Detailergebnis zu DOK-Nr. 78966
Ein neues Modell zur Detektion von Fahrbahn-Querrissen unter Verwendung von WT-CNN und STFT-CNN für die Analyse von Smartphone-Daten (Orig. engl.: A novel pavement transverse cracks detection model using WT-CNN and STFT-CNN for smartphone data analysis)
| Autoren |
C. Chena H. Seo Y. Zhao |
|---|---|
| Sachgebiete |
12.0 Allgemeines, Management 11.1 Berechnung, Dimensionierung, Lebensdauer |
International Journal of Pavement Engineering 23 (2022) Nr. 12, S. 4372-4384, 13 B, zahlr. Q
Ausgehend von Beschleunigungsdaten, die mit Hilfe von Smartphones während der Befahrung von Straßen erfasst wurden, beinhaltet das vorgestellte Modell eine Detektion von Querrissen basierend auf der Zeit-Frequenz-Analyse und faltenden neuronalen Netzen. Die Beschleunigungssensoren der am Fahrzeug installierten Smartphones dienen der Erfassung von Vibrationen, die von Querrissen, Schachtdeckeln und der normalen Fahrbahnoberfläche verursacht werden. Die Messdaten werden per Zeit-Frequenz-Analyse, hier sowohl mit der Short-Time Fourier-Transformation (STFT) als auch mit der Wavelet-Transformation (WT) in eine zweidimensionale Matrix des Zeit-Frequenz-Energie-Spektrums überführt. Die per STFT oder WT erzeugte Matrix des Energie-Spektrums liefert mehrere Zeit- und Frequenz-Informationen. Durch die Kombination von STFT oder WT und faltenden neuronalen Netzen (Convolutional Neural Network – CNN) können Fahrbahn-Querrisse zuverlässiger detektiert werden. Zur Untersuchung der Zuverlässigkeit des Verfahrens wurden Messdaten verwendet, die bei der Befahrung eines Testfeldes im Suzhou Industrial Park, China, erfasst wurden. Das Messfahrzeug, ausgestattet mit einem Beschleunigungsmesser sowie drei Smartphones, ebenfalls mit Beschleunigungssensoren, befuhr die Testfahrbahn mit 30 km/h. Die erfassten Messdaten konnten mit den örtlich lokalisierten Fahrbahnoberflächenbildern in Zusammenhang gebracht werden. Die Ergebnisse der Messdatenauswertung zeigen, dass die WT-CNN-Methode die Querrisse zuverlässiger erkennt (97,2 %) als das STFT-CNN-Verfahren (91,4 %). Das F-Maß zur Beurteilung der Zuverlässigkeit der Rissdetektion betrug 96,35 % für die WT-CNN-Methode und 89,56 % für das STFT-CNN-Verfahren.