Detailergebnis zu DOK-Nr. 75435
Anwendung von Techniken des maschinellen Lernens zur Prognose der Oberflächenschädigung von Asphaltbefestigungen (Orig. engl.: Application of machine learning techniques to predict asphalt pavement surface deteriorations)
| Autoren |
R. Muzzulini M. Pagola O. Giavanon |
|---|---|
| Sachgebiete |
12.1 Asphaltstraßen |
Bituminous Mixtures and Pavements VII: Proceedings of the International Conference on Bituminous Mixtures and Pavements, Thessaloniki, Greece, 12-14 June 2019. Leiden: CRC Press, 2019 (Proceedings in Civil Engineering) S. 681-686, 3 B, 1 T, 9 Q
Für die Straßenbauverwaltungen ist die Prognose des Zeitpunkts für Erhaltungsmaßnahmen von großer Bedeutung. Dazu benötigt man Funktionen oder Verhaltensmodelle für die Zunahme der Oberflächenschädigung der Asphaltbefestigungen. Im Bericht wird ein Modell vorgestellt, das Techniken des maschinellen Lernens verwendet. Die dafür erforderlichen Daten stammen aus Zustandserfassungen im argentinischen Küstenland. In die Untersuchungen wurden 3 Zustandsgrößen einbezogen. Die Ebenheit wird nach einschlägigen Messungen durch den International Roughness Index (IRI) charakterisiert. Die Spurrinnenbildung wird von Fachleuten mit der 1,2-m-Latte gemessen. Die Rissbildung wird visuell erfasst und in Klassen von 0 bis 10 eingeteilt. Als Regressionsmodelle wurden die Support Vector Machine Regression (Stützvektormaschine-Regression SVR) und die Random Forest Regression (RFR) mit den entsprechenden Algorithmen verwendet. Resümierend stellen die Autoren heraus, dass die ersten Ansätze mit den SVR und RFR vielversprechend sind.