Ce projet développe des modèles de jumeaux numériques afin de prédire la conformité et l’état d’entretien actuels et à venir des ponts répondant à des charges de trafic simulées réalistes et aux données de détection réelles. Il utilise une approche de modélisation probabiliste.
Les ponts routiers représentent une partie essentielle des réseaux de transport, formant des liens essentiels dans les goulets d’étranglement naturels et permettant la circulation continue des personnes et des marchandises à l’entrée, à la sortie et au travers des villes. Toutefois, l’analyse utilisée pour la conception et la planification de l’entretien de ces infrastructures indispensables est généralement effectuée à l’aide de modèles statiques et basée sur des schémas de circulation généraux. Cette analyse ne représente que des scénarios de charge de pointe et ne reflète pas les variations spatiales et temporelles des charges de trafic réelles. L’incertitude qui en résulte dans la prévision des charges peut conduire à une sur ingénierie dans la conception des ponts ainsi qu’à une planification de l’entretien non optimale. En outre, comme les techniques d’analyse actuelles ne modélisent que les charges maximales, elles ne peuvent pas être utilisées pour prédire l’état d’entretien des ponts en raison de la fatigue due aux chargements et déchargements répétés du pont au fil du temps.
Cette recherche va au-delà de ces limitations en développant des jumeaux numériques intelligents qui peuvent simuler la réponse d’un pont à des scénarios réalistes de charge de trafic. Ces modèles combinent deux éléments principaux : (i) un modèle de simulation du trafic qui exploite des données détaillées de comptage et de pesage en mouvement pour générer des charges de trafic en fonction du temps, et (ii) un modèle structurel détaillé qui prédit la conformité et l’état de maintenance d’un pont pour différents modèles de charge maximale et cyclique. Le jumeau numérique intelligent est destiné à être généralisé à tout pont ou réseau de ponts pour lequel des données pertinentes existent. Cela permettra d’utiliser ces modèles dans le cadre d’une approche intégrée pour étudier la vulnérabilité des infrastructures et la gestion multirisque.
| Investigateurs principaux |
Tim Hillel, Mathew Sjaarda, Eloise Hautecoeur |
| Sponsor | EPFL ENAC Research Clusters |
| Période | 2020-2022 |
| Laboratoires | TRANSP-OR, RESSLab, CNPA |