Zurück Vor

Detailergebnis zu DOK-Nr. 77599

Ermittlung von Erhaltungsmaßnahmen an Straßenbefestigungen unter Verwendung des Deep-Learning-Netzwerks (Orig. engl.: Detection of pavement maintenance treatments using deep-learning network)

Autoren	L. Gao Y. Yu Y.H. Ren P. Lu
Sachgebiete	11.1 Berechnung, Dimensionierung, Lebensdauer 12.0 Allgemeines, Management

Transportation Research Record: Journal of the Transportation Research Board Vol. 2675, H. 9, 2021, S. 1434-1443, 7 B, 5 T, 261 Q. - Online-Ressource: verfügbar unter: http://journals.sagepub.com/home/trr

Die Effizienz der Planung und Durchführung von Erhaltungs- und Erneuerungsmaßnahmen (M&R) an Straßenbefestigungen ergibt sich zum einen durch die Präzision des prognostizierten Verhaltens. Zum anderen ist die Genauigkeit der aktuellen Zustandserfassung von entscheidender Bedeutung. Für beide Aspekte ist eine Aufzeichnung und Dokumentation notwendig. In vielen Fällen existiert diese "Historie" nicht oder steht den Straßenbauverwaltungen nicht zur Verfügung. Deshalb wurde in den im Bericht dargestellten Untersuchungen mit Deep-Learning-Netzwerken versucht, automatisch zu erkennen, ob eine M&R während eines bestimmten Zeitraums durchgeführt wurde. Dabei wurden das gefaltete neuronale Netzwerkmodell (Convolutional neural network CNN), das lange Kurzzeitgedächtnismodell (Long short-term memory model LSTM) und eine Kombination aus beiden (CNN-LSTM) angewendet. Die dafür notwendigen Zustandsdaten und die angewendeten M&R wurden dem Texas DOT´s Pavement Management Information System (PMIS) entnommen. Die Autoren resümieren, dass CNN-LSTM die besten Ergebnisse liefert, die erheblich präziser als herkömmliche Verfahren sind.