Zurück Vor

Detailergebnis zu DOK-Nr. 80549

Intelligente Lösungen zur Unterstützung von Entscheidungsprozessen im Straßenmanagement: ein allgemeiner Rahmen zur Berücksichtigung von Umwelt, Straßenbetriebsfähigkeit und Verkehrssicherheit (Orig. engl.: Intelligent solutions for supporting decision-making processes in road management: a general framework accounting for environment, road serviceability, and user's safety)

Autoren	N. Fiorentini
Sachgebiete	1.1 Organisation 6.3 Verkehrssicherheit (Unfälle) 12.0 Allgemeines, Management

Braunschweig: Technische Universität Braunschweig, 2023, Dissertation, 252 S., zahlr. B, T, Q. − Online-Ressource: verfügbar unter: urn:nbn:de:gbv:084-2023051111060

In der Dissertation befasst der Autor sich mit der Optimierung automatisierter Entscheidungsprozesse bei kritischen Aspekten von Aufgaben des Straßenmanagements. Konkret zielt die Forschung auf die Definition und Umsetzung spezifischer Strategien zur Unterstützung von Entscheidungsträgern um die zwei wichtigen Elemente Erhaltung und Verkehrssicherheit. Es werden einige neuartige Anwendungen vorgeschlagen, die auf dem integrierten Einsatz von zerstörungsfreien Hochleistungstechniken (Non-Destructive Techniques, NDT) und geografischer Informationssysteme (GIS) basieren, um eine "vollständig erfasste" Infrastruktur zu erhalten und eine mehrstufige Datenbank zu erstellen, die strukturelle, geometrische, funktionale, soziale und umweltbezogene Merkmale enthält. Der Umweltaspekt ist von wesentlicher Bedeutung, da Phänomene des Klimawandels und extreme Naturereignisse zunehmend mit der Beschädigung und dem Verlust der Funktionsfähigkeit der Infrastruktur einhergehen. Dennoch stützen sich die derzeitigen Pavement Management-Systeme (PMS) in der Regel nur auf die strukturellen Merkmale des Straßenaufbaus und die funktionale Leistung der Fahrbahnoberfläche. Die große Menge an gesammelten Daten dient als Input für die Kalibrierung verschiedener datengesteuerter Ansätze, wie zum Beispiel Algorithmen des maschinellen Lernens (MLAs) und statistische Regressionen. Unter Berücksichtigung von Aspekten der Straßenkontrolle und -erhaltung ermöglichen solche Modelle die Identifizierung der Umweltfaktoren, die sich am stärksten auf Straßenschäden und die Gebrauchstauglichkeit auswirken, sowie Straßenstandorte mit kritischem Zustand zu finden, die saniert werden müssen. Außerdem versetzen die kalibrierten MLAs die Entscheidungsträger in die Lage, die Straßenerhaltungsmaßnahmen mit höherer Priorität zu bestimmen. Im Hinblick auf die Straßenverkehrssicherheit ermöglichen die kalibrierten MLAs die Identifizierung der Stellen, an denen schwere Verkehrsunfälle ausgelöst werden können, und können die Anzahl der Unfälle in einem bestimmten Zeitrahmen schätzen. Darüber hinaus ist es möglich, infrastrukturbezogene Faktoren zu erkennen, die die Unfallwahrscheinlichkeit erheblich beeinflussen. Straßenverkehrsbehörden können die Ergebnisse der Dissertation als neuen Ansatz für die Ausarbeitung geeigneter Richtlinien und die Definition objektiverer Managementprogramme verwenden.