Ученые Череповецкого государственного университета (ЧГУ) предложили нестандартный подход к контролю состояния дорог — использовать обычные автомобили и общественный транспорт в роли мобильных «сканеров» ям и выбоин. Такое устройство способно в реальном времени регистрировать дефекты дорожного покрытия и наносить их на карту, значительно ускоряя процесс обследования. Результаты работы исследователи опубликовали на International Russian Automation Conference (RusAutoCon 2025).
Как поясняют в ЧГУ, дорожное полотно постоянно испытывает нагрузку: на него влияют перепады температур, осадки, интенсивное движение транспорта и естественный износ. Если мелкие повреждения вовремя не устранять, они быстро превращаются в серьезные разрушения, что повышает аварийность и приводит к росту затрат на ремонт.
Сегодня контроль состояния дорог чаще всего ведется или вручную, или с применением специализированных машин с дорогостоящими лазерными системами. Новый подход ученых предлагает более доступную и масштабируемую альтернативу.
Созданный в ЧГУ прототип представляет собой компактное устройство, которое устанавливается на бампер автомобиля. Во время движения оно автоматически распознает неровности, определяет их тип, фиксирует местоположение и передает информацию на онлайн-карту. При этом система способна отличать, например, искусственную неровность от опасной выбоины.
По словам профессора ЧГУ Георгия Григорьева, испытания показали высокую практическую точность решения: изменения поверхности дороги фиксируются с погрешностью до одного сантиметра, а координаты дефектов определяются в пределах 2−2,5 метра.
Еще одно преимущество разработки — простота масштабирования. Устройства можно устанавливать на автобусы, коммунальную технику, такси и даже обычные машины. Разработчики отмечают, что такой подход позволяет в пять раз быстрее обследовать дорожную сеть по сравнению с традиционными регламентными объездами и существенно снизить расходы на диагностику.
Система объединяет несколько типов датчиков, включая лазерный дальномер и GPS, работает на скорости до 60 км/ч и при этом остается компактной и недорогой по сравнению с существующими аналогами.
В дальнейшем команда ЧГУ планирует повысить точность позиционирования, ввести алгоритмы машинного обучения для более «умного» анализа данных и адаптировать проект под нужды городских и региональных дорожных служб.