Automatisierte Bodenradar-Auswertung durch KI4BUW
Das Team von KI4BUW hatte die Gelegenheit ihr mit den Bauingenieuren gemeinsam verfasstes Paper auf der 12. Internationalen Konferenz für „Bearing Capacity of Roads, Railways, and Airfields“ (BCRRA) in Ljubljana vorzustellen. Die BCRRA ist die weltweit größte Konferenz zum Thema Tragfähigkeit von Verkehrswegen.
Das Problem:
Für eine effiziente, netzweite Zustandserfassung von Straßen mittels des „Traffic Speed Deflectometer“ (TSD) fehlen oft wichtige Informationen über die vorliegende Bauweise. Ohne diese Strukturdaten ist die Interpretation der Messergebnisse extrem schwierig.
Die Lösung von KI4BUW:
Im Rahmen des DigiData-Projekts „Aufbereitung und KI-unterstützte Analyse von Straßenzustandsdaten des Pavement-Scanners“ haben wir eine Methode entwickelt, welche die Bauweise des Oberbaus (flexibler Asphalt- vs. starrer Betonaufbau) vollautomatisch bestimmt.
- Die Technologie: Automatisierte Auswertung von Bodenradar-Daten mittels semantischer Bildsegmentierungsmodelle (KI).
- Die Validierung: Erfolgreich nachgewiesen auf 453 erfassten Streckenkilometern auf deutschen Straßen.
- Das Ergebnis: Die vorgestellte Methodik ist nachweislich robust, effizient und effektiv.
Dieses Projekt zeigt einmal mehr, wie stark interdisziplinäre Zusammenarbeit die Forschung vorantreibt und neue Impulse in klassischen Domänen setzen kann.
Ein großes Dankeschön an die Bauingenieure vom Lehr- und Forschungsgebiet Straßenbau und Straßenerhaltung der Bergische Universität Wuppertalfür die großartige Kooperation - insbesondere an die Co-Autoren Panujan Naguleswaran, Barbara Esser, Tim Schrödter und Prof. Pahirangan Sivapatham sowie Prof. Tobias Meisen vom TMDT.
Titel des Papers:
„Enhanced Bearing Capacity Assessment of Roads Using Machine Learning for Automated GPR Interpretation“
