Zurück Vor

Detailergebnis zu DOK-Nr. 77370

LESS WRONG - Verbesserung von Straßenzustandsprognosen mittels Machine Learning

Autoren	A. Ellinger A. Hautz C. Wörner
Sachgebiete	12.0 Allgemeines, Management 0.11 Datenverarbeitung

2. Kolloquium Straßenbau in der Praxis: Fachtagung zum Planen, Bauen, Erhalten, Betreiben unter den Aspekten von Nachhaltigkeit und Digitalisierung, 7. und 8. September 2021 - Tagungshandbuch 2021. - Tübingen: expert Verlag, 2021 (Hrsg.: Technische Akademie Esslingen e. V.) S. 427-436, 15 B, 15 Q

Mit der wachsenden Bedeutung von "Predictive Maintenance" (vorausschauender Erhaltungsplanung) in Betrieb und Erhaltung von Infrastrukturobjekten wächst auch die Notwendigkeit für eine zuverlässigere, präzisere Methode zur Vorhersage der zukünftigen Entwicklung des Straßenzustands. In dem Artikel wird eine auf Machine Learning gestützte Methode zur Verbesserung von Straßenzustandsprognosen vorgestellt. Diskutiert werden die technischen Grundlagen, mögliche Vorgehensweisen bei der Modellbildung sowie Chancen und Grenzen eines Machine Learning gestützten Ansatzes; insbesondere in Hinblick auf die Verfügbarkeit der notwendigen Daten. Darüber hinaus wird ein Konzept vorgestellt, wie die verbesserte Zustandsprognose innerhalb einer Erhaltungs-Simulation zur Optimierung der Maßnahmenplanung genutzt werden kann.