Proposition d’une approche multidisciplinaire pour la maintenance prédictive des chaussées

Lartigau, J., Terrasson, G., Villeneuve, E., Lesbats, D. et Charrier, N. (2023) Proposition d’une approche multidisciplinaire pour la maintenance prédictive des chaussées. Dans CIGI Qualita MOSIM 2023, Trois-Rivières, Québec, Canada DOI 10.60662/cmf3-ys89.

Prévisualisation

Texte CIGI_QUALITA_MOSIM_2023_paper_8647.pdf Télécharger (662kB) | Prévisualisation

Résumé

La dégradation d’une chaussée a pour origine de multiples facteurs tels que le trafic, les conditions climatiques et ses caractéristiques structurelles. Pour maintenir la qualité des infrastructures routières et prolonger leurs durées de vie tout en réduisant les coûts de maintenance, il devient essentiel de prédire et d'anticiper ces dégradations. Dans cette optique, l’utilisation de la maintenance prédictive, basée sur des moyens de surveillance in-situ, d'analyse statistique et d'intelligence artificielle, est donc nécessaire. Cependant, sa mise en œuvre fait face à de nombreux défis tels que la gestion de grandes quantités de données collectées par diverses sources mais aussi la modélisation dans un environnement incertain. Dans ce contexte, pour améliorer la surveillance des infrastructures routières, cette étude combine trois disciplines scientifiques pour démontrer la faisabilité d’un jumeau numérique d'une section de chaussée. La méthodologie proposée s’appuie sur l'optimisation des moyens d'instrumentation des routes, à l'aide de capteurs sans fil, pour alimenter des modèles mécaniques et issus des données destinés à prédire l'endommagement de la chaussée et ainsi anticiper son état de santé. Cette approche pluridisciplinaire est mise en œuvre sur un cas d'étude : une section d’autoroute instrumentée dans la région de Bordeaux en France.

The pavement deterioration can be caused by multiple factors such as traffic, weather conditions and structural characteristics. To maintain the quality of roads and extend their life while reducing maintenance costs, it is essential to predict and anticipate deterioration. The use of predictive maintenance, based on in-situ monitoring, statistical analysis and artificial intelligence, is therefore necessary. Nevertheless, its implementation must deal with several challenges such as managing large amounts of data collected from different sources or modelling in an uncertain environment. In this context, to improve road infrastructure monitoring, this study combines three scientific fields to demonstrate the feasibility of a digital twin of a pavement section. The proposed methodology is based on the optimization of road instrumentation tools, using wireless sensors, to feed mechanical and data-driven models to predict pavement damage and thus anticipate its health. This multidisciplinary approach is implemented on a case study: an instrumented highway section in the Bordeaux region in France.

Type de document:	Document issu d'une conférence ou d'un atelier (NON SPÉCIFIÉ)
Mots-clés libres:	Maintenance Monitoring de la chaussée Jumeau numérique Modèles prédictifs Maintenance Road monitoring Digital twin Predictive models
Date de dépôt:	16 août 2023 19:00
Dernière modification:	25 août 2023 19:00
URI:	https://collection-numerique.uqtr.ca/id/eprint/2034

Actions (administrateurs uniquement)

Éditer la notice