Municipal street pavement maintenance and management practices in Sweden

QC 20240412

Research funders:

Skellefteå municipality

Mistra InfraMaint Project 1.8 (DIA 2016/28)

Abstract

Ett väl fungerande gatunät är avgörande för den socioekonomiska utvecklingen av en region. Gatunätet underlättar inte bara mobiliteten för människor och varor utan möjliggör också väl fungerande samhällstjänster. Effektiv användning av skattebetalarnas pengar åstadkommas genom att man underhåller gatunätet i gott skick och tillgodoser att man uppnår hållbarhetsmålen. Detta kräver att man implementerar optimala underhållsstrategier.

Syftet med denna studie är att analysera vägunderhållsmetoder för vägbeläggningar inklusive utmaningar som svenska kommuner står inför. Särskilt fokus är på asfaltbeläggningar inom gatunätet. Vidare ingår att integrera ett hållbarhetsverktyg för vägunderhåll som möjliggör att man kan välja underhållsåtgärder som bidrar till att gatunätsförvaltningen kan nå kommunala hållbarhetsmålen. Studien syftar slutligen till att förbättra kommunala gatuunderhållsstrategier genom att implementera maskininlärningsmodeller inom ett vägförvaltningssystem (PMS).

Inom Licentiatavhandlingen genomfördes tre studier – två fallstudier och en enkät med svenska kommuner. En fallstudie utforskar tillämpningen av hållbarhetsramverk, medan den andra undersöker användningen av maskininlärningsmodeller vid kommunalt underhåll av asfaltbeläggningar. Enkäten undersöker praxis och utmaningar för kommunala gatunätsförvaltningar vid underhåll av asfaltbeläggningar.

Hållbarhetsverktyget SUNRA (Sustainability National Road Administrations) anpassades till Trafikverket för att främja hållbarhet inom vägförvaltning på statliga vägar. I denna studie har verktyget testats, tillämpats och förfinats för att sätta hållbarhetsmål och övervaka hållbarhetsprestanda på projektbasis inom både Trafikverket och kommunala sammanhang. Målet var att förenkla verktyget så att det passar för investering, återinvestering, underhåll och driftsprojekt och även för att förbättra användbarheten för olika användare. Vidare studerades hur verktyget kunde bidra till hållbarhet, identifiera drivkrafter och hinder för dess tillämpning, användbarhet och anpassningsbarhet till projekt med varierande komplexitet. Resultaten indikerar att verktyget kan användas och anpassas för investeringar, återinvesteringar, underhåll och driftsprojekt under planeringsstadiet. Det är också lämpligt för små kommunala etableringar, konstruktion eller ombyggnad av bostadsområden och regelbundet underhåll.

Den webbaserad enkätundersökning skickades ut till alla Svenska kommuner (290 stycken) för att få information om aktuell praxis och utmaningar för gatuunderhåll på kommunal nivå. Svar på enkäten mottogs från (148 stycken) 51 procent av kommunerna. Studien visar att vanliga vägbeläggningsproblem inkluderar slaghål, ojämnheter och krackelering, där de vanligaste orsakerna är åldrande beläggning, belastning från tung trafik och tidigare åtgärder gjorda i asfaltsytan. Ett kallt klimat och befolkningstäthet är viktiga faktorer som bidrar till vägbeläggningsförsämringen. Användning av automatiska metoder för insamling av vägbeläggningars tillstånd med vägytemätningsfordon och kommersiella PMS är mycket begränsad. Istället används främst subjektiva okulära besiktningsmetoder vid bedömningen av tillståndet bland de kommuner som använder PMS. Budgettilldelningen för underhåll och ombyggnad är högre i de norra regionerna i landet samt i tätbefolkade kommuner.

Manuellt insamlade vägbeläggningsdata för åren 2014 och 2018 från Skellefteå kommun användes för att bedöma möjligheterna med modeller framtagna med maskininlärning jämfört med det uppmätta beläggningsindexet (PCI).  Maskininlärningsmodellerna Linjär Regression (LR), Random Forest (RF) och Neural Network (NN) tillsammans med flera variabelkombinationer testades. RF-modellen, som använder parvisa variabler av åldrande av vägbeläggning (A) och beläggningsskador (D) data, visade, för villagator, konsekvent högre precision jämfört med de andra modellerna. Däremot presterade RF-modeller konstruerade med parvisa variabler av A och trafik (T) konsekvent bättre precision, för icke-villagator (dvs. huvudgator, matargator och industrigator) än andra modeller. Betydelsen av ingående variabler varierar beroende på modellens komplexitet och det avsedda vägbeläggningsmålet. Trots det framträder variabel A konsekvent som den dominerande faktorn för att förutsäga beläggningsskick i modeller för både villa- och icke-villagator.

Vidare utvärdering av modellerna och förenkling av SUNRA-verktyget för att förbättra vägbeläggningens prestanda och hållbarhet rekommenderas.

urn.kb.se/resolve?urn=urn:nbn:se:kth:diva-345320