تحليل عدم قطعيت فرآيند اضمحلال روسازي آسفالتي مبتني بر شاخص ناهمواري با استفاده از داده‌هاي LTPP

Analysis of Uncertainties in Deterioration Process of Asphalt Pavements based on Roughness Index Using LTPP Data

مدل‌هاي اضمحلال از اجزاي مهم هر سيستم مديريت روسازي (PMS) مي‌باشند كه امكان پيش‌بيني وضعيت روسازي را در زمان بهره‌برداري آن فراهم مي‌كنند. اضمحلال روسازي فرآيندي بسيار پيچيده بوده و داراي عدم قطعيت زيادي است. مدل‌هاي احتمالاتي پيش‌بيني اضمحلال در مقايسه با مدل‌هاي قطعي امكان در نظر گرفتن اين عدم قطعيت را دارا هستند. يكي از مهم‌ترين مدل‌هاي احتمالاتي پيش‌بيني اضمحلال، مدل منحني روند است كه مبتني بر شاخص ناهمواري به عنوان يكي از مهم‌ترين شاخص‌هاي عملكردي روسازي مي‌باشد. در اين پژوهش از داده‌هاي ناهمواري روسازي قطعات GPS-1 و GPS-2 از پايگاه داده LTPP، كه در واقع روسازي‌هاي آسفالتي در حال بهره‌برداري به ترتيب با اساس دانه‌اي و اساس تثبيت‌شده هستند، جهت تحليل عدم قطعيت فرآيند اضمحلال روسازي استفاده شده است. براي اين منظور از دو آزمون برازندگي مجذور كاي (χ2) و كولموگروف – اسميرنف (K-S) جهت تعيين توزيع احتمال وضعيت آينده روسازي نسبت به وضعيت فعلي آن در سال‌هاي مختلف استفاده شده و توزيع لاگ‌نرمال بيشترين مقدار همبستگي با توزيع واقعي داده‌ها را در بلندمدت ارائه كرده است. با داشتن اين توزيع، مدل پيش‌بيني احتمالاتي اضمحلال روسازي مبتني بر شاخص ناهمواري با استفاده از مدل منحني روند توسعه يافته است. با بهره‌گيري از مدل توسعه داده شده، سيستم مديريت روسازي مي‌تواند وضعيت آينده روسازي را با ملاحظه عدم قطعيت فرآيند اضمحلال پيش‌بيني نمايد و با تخصيص بودجه بهينه، وضعيت شبكه روسازي را در سطح ريسك معيني نگهداري كند و از تحميل هزينه‌هاي گزاف ناشي از در نظر نگرفتن ريسك‌هاي احتمالي متاثر از عدم قطعيت وضعيت اضمحلال روسازي جلوگيري نمايد.

Pavement deterioration models are the most important components of any Pavement Management System (PMS). These models could predict pavement condition at any time in its service life. Pavement deterioration is a very complicated and uncertain process. Probabilistic deterioration models in comparison with deterministic ones could take into account these uncertainties. One of the most important probabilistic pavement deterioration models, is the trend curve model that is based on pavement roughness. In this research, roughness data of GPS-1 and GPS-2 pavement sections, which are in-service asphalt pavements respectively with granular base and stabilized base layers, have been extracted from Long-Term Pavement Performance (LTPP) database. These data then were used for analyzing pavement deterioration uncertainties. For this purpose, Chi-square (χ2) and Kolmogorov-Smirnov (K-S) statistical tests were used to determine probability distribution of pavement future condition over its current condition ratio in different years. Results showed that lognormal distribution is more fitted with actual data in long-term pavement life. Having this distribution, pavement deterioration model was developed based on roughness index using trend curve model. Utilizing proposed model, the pavement management system could predict pavement future condition taking into account uncertainties of deterioration process and with optimal budget assignment, could maintain the network condition at a specified risk level. This could prevent of any future risk regarding the pavement deterioration uncertainties.