摘要: |
Die Prognose der Zustandsentwicklung ist eine wesentliche Komponente innerhalb des Erhaltungsmanagements der Straßeninfrastruktur. In Deutschland wird hierfür derzeit ein deterministisches Prognoseverfahren eingesetzt, das mit Hilfe von Verhaltensfunktionen und deren Kalibrierung die Zustandsentwicklung eines Straßenabschnittes prognostiziert. Gleichwohl ist das Zustandsverhalten von Straßen von einer großen Anzahl an Einflussfaktoren geprägt, die eine treffende Prognose erschwert. Die damit verbundenen Unsicherheiten sind mit den bisher eingesetzten deterministischen Prognosemethoden nicht abbildbar. In diesem Beitrag wird eine zweistufige probabilistische Bayes'sche Methodik zur Prognose der Zustandsentwicklung von Fahrbahnen auf der Grundlage des Extended Kaiman-Filters (EKF) vorgestellt und deren praktische Anwendung auf Straßenzustandsdaten aufgezeigt. Das entwickelte Modell ist in der Lage, sowohl die Unsicherheiten im zukünftigen Verhalten des Straßenzustands aufgrund von zahlreichen Einflussfaktoren, wie z. B. den Materialeigenschaften und der Verkehrsbelastung, als auch Unsicherheiten aufgrund der Messpräzision der Zustandserfassung abzubilden. Der entwickelte Bayes'sche Ansatz ist für beliebige Zustandsmerkmale (z. B. Längs- und Querebenheit, Griffigkeit, Risse usw.) anwendbar. Die Methodik wurde in einen webbasierten IT-Prototyp implementiert und anhand von Daten aus Straßennetzen in Deutschland, Österreich und der Schweiz erprobt. Die Prognoseergebnisse zeigen eine hohe Übereinstimmung zu den Daten aus dem Validierungsdatensatz. Neben der Prognose der mittleren Zustandsent-wicklungen bietet das Verfahren den wesentlichen Vorteil der Quantifizierung von Unsicherheiten in der objektbezogenen Zustandsprognose. Damit liefert die Methodik einen wichtigen Baustein auf dem Weg zu einem risikobasierten Erhaltungsmanagement. |