Abstract: Bitumenbundna lagers prestanda och beständighet påverkas negativt av vatten och fukt i väg. Det kan orsaka stora kostnader för samhället. Forskning visade att en betydande del av vägavsnitten behöver tidiga underhållsåtgärder oavsett trafikvolym på grund av fuktrelaterade skador. Information om fukttillståndet i vägen är därför avgörande och utgör en av de viktigaste parametrar i vägdimensioneringsverktyget. En hållbar vägdimensionering kräver också korrekt data om den säsongsmässiga fuktfördelningen i vägkroppen, vilket i sin tur kräver en effektiv modelleringsmetod. Dessutom är det också nödvändigt att övervaka fuktförhållandena, helst med hjälp av en oförstörande och kontinuerlig metod, för att välja lämpliga underhållsåtgärder. Vidare är förståelse för fuktförhållandena kritiskt för att noggrant tolka automatiska vägtillståndsmätningar, särskilt under våren (tjällossningsperiod) när vägarna uppvisar den lägsta bärigheten på grund av ökade fuktnivåer. Syftet med denna studie är att undersöka och utveckla en analytisk modell för att förutsäga den säsongsmässiga fördelningen av fukt i vägkroppen, främst i obundna lager. Vidare undersöker studien också ett oförstörande tillvägagångssätt med användning av georadar för att mäta eller detektera vägens fuktighetsprofil.Abstract: Asphalt pavement performance is profoundly impacted by the presence of water and moisture in the road, resulting in substantial costs to society. Research showed that significant portion of the road sections need early maintenance measures regardless of traffic volume due to moisture-related damages. Information regarding the moisture condition of pavement layers is thus vital and it is one of the key inputs in the pavement design and maintenance processes. The design of resilient and sustainable pavement also requires an accurate data regarding the seasonal moisture distribution of pavement layers which in turn needs an efficient prediction and modeling approach. Additionally, monitoring moisture conditions, preferably using a non-destructive continuous method, is also necessary for selecting appropriate maintenance intervention. Furthermore, understanding moisture conditions is critical for accurately interpreting automatic road condition measurements, especially during the spring (thawing) when the roads exhibit the lowest load bearing capacity due to in-creased levels of moisture. The main objective of this study is to investigate and develop analytical model for predicting the seasonal distribution of moisture in pavement layers mainly in unbound granular and subgrade layers. Furthermore, the study also investigates a non-destructive approach using the GPR for measuring or detecting the moisture profile of road.