Forslag til faglig rammeverk for tilstandsvurdering av dype sidegrøfter - Overgang fra reaktivt til proaktivt vedlikehold av dype sidegrøfter ved bruk av LiDar-data

Abstract

Dype sidegrøfter langs vegen er viktige for å drenere overbygningen, og sørge for at overvann ledes trygt gjennom vegen videre til naturlige vannveger. Utbedring av drenering har svært god kost/nytte-faktor, og regnes som et av de viktigste forsterkningstiltakene i arsenalet mot permanent deformasjon. Likevel finnes det ingen automatisert metode for å kartlegge og vurdere grøftens tilstand langs vegen. Det ønsker denne rapporten å gjøre noe med.

States vegvesen samler inn spor- og jevnhetsdata for hvert kjørefelt en gang i året, og kartleggingen foregår med mobil LiDar som samler inn store mengder data også utenfor vegen. En målsetting med dette prosjektet har vært å konstruere et faglig rammeverk til et fremtidig dataprogram som kan evaluere grøftens påvirkning på funksjonell levetid. For å utvide det praktiske bruksområdet er det valgt å skille mellom kartlegging på detalj- og nettverksnivå; Detaljkartlegging kan brukes for å identifisere seksjoner som har utfordringer på grunn av for dårlig drenering eller grøftens geometriske utforming, som ellers slipper under radaren i Pavement Management System. Nettverksnivå er en grovartet kartlegging som ikke baserer seg på samme detaljnivå, men er heller et verktøy som kan gi mulighet til å få oversikt over grøftenes tilstand over et større område. På den måten vil det gi gode data for å anslå budsjettbehov, og gi grunnlag for å prioritere strekninger til forsterkningstiltak i et forsøk på å ta igjen vedlikeholdsetterslepet.

Rammeverket er bygget opp gjennom en omfattende litteraturgjennomgang for å kartlegge hvilke parametere som er hensiktsmessig å utlede fra LiDar-data, og ikke minst hvilke parametere som er viktig å ha oversikt over. Gjennom en litteraturgjennomgang er det valgt ut seks parametere for detaljkartlegging, og to parametere for nettverkskartlegging. Ut ifra litteraturen er det satt opp forslag til generelle grenseverdier i en risikomodell som følger trafikklysoppbyggingen. Rød tilsvarer høy risiko for at resultatet bidrar til å redusere levetiden, mens gul er medium og grønn er lav.

Gjennom en case studie er det laget to praktiske eksempler for detaljkartlegging, mens for nettverksnivå er det foreslått en steg-for-steg-framgangsmåte. Gjennom en statistisk analyse av de enkelte parametere, målt på fire forskjellige enheter, er det bestemt spesifikke grenseverdier for risiko for strekningen i case studien. Disse grenseverdiene blir benyttet for å lage rapport på to 500 m lange strekninger, og det blir gjort en vurdering av tiltak for å utbedre de parametere som identifiseres som skadedrivende.

Systemet differensierer ikke på hvor viktig de forskjellige parametere er i forhold til hverandre, men forutsetter at en bruker har grunnleggende fagkunnskaper for å vurdere tiltak på bakgrunn av resultatene. En viktig detalj er innføringen av en to-faktor autentisering gjennom empiriske spor- og jevnhetsdata for tilsvarende asfaltdekker, men med god drenering. På den måten kan en skille parametere som havner i høyrisikosone, men som likevel ikke bidrar til forhøyet skadeutvikling, fra parametere hvor også skadeutviklingen viser at parameterne ser ut til å bidra. Et annet moment med to-faktor autentisering, er at områder med forhøyet skadeutvikling identifiseres uavhengig av om parametere viser grønn risikosone. Et slikt tilfelle indikerer at dreneringen og grøftens geometri ikke bidrar til redusert levetid, og det kan tyde på at overbygningen er underdimensjonert for dagens trafikkpåkjenning.

Roadside drainage ditches serve an important role for draining the pavement and ensuring that stormwater is safely routed through the road onwards to natural waterways. Remediation of drainage infrastructure yields a very good cost/benefit factor and is considered one of the most important reinforcement measures in the arsenal against permanent deformation. Nevertheless, there is no automated method for mapping and assessing the state of the ditches. This report aims to change that.

The Norwegian Public Roads Administration collects rut and roughness data for each lane once a year by mobile LiDar that collects large amounts of data which includes the roadside ditch. One objective of this project has been to construct a theoretical framework for a future computer program that can evaluate the impact of the ditch on functional pavement life. To expand the practical application, it is chosen to distinguish between mapping at detail- and network level; Detailed mapping can be used to identify sections that face challenges due to poor drainage or the geometric design of the ditch, which otherwise slips under the radar of the Pavement Management System. Network level mapping is not based on the same level of detail, but rather is a tool that can provide an opportunity to get an overview of the state of the ditches over a larger area. In this way, it will provide good data for estimating budgetary needs, and provide a basis for prioritising sections for reinforcement measures in an attempt to catch up with maintenance backlog.

The framework is built up through a comprehensive literature review which aims to identify which parameters are possible and useful to derive from LiDar data. Through a literature review, six parameters for detailed mapping have been selected, and two parameters for network mapping. Based on the literature, proposals have been put up for general limit values in a risk model that follows traffic light build-up. Red corresponds to a high risk that the measurement contributes to reduce pavement life, while yellow is medium, and green is low risk.

Through a case study, two practical examples have been created to showcase what a detailed mapping can look like and yield in terms of insight. For network level a step-by-step procedure has been proposed for future use. Through a statistical analysis of the individual parameters, measured on four different units, it is determined specific thresholds to implement in evaluating the section in the case study. The thresholds are used to prepare a report on two 500 m long sections, and an assessment of measures to rectify the parameters identified as high risk is being carried out.

The system does not differentiate the individual parameters in regards of how important they are in relation to each other, but assumes that a user has professional knowledge to assess measures on the basis of the results. An important detail is the introduction of a two-factor authentication through empirical rut and roughness data for similar pavements with good drainage. In this way, parameters that end up in a high-risk zone, but don’t contribute to accelerated development in regard to rutting and roughness, can be distinguished from parameters where damage development also shows that the parameters are likely to contribute. By process of elimination the two-factor authentication can contribute to pinpoint sections where the pavement isn’t dimensioned for the current traffic stress where the parameters indicate green risk-zone, but the damage development is accelerated.