Zurück Vor

Detailergebnis zu DOK-Nr. 59524

Statistische Bewertung der Verhaltensdaten von Deckensystemen unter Betrieb für LTPP SPS-1 und SPS-2-Versuche (Orig. engl.: Statistical analysis of in-service pavement performance data for LTPP SPS-1 and SPS-2 experiments)

Autoren	K. Chatti N. Buch S.W. Haider
Sachgebiete	11.1 Berechnung, Dimensionierung, Lebensdauer

Journal of Transportation Engineering 133 (2007) Nr. 6, S. 378-388, 11 B, 6 T, 11 Q

Wissenschaftliche Untersuchungen können entweder als Beobachtungs- oder als Versuchsstudien durchgeführt werden, um die Auswirkungen verschiedener Faktoren auf das Ansprechverhalten aufzuzeigen. Diese Unterscheidung ist wichtig, weil letztere Studien durchgeführt wurden, um eine festere Basis für die Einführung der Ursache- und Auswirkung-Beziehungen bereit zu stellen. Versuchsstudien jedoch, die Deckenabschnitte unter Betrieb einbeziehen (es werden sowohl Asphaltbefestigungen SPS-1 als auch Betonfahrbahnen SPS-2 im Rahmen des LTPP-Programms untersucht), zeigen bestimmte Belange in statistischen Bewertungen auf, die in dieser Veröffentlichung benannt werden. Die Schwierigkeiten, die bei Daten von Deckensystemen unter Betrieb aufgezeigt werden, beinhalten: (1) Probleme mit Ausreißern; (2) Verhaltensbewertung und (3) der Mangel an messbaren Schäden bezogen auf das "junge" Alter der Testabschnitte. Versuchsbezogene Belange beinhalten: (1) große Variation in Verkehrsaufkommen und Alter zwischen den Teststellen und (2) eine unausgewogene Aufteilung der Teststellen zwischen Klimazonen und Untergrundtypen. Wie wichtig es ist, geeignete analytische Methoden auszuwählen, um verlässliche Ergebnisse zu erhalten, wird in dieser Veröffentlichung diskutiert. Obwohl die meisten der Methoden, die für die Bewertung angewendet werden, lange bewährt sind, wurde die Wahl von mengen- gegenüber häufigkeitsbasierenden Methoden durch das Ausmaß und die Häufigkeit der Schäden bestimmt. Basierend auf den Daten eigneten sich häufigkeitsbasierende Methoden, wie die lineare Diskriminanzanalyse und die binäre logistische Regression, gut für die Erklärung von Entwicklungen im Zusammenhang mit Schäden bei angemessener Häufigkeit aber geringeren Mengen, während mengenbasierte Methoden, wie die Bewertung der Abweichung, mehr für die Bewertung von Schäden mit großer Anzahl an Häufigkeit und Menge geeignet sind.