Forecasting Overall Pavement Condition with Neural Networks: Application on Florida Highway Network

Abstract

Timely identification of undesirable crack, ride, and rut conditions is a critical issue in pavement management systems at the network level. The overall pavement surface condition is determined by these individual pavement surface conditions. A research project was carried out to implement an overall methodology for pavement condition prediction that uses artificial neural networks (ANNs). In the research, three ANN models were developed to predict the three key indices—crack rating, ride rating, and rut rating—used by the Florida Department of Transportation (FDOT) for pavement evaluation. The ANN models for each index were trained and tested by using the FDOT pavement condition database. In addition to the three key indices, FDOT uses a composite index called pavement condition rating (PCR), which is the minimum of the three key indices, to summarize overall pavement surface condition for pavement management. PCR is forecast with a combination of the three ANN models. Results of the research suggest that the ANN models are more accurate than the traditional regression models. These ANN models can be expected to have a significant effect on FDOT's pavement management system.

Prediction of IRI in short and long terms for flexible pavements: ANN and GMDH methods

“…The development of forecasting models that are capable of describing and predicting pavement performance accurately is critical for these agencies (Bianchini and Bandini 2010), and accurate predictions of pavement performance based on the periodic observations are vital for determining desirable maintenance actions and budget allocations (Pan et al 2011). Improved accuracy of pavement performance models can make a significant difference in the expenditure on pavement maintenance and rehabilitation (Yang et al 2002). Predicting the performance of a pavement to estimate its deterioration process is a very difficult task and is strongly related to the assessment of the pavement condition and serviceability level (Yang et al 2002, Bianchini andBandini 2010).…”

“…As a key component of a PMS, pavement performance prediction models play a critical role in providing highway agencies with decision support for their overall maintenance and budget plan (Yang et al 2002). The development of forecasting models that are capable of describing and predicting pavement performance accurately is critical for these agencies (Bianchini and Bandini 2010), and accurate predictions of pavement performance based on the periodic observations are vital for determining desirable maintenance actions and budget allocations (Pan et al 2011).…”

Bitümlü Sıcak Karışım Üstyapılarda Görülen Yüzey Bozulmaları ile Düzgünsüzlük Arasındaki İlişkilerin Modellenmesinde Bazı Yaklaşımlar

“…Çalışmalarda, bağımsız değişken sayısının çok olması bazı değişkenlerin sayısal değerlerle ifade edilememesi gibi sebeplerle yapay zeka tekniklerinin sıklıkla tercih edildiği görülmektedir. Araştırmacılar tarafından, sayısal ve sözel verilerin bir arada değerlendirilmesinde oldukça kolaylıklar sağlayan bulanık mantık [10][11][12] ve YSA [13][14][15][16] yaklaşımları ile her iki yöntemin bir arada kullanıldığı ANFIS yaklaşımının [17] [3]. IRI ölçümleri ve değerlendirmeleri ASTM E 950 standardında tanımlanan profilometre cihazı ile çeyrek araç sisteminin (Quarter Car System -QCS) simüle edilmesi ile sağlanmaktadır [18].…”

Development of pavement performance prediction model for bituminous hot mix asphalt on interurban road networks

“…Üstyapıların bakım, onarım ve iyileştirme projeleri için ayrılan bütçelerin kısıtlı olmasından dolayı, üstyapıların yönetiminden sorumlu otoriteler çoğunlukla birinci öncelikli üstyapı iyileştirme alternatiflerini uygulamak zorunda kalmaktadırlar [3]. Bu nedenle otoritelerin, sorumluluklarında bulunan üstyapıların iyileştirilmesinde doğru kararları alması ve sınırlı bütçeyi doğru şekilde kullanabilmesi için üstyapı performans tahmin modelleri hayati bir önem arz etmektedir [4].…”