Intelligent solutions for supporting decision-making processes in road management : A general framework accounting for environment, road serviceability, and user’s safety
This Ph.D. dissertation focuses on optimizing automated decision-making processes involving critical aspects of road management tasks. Specifically, the research aims to define and implement specific strategies for supplying support to decision-makers considering two leading elements: road maintenance and road safety. We propose some novel applications based on the integrated use of high-performance Non-Destructive Techniques (NDTs) and Geographical Information Systems (GISs) in order to obtain a “fully sensed” infrastructure, creating a multi-scale database concerning structural, geometrical, functional, social, and environmental characteristics. The environmental aspect is essential since climate change phenomena and extreme natural events are increasingly linked with infrastructure damage and serviceability; nonetheless, current Pavement Management Systems (PMSs) commonly rely solely on road pavement structural characteristics and surface functional performance. The high amount of collected data serves as input for calibrating different data-driven approaches, such as Machine Learning Algorithms (MLAs) and statistical regressions. Considering the aspect of road monitoring and maintenance, such models allow identifying the environmental factors that have the most significant impact on road damage and serviceability, as well as recognizing road sites with critical health conditions that need to be restored. Moreover, the calibrated MLAs enable decision-makers to determine the road maintenance interventions with higher priority. Considering road safety, the calibrated MLAs allow identifying the sites where serious road crashes can be triggered and estimating the crash count in a specified time frame. Moreover, it is possible to recognize infrastructure-related factors that significantly impact crash likelihood. Road authorities may consider the outcomes of the dissertation as a novel approach for drafting appropriate guidelines and defining more objective management programs.
Diese Dissertation befasst sich mit der Optimierung von automatisierten Entscheidungsprozessen, die kritische Aspekte von Straßenmanagementaufgaben betreffen. Konkret zielt die Forschung darauf ab, spezifische Strategien zur Unterstützung von Entscheidungsträgern zu definieren und zu implementieren, wobei zwei wichtige Elemente berücksichtigt werden: Straßenerhaltung und Straßensicherheit. Wir schlagen einige neuartige Anwendungen vor, die auf dem integrierten Einsatz von leistungsstarken zerstörungsfreien Techniken (NDT) und Geografischen Informationssystemen (GIS) basieren, um eine vollständig erfasste Infrastruktur zu erhalten und eine mehrstufige Datenbank mit strukturellen, geometrischen, funktionalen, sozialen und umweltbezogenen Merkmalen zu erstellen. Der Umweltaspekt ist von entscheidender Bedeutung, da Phänomene des Klimawandels und extreme Naturereignisse zunehmend mit Schäden an der Infrastruktur und deren Gebrauchstauglichkeit in Verbindung gebracht werden; dennoch stützen sich die derzeitigen Systeme zum Management des Straßenbelags (PMS) in der Regel nur auf die strukturellen Merkmale des Straßenbelags und die funktionale Leistung der Oberfläche. Die große Menge an gesammelten Daten dient als Eingabe für die Kalibrierung verschiedener datengetriebener Ansätze, wie z. B. Algorithmen für maschinelles Lernen (MLA) und statistische Regressionen. Unter dem Aspekt der Straßenüberwachung und -instandhaltung ermöglichen solche Modelle die Identifizierung der Umweltfaktoren, die sich am stärksten auf die Straßenschäden und die Gebrauchstauglichkeit auswirken, sowie die Erkennung von Straßenstandorten mit kritischem Zustand, die saniert werden müssen. Darüber hinaus ermöglichen die kalibrierten MLAs den Entscheidungsträgern, die Straßeninstandhaltungsmaßnahmen mit höherer Priorität zu bestimmen. Im Hinblick auf die Straßenverkehrssicherheit ermöglichen die kalibrierten MLAs die Identifizierung von Stellen, an denen es zu schweren Verkehrsunfällen kommen kann. Darüber hinaus ist es möglich, infrastrukturbezogene Faktoren zu erkennen, die die Unfallwahrscheinlichkeit erheblich beeinflussen. Straßenverkehrsbehörden können die Ergebnisse der Dissertation als neuen Ansatz für die Ausarbeitung geeigneter Richtlinien und die Definition objektiverer Managementprogramme betrachten.
Preview
Cite
Access Statistic
Rights
Use and reproduction:
All rights reserved