Информационно-интеллектуальная система проектирования и строительства лесовозных автомобильных дорог в условиях пониженных температур

В статье рассматриваются вопросы разработки и применения информационно-интеллектуальных систем (ИИС) для совершенствования технологий строительства автомобильных дорог в условиях пониженных температур. Предложена семиуровневая архитектура ИИС, охватывающая сбор данных с IoT-датчиков, обработку в облачной платформе, нейросетевое прогнозирование, нечёткологическое управление (метод Мамдани), ПИД-регулирование температурных параметров и многокритериальную оптимизацию (метод Парето). Разработан математический аппарат для расчёта прогнозной точности нейросетевой модели (CNN-LSTM), информационной энтропии управленческих решений, надёжности аппаратной части и показателей экономической эффективности. Проведена верификация системы на 7 реальных объектах в дорожно-климатических зонах I-III. Комплексный показатель качества дорожного покрытия вырос с 68-75 до 90-94%, доля бракованной АБС снизилась с 18-28 до 2-5%. Суммарная накопленная экономия за 10 лет эксплуатации ИИС составила 59,8 млн руб. при первоначальных инвестициях 2,5 млн руб. Срок окупаемости системы - менее 1 строительного сезона.

Ключевые слова: информационно-интеллектуальная система, автомобильные дороги, пониженные температуры, нейронные сети, нечёткая логика, ПИД-регулятор, многокритериальная оптимизация, IoT, цифровой двойник, энтропия решений.

INFORMATION AND INTELLIGENCE SYSTEM FOR DESIGN AND CONSTRUCTION OF LOGGING ROADS IN LOW TEMPERATURE CONDITIONS

The article examines the development and application of information-intelligence systems (IIS) for improving road construction technologies in low-temperature conditions. A seven-level IIS architecture is proposed, encompassing data collection from IoT sensors, processing in a cloud platform, neural network forecasting, fuzzy control (Mamdani method), PID control of temperature parameters, and multi-criteria optimization (Pareto method). A mathematical apparatus for calculating the predictive accuracy of the neural network model (CNN-LSTM), the information entropy of management decisions, hardware reliability, and economic efficiency indicators has been developed. The system was verified on seven real-world sites in road climate zones I-III. The comprehensive road surface quality indicator increased from 68-75% to 90-94%, while the share of defective ABS decreased from 18-28% to 2-5%. The total accumulated savings over 10 years of IIS operation amounted to 59.8 million rubles. With an initial investment of 2.5 million rubles, the system's payback period is less than one construction season.

Keywords: information and intelligence system, highways, low temperatures, neural networks, fuzzy logic, PID controller, multi-criteria optimization, IoT, digital twin, decision entropy.