The analysis and design process of pavements is probabilistic as it involves many variabilities and uncertainties that arise from different sources. It is crucial to quantify and incorporate effects of these variabilities and uncertainties on predicted performance as this would allow to minimize the risk of premature failure. This report presents for Swedish condition a study on the variability characterization and modelling of pavement inputs and parameters. 

The characterization and modelling of inputs variability is a prerequisite for any probabilistic pavement performance evaluation. This study aims to systematically study and quantify for Swedish condition the variability associated with the inputs and parameters that are considered to have a significant impact on pavement performance. This provides the proper platform for the development of probabilistic-based tools for pavement performance evaluation and life cycle cost analysis (LCCA). For this purpose, a number of Swedish pavement sections with various design and functional requirements were selected and analysed. The selection was carried out in a manner that guarantees the inclusion of design features that are widely utilized in Sweden. The evaluated sections were comprised of experimental structures such as accelerated pavement testing (APT) and actual in-service pavements. The variability characterization and modelling was focused on those inputs that are considered to be significant such as traffic loading, layer modulus and layer thickness. In addition, based on availability of data, the variability associated with permanent deformation or rutting was performed. The analysed data was obtained through measurements such as falling weight deflectometer (FWD) for layer modulus, ground penetrating radar (GPR) and elevation level measurement for layer thickness, bridge weigh in motion (BWIM) for traffic and laser beam for surface rutting. For variability modelling, the full probability distribution approach which requires the first and second moments in addition to a probability density function (PDF) was utilized. Variability modelling was performed utilizing probability density functions such as normal, lognormal, gamma, Weibull, extreme value, and general extreme value. 

The results of the variability characterization have shown that the variability associated with Swedish roads can be described and modelled by a multiple of PDFs with a wide range in coefficient of variation (CV) level. It has also been observed that for the same input the variability level in terms of CV fluctuates depending on functional requirement of the pavement, data size and condition of the pavement. This can be used in future pavement variability characterizations to distinguish among the many factors that influence variability level and to prioritize those factors with significant influence. The estimated variability levels, which are preliminary estimates, can readily be inputted into probabilistic-based tools for the estimation of reliability.

Vid beläggningsanalyser och design av beläggningar bör man ha som utgångspunkt att beläggningarnas egenskaper är probabilistiska till sin natur. De påverkas av processer och förlopp som resulterar i variationer hos egenskaperna. Det är viktigt att kvantifiera och införliva denna variabilitet och övriga osäkerheter i designprocessen eftersom detta skulle kunna göra det möjligt för konstruktören att minska risken för tidiga fel. Denna rapport presenterar en studie om karaktärisering och modellering av variabiliteten av beläggningsindata för svenska vägar. 

För att göra en probabilistiskt baserad utvärdering av beläggningsprestanda behöver variabiliteten hos ingående data karaktäriseras. Denna studie syftar till att systematiskt studera och kvantifiera variabiliteten förknippad med de indata och parametrar som anses ha en betydande inverkan på beläggningsprestandan för svenska vägar. Detta är en förutsättning för att kunna utveckla probabilistiska verktyg för utvärdering av beläggningsprestanda och livscykelkostnader (LCCA). Ett antal svenska beläggningssektioner med olika design- och funktionskrav valdes ut och analyserades. Urvalet har genomförts på ett sätt som ger representation av olika designförhållanden som är vanligt förekommande i Sverige. Totalt identifierades 20 beläggningssektioner för vidare analys. Några av sektionerna består av experimentella strukturer där man utfört accelererad provning med Heavy Vehicle Simulator (HVS) och men merparten består av beläggningar under drift. 

Variabilitetskarakteriseringen och modelleringen fokuserades på de indata som ansågs vara signifikanta såsom trafikmängd, lagerstyvheter och lagertjocklekar. Beroende påtillgängligheten av data, utfördes analysen av variabiliteten associerad med permanent deformation eller spårutveckling. Lagerstyvheter erhölls genom fallviktsmätningar (FWD). Data om lagertjocklekar erhölls från mätningar med, markradar (GPR) eller från tjockleksmätningar. Trafikmängder och belastningsspektra för de analyserade sektionerna erhölls från närbelägna system BWIM (broviktsmätningar). Spårutvecklingen hos sektionerna erhölls från laserprofilmätningar. Vid variabilitetsmodelleringen användes metoden med fullständig sannolikhetsfördelning som krävde det första och andra momentet (medelvärde och varians) förutom en täthetsfunktion (PDF). Variabilitetsmodellering utfördes med täthetsfunktioner såsom normal, lognormal, gamma, Weibull, extremvärde och allmänt extremvärde. 

Resultaten har visat att ett antal täthetsfunktioner med en bred variationsnivå kan användas för att beskriva och modellera den variabilitet som är förknippad med svenska vägar. Det har också observerats att för samma indata varierar variationsnivån i termer av variationskoefficient (CV) beroende på funktionskraven på beläggningen, datastorlek och beläggningens tillstånd. Detta kan användas i framtida karakteriseringar för att skilja mellan de många faktorer som påverkar variationsnivån och för att prioritera mellan de faktorer som har betydande inflytande. De uppskattade variabilitetsnivåerna, som är preliminära uppskattningar, kan användas in i valfri probabilistisk baserad analys för att beräkna tillförlitlighet hos skattningarna.