We found a match
Your institution may have access to this item. Find your institution then sign in to continue.
- Title
Capturing variability in pavement performance models from sufficient time-series predictors: a case study of the New Brunswick road network.
- Authors
Amador-Jiménez, Luis Esteban; Mrawira, Donath
- Abstract
This paper proposes the use of multi-level Bayesian modeling for calibrating mechanistic model parameters from historical data while capturing reliability by estimating a desired confidence interval of the predictions. The model is capable of estimating the parameters from the observed data and expert criteria even in cases of missing data points. This approach allows rapid generation of several deterioration models without the need to partition the data into pavement families. It estimates posterior distributions for model coefficients and predicts values of the response for unobserved levels of the causal factors. A case study from the New Brunswick Department of Transportation is used to calibrate a simplified mechanistic pavement roughness progression model based on 6-year international roughness index (IRI) observations. The model incorporates the effects of pavement structural capacity in terms of deflection basin parameter (AREA) in place of the modified structural number, traffic loading (ESAL) and environmental factors. The results of the model showed that, as expected, chipseal roads have higher as built roughness and deteriorate faster than asphalt roads. Sensitivity analysis of the deterministic (the mean predictions) part of the model showed that in New Brunswick where traffic is relatively low the environment is the most important factor. Cet article propose l'utilisation du théorème de Bayes à niveaux multiples pour étalonner les paramètres du modèle mécaniste à partir de données historiques, tout en obtenant une idée de la fiabilité par l'estimation d'un intervalle de confiance désiré des prévisions. Le modèle peut estimer les paramètres à partir des données observées et des critères experts, même dans les cas où des données sont manquantes. Cette approche permet de générer plusieurs modèles de détérioration sans avoir à répartir les données en classes de revêtement. Elle estime les distributions a posteriori des coefficients des modèles et prédit des valeurs de la réponse pour des niveaux latents de facteurs de causalité. Une étude de cas du ministère des Transports du Nouveau-Brunswick est utilisée pour étalonner un modèle mécaniste simplifié de progression de la rugosité des chaussées basé sur des observations de l'IRI sur six ans. Le modèle incorpore les effets de la capacité structurale des chaussées en termes de paramètre de la cuvette de déflexion (AREA), au lieu du nombre structural modifié, du volume de trafic (ESAL) et des facteurs environnementaux. Les résultats du modèle indiquent que les routes avec un revêtement d'usure présentent une rugosité établie au moment de la construction plus élevée et se détériorent plus rapidement que les routes en asphalte. typo in English faster that Une analyse de la sensibilité de la partie déterministe (les prévisions moyennes) du modèle indique qu'au Nouveau-Brunswick, là où le trafic est relativement faible, l'environnement est le facteur le plus important.
- Subjects
NEW Brunswick; CASE studies; TRANSPORTATION &; the environment; HIGHWAY research; BAYESIAN field theory; SENSITIVITY analysis; ROAD construction
- Publication
Canadian Journal of Civil Engineering, 2011, Vol 38, Issue 2, p210
- ISSN
0315-1468
- Publication type
Article
- DOI
10.1139/L10-127