Zurück Vor

Detailergebnis zu DOK-Nr. 81063

Automatische Klassifizierung von Straßenbefestigungsarten und Nutzungsdauer, verglichen mit Standardtexturdatenbanken unter Verwendung des Maschinellen Lernens: Eine Pilotstudie (Orig. engl.: Automatic classification of pavement type and service age benchmarked with standard texture databases using the machine learning method: a pilot study)

Autoren	J. Lu B. Pan Q. Liu P. Liu M. Oeser
Sachgebiete	11.1 Berechnung, Dimensionierung, Lebensdauer 12.0 Allgemeines, Management

Transportation Research Record: Journal of the Transportation Research Board Vol. 2678 H. 8, 2024, S. 932-949, 15 B, 8 T, 50 Q. − Online-Ressource: verfügbar unter: https://journals.sagepub.com/home/trr

Wegen der starken Zunahme des Schwerverkehrs sind viele Straßenbefestigungen von frühzeitigen Schädigungen betroffen, die zu nicht reversiblen Zerstörungen der Straßenbefestigung führen können. Deshalb sind qualifizierte Zustandserfassungen von essenzieller Bedeutung. Allerdings führen die Autoren aus, dass diese zeitintensiv sind. Aus diesem Grund kommen zunehmend Methoden der künstlichen Intelligenz zum Einsatz. In diesem Zusammenhang wird in den theoretischen Untersuchungen ein universeller Algorithmus erprobt, der für alle Bedingungen hinsichtlich Befestigungsart und Nutzungsdauer anwendbar ist. In der Pilotstudie wird basierend auf den Daten der Oberflächentexturen für den automatischen Klassifizierungsansatz das Convolutional Neural Network (CNN) verwendet. Zum Vergleich wird auch die Effizienz der Support Vector Machine (SVM) untersucht. Als Datensatz werden die Texturdaten von fünf üblichen Befestigungsarten herangezogen. Die Algorithmen werden ausführlich erläutert. Es wird resümiert, dass CNN eine hohe Leistungsfähigkeit aufweist.