Czym jest Klasa Jakości w Ocenie Stanu Nawierzchni?

Klasyfikacja Jakości Nawierzchni (Skala 1–5) dla Oceny Stanu Dróg

Definicje skali jakości 1–5

System klas jakości odwzorowuje wizualny stan nawierzchni drogowej na porządkową skalę od 1 do 5, gdzie 1 oznacza nawierzchnię Znakomitą, a 5 nawierzchnię Bardzo Złą. Ta pięciostopniowa klasyfikacja opiera się na uporządkowanych ocenach kategorycznych znanych z ugruntowanej praktyki zarządzania nawierzchniami. Jest to gruba ocena wizualna, a nie protokół oparty na uszkodzeniach, jak Wskaźnik Stanu Nawierzchni, a agencje mogą odwzorować jej pięć poziomów na własne progi uruchamiające utrzymanie i rehabilitację.

TarmacView nie tworzy ocen stanu nawierzchni. Ta strona wyjaśnia pojęcie oraz sposób, w jaki agencje i badacze go używają.

Pięć ocen opisuje się zwykle następująco.

Klasa 1, Znakomita. Brak widocznych wad jakiegokolwiek rodzaju. Tekstura powierzchni jest jednolita, bez pęknięć, wykruszeń, dziur, łat i wypływania asfaltu. Powierzchnia wygląda jak świeżo wybudowana lub niedawno zmodernizowana, a spoiny, jeśli występują, są szczelne i uszczelnione.

Klasa 2, Dobra. Niewielkie zużycie na strukturalnie zdrowej nawierzchni. Mogą występować bardzo lekkie pęknięcia, ale są wąskie (włoskowate, węższe niż 1/8 inch). Nie ma wykruszeń, znaczącego ubytku kruszywa ani łat. Możliwe jest lekkie utlenienie lub zmiana koloru. Wystarcza rutynowe utrzymanie prewencyjne, na przykład uszczelnianie pęknięć lub powłoki mgłowe.

Klasa 3, Dostateczna. Widoczne uszkodzenia, ale nawierzchnia pozostaje użyteczna. Umiarkowane pękanie poprzeczne, podłużne lub siatkowe o szerokości do około 1/4 inch, lekkie wykruszanie oraz łaty na niewielkiej części powierzchni (zwykle poniżej 10%). Kandydatami są zabiegi konserwacyjne, takie jak uszczelnienia zawiesinowe, mikrodywaniki lub cienkie nakładki.

Klasa 4, Zła. Znaczące uszkodzenia wpływające na komfort jazdy. Umiarkowane do poważnego pękania, w tym pękanie krokodylowe (zmęczeniowe) w śladach kół, pęknięcia szersze niż 1/4 inch z wykruszeniami na krawędziach, umiarkowane do zaawansowanego wykruszanie, łaty na 10–30% powierzchni i możliwe koleiny. Nawierzchnia wymaga rehabilitacji, na przykład nakładki konstrukcyjnej lub frezowania i wymiany.

Klasa 5, Bardzo Zła. Najgorsza kategoria. Rozległe, poważne pękanie, zaawansowane pękanie krokodylowe z luźnymi fragmentami, dziury, zaawansowane wykruszanie, łaty na ponad 30% powierzchni lub łaty ulegające zniszczeniu, a być może głębokie koleiny. Powierzchnia może stwarzać zagrożenie dla bezpieczeństwa i wymaga odbudowy lub generalnego remontu.

Ta skala 1–5 jest celowo grubsza niż ciągła skala PCI 0–100. Mniejsza szczegółowość odpowiada precyzji oceny wizualnej i typowym poziomom decyzyjnym na poziomie sieci drogowej.

Jak agencje oceniają odcinki

Agencje od dawna przypisują oceny stanu w ręcznym przeglądzie. Przeszkoleni oceniający jeżdżą lub chodzą po sieci, często z prędkością 15–25 mph, oceniają każdy odcinek na oko lub z nagrania wideo i zapisują ocenę albo zestaw ocen uszkodzeń. Proces jest powolny i podatny na zmienność między oceniającymi. Nawet po szkoleniu i certyfikacji dwie osoby mogą ocenić ten sam odcinek różnie, a praktyczny przewodnik FHWA dotyczący zarządzania jakością danych o stanie nawierzchni wymienia powtarzalność jako jeden z najtrudniejszych problemów ręcznych przeglądów.

Zbieranie obrazów zmienia się przy przeglądach zdjęciowych, gdy pojazdy z kamerami na dachu jadą z prędkością ruchu, ale ocenę wciąż trzeba przypisać, przez ludzi patrzących na zdjęcia albo przez model. Modele są atrakcyjne, bo są powtarzalne: to samo zdjęcie daje tę samą ocenę za każdym razem.

Klasa jakości jako badania embeddingów i kNN

Jedno z podejść badawczych unika tradycyjnej sieci klasyfikacyjnej z warstwą wyjściową softmax. Każdy fragment zdjęcia nawierzchni przechodzi przez transformer wizyjny, wstępnie wytrenowany metodą samonadzorowanego uczenia na bardzo dużym zbiorze obrazów, na przykład w rodzinie modeli DINO. Wynikiem jest wektor embeddingu, zwarty numeryczny odcisk palca zawartości wizualnej fragmentu. Oddaje on lokalną teksturę, na przykład ziarno powierzchni, wzory pęknięć i ekspozycję kruszywa, oraz strukturę globalną, na przykład spoiny i geometrię pasa.

Embedding porównuje się z zestawem referencyjnym, czyli zbiorem embeddingów fragmentów, których klasy ustalili eksperci. Standardową metryką jest podobieństwo cosinusowe:

cosine_similarity(A, B) = (A · B) / (||A|| × ||B||)

gdzie A i B to dwa wektory embeddingu. Podobieństwo przyjmuje wartości od -1 (przeciwne kierunki) przez 0 (niezwiązane) do +1 (identyczny kierunek).

k najbliższych sąsiadów fragmentu w zestawie referencyjnym oddaje głos zgodnie ze swoją oceną eksperta, a większość głosów zostaje przypisana fragmentowi. Sąsiedztwo rzędu pięciu to częsty wybór. Remisy można rozstrzygnąć, ważąc każdy głos podobieństwem. W porównaniu z wytrenowaną głowicą klasyfikatora głosowanie najbliższych sąsiadów ma kilka praktycznych zalet:

• Powierzchnia wyglądająca jak referencje klasy 3 i klasy 4 otrzymuje ocenę odzwierciedlającą tę niejednoznaczność, zamiast być na siłę przepychana przez jedną granicę decyzyjną.
• Zestaw referencyjny można rozszerzać nowymi fragmentami ocenionymi przez ekspertów bez ponownego trenowania szkieletu.
• Fragment niepodobny do żadnej referencji może zostać oznaczony jako spoza rozkładu, co sygnalizuje typ nawierzchni lub stan, którego zestaw referencyjny nie obejmuje.

Enkoder embeddingów można też dostroić metodą nadzorowanego uczenia kontrastywnego, które zbliża do siebie fragmenty o tej samej klasie i oddala te o różnych klasach.

Dokładność modelu

Model klasy jakości ocenia się trzema wskaźnikami. Dokładność dokładnego dopasowania to udział fragmentów, które otrzymują dokładnie właściwą ocenę. Dokładność z błędem o jeden stopień to udział przewidywań mieszczących się w jednym poziomie klasy od wartości rzeczywistej. Na skali porządkowej jest to ważniejsza miara, bo fragment klasy 2 przewidziany jako klasa 3 jest znacznie mniej istotny niż przewidziany jako klasa 5. Średni błąd bezwzględny (MAE) to średnia odległość w poziomach klasy od wartości rzeczywistej po wszystkich fragmentach, czyli średnie |predicted_grade - true_grade|. Macierz pomyłek pokazuje, które sąsiednie klasy model myli. Wyniki waliduje się zwykle k-krotną walidacją krzyżową względem zestawu referencyjnego, a zgodność między ekspertami oceniającymi wyznacza górną granicę osiągalnej skuteczności modelu.

Niezależność jakości od typu nawierzchni

Klasa jakości ma opisywać stan nawierzchni niezależnie od tego, czy jest to asfalt, beton, nawierzchnia kompozytowa czy zabezpieczenie powierzchniowe, takie jak uszczelnienie grysowe. Systemy badawcze próbują to osiągnąć, wstępnie trenując enkoder na zróżnicowanym korpusie obrazów i włączając każdy typ nawierzchni do ocenionego zestawu referencyjnego. Dzięki temu embedding reaguje na cechy istotne dla stanu, takie jak pęknięcia, wykruszanie, łaty i utrata tekstury, a nie na kolor powierzchni czy wzór spoin. Czy dany model rzeczywiście jest niezależny od typu nawierzchni, trzeba sprawdzić na odcinkach odłożonych do testu, bo model wytrenowany głównie na jednym typie może źle oceniać inny.

Agregacja ocen fragmentów do odcinka

Oceny pojedynczych fragmentów nie są bezpośrednio przydatne w zarządzaniu, które działa na poziomie odcinków. Oceny fragmentów zwykle agreguje się do poziomu odcinka za pomocą mediany, która jest odporna na wartości odstające. Pojedynczy fragment błędnie oceniony o dwa stopnie przesunąłby średnią, ale nie medianę. W ten sam sposób odfiltrowuje się przejściowe artefakty, takie jak plamy oleju, ślady opon, kałuże czy zanieczyszczenia.

Ocenie zagregowanej można towarzyszyć miara pewności. Rozstęp międzykwartylowy (IQR) ocen fragmentów w odcinku pokazuje, jak jednorodna jest powierzchnia. Odcinek o medianie 2 i IQR równym 0 jest jednolicie dobry. Odcinek o medianie 2 i IQR równym 2 ma lokalne defekty, które sama mediana by ukryła, a pojedynczy fragment klasy 4 lub 5 w poza tym dobrym odcinku to gorący punkt wart oględzin w terenie.

Klasa jakości w ocenie stanu nawierzchni

Klasa jakości może służyć jako dane wejściowe do ogólnej oceny stanu nawierzchni. Na najprostszym poziomie stan odcinka to jego mediana klasy, a agencje ustalają progi uruchamiające, które przenoszą odcinek z jednej kategorii zarządczej do innej:

Te progi nie są stałe. Agencje kalibrują je w zależności od cykli budżetowych, celów wydajnościowych i tolerancji ryzyka. Dobrze finansowana agencja może uruchomić rehabilitację już przy klasie 3, a agencja z ograniczonym budżetem może poczekać do klasy 4.

Udział sieci w każdej klasie daje ogólny wskaźnik kondycji, a zmiana klasy między kolejnymi cyklami przeglądu pokazuje tempo pogarszania się nawierzchni. Odcinki, które pogorszyły się o co najmniej jeden stopień między cyklami, warto zbadać dokładniej.

Stabilność klasy jakości

W zarządzaniu nawierzchniami z roku na rok klasa musi być stabilna przy zmianach, które nie są rzeczywistymi zmianami nawierzchni. Stabilność czasowa oznacza, że odcinek, który się nie pogorszył, otrzymuje tę samą klasę w kolejnych przeglądach. Stabilność oświetleniowa oznacza, że bezpośrednie słońce, zachmurzenie, świt i cień nie zmieniają klasy, czemu pomaga trenowanie z augmentacją jasności, kontrastu, nasycenia i odcienia. Stabilność kamery oznacza, że różne czujniki, obiektywy, rozdzielczości i profile kolorów dają spójne oceny, co zależy od standaryzowanego pipeline’u przetwarzania obrazu. Zdjęcia wykonane w słabym oświetleniu, na przykład nocą lub w głębokim cieniu, należy oznaczać i wyłączać.

Klasa jakości a PCI i inne wskaźniki

Skala 1–5 współistnieje z ustalonymi wskaźnikami stanu nawierzchni i pełni w nich inną rolę.

Wskaźnik Stanu Nawierzchni (PCI) określony w normie ASTM D6433 to ciągły wskaźnik od 0 do 100 obliczany na podstawie szczegółowego przeglądu uszkodzeń. Inspektor identyfikuje każdy występujący rodzaj uszkodzenia (19 dla asfaltu i 15 dla betonu w D6433), ocenia jego stopień jako niski, średni lub wysoki, określa jego zakres i stosuje wartości odjęć z normy. PCI jest najszerzej stosowanym wskaźnikiem stanu nawierzchni w Ameryce Północnej i wymaga go wiele agencji.

Klasa jakości koreluje z PCI, ale nie przelicza się na niego liniowo. Odcinek z licznymi pęknięciami o niskim stopniu zaawansowania (PCI około 45) i odcinek z pojedynczą poważną dziurą, ale poza tym zdrową powierzchnią (PCI około 50), mogą oba otrzymać klasę 3. Klasa jakości to całościowe wrażenie wizualne, a nie obliczenie inżynierskie uszkodzeń. Agencja, która chce z klas uzyskać wyniki zgodne z PCI, musi je skalibrować względem PCI zmierzonego na tych samych odcinkach.

Wskaźnik Przejezdności Nawierzchni (PSR) i Wskaźnik Przejezdności Bieżącej (PSI) to starsze miary z AASHO Road Test (1958–1960). PSR to subiektywna ocena 0–5 wystawiana przez panel jadący po nawierzchni, a PSI wylicza się z nierówności, pęknięć, łat i kolein. Klasa jakości opiera się na wyglądzie powierzchni, a nie na komforcie jazdy.

Międzynarodowy Wskaźnik Nierówności (IRI) mierzy nierówności profilu podłużnego i jest funkcjonalną miarą komfortu jazdy. Oba wskaźniki są komplementarne, ale nie wymienne. Nawierzchnia silnie spękana, lecz gładka ma słabą klasę jakości i akceptowalny IRI, a nawierzchnia z wysadzinami mrozowymi, ale nienaruszoną powierzchnią ma odwrotność tej sytuacji. Pełny obraz stanu wymaga obu miar.

Wskaźnik Jakości Nawierzchni (PQI) łączy IRI, koleiny i uszkodzenia powierzchni w jeden wynik, który niektóre agencje stosują jako prostszą alternatywę dla PCI. Klasa jakości może pełnić rolę składowej uszkodzeń powierzchni w tym wskaźniku.

Klasa jakości w raportowaniu

Klasa jakości jest prezentowana na kilku poziomach. Przy opisie sieci rozkład mil pasów ruchu według klas pokazuje wykres kołowy lub słupkowy, a linie trendu pokazują zmiany między cyklami. Udział dobrych odcinków (klasy 1–2) bywa kluczowym wskaźnikiem efektywności w planach strategicznych agencji.

Raporty na poziomie odcinków wymieniają każdy odcinek z medianą klasy, liczbą zbadanych zdjęć, IQR, zmianą rok do roku i zalecanym działaniem wynikającym z progów agencji. Odcinki sortuje się zwykle według priorytetu.

Mapy problemów nakładają klasy na system informacji geograficznej (GIS), kolorując odcinki według mediany, a gorące punkty oznaczając symbolami punktowymi. Dane wchodzą też do planu zarządzania majątkiem drogowym, gdzie klasa służy jako stan początkowy dla modeli prognozujących krzywe pogorszenia skalibrowane do skali 1–5 w różnych scenariuszach budżetowych.

Podsumowania wykonawcze dają nietechnicznym decydentom syntezę: średnią klasę sieci, udział dobrych, dostatecznych i słabych odcinków, zmianę względem poprzedniego przeglądu oraz lukę finansową potrzebną do osiągnięcia celu.