Zurück Vor

Detailergebnis zu DOK-Nr. 81567

Ersatzmodellierung der Ebenheit von Asphaltbefestigungen unter Verwendung künstlicher neuraler Netze: Ein mechanistisch-empirischer Ansatz (Orig. engl.: Surrogate modelling of surface roughness for asphalt pavements using artificial neural networks: a mechanistic-empirical approach)

Autoren	H. Li H. Azarijafari R. Kirchain J. Santos L. Khazanovich
Sachgebiete	11.1 Berechnung, Dimensionierung, Lebensdauer 11.2 Asphaltstraßen 14.2 Ebenheit, Befahrbarkeit

International Journal of Pavement Engineering 25 (2024) Nr. 1, 2434909, 17 S., 11 B, 7 T, zahlr. Q. − Online-Ressource: verfügbar unter: https://doi.org/10.1080/10298436.2024.2434909

Straßen sind die Lebensadern des weltweiten Handels und der Wirtschaft. In den Vereinigten Staaten von Amerika bestehen 94 % der Straßen aus flexiblen Straßenbefestigungen. Deren Eigenschaften wie Riss- und Spurrinnenbildung und Ebenheit beeinflussen die Verkehrssicherheit, den Fahrkomfort und den Kraftstoffverbrauch. Deshalb ist eine präzise Prognose des Ebenheitsindexes IRI (International Roughness Index) bedeutend. Die Autoren sind der Auffassung, dass frühere IRI-Modellierungen, die auch Eingang in den bekannten MEPD Guide finden, nicht ausreichend genau und robust sind. Sie entwickeln daher unter Verwendung künstlicher neuraler Netze (KNN) zwei Modelle. Modell I ist ein KNN-basiertes IRI-Prognosemodell, während es sich beim Modell II um ein Hybridmodell handelt, welches mehrere Eigenschaften mit dem IRI verknüpft. Es wird resümiert, dass Modell II eine höhere Modellierungsgenauigkeit als Modell I aufweist und eine bessere Anpassungsfähigkeit an ein breiteres Spektrum von Konzipierungen zeigt.