Detailergebnis zu DOK-Nr. 80888
Prognosemodellierung für die Spurrinnenbildung an Highways: Eine Vergleichsanalyse von Modellen des Maschinellen Lernens und Struktureller Gleichungen (Orig. engl.: Predictive modeling for highway pavement rutting: a comparative analysis of auto-machine learning and structural equation models)
| Autoren |
M. Ekmekci R. Sinanmis L. Woods |
|---|---|
| Sachgebiete |
11.1 Berechnung, Dimensionierung, Lebensdauer 11.2 Asphaltstraßen |
Transportation Research Record: Journal of the Transportation Research Board Vol. 2678, H. 6, 2024, S. 724-737, 12 B, 3 T, 41 Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr
Highways erbringen weltweit die höchste Verkehrsleistung im Straßennetz. Der Bau ist aufwendig und die Erhaltung erfordert in der Lebenszeit ebenfalls einen hohen Aufwand. Die durch die Lastwiederholungen verursachten Schädigungen – insbesondere die Spurrinnenbildung – benötigen Prognosen im Zusammenhang mit der Dimensionierung. Für die Verhaltensprognose sind Parameter wie Verkehrsentwicklung, Achslast, Umweltfaktoren, Baumängel, Erhaltung und Kontrolle erforderlich. Darauf aufbauende Prognosemodelle sind nach Auffassung der Autoren in ihrer Aussagekraft begrenzt. Sie vergleichen deshalb in ihren theoretischen Untersuchungen die beiden alternativen Modellansätze der Strukturellen Gleichungen (SG) und des Maschinellen Lernens (ML). Die komplexen Grundlagen der Modelle werden ausführlich beschrieben. Zur Validierung wurden zwei Streckenabschnitte der Fernstraße A288 in Portsmouth/UK mit einer Gesamtlänge von 1,5 km herangezogen. Ein Vergleich mit deutschen und österreichischen Normen wird angestellt. Insgesamt ist das ML-Modell deutlich besser zur Prognose geeignet als das SG-Modell.