Con circa 4,18 milioni di miglia di strade negli Stati Uniti, pianificare la manutenzione della pavimentazione può sembrare un processo scoraggiante.

Attualmente, i dipartimenti dei trasporti (DOT) tendono a fare affidamento su pratiche passate o sull'opinione di esperti per prendere decisioni di manutenzione. Ma con un arretrato di riparazioni di 420 miliardi di dollari per le autostrade statunitensi, questi metodi convenzionali stanno diventando meno efficaci. Anziché, I DOT richiedono approcci più quantitativi per gestire i loro budget ristretti e riparare le loro strade obsolete.

In un recente articolo in Ricerca sui trasporti Parte C:Tecnologie emergenti , I ricercatori del MIT Concrete Sustainability Hub (CSHub) Fengdi Guo, Jeremy Gregory, e Randolph Kirchain propongono uno di questi approcci, nota come dipendenza probabilistica del percorso di trattamento (PTPD). PTPD ha prestazioni migliori rispetto ai modelli convenzionali, che richiederebbe un budget annuale aggiuntivo del 10% per raggiungere lo stesso livello di prestazioni di rete nel caso di studio dato.

I ricercatori di CSHub hanno raggiunto questo obiettivo affrontando una preoccupazione fondamentale da cui molti modelli convenzionali evitano:l'incertezza.

A proprio agio con l'incertezza

La pavimentazione è piena di incertezza. Dal deterioramento delle pavimentazioni al prezzo dei materiali, I DOT non possono essere sicuri di come saranno le cose tra cinque, 10, o 20 anni. Cosa c'è di più, prevedere e incorporare questo tipo di incertezze può rivelarsi difficile, tanto che molti modelli lo scartano del tutto.

Tradizionalmente, la maggior parte dei modelli pesa i costi ei benefici delle decisioni di manutenzione per ogni segmento di una rete per scegliere il migliore. Le loro analisi tendono a calcolare il costo e il beneficio in base all'anno in corso o per una serie fissa di trattamenti di mantenimento futuri, senza considerare le incertezze durante il periodo di analisi.

"Ciò può significare che hanno in programma di mantenere un nuovo segmento di pavimentazione nello stesso modo ogni volta nel corso della sua vita, " dice Guo. "Il problema è che spesso questo non è possibile. Col tempo, variazioni del prezzo dei materiali, i tassi di deterioramento delle pavimentazioni, e anche i cambiamenti nei percorsi di trattamento, che sono la sequenza delle azioni di mantenimento intraprese, richiederanno trattamenti non specificati nel modello originale."

Affinché i DOT gestiscano le loro reti in modo efficiente, poi, avrebbero dovuto adattarsi meglio alla dipendenza e all'incertezza del percorso di trattamento.

La ricerca CSHub ha cercato di creare un nuovo modello che offrisse loro la massima adattabilità. Per fare questo, hanno considerato migliaia di programmi di trattamento in scenari futuri.

Il loro modello adotta un approccio dal basso verso l'alto, guardando ogni segmento in una rete di pavimentazione. Per ogni segmento, valuta ogni possibile trattamento iniziale e scenario futuro di prezzo e deterioramento dei materiali. Da li, per ogni combinazione di scenario e trattamento iniziale viene identificato un percorso di trattamento ottimale e il suo costo totale.

Con tutte queste possibilità davanti a loro, I ricercatori di CSHub hanno quindi calcolato la probabilità di determinati risultati nelle prestazioni della pavimentazione, la qualità della superficie della pavimentazione, per ogni combinazione di opzione di trattamento iniziale e scenario futuro. Ciò consente loro di catturare quali trattamenti avranno probabilmente i migliori risultati dati tutti i possibili cambiamenti che potrebbero verificarsi. Per ogni segmento, il modello identifica quindi le due opzioni di trattamento con i migliori risultati probabili.

"Per scegliere tra queste due ultime opzioni, "dice Guo, "il nostro modello considera i rischi associati a ciascuno e il budget disponibile, anche."

In questo caso, il rischio si riferisce a come la prestazione effettiva di un trattamento potrebbe deviare dalla sua prestazione media attesa. Maggiore è la varianza e più estremi sono gli scenari anomali, maggiore è il rischio. Però, è un compromesso:un trattamento più rischioso può anche produrre prestazioni migliori.

Così, sta al DOT determinare quanti rischi sono disposti a correre. Ed è quel livello di rischio che determina quale delle ultime due opzioni selezioneranno per ogni segmento della rete stradale.

Pavimentazione in pratica

In diversi casi di studio discussi nel loro articolo, I ricercatori di CSHub hanno analizzato come i livelli di rischio hanno influenzato la selezione dei trattamenti all'interno dei loro modelli, così come il loro modello rispetto ai modelli convenzionali. Hanno scoperto che quando i DOT erano meno contrari a rischiare risultati imprevisti nella performance di un segmento, il loro modello preferiva strati sottili di asfalto per quel segmento, che è un'opzione di trattamento più economica. Con l'aumentare dell'avversione al rischio, però, è avvenuto il contrario. Il modello preferiva invece sovrapposizioni in cemento più costose e ricostruzioni complete del segmento.

Come mai?

Si riduce al prezzo dei materiali.

"A differenza dell'asfalto, il calcestruzzo tende ad avere una minore volatilità dei prezzi, " spiega Guo. "Ciò significa che i DOT possono prevedere in modo affidabile quanto costeranno i trattamenti concreti. Ciò previene il tipo di sforamento dei costi che potrebbe verificarsi a causa di un aumento imprevisto dei prezzi dell'asfalto".

Lo stesso compromesso si verifica con le prestazioni della pavimentazione.

"Mentre i trattamenti più rischiosi potrebbero offrire risultati migliori in termini di prestazioni, è più probabile che questi risultati varino, " spiega Guo. "D'altra parte, trattamenti meno rischiosi offriranno prestazioni più coerenti, anche se tali prestazioni potrebbero essere leggermente inferiori".

In definitiva, i ricercatori hanno scoperto che i modelli con una moderata avversione al rischio e un mix di asfalto e cemento hanno avuto i migliori risultati, poiché potrebbero ottimizzare le prestazioni medie e la variabilità delle prestazioni.

I ricercatori hanno quindi confrontato il loro modello PTPD con un rischio moderato con gli approcci convenzionali costi-benefici attualmente utilizzati dai DOT.

In un periodo di analisi di 20 anni, hanno scoperto che il loro modello PTPD ha funzionato meglio del modello convenzionale.

Mentre il modello convenzionale potrebbe ottimizzare costi e prestazioni a breve termine, non prevedeva incertezze future. Ciò ha portato a più frequenti, trattamenti meno costosi che inizialmente hanno migliorato i risultati ma hanno comportato prestazioni peggiori e costi più elevati nel tempo.

Il modello PTPD ha invece adottato una prospettiva a lungo termine. Ha rappresentato le incertezze e, come conseguenza, meglio anticipato e adattato ai cambiamenti futuri.

Ciò significava che ha investito più pesantemente in anticipo in poche chiavi, segmenti molto utilizzati di una rete. Di conseguenza, i vantaggi in termini di prestazioni e costi in tutta la rete non si sono manifestati fino a più tardi nel periodo di analisi. A quel punto, la rete richiedeva una maggiore semplicità, trattamenti più economici meno frequentemente.

Infatti, per il modello costi-benefici da eseguire così come il modello PTPD, I DOT dovrebbero spendere il 10% in più in 20 anni nel caso di studio dato.

Nel futuro, Guo e i suoi colleghi sperano di estendere la loro analisi all'intero sistema stradale degli Stati Uniti. Oltre a costi e prestazioni, intendono misurare l'impronta ambientale delle decisioni di pavimentazione, anche.

Affrontare l'incertezza è difficile. Ma con il loro ultimo modello, I ricercatori di CSHub fanno proprio questo. Invece di scontare l'incertezza, lo affrontano a testa alta. E di conseguenza, I DOT potrebbero presto aspettarsi arretrati ridotti e strade migliori.

Questa storia è stata ripubblicata per gentile concessione di MIT News (web.mit.edu/newsoffice/), un popolare sito che copre notizie sulla ricerca del MIT, innovazione e didattica.