Ottimizzazione data-driven degli stati di ricoprimento in asfalto sostenibili mediante machine learning e valutazione dei costi del ciclo di vita

Circa il 15% di crumb rubber e un contenuto di legante bituminoso compreso tra il 4,8% e il 5,0%: sono questi i dosaggi che restituiscono il miglior equilibrio tra prestazioni meccaniche ed efficienza economica nelle miscele bituminose modificate con gomma riciclata destinate ai sovrallassi stradali. A individuarli è stato un gruppo di ricerca che ha integrato algoritmi di machine learning con valutazioni economiche e ambientali di ciclo di vita, applicando il metodo a un dataset sperimentale di miscele convenzionali e modificate con crumb rubber (CR). I risultati sono pubblicati sulla rivista CivilEng (MDPI).

Il crumb rubber tra prestazioni e costi di produzione

La domanda di materiali sostenibili per le pavimentazioni ha orientato l’attenzione della tecnica stradale verso le miscele contenenti crumb rubber, la gomma granulata ottenuta dal riciclo. La modifica con CR migliora il comportamento meccanico e la durabilità della miscela, ma porta con sé due penalizzazioni: costi di produzione iniziali più alti e una maggiore richiesta di energia. Il nodo operativo diventa quindi la quantificazione del compromesso. Quanto prestazione aggiuntiva si acquisisce, e a quale prezzo, sull’intera vita della pavimentazione?

Da un dataset di laboratorio a quattro modelli predittivi

Il quadro di lavoro sviluppato dagli autori unisce apprendimento automatico e analisi economica per individuare l’equilibrio ottimale tra prestazioni e costi nelle miscele bituminose modificate con CR destinate agli overlay. La base dati sperimentale comprende miscele di riferimento e miscele trattate, impiegate per addestrare e validare quattro famiglie di algoritmi: Random Forest (RF), Gradient Boosting (GB), reti neurali artificiali (ANN) e regressione a vettori di supporto (SVR).

Sono i modelli RF e ANN a distinguersi per accuratezza predittiva, con un coefficiente di determinazione R² superiore a 0,98 sugli indicatori chiave di prestazione. Le grandezze stimate coprono gli aspetti essenziali del comportamento della miscela:

  • stabilità Marshall;
  • rapporto di resistenza a trazione (tensile strength ratio);
  • resistenza all’ornimentazione;
  • modulo resiliente.

Un livello di fedeltà di questo tipo rende i due modelli utilizzabili per stimare il comportamento della miscela a partire dalla sua composizione.

Un indice costo-prestazione ancorato ai costi di ciclo di vita

La previsione delle prestazioni non esaurisce la scelta. Per quantificare i trade-off tra comportamento meccanico ed efficienza economica, i ricercatori hanno formulato un indice costo-prestazione, denominato Cost-Performance Index (CPI), che incorpora l’analisi dei costi di ciclo di vita. Il passaggio ha una conseguenza pratica: l’onere di produzione iniziale, più elevato per le miscele con CR, viene valutato insieme ai benefici prestazionali che emergono lungo la vita utile, anziché restare l’unico termine di confronto.

Meno 96 kg di CO2 equivalente per tonnellata di miscela

L’analisi del ciclo di vita ambientale completa il quadro. La fase di produzione delle miscele con CR richiede più energia e genera emissioni maggiori, ma il bilancio complessivo dei gas serra resta in terreno favorevole: la riduzione netta risulta di circa 96 kg di CO2 equivalente per tonnellata di miscela. Le emissioni evitate nelle fasi successive del ciclo di vita superano quindi il maggior impatto produttivo, un esito che pesa nel confronto tra alternative di manutenzione del piano rotabile.

Contenuti di CR e legante: la zona di equilibrio

L’ottimizzazione converge su valori precisi: un contenuto di crumb rubber di circa il 15% e un dosaggio di legante bituminoso nell’intervallo 4,8-5,0% esprimono la condizione di miglior bilancio tra prestazioni e costi. Per chi specifica miscele in fase di progetto, si tratta di un riferimento quantitativo immediatamente utilizzabile. Più in generale, la sequenza che accompagna i risultati, dal dataset sperimentale ai modelli predittivi fino all’indice economico e alla valutazione ambientale, mostra come l’ottimizzazione guidata dai dati possa orientare la progettazione sostenibile delle pavimentazioni e sostenere l’economia circolare nelle costruzioni stradali.

Resta il merito principale del lavoro: aver riportato una scelta spesso confinata al prezzo a tonnellata su un terreno più ampio, quello del ciclo di vita, con modelli in grado di anticipare le prestazioni. È il tipo di evidenza che rende quantificabile, e quindi più solida in fase di progetto, l’impiego della gomma riciclata nelle pavimentazioni.

G. J. Kashesh, H. H. Joni, A. Dulaimi, A. J. Kaishesh, A. A. K. Al-Saeedi, T. P. Ribeiro, L. F. Almeida Bernardo, Data-Driven Optimization of Sustainable Asphalt Overlays Using Machine Learning and Life-Cycle Cost Evaluation, CivilEng, vol. 7, art. 1, doi: 10.3390/civileng7010001

Commenti

Lascia un commento

Il tuo indirizzo email non sarà pubblicato. I campi obbligatori sono contrassegnati *

Altri articoli