Nya metoder för att läsa av skick på grusvägar

Enligt ny forskning från Linnéuniversitetet kan man med hjälp av modern sensorteknik göra underhållet av grusvägar enklare och effektivare.

När skicket på en grusväg ska bedömas används i dagsläget oftast manuella metoder, som tar tid och är arbetskrävande och visuell inspektion, som är känslig för mänskliga fel. För att förbättra detta har doktoranden Keegan Mbiyana, vid institutionen för maskinteknik på Linnéuniversitetet, tittat på nya metoder. 

– I min licentiatavhandling har jag tittat på användningen av sensorer monterade i fordon för att mäta vibrationer och rörelser, vilket kan ge indikationer om vilket underhåll som behövs. Inte bara specialbyggda sensorer används, utan även vanliga smartphones. Beroende på mätobjektet kan sensorernas placering justeras inom fordonet. För att bedöma åkturernas kvalitet positionerades de på ställen känsliga för vibrationer. I våra tester placerades sensorerna nära förarens säte medan en smartphone fästes vid vindrutan för att filma vägunderlaget, berättar Keegan Mbiyana, i ett pressmeddelande.  

Ändras över tid

När vägunderhåll ska göras görs det ofta enligt ett fast schema, något som forskaren inte menar är jättebra, då behovet av underhåll ändras över tid. Så i den här studien har man använt en sensorteknologi där olika sensorer använts för att bedöma skick, varpå en datadriven metod för underhåll presenteras. 

– Att införa datadrivna metoder för underhåll av grusvägar skulle säkerställa en effektiv bedömning och klassificering av vägens skick. Det skulle garantera att underhållet baseras på faktiska behov och inte förutbestämda intervaller, säger Keegan.

Fördelar

Detta är något som kommer vara positivt både för den som använder grusvägen och den som äger grusvägen. Restiden kan förkortas och drift- och underhållskostnader för fordon minskar.  

– Med nya tekniken blir vägarna inte bara säkrare och mer bekväma att köra på, de negativa effekterna på miljön och hälsan från damm och gropar kommer också att minska, säger Keegan. 

Framöver utforskar han även möjligheten att i nya projekt använda sig av maskininlärning och AI för att granska kvaliteten på vägen. 

Här kan man läsa studien i sin helhet: https://q.ja.se/bSe5t