Date of Award

11-2023

Document Type

Dissertation

Degree Name

Doctor of Philosophy in Civil Engineering

Department

Civil and Environmental Engineering

First Advisor

Hamad Al Jassmi

Abstract

The ability to predict road deterioration is the cornerstone for developing a reliable Pavement Management System (PMS) that optimizes pavement maintenance programs. Such prediction capacity becomes increasingly important, especially when highway agency funds are confined. This research focuses on the development of prediction models based on an artificial intelligence technique, Bayesian Belief Networks (BBN), that aid decision-makers in forecasting expected road distress curves on the lights of various (e.g., environmental, traffic, and road-specific) factors and maintenance decisions. The novelty of this research revolves around deploying BBNs which allow analysts to yield Markovian predictions of annual road deterioration based on incomplete and/or uncertain historical data, which is probabilistically inferred based on the interrelations of factors modelled in the Bayesian Networks. Such probabilistic inferences not only tackle a gap in current road deterioration modelling literature, but are also deemed to provide a reasonable alternative over costly data collection campaigns and assist in road condition diagnoses and assessment efforts in cases where data are only partially available.

The major objectives of the study are to: (1) Estimate the correlations between various deterioration factors to optimize the data collection efforts using machine learning algorithms (Correlation analysis model), (2) Develop a prediction model to estimate the probabilistic values of deterioration factors using Dynamic BBN analysis based on Markov chain process, to aid in the development of temporal graphs representing the pattern of deterioration factors in the future years (Time-series prediction model), (3) Develop a decision-support system which generates suitable alerts whenever the deterioration factors cross the safe limits, enabling the practitioners to conduct appropriate repair and maintenance activities at the right time to increase the service life of the pavements (Decision-support system). The BBN models were trained using a collection of 3,272 road sections, representing a variety of 32 arterial, collector, freeway, and expressway roads in UAE from 2013 to 2019. The BBN models developed in this study show high accuracy with a contingency table fit of over 85% for the correlation analysis models and over 80% of overall precision and reliability rate for the performance prediction models. The proposed BBN approach provides flexibility to illustrate road conditions under various scenarios, which is beneficial for pavement maintainers to establish a decision support system that is aimed not only at prioritizing maintenance during the operation stage, but also to design pavements during the design stage, with an upfront foresight into the life-cycle implications of their design, ultimately improving and/or extending their deterioration curves.

Arabic Abstract

النمذجة التنبؤية لتدهور الطرق باستخدام الشبكات البيزية المعززة بالذكاء الاصطناعي

تعتبر القدرة على التنبؤ بتدهور الطرق هي العنصر الأساسي في تطوير نظام إدارة رصف (Pavement Management System) فعال يعنى بتحسين وترشيد الإنفاق لبرامج الصيانة. هذه المقدرة على التنبؤ تصبح أكثر أهمية لا سيما في ظل محدودية الميزانيات. يتمحور هذا البحث حول تطوير نماذج للتنبؤ باستخدام تقنيات الذكاء الاصطناعي، وتحديداً شبكات الاعتقاد البيزية (Bayesian Belief Networks) بهدف مساعدة صناع القرار في التنبؤ بمعدلات تهالك الطرق المتوقعة بناء على عوامل متعددة مثل العوامل البيئية والمرورية وخصائص الطريق. تتمثل المساهمة الجوهرية لهذا البحث في بناء نماذج تنبؤية باستخدام شبكات الاعتقاد البيزية كأداة مستحدثة تمكن المحللين من الحصول على تنبؤات ماركوفية للتدهور السنوي للطرق استناد الى بيانات تاريخية غير كاملة و/ أو غير مؤكدة، والتي يتم استقرائها بشكل احتمالي بناء على العلاقات المتبادلة بين العوامل المختلفة التي يتم نمذجتها في الشبكات البيزية. هذه الاستنتاجات الاحتمالية ليست فقط تعالج فجوة في أدبيات نمذجة تدهور الطرق، ولكنها تعتبر أيضاً بديلاً عملياً للحملات المكلفة لجمع بيانات الطرق، وتوفر وسيلة لتشخيص وتقييم حالات الطرق في ظروف تكون فيها البيانات غير مكتملة.

تتضمن الأهداف الرئيسية لهذه الدراسة (1) تقدير العلاقات المترابطة بين مختلف عوامل تدهور الطرق لتوفير الجهود الخاصة بجمع البيانات باستخدام خوارزميات تعلم الآلة نموذج تحليل الارتباط Correlation analysis model، (2) تطوير نموذج لتوقع القيم الاحتمالية لعوامل التدهور باستخدام شبكات الاعتقاد البيزية الديناميكية المبنية على عمليات سلسلة الماركوف مما يساعد في تطوير رسوم بيانية زمنية تمثل نمط معدلات التدهور في السنوات المقبلة (نموذج التوقع الزمني Time series prediction model)، (3) تطوير نظام دعم القرار يصدر تنبيهات مناسبة عندما تتجاوز عوامل التدهور الحدود الآمنة، مما يتيح لأصحاب القرار إجراء الإصلاحات والصيانة اللازمة في الوقتالمناسب لزيادة الأعمار التشغيلية للطرق (نظام دعم القرارDecision-support system). ولتحقيق الأهداف المذكورة تم تدريب نماذج شبكات الاعتقاد البيزية باستخدام عينة من 3,272 شريحة موزعة عبر 32 طريق من طرق الإمارات التي تم جمعها بشكل سنوي من سنة 2013 إلى سنة 2019. وقد أظهرت نتائج النماذج التنبؤية التي تم تطويرها في هذه الدراسة دقة عالية تزيد على %85 في تحليل الارتباط (correlation) وأكثر من 80% في معدل الموثوقية والتوقع الأدائي (precision). النهج البيزي المقترح في هذه الدراسة يوفر المرونة لتحليل حالات الطرق في سياقات متعددة، مما يمكن مسؤولي صيانة الطرق من إنشاء نظام دعم للقرارات ليس فقط بهدف تحديد الأولويات في مرحلة التشغيل، ولكن أيضا لتصميم الطرق في مرحلة التصميم مع رؤية مسبقة للأثر بعيد المدى الذي يعقب أي من القرارات المتاحة على دورة حياة الطرق وذلك من خلال تحسين و / أو تمديد معدلات التدهور الخاصة بها.

Download

Share

COinS