Development of the Asphalt Pavement Deterioration Model Using the Markov Chain: Case Study of the State Highway Number 4 at Km. 67+334 to 111+457
Abstract
งานวิจัยนี้ได้พัฒนาแบบจำลองการเสื่อมสภาพผิวทางแอสฟัลต์ด้วยวิธีลูกโซ่มาร์คอฟ โดยพิจารณาปัจจัยที่ส่งผลต่อความเสื่อมสภาพผิวทางจากปริมาณจราจร น้ำหนักบรรทุกและปริมาณน้ำฝน บนทางหลวงหมายเลข 4 ช่วงกม. 67+334 ถึง 111+457 เพื่อศึกษาความเป็นไปได้ในการใช้แบบจำลองที่สร้างจากวิธีลูกโซ่มาร์คอฟมาคาดคะเนความเสื่อมสภาพผิวทางแอสฟัลต์ โดยนำข้อมูลดัชนีความขรุขระสากลในช่วงปี พ.ศ. 2556 ถึง พ.ศ. 2561 เป็นดัชนีในการบ่งบอกสภาพผิวทาง จากนั้นทำการสอบเทียบแบบจำลองจากข้อมูลจริง จากผลการศึกษาพบว่าความสัมพันธ์ระหว่างอายุผิวทาง (ปี) และดัชนีความขรุขระสากล สอดคล้องกับสมการเอกซ์โพเนนเชียล โดยมีค่า R-Square (R2) จากสมการที่สร้างจากปัจจัยที่ศึกษาอยู่ในช่วง 0.892-0.987 ทั้งนี้มีข้อเสนอแนะว่าหากมีจำนวนข้อมูลที่นำมาสร้างแบบจำลองที่มากเพียงพอ จะสามารถนำแบบจำลองที่สร้างจากวิธีลูกโซ่มาร์คอฟมาใช้ในการคาดคะเนความเสื่อมสภาพของผิวทางแอสฟัลต์ที่ทำการจัดกลุ่มปัจจัยจากปริมาณจราจร น้ำหนักบรรทุกและปริมาณน้ำฝน ซึ่งจะเป็นประโยชน์สำหรับการวางแผนการจัดสรรงบประมาณในงานบำรุงรักษากับหน่วยงานที่เกี่ยวข้องต่อไป
This research developed the asphalt pavement deterioration model by using the Markov chain theory. Three factors were selected as the effect of asphalt pavement condition: 1) traffic volume, 2) truck weight and 3) rainfall intensity. The methodology was applied to highway no.4 from Km. 64+334 to Km. 111+457. The purpose of this paper was to study the possibility to use that model developed by using the Markov chain theory to forecast the future performance of pavement in terms of the International Roughness Index (IRI). The data of IRI was collected from 2013 to 2018. The developed model was then verified by the actual IRI data. The relationship between age (year) and IRI (mm/km) suggested that an exponential model might be appropriate. The Exponential models could be fit to data with R-square (R2) in range 0.892–0.987. It could be suggested that if there is enough IRI data, the model developed based on the Markov chain theory by focusing on three affected factors will be used to forecast the deterioration of asphalt pavement. The result will be useful for developing a budget allocation with relevant agencies for future maintenance activities.
Keywords
[1] S. Thamrongkulrat, “Development of work load and routine maintenance cost for asphalt and concrete pavements,” Road Research and Development Center, no. RD. 155, 1996.
[2] Department of Rural Roads, “Pavement distress identification manual,” Local Road Maintenance Management System, 2013.
[3] Department of Rural Roads, “A report summarizing condition pavement by visual inspection rating,” Department of Rural Roads, 2012.
[4] P. Tussawil, “Development of road condition index for an efficient highway maintenance analysis: Case study of flexible pavement maintenance in the eastern region by using HDM-4,” M.S. thesis, Department of Civil Engineering, Faculty of Engineering, Kasetsart University, 2008 (in Thai).
[5] W. Subsompon, P. Chinudomsub, J. Ponprasert, and P. Siriakarakornkun, “Development of asphalt pavement deterioration model using IRI in Thailand,” Engineering Journal of Research and Development, vol. 11, no. 4, pp. 29–35, 2000 (in Thai).
[6] S. A. Arhin, L. N. Williams, A. Ribbiso, and M. F. Anderson, “Predicting pavement condition index using international roughness index in a dense urban area,” Journal of Civil Engineering Research, vol. 5, no. 1, pp. 10–17, 2015.
[7] N. Maneedang, B. Kunsuwan, and N. Kunsuwan, “The study and the comparison of the rainfall effects on the asphalt concrete surface,” National Convention on Civil Engineering, vol. 23, 2018 (in Thai).
[8] W. Wongweeranimit, “Development of a deterioration model for flexible pavement in low traffic volume roads using markov chains,” M.S. thesis, Department of Civil Engineering, Faculty of Engineering, Chulalongkorn University, 2004 (in Thai).
[9] W. Pocarattananan and W. Subsompon, “Application of deterioration model of flexible pavement in low volume roads using markov chains for pavement maintenance planning,” Research and Development Journal, vol. 19, no. 1, 2008.
[10] S. Surbjakrod, “Development of asphalt concrete pavement deterioration models for Thailand national highways using markov chains,” M.S. thesis, Department of Civil Engineering, Faculty of Engineering, Chulalongkorn University, 2008 (in Thai).
[11] X. Chen, Q. Dong, H. Zhu, and B. Huang, “Development of distress condition index of asphalt pavements using LTPP data through structural equation modeling,” Transportation Research Part C: Emerging Technologies, vol. 68, pp. 58–69, 2016.
[12] M. Fakhri and R. S. Dezfoulian, “Pavement structural evaluation based on roughness and surface distress survey using neural network model,” Construction and Building Materials, vol. 204, pp. 768–780, 2019.
[13] M. M. Hasan, A. A. Rahman, and R. A. Tarefder, “Investigation of accuracy of pavement mechanistic empirical prediction performance by incorporating level 1 inputs,” Journal of Traffic and Transportation Engineering (English Edition), vol. 7, no. 2, pp. 259–268, 2020.
[14] M. A. Ismail, R. Sadiq, H. R. Soleymani, and S. Tesfamariam, “Developing a road performance index using a Bayesian belief network model,” Journal of the Franklin Institute, vol. 348, no. 9, pp. 2539–2555, 2011.
[15] J. G. Kemeny and J. L. Snell, Markov chains. Springer-Verlag, New York, 1976.
[16] N. Tawanna, F. Takkabutr, A. Kesutha, R. Wongsathan, A. Nuangnit, and N. Wongsinlapamorakot, “Improvement performance of PV water pumping system using MPPT-based modified P&O Controller: Modeling, setting experimental package and analysis,” The Journal of KMUTNB, vol. 31, no. 1, pp. 5–15, 2021 (in Thai).
[17] N. Koatbua and K. Rungjang, “Choice model for long distance travels by train and application to logit model for lower-northeastern line,” The Journal of KMUTNB, vol. 31, no. 3, 2021 (in Thai).
[18] H.-S. Baik, H. S. Jeong, and D. M. Abraham, “Estimating transition probabilities in markov chain-based deterioration models for management of wastewater systems,” Journal of Water Resources Planning and Management, vol. 132, no. 1, pp. 15–24, 2006.
[19] A. A. Butt, M. Y. Shahin, K. J. Feighan, and S. H. Carpenter, “Pavement performance prediction model using the Markov process (no. 1123),” Transportation Research Record, 1987.
[20] Ratchaburi Rural Road Office. (2013). Report the Operation Progress 2013–2018. Ratchaburi Rural Road Office. Ratchaburi, Thailand [Online]. Available: https://ratchaburi.drr.go.th/
[21] N. Maneedang, N. Maneedang, B. Kunsuwan, and N. Kunsuwan, “Study and comparison of physical factors effecting on asphalt road surface,” National Convention on Civil Engineering, vol. 24, 2017 (in Thai).
DOI: 10.14416/j.kmutnb.2023.01.001
ISSN: 2985-2145
Email this article 
Hide
Show all