Detailergebnis zu DOK-Nr. 78549
Neue Möglichkeiten in der Straßenzustandserfassung durch künstliche Intelligenz
| Autoren |
R. Stricker B. Wasser |
|---|---|
| Sachgebiete |
12.0 Allgemeines, Management 0.11 Daten (EDV, IT, Internetanwendungen und Verkehrsdaten) 11.1 Berechnung, Dimensionierung, Lebensdauer |
Deutscher Straßen- und Verkehrskongress vom 5. bis 7. Oktober 2022 in Dortmund: Vorträge und Poster. Köln: FGSV Verlag, 2022, USB-Stick (Hrsg.: Forschungsgesellschaft für Straßen- und Verkehrswesen) (FGSV 001/28), 18 S., 13 B, 1 T, zahlr. Q
Grundvoraussetzung für ein effektives Erhaltungsmanagement einer Straßeninfrastruktur ist die Kenntnis über deren Zustand. Dazu werden in Deutschland regelmäßig Oberflächenbilder der Bundesfernstraßen mit schnellfahrenden Messsystemen aufgenommen und hinsichtlich Fahrbahnschäden manuell ausgewertet. Der Auswerteprozess ist sehr zeitintensiv und unterliegt einer subjektiven Bewertung durch den jeweiligen Auswerfer. Zur Objektivierung und Beschleunigung dieses Vorgangs wurden in der Vergangenheit Ansätze unter der Verwendung von künstlicher Intelligenz (KI) verfolgt. Aktuell wurde im Rahmen eines Forschungsprojekts für die automatisierte Lokalisation und Klassifikation von Fahrbahnoberflächenschäden der Einsatz von Neuronalen Netzwerken erprobt. Die Arbeit stellt die dabei erzielten Ergebnisse für die automatisierte Auswertung von Oberflächenbildern der Fahrbahn vor. Neben der Segmentierungsleistung des vorgestellten Ansatzes wird auch die automatisierte Bewertung eines Teils der deutschlandweiten Zustandserfassung und -bewertung (ZEB) der Bundesfernstraßen in den Jahren 2015/16 und 2017/18 betrachtet, um die Möglichkeiten zur automatisierten Bewertung zu untersuchen. Die zum Einsatz kommenden Neuronalen Netzwerke liefern eine räumlich hochgenaue Beschreibung des Oberflächenbilds, welche genaue Aussagen über die Lage und die geometrischen Eigenschaften von Schäden und Objekten ermöglicht. Damit ergeben sich auch neue Möglichkeiten für die Betrachtung der zeitlichen Entwicklung von Schadstellen.