Notice: Only variables should be passed by reference in /var/www/clients/client26/web109/web/src/Plugin/dokstrasse/FrontendPage.php on line 349
Zurück Vor
Detailergebnis zu DOK-Nr. 79462
Vorhersage der Verschlechterung der Retroreflexion von Fahrbahnmarkierungen auf Wasserbasis mit Hilfe fortgeschrittener maschineller Lerntechniken (Orig. engl.: Predicting the retroreflectivity degradation of waterborne paint pavement markings using advanced machine learning techniques)
Autoren |
M.R. Mousa S.R. Mousa M. Hassan P. Carlson I.A. Elnaml |
---|---|
Sachgebiete |
6.6 Fahrbahnmarkierungen 0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2675, H. 9, 2021, S. 483-494, 6 B, 3 T, 29 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr
Farbe auf Wasserbasis ist das am häufigsten verwendete Markierungsmaterial in den Vereinigten Staaten. Aufgrund von Budgetbeschränkungen erneuern die meisten Verkehrsbehörden ihre Markierungen nach einem festen Zeitplan, was in Bezug auf Effizienz und Wirtschaftlichkeit fragwürdig ist. Um dieses Problem zu lösen, könnten die staatlichen Behörden die Leistung der Markierungen anhand der gemessenen Retroreflexion von wasserbasierten Farben, die im Rahmen des "National Transportation Product Evaluation Program" (NTPEP) verwendet werden, oder anhand von Retroreflexionsmodellen, die in früheren Studien entwickelt wurden, bewerten. Beiden Optionen mangelt es im Allgemeinen an Genauigkeit aufgrund der hohen Dimensionalität und Multikollinearität der Retroreflexionsdaten. Daher bestand das Ziel der Studie darin, einen fortschrittlichen Algorithmus für maschinelles Lernen einzusetzen, um Modelle für die Leistungsvorhersage von Wasserlacken zu entwickeln, die die Variablen berücksichtigen, von denen angenommen wird, dass sie ihre Leistung beeinflussen. Um dieses Ziel zu erreichen, wurden insgesamt 17 952 Messungen der Retroreflexion von zehn Testdecks, die in der NTPEP enthalten sind, durchgeführt. Auf der Grundlage dieser Daten wurden zwei CatBoost-Modelle mit einem akzeptablen Genauigkeitsgrad entwickelt, die die Rückstrahlfähigkeit von Wasserlacken für bis zu drei Jahre vorhersagen können, wobei nur die anfänglich gemessene Rückstrahlfähigkeit und die voraussichtlichen Projektbedingungen während des vorgesehenen Vorhersagezeitraums, wie zum Beispiel Linienfarbe, Verkehr, Lufttemperatur usw., verwendet werden. Diese Modelle könnten von Verkehrsbehörden in den Vereinigten Staaten verwendet werden, um verschiedene Produkte zu vergleichen und das beste Produkt für ein bestimmtes Projekt auszuwählen und die erwartete Lebensdauer eines bestimmten Produkts auf der Grundlage eines bestimmten Schwellenwerts für die Retroreflexion zu bestimmen, um künftige Ummarkierungs-Maßnahmen zu planen.