Indice de l'état de la chaussée

Dans le monde d'aujourd'hui, Indice de l'état de la chaussée est devenu un sujet d'une grande importance et pertinence. De nombreuses personnes sont affectées d’une manière ou d’une autre par Indice de l'état de la chaussée, et c’est pourquoi il est essentiel d’aborder cette question sous différents angles. Dans cet article, nous approfondirons l'analyse de Indice de l'état de la chaussée, explorant ses implications, son évolution dans le temps et son impact sur la société actuelle. Grâce à une approche multidisciplinaire, nous chercherons à mieux comprendre Indice de l'état de la chaussée et à proposer de nouvelles perspectives et réflexions qui enrichiront le débat autour de ce sujet.

Les nids-de-poule sur une route entraînent un faible PCI

L'indice de l’état de la chaussée (PCI, pour l'anglais pavement condition index) est une façon reconnue pour mesurer l’état des chaussées. Cet indice mesure la qualité du roulement et les manifestations de détérioration des routes. Elle varie entre 0 et 100. Une nouvelle route a un PCI de 100. Elle commence à se dégrader avec le temps et à atteindre 0. Le PCI est largement utilisé dans la modélisation des performances des chaussées,.

Histoire

L'indice de l'état de la chaussée a été introduit pour la première fois par l'armée américaine,,. De nos jours, la collecte et le calcul du PCI sont normalisés par l'ASTM International dans deux documents: ASTM D6433 et ASTM D5340.

Méthode de calcul

Tous les défauts de la route doivent être identifiés pour calculer le PCI. Certains des défauts de chaussée les plus importants nécessaires pour le calcul PCI sont les suivants,.

Catégorisation

L'ASTM classe les valeurs PCI en sept classes,.

Gamme de PCI Classe
85-100 Bien
70-85 Satisfaisant
55-70 Juste
40-55 Pauvre
25-40 Très pauvre
10-25 Sérieux
0-10 Échoué

Références

  1. a b et c (en) S. Madeh Piryonesi et Tamer E. El-Diraby, « Data Analytics in Asset Management: Cost-Effective Prediction of the Pavement Condition Index », Journal of Infrastructure Systems, vol. 26, no 1,‎ , p. 04019036 (ISSN 1076-0342 et 1943-555X, DOI 10.1061/(ASCE)IS.1943-555X.0000512, lire en ligne, consulté le )
  2. a et b (en) S. Madeh Piryonesi et Tamer E. El-Diraby, « Role of Data Analytics in Infrastructure Asset Management: Overcoming Data Size and Quality Problems », Journal of Transportation Engineering, Part B: Pavements, vol. 146, no 2,‎ , p. 04020022 (ISSN 2573-5438 et 2573-5438, DOI 10.1061/JPEODX.0000175, lire en ligne, consulté le )
  3. « TRIS Online: DEVELOPMENT OF A PAVEMENT CONDITION INDEX FOR ROADS AND STREETS », sur web.archive.org, (consulté le )
  4. « Pickle, R. (2012). La durabilité des infrastructures exige l’adoption d’un plan à long terme, L’ingénieur Civil Canadi »
  5. « Piryonesi, S.M., 2019. The Application of Data Analytics to Asset Management: Deterioration and Climate Change Adaptation in Ontario Roads (Doctoral dissertation). »
  6. a et b Way, N.C., Beach, P., and Materials, P. 2015. ASTM D 6433–07: Standard Practice for Roads and Parking Lots Pavement Condition Index Surveys.
  7. S. M. Piryonesi et T. El-Diraby, « Using Data Analytics for Cost-Effective Prediction of Road Conditions: Case of The Pavement Condition Index:[summary report] » [archive du ], sur National Transportation Library Repository & Open Science Access Portal, United States. Federal Highway Administration. Office of Research, Development, and Technology.,