Forbedring af fortovsnetværk ved at forudsige fremtiden

Med omkring 4,18 millioner miles af veje i USA, planlægning af fortovsvedligeholdelse kan virke som en skræmmende proces.

I øjeblikket, transportafdelinger (DOT'er) har en tendens til at stole på tidligere praksis eller ekspertudtalelser for at træffe vedligeholdelsesbeslutninger. Men med et efterslæb på $420 milliarder af reparationer til amerikanske motorveje, disse konventionelle metoder bliver mindre effektive. I stedet, DOT'er kræver mere kvantitative tilgange til at styre deres stramme budgetter og rette op på deres aldrende veje.

I en nylig avis i Transportforskning Del C:Emerging Technologies , MIT Concrete Sustainability Hub (CSHub) forskere Fengdi Guo, Jeremy Gregory, og Randolph Kirchain foreslår en sådan tilgang, kendt som Probabilistic Treatment Path Dependence (PTPD). PTPD yder bedre end konventionelle modeller, hvilket ville kræve et ekstra årligt budget på 10 procent for at nå det samme niveau af netværksydelse i det givne casestudie.

CSHub-forskere opnåede dette ved at konfrontere en grundlæggende bekymring, som mange konventionelle modeller viger tilbage for:usikkerhed.

Behagelig med usikkerhed

Brolægning er fyldt med usikkerhed. Fra forringelse af fortove til prisen på materialer, DOT'er kan ikke være sikre på, hvordan tingene vil se ud om fem, 10, eller 20 år. Hvad mere er, at forudsige og inkorporere disse former for usikkerheder kan vise sig at være udfordrende – nok til at mange modeller helt afviser det.

Traditionelt, de fleste modeller afvejer omkostningerne og fordelene ved vedligeholdelsesbeslutninger for hvert segment af et netværk for at vælge den bedste. Deres analyser har en tendens til at beregne omkostninger og fordele baseret på det aktuelle år eller for et fast sæt fremtidige vedligeholdelsesbehandlinger, uden at tage hensyn til usikkerheder i analyseperioden.

"Dette kan betyde, at de planlægger at vedligeholde et nyt segment af fortovet på samme måde hver gang i løbet af dets levetid, " siger Guo. "Problemet er, at dette ofte ikke er muligt. Over tid, ændringer i prisen på materialer, forværringshastigheden af ​​fortove, og selv ændringerne i behandlingsveje – som er rækkefølgen af ​​vedligeholdshandlinger – vil kræve behandlinger, der ikke er specificeret i den oprindelige model."

For at DOT'er kan administrere deres netværk effektivt, derefter, de havde bedre tilpasset sig behandlingsforløbsafhængighed og usikkerhed.

CSHub-forskning søgte at skabe en ny model, der giver dem den største tilpasningsevne. At gøre dette, de overvejede tusindvis af behandlingsplaner under fremtidige scenarier.

Deres model tager en bottom-up tilgang, ser på hvert segment i et fortovsnetværk. For hvert segment, den evaluerer enhver mulig indledende behandling og fremtidig scenarie for materialepris og forringelse. Derfra, en optimal behandlingsvej og dens samlede omkostninger identificeres for hver kombination af scenarie og indledende behandling.

Med alle disse muligheder lagt foran sig, CSHub-forskere beregnede derefter sandsynligheden for visse resultater i belægningens ydeevne - belægningens overfladekvalitet - for hver kombination af indledende behandlingsmulighed og fremtidigt scenarie. Dette giver dem mulighed for at fange, hvilke behandlinger der sandsynligvis vil have de bedste resultater givet alle de mulige ændringer, der kan forekomme. For hvert segment, modellen identificerer derefter de to behandlingsmuligheder med de bedst sandsynlige resultater.

"For at vælge mellem disse sidste to muligheder, " siger Guo, "vores model overvejer de risici, der er forbundet med hver og det tilgængelige budget, såvel."

I dette tilfælde, risiko refererer til, hvordan den faktiske ydeevne af en behandling kan afvige fra dens gennemsnitlige forventede ydeevne. Jo mere variansen er og jo mere ekstrem de afvigende scenarier, jo større er risikoen. Imidlertid, det er en afvejning - en mere risikabel behandling kan også give bedre ydeevne.

Så, det er op til DOT at bestemme, hvor meget risiko de er villige til at tage. Og det er det risikoniveau, der afgør, hvilken af ​​de sidste to muligheder, de vil vælge for hvert segment i fortovsnettet.

Brolægning i praksis

I flere casestudier diskuteret i deres papir, CSHub-forskere analyserede, hvordan risikoniveauer påvirkede valget af behandlinger inden for deres modeller, samt hvordan deres model sammenlignet med konventionelle modeller. De fandt ud af, at når DOT'er var mindre uvillige til at risikere uventede resultater i et segments præstation, deres model foretrak tynde asfaltbelægninger til det segment, som er en billigere behandlingsmulighed. Efterhånden som risikoaversionen steg, imidlertid, det modsatte skete. Modellen favoriserede i stedet dyrere betonbelægninger og komplette rekonstruktioner af segmentet.

Hvorfor?

Det bunder i prisen på materialer.

"I modsætning til asfalt, beton har en tendens til at have lavere prisvolatilitet, " forklarer Guo. "Det betyder, at DOT'er pålideligt kan forudsige, hvor meget konkrete behandlinger vil koste. Dette forhindrer den slags omkostningsoverskridelser, der kan opstå på grund af en uventet stigning i asfaltpriserne."

Den samme afvejning sker med belægningens ydeevne.

"Mens mere risikable behandlinger kan give bedre præstationsresultater, det er mere sandsynligt, at disse resultater vil variere, " forklarer Guo. "På den anden side, mindre risikable behandlinger vil give mere ensartet ydeevne - selvom den ydeevne kan være lidt lavere."

Ultimativt, forskerne fandt, at modeller med moderat risikoaversion og en blanding af asfalt og beton havde de bedste resultater, da de kunne optimere den gennemsnitlige ydeevne og ydeevnevariabilitet.

Forskerne sammenlignede derefter deres PTPD-model med moderat risiko med konventionelle cost-benefit-tilgange, der i øjeblikket anvendes af DOT'er.

Over en 20-årig analyseperiode, de fandt ud af, at deres PTPD-model klarede sig bedre end den konventionelle model.

Mens den konventionelle model kunne optimere omkostninger og ydeevne på kort sigt, den forudså ikke fremtidige usikkerheder. Dette førte til hyppigere, mindre dyre behandlinger, der oprindeligt forbedrede resultater, men resulterede i dårligere ydeevne og højere omkostninger over tid.

PTPD-modellen tog i stedet et langsigtet perspektiv. Det tegnede sig for usikkerheder og, som en konsekvens, bedre forudset og tilpasset fremtidige ændringer.

Dette betød, at den investerede mere foran i nogle få nøgler, meget brugte dele af et netværk. Som resultat, ydelsen og omkostningsfordelene i hele netværket viste sig først senere i analyseperioden. Til den tid, netværket kræves enklere, billigere behandlinger sjældnere.

Faktisk, for at cost-benefit-modellen fungerer lige så godt som PTPD-modellen, DOT'er ville skulle bruge 10 procent mere over 20 år i det givne casestudie.

I fremtiden, Guo og hans kolleger håber at udvide deres analyse til hele det amerikanske vejsystem. Ud over omkostninger og ydeevne, de har til hensigt at måle det miljømæssige fodaftryk af belægningsbeslutninger, såvel.

Det er svært at møde usikkerhed. Men med deres seneste model, CSHub-forskere gør netop det. I stedet for at diskontere usikkerhed, de konfronterer det frontalt. Og følgelig DOT'er kan snart forvente reducerede efterslæb og bedre veje.

Denne historie er genudgivet med tilladelse fra MIT News (web.mit.edu/newsoffice/), et populært websted, der dækker nyheder om MIT-forskning, innovation og undervisning.