Prédiction de la condition des infrastructures à l'aide de l'apprentissage machine

 

James Goulet

École Polytechnique de Montréal

 

Domaine : fabrication et construction

Programme : Établissement de nouveaux chercheurs universitaires

Concours 2016-2017

Dans la majorité des pays développés, les infrastructures souffrent d'un sous-financement chronique. Le Québec ne fait pas exception, le vieillissement des infrastructures a conduit à un nombre alarmant de ponts étant dans une condition critique. La société a besoin de ses infrastructures afin de soutenir son développement économique. Comme le coût associé à l'entretien des infrastructures dépasse la capacité de payer des gouvernements, nous devons prolonger la vie des ouvrages existants.

Pour cela, il est nécessaire d'inspecter les structures fréquemment avec des ressources limitées. La recherche proposée s'inscrit dans un programme de recherche plus vaste visant à créer les bases théoriques pour des outils d'optimisation informatique permettant la prioritisation des ressources d'inspection et de l'entretien et étant applicable à l'échelle du réseau d'infrastructures Québécois. Cette proposition de recherche vise à financer un étudiant doctorant qui utilisera la théorie de l'apprentissage machine afin de créer un nouvel algorithme de classification capable de prédire la condition des infrastructures à partir de leurs caractéristiques.

D'importantes bases de données décrivant les caractéristiques des ponts du réseau québécois ainsi que les résultats d'inspection sont déjà disponibles en ligne. La taille de la base de données et la complexité des relations entre les propriétés et les résultats d'inspections font que ces données ne sont pas utilisées à leur plein potentiel. Des analyses statistiques des relations entre les propriétés des structures et les résultats d'inspections permettront de tirer un maximum d'informations des données afin de prédire la condition des structures et de guider l'allocation de ressources visant l'inspection et l'entretien.