Ett entydigt resultat visar att tekniken för att kartlägga ytuppmjukning av grusvägar är möjligt via BiFi tekniken. Under del 1 av BiFi projektet har en algoritm och utrustning för att mäta ytuppmjukning tagits fram. För att kunna prognostisera statusen på vägarna är den modell som har tagits fram helt avgörande. För att avgöra i vilken grad den nya tekniken är användbar har referensmätningar varit en viktig del av projektet. Referensmätningarna har baserats på tekniken Dynamisk konpenetrometer (DCP). DCP är en vanlig metod internationellt men inte så vanlig i Sverige. Därför genomfördes mätning med fallviktsdeflektometer (FWD) med syftet att jämföra metoderna. Försöket visade att fallvikten inte lämpar sig att mäta vid de förhållanden som råder under tjällossningen då den höga vattenhalten i vägmaterialet orsakade felvärden. Visuell inspektion av vägytan är det vanligaste sättet att ge en bedömning av vägens tillstånd. Det finns dock svårigheter med att använda visuella medel för att förutse bärighetsproblem. En visuell kartering genomfördes längs sträckan i Sunne som vi senare testade med DCP och FWD. Totalt karterades 5km. Tillståndet på vägen delades upp i fyra klasser: Frusen väg (is på vägbanan), barmark (väg utan is och utan spårighet), uppmjukad väg och mycket uppmjukad väg. Resultatet från jämförelsen mellan DCP och visuell kartering visar på brister i den visuella metoden. Den visuella karteringen missar på flera ställen längs den 1km långa sträckan områden med låg bärighet och klassas som antingen torra eller lätt spåriga. Medan platser som har en hög bärighet klassas som hög spårighet. Detta synliggör bristerna som finns i en visuell metod. Det är svårt att se om vägen är mjuk eller hård, en frusen väg kan se spårig ut och en mjuk väg kan se hård ut. Till dessa problem skall läggas att det kan vara stor skillnad beroende på vem som karterar, vilket leder till stora osäkerheter i informationen som samlas in.

The BiFi project “Bearing information through vehicle intelligence” has proven that the technology to map the load –bearing strength of roads by a vehicle-based method is possible. Combining the vehicle data with weather observations and forecasted weather data it is possible to model and forecast the road status according to bearing strength. The results are based on field tests in a rough and real environment for determining the load-bearing strength of the roads. Roads with a high load-bearing capacity are essential for harvesting natural resources in Sweden and to help keep the countryside open and prosperous. During periods in the spring when the ground frost thaws the load bearing capacity of the forest roads is greatly reduced, leading to road closure. Subsequently it is not possible to use the roads for transporting heavy goods such as lumber. In order to decrease the costly consequences of road closure the lumber industry needs to build up large stocks and to plan their transport in such a way that secondary stocks can be used. It has been calculated by SkogForsk that these measures cost the industry an extra 650 million a year. A tool for judging the load-bearing capacity of the road network in a detailed and dynamic way would considerably help to change the current strategy and possibly save the industry significant amounts. The aim of the present project is to develop a vehicle-based method for determining the load-bearing strength of the roads. The results from the BiFi 1 were shown to be very successful. The technology to use vehicles to detect the bearing strength of gravel roads is useful. In part 1 of the BiFi an algorithm has been developed based on collected real-time data from a vehicle’s standard sensors.