Vägen mot automatiserade inspektioner och tillståndsbedömningar av tunnlar

I Sverige och internationellt har utbyggnaden av den befintliga transportinfrastrukturen pågått under många år. I tätbebyggda städer blir tunnlar, trots sin höga investeringskostnad, ett allt vanligare alternativ eftersom dessa begränsar påverkan på den befintliga stadsbilden och bebyggelsen. Tunnlar i hårt berg av god kvalitet förstärks vanligtvis med fiberarmerad sprutbetong i kombination med bergbultar. Sprutbetongen dimensioneras vanligen för att ta upp lokala laster som kan uppstå mellan grupper av bergbultar. För att upprätthålla en säker miljö för trafikanter måste tunnlar inspekteras regelbundet för att detektera skador i förstärkningen. Detta genomförs idag vanligen av ett team av inspektörer när tunneln är stängd. Processen är tidskrävande och bedömningen av tunnelns tillstånd riskerar att bli subjektiv. I takt med ett ökat antal tunnlar och att det befintliga beståndet åldras ökar behovet av inspektioner.

Mot bakgrund av detta finns det ett behov av att effektivisera inspektioner och tillståndsbedömningar av tunnlar. I denna föreläsning kommer jag att presentera pågående forskning som syftar till att delvis automatisera denna process och genomföra en storskalig demonstration av tekniken i fält. Digitala data i form av foton och punktmoln samlas in med ett mobilt datainsamlingssystem. Därefter används fotogrammetri och maskininlärning för att automatiskt upptäcka sprickor och bestämma deras storlek. Slutligen används numeriska simuleringar för att bedöma risken med befintliga sprickor.