شناسایی و تعیین دقیق موقعیت چالههای سطح آسفالت نقش مهمی در بهبود ایمنی رانندگان، کاهش هزینههای نگهداری و بهینهسازی مدیریت زیرساختهای حملونقل شهری دارد. در این پژوهش، روشی مبتنی بر یادگیری عمیق ارائه شده است که با استفاده از فناوریهای در دسترس و مقرونبهصرفه، این اهداف را محقق میسازد. روش پیشنهادی از یک شبکه عصبی عمیق برای تشخیص و بخشبندی چالهها در تصاویر ثبتشده توسط دوربین گوشیهای هوشمند استفاده میکند. سپس با بهکارگیری یک الگوریتم تلفیق داده، اطلاعات استخراجشده از تصاویر با دادههای سامانه موقعیتیاب جهانی (GPS[1]) و واحد اندازهگیری اینرسی (IMU[2]) دریافتشده از سنسورهای گوشی ترکیب میشود تا موقعیت مطلق چالهها در سیستم مختصات جهانی (UTM[3]) با دقت بالا تخمین زده شود. این رویکرد نوآورانه، چالشهای مرتبط با تبدیل مختصات تصویر به مختصات جهانی و خطاهای ناشی از دقت پایین دادههای سامانه موقعیتیاب جهانی را بهطور مؤثر برطرف میکند. بهمنظور ارزیابی عملکرد روش پیشنهادی، مجموعه دادهای جامع از خیابانهای شهری با استفاده از گوشی هوشمند متداول جمعآوری شد. در این فرآیند موقعیت چالهها به دو روش تعیین شد: یک بار با استفاده از روش پیشنهادی ارائهشده در این پژوهش و بار دیگر با استفاده از گیرنده مولتیفرکانس G1 Plus Sout با دقت 0.012 متر که به عنوان مرجع دقیق درنظر گرفته شد. سپس نتایج حاصل از این دو روش با یکدیگر مقایسه شدند تا دقت و کارایی روش پیشنهادی ارزیابی گردد. نتایج آزمایشها نشان میدهد که این روش قادر است موقعیت مطلق چالهها را با میانگین خطای کمتر از ۲ متر در سیستم مختصات UTM تخمین بزند. این رویکرد امکان نقشهبرداری دقیق و بهروز از وضعیت سطح خیابانهای شهری را با استفاده از ابزارهای روزمره و در دسترس عموم فراهم میکند. علاوه بر این، سادگی و مقرونبهصرفه بودن این روش، امکان مشارکت گسترده شهروندان در جمعآوری دادهها و بهبود زیرساختهای شهری را فراهم میسازد.
Hadigol H, Hosseininaveh A. Proposing a Deep Learning-Based Method for Estimating the Absolute Position of Potholes in Urban Streets. JGST 2025; 15 (1) : 4 URL: http://jgst.issgeac.ir/article-1-1216-fa.html
هادیگل همایون، حسینی نوه علی. ارائه یک روش مبتنی بر یادگیری عمیق به منظور تخمین موقعیت مطلق چالهها در خیابانهای شهری. علوم و فنون نقشه برداری. 1404; 15 (1) :49-67