Advances in predictive maintenance planning of roads by empirical models
Loading...
Journal Title
Journal ISSN
Volume Title
School of Science |
Doctoral thesis (article-based)
| Defence date: 2017-10-02
Unless otherwise stated, all rights belong to the author. You may download, display and print this publication for Your own personal use. Commercial use is prohibited.
Author
Date
2017
Major/Subject
Mcode
Degree programme
Language
en
Pages
78 + app. 68
Series
Aalto University publication series DOCTORAL DISSERTATIONS, 166/2017
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.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.Description
Supervising professor
Rousu, Juho, Prof., Aalto University, Department of Computer Science, FinlandThesis advisor
Hollmén, Jaakko, Dr., Aalto University, Department of Computer Science, FinlandKeywords
road maintenance planning, road maintenance optimisation, road deterioration, road condition forecasting, life cycle cost analysis, condition-based maintenance planning, preventive maintenance, predictive maintenance planning, tiestön kunnossapidon suunnittelu, tiestön kunnossapidon optimointi, tiestön rappeutuminen, tiestön kunnon ennustaminen, elinkaarikustannusanalyysi, kuntopohjainen kunnossapidon suunnittelu, ennaltaehkäisevä kunnossapito, ennustava kunnossapidon suunnittelu
Other note
Parts
-
[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 View at publisher
-
[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 View at publisher
-
[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 View at publisher
- [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
-
[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 View at publisher