1,720,990 research outputs found
Beläggningsindata variabilitetkarakterisering för svenska vägar
No full textThe analysis and design process of pavements is probabilistic as it involves many variabilities and uncertainties that arise from different sources. It is crucial to quantify and incorporate effects of these variabilities and uncertainties on predicted performance as this would allow to minimize the risk of premature failure. This report presents for Swedish condition a study on the variability characterization and modelling of pavement inputs and parameters. The characterization and modelling of inputs variability is a prerequisite for any probabilistic pavement performance evaluation. This study aims to systematically study and quantify for Swedish condition the variability associated with the inputs and parameters that are considered to have a significant impact on pavement performance. This provides the proper platform for the development of probabilistic-based tools for pavement performance evaluation and life cycle cost analysis (LCCA). For this purpose, a number of Swedish pavement sections with various design and functional requirements were selected and analysed. The selection was carried out in a manner that guarantees the inclusion of design features that are widely utilized in Sweden. The evaluated sections were comprised of experimental structures such as accelerated pavement testing (APT) and actual in-service pavements. The variability characterization and modelling was focused on those inputs that are considered to be significant such as traffic loading, layer modulus and layer thickness. In addition, based on availability of data, the variability associated with permanent deformation or rutting was performed. The analysed data was obtained through measurements such as falling weight deflectometer (FWD) for layer modulus, ground penetrating radar (GPR) and elevation level measurement for layer thickness, bridge weigh in motion (BWIM) for traffic and laser beam for surface rutting. For variability modelling, the full probability distribution approach which requires the first and second moments in addition to a probability density function (PDF) was utilized. Variability modelling was performed utilizing probability density functions such as normal, lognormal, gamma, Weibull, extreme value, and general extreme value. The results of the variability characterization have shown that the variability associated with Swedish roads can be described and modelled by a multiple of PDFs with a wide range in coefficient of variation (CV) level. It has also been observed that for the same input the variability level in terms of CV fluctuates depending on functional requirement of the pavement, data size and condition of the pavement. This can be used in future pavement variability characterizations to distinguish among the many factors that influence variability level and to prioritize those factors with significant influence. The estimated variability levels, which are preliminary estimates, can readily be inputted into probabilistic-based tools for the estimation of reliability.Vid beläggningsanalyser och design av beläggningar bör man ha som utgångspunkt att beläggningarnas egenskaper är probabilistiska till sin natur. De påverkas av processer och förlopp som resulterar i variationer hos egenskaperna. Det är viktigt att kvantifiera och införliva denna variabilitet och övriga osäkerheter i designprocessen eftersom detta skulle kunna göra det möjligt för konstruktören att minska risken för tidiga fel. Denna rapport presenterar en studie om karaktärisering och modellering av variabiliteten av beläggningsindata för svenska vägar. För att göra en probabilistiskt baserad utvärdering av beläggningsprestanda behöver variabiliteten hos ingående data karaktäriseras. Denna studie syftar till att systematiskt studera och kvantifiera variabiliteten förknippad med de indata och parametrar som anses ha en betydande inverkan på beläggningsprestandan för svenska vägar. Detta är en förutsättning för att kunna utveckla probabilistiska verktyg för utvärdering av beläggningsprestanda och livscykelkostnader (LCCA). Ett antal svenska beläggningssektioner med olika design- och funktionskrav valdes ut och analyserades. Urvalet har genomförts på ett sätt som ger representation av olika designförhållanden som är vanligt förekommande i Sverige. Totalt identifierades 20 beläggningssektioner för vidare analys. Några av sektionerna består av experimentella strukturer där man utfört accelererad provning med Heavy Vehicle Simulator (HVS) och men merparten består av beläggningar under drift. Variabilitetskarakteriseringen och modelleringen fokuserades på de indata som ansågs vara signifikanta såsom trafikmängd, lagerstyvheter och lagertjocklekar. Beroende påtillgängligheten av data, utfördes analysen av variabiliteten associerad med permanent deformation eller spårutveckling. Lagerstyvheter erhölls genom fallviktsmätningar (FWD). Data om lagertjocklekar erhölls från mätningar med, markradar (GPR) eller från tjockleksmätningar. Trafikmängder och belastningsspektra för de analyserade sektionerna erhölls från närbelägna system BWIM (broviktsmätningar). Spårutvecklingen hos sektionerna erhölls från laserprofilmätningar. Vid variabilitetsmodelleringen användes metoden med fullständig sannolikhetsfördelning som krävde det första och andra momentet (medelvärde och varians) förutom en täthetsfunktion (PDF). Variabilitetsmodellering utfördes med täthetsfunktioner såsom normal, lognormal, gamma, Weibull, extremvärde och allmänt extremvärde. Resultaten har visat att ett antal täthetsfunktioner med en bred variationsnivå kan användas för att beskriva och modellera den variabilitet som är förknippad med svenska vägar. Det har också observerats att för samma indata varierar variationsnivån i termer av variationskoefficient (CV) beroende på funktionskraven på beläggningen, datastorlek och beläggningens tillstånd. Detta kan användas i framtida karakteriseringar för att skilja mellan de många faktorer som påverkar variationsnivån och för att prioritera mellan de faktorer som har betydande inflytande. De uppskattade variabilitetsnivåerna, som är preliminära uppskattningar, kan användas in i valfri probabilistisk baserad analys för att beräkna tillförlitlighet hos skattningarna
Pavements inputs variability characterization for Swedish roads [Elektronisk resurs]
No full textThe analysis and design process of pavements is probabilistic as it involves many variabilities and uncertainties that arise from different sources. It is crucial to quantify and incorporate effects of these variabilities and uncertainties on predicted performance as this would allow to minimize the risk of premature failure. This report presents for Swedish condition a study on the variability characterization and modelling of pavement inputs and parameters. The characterization and modelling of inputs variability is a prerequisite for any probabilistic pavement performance evaluation. This study aims to systematically study and quantify for Swedish condition the variability associated with the inputs and parameters that are considered to have a significant impact on pavement performance. This provides the proper platform for the development of probabilistic-based tools for pavement performance evaluation and life cycle cost analysis (LCCA). For this purpose, a number of Swedish pavement sections with various design and functional requirements were selected and analysed. The selection was carried out in a manner that guarantees the inclusion of design features that are widely utilized in Sweden. The evaluated sections were comprised of experimental structures such as accelerated pavement testing (APT) and actual in-service pavements. The variability characterization and modelling was focused on those inputs that are considered to be significant such as traffic loading, layer modulus and layer thickness. In addition, based on availability of data, the variability associated with permanent deformation or rutting was performed. The analysed data was obtained through measurements such as falling weight deflectometer (FWD) for layer modulus, ground penetrating radar (GPR) and elevation level measurement for layer thickness, bridge weigh in motion (BWIM) for traffic and laser beam for surface rutting. For variability modelling, the full probability distribution approach which requires the first and second moments in addition to a probability density function (PDF) was utilized. Variability modelling was performed utilizing probability density functions such as normal, lognormal, gamma, Weibull, extreme value, and general extreme value. The results of the variability characterization have shown that the variability associated with Swedish roads can be described and modelled by a multiple of PDFs with a wide range in coefficient of variation (CV) level. It has also been observed that for the same input the variability level in terms of CV fluctuates depending on functional requirement of the pavement, data size and condition of the pavement. This can be used in future pavement variability characterizations to distinguish among the many factors that influence variability level and to prioritize those factors with significant influence. The estimated variability levels, which are preliminary estimates, can readily be inputted into probabilistic-based tools for the estimation of reliability.Vid beläggningsanalyser och design av beläggningar bör man ha som utgångspunkt att beläggningarnas egenskaper är probabilistiska till sin natur. De påverkas av processer och förlopp som resulterar i variationer hos egenskaperna. Det är viktigt att kvantifiera och införliva denna variabilitet och övriga osäkerheter i designprocessen eftersom detta skulle kunna göra det möjligt för konstruktören att minska risken för tidiga fel. Denna rapport presenterar en studie om karaktärisering och modellering av variabiliteten av beläggningsindata för svenska vägar. För att göra en probabilistiskt baserad utvärdering av beläggningsprestanda behöver variabiliteten hos ingående data karaktäriseras. Denna studie syftar till att systematiskt studera och kvantifiera variabiliteten förknippad med de indata och parametrar som anses ha en betydande inverkan på beläggningsprestandan för svenska vägar. Detta är en förutsättning för att kunna utveckla probabilistiska verktyg för utvärdering av beläggningsprestanda och livscykelkostnader (LCCA). Ett antal svenska beläggningssektioner med olika design- och funktionskrav valdes ut och analyserades. Urvalet har genomförts på ett sätt som ger representation av olika designförhållanden som är vanligt förekommande i Sverige. Totalt identifierades 20 beläggningssektioner för vidare analys. Några av sektionerna består av experimentella strukturer där man utfört accelererad provning med Heavy Vehicle Simulator (HVS) och men merparten består av beläggningar under drift. Variabilitetskarakteriseringen och modelleringen fokuserades på de indata som ansågs vara signifikanta såsom trafikmängd, lagerstyvheter och lagertjocklekar. Beroende påtillgängligheten av data, utfördes analysen av variabiliteten associerad med permanent deformation eller spårutveckling. Lagerstyvheter erhölls genom fallviktsmätningar (FWD). Data om lagertjocklekar erhölls från mätningar med, markradar (GPR) eller från tjockleksmätningar. Trafikmängder och belastningsspektra för de analyserade sektionerna erhölls från närbelägna system BWIM (broviktsmätningar). Spårutvecklingen hos sektionerna erhölls från laserprofilmätningar. Vid variabilitetsmodelleringen användes metoden med fullständig sannolikhetsfördelning som krävde det första och andra momentet (medelvärde och varians) förutom en täthetsfunktion (PDF). Variabilitetsmodellering utfördes med täthetsfunktioner såsom normal, lognormal, gamma, Weibull, extremvärde och allmänt extremvärde. Resultaten har visat att ett antal täthetsfunktioner med en bred variationsnivå kan användas för att beskriva och modellera den variabilitet som är förknippad med svenska vägar. Det har också observerats att för samma indata varierar variationsnivån i termer av variationskoefficient (CV) beroende på funktionskraven på beläggningen, datastorlek och beläggningens tillstånd. Detta kan användas i framtida karakteriseringar för att skilja mellan de många faktorer som påverkar variationsnivån och för att prioritera mellan de faktorer som har betydande inflytande. De uppskattade variabilitetsnivåerna, som är preliminära uppskattningar, kan användas in i valfri probabilistisk baserad analys för att beräkna tillförlitlighet hos skattningarna.</p
Beläggningsindata variabilitetkarakterisering för svenska vägar
No full textThe analysis and design process of pavements is probabilistic as it involves many variabilities and uncertainties that arise from different sources. It is crucial to quantify and incorporate effects of these variabilities and uncertainties on predicted performance as this would allow to minimize the risk of premature failure. This report presents for Swedish condition a study on the variability characterization and modelling of pavement inputs and parameters. The characterization and modelling of inputs variability is a prerequisite for any probabilistic pavement performance evaluation. This study aims to systematically study and quantify for Swedish condition the variability associated with the inputs and parameters that are considered to have a significant impact on pavement performance. This provides the proper platform for the development of probabilistic-based tools for pavement performance evaluation and life cycle cost analysis (LCCA). For this purpose, a number of Swedish pavement sections with various design and functional requirements were selected and analysed. The selection was carried out in a manner that guarantees the inclusion of design features that are widely utilized in Sweden. The evaluated sections were comprised of experimental structures such as accelerated pavement testing (APT) and actual in-service pavements. The variability characterization and modelling was focused on those inputs that are considered to be significant such as traffic loading, layer modulus and layer thickness. In addition, based on availability of data, the variability associated with permanent deformation or rutting was performed. The analysed data was obtained through measurements such as falling weight deflectometer (FWD) for layer modulus, ground penetrating radar (GPR) and elevation level measurement for layer thickness, bridge weigh in motion (BWIM) for traffic and laser beam for surface rutting. For variability modelling, the full probability distribution approach which requires the first and second moments in addition to a probability density function (PDF) was utilized. Variability modelling was performed utilizing probability density functions such as normal, lognormal, gamma, Weibull, extreme value, and general extreme value. The results of the variability characterization have shown that the variability associated with Swedish roads can be described and modelled by a multiple of PDFs with a wide range in coefficient of variation (CV) level. It has also been observed that for the same input the variability level in terms of CV fluctuates depending on functional requirement of the pavement, data size and condition of the pavement. This can be used in future pavement variability characterizations to distinguish among the many factors that influence variability level and to prioritize those factors with significant influence. The estimated variability levels, which are preliminary estimates, can readily be inputted into probabilistic-based tools for the estimation of reliability.Vid beläggningsanalyser och design av beläggningar bör man ha som utgångspunkt att beläggningarnas egenskaper är probabilistiska till sin natur. De påverkas av processer och förlopp som resulterar i variationer hos egenskaperna. Det är viktigt att kvantifiera och införliva denna variabilitet och övriga osäkerheter i designprocessen eftersom detta skulle kunna göra det möjligt för konstruktören att minska risken för tidiga fel. Denna rapport presenterar en studie om karaktärisering och modellering av variabiliteten av beläggningsindata för svenska vägar. För att göra en probabilistiskt baserad utvärdering av beläggningsprestanda behöver variabiliteten hos ingående data karaktäriseras. Denna studie syftar till att systematiskt studera och kvantifiera variabiliteten förknippad med de indata och parametrar som anses ha en betydande inverkan på beläggningsprestandan för svenska vägar. Detta är en förutsättning för att kunna utveckla probabilistiska verktyg för utvärdering av beläggningsprestanda och livscykelkostnader (LCCA). Ett antal svenska beläggningssektioner med olika design- och funktionskrav valdes ut och analyserades. Urvalet har genomförts på ett sätt som ger representation av olika designförhållanden som är vanligt förekommande i Sverige. Totalt identifierades 20 beläggningssektioner för vidare analys. Några av sektionerna består av experimentella strukturer där man utfört accelererad provning med Heavy Vehicle Simulator (HVS) och men merparten består av beläggningar under drift. Variabilitetskarakteriseringen och modelleringen fokuserades på de indata som ansågs vara signifikanta såsom trafikmängd, lagerstyvheter och lagertjocklekar. Beroende påtillgängligheten av data, utfördes analysen av variabiliteten associerad med permanent deformation eller spårutveckling. Lagerstyvheter erhölls genom fallviktsmätningar (FWD). Data om lagertjocklekar erhölls från mätningar med, markradar (GPR) eller från tjockleksmätningar. Trafikmängder och belastningsspektra för de analyserade sektionerna erhölls från närbelägna system BWIM (broviktsmätningar). Spårutvecklingen hos sektionerna erhölls från laserprofilmätningar. Vid variabilitetsmodelleringen användes metoden med fullständig sannolikhetsfördelning som krävde det första och andra momentet (medelvärde och varians) förutom en täthetsfunktion (PDF). Variabilitetsmodellering utfördes med täthetsfunktioner såsom normal, lognormal, gamma, Weibull, extremvärde och allmänt extremvärde. Resultaten har visat att ett antal täthetsfunktioner med en bred variationsnivå kan användas för att beskriva och modellera den variabilitet som är förknippad med svenska vägar. Det har också observerats att för samma indata varierar variationsnivån i termer av variationskoefficient (CV) beroende på funktionskraven på beläggningen, datastorlek och beläggningens tillstånd. Detta kan användas i framtida karakteriseringar för att skilja mellan de många faktorer som påverkar variationsnivån och för att prioritera mellan de faktorer som har betydande inflytande. De uppskattade variabilitetsnivåerna, som är preliminära uppskattningar, kan användas in i valfri probabilistisk baserad analys för att beräkna tillförlitlighet hos skattningarna.Winnerholt Tomas, IVtu
Svenska perspektiv på livscykelkostnadsanalys för vägar
No full textLivscykelkostnadsanalys (LCCA) är en av metoderna som används för beslutsfattande inom beläggningsindustrin i Sverige. Metoden har implementerats på nätverks-, projekt- och komponentnivåför att utvärdera den totala livscykelkostnaden (LCC) för väginfrastruktur. Flera verktyg finns förnärvarande tillgängliga för att utvärdera de olika aspekterna av vägprojekt. Dessa verktyg är utvecklade för att analysera antingen hela livscykeln eller enskilda faser eller processer. Dessa verktyg använder flera förenklingar och antaganden för utvärdering av kostnadsposter, framtidabeläggningsprestanda och diskonteringsräntor. Denna studie syftar till att fastställa den nuvarande kompetensen och praxisen gällande LCCA inom beläggningsindustrin i Sverige genom en litteraturöversikt. Undersökningen fokuserar på LCCA på projektnivå och omfattar de stora faserna och kostnadsposterna. Av undersökningen framgår att det finns tillräcklig kompetens inom ämnesområdet, men den praktiska tillämpningen är begränsad. Metodikens flexibilitet, de långa analysperioderna och osäkerheten om framtida beläggningsprestanda och ekonomiska parametrar har identifierats som faktorer som begränsar implementeringen. Dessutom har faktorer som organisationsstruktur, avtalsarrangemang och brist på korrekta metoder för att uppskatta användarkostnader, samhällsnytta och restvärden observerats för att begränsa en bredare användning. Studier som integrerar LCCA i Pavement Management Systems (PMS) krävs för att få bättre insikt om effekterna av viktiga beslut. Vidare behövs förbättrade metoder för att uppskatta trafikantkostnader, samhällsnytta, restvärde och diskonteringsräntor. Dessutom måste effekterna av riskanalys, datakvalitet, avtalsmekanismer och organisationsstruktur bedömas ordentligt.Life cycle cost analysis (LCCA) is one of the methods used for decision-making in the paving industry in Sweden. The method has been implemented at network, project and component levels to evaluate the total life cycle cost (LCC) of road infrastructure. Several tools are currently available for evaluating the different aspects of road projects. These tools are developed with a certain scope and intention and can be applied to analyze either the whole life cycle or individual phases or processes. Furthermore, these tools employ several simplifications and assumptions for the evaluation of cost items, future pavement performance and discount rates. This study aims, through a literature review, to establish the current competence and practices regarding road LCCA in Sweden. The survey focuses on project-level LCCA and encompasses the major phases and cost items. It is evident from the survey that there is sufficient competence in the subject area, but practical application is limited. The flexibility of the methodology, the long-analysis period, and the uncertainty of future pavement performance and economic parameters have been identified as factors that limit its implementation. Furthermore, factors such as organizational structure, contractual arrangements and a lack of proper approaches to estimate user costs, societal benefits and residual values have been observed to limit wider adoption. Studies that integrate LCCA into Pavement Management System (PMS) are required to gain better insight on the impacts of key decisions. Furthermore, improved methods are needed to estimate road user costs, societal benefits, residual value, and discount rates. Moreover, the impacts of risk analysis, data quality, contractual mechanisms and organization structure need to be properly assessed
Beläggningsindata variabilitetkarakterisering för svenska vägar
No full textThe analysis and design process of pavements is probabilistic as it involves many variabilities and uncertainties that arise from different sources. It is crucial to quantify and incorporate effects of these variabilities and uncertainties on predicted performance as this would allow to minimize the risk of premature failure. This report presents for Swedish condition a study on the variability characterization and modelling of pavement inputs and parameters. The characterization and modelling of inputs variability is a prerequisite for any probabilistic pavement performance evaluation. This study aims to systematically study and quantify for Swedish condition the variability associated with the inputs and parameters that are considered to have a significant impact on pavement performance. This provides the proper platform for the development of probabilistic-based tools for pavement performance evaluation and life cycle cost analysis (LCCA). For this purpose, a number of Swedish pavement sections with various design and functional requirements were selected and analysed. The selection was carried out in a manner that guarantees the inclusion of design features that are widely utilized in Sweden. The evaluated sections were comprised of experimental structures such as accelerated pavement testing (APT) and actual in-service pavements. The variability characterization and modelling was focused on those inputs that are considered to be significant such as traffic loading, layer modulus and layer thickness. In addition, based on availability of data, the variability associated with permanent deformation or rutting was performed. The analysed data was obtained through measurements such as falling weight deflectometer (FWD) for layer modulus, ground penetrating radar (GPR) and elevation level measurement for layer thickness, bridge weigh in motion (BWIM) for traffic and laser beam for surface rutting. For variability modelling, the full probability distribution approach which requires the first and second moments in addition to a probability density function (PDF) was utilized. Variability modelling was performed utilizing probability density functions such as normal, lognormal, gamma, Weibull, extreme value, and general extreme value. The results of the variability characterization have shown that the variability associated with Swedish roads can be described and modelled by a multiple of PDFs with a wide range in coefficient of variation (CV) level. It has also been observed that for the same input the variability level in terms of CV fluctuates depending on functional requirement of the pavement, data size and condition of the pavement. This can be used in future pavement variability characterizations to distinguish among the many factors that influence variability level and to prioritize those factors with significant influence. The estimated variability levels, which are preliminary estimates, can readily be inputted into probabilistic-based tools for the estimation of reliability.Vid beläggningsanalyser och design av beläggningar bör man ha som utgångspunkt att beläggningarnas egenskaper är probabilistiska till sin natur. De påverkas av processer och förlopp som resulterar i variationer hos egenskaperna. Det är viktigt att kvantifiera och införliva denna variabilitet och övriga osäkerheter i designprocessen eftersom detta skulle kunna göra det möjligt för konstruktören att minska risken för tidiga fel. Denna rapport presenterar en studie om karaktärisering och modellering av variabiliteten av beläggningsindata för svenska vägar. För att göra en probabilistiskt baserad utvärdering av beläggningsprestanda behöver variabiliteten hos ingående data karaktäriseras. Denna studie syftar till att systematiskt studera och kvantifiera variabiliteten förknippad med de indata och parametrar som anses ha en betydande inverkan på beläggningsprestandan för svenska vägar. Detta är en förutsättning för att kunna utveckla probabilistiska verktyg för utvärdering av beläggningsprestanda och livscykelkostnader (LCCA). Ett antal svenska beläggningssektioner med olika design- och funktionskrav valdes ut och analyserades. Urvalet har genomförts på ett sätt som ger representation av olika designförhållanden som är vanligt förekommande i Sverige. Totalt identifierades 20 beläggningssektioner för vidare analys. Några av sektionerna består av experimentella strukturer där man utfört accelererad provning med Heavy Vehicle Simulator (HVS) och men merparten består av beläggningar under drift. Variabilitetskarakteriseringen och modelleringen fokuserades på de indata som ansågs vara signifikanta såsom trafikmängd, lagerstyvheter och lagertjocklekar. Beroende påtillgängligheten av data, utfördes analysen av variabiliteten associerad med permanent deformation eller spårutveckling. Lagerstyvheter erhölls genom fallviktsmätningar (FWD). Data om lagertjocklekar erhölls från mätningar med, markradar (GPR) eller från tjockleksmätningar. Trafikmängder och belastningsspektra för de analyserade sektionerna erhölls från närbelägna system BWIM (broviktsmätningar). Spårutvecklingen hos sektionerna erhölls från laserprofilmätningar. Vid variabilitetsmodelleringen användes metoden med fullständig sannolikhetsfördelning som krävde det första och andra momentet (medelvärde och varians) förutom en täthetsfunktion (PDF). Variabilitetsmodellering utfördes med täthetsfunktioner såsom normal, lognormal, gamma, Weibull, extremvärde och allmänt extremvärde. Resultaten har visat att ett antal täthetsfunktioner med en bred variationsnivå kan användas för att beskriva och modellera den variabilitet som är förknippad med svenska vägar. Det har också observerats att för samma indata varierar variationsnivån i termer av variationskoefficient (CV) beroende på funktionskraven på beläggningen, datastorlek och beläggningens tillstånd. Detta kan användas i framtida karakteriseringar för att skilja mellan de många faktorer som påverkar variationsnivån och för att prioritera mellan de faktorer som har betydande inflytande. De uppskattade variabilitetsnivåerna, som är preliminära uppskattningar, kan användas in i valfri probabilistisk baserad analys för att beräkna tillförlitlighet hos skattningarna.Winnerholt Tomas, IVtu
Mechanics-based Design Framework for Flexible Pavements
No full textLoad induced top-down fatigue cracking has been recognized recently as a major distress phenomenon in asphalt pavements. This paper presents a mechanics-based design framework in load and resistance factor design (LRFD) format for the top-down fatigue cracking performance evaluation of flexible pavements. This was achieved by enhancing further the hot mix asphalt fracture mechanics (HMA-FM) model through the incorporation of mixture morphology influence on key fracture properties, and incorporating partial safety factors to account for variabilities and uncertainties. The analysis framework was calibrated and validated using pavement sections that have high quality laboratory data and well documented field performance histories. Moreover, as traffic volume was identified in having a dominant influence on predicted performance, a further investigation was performed to establish and evaluate truck traffic characterization parameters effect on predicted results. A two-component reliability analysis methodology, which uses central composite design (CCD) based response surface approach for surrogate model generation and the first order reliability method (FORM) for reliability estimation was used for the development of the LRFD mechanics-based design framework. The effectiveness of the design framework was investigated through design examples, and the results have shown that the formulated partial safety factors have accounted effectively the variabilities involved in the design process. Further investigation was performed to establish the influence design inputs variabilities have on target reliabilities through case studies that combine input variabilities in a systematic way. It was observed from the results that the coefficient of variation (COV) level of the variability irrespective of the distribution type used have a significant influence on estimated target reliability.Lastinducerade utmattningssprickor från ytan har nyligen identifierats som en betydande brottmekanism i asfaltbeläggningar. Denna avhandling presenterar ett mekanik-baserat ramverk i last- och motståndsfaktorer konstruktionsformat (LRFD) för utvärdering av utmattningssprickor från ytan för asfaltsbeläggningar. Detta uppnåddes genom att ytterligare förbättra brottmekanikmodellen för varmblandad asfalt (HMA-FM) genom integreringen av blandingens morfologieffekt på brottegenskaper samt säkerhetsfaktorer för att beakta variabilitet och osäkerheter. Ramverket kalibrerades och validerades med hjälp av vägar med säkerställda egenskaper och väldokumenterad prestanda. Eftersom trafikvolymen identifierades att ha ett dominerande inflytande på förväntad prestanda, utfördes vidare en utredning för att fastställa effekten av lastbilstrafikens karakteriseringsparametrar på förutsedd prestanda. Tillförlitlighetsanalysen uppnåddes genom att implementera en tvåkomponents tillförlitlighetsanalys där en metod som kallas ”central composite design” (CCD), vilken skapar en surrogatmodell, och första ordningens tillförlitlighetsmetod (FORM) för beräkning av tillförlitligheten. Effektiviteten i det mekanik-baserade konstruktionsramverket undersöktes genom konstruktionsexempel och resultaten har tydligt visat att de formulerade partialkoefficienter effektivt har beaktat variabiliteten inom konstruktionsprocessen. Ytterligare undersökningar utfördes för att fastställa påverkan som indatas variabilitet har på den förutbestämda tillförlitligheten genom fallstudier där indatans variabilitet ändras systematiskt. Det observerades från resultaten att variabilitetens variationskoefficient (COV) har en signifikant inverkan på tillförlitligheten, oberoende av fördelningstyp.QC 20161125</p
Effects of truck traffic on top-down fatigue cracking performance of flexible pavements using a new mechanics-based analysis framework
Full text linkThe mechanics-based analysis framework predicts top-down fatigue cracking initiation time in asphalt concrete pavements by utilising fracture mechanics and mixture morphology-based property. To reduce the level of complexity involved, traffic data were characterised and incorporated into the framework using the equivalent single axle load (ESAL) approach. There is a concern that this kind of simplistic traffic characterisation might result in erroneous performance predictions and pavement structural designs. This paper integrates axle load spectra and other traffic characterisation parameters into the mechanics-based analysis framework and studies the impact these traffic characterisation parameters have on predicted fatigue cracking performance. The traffic characterisation inputs studied are traffic growth rate, axle load spectra, lateral wheel wander and volume adjustment factors. For this purpose, a traffic integration approach which incorporates Monte Carlo simulation and representative traffic characterisation inputs was developed. The significance of these traffic characterisation parameters was established by evaluating a number of field pavement sections. It is evident from the results that all the traffic characterisation parameters except truck wheel wander have been observed to have significant influence on predicted top-down fatigue cracking performance
Karakterisering av variabilitet för beläggningsindatas : en litteraturstudie
No full textThe pavement analysis and design process, even if it is considered in most pavement performance evaluation tools as deterministic, is actually probabilistic. The probabilistic nature arises from uncertainties that originate from different sources. Even if all the sources contribute to the overall variance, each source impact can differ based on the failure mode and design approach under consideration. Moreover, some of these sources can be mitigated at a reasonable cost while those that are associated with model bias and inherent variability of future traffic and environmental inputs are difficult to quantify. This report aims to study and establish the variability associated with pavement inputs. This is achieved through a literature survey that encompasses a large body of literature among others published articles, reports, design guides and specifications. As it will not be economically feasible to model all the design inputs and parameters as random variable, a sensitivity survey is required to identify those inputs with significant influence. It is evident from the literature survey that pavement inputs variability can be described by a variety of distributions with a wide range of coefficient of variation (CV). Variability levels were shown to be dependent to a larger extent on data quality and testing method. Furthermore, factors such as functional class, material type, and design thickness were observed in creating their own variability cluster. For future variability characterization, a methodology that improves data quality while keeping the testing cost at a reasonable level should be pursued. In addition, emphasis should be given to factors that define and govern level of variability such as functional class as this would allow the data to be analysed in a manner that facilitate immediate utilizationBeläggningsanalyser och design av vägar bör utföras med probabilistiska metoder, även om de flesta bedömningsverktyg för beläggningsprestanda är deterministiska i dagsläget. Den slumpmässiga naturliga variationen hos materialegenskaperna härstammar från olika källor. Även om alla källor bidrar till den totala variansen, kan påverkan från varje källa skilja sig åt beroende på vilket livslängdskriterium och designmetod som används. En del variationer kan reduceras till en rimlig kostnad medan de som är förknippade med modellfelet och osäkerheten om framtida trafik- och miljöpåverkan är svåra att kvantifiera och karakterisera. Denna rapport syftar till att studera och fastställa variabiliteten i indata som är förknippad med asfaltbeläggningar. Rapporten är en litteraturöversikt som omfattar en stor mängd litteratur så som publicerade artiklar, rapporter, designguider och specifikationer. Eftersom det inte kommer att vara ekonomiskt att modellera alla indata som slumpmässiga variabler, krävs en känslighetsundersökning för att identifiera och fastställa de indata som har betydande inflytande. Det framgår av litteraturunder[1]sökningen att variabiliteten hos indata på asfaltbeläggningar kan beskrivas med en mängd olika fördelningar med ett brett spektrum av variationskoefficienter (CV). Variabilitetsnivåerna visade sig i stor utsträckning vara beroende av datakvalitet och testmetoder. Faktorer såsom typ av väg, materialtyp och tjocklek skapar sina egna variabilitetkluster. För framtida variabilitetskarakterisering bör en metod som förbättrar datakvaliteten samtidigt som testkostnaden hålls på en rimlig nivå eftersträvas. Dessutom bör tonvikten läggas på de faktorer som definierar och styr variabilitetnivån, såsom vägtyp, eftersom detta gör det möjligt att analysera och karakterisera data på ett sätt som underlättar vidare analyser
Reliability-based Design Procedure for Flexible Pavements
No full textLoad induced top-down fatigue cracking has been recognized recently as a major distress phenomenon in asphalt pavements. This failure mode has been observed in many parts of the world, and in some regions, it was found to be more prevalent and a primary cause of pavements failure. The main factors which are identified as potential causes of top down fatigue cracking are primarily linked to age hardening, mixtures fracture resistance and unbound layers stiffness. Mechanistic Empirical analytical models, which are based on hot mix asphalt fracture mechanics (HMA-FM) and that could predict crack initiation time and propagation rate, have been developed and shown their capacity in delivering acceptable predictions. However, in these methods, the effect of age hardening and healing is not properly accounted and moreover, these models do not consider the effect of mixture morphology influence on long term pavement performance. Another drawback of these models is, as analysis tools they are not suitable to be used for pavement design purpose. The main objective of this study is to develop a reliability calibrated design framework in load resistance factor design (LRFD) format which could be implemented to design pavement sections against top down fatigue cracking. For this purpose, asphalt mixture morphology based sub-models were developed and incorporated to HMA-FM to characterize the effect of aging and degradation on fracture resistance and healing potential. These sub-models were developed empirically exploiting the observed relation that exist between mixture morphology and fracture resistance. The developed crack initiation prediction model was calibrated and validated using pavement sections that have high quality laboratory data and observed field performance history. As traffic volume was identified in having a dominant influence on predicted performance, two separate model calibration and validation studies were undertaken based on expected traffic volume. The predictions result for both model calibration and validation was found to be in an excellent agreement with the observed performance in the field. A LRFD based design framework was suggested that could be implemented to optimize pavement sections against top-down fatigue cracking. To achieve this objective, pavement sections with various design target reliabilities and functional requirements were analyzed and studied. A simplified but efficient limit state equation was generated using a central composite design (CCD) based response surface methodology, and FORM based reliability analysis was implemented to compute reliabilities and formulate associated partial safety factors. A design example using the new partial safety factors have clearly illustrated the potential of the new method, which could be used to supplement existing design procedures.QC 20150427</p
Reliability-based design procedure for fatigue cracking in asphalt pavements
Full text linkThe need to account for the effect of design input variabilities on predicted performance has led to many design procedures that address reliability for pavement applications. The Florida cracking model uses empirically derived reliability for fatigue cracking design of asphalt pavements. A reliability approach, which is based on probabilistic uncertainty quantification, is necessary to account properly and effectively for the contribution of the variability in each parameter to the overall variance. This paper presents a load and resistance factor design (LRFD) procedure for the Florida cracking model. By delivering designs of uniform reliability, LRFD provides the basis for developing quality control and quality assurance standards. A first-order reliability method that incorporates a surrogate model based on central composite design was used to compute the reliability and formulate the partial safety factors. The reliability calibration was based on field pavement sections that had a wide range of design inputs and target reliability. Illustrative designs based on the developed LRFD procedure show the effectiveness of the partial safety factors and further confirm the credibility of the reliability analysis methodology
- …
