amikor a modellt egy 80% aszfalt és 20% beton mozaikot tartalmazó referenciahalmazon tanítják, majd kizárólag beton mozaikokból álló teszthalmazon értékelik, a pontossági mutatók (pontos egyezés, egyszintű eltérés, MAE) statisztikailag nem különböznek az aszfalt mozaikokon mért mutatóktól. A beágyazási tér általánosít az anyagok között anélkül, hogy explicit felülettípus-címkékre lenne szükség a következtetés során.
Az egyes burkolati kép-mozaikok mozaikonkénti minőségi osztályzatot kapnak, de a működési döntésekhez az útszakasz szintjén van szükség osztályzatokra. A TarmacView a mozaikonkénti minőségi osztályzatokat a medián statisztikája segítségével aggregálja szakasz szintre, amelyet az útszakaszhoz tartozó összes mozaikra számítanak ki.
A medián választása az átlag helyett szándékos és matematikailag indokolt. A medián egy robusztus statisztika, amely ellenáll a kiugró értékeknek. Egyetlen, két osztályzattal rosszul besorolt mozaik (ritka esemény a 0,999-es egyszintű eltérési pontosság mellett) elhúzná az átlagot, de nem mozdítaná el a mediánt. Hasonlóképpen, az átmeneti felületi műtermékek, mint például olajcseppek, gumiabroncs-nyomok, víztócsák vagy törmelék, amelyek szokatlan osztályzatot okoznak egy mozaikban, a medián aggregáció által kiszűrésre kerülnek.
Az aggregációs folyamat a következő eljárást követi:
Egy útszakaszt (jellemzően 0,1 mérföldes vagy 0,5 mérföldes szegmens, amelyet az ügynökség Helymeghatározási Rendszere határoz meg) leképeznek. A képalkotó jármű átfedő vagy folyamatos képkockákat rögzít a szakasz hossza mentén.
Minden egyes képkockát középre vágnak és mozaikokra osztanak — jellemzően 4-12 mozaik képkockánként a kamera felbontásától és a kívánt mozaikmérettől függően (általában 224×224 pixel, ami megegyezik a DINOv3 bemeneti méretével).
Minden mozaikot önállóan átvezetnek a minőségi osztályozási eljáráson (DINOv3 kódoló → koszinusz kNN → többségi szavazás), ami mozaikonkénti 1-től 5-ig terjedő minőségi osztályzatot eredményez.
A szakasz összes mozaikjának mediánját kiszámítják. Páros számú mozaik esetén a két középső érték közül az alacsonyabbat veszik (konzervatív megközelítés).
A szakasz szintű minőségi osztályzat a medián érték, amely nem egész szám is lehet, ha interpolációt használnak, bár a TarmacView jellemzően az egész alsó egészrészt vagy a modális kategóriát jelenti a döntéshozatalhoz.
A szakaszonkénti mozaikok száma a képalkotási konfigurációtól függ. Tipikus, másodpercenként 10 képkockát rögzítő sebességnél autópálya-tempónál egy 0,5 mérföldes szakasz 200-400 mozaikot eredményez (feltételezve 4 mozaikot képkockánként és 10-15 képkockát 0,1 mérföldenként). A 200-400 független osztályzat mediánja magas statisztikai megbízhatóságot biztosít. A medián standard hibája a mozaikok számának négyzetgyökével csökken, így a hosszabb szakaszok (több mozaik) stabilabb osztályzatokat eredményeznek.
Megbízhatósági mutató is jelenthető az aggregált osztályzat mellett. A mozaikonkénti osztályzatok interkvartilis terjedelme (IQR) a szakaszon belül jelzi a felületi állapot egységességét. Egy 2-es medián osztályzatú és 0 IQR-ű szakasz (ahol minden mozaik 2-es) egységesen jó. Egy 2-es medián osztályzatú és 2-es IQR-ű szakasz (ahol a mozaikok 1-től 3-ig terjednek) heterogén állapotot jelez lokális hibákkal, amelyeket önmagában a medián elfedne.
A minőségi osztályzat a TarmacView általános burkolatállapot-felmérésének elsődleges bemeneteként szolgál. Az állapotfelmérés a nyers minőségi osztályzatokat használható műszaki és pénzügyi döntéstámogatássá alakítja át.
A legalapvetőbb szinten egy út állapotát a medián minőségi osztályzata fejezi ki. Az ügynökségek beavatkozási küszöbértékeket határoznak meg, amelyek meghatározzák, hogy egy útszakasz mikor kerül át az egyik gazdálkodási kategóriából a másikba:
| Minőségi Osztályzat | Állapot Kategória | Jellemző Beavatkozási Trigger |
|---|---|---|
| 1 (Kiváló) | Nincs szükség beavatkozásra | Csak megfigyelés |
| 2 (Jó) | Megelőző karbantartás | Repedéstömítés, ködpermetezés |
| 3 (Megfelelő) | Megőrzés | Iszapzáró réteg, mikroburkolat, vékony aszfaltréteg |
| 4 (Rossz) | Felújítás | Szerkezeti ráépítés, mart és újratöltés |
| 5 (Nagyon Rossz) | Rekonstrukció | Teljes mélységű stabilizálás, rekonstrukció |
Ezek a beavatkozási küszöbértékek nem rögzítettek — az ügynökségek a költségvetési ciklusaik, teljesítménycéljaik és kockázati toleranciájuk alapján kalibrálják őket. Egy jól finanszírozott ügynökség már a 3-as osztályzatnál elindíthatja a felújítást, azzal a céllal, hogy a teljes hálózatot Kiváló/Jó állapotban tartsa. Egy korlátozott költségvetésű ügynökség a felújítást a 4-es osztályzatig halaszthatja, elfogadva a Megfelelő állapotú utak magasabb arányát.
Az állapotfelmérés kiszámítja a hálózat százalékos megoszlását az egyes osztályzati kategóriákban is. Ezek a hálózati szintű statisztikák magas szintű egészségügyi mutatót nyújtanak. Például egy olyan hálózat, ahol a sáv-mérföldek 60%-a 1-2. osztályzatú, 25%-a 3. osztályzatú és 15%-a 4-5. osztályzatú, egy egészséges hálózat kezelhető elmaradt karbantartással. Egy olyan hálózat, ahol 40% a 4-5. osztályzatú, jelentős halasztott karbantartási problémát jelez.
Az évről évre történő osztályzat-átmenet (a minőségi osztályzat változása az előző felmérési ciklushoz képest) a burkolat romlási ütemének mérőszáma. Azokat a szakaszokat, amelyek egy vagy több osztályzati szintet romlanak a felmérési ciklusok között, kiemelten vizsgálják, mivel gyorsabban romolhatnak a hálózati átlagnál.
A TarmacView által készített állapotfelmérési jelentések a minőségi osztályzatokat más adatforrásokkal — felülettípus, forgalom volumen (AADT), funkcionális osztály (főút, gyűjtőút, helyi út) és klímazóna — kombinálják, hogy kockázattal súlyozott állapotpontszámokat állítsanak elő. Egy 50 000 AADT forgalmú 4-es osztályzatú út magasabb prioritási pontszámot kap, mint egy 200 AADT forgalmú 4-es osztályzatú út, mert a nagy forgalmú út károsodása több felhasználót érint és magasabb felhasználói késleltetési költségekkel jár.
Az útfelmérések a burkolati hálózatok rendszeres ellenőrzései, amelyeket rögzített ciklusokban (évente, kétévente vagy háromévente, az ügynökség erőforrásaitól és a hálózat méretétől függően) végeznek. A minőségi osztályzat az útfelmérési folyamatot kézi, szubjektív, munkaigényes tevékenységből teljesen automatizált, objektív, skálázható adatgyűjtési műveletté alakítja át.
Egy hagyományos vizuális útfelmérés során képzett értékelők 15-25 mph sebességgel járják be a hálózatot, vizuálisan értékelve az egyes szakaszokat, és rögzítve a károsodás típusát, súlyosságát és kiterjedését. Ez a folyamat lassú, költséges, és ki van téve az értékelők közötti eltéréseknek. Még szigorú képzési és minősítési programok mellett is előfordulhat, hogy két értékelő eltérő besorolást ad ugyanarra a szakaszra. Az FHWA Gyakorlati Útmutatója a Burkolatállapot Adatgyűjtés Minőségmenedzsmentjéhez dokumentálja, hogy az értékelők közötti reprodukálhatóság a kézi felmérések egyik legnagyobb kihívása.
A TarmacView automatizált útfelmérése a kézi vizuális értékelést a minőségi osztályozási eljárással váltja fel. A felmérő jármű normál forgalmi sebességgel (55-70 mph autópályákon) járja be a hálózatot, nagy felbontású képeket rögzítve másodpercenként 10-30 képkocka sebességgel. A képeket a felmérés után dolgozzák fel a minőségi osztályozási eljáráson keresztül. Egy 1 000 mérföldes hálózat, amely 40-60 óra kézi felmérési időt igényelne (15-25 mph sebességgel), kevesebb mint 20 óra alatt felmérhető autópálya-sebességgel, emberi értékelési erőfeszítés nélkül.
Az automatizált felmérés objektíven reprodukálható minőségi osztályzatokat állít elő. Ugyanaz a szakasz két különböző napon, két különböző járművel, két különböző sebességgel felmérve ugyanazt a minőségi osztályzatot kapja (feltételezve a stabil felületi állapotot). Ez a reprodukálhatóság kritikus javulás a kézi felmérésekhez képest, ahol az értékelő fáradtsága, figyelem-ingadozása és szubjektív megítélése mérési zajt vezet be.
Az útfelmérési adatok közvetlenül táplálkoznak a Burkolatgazdálkodási Rendszerekbe (PMS) . A legtöbb PMS szoftver az állapotadatokat meghatározott formátumban várja — jellemzően állapotindex pontszámként és/vagy károsodásmérések halmazaként. A TarmacView minőségi osztályzatait az AASHTOWare, a dTIMS és más jelentős PMS platformokkal kompatibilis formátumokban exportálják. Az integráció lehetővé teszi az ügynökségek számára, hogy a minőségi osztályzatokat használják állapotbemenetként a teljesítménymodellezéshez, életciklus-költség elemzéshez és projektpriorizáláshoz.
A felmérés emellett problémákat is észlel — lokális hibákat, amelyek a következő tervezett felmérési ciklus előtt figyelmet igényelnek. Amikor egy 4-es vagy 5-ös minőségi osztályzatú mozaikot észlelnek egy 2-es medián osztályzatú szakaszon belül, a rendszer forró pontként jelöli meg a helyszínt. A felmérési jelentések tartalmazzák mind a szakasz szintű aggregált osztályzatot, mind az egyes probléma-mozaikok pontos GPS koordinátáit, lehetővé téve a célzott helyszíni ellenőrzéseket és gyors javításokat.
Minden longitudinális (évről évre történő) burkolatgazdálkodáshoz használt mérési rendszer esetében a stabilitás — vagyis az a tulajdonság, hogy változó, de nem lényegi körülmények között konzisztens eredményeket produkál — elengedhetetlen. A minőségi osztályozási rendszert úgy tervezték, hogy három változási dimenzióban legyen stabil: időbeli, megvilágítási és kamera szempontból.
Időbeli stabilitás a minőségi osztályzatok konzisztenciájára utal, amikor ugyanazt az útszakaszt különböző időpontokban mérik fel. Egy olyan szakasznak, amely fizikailag nem romlott, ugyanazt az osztályzatot kell kapnia az 1. felmérésben (0. hónap) és a 2. felmérésben (12. hónap). Az időbeli stabilitást ismételt felmérési áthaladásokkal validálják, amelyeket ugyanazon a napon és különböző napokon végeznek. A teszteredmények azt mutatják, hogy a szakaszok 95%-a azonos medián minőségi osztályzatot kap az ismételt áthaladások során ugyanazon felmérési cikluson belül. A fennmaradó 5% legfeljebb egy osztályzati szint eltérést mutat, ami jellemzően átmeneti felületi körülményeknek (víz, törmelék, árnyékok) tudható be, nem pedig modell-instabilitásnak.
Megvilágítási stabilitás a felmérési áthaladások során fellépő megvilágítási körülmények változását kezeli. A közvetlen napfényben, borús időben, hajnalban, alkonyatkor és árnyékban készült burkolati felületek vizuálisan eltérőnek tűnhetnek, még akkor is, ha a fizikai állapot azonos. A DINOv3 beágyazási teret kiterjedt adatbővítéssel tanítják, beleértve a véletlenszerű fényerő-, kontraszt-, telítettség- és színárnyalat-beállításokat. Ez a bővítés biztosítja, hogy a modell ne támaszkodjon megvilágítási jelekre a minőség meghatározásakor. A koszinusz-alapú kNN osztályozó tovább hozzájárul a megvilágítási stabilitáshoz, mivel a koszinusz-hasonlóság metrika invariáns a vektor nagyságára — egy sötétített kép kisebb nagyságú, de azonos irányú beágyazást hoz létre, így a referencia-beágyazásokhoz való hasonlóságát ez nagyrészt nem befolyásolja.
A tesztelés megerősíti a megvilágítási stabilitást. Amikor 500 kontrollszakaszt három megvilágítási körülmény között (erős napfény, erősen borús, valamint hajnal/alkonyat) képeznek le, a szakaszonkénti medián minőségi osztályzatok Fleiss Kappa értéke 0,91 a körülmények között, ami majdnem tökéletes egyetértést jelez. A nem ideális megvilágítás mellett (éjszaka, erős árnyékok az út menti szerkezetektől) készült szakaszok megjelölésre kerülnek, és kizárásra kerülnek a felmérési kimenetből.
Kamera stabilitás a képalkotó hardver változásait kezeli. A különböző kamerákkal (eltérő érzékelőméretek, lencse fókusztávolságok, felbontások vagy színprofilok) végzett felmérések 0,15 MAE-n belül konzisztens minőségi osztályzatokat produkálnak. Ezt a képfeldolgozási eljárás szabványosításával érik el: minden nyers képet egy közös színtérbe (sRGB D65 fehérponttal) konvertálnak, rögzített felbontásra (jellemzően 1920×1080 vagy 2048×1536 pixel) méreteznek, és a mozaikolás előtt középre vágnak egy konzisztens látómezőre. A beágyazási modell csak a szabványosított mozaikokat látja, nem a nyers kamera kimenetet.
A kamera stabilitás fontos azoknak az ügynökségeknek, amelyek több felmérő járművet használnak, vagy amelyek a felmérési ciklusok között kamerahardvert frissítenek. A minőségi osztályozási rendszer konzisztens mérési alapvonalat tart fenn akkor is, ha a képalkotó hardver változik.
A minőségi osztályzat skála (1-5 ordinális) együtt létezik a bevett burkolatállapot-indexekkel, de más szerepet tölt be a burkolatgazdálkodási ökoszisztémában. Az ügynökségek számára, amelyek a TarmacView-t integrálják a meglévő munkafolyamatokba, elengedhetetlen a minőségi osztályzat és ezen egyéb indexek közötti kapcsolat megértése.
A Burkolatállapot Index (PCI) az ASTM D6433 szabvány által meghatározott, és egy 0-tól 100-ig terjedő folytonos index. A PCI kiszámítása részletes károsodásfelmérés elvégzésével történik: az összes jelen lévő károsodástípus azonosítása (19 károsodástípus aszfaltra és 15 betonra), az egyes típusok súlyosságának mérése (alacsony, közepes, magas), és a kiterjedés számszerűsítése (a terület vagy lineáris hossz százalékában). A PCI számítás a szabványban meghatározott levonási értékeket alkalmazza, kivonja a teljes levonást 100-ból, és megkapja a PCI pontszámot. A PCI a legszélesebb körben használt burkolatállapot-index Észak-Amerikában, és számos állami közlekedési hatóság (DOT) előírja.
| PCI Tartomány | Állapot Kategória |
|---|---|
| 86-100 | Kiváló |
| 71-85 | Jó |
| 56-70 | Kielégítő |
| 41-55 | Megfelelő |
| 26-40 | Rossz |
| 11-25 | Nagyon Rossz |
| 0-10 | Tönkrement |
A minőségi osztályzat korrelál a PCI-vel, de nem lineárisan feleltethető meg annak. Az 1-es minőségi osztályzat általában a PCI 86-100 (Kiváló) tartománynak felel meg. A 2-es osztályzat nagyjából a PCI 56-85 (Jó és Kielégítő) tartományra illeszthető. A 3-as osztályzat a PCI 26-55 (Megfelelő és Rossz) tartományra. A 4-es osztályzat a PCI 11-40 (Rossz és Nagyon Rossz) tartományra. Az 5-ös osztályzat a PCI 0-25 (Nagyon Rossz és Tönkrement) tartományra. Azonban a megfeleltetés szórással rendelkezik — egy kiterjedt, de alacsony súlyosságú repedésekkel rendelkező szakasz (PCI ~45) 3-as minőségi osztályzatot kaphat, míg egyetlen súlyos kátyúval, de egyébként ép felületű szakasz (PCI ~50) szintén 3-as osztályzatot kaphat. A minőségi osztályzat egy holisztikus vizuális értékelés, nem pedig egy károsodás-mérnöki számítás.
A Burkolat Szolgáltatási Minősítés (PSR) és a Jelenlegi Szolgáltatási Index (PSI) régebbi mérőszámok, amelyek az AASHO Útkísérletből (1958-1960) származnak. A PSR egy szubjektív 0-5-ös besorolás, amelyet egy, a burkolaton utazó értékelői panel állapít meg. A PSI egy számított index, amely az egyenetlenség, repedés, foltozás és keréknyomvályú méréseiből származik. A minőségi osztályzat abban különbözik a PSR/PSI-től, hogy tisztán vizuális (nem a haladási komforton vagy egyenetlenségen alapul) és teljesen automatizált (nem igényel emberi panelt).
A Nemzetközi Egyenetlenségi Index (IRI) a hosszirányú profil egyenetlenségét méri hüvelyk per mérföld (vagy méter per kilométer) egységben. Az IRI a haladási komfort funkcionális mérőszáma. A minőségi osztályzat a felületi állapot strukturális/vizuális mérőszáma. A kettő kiegészíti egymást, de nem felcserélhető: egy súlyos fáradásos repedésekkel, de alacsony IRI-vel rendelkező burkolat (sima, de repedezett) rossz minőségi osztályzatot, de jó IRI-t kapna, míg egy fagyfelverődéssel, de ép felületű burkolat jó minőségi osztályzatot, de rossz IRI-t kapna. Az ügynökségeknek mind az IRI-t, mind a minőségi osztályzatot gyűjteniük kell a teljes állapotképhez.
A Burkolat Minőségi Index (PQI) egy összetett index, amely az IRI-t, a keréknyomvályút és a felületi károsodást egyetlen pontszámmá egyesíti. A PQI-t egyes ügynökségek a PCI egyszerűsített alternatívájaként használják. A minőségi osztályzat a felületi károsodás összetevőjeként szolgálhat egy egyedi PQI képletben, a kézi károsodásfelméréseket az automatizált minőségi osztályzattal helyettesítve.
Az ügynökségek egy proxy PCI-t is számíthatnak a minőségi osztályzatból. Egy olyan regressziós modell betanításával, amely a minőségi osztályzatot (plusz kiegészítő jellemzőket, mint a felülettípus és kor) az ugyanazon szakaszokon mért PCI értékekhez rendeli, az ügynökségek PCI-kompatibilis állapotkimeneteket állíthatnak elő az automatizált minőségi osztályozási eljárásból. A proxy PCI alacsonyabb felbontású, mint egy teljes kézi PCI felmérés (7 PCI kategória a 100 diszkrét érték helyett), de megfelelő a hálózati szintű tervezéshez, és elkerüli a kézi felmérések költségeit.
A minőségi osztályozási eljárás utolsó szakasza a jelentések készítése, amelyek kommunikálják a burkolat állapotát az érdekelt felek felé: ügynökségi vezetők, mérnökök, karbantartási tervezők, választott tisztségviselők és a nyilvánosság. A minőségi osztályzat adatai több aggregációs szinten kerülnek bemutatásra.
A hálózati szintű irányítópultok a sáv-mérföldek minőségi osztályzat szerinti eloszlását mutatják a teljes ügynökségi hálózaton. Egy kördiagram vagy halmozott oszlopdiagram jeleníti meg a hálózat százalékos arányát az egyes osztályzatoknál. Trendvonalak mutatják, hogyan változott az eloszlás az egymást követő felmérési ciklusok során. A “jó százalék” mutató (az 1-2. osztályzatú sáv-mérföldek százaléka) egy gyakori kulcsfontosságú teljesítménymutató (KPI), amelyet az ügynökségi stratégiai tervek céloznak meg. Az irányítópult emellett mutatja az elmaradt karbantartási hátralékot — a becsült költséget, amely az összes 4-5. osztályzatú szakasz legalább 3-as szintre hozásához szükséges.
A szakasz szintű jelentések felsorolják a hálózat összes útszakaszát a medián minőségi osztályzatukkal, a felmért mozaikok számával, az IQR-rel (állapot egységesség), az évről évre történő osztályzatváltozással és az ajánlott intézkedéssel az ügynökség beavatkozási küszöbértékei alapján. A szakaszokat jellemzően prioritás szerint rendezik (legrosszabb osztályzat előre, vagy legmagasabb kockázati pontszám előre). Ezek a jelentések a karbantartási programfejlesztés elsődleges munkadokumentumai.
A problémahely-térképek a minőségi osztályzat adatokat egy földrajzi információs rendszer (GIS) térképen jelenítik meg. Minden út a medián minőségi osztályzata szerint színkódolt (pl. zöld=1. osztályzat, sárga=2. osztályzat, narancs=3. osztályzat, piros=4. osztályzat, sötétpiros=5. osztályzat). A forró pontok (egyedi 5-ös osztályzatú mozaikok jobb szakaszokon belül) pontszimbólumokkal vannak jelölve. A térkép lehetővé teszi a hálózat állapotának és a legrosszabb szakaszok helyének gyors vizuális azonosítását.
Az eszközgazdálkodási terv bemenetei a minőségi osztályzat adatokat az életciklus-költség elemzéssel (LCCA) és a hosszú távú tervezési modellekkel való integrációhoz formázzák. Az osztályzat kiinduló állapotként szolgál a teljesítmény-előrejelzési modellek számára, amelyek a jövőbeli állapotot különböző költségvetési forgatókönyvek mellett prognosztizálják. A modellek a minőségi osztályzat skálához kalibrált romlási görbéket használnak: egy 1-es osztályzattal induló szakasz N év után 2-esre, M év után 3-asra romlik stb., ahol az átmeneti idők a felülettípustól, a forgalomtól, az éghajlattól és a karbantartási előzményektől függenek.
A vezetői összefoglalók magas szintű szintézist nyújtanak a nem műszaki döntéshozók számára. Egy tipikus vezetői összefoglaló tartalmazza a hálózat átlagos minőségi osztályzatát, a hálózat Jó/Megfelelő/Rossz állapotú százalékos arányát, az előző felmérés óta bekövetkezett változást, valamint a célállapot eléréséhez szükséges finanszírozási hiányt.
A minőségi osztályzat jelentéskészítés az FHWA Gyakorlati Útmutatóban vázolt adatminőség-menedzsment elveket követi. A jelentések metaadatokat tartalmaznak a felmérésről: felmérés időpontjai, begyűjtött mozaikok száma, adatok teljessége (a sikeresen felmért hálózat százaléka), minőség-ellenőrzési jelzők (olyan szakaszok, ahol a megvilágítás vagy kamera problémák befolyásolták az adatokat), és megbízhatósági intervallumok a szakasz szintű osztályzatokhoz. Ez az átláthatóság lehetővé teszi az ügynökségek számára, hogy értékeljék a jelentett osztályzatok megbízhatóságát és megalapozott döntéseket hozzanak.
A TarmacView automatizált felületminőségi osztályozást biztosít a legmodernebb számítógépes látás technológia segítségével. Vegye fel velünk a kapcsolatot, hogy megtudja, hogyan javíthatja 1-5-ös minőségi skálánk a burkolatgazdálkodási döntéseit.
A lab-only kifejezés azon burkolati tulajdonságokra utal, amelyek nem határozhatók meg megbízhatóan egyetlen RGB képből — aszfaltkötőanyag-tartalom, sűrűség/lev...
A repedésfelület-arány (crack_area_pct) a repedésmaszk területének a teljes elemzett képterülethez viszonyított aránya, százalékban kifejezve. Ez egy kulcsfonto...
A hibaszűrés egy olyan kiértékelési stratégia, amely a prediktált hibacímkéket felülettípus és szerkezeti tartomány alapján szűri a hamis pozitívok visszaszorít...
