Prognosmetoder för spårdjup och IRI : vägytedata 1997–2016

Rapporten presenterar ett förslag till en prognosmetod för framtida värden av spårdjup och IRI på det belagda statliga vägnätet samt olika mått på prognosnoggrannhet. Metoden kan även användas för att fylla i saknade värden bakåt i tiden. En tidigare VTI rapport inom samma område kom fram till att ett prognosunderlag endast ska innehålla information om utvecklingen lokalt och baserade sin prognos på data endast från den senaste beläggningsomgången. En väsentlig förändring här är att metoden utvidgats till att inkludera data från tidigare beläggningsomgångar i prognosberäkningen, med redovisning av de för- och nackdelar som det medför. Andra delar, t.ex. hur data förbereds, har inte ändrats i någon större utsträckning. Resultaten blir i huvudsak att prognoser inte blir tydligt bättre generellt, inte heller tydligt sämre, av att ta med data från tidigare beläggningsomgångar. Det finns ändå en fördel med att ta med dem därför att fler sträckor över huvud taget kan få en prognos baserad på lokala förutsättningar.
This report presents a proposal for a prediction method for future values of rut depth and IRI on the paved state road network and various measures of forecast exactness. The method can also be used to fill in missing values backward in time. An earlier VTI report within the same area concluded that a prediction method should use only data about the development locally and based its prediction on data from the current pavement cycle only. A major difference here is that the method has been expanded to include data from previous pavement cycles in the prediction method, with presentation of the advantages and disadvantages that this entails. Other parts, e.g. how data is prepared, has not been changed in any great extent. The results are mainly that forecasts do not generally become clearly better, nor clearly worse, by including data from previous pavement cycles. There is nevertheless an advantage in including these data because that makes prediction based on local conditions possible for more sections.