Η ψηφιακή πλατφόρμα της ελβετικής Empa συγκεντρώνει δεδομένα δοκιμών ασφάλτου από ευρωπαϊκά εργαστήρια και αξιοποιεί μοντέλα μηχανικής μάθησης για την εκτίμηση βασικών ιδιοτήτων των ασφαλτικών μιγμάτων.
Μια νέα προσέγγιση στην αξιοποίηση εργαστηριακών δεδομένων για τον σχεδιασμό και την αξιολόγηση ασφαλτικών μιγμάτων αναπτύσσει η ερευνητική πλατφόρμα AsphaltMine, που δημιουργήθηκε στο εργαστήριο Concrete and Asphalt της ελβετικής Empa (Swiss Federal Laboratories for Materials Science and Technology).
Η πλατφόρμα συγκεντρώνει αποτελέσματα δοκιμών από εργαστήρια και ερευνητικούς φορείς σε μια κοινή ψηφιακή βάση δεδομένων, με στόχο τη συστηματική επεξεργασία και αξιοποίησή τους.
Σύμφωνα με τα στοιχεία που εμφανίζονται στον επίσημο ιστότοπό της, η AsphaltMine διαθέτει ήδη περισσότερα από 4.000 αποτελέσματα εργαστηριακών δοκιμών, συνεργάζεται με περισσότερους από πέντε συμμετέχοντες φορείς και προσφέρει δύο μοντέλα πρόβλεψης βασισμένα στη μηχανική μάθηση.
Η εφαρμογή παρουσιάστηκε στις 17 Νοεμβρίου 2026 από το Τεχνικό Επιμελητήριο Ελλάδας, με αναφορά στην επιστημονική δημοσίευση των Mohammad Abbas και Martins Zaumanis στο περιοδικό RILEM Technical Letters.
Μια ενιαία βάση εργαστηριακών δεδομένων
Βασικό πρόβλημα που επιχειρεί να αντιμετωπίσει η AsphaltMine είναι ο κατακερματισμός των εργαστηριακών αποτελεσμάτων που παράγονται κατά τον έλεγχο ασφαλτικών μιγμάτων.
Δεδομένα από δοκιμές διαφορετικών εργαστηρίων συχνά τηρούνται σε ξεχωριστά αρχεία και πληροφοριακά συστήματα, γεγονός που δυσκολεύει τη συγκριτική αξιολόγηση και την επαναχρησιμοποίησή τους σε ερευνητικές εφαρμογές.
Η AsphaltMine επιδιώκει τη δημιουργία μιας οργανωμένης βάσης, η οποία συνδέει τις ιδιότητες των επιμέρους υλικών, τη σύνθεση των μιγμάτων και τα αποτελέσματα των εργαστηριακών δοκιμών.
Η δομή των δεδομένων βασίζεται σε ευρωπαϊκές μεθόδους και πρότυπα δοκιμών, επιτρέποντας την καταγραφή της μεθοδολογίας, των συνθηκών εξέτασης και των βασικών παραμέτρων κάθε αποτελέσματος.
Ποιες εργαστηριακές δοκιμές περιλαμβάνονται
Η βάση έχει σχεδιαστεί ώστε να συγκεντρώνει στοιχεία από διαφορετικές κατηγορίες δοκιμών ασφαλτομιγμάτων, μεταξύ των οποίων:
- Wheel Tracking Test: Αξιολόγηση της αντίστασης σε μόνιμη παραμόρφωση και τροχοαυλάκωση.
- Marshall Test: Καταγραφή ευστάθειας και παραμόρφωσης ασφαλτομιγμάτων.
- Indirect Tensile Strength (ITS): Προσδιορισμός της έμμεσης εφελκυστικής αντοχής.
- Thermal Stress Restrained Specimen Test (TSRST): Εξέταση της συμπεριφοράς σε θερμικές καταπονήσεις και χαμηλές θερμοκρασίες.
- Uniaxial Tension Stress Test (UTST): Δοκιμή μονοαξονικού εφελκυσμού.
- Stiffness Tests: Προσδιορισμός χαρακτηριστικών δυσκαμψίας.
Παράλληλα, η βάση επιτρέπει την καταχώριση δεδομένων για την κοκκομετρική διαβάθμιση, την περιεκτικότητα σε συνδετικό υλικό, τις ιδιότητες της ασφάλτου, τα ανακυκλωμένα ασφαλτικά υλικά και τη σύνθεση των μιγμάτων.
Έτσι, κάθε εργαστηριακό αποτέλεσμα μπορεί να συσχετιστεί με τις ιδιότητες των υλικών και τις αναλογίες που χρησιμοποιήθηκαν.
Δύο διαθέσιμα εργαλεία πρόβλεψης
Πέρα από τη συλλογή δεδομένων, η AsphaltMine αξιοποιεί τη βάση για την εκπαίδευση μοντέλων μηχανικής μάθησης.
Στην παρούσα φάση προσφέρονται δύο κατηγορίες προβλέψεων.
Πρόβλεψη αποτελεσμάτων Marshall
Το πρώτο εργαλείο εκτιμά την ευστάθεια και την παραμόρφωση Marshall από τα χαρακτηριστικά του ασφαλτικού μίγματος.
Η προσέγγιση συνδέεται με ερευνητική εργασία στην οποία χρησιμοποιήθηκαν νευρωνικά δίκτυα με ενσωμάτωση φυσικών σχέσεων (physics-informed neural networks).
Πρόβλεψη πυκνότητας και κενών αέρα
Το δεύτερο εργαλείο, το οποίο ανακοινώθηκε στις 15 Οκτωβρίου 2026, αφορά την εκτίμηση της φαινόμενης πυκνότητας και του ποσοστού κενών αέρα.
Στην περίπτωση αυτή χρησιμοποιείται νευρωνικό δίκτυο που λαμβάνει υπόψη την αβεβαιότητα των εργαστηριακών μετρήσεων κατά την εκπαίδευση και αξιολόγησή του.
Με τον τρόπο αυτό επιχειρείται να συνυπολογιστούν οι διαφορές αξιοπιστίας μεταξύ διαφορετικών εργαστηριακών αποτελεσμάτων, αντί να αντιμετωπίζονται όλες οι μετρήσεις ως εξίσου ακριβείς.
Παρότι η βάση υποστηρίζει περισσότερες κατηγορίες δοκιμών, δεν υπάρχουν ακόμη διαθέσιμα μοντέλα πρόβλεψης για όλες αυτές τις δοκιμές.
Αναζήτηση, στατιστική ανάλυση και οπτικοποίηση
Η πλατφόρμα περιλαμβάνει επίσης εργαλεία εξερεύνησης και οπτικοποίησης των δεδομένων.
Οι χρήστες μπορούν να εξετάζουν κατανομές αποτελεσμάτων, μέσες τιμές, εύρη αβεβαιότητας και τον αριθμό των διαθέσιμων καταγραφών.
Παρέχονται ακόμη διαγράμματα συσχέτισης μεταξύ διαφορετικών παραμέτρων και πίνακας συσχετίσεων με συντελεστές Pearson και Spearman.
Το εργαλείο οπτικοποίησης είναι προσβάσιμο και χωρίς εγγραφή, ενώ οι εγγεγραμμένοι χρήστες έχουν πρόσθετες δυνατότητες φιλτραρίσματος, ανάλογα με τα δικαιώματα πρόσβασης.
Η συγκεκριμένη λειτουργία τέθηκε σε διάθεση του κοινού τον Αύγουστο του 2026.
Πώς συμμετέχουν τα εργαστήρια
Η καταχώριση δεδομένων μπορεί να πραγματοποιείται μέσω ηλεκτρονικής φόρμας ή με μαζική εισαγωγή αρχείων Excel βάσει προκαθορισμένου προτύπου.
Η AsphaltMine απευθύνεται σε ερευνητικά εργαστήρια, πανεπιστήμια και επιχειρήσεις που διαθέτουν εργαστηριακά αποτελέσματα ασφαλτικών μιγμάτων και ενδιαφέρονται να συμμετάσχουν στη δημιουργία μιας ευρύτερης βάσης δεδομένων.
Η πλατφόρμα προβλέπει διαφορετικά επίπεδα πρόσβασης και δυνατότητα διατήρησης μη δημοσιοποιημένων δεδομένων, σύμφωνα με τους όρους συνεργασίας κάθε φορέα.
Η συμμετοχή μπορεί επομένως να συμβάλει στην εκπαίδευση των μοντέλων, χωρίς να συνεπάγεται υποχρεωτικά δημόσια διάθεση όλων των εργαστηριακών αποτελεσμάτων.
Μπορεί η τεχνητή νοημοσύνη να περιορίσει τις εργαστηριακές δοκιμές;
Ένας από τους ερευνητικούς στόχους της AsphaltMine είναι η αξιοποίηση των μοντέλων πρόβλεψης κατά τον προκαταρκτικό σχεδιασμό ασφαλτικών μιγμάτων.
Η δυνατότητα εκτίμησης ιδιοτήτων από τη σύνθεση ενός μίγματος μπορεί να βοηθήσει στην αρχική σύγκριση εναλλακτικών συνταγών, στην επιλογή υποψήφιων συνθέσεων και στον περιορισμό δοκιμών που δεν είναι απαραίτητες κατά τα πρώτα στάδια ανάπτυξης.
Ωστόσο, οι προβλέψεις της μηχανικής μάθησης υπόκεινται σε περιορισμούς που σχετίζονται με την ποιότητα, την πληρότητα και την αντιπροσωπευτικότητα των δεδομένων εκπαίδευσης.
Η αξιοπιστία τους εξαρτάται επίσης από το κατά πόσο τα χαρακτηριστικά ενός νέου μίγματος αντιστοιχούν σε εκείνα για τα οποία έχουν συλλεχθεί επαρκή εργαστηριακά δεδομένα.
Τα μοντέλα δεν υποκαθιστούν αυτομάτως τις υποχρεωτικές εργαστηριακές δοκιμές, την πιστοποίηση υλικών ή τους ελέγχους συμμόρφωσης που προβλέπονται από τις ισχύουσες τεχνικές προδιαγραφές.
Η σημερινή χρησιμότητά τους εντοπίζεται κυρίως στην ερευνητική υποστήριξη και στην προκαταρκτική αξιολόγηση εναλλακτικών συνθέσεων.
Ερευνητική χρηματοδότηση και επιστημονική τεκμηρίωση
Η AsphaltMine αναπτύσσεται από τους Mohammad Abbas και Martins Zaumanis στο εργαστήριο Concrete and Asphalt της Empa.
Η ανάπτυξή της χρηματοδοτείται από το Swiss National Science Foundation, στο πλαίσιο του ερευνητικού έργου WEAVE με αριθμό 213163 και αντικείμενο τη συμπεριφορά πολυμερών σε ανακυκλωμένα ασφαλτικά υλικά.
Η δομή και οι δυνατότητες της πλατφόρμας παρουσιάζονται στη δημοσίευση AsphaltMine: The Asphalt Test Result Database for Performance Prediction, στο επιστημονικό περιοδικό RILEM Technical Letters, τόμος 11 (2026), σελίδες 149–161.
Η σημασία για τα οδικά έργα
Για τους μηχανικούς οδοποιίας, τα εργαστήρια δοκιμών και τις επιχειρήσεις παραγωγής ασφαλτικών μιγμάτων, η ανάπτυξη τέτοιων εργαλείων δημιουργεί νέες δυνατότητες αξιοποίησης δεδομένων που μέχρι σήμερα συχνά παραμένουν απομονωμένα.
Η συγκέντρωση αποτελεσμάτων από διαφορετικές πηγές μπορεί να ενισχύσει τη συγκριτική μελέτη υλικών, την ερευνητική αξιολόγηση συνθέσεων και την ανάπτυξη εργαλείων υποστήριξης του σχεδιασμού.
Ιδιαίτερο ενδιαφέρον παρουσιάζει η δυνατότητα ενσωμάτωσης δεδομένων για ανακυκλωμένα ασφαλτικά υλικά, καθώς η επαναχρησιμοποίηση υλικών αποκτά αυξανόμενη σημασία στην κατασκευή και συντήρηση οδικών υποδομών.
Η AsphaltMine δεν αποτελεί νέο τεχνικό πρότυπο ή σύστημα υποχρεωτικής πιστοποίησης. Είναι μια εξελισσόμενη ερευνητική υποδομή δεδομένων, η οποία επιχειρεί να συνδέσει τις παραδοσιακές εργαστηριακές μεθόδους με τις δυνατότητες της μηχανικής μάθησης.
Πηγές
- AsphaltMine — Επίσημη πλατφόρμα και διαθέσιμα εργαλεία:
https://asphaltmine.org/ - AsphaltMine — Παρουσίαση του ερευνητικού έργου, της βάσης δεδομένων και της συμμετοχής εργαστηρίων:
https://asphaltmine.org/about/ - AsphaltMine, 15/10/2026 — New prediction model: Air voids:
https://asphaltmine.org/new-prediction-model-air-voids/ - AsphaltMine, 31/08/2026 — Visualization tool is live:
https://asphaltmine.org/visualization-tool-is-live/ - Τεχνικό Επιμελητήριο Ελλάδας, 17/11/2026 — AsphaltMine: Ψηφιακή βάση δεδομένων για την αξιολόγηση και την πρόβλεψη της απόδοσης της ασφάλτου:
https://web.tee.gr/int-news/asphaltmine-psifiaki-vasi-dedomenon-gia-tin-axiologisi-kai/ - Abbas, M. & Zaumanis, M. (2026) — AsphaltMine: The Asphalt Test Result Database for Performance Prediction, RILEM Technical Letters, 11, 149–161.
DOI: https://doi.org/10.21809/rilemtechlett.2026.240 - AsphaltMine — Δημόσιο αποθετήριο κώδικα της εφαρμογής:
https://github.com/AsphaltMine/AM






