Het project “Innovatieve Proeftuin MIA in Actie”, dat zich focust op verkeersveiligheid en de afhankelijkheid van autoverkeer wordt gecoördineerd door de Universiteit Hasselt (IMOB en CERG) en in samenwerking met partners Cegeka, OCW, en Embuild Limburg. Met de steun van EFRO, combineert dit project de expertise van academische instellingen, technologie- en bouwbedrijven en publieke organisaties om een geïntegreerde aanpak voor mobiliteitsverbetering te bevorderen.

De proeftuin focust op het testen van een breed scala aan innovaties. Deze omvatten onder andere het gebruik van infraroodscanners bij asfaltwerken om de kwaliteit en duurzaamheid van wegenbouw te verhogen. Deze infraroodscanners monitoren continu de temperatuur van het asfalt tijdens het spreiden.

Bron: Moba
Figuur 1: Infraroodscanner op asfaltmachine.

In dit project ontwikkelt het OCW een gestandaardiseerde objectieve methodiek om de grote hoeveelheid data afkomstig van de scanners op een efficiënte manier te verwerken. De inzichten in de temperatuurdata kunnen zowel bijdragen tot procesoptimalisatie bij de aannemer, als nauwgezette controle bij de wegbeheerder, wat de algemene kwaliteit van de uitvoering ten goede komt.

Aanpak
In een eerste fase werd de geschikte tool (software) gezocht om de data te verwerken. VETA werd hier als meest geschikte tool bevonden. Veta is een, vrij verkrijgbare, geospatiale softwaretool voor Intelligent Construction Data Management (ICDM). De functionaliteit omvat het visualiseren en analyseren van data afkomstig van intelligente bouwtechnologieën. Het grote voordeel aan VETA is dat deze software alle verschillende dataprotocollen van de verschillende productleveranciers kan inlezen.

Spitsstrook E313
De aanleg van de spitsstrook op de E313 werd door AWV ter beschikking gesteld om de ontwikkelde methodiek af te toetsen. Het gebruik van de IR-scanners werd hiervoor opgenomen in het bijzonder bestek. Door de grootschaligheid van dit project, 21 asfalteringsdagen, werden er veel data gegenereerd om de methodiek te valideren. Tijdens deze validatie is gebleken dat enkele aanpassingen onvermijdelijk waren om tot een ontegensprekelijk resultaat te komen.

De methode
De geregistreerde data dienen eerst te worden gefilterd voor ze kunnen worden geanalyseerd. Gegevens filteren is een krachtige en essentiële functie van de software VETA. De overbreedte en ongewenste objecten (personen, riooldeksels,…), die aanleiding kunnen geven tot een verkeerde interpretatie, worden uit het temperatuurbeeld gefilterd. Ook de overlap wanneer er gestaffeld wordt aangelegd kan via de krachtige filters weggenomen worden.

Uit het onderzoek is gebleken dat het definiëren van een risico oppervlaktetemperatuur zeer moeilijk is daar er een aanzienlijk verschil is tussen de temperatuur gemeten aan het oppervlak en de temperatuur in het midden van de laag. Daarnaast zijn er veel parameters, die men niet in de hand heeft, die deze temperatuur kunnen beïnvloeden, zoals omgevingstemperatuur, windsnelheid en weersomstandigheden.

Literatuur (1) heeft aangewezen dat variatie in temperatuur een beduidende invloed heeft op de homogeniteit van de dichtheid van het asfalt. Variaties in dichtheid hebben een rechtstreekse impact op de duurzaamheid van het aangelegde asfalt. Daarom wordt er in de nieuwe methodiek vooral gekeken naar de variaties in de temperatuur. Meer bepaald worden de potentiële risico’s volgend uit de variaties in de temperatuur bij aanleg blootgelegd. Deze potentiële risico’s kunnen beoordeeld worden aan de hand van enkele parameters die berekend worden door de software.

De parameters kunnen globaal over de volledige uitvoering bepaald worden of per deelvak. Op basis van de analyses van de data van de use case, van de E313, en de vele bestaande data werden volgende parameters als eerste richtlijn gedefinieerd:

• Histogram:
  Het histogram is een zeer algemene maar visuele indicator van de spreiding van de temperatuur gedurende de uitvoering. Het histogram geeft een eerste beeld. Het is echter niet mogelijk om lokale afwijkingen te identificeren via het histogram.

figuur 3: Voorbeeld van een smal en breed histogram

• De Standaardafwijking:
  De standaardafwijking of standaarddeviatie is een rekenkundige maat voor de spreiding van de data ten opzichte van het gemiddelde. Als richtwaarde wordt hier 10 genomen. Indien de standaarddeviatie meer dan 10 bedraagt, voor de globale analyse, dan is de spreiding over de volledige uitvoering buiten tolerantie. Via de globale analyse is het echter niet mogelijk te achterhalen of het over lokale problemen gaat of over een globaal probleem. Daarom is het aangewezen om de analyse op te delen in deelvakken. Indien de standaarddeviatie voor een deelvak meer dan 10 bedraagt dan is er in dat deelvak een spreiding die buiten tolerantie ligt.

• De Variatiecoëfficiënt (CoV%):
  Is eveneens een rekenkundige maat voor de spreiding van de temperatuur ten opzichte van het gemiddelde. De variatiecoëfficiënt wordt berekend door de standaarddeviatie te delen door het gemiddelde, en wordt uitgedrukt in %.

Het onderzoek heeft aangetoond dat wanneer de CoV ≥ 9 % de spreiding te hoog is en bij gevolg buiten tolerantie is. De software berekend de CoV voor zowel de gllobale analyse als voor de deelvakken.

Figuur 4: Overzicht parameters per deelvak van 50m

• DRS (differential Range Statistics):
  DRS is een numerieke waarde die de eigenlijke spreidingsrange (verschil min en max waarde) binnen een deelvak aangeeft. Er worden drie niveaus van DRS gedefinieerd:

Figuur 5: overzicht DRS-waarden.
DRS tot 30°C wordt als laag beschouwd, tussen 30°C en 45°C wordt als gemiddelde beschouwd en een DRS van meer dan 45°C wordt als ernstig beschouwd.

Wanneer één van de bovenstaande parameters buiten tolerantie is, is het raadzaam om de bewuste zone te identificeren en in detail te onderzoeken om de mogelijke oorzaken te bepalen.

Mogelijke oorzaken kunnen worden onderzocht door de temperatuurdata te bekijken in functie van de snelheid van de asfaltspreidmachine (stilstanden), of de data uit de weersensoren. Plotse weersveranderingen kunnen aanleiding geven tot grotere temperatuurvariaties (zie figuur 6).