Detailergebnis zu DOK-Nr. 75738
Prognose der Fahrbahnebenheit als Verhaltensindikator unter Verwendung von historischen Daten und künstlicher Intelligenz (Orig. engl.: Predicting pavement roughness as a performance indicator using historical data and artificial intelligence)
| Autoren |
J. Lucey A. Fathi M. Mazari |
|---|---|
| Sachgebiete |
11.1 Berechnung, Bemessung, Lebensdauer 14.1 Griffigkeit, Rauheit |
Airfield and Highway Pavements 2019: Innovation and Sustainability in Highway and Airfield Technology: July 21-24, Chicago, Illinois - Selected papers from Sessions of the Proceedings of the International Airfield and Highway Pavements Conference. Reston, VA: American Society of Civil Engineers (ASCE), 2019, S. 10-18, 5 B, 1 T, zahlr. Q . - Online-Ressource: verfügbar unter: www.asce.org
Die Prognose von Verhaltensindikatoren wirkt sich empfindlich auf die Wirksamkeit von Erhaltungsmaßnahmen und -strategien aus. Die wesentlichen Indikatoren sind in diesem Zusammenhang für die Ebenheit der IRI (International roughness index), die Spurrinnenbildung und die Ermüdungsrissbildung. Eine optimierte Erhaltungsstrategie kann die Kosten minimieren und den Grad der Befahrbarkeit akzeptabel halten. In der im Bericht beschriebenen theoretischen Untersuchung wurden Daten aus dem international bekannten Programm LTPP (Long term pavement performance) verwendet, um ein Prognosemodell für die Fahrbahnebenheit zu entwickeln. Dazu wurden aus diesem Programm Verkehrsdaten (ESAL), das Alter und die Strukturzahl (Index für den strukturellen Aufbau der Straßenbefestigung) herangezogen. Es wurden 2 Modelle unter Einsatz von künstlicher Intelligenz formuliert, die eine akzeptable statistische Genauigkeit aufweisen. Beide zeigen, dass der größte Einfluss vom Alter der Straßenbefestigung ausgeht, gefolgt vom Verkehr und der Strukturzahl.