Advances in predictive maintenance planning of roads by empirical models

Tiet muodostavat yhden arvoikkaimmista julkisista omaisuuseristä. Tieomaisuuden arvo säilyy ennakoivalla kunnossapidolla korkeampana kuin korjauskunnossapidolla. Perinteisesti tiestön kunnossapitoa on suunniteltu käyttämällä mekaanisia tai hybridimalleilla arviointiin, ennustamiseen ja optimointiin. Tässä väitöskirjassa ehdotetaan viitekehystä tiestön kunnossapidon suunnitteluun, jossa tienkäyttäjän ja tieviranomaisen kustannukset sekä tiestön kunto arvioidaan ja ennustetaan ja tulevaisuudessa tapahtuvat kunnossapitotoimet optimoidaan empiirisillä malleilla. Käsitettä kutsutaan ennustavaksi kunnossapidon suunnitteluksi. Useita empiirisiä menetelmiä yhdisteltiin ja sovellettiin tiestön kunnossapidon tehtävissä. Menetelmät sisälsivät peräkkäisen syötevalinnan algoritmin muuttujien valintaan, k-keskiarvot++ -menetelmän ryhmittämiseen, pääkomponenttianalyysin ulottuvuuksien pienentämiseen, Markovin ketjuja, tavallista pienimmän neliösumman regressiota, säteittäisperustafunktioita ja pienimmän neliön vektoritukiregressiota ennustamiseen sekä geneettisiä algoritmeja ja Variable Neighbourhood Search -menetelmää optimointiin. Tutkimus paljasti, että tiestön kunnon ennustamisen tarkkuutta voidaan kasvattaa epälineaarisilla empiirisillä malleilla käyttäen tiestöstä kerättyä tietoa. Paras menetelmä oli pienimmän neliön vektoritukiregressio usean aika-askeleen ennustamiseen. Parhaassa sovelletussa optimointimenetelmässä oli yhdistelty rinnakkaisia geneettisiä algoritmeja Variable Neighbourhood Search -menetelmään. Väitöskirja osoittaa, että tarkkuutta voidaan parantaa ja tiestön kunnossapidon kustannuksia pienentää muuttamalla ajatus- ja toimintamallia mekanistisista malleista empiirisiin tiestön kunnossapidon suunnittelussa.