Stochastic Modelling of Infrastructures Deterioration and Interventions based on Network-Scale Visual Inspections

Les infrastructures de transport sont précieuses parce qu'elles touchent une multitude d'aspects allont de la société et l'économie, à l'environnement. La gestion et l'entretien des infrastructures de transport à l'échelle du réseau sont directement associés à la capacité de surveiller et de prévoir la détérioration de ces infrastructures. L'inspection visuelle est une approche courante pour la surveillance des infrastructures à l'échelle du réseau, car elle fournit une évaluation directe et à grande échelle de l'état de détérioration des structures. L'une des principales limites des inspections visuelles est que l'évaluation est subjective, et donc l'incertitude des observations varie selon les inspecteurs. De plus, les incertitudes des observations peuvent dépendre de l'état de l'élément structurel. Ces facteurs présentent des défis dans l'interprétation des données d'inspection, ce qui limite la capacité à modéliser la détérioration ainsi que de quantifier l'amélioration de l'état de santé au éléments suite aux activités de maintenance. L'objectif de ce travail est d'améliorer l'utilité globale des données d'inspection visuelle à l'échelle du réseau, pour mieux comprendre le comportement de dégradation des infrastructures au fil du temps.

Abstract

Transportation infrastructures are valuable assets that affect a multitude of aspects, such as the society, the economy and the environment. Managing and maintaining transportation infrastructure on a network-scale is directly associated with the capacity to monitor and forecast the deterioration of these infrastructures. Visual inspection is a common approach for the network-scale monitoring of infrastructures, as it provides direct and broad evaluation for the deterioration state of the structure. One of the main limitations of visual inspections is the evaluations being subjective, and thus the uncertainty of observations vary among different inspectors. In addition, observation uncertainties are dependent on the structural element condition. Those factors present challenges in interpreting the inspection data, which limits the capacity of modelling the deterioration as well as quantifying the improvement in the health state following maintenance activities. The purpose of this work is to improve the overall utility of network-scale visual inspection data, to better understand the deterioration behaviour of infrastructures over time.