Application of probabilistic modeling to predict road pavement deterioration

Abstract

[EN] An important problem in the Civil Engineering field concerns the maintenance of pavement in the transportation network. Pavement deterioration can be measured in diverse ways, being one of them the so-called International Roughness Index (IRI). In order to optimally plan pavement maintenance strategies, the prediction of IRI evolution over time would be highly beneficial. In this project we propose to use probabilistic models, specifically Bayesian Neural Networks, to approach this goal. To do so, we will use a database of IRI records from the Netherlands road network that register the evolution of IRI over the years. This database when treated, combined with traffic and climatological data will be the basis for the ML models that will be trained.

[ES] Un problema importante en el campo de la Ingeniería Civil se refiere al mantenimiento de los pavimentos en la red de transporte. El deterioro de los pavimentos puede medirse de diferentes formas, siendo una de ellas el denominado Índice de Rugosidad Internacional (IRI). Con el fin de planificar de forma óptima las estrategias de mantenimiento de pavimentos, la predicción de la evolución del IRI a lo largo del tiempo sería altamente beneficiosa. En este proyecto proponemos utilizar modelos probabilísticos, concretamente Redes Neuronales Bayesianas, para aproximarnos a este objetivo. Para ello, utilizaremos una base de datos de registros de IRI de la red de carreteras de los Países Bajos que registra la evolución del IRI a lo largo de los años. Esta base de datos, una vez tratada, combinada con datos de tráfico y climatológicos, será la base para los modelos de ML que se entrenarán.