Detailergebnis zu DOK-Nr. 77928
Die Methodik des Maschinellen Lernens zur Prognose des Eingreifzeitpunkts und der Erhaltungsmaßnahmen an Straßen (Orig. engl.: A machine learning methodology to predict alerts and maintenance interventions in roads)
| Autoren |
F.J. Morales A. Reyes N. Caceres L.M. Romero F.G. Benitez E. Duarte J. Morgado |
|---|---|
| Sachgebiete |
12.0 Allgemeines, Management 11.1 Berechnung, Bemessung, Lebensdauer |
Road Materials and Pavement Design 22 (2021) Nr. 10, S. 2267-1288, 13 B, 8 T, zahlr. Q
In den beiden vergangenen Jahrzehnten hat die Forschung über das Anlagenmanagement aus Sicht sowohl der Praktiker als auch der Wissenschaftler an großer Bedeutung gewonnen. Dabei spielt die Prognose des Eingreifzeitpunkts und der geeigneten Maßnahme der Erhaltung von Straßen eine entscheidende Rolle im Kontext der Nachhaltigkeit. Das Ziel der im Bericht dargestellten Untersuchungen ist ausgerichtet auf Systeme zur Entscheidungsfindung bei der Erhaltung von Straßenbefestigungen. Gleichwohl kann die analysierte Methodik auch auf andere Anlagenteile angewendet werden. Es wurden die vier gebräuchlichsten Techniken des Maschinellen Lernens (ML) untersucht: Entscheidungsbäume (DT), k-nächste-Nachbarn-Algorithmus (KNN, Support Vector Machines (SVM) und Künstliche Neurale Netzwerke (ANN). Zur Verifizierung wurde eine Fallstudie in einem Straßennetz im zentralen Portugal durchgeführt. Die ausgewählten Techniken stellen die brauchbarsten Lösungen des ML dar.