Calibração Local de Alta Confiabilidade do Modelo de Falhas Usando Dados de Gestão de Pavimentos

Abordagens convencionais para a calibração local de modelos de previsão de desempenho de pavimentos mecanicistas-empíricos (ME) exigem o uso de dados de campo com baixa variabilidade. No entanto, esses requisitos rigorosos de dados frequentemente levam a conjuntos de dados com um número limitado de observações. Calibrações locais que utilizam tais conjuntos de dados permitem a eliminação de preconceitos nas previsões com 50% de confiabilidade, mas podem não fornecer uma avaliação precisa das previsões de maior confiabilidade de projeto, que podem exceder 90%. Neste artigo, propomos uma nova abordagem para a avaliação do modelo de falhas em pavimentos de concreto que foca especificamente em altos níveis de confiabilidade. Para abordar a questão do tamanho limitado do conjunto de dados, nossa abordagem aproveita dados de sistemas de gestão de pavimentos (PMS), que são coletados regularmente e em grandes quantidades em nível local. Também levamos em conta a presença de dados censurados de seções de pavimento fora de serviço ou modificadas. Isso permite a calibração local de modelos de previsão de desempenho, com ênfase particular na previsão precisa de distúrbios no pavimento com altos níveis de confiabilidade, o que é crítico para o projeto de rodovias de alto volume. Para validar nossa metodologia, aplicamos ela para avaliar, modificar e calibrar o modelo de falhas do Pavement ME usando dados do PMS da Pensilvânia. A metodologia proposta pode ser aplicada para a calibração local de outros modelos do Pavement ME.