Publications
Change search
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf
Asphalt layer rutting performance prediction tools
Swedish National Road and Transport Research Institute, Infrastructure, Pavement Technology.ORCID iD: 0000-0002-6327-4709
Nynäs AB.
Swedish National Road and Transport Research Institute, Infrastructure, Pavement Technology.ORCID iD: 0000-0002-6308-7487
2018 (English)Report (Other academic)Alternative title
Asfaltbeläggningars spårtillväxt prognostiseringsverktyg (Swedish)
Abstract [en]

Flexible pavement rutting due to permanent deformation accumulation in asphalt layers is one of the most common modes of road failures. In addition to creating high maintenance costs, rutting is a major concern for traffic safety, as the rut development increases the risk of hydroplaning and introduce difficulties in vehicle steering. In this context, accurate methodologies for pavement rutting performance prediction are crucial for decision support in pavement design and rehabilitation. In particular, better rutting performance models are needed to evaluate, new asphalt materials as well as to evaluate the impact of different vehicle types on roads’ service life.

The main goal of this report is to present a summary of the existing asphalt rutting performance prediction tools. The present review is limited to available and/or frequently referred to tests and models with an established link to field rutting performance. Accordingly, models focusing solely on permanent deformation on the material level are beyond the framework of the present study.

Road structure and its materials, heavy vehicle parameters and climate affecting rutting accumulation in the field are identified. Their significance has been evaluated based on the experimental and numerical findings reported in the literature. Several rutting performance prediction models recently proposed in the literature are summarized along with the material characterization tests used in the models. The reviewed models’ capability to quantify the influence of various structural, material and traffic parameters on the pavement’s rutting performance is examined.

It is concluded that implementation of rutting performance models incorporating experimentally measured viscoelastic and permanent deformation properties of asphalt mixtures is a promising way to improve the accuracy of pavement performance predictions. In particular since they allow the effect of novel materials, e.g. polymer-modified, on the pavement’s rutting performance to be quantified.

Abstract [sv]

Spårbildning i bitumenbundna beläggningar är en av de vanligaste vägskadorna. Utöver de höga underhållskostnaderna orsakar detta ett stort problem för trafiksäkerheten, eftersom risken för vattenplaning ökar och fordonsstyrningen försvåras. Noggranna och praktiska metoder för prediktering av spårutveckling är avgörande för beslutsstöd i dimensionering och rehabilitering av vägar. Bättre spårmodeller behövs också för att utvärdera nya massabeläggningar samt för att kunna utvärdera effekterna av olika fordonstyper på vägarnas livslängd.

Huvudsyftet med denna rapport är att presentera en sammanfattning av de tillgängliga och praktiska modellerna för prognostisering av spårtillväxt i asfaltlager. Den aktuella litteraturstudien är begränsad till tillgängliga och/eller ofta refererade modeller som validerats mot vägars prestanda. Följaktligen ligger modeller som enbart fokuserar på permanent deformation på materialnivå bortom ramen för föreliggande studie.

Vägkonstruktioner och dess material, trafikparametrar och klimatinverkan som påverkar spårbildning i fält har identifierats. Deras betydelse har utvärderats utifrån de experimentella och numeriska rön som rapporterats i litteraturen. Flera modeller som under senare år föreslagits i litteraturen har sammanfattats tillsammans med de materialkarakteriseringstester som används i modellerna. De granskade modellernas förmåga att kvantifiera påverkan av olika konstruktions-, material- och trafikparametrar på spårtillväxt hos vägar utvärderas.

Det konstateras att implementering av spårmodeller som innehåller experimentellt uppmätta viskoelastiska och permanenta deformationsegenskaper för asfaltblandningar, är en lovande metodik att förbättra noggrannheten i prognostisering av vägars spårutveckling. I synnerhet eftersom de tillåter kvantifiering av effekten av nya material, t.ex. polymermodifierad, på vägens motstånd mot spårbildning.

Place, publisher, year, edition, pages
Linköping: Statens väg- och transportforskningsinstitut, 2018. , p. 52
Series
VTI rapport, ISSN 0347-6030 ; 968A
Identifiers
URN: urn:nbn:se:vti:diva-12810OAI: oai:DiVA.org:vti-12810DiVA, id: diva2:1194150
Available from: 2018-03-29 Created: 2018-03-29 Last updated: 2018-04-03Bibliographically approved

Open Access in DiVA

fulltext(2981 kB)158 downloads
File information
File name FULLTEXT02.pdfFile size 2981 kBChecksum SHA-512
2304fdc66d173feb1424d9154c0d1069d214accd6175ed0bfcd410734a14d5f95759f9c1b97303c2ee80632047be727427f667f8e5ed443ffb9fa1b24514a19e
Type fulltextMimetype application/pdf

Authority records BETA

Ahmed, Abubeker WSaid, Safwat F.

Search in DiVA

By author/editor
Jelagin, DenisAhmed, Abubeker WSaid, Safwat F.
By organisation
Pavement Technology

Search outside of DiVA

GoogleGoogle Scholar
Total: 176 downloads
The number of downloads is the sum of all downloads of full texts. It may include eg previous versions that are now no longer available

urn-nbn

Altmetric score

urn-nbn
Total: 198 hits
CiteExportLink to record
Permanent link

Direct link
Cite
Citation style
  • apa
  • harvard1
  • ieee
  • modern-language-association-8th-edition
  • vancouver
  • Other style
More styles
Language
  • de-DE
  • en-GB
  • en-US
  • fi-FI
  • nn-NO
  • nn-NB
  • sv-SE
  • Other locale
More languages
Output format
  • html
  • text
  • asciidoc
  • rtf