تاثير ميزان اطلاع از ضخامت لايه‌ها در تعيين عدد سازه‌اي (SN) روسازيهاي آسفالتي با استفاده از نتايج دستگاه FWD

Effect of Knowledge Level of Layer Thickness on Pavement Structural Number (SN) Determination Based on FWD Data

ارزيابي روسازي در سطح شبكه به منظور تعيين وضعيت كيفي روسازيها، تعيين نوع عمليات نگهداري (پيشگيرانه، بهسازي و يا بازسازي) و همچنين اولويتبندي بر اساس محدوديت بودجه انجام مي‌شود. در اين سطح از ارزيابي، داده‌هاي مورد استفاده از جزييات و پوشش كمتري در سطح شبكه راهها نسبت به ارزيابي در سطح پروژه برخوردار بوده و همچنين تحليلهاي ساده‌تري روي آنها انجام مي‌شود. وضعيت سازه‌اي روسازيهاي آسفالتي در سطح شبكه معمولاً با استفاده از دستگاه افت و خيز سنج ضربه‌اي (FWD) و تعيين پارامترهايي مانند مدول لايه‌ها و يا عدد سازه‌اي موثر روسازي (SNeff) مورد ارزيابي قرار مي‌گيرد. تحليل داده‌هاي افت و خيز، نيازمند اطلاع از ضخامت لايه‌هاي روسازي است كه اين كار مي تواند با استفاده از دستگاه GPR و يا سونداژ و مغزه‌گيري از روسازي صورت گيرد. ساده‌سازي برداشت و تحليل داده‌هاي حاصل از دستگاه FWD در سطح شبكه به منظور ارزيابي سريع شبكه راهها از اهميت بسياري برخوردار است. در اين تحقيق به منظور محاسبه عدد سازه‌اي موثر روسازي، ده روش مختلف در سه رده، از نظر ميزان اطلاع از ضخامت لايه‌ها، شامل "عدم اطلاع از ضخامت"، "اطلاع از ضخامت كل روسازي" و "اطلاع از ضخامت لايه‌هاي روسازي" مورد بررسي قرار گرفتند. به اين منظور هفت قطعه از هفت محور در كشور (با شرايط متفاوت از نظر شاخص SNeff) انتخاب و آزمايش FWD روي آنها انجام شد. پس از بكارگيري روشهاي مختلف و ارزيابي نتايج حاصل از آنها، روش Jameson (با ضريب همبستگي 71/0) در رده روشهاي بدون نياز به اطلاع از ضخامت روسازي و روش Wimsatt (با ضريب همبستگي 92/0) در رده روشهايي كه اطلاع از ضخامت كل روسازي در آنها لازم است به عنوان مناسب‌ترين روشها شناخته شدند.

Pavement evaluation at Network-level is performed with the aim of assessing conditions of pavements, the required maintenance level (i.e. preventive, rehabilitation or reconstruction) or prioritization purposes. The data required to assess network-level pavement evaluation are fewer than the case of project level evaluation. In addition, less pavement analysis and calculation are required. Asphalt pavement structural condition analysis at network level is generally performed using FWD data for determination of pavement layers moduli and effective Structural Number (SNeff). FWD data analysis requires information regarding pavement thickness. These can be determined using GPR or doing core and pit in pavement. Simplification of the collected data and analysis of FWD data are important issues for rapid assessment of road networks. In this study, ten different methods were evaluated in three different levels of thickness requirement (i.e. no information of pavement thickness, knowing pavement total thickness and having thicknesses of each layer) to determine pavement effective structural number. A field analysis was performed applying FWD on seven pavements having different structural numbers (i.e. having low, medium and high SN values). The above analysis was performed and it was revealed that among the various methods, Jameson with correlation coefficient of 0.71 in the category “no information of pavement thickness”; and Wimsatt with correlation coefficient of 0.92 in the category of “knowing total pavement thickness” showed to better represent pavement condition.