Road infrastructures represent a critical component of urban mobility systems, as their functional condition directly affects safety, traffic performance, and the economic sustainability of maintenance operations. Traditional monitoring still relies on resource-intensive surveys such as visual inspections, profilometric measurements, or LiDAR acquisitions. These approaches provide high-quality data but are costly, spatially fragmented, and temporally infrequent, which limits the ability of Pavement Management Systems (PMS) to detect early deterioration and to support preventive maintenance. The increasing availability of connected vehicles and onboard sensing technologies has enabled the continuous generation of Floating Car Data (FCD), offering large-scale observations of vehicle–pavement interactions. The literature shows, however, that FCD applications remain predominantly traffic-oriented, with limited contributions to pavement condition monitoring. The thesis addresses this gap by developing a methodological framework that integrates accelerometric signals, computer-vision detections, and geometric descriptors of the road network. The approach is based on segment-level spatial harmonisation, redundancy-aware multi-sensor fusion, and a safety-anchored calibration model using non-negative count regression. Approximately 74,000 accelerometric events and more than 63,000 image-based detections were collected and harmonised across the urban network of Brescia. FCD-derived shocks (Type 1–4) and vision-based anomalies (D00–D40) were fused while controlling for systematic distortions associated with functional elements such as manholes (D50). Statistical analyses, including PCA, correlation matrices, and co-occurrence patterns, supported the identification of redundant and independent signals. A composite deterioration indicator was developed by assigning interpretable weights derived from regression models and validated through macro- and micro-scale verification. The results confirm that connected vehicles can operate as distributed sensing platforms capable of extending the spatial and temporal coverage of road-condition monitoring beyond the limits of traditional surveys. The fused indicator exhibits stable deterioration patterns aligned with functional road hierarchies, and its positive association with near-miss and crash frequencies supports its relevance for safety assessment. The methodological contribution lies in the systematic integration of heterogeneous sensing sources within a coherent fusion architecture, providing an operational and scalable tool for PMS. The framework is transparent, reproducible, and adaptable, and represents a foundation for proactive and data-driven road-maintenance strategies.

Le infrastrutture stradali rappresentano una componente fondamentale dei sistemi di mobilità urbana, poiché il loro stato funzionale influisce direttamente sulla sicurezza, sulle prestazioni del traffico e sulla sostenibilità economica delle operazioni di manutenzione. Il monitoraggio tradizionale si basa ancora su rilievi ad alta intensità di risorse, quali ispezioni visive, misure profilometriche o acquisizioni LiDAR. Questi approcci forniscono dati di alta qualità ma risultano costosi, spazialmente frammentati e temporalmente poco frequenti, limitando così la capacità dei Pavement Management Systems (PMS) di rilevare precocemente i fenomeni di degrado e di supportare strategie di manutenzione preventiva. La crescente disponibilità di veicoli connessi e di tecnologie di sensing a bordo ha reso possibile la generazione continua di Floating Car Data (FCD), offrendo osservazioni su larga scala delle interazioni veicolo–pavimentazione. La letteratura mostra tuttavia che le applicazioni FCD restano prevalentemente orientate al traffico, con contributi limitati al monitoraggio dello stato della pavimentazione. La tesi affronta questo gap sviluppando un framework metodologico che integra segnali accelerometrici, rilevazioni di computer vision e descrittori geometrici della rete stradale. L’approccio si basa su un’armonizzazione spaziale a livello di segmento, su una data fusion multisensore attenta alla ridondanza e su un modello di calibrazione ancorato alla sicurezza, fondato su regressioni per conteggi non negativi. Sono stati raccolti e armonizzati circa 74.000 eventi accelerometrici e oltre 63.000 rilevazioni da immagini sull’intera rete urbana di Brescia. Gli shock derivati da FCD (Type 1–4) e le anomalie visive (D00–D40) sono stati fusi controllando le distorsioni sistematiche associate a elementi funzionali quali i chiusini (D50). Analisi statistiche, incluse PCA, matrici di correlazione e pattern di co-occorrenza, hanno supportato l’identificazione di segnali ridondanti e indipendenti. È stato sviluppato un indicatore composito di degrado assegnando pesi interpretabili derivati da modelli di regressione, successivamente validato tramite verifiche su scala macro e micro. I risultati confermano che i veicoli connessi possono operare come piattaforme di sensing distribuito in grado di estendere la copertura spaziale e temporale del monitoraggio delle condizioni stradali oltre i limiti dei rilievi tradizionali. L’indicatore fuso mostra pattern di degrado stabili e coerenti con le gerarchie funzionali della rete, e la sua associazione positiva con quasi-incidenti e sinistri stradali ne conferma la rilevanza ai fini della valutazione della sicurezza. Il contributo metodologico risiede nell’integrazione sistematica di fonti di sensing eterogenee all’interno di un’architettura di fusion coerente, che fornisce uno strumento operativo e scalabile per i PMS. Il framework è trasparente, riproducibile e adattabile, e rappresenta una base per strategie di manutenzione stradale proattive e data-driven.

From Floating Car Data to Pavement Management System: a methodological framework for the construction of an Intervention Priority Index through multi-source data fusion / Siverio, S.. - (2026 Apr 01).

From Floating Car Data to Pavement Management System: a methodological framework for the construction of an Intervention Priority Index through multi-source data fusion

SIVERIO, SARA
2026-04-01

Abstract

Road infrastructures represent a critical component of urban mobility systems, as their functional condition directly affects safety, traffic performance, and the economic sustainability of maintenance operations. Traditional monitoring still relies on resource-intensive surveys such as visual inspections, profilometric measurements, or LiDAR acquisitions. These approaches provide high-quality data but are costly, spatially fragmented, and temporally infrequent, which limits the ability of Pavement Management Systems (PMS) to detect early deterioration and to support preventive maintenance. The increasing availability of connected vehicles and onboard sensing technologies has enabled the continuous generation of Floating Car Data (FCD), offering large-scale observations of vehicle–pavement interactions. The literature shows, however, that FCD applications remain predominantly traffic-oriented, with limited contributions to pavement condition monitoring. The thesis addresses this gap by developing a methodological framework that integrates accelerometric signals, computer-vision detections, and geometric descriptors of the road network. The approach is based on segment-level spatial harmonisation, redundancy-aware multi-sensor fusion, and a safety-anchored calibration model using non-negative count regression. Approximately 74,000 accelerometric events and more than 63,000 image-based detections were collected and harmonised across the urban network of Brescia. FCD-derived shocks (Type 1–4) and vision-based anomalies (D00–D40) were fused while controlling for systematic distortions associated with functional elements such as manholes (D50). Statistical analyses, including PCA, correlation matrices, and co-occurrence patterns, supported the identification of redundant and independent signals. A composite deterioration indicator was developed by assigning interpretable weights derived from regression models and validated through macro- and micro-scale verification. The results confirm that connected vehicles can operate as distributed sensing platforms capable of extending the spatial and temporal coverage of road-condition monitoring beyond the limits of traditional surveys. The fused indicator exhibits stable deterioration patterns aligned with functional road hierarchies, and its positive association with near-miss and crash frequencies supports its relevance for safety assessment. The methodological contribution lies in the systematic integration of heterogeneous sensing sources within a coherent fusion architecture, providing an operational and scalable tool for PMS. The framework is transparent, reproducible, and adaptable, and represents a foundation for proactive and data-driven road-maintenance strategies.
1-apr-2026
Le infrastrutture stradali rappresentano una componente fondamentale dei sistemi di mobilità urbana, poiché il loro stato funzionale influisce direttamente sulla sicurezza, sulle prestazioni del traffico e sulla sostenibilità economica delle operazioni di manutenzione. Il monitoraggio tradizionale si basa ancora su rilievi ad alta intensità di risorse, quali ispezioni visive, misure profilometriche o acquisizioni LiDAR. Questi approcci forniscono dati di alta qualità ma risultano costosi, spazialmente frammentati e temporalmente poco frequenti, limitando così la capacità dei Pavement Management Systems (PMS) di rilevare precocemente i fenomeni di degrado e di supportare strategie di manutenzione preventiva. La crescente disponibilità di veicoli connessi e di tecnologie di sensing a bordo ha reso possibile la generazione continua di Floating Car Data (FCD), offrendo osservazioni su larga scala delle interazioni veicolo–pavimentazione. La letteratura mostra tuttavia che le applicazioni FCD restano prevalentemente orientate al traffico, con contributi limitati al monitoraggio dello stato della pavimentazione. La tesi affronta questo gap sviluppando un framework metodologico che integra segnali accelerometrici, rilevazioni di computer vision e descrittori geometrici della rete stradale. L’approccio si basa su un’armonizzazione spaziale a livello di segmento, su una data fusion multisensore attenta alla ridondanza e su un modello di calibrazione ancorato alla sicurezza, fondato su regressioni per conteggi non negativi. Sono stati raccolti e armonizzati circa 74.000 eventi accelerometrici e oltre 63.000 rilevazioni da immagini sull’intera rete urbana di Brescia. Gli shock derivati da FCD (Type 1–4) e le anomalie visive (D00–D40) sono stati fusi controllando le distorsioni sistematiche associate a elementi funzionali quali i chiusini (D50). Analisi statistiche, incluse PCA, matrici di correlazione e pattern di co-occorrenza, hanno supportato l’identificazione di segnali ridondanti e indipendenti. È stato sviluppato un indicatore composito di degrado assegnando pesi interpretabili derivati da modelli di regressione, successivamente validato tramite verifiche su scala macro e micro. I risultati confermano che i veicoli connessi possono operare come piattaforme di sensing distribuito in grado di estendere la copertura spaziale e temporale del monitoraggio delle condizioni stradali oltre i limiti dei rilievi tradizionali. L’indicatore fuso mostra pattern di degrado stabili e coerenti con le gerarchie funzionali della rete, e la sua associazione positiva con quasi-incidenti e sinistri stradali ne conferma la rilevanza ai fini della valutazione della sicurezza. Il contributo metodologico risiede nell’integrazione sistematica di fonti di sensing eterogenee all’interno di un’architettura di fusion coerente, che fornisce uno strumento operativo e scalabile per i PMS. Il framework è trasparente, riproducibile e adattabile, e rappresenta una base per strategie di manutenzione stradale proattive e data-driven.
From Floating Car Data to Pavement Management System: a methodological framework for the construction of an Intervention Priority Index through multi-source data fusion / Siverio, S.. - (2026 Apr 01).
File in questo prodotto:
File Dimensione Formato  
Siverio_Tesi.pdf

accesso aperto

Descrizione: TESI
Tipologia: Tesi di dottorato
Dimensione 33.53 MB
Formato Adobe PDF
33.53 MB Adobe PDF Visualizza/Apri

I documenti in IRIS sono protetti da copyright e tutti i diritti sono riservati, salvo diversa indicazione.

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/11379/656632
 Attenzione

Attenzione! I dati visualizzati non sono stati sottoposti a validazione da parte dell'ateneo

Citazioni
  • ???jsp.display-item.citation.pmc??? ND
  • Scopus ND
  • ???jsp.display-item.citation.isi??? ND
social impact