Kelių tiesimo, rekonstrukcijos ir priežiūros projektai reikalauja milžiniškų išteklių – nuo tūkstančių kvadratinių metrų LIDAR taškų debesų analizės iki griežtos kokybės kontrolės pagal KTR reikalavimus. Dirbtinio intelekto (DI) ir mašininio mokymosi algoritmai jau dabar keičia šį sektorių: jie padeda prognozuoti asfaltbetonio dangos dėvėjimąsi, automatizuoti defektų paiešką ir optimizuoti masių balansą žemės darbuose. Vis dėlto, inžinieriams praktikams kyla klausimų: kaip užtikrinti DI modelių tikslumą, kaip suderinti algoritmų skaičiavimus su statybos reglamentais ir kas prisiima civilinę atsakomybę už inžinerinę klaidą?

Šių nuotolinių mokymų tikslas – suteikti kelių inžinerijos ir administravimo specialistams praktinių žinių, kaip saugiai pritaikyti DI įrankius kasdieniame darbe, siekiant pagreitinti projektų valdymą, automatizuoti rutinines patikras ir optimizuoti eksploatacijos biudžetus.

Mokymų metu nagrinėsime specifines kelių tiesimo ir administravimo problemas bei realius DI sprendimus:

● Rutininis ir imlus laikui dangos pažaidų fiksavimas: tradicinė kelių vizualinė apžiūra ieškant plyšių, provėžų ar išdaužų reikalauja daug laiko ir yra subjektyvi. Sprendimas: Kompiuterinio regėjimo (Computer Vision) pritaikymas – DI algoritmai, analizuodami vaizdo registratorių ar dronų medžiagą, automatiškai identifikuoja, klasifikuoja defektus ir apskaičiuoja dangos būklės indeksą;
● Milžiniški geodezinių matavimų ir LIDAR duomenų srautai: nuskaitytų taškų debesų (Point Clouds) apdorojimas ir filtravimas rankiniu būdu stabdo projektavimo eigą. Sprendimas: DI įrankiai, kurie automatiškai segmentuoja taškų debesį, atskirdami kelio sankasą, dangą, ženklus bei želdinius, ir integruoja šiuos duomenis į BIM aplinką;
● Neefektyvus priežiūros ir remonto darbų planavimas: dažnai remontas pradedamas per vėlai, kai dangos konstrukcija jau suirusi, o tai drastiškai išpučia sąmatas. Sprendimas: Predikcinė analitika (Predictive Maintenance), kuri, remdamasi eismo intensyvumo, meteorologinių sąlygų ir istorinės degradacijos duomenimis, prognozuoja silpnąsias vietas ir optimizuoja periodinės priežiūros ciklus;
● Sąmatų, medžiagų žiniaraščių ir techninių ataskaitų rengimas: inžinieriai praleidžia valandas rengdami statybos darbų žurnalus, defektų aktus ir tikrindami atitiktį specifikacijoms. Sprendimas: Generatyvinio DI (LLM) naudojimas greitam techninės dokumentacijos struktūrizavimui, KTR reikalavimų suvestinėms ir operatyviam atsakymų projektų rengimui institucijoms ar subrangovams;
● Žemės darbų logistikos ir masių balanso optimizavimas: netinkamas iškasamo ir užpilamo grunto logistikos suvaldymas sukelia prastovas ir didina degalų sąnaudas. Sprendimas: DI optimizavimo algoritmai, kurie apskaičiuoja ekonomiškiausius transporto maršrutus ir masių paskirstymą statybos aikštelėje.Šie mokymai skirti kelių inžinieriams, projektų vadovams ir administratoriams, siekiantiems:

Šie mokymai skirti kelių inžinieriams, projektų vadovams ir administratoriams, siekiantiems:

● Sumažinti rankinio darbo apimtis apdorojant geodezinius ir erdvinius duomenis;
● Priimti duomenimis grįstus sprendimus planuojant kelių tinklo rekonstrukcijas;
● Paspartinti techninės dokumentacijos ir aktų rengimą, efektyviau valdant statybos procesus;
● Suvaldyti teisines ir profesines rizikas, susijusias su intelektualios nuosavybės apsauga, BDAR (pvz., automobilių numerių/veidų paslėpimas vaizdo analizėje) ir ES DI akto reikalavimais inžinerinėje programinėje įrangoje.

Lietuvių