Detailergebnis zu DOK-Nr. 78046
Intelligentes Entscheidungsmodell für die Straßenerhaltung auf der Basis eines verbesserten Random-Forest-Algorithmus (Orig. engl.: Intelligent decision model of road maintenance based on improved weight random forest algorithm)
| Autoren |
C. Han T. Ma G. Xu S. Chen R. Huang |
|---|---|
| Sachgebiete |
12.0 Allgemeines, Management |
International Journal of Pavement Engineering 23 (2022) Nr. 4, S. 985-997, 10 B, 2 T, zahlr. Q
In China kommen derzeit viele Straßen in die Phase der Erhaltungsmaßnamen. Das bedeutet einen außerordentlichen Mehraufwand für alle Entscheidungsträger. Die herkömmliche Entscheidungsfindung im Rahmen von Pavement Management Systemen basiert überwiegend auf individuellen Erfahrungen, Erhebungen und Bewertungen. Diese Methode hat nach Darstellung der Autoren eine geringe Effizienz und lässt quantitative Parameter vermissen. Das Ziel der im Bericht dargestellten theoretischen Untersuchungen war die Verbesserung der Präzision und Effizienz der Entscheidungen über Art und Zeitpunkt von Erhaltungsmaßnamen. Dazu wurde ein verbesserter Random-Forest-Algorithmus (IWRF) angewendet, basierend auf der Korrelationsanalyse (CA) und dem analytischen Hierarchieprozess (AHP). Ein Random-Forest-Algorithmus (RF) ist ein Klassifikations- und Regressionsverfahren, das aus mehreren unkorrelierten Entscheidungsbäumen besteht. Für die CA wurden die 5 Komponenten Fahrkomfort, Straßenschädigung, Spurrinnen, Griffigkeit und struktureller Zustand herangezogen. Zur Validierung des Modells wurde eine Fallstudie an 80 km Fernstraße mit 800 Untersuchungsabschnitten mit einer Länge von je 100 m durchgeführt. Es wird resümiert, dass mit dem IWRF eine Entscheidungsgenauigkeit von 90 % erreicht wurde. Gegenüber dem herkömmlichen RF ergab sich eine um 4,35 % höhere Genauigkeit und eine um 75 % verminderte Rechenzeit.