Wegenuitgaven duurzamer maken

Het aandeel van de federale uitgaven voor infrastructuur heeft een historisch dieptepunt bereikt, van 30 procent in 1960 tot slechts 12 procent in 2018.

Hoewel de noodlijdende infrastructuur van het land meer geld nodig heeft om het volledige potentieel te bereiken, blijkt uit recent MIT-onderzoek dat duurzamere en beter presterende wegen nog steeds mogelijk zijn, zelfs met de beperkte budgetten van vandaag.

Uit het onderzoek, uitgevoerd door een team van huidige en voormalige wetenschappers van de MIT Concrete Sustainability Hub (MIT CSHub) en gepubliceerd in Transportation Research D, blijkt dat een reeks innovatieve planningsstrategieën de milieu- en prestatieresultaten van bestratingsnetwerken kunnen verbeteren, zelfs als de budgetten niet toenemen .

De paper presenteert een nieuwe tool voor budgettoewijzing en koppelt deze aan drie innovatieve strategieën voor het beheer van bestratingsnetwerken: een mix van bestratingsmaterialen, een mix van bestratingsacties op korte en lange termijn en een lange evaluatieperiode voor die acties.

Deze nieuwe aanpak biedt tal van voordelen. Wanneer toegepast op een 30-jarige case study van het Iowa US Route-netwerk, verminderen het MIT CSHub-model en de beheerstrategieën de uitstoot met 20 procent terwijl de huidige niveaus van wegkwaliteit behouden blijven. Om dit te bereiken met een conventionele planningsaanpak zou de staat 32 procent meer moeten uitgeven dan nu het geval is. De sleutel tot het succes ervan is de overweging van een fundamenteel, maar beladen aspect van het beheer van bestratingsactiva: onzekerheid.

Onvoorspelbaarheid voorspellen

De gemiddelde weg moet vele jaren meegaan en het verkeer van duizenden, zo niet miljoenen voertuigen ondersteunen. In die tijd kan er veel veranderen. Materiaalprijzen kunnen fluctueren, budgetten kunnen krap worden en het verkeer kan toenemen. Ook klimaat (en klimaatverandering) kan onverwachte reparaties bespoedigen.

Effectief omgaan met deze onzekerheden betekent lang vooruitkijken en anticiperen op mogelijke veranderingen.

“Het vastleggen van de gevolgen van onzekerheid is essentieel voor het nemen van effectieve beslissingen over bestrating”, legt Fengdi Guo uit, de hoofdauteur van het artikel en een vertrekkende CSHub-onderzoeksassistent.

“Toch is het meten en relateren van deze onzekerheden aan uitkomsten ook rekenintensief en duur. Bijgevolg zijn veel DOT’s [departments of transportation] worden gedwongen om hun analyse te vereenvoudigen om onderhoud te plannen, wat vaak resulteert in suboptimale uitgaven en resultaten.”

Om DOT’s toegankelijke tools te geven om onzekerheden in hun planning mee te nemen, hebben CSHub-onderzoekers een gestroomlijnde planningsaanpak ontwikkeld. Het biedt meer specificiteit en gaat gepaard met verschillende nieuwe strategieën voor wegdekbeheer.

De planningsaanpak, bekend als Probabilistic Treatment Path Dependence (PTPD), is gebaseerd op machine learning en is bedacht door Guo.

“Ons PTPD-model bestaat uit vier stappen”, legt hij uit. “Deze stappen zijn, in volgorde, voorspelling van schade aan de weg, voorspelling van behandelingskosten, toewijzing van budget en evaluatie van de conditie van het wegdek.”

Het model begint met het onderzoeken van elk segment in een volledig bestratingsnetwerk en het voorspellen van toekomstige mogelijkheden voor verslechtering van de bestrating, kosten en verkeer.

“We [then] voer duizenden simulaties uit voor elk segment in het netwerk om de waarschijnlijke kosten- en prestatieresultaten te bepalen voor elke initiële en volgende reeks, of ‘pad’, van behandelingsacties”, zegt Guo. “De behandelingspaden met de beste kosten- en prestatieresultaten zijn geselecteerd voor elk segment en vervolgens over het netwerk.”

Het PTPD-model probeert niet alleen de kosten voor bureaus, maar ook voor gebruikers, in dit geval chauffeurs, te minimaliseren. Deze gebruikskosten kunnen voornamelijk komen in de vorm van overmatig brandstofverbruik als gevolg van een slechte wegkwaliteit.

“Een verbetering in onze analyse is de opname van het gebruik van elektrische voertuigen in onze voorspellingen voor kosten en milieu-impact”, Randolph Kirchain, een hoofdonderzoeker bij MIT CSHub en MIT Materials Research Laboratory (MRL) en een van de co-auteurs van het artikel. “Aangezien het wagenpark de komende decennia zal veranderen als gevolg van de adoptie van elektrische voertuigen, hebben we ervoor gezorgd dat deze veranderingen onze voorspellingen van overmatig energieverbruik kunnen beïnvloeden.”

Na het ontwikkelen van het PTPD-model wilde Guo zien hoe de effectiviteit van verschillende strategieën voor wegdekbeheer zou kunnen verschillen. Om dit te doen, ontwikkelde hij een geavanceerd verslechteringsvoorspellingsmodel.

Een nieuw aspect van dit verslechteringsmodel is de behandeling van meerdere verslechteringsstatistieken tegelijk. Met behulp van een multi-output neuraal netwerk, een hulpmiddel van kunstmatige intelligentie, kan het model verschillende vormen van verslechtering van het wegdek tegelijkertijd voorspellen, waarbij rekening wordt gehouden met hun onderlinge correlaties.

Het MIT-team selecteerde twee belangrijke maatstaven om de effectiviteit van verschillende behandelingspaden te vergelijken: de kwaliteit van de verharding en de uitstoot van broeikasgassen. Deze metrieken werden vervolgens berekend voor alle wegdeksegmenten in het Iowa-netwerk.

Verbetering door variatie

Het MIT-model kan DOT’s helpen betere beslissingen te nemen, maar die besluitvorming wordt uiteindelijk beperkt door de mogelijke opties die worden overwogen.

Guo en zijn collega’s probeerden daarom de huidige besluitvormingsparadigma’s uit te breiden door een brede reeks netwerkbeheerstrategieën te verkennen en deze te evalueren met hun PTPD-aanpak. Op basis van die evaluatie ontdekte het team dat netwerken de beste resultaten opleverden wanneer de beheerstrategie het gebruik van een mix van bestratingsmaterialen, een verscheidenheid aan herstelacties (behandelingen) voor de lange en korte termijn omvatte, en langere tijdsperioden om op te baseren. bestrating beslissingen.

Vervolgens vergeleken ze deze voorgestelde aanpak met een baseline-managementbenadering die de huidige, wijdverbreide praktijken weerspiegelt: het gebruik van uitsluitend asfaltmaterialen, kortetermijnbehandelingen en een periode van vijf jaar voor het evalueren van de resultaten van bestratingsacties.

Nadat deze twee benaderingen waren vastgesteld, gebruikte het team ze om 30 jaar onderhoud te plannen voor het Iowa US Route-netwerk. Vervolgens maten ze de kwaliteit van de weg en de emissies.

Uit hun casestudy bleek dat de MIT-aanpak aanzienlijke voordelen bood. De uitstoot van broeikasgassen door bestrating zou over de hele periode met ongeveer 20 procent dalen over het hele netwerk. De prestaties van de bestrating verbeterden ook. Om hetzelfde niveau van wegkwaliteit te bereiken als de MIT-benadering, zou de basisbenadering 32 procent meer budget nodig hebben.

“Het is vermeldenswaard”, zegt Guo, “dat aangezien conventionele praktijken minder effectieve toewijzingstools gebruiken, het verschil tussen hen en de CSHub-aanpak in de praktijk nog groter zou moeten zijn.”

Een groot deel van de verbetering kwam voort uit de precisie van het CSHub-planningsmodel. Maar ook de drie behandelstrategieën spelen een sleutelrol.

“We hebben ontdekt dat een mix van asfalt en betonnen bestratingsmaterialen DOT’s in staat stelt niet alleen materialen te vinden die het meest geschikt zijn voor bepaalde projecten, maar ook het risico van schommelingen van de materiaalprijzen in de loop van de tijd vermindert”, zegt Kirchain.

Het is een soortgelijk verhaal met een mix van bestratingsacties. Het gebruik van een mix van korte- en langetermijnoplossingen geeft DOT’s de flexibiliteit om de juiste actie voor het juiste project te kiezen.

De uiteindelijke strategie, een evaluatieperiode op lange termijn, stelt DOT’s in staat om de volledige reikwijdte van hun keuzes te zien. Als de gevolgen van een beslissing over slechts vijf jaar worden voorspeld, zullen veel langetermijngevolgen niet worden overwogen. Door de planningsperiode uit te breiden, kunnen gunstige langetermijnopties worden geïntroduceerd.

Het is niet verwonderlijk dat beslissingen over bestrating ontmoedigend zijn om te nemen; hun impact op het milieu, de veiligheid van de bestuurder en het budget zijn langdurig. Maar in plaats van dit beladen proces te vereenvoudigen, probeert de CSHub-methode de complexiteit ervan weer te geven. Het resultaat is een aanpak die DOT’s de tools geeft om meer te doen met minder.