ИИ в строительстве дорог и городской инфраструктуры: умный асфальт, мониторинг мостов и оптимизация трафика

Дорожная инфраструктура России оценивается в >₽50 трлн. Её содержание и ремонт — одна из крупнейших статей государственных расходов. AI помогает тратить эти деньги правильно: ремонтировать то, что действительно нуждается в ремонте, а не то, что «давно не ремонтировали».

Кейс 1. Waycare и AI-аналитика дорожного трафика

Инструменты

• ML-анализ данных с датчиков, камер и телефонов (агрегированные, анонимные GPS)
• Предсказание аварий на ближайшие 1–2 часа
• Оптимизация сигналов светофоров в реальном времени
• Партнёрство с Waze и Google Maps для распределения трафика

Что происходит

Waycare анализирует данные из сотен источников и строит модель состояния дорожной сети. ML выявляет паттерны: конкретный участок дороги при температуре +3°C и влажности >80% — аварийно-опасный. Предупреждение навигационным системам, переменным знакам, диспетчерам.

Синхронизация светофоров: в час пик на конкретном направлении система автоматически увеличивает «зелёный» для основного потока. Экстренная машина едет — все светофоры по маршруту переключаются в «зелёный» автоматически.

Результаты

• Аварии в зонах развёртывания Waycare: снижение на ~11–17%
• Время реагирования экстренных служб с AI-управлением светофорами: снижение на ~15%
• Las Vegas использует Waycare: >2 000 инцидентов предотвращено за 2 года
• Пропускная способность ключевых маршрутов: рост на ~12% без новой инфраструктуры

Кейс 2. SIKA и IBM — AI для мониторинга состояния мостов

Инструменты

• IoT-датчики: вибрация, деформация, температура, влажность — встроенные в конструкцию
• ML-анализ структурного здоровья (SHM — Structural Health Monitoring)
• Computer Vision: анализ фотографий/видео для выявления трещин
• Digital Twin моста

Что происходит

В США >45 000 мостов находятся в структурно дефектном состоянии по данным ASCE. Их инспекция раз в 2 года не успевает. Continuous SHM: датчики, встроенные в конструкцию, передают данные 24/7. ML анализирует: изменилась ли частота собственных колебаний (признак изменения жёсткости = возможный дефект), есть ли нарастающие деформации.

CV-дроны: раз в несколько месяцев — облёт моста с высокоразрешающей камерой. AI анализирует снимки, выявляет трещины с точностью до 0,2 мм, строит карту дефектов с привязкой к координатам.

Результаты

• Несчастные случаи из-за внезапного обрушения: конструкции с SHM — в разы безопаснее
• Стоимость ремонта при выявлении проблем на ранней стадии: в 10–50 раз меньше аварийного ремонта
• SHM-система на мосту: стоимость $50 000–500 000 (зависит от размера) vs потенциальная катастрофа

Кейс 3. AI для оценки состояния дорог в России

Применения

Автодор (госкорпорация):

• Мобильные диагностические лаборатории с CV-системами: видеосъёмка дорожного полотна + ML-классификация дефектов (выбоины, трещины, деформации)
• Автоматическое формирование ведомостей дефектов по результатам объезда

Росавтодор:

• ML-оценка состояния покрытия по данным с видеорегистраторов рядовых автомобилей (краудсорсинг данных)
• AI-приоритизация ремонта: где ремонт принесёт наибольший эффект для безопасности

Региональные проекты:

• Санкт-Петербург: AI-мониторинг городских дорог через камеры видеонаблюдения
• Москва: интеграция данных Яндекса о «плохих дорогах» с системой планирования ремонта

Результаты

• Автодор: CV-диагностика дорог в 5 раз быстрее традиционной визуальной инспекции
• Точность выявления дефектов: >93% совпадение с ручной инспекцией
• Экономия на необоснованных ремонтах: ~15–20% бюджета (ремонтируем то, что нужно)

Источники: Waycare platform data, ASCE Infrastructure Report Card 2021, IBM Maximo Monitor documentation, Автодор операционные данные.