Detailergebnis zu DOK-Nr. 79484
Weiterentwicklung einer Methodik zur probabilistischen Prognose der Zustandsentwicklung
| Autoren |
T. Blumenfeld |
|---|---|
| Sachgebiete |
12.0 Allgemeines, Management 11.1 Berechnung, Bemessung, Lebensdauer |
Straße und Autobahn 74 (2023) Nr. 6, S. 452-459, 8 B, 1 T, zahlr. Q
Die Prognose der Zustandsentwicklung ist eine wesentliche Komponente innerhalb des Erhaltungsmanagements der Straßeninfrastruktur. In Deutschland wird hierfür derzeit ein deterministisches Prognoseverfahren eingesetzt, das mithilfe von Verhaltensfunktionen und deren Kalibrierung die Zustandsentwicklung eines Straßenabschnitts prognostiziert. Gleichwohl ist das Zustandsverhalten von Straßen von einer großen Anzahl an Einflussfaktoren geprägt, die eine treffende Prognose erschwert. Die damit verbundenen Unsicherheiten sind mit den bisher eingesetzten deterministischen Prognosemethoden nicht abbildbar. In dem Beitrag wird eine zweistufige probabilistische Bayes’sche Methodik zur Prognose der Zustandsentwicklung von Fahrbahnen auf der Grundlage des Extended Kalman-Filters (EKF) vorgestellt und deren praktische Anwendung auf Straßenzustandsdaten aufgezeigt. Das entwickelte Modell ist in der Lage, sowohl die Unsicherheiten im zukünftigen Verhalten des Straßenzustands aufgrund von zahlreichen Einflussfaktoren, wie zum Beispiel den Materialeigenschaften und der Verkehrsbelastung, als auch Unsicherheiten aufgrund der Messpräzision der Zustandserfassung abzubilden. Der entwickelte Bayes'sche Ansatz ist für beliebige Zustandsmerkmale (zum Beispiel Längs- und Querebenheit, Griffigkeit, Risse, usw.) anwendbar. Die Methodik wurde in einen webbasierten IT-Prototyp implementiert und anhand von Daten aus Straßennetzen in Deutschland, Österreich und der Schweiz erprobt. Die Prognoseergebnisse zeigen eine hohe Übereinstimmung zu den Daten aus dem Validierungsdatensatz. Neben der Prognose der mittleren Zustandsentwicklungen bietet das Verfahren den wesentlichen Vorteil der Quantifizierung von Unsicherheiten in der objektbezogenen Zustandsprognose. Damit liefert die Methodik einen wichtigen Baustein auf dem Weg zu einem risikobasierten Erhaltungsmanagement.