Zurück Vor

Detailergebnis zu DOK-Nr. 77267

Entwicklung von Bauwerksalterungskurven zur Zustandsprognose von Brücken unter Anwendung von Machine-Learning-Verfahren

Autoren	D. Prammer A. Vorwagner A. Weninger-Vycudil
Sachgebiete	15.0 Allgemeines, Erhaltung 0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten)

1. Fachkongress Digitale Transformation im Lebenszyklus der Verkehrsinfrastruktur: Fachtagung über Planung, Bau, Betrieb von Brücken, Tunneln, Straßen digital - Tagungshandbuch 2021. Tübingen: expert Verlag, 2021 (Hrsg.: Technische Akademie Esslingen e. V.) S. 359-366, 5 B, 3 T, 10 Q

Für eine objektive Entscheidung im Erhaltungsmanagement ist der Anlagenwert der Straßeninfrastruktur (Straße, Brücke, Tunnel etc.) ein zentraler Parameter. Für dessen Ermittlung ist eine objektive Zustandsprognose der betrachteten Bauwerke Voraussetzung. Im Beitrag werden dazu verschiedene, durch Machine-Learning-Tools unterstützte Verfahren zur Erstellung von Zustandsprognosen auf Basis von notenbasierten Zustandsinspektionsdaten vorgestellt. Es wird eine Methode zur Clusterung des Datensatzes nach Parametern des Bauwerks (Dimension, Material, Errichtungszeitpunkt) beziehungsweise der Umgebung (Verkehr, Klima) am Beispiel von Brückenbauwerken unter Verwendung einer Random-Forrest-Analyse und einer Entscheidungsbaumanalyse gezeigt. Nachfolgend werden zwei Verfahren zur Erstellung von Degradationskurven vorgestellt und verglichen, wobei das erste einen probabilistischen Ansatz verfolgt und der zweite Ansatz auf zeitinhomogenen Markov-Ketten aufbaut. Mithilfe dieser Ansätze können nach Degradationsgeschwindigkeiten gruppierte, individuell auch auf ein Bauwerk zugeschnittene Prognosekurven erstellt werden, welche auch Informationen über die statistische Streuung der Ergebnisse enthalten.