Assessment of Frost Depth Prediction Methods for Ontario Transportation Infrastructure

RÉSUMÉ: La connaissance de la profondeur maximale de gel sous la chaussée des routes de l'Ontario et des structures telles que les ponts et les ponceaux est essentielle lors de la conception technique et de l'évaluation de la performance. Le ministère des Transports de l'Ontario (MTO) a investi dans la recherche afin de mieux comprendre les facteurs clés, tels que les conditions climatiques et les propriétés physiques, mécaniques et thermodynamiques du sol, pour prédire la profondeur maximale de gel sous ses routes et structures associées. L'étude catégorise et évalue diverses approches de modélisation de la profondeur de gel, notamment des modèles analytiques, empiriques, numériques et mécanistes-empiriques, en analysant leurs forces, leurs limites et leur applicabilité à divers scénarios. Les données climatiques et de température souterraine provenant des systèmes d'information météorologique routière (RWIS) et des stations d'ajustement de la charge des ressorts (SLA), exploitées par le MTO, ont été utilisées pour évaluer la fiabilité des modèles empiriques et mécanistes-empiriques existants. Les résultats soulignent la nécessité de mettre à jour les cartes d'indice de gel cumulatif à l'aide de données climatiques contemporaines et de réviser les approches existantes afin d'améliorer la précision des prévisions de la profondeur de gel. Cette étude souligne l’importance d’intégrer les tendances climatiques récentes et les techniques de modélisation avancées pour améliorer les évaluations de la profondeur du gel, soutenant ainsi une meilleure prise de décision dans la conception et la gestion de l’ingénierie des régions froides.

ABSTRACT: Knowledge of the maximum frost depth beneath the pavement of Ontario highways and for structures such as bridges and culverts is essential during engineering design and in assessing performance. The Ontario Ministry of Transportation (MTO) has invested in research to better understand the key factors such as climatic conditions, soil physical, mechanical and thermodynamic properties in predicting the maximum frost depth beneath their highways and associated structures. The study categorizes and evaluates various frost depth modeling approaches, including analytical, empirical, numerical, and mechanistic-empirical models, discussing their strengths, limitations, and applicability to diverse scenarios. Climatic and subsurface temperature data from Road Weather Information Systems (RWIS) and Spring Load Adjustment (SLA) stations, operated by MTO, were utilized to assess the reliability of existing empirical and mechanistic-empirical models. The findings emphasize the need to update cumulative freezing index maps using contemporary climate data and to revise existing approaches for improved frost depth prediction accuracy. This study highlights the importance of integrating recent climatic trends and advanced modeling techniques to enhance frost depth assessments, ultimately supporting better decision-making in cold region engineering design and management.