Advances in predictive maintenance planning of roads by empirical models

 |  Login

Show simple item record

dc.contributor Aalto-yliopisto fi
dc.contributor Aalto University en
dc.contributor.advisor Hollmén, Jaakko, Dr., Aalto University, Department of Computer Science, Finland
dc.contributor.author Sirvio, Konsta Mikael
dc.date.accessioned 2017-09-12T09:04:10Z
dc.date.available 2017-09-12T09:04:10Z
dc.date.issued 2017
dc.identifier.isbn 978-952-60-7594-5 (electronic)
dc.identifier.isbn 978-952-60-7595-2 (printed)
dc.identifier.issn 1799-4942 (electronic)
dc.identifier.issn 1799-4934 (printed)
dc.identifier.issn 1799-4934 (ISSN-L)
dc.identifier.uri https://aaltodoc.aalto.fi/handle/123456789/28039
dc.description.abstract Roads constitute one of the most valuable asset group of a country. Road asset value is better preserved by preventive instead of corrective maintenance. Traditionally, road maintenance has been planned using mechanistic or hybrid models for estimation, prediction and optimisation. This thesis proposes a framework for road maintenance planning, where Road User Costs and Agency Costs are estimated and forecasted, road condition forecasted and future maintenance works optimised with empirical models. The concept is called predictive maintenance planning. Various empirical methods were combined and applied in sub-tasks of road maintenance planning. The methods included Sequential Input Selection Algorithm for variable selection, k-means++ for clustering, Principal Component Analysis for dimension reduction, Markov Chains, Ordinary Least Squares regression, Radial Basis Functions and Least Squares Support Vector Regression for forecasting and Genetic Algorithms and Variable Neighbourhood Search for optimisation. The research showed that accuracy of road condition forecasting can be increased with non-linear empirical models using collected data from the roads. The best method was Least Squares Support Vector Regression for multi-step ahead forecasting. The best applied optimisation method combined Parallel Genetic Algorithms with Variable Neighbourhood Search. The Thesis shows that accuracy can be increased and cost saved in road maintenance by a paradigm shift from mechanistic to empirical models in road maintenance planning. en
dc.description.abstract Tiet muodostavat yhden arvoikkaimmista julkisista omaisuuseristä. Tieomaisuuden arvo säilyy ennakoivalla kunnossapidolla korkeampana kuin korjauskunnossapidolla. Perinteisesti tiestön kunnossapitoa on suunniteltu käyttämällä mekaanisia tai hybridimalleilla arviointiin, ennustamiseen ja optimointiin. Tässä väitöskirjassa ehdotetaan viitekehystä tiestön kunnossapidon suunnitteluun, jossa tienkäyttäjän ja tieviranomaisen kustannukset sekä tiestön kunto arvioidaan ja ennustetaan ja tulevaisuudessa tapahtuvat kunnossapitotoimet optimoidaan empiirisillä malleilla. Käsitettä kutsutaan ennustavaksi kunnossapidon suunnitteluksi. Useita empiirisiä menetelmiä yhdisteltiin ja sovellettiin tiestön kunnossapidon tehtävissä. Menetelmät sisälsivät peräkkäisen syötevalinnan algoritmin muuttujien valintaan, k-keskiarvot++ -menetelmän ryhmittämiseen, pääkomponenttianalyysin ulottuvuuksien pienentämiseen, Markovin ketjuja, tavallista pienimmän neliösumman regressiota, säteittäisperustafunktioita ja pienimmän neliön vektoritukiregressiota ennustamiseen sekä geneettisiä algoritmeja ja Variable Neighbourhood Search -menetelmää optimointiin. Tutkimus paljasti, että tiestön kunnon ennustamisen tarkkuutta voidaan kasvattaa epälineaarisilla empiirisillä malleilla käyttäen tiestöstä kerättyä tietoa. Paras menetelmä oli pienimmän neliön vektoritukiregressio usean aika-askeleen ennustamiseen. Parhaassa sovelletussa optimointimenetelmässä oli yhdistelty rinnakkaisia geneettisiä algoritmeja Variable Neighbourhood Search -menetelmään. Väitöskirja osoittaa, että tarkkuutta voidaan parantaa ja tiestön kunnossapidon kustannuksia pienentää muuttamalla ajatus- ja toimintamallia mekanistisista malleista empiirisiin tiestön kunnossapidon suunnittelussa. fi
dc.format.extent 78 + app. 68
dc.format.mimetype application/pdf en
dc.language.iso en en
dc.publisher Aalto University en
dc.publisher Aalto-yliopisto fi
dc.relation.ispartofseries Aalto University publication series DOCTORAL DISSERTATIONS en
dc.relation.ispartofseries 166/2017
dc.relation.haspart [Publication 1]: Sirvio, Konsta; Hollmén, Jaakko. 2008. Spatio-Temporal Road Condition Forecasting with Markov Chains and Artificial Neural Networks. In: Corchado, Emilio; Abraham, Ajith; Pedrycz, Witold (Editors). Proceedings of the 3rd International Workshop on Hybrid Artificial Intelligence Systems (HAIS’08), Springer Verlag, Burgos, Spain, 24.- 26. September, 2008, Pages 204-211. ISBN 978-3-540-87656-4. DOI: 10.1007/978-3-540-87656-4_26
dc.relation.haspart [Publication 2]: Sirvio, Konsta; Hollmén, Jaakko. Multi-year network level road maintenance programming by genetic algorithms and variable neighbourhood search. In: Proceedings of the 13th International IEEE Conference on Intelligent Transportation Systems (ITSC2010) Workshop Madeira Island, Portugal, 19 – 22 September 2010, Pages 581-586. ISBN 978-972-8822-20-0. DOI: 10.1109/ITSC.2010.5625072
dc.relation.haspart [Publication 3]: Sirvio, Konsta; Hollmén, Jaakko. Forecasting road condition after maintenance works by linear methods and radial basis function networks. In: Honkela, Timo; Duch, Włodzisław; Girolami, Mark; Kaski, Samuel (Editors). Proceedings (Part II) of the 21st International Conference on Artificial Neural Networks, Espoo, Finland, June 14-17, 2011, Pages 405-412. ISBN 978-3-642-21737-1. DOI: 10.1007/978-3-642-21738-8_52
dc.relation.haspart [Publication 4]: Sirvio, Konsta; Hollmén, Jaakko. Multi-Step Ahead Forecasting of Road Condition Using Least Squares Support Vector Regression. In: Proceedings of European Symposium on Artificial Neural Networks, Computational Intelligence, and Machine Learning (ESANN), Bruges, Belgium, 23-25 April 2014, Pages 661-666. ISBN 978-287419095-7
dc.relation.haspart [Publication 5]: Sirvio, Konsta. Intelligent Systems in Maintenance Planning and Management. In: Kahraman, Cengiz; Onar, Sezi, Cevik (Editors). Intelligent Techniques in Engineering Management: Theory and Applications, Springer Publishing Company Incorporated, 2015, Pages 221-245. ISBN 3319179055 9783319179056. DOI: 10.1007/978-3-319-17906-3_10
dc.subject.other Transport engineering en
dc.subject.other Computer science en
dc.title Advances in predictive maintenance planning of roads by empirical models en
dc.title Edistysaskeleet tiestön ennustavassa kunnossapidon suunnittelussa empiirisillä malleilla fi
dc.type G5 Artikkeliväitöskirja fi
dc.contributor.school Perustieteiden korkeakoulu fi
dc.contributor.school School of Science en
dc.contributor.department Tietotekniikan laitos fi
dc.contributor.department Department of Computer Science en
dc.subject.keyword road maintenance planning en
dc.subject.keyword road maintenance optimisation en
dc.subject.keyword road deterioration en
dc.subject.keyword road condition forecasting en
dc.subject.keyword life cycle cost analysis en
dc.subject.keyword condition-based maintenance planning en
dc.subject.keyword preventive maintenance en
dc.subject.keyword predictive maintenance planning en
dc.subject.keyword tiestön kunnossapidon suunnittelu fi
dc.subject.keyword tiestön kunnossapidon optimointi fi
dc.subject.keyword tiestön rappeutuminen fi
dc.subject.keyword tiestön kunnon ennustaminen fi
dc.subject.keyword elinkaarikustannusanalyysi fi
dc.subject.keyword kuntopohjainen kunnossapidon suunnittelu fi
dc.subject.keyword ennaltaehkäisevä kunnossapito fi
dc.subject.keyword ennustava kunnossapidon suunnittelu fi
dc.identifier.urn URN:ISBN:978-952-60-7594-5
dc.type.dcmitype text en
dc.type.ontasot Doctoral dissertation (article-based) en
dc.type.ontasot Väitöskirja (artikkeli) fi
dc.contributor.supervisor Rousu, Juho, Prof., Aalto University, Department of Computer Science, Finland
dc.opn Cesar Queiroz, Cesa, Dr., Consultant in Roads and Transport Infrastructure, USA
dc.opn Röning, Juha, Prof., University of Oulu, Finland
dc.rev Kolehmainen, Mikko, Prof., University of Eastern Finland, Finland
dc.rev Queiroz, Cesar, Dr., Consultant in Roads and Transport Infrastructure, USA
dc.date.defence 2017-10-02


Files in this item

This item appears in the following Collection(s)

Show simple item record

Search archive


Advanced Search

article-iconSubmit a publication

Browse

My Account