Как нейросеть продлит жизнь дорогам: российский ИИ научили предсказывать ямы за 3 года
Ямы на дорогах — это, пожалуй, единственное, что объединяет водителей от Калининграда до Владивостока. Мы привыкли к ним как к неизбежному злу. Привыкли, что весной асфальт «плывёт», а дорожники бегают с вёдрами и латают дыры по факту их появления. Это похоже на игру в «ударного крота» — яма появилась, службы приехали и забили её.
Но что, если этот принцип можно перевернуть с ног на голову? Что, если научиться не лечить болезни, а ставить диагноз за несколько лет до первых симптомов? Именно над этим сейчас работают российские учёные из Донского государственного технического университета (ДГТУ) в Ростове-на-Дону.
Они создают систему искусственного интеллекта, которая способна предсказать, где именно через 2–3 года образуется опасная выбоина, и начать ремонт тогда, когда это будет максимально эффективно и дёшево .
Часть 1. Проблема, которую все видят, но никто не лечит
Давайте посмотрим правде в глаза. Сегодняшняя система ремонта дорог — это классическое «тушение пожаров». Дорожные службы действуют по жёсткому графику: текущий ремонт раз в несколько лет, капитальный — раз в 20–30 лет. Эти цифры берутся из теоретических формул, которые не учитывают ни то, что рядом расположен карьер и по трассе каждый день идут многотонные БелАЗы, ни то, что зима выдалась с 15 перепадами температур через ноль.
«Если эти данные обобщить, то вполне можно реализовать систему на основе искусственного интеллекта, которая бы не только распознавала дефекты, но и прогнозировала, как они будут развиваться в процессе эксплуатации. А самое главное — разрабатывать стратегии, как поддерживать дороги в нормативе», — поясняет профессор кафедры «Автомобильные дороги» ДГТУ Артём Тиратурян .
Проще говоря, у нас есть груды данных: сколько машин проехало, какой был весной перепад температур, какой состав асфальта. Эту информацию собирают годами, но используют примитивно.
Часть 2. В чём сила ИИ: от теории к реальности
Человек — и даже обычная компьютерная программа — может работать только с чёткими формулами. «Если давление такое-то, а температура такая-то, то срок службы сокращается на коэффициент 1,2». Это теория, которая часто расходится с практикой.
Искусственный интеллект же может учиться на самих данных. Ему не нужны приблизительные коэффициенты. Учёные загружают в нейросеть многолетние записи с диагностических станций: здесь асфальт начал крошиться через 4 года при интенсивности 2000 машин в сутки, а здесь — через 6 лет при 1500 машинах, но с мягкой зимой.
«Искусственный интеллект позволяет напрямую взять экспериментальные данные, обучить на этой выборке модель, и дальше она будет осуществлять прогноз не по теоретическим уравнениям, а по факту. В этом плане он незаменим» .
«Цифровой мозг» пробегается по этим массивам информации, находит скрытые корреляции, которые человек просто физически не может уловить, и начинает понимать «поведение» асфальта. Он предсказывает не просто «скоро где-то будет яма», а выдаёт карту рисков с конкретными участками.
Часть 3. Как это работает и почему это надёжнее гадалок
Конечно, с точностью до сантиметра система не скажет: «На улице Пушкина, дом 10, 23 августа 2027 года, ровно в 14:30 появится выбоина». Это всё-таки живой материал, зависящий от тысячи случайностей — от удара шиной до укладки коммуникаций соседями.
Но глобальный, стратегический прогноз — вполне. Если с конкретной автомобильной дороги каждый год снимали данные по продольной ровности или фактической прочности, то можно спрогнозировать значение, которое приобретёт дорога через несколько лет .
В отличие от традиционных методов, где ремонт планируется по истечении срока службы (и, соответственно, деньги выделяются, когда дорога уже разрушилась), новая система позволяет перейти к управлению по остаточному ресурсу.
Представьте, что вы следите за здоровьем человека. Старый метод — ждать, когда у него случится инфаркт, а потом делать операцию. Новый метод — раз в год сдавать анализы, смотреть на динамику и говорить: «Друг, твои сосуды изношены на 70%. Начинай профилактику, меняй питание, а то через два года будет беда».
Так и здесь: ИИ не только покажет дыры сейчас, но и подсветит те участки, которые, даже выглядя нормально, уже в предаварийном состоянии и требуют не аварийного латания, а планового усиления.
Часть 4. Что это даст водителю и городу
Эта технология — не про абстрактную науку. У неё будет конкретный, очень полезный результат для любого, кто садится за руль.
Что сейчасЧто будет с ИИЯма появилась — водитель сломал подвеску.Ремонт начинается до появления дефекта.Деньги размазывают тонким слоем по всем ямам (ничего толком не чинят).Деньги концентрируют на самых критичных участках, где разрушение неизбежно, а остальное поддерживают минимально.Дороги ремонтируют по графику (раз в 10 лет), вне зависимости от состояния.Ремонт по фактической потребности: где-то ямочный, где-то средний, а где-то — полная замена полотна.
Город сможет видеть дорожную сеть как единый живой организм. Это избавит от «бесконечного ремонта» одних и тех же участков, потому что ремонт будет делаться качественно и вовремя — пока грунт не начал разрушаться изнутри.
По задумке учёных, новый алгоритм со временем станет частью интеллектуальной транспортной системы (ИТС). Он будет следить за «здоровьем» дорожного полотна и помогать водителям экономить время и деньги .
Часть 5. Аналоги и уникальность разработки
Сразу возникает вопрос: почему этим занимаются в Ростове, а не в Кремниевой долине? На самом деле, работа ведётся во всём мире. Но у нашей разработки есть огромное преимущество.
«Я был в Китае, и многое из того, что есть там, реализуется и в наших городах. Но системы подобного рода есть во всем мире, над этим активно работают. Вопрос в реализации. В Ростовской области есть свой уникальный опыт и экспериментальные наработки, которые можно интегрировать» .
В Ростове действительно уникальная база натурных исследований. Мало где есть возможность годами в реальных условиях наблюдать, как ведёт себя асфальт в агрессивной среде больших перепадов температур и специфического южного трафика. Эти местные данные — золотая жила для обучения нейросети.
Часть 6. Когда это появится на дорогах?
Конечно, хочется верить, что завтра мы откроем карту навигатора, а там уже нанесены зоны будущего разрушения. Но до этого ещё нужно немного подождать.
«Для любой научной работы внедрение занимает 2-3 года. Но я думаю, что в течение 5-6 лет мы вполне можем добиться очень хороших результатов. Тем более, экспериментальные данные у нас есть», — признаёт профессор Тиратурян .
Параллельно с наукой идёт и бюрократическая работа. Так, в июне 2026 года вступает в силу первый национальный стандарт (ПНСТ 1055-2026), который как раз и регулирует работу систем искусственного интеллекта для анализа качества дорожного покрытия . Появляются правила игры, а значит, технология уходит из разряда лабораторных фантазий в разряд инженерной реальности.
Эпилог. Тихий надзор цифрового ока
Российские учёные предлагают не просто «починить ямы», а переформатировать сам подход. Вместо швабры и ведра — профилактика и цифровая диагностика. ИИ не заставит асфальт не стареть, но он сможет предупредить о его усталости заранее.
Возможно, уже через несколько лет дороги перестанут быть источником вечных шуток и станут предметом гордости, за состоянием которых следит неусыпное цифровое око .
Представьте будущее: холодная весна, все ждут привычного коллапса, а вы спокойно едете по сухому, ровному асфальту, потому что чинить его начали ещё осенью — по рекомендации нейросети, а не по графикам прошлого века.
Технология есть. Данные есть. Осталось немного подождать.
Вопрос к вам:
Как вы считаете, поможет ли такая «умная» диагностика наконец сделать наши дороги ровными? Или проблема всё-таки не в технологиях, а в чём-то другом? 👇