Sammanfattning
Huvudsökande: Chalmers, Jelke Dijkstra
Det nuvarande tillståndet för de svenska vägarna är dåligt dokumenterat på grund av det åldrande vägnätet. Samtidigt används allt oftare deformationsmätare för trafikhastighet (TSDD) för bedömning av vägnätets integritet. TSDD-mätningens karaktär, som är en dynamisk rörlig last och den komplexa responsen från beläggningen och underlaget, gör att tolkningen är långt ifrån trivial. Följaktligen är värdet av dessa data för Trafikverket fortfarande outnyttjat. Detta projekt kommer att ta itu med denna kunskapslucka genom att utveckla en datadriven metodik för tillståndsuppskattning från TSDD. Vi kommer att kombinera data från avancerade numeriska analyser som inkluderar spännings- och hastighetsberoendet hos underlaget och hastighets- och temperaturberoendet hos beläggningsmaterialet för att träna en surrogatmodell som kan användas för (nära) realtidstolkning av vägförhållandena från TSDD. Den unika datan från ett toppmodernt TSDD-system kommer att kombineras med modelleringsförmågan på Chalmers. Viktiga detaljer inkluderar den rigorösa kombinationen av surrogatmodeller och deflektometerdata med hjälp av Data Assimilation. Projektet är utformat för att en nyutexaminerad doktorand från Chalmers ska kunna integrera sina kunskaper om dataassimilering och maskininlärning, som är av stort värde för Trafikverket, hos hans nya arbetsgivare och för vägteknik i Sverige. Keywords: Tillståndsbedömning; TSDD; Surrogat model; Data Assimilering