Kolloquium Straßenbau in der Praxis
kstr
expert Verlag Tübingen
91
2021
21
Alternative Methoden der kommunalen Straßenzustandserfassung mittels Erschütterungssensorik
91
2021
Lisa Gayer
Berthold Best
Die Ergebnisse der Untersuchung zeigen, dass es notwendig ist, die Schwingungsüberwachung um eine visuelle Referenzierung zu erweitern, da die Messungen der Schwingungssensoren für sich genommen zwar ein gutes Bild des allgemeinen Oberflächenzustandes liefern können, aber Art, Schwere und Dimension einzelner Zustandsmerkmale nur bedingt identifiziert und zugeordnet werden können. Die Ergebnisse zeigen zudem, dass sich die Daten der Beschleunigungsmessung am besten durch Videoaufzeichnung verifizieren lassen, auch wenn diese nicht so exakt ist wie z.B. die Aufnahme von Einzelbildern. Ein weiterer wichtiger Aspekt der Untersuchung war, dass sowohl die Videoaufzeichnung als auch die Beschleunigungsmessung bis zum deutschen innerstädtischen Tempolimit von 50 km / h problemlos möglich ist. Dies ist ein großer Vorteil für die Durchführbarkeit der Zustandsüberwachung, da das Messfahrzeug im fließenden Verkehr andere Fahrzeuge nicht behindert.
kstr210437
436 2. Kolloquium Straßenbau - September 2021 LESS WRONG - Verbesserung von Straßenzustandsprognosen mittels Machine Learning 5. Fazit Vorläufige Ergebnisse basierend auf Daten der Dauermesstrecke auf der A5 zeigen, dass Machine Learning basierte Modelle zur Prognose von Straßenzustandsentwicklungen bereits bei einer relativ geringen Menge an zur Verfügung stehenden Lerndaten geringfügig bessere Ergebnisse liefern können als die etablierten Verhaltenskurven. Für einzelne Messgrößen, wie die „Mittlere Spurrinnentiefe“, hat sich innerhalb der gewählten Teststrecken und Testzeiträume sogar eine wesentliche Verbesserung gegenüber den klassischen Vorhersagen ergeben. Das beste Prognosemodell ergab sich aus der als „Hybrides Modell“ bezeichneten Kombination der etablierten Modelle mit dem Machine Learning basierten Modell. Um eine deutliche Verbesserung gegenüber der klassischen Methode zu erlangen ist unserer Auffassung nach jedoch eine umfassendere Datengrundlage notwendig, als sie innerhalb dieses Projektes zum gegenwärtigen Zeitpunkt zur Verfügung steht. Wir gehen davon aus, dass insbesondere verlässliche Daten zu Verkehrsbelastung, Bauart, Einbauprozess und Material, zur durchschnittlichen bisherigen sowie zukünftig zu erwartenden Belastungen sowie zu in der Vergangenheit durchgeführten Reparatur- und Instandsetzungsmaßnahmen notwendig sein werden, um eine wesentliche Verbesserung in der Prognosegenauigkeit zu erreichen. Literatur [1] BMVI, BASt: Zustandserfassung und -bewertung (ZEB) auf Bundesfernstraßen, URL: https: / / www. bmvi.de/ SharedDocs/ DE/ Artikel/ StB/ zustandser fassung-und-bewertung.html [02.11.2020]. [2] Dr. Reiterer, A., Fraunhofer Institut für physikalische Messtechnik (IPM): Möglichkeiten und Grenzen des mobilen Laserscan-nings, (2016) URL: https: / / docplayer.org/ 46020678-Fraunhofer-insti tut-fuer-physikalische-messtechnik-ipm-moeglich keiten-und-grenzen-des-mobilen-laserscanning-dralexander-reiterer.html [02.11.2020]. [3] FGSV AP9, Forschungsgesellschaft für Straßen und Verkehrswesen (FGSV): Arbeitspapier zur Systematik der Straßenerhaltung, 2003. [4] FGSV 998/ R1, Forschungsgesellschaft für Straßen und Verkehrswesen (FGSV): Zusätzliche Technische Vertrags-bedingungen und Richtlinien zur Zustandserfassung und -bewertung von Straßen (ZTV ZEB-StB), 2006. [5] FGSV 408/ 1; FGSV 408/ 2: Technische Prüfvorschriften für Griffigkeitsmessungen im Straßenbau, Teil: Seiten-kraftmessverfahren (SKM), 2007. [6] FGSV 408/ 2: Technische Prüfvorschriften für Griffig-keitsmessungen im Straßenbau, Teil: Messverfahren (SRT), 2007. [7] FGSV 404/ 1 Technische Prüfvorschriften für Ebenheitsmessungen auf Fahrbahnoberflächen in Längs- und Querrichtung, Teil: Berührende Messungen, 2017. [8] FGSV 404/ 2: Technische Prüfvorschriften für Eben-heitsmessungen auf Fahrbahnoberflächen in Längs- und Querrichtung, Teil: Berührungslose Messungen, 2009. [9] FGSV 988/ R1 Forschungsgesellschaft für Straßen und Verkehrswesen (FGSV): Richtlinien für die Planung von Erhaltungsmaßnahmen an Straßenbefestigungen (RPE-STRa 01), Anhang 15, 2001. [10] Maerschalk, G.: Erstellung einer ablauffähigen Folge von Algorithmen für die Planung von Erhaltungsmaßnah-men und der Mittelverwendung im Rahmen eines PMS, Schlussbericht zum FE 9.083, Forschung Straßenbau und Straßenverkehrstechnik, Heft 751, 1997 in [9]. [11] Bishop, C. M.: Pattern Recognition and Machine Learning, 2006, S. 236 ff. [12] Géron, A., Hands-On Machine Learning with Scikit-Learn & TensorFlow - Concept, Tools, and Techniques to build intelligent systems, 2017. [13] Andrew, NG, Machine Learning Yearning-Draft, 2018. [14] https: / / www.webappers.com/ category/ compo nents/ charts/ page/ 6 [02.11.2020] [15] https: / / www.shutterstock.com/ de/ image-photo/ oldroad-many-cracks-266647151 [02.11.2020] Alternative Methoden der kommunalen Straßenzustandserfassung mittels Erschütterungssensorik 2. Kolloquium Straßenbau - September 2021 437 Alternative Methoden der kommunalen Straßenzustandserfassung mittels Erschütterungssensorik Lisa Gayer Technische Hochschule Nürnberg Georg Simon Ohm, Nürnberg, Deutschland Prof. Dipl.-Ing. Berthold Best Technische Hochschule Nürnberg Georg Simon Ohm, Nürnberg, Deutschland Zusammenfassung Die Ergebnisse der Untersuchung zeigen, dass es notwendig ist, die Schwingungsüberwachung um eine visuelle Referenzierung zu erweitern, da die Messungen der Schwingungssensoren für sich genommen zwar ein gutes Bild des allgemeinen Oberflächenzustandes liefern können, aber Art, Schwere und Dimension einzelner Zustandsmerkmale nur bedingt identifiziert und zugeordnet werden können. Die Ergebnisse zeigen zudem, dass sich die Daten der Beschleunigungsmessung am besten durch Videoaufzeichnung verifizieren lassen, auch wenn diese nicht so exakt ist wie z.B. die Aufnahme von Einzelbildern. Ein weiterer wichtiger Aspekt der Untersuchung war, dass sowohl die Videoaufzeichnung als auch die Beschleunigungsmessung bis zum deutschen innerstädtischen Tempolimit von 50 km / h problemlos möglich ist. Dies ist ein großer Vorteil für die Durchführbarkeit der Zustandsüberwachung, da das Messfahrzeug im fließenden Verkehr andere Fahrzeuge nicht behindert. 1. Einführung Die messtechnischen Außerorts-Erfassungsmethoden für den Zustand der Straßenbefestigung sind für kommunale Straßennetze an ihre Grenzen gestoßen. Innerorts ändern sich die Zustände der Straßenbefestigung schneller als außerorts und die flächendeckende messtechnische Zustandserfassung kommunaler Straßennetze ist überhaupt von ihrem Aufwand sowohl in personeller als auch finanzieller Hinsicht nur in größeren zeitlichen Abständen durchführbar. Gesucht sind daher alternative Erfassungsmethoden, mit denen der Zustand kommunaler Straßen sowohl in kürzeren Abständen als auch mit geringerem administrativen und finanziellen Aufwand erfasst werden kann. Die weite Verbreitung von Sensortechnologien, die sowohl von der Handhabung einfach als auch von den Kosten her verhältnismäßig gering sind, ist die Grundlage für alternative Methoden zur Straßenzustandserfassung mittels Schwingungsüberwachung. Oberziel dabei ist es, Erschütterungssensorik in Fahrzeuge einzubauen, die regelmäßig das gesamte Straßennetz einer Kommune befahren und dabei Daten über den Zustand der Straßenbefestigung sammeln. Die Durchführung des Forschungsprojekts „Erfassung des Zustandes der Straßenbefestigung mittels Schwingungsüberwachung“ an der TH Nürnberg wurde mit Mitteln der STAEDTLER Stiftung gefördert. 2. Messaufbau und Ablauf 2.1 Messfahrten Es wurde eine 360°-Kamera mit einem Saugnapf mittig im vorderen Bereich der Motorhaube befestigt (Bild 1), sodass die Fahrbahn nur ca. 1,5 m entfernt und vor dem Fahrzeug gut sichtbar ist. Bild 1: Befestigung der Kamera [1] Alternative Methoden der kommunalen Straßenzustandserfassung mittels Erschütterungssensorik 438 2. Kolloquium Straßenbau - September 2021 Das Smartphone zur Messung der Beschleunigung war im Handschuhfach des Wagens befestigt (Bild 2). Zu Vergleichszwecken wurde zusätzlich ein USB-Beschleunigungssensor angebracht (Bild 3). Die beiden Messgeräte wurden in gleicher Weise ausgerichtet, sodass die y-Achse in Fahrtrichtung und die z-Achse vertikal nach oben zeigt. Bild 2: Befestigung des Smartphones [1] Bild 3: Befestigung des USB-Sensors [1] Die App misst in einem Frequenzbereich von 100 Hz, während für den USB-Sensor nur eine Frequenz von 20 Hz sowie ein Empfindlichkeitsbereich von 1 G gewählt werden kann. Für diese Untersuchungen wurde das Fahrzeug mit 50 km / h gefahren Alle Streckenabschnitte wurden in jede Richtung mindestens dreimal befahren, da dies die Anzahl der Iterationen ist, die nach Shtayat [2] für aussagekräftige Ergebnisse der Schwingungsmessungen erforderlich ist. 2.2 Vergleich von Beschleunigungsdaten und Videos Für den Vergleich von Schwingungsmessungen und aufgezeichneten Videos wurden für jede Versuchsfahrt die Anzahl und Art der im Video erkennbaren Zustandsmerkmale registriert und hinsichtlich ihrer Erkennbarkeit bewertet. Dieses Kriterium wird dadurch bestimmt, wie eindeutig das jeweilige Zustandsmerkmal als solches erkannt werden kann. Die Einteilung wurde subjektiv als „klar“, „ausreichend“ und „schlecht“ erkennbar festgelegt. Zusätzlich wurde vermerkt, ob an der Stelle des betreffenden Merkmals ein erkennbarer Messausschlag in den Schwingungsdaten vorhanden ist. Schließlich wurden alle Beschleunigungen oberhalb eines Wertes von 2 m / s² im betreffenden Abschnitt gezählt und es wurde festgehalten, ob diese Ausschläge eindeutig einem Zustandsmerkmal zugeordnet werden können. Der Schwellenwert von 2 m / s² wurde nach Betrachtung aller Schwingungsprofile als Grenze für die Beurteilung festgelegt, da er nur in bestimmten Bereichen oder durch einzelne Messausschläge überschritten wird. Eigenschwingungen des Motors und die durch die allgemeine Rauigkeit der Oberfläche verursachten Vibrationen liegen für gewöhnlich unter diesem Wert. Für die Zwecke dieser Studie wurde in einigen Punkten von den Richtlinien der Forschungsgesellschaft für Straßen- und Verkehrswesen (FGSV) bezüglich der Definition bestimmter Zustandsmerkmale abgewichen. Sowohl geschädigte als auch intakte Arbeitsnähte wurden zu einem Zustandsmerkmal (NF) zusammengefasst, obwohl sie in der Regel separat erfasst werden. Diese Verallgemeinerung wurde vorgenommen, da in vielen Fällen in den Aufzeichnungen nicht eindeutig erkennbar ist, ob die jeweilige Naht tatsächlich offen ist und damit einen Schaden darstellt. Als Erweiterung wurden erhabene Markierungen und Schachtdeckel aufgenommen, sowie einzelne Risse in Längs- und Querrisse unterteilt. Kantigkeit, Muldigkeit, Spurrinnen und Bindemittelanreicherungen wurden nicht berücksichtigt, da diese in den betrachteten Straßenabschnitten entweder nicht vorkommen oder in den Aufzeichnungen nicht zu erkennen sind. Bei eingelegten Flickstellen wurde nur die Flickstelle als Ganzes ausgewertet, nicht aber die Arbeitsnaht zur umgebenden Fahrbahn. Unter „Sonstige“ wurden andere Merkmale, die keiner Kategorie zuzuordnen sind, wie z.B. Schieberdeckel, aufgenommen. Im Allgemeinen wurden nur Zustandsmerkmale erfasst, die sich in der direkten Fahrspur des Fahrzeugs befinden. 3. Ergebnisse 3.1 Erkennbarkeit von Straßenschäden Es wurden alle sichtbaren Zustandsmerkmale im jeweiligen Auswerteabschnitt der Teststrecke aufgezeichnet und auf Korrelation mit dem Schwingungsprofil überprüft. Insgesamt wurden Daten von ca. 9 km ausgewertet. Nach Tab. 1 waren Flickstellen, insbesondere aufgelegte, Längsrisse, Nähte und Straßenmarkierungen in der Regel deutlich sichtbar. Die unter „Sonstige“ aufgeführten Alternative Methoden der kommunalen Straßenzustandserfassung mittels Erschütterungssensorik 2. Kolloquium Straßenbau - September 2021 439 Schachtdeckel und Schieberdeckel konnten im Video jeweils eindeutig identifiziert werden. Querrisse und Netzrisse waren schwieriger zu erkennen, da sie aufgrund ihrer lokalen Begrenzung und oft schmalen Rissbreiten in vielen Fällen nur vage sichtbar waren. Längsrisse haben dagegen eine größere Ausdehnung in Fahrtrichtung, d.h. sie sind länger sichtbar und daher im Videomaterial deutlicher zu erkennen. Tab. 1: Identifizierung von Schäden im Videobzw. Schwingungsprofil [1] Identifizierung im Video Ausschlag im Vibrationsprofil Zustandsmerkmale Anzahl klar ausreichend schlecht vorhanden Nicht vorhanden eigelegte Flickstelle EFLI 131 100 % 83 63 % 38 29 % 10 8 % 99 76 % 32 24 % aufgelegte Flickstelle AFLI 18 100 % 14 78 % 4 22 % 0 0 % 14 78 % 4 22 % Querriss RIS-Q 126 100 % 37 29 % 74 59 % 15 12 % 94 75 % 32 25 % Längsriss RIS-L 82 100 % 48 59 % 29 35 % 5 6 % 0 0 % 82 100 % Netzriss NRI 31 100 % 11 35 % 16 52 % 4 13 % 16 52 % 15 48 % Naht NF 87 100 % 47 66 % 30 29 % 10 7 % 54 62 % 33 38 % Schlagloch AUS 0 - 0 - 0 - 0 - 0 - 0 - Ausbruch AMA 0 - 0 - 0 - 0 - 0 - 0 - Schachtdeckel SCHACHT 39 100 % 39 100 % 0 0 % 0 0 % 39 100 % 0 0 % Markierung MARK 12 100 % 7 58 % 5 42 % 0 0 % 12 100 % 0 0 % sonstiges SONST 13 100 % 13 100 % 0 0 % 0 0 % 10 77 % 3 23 % Es wird zusätzlich in Prozent angegeben, wie viele der im Video identifizierten Zustandsmerkmale in den Schwingungsdaten in Form einer Auslenkung erkannt werden konnten. In diesem Fall führten Flickstellen, sonstige Beschädigungen und Querrisse meist zu deutlich sichtbaren Messausschlägen bei Schachtdeckeln und erhabenen Fahrbahnmarkierungen sogar in jedem Fall. Netzrisse und Nähte waren dagegen nur in etwas mehr als jedem zweiten Fall eindeutig in den Schwingungsdaten zu identifizieren. Im Bereich von Längsrissen konnten keine zugehörigen Messauslenkungen ermittelt werden. Umgekehrt konnten 80 % der Messauslenkungen oberhalb des gewählten Schwellenwertes von 2 m / s² eindeutig einem Merkmal zugeordnet werden. Das bedeutet, dass die verwendete App recht zuverlässige Daten liefert. 3.2 Spezifische Schwingungsprofile Bei der Suche nach Gemeinsamkeiten in den Schwingungsprofilen verschiedener Durchläufe im Bereich von Schachtdeckeln, ein- und aufgelegten Flickstellen, Quer- und Netzrissen sowie Nähten konnten die Ausprägungen in zwei Gruppen eingeteilt werden. Einzelne Ausschläge waren in der Regel auf Querrisse und Nähte zurückzuführen (Bild 4). Alle anderen untersuchten Zustandsmerkmale verursachten meist eine dicht aufeinanderfolgende Reihe von Messausschlägen (Bild 5 und 6). Eine exakte Differenzierung der Schäden war hier nicht möglich, da nicht eindeutig unterschieden werden kann, ob Anzahl und Betrag der Peaks für die Dimension und das Ausmaß der Schädigung oder für deren Art charakteristisch sind. Darüber hinaus war häufig keine klare Abgrenzung zweier Merkmale möglich oder sie überlagerten sich, sodass eine klare Klassifizierung der Messausschläge nur schwer möglich war (Bild 5). Alternative Methoden der kommunalen Straßenzustandserfassung mittels Erschütterungssensorik 440 2. Kolloquium Straßenbau - September 2021 Bild 4: einzelner Messausschlag durch vergossenen Querriss [1] Bild 5: vermehrte Messausschläge durch Netzrisse und aufgelegte Flickstelle [1] Bild 6: vermehrte Messausschläge durch eingelegte Flickstelle [1] 4. Diskussion Die verwendete Kamera liefert eine ausreichend gute Qualität der Videoaufzeichnungen, da eine Vielzahl relevanter Zustandsmerkmale der Fahrbahnoberfläche auch bei Geschwindigkeiten bis zu 50 km / h eindeutig erkennbar ist. Darüber hinaus erlaubt das weite Sichtfeld, wenn auch in begrenztem Umfang, eine visuelle Kontrolle des Zustandes der Randbereiche und Entwässerungsanlagen. Angrenzende Verkehrsflächen können ebenfalls in den Videoaufnahmen erkannt werden, sind allerdings meist zu klein und verzerrt, um Details zu erfassen. Die Anforderungen der ZTV ZEB-StB, wonach Risse mit Rissweiten von 1 mm oder mehr in einer visuellbildgestützten Zustandserfassung sicher erkannt werden müssen [3], können mit der verwendeten Kamera nur bei günstigen Lichtverhältnissen eingehalten werden. Für Videoaufnahmen wurden unterschiedliche Lichtverhältnisse als Problemquelle identifiziert. Im Allgemeinen sind Oberflächenschäden bei direkter Sonneneinstrahlung leichter zu erkennen als in schattigen Bereichen, doch bei sonnigem Wetter findet aufgrund der umliegenden Gebäude ein ständiger Wechsel zwischen hellen und dunklen Abschnitten statt. Sind die Schatten nicht flächendeckend, wie etwa bei Baumschatten, kann die Beschaffenheit der Oberfläche durch den raschen Wechsel von Licht und Schatten schwer zu erkennen sein, denn die Kamera benötigt eine kurze Zeit, um die internen Einstellungen anzupassen. Dies kann dazu führen, dass das Bild in Übergangsbereichen stark unter- oder überbelichtet wird. Zusätzlich müssen auch andere Witterungseinflüsse berücksichtigt werden. Bei regnerischem Wetter können sich Tröpfchen auf der Kameralinse bilden und zu unbrauchbaren Aufnahmen führen. Darüber hinaus sorgt eine regennasse, reflektierende oder schneebedeckte Fahrbahnoberfläche für unklare Bilder. Generell kann festgehalten werden, dass sogar einzelne Risse entlang und quer zur Fahrtrichtung in den Videoaufnahmen bis zur innerstädtischen Höchstgeschwindigkeit von 50 km / h gut sichtbar sind. Mit den Beschleunigungssensoren können dagegen keine Längsrisse detektiert werden. Bei Netzrissen richtet sich die Erkennbarkeit in den Schwingungsdaten weitgehend nach deren Charakteristika. Feine Risse mit geringer Ausdehnung können nur begrenzt erfasst werden, während stark ausgeprägte Risse meist deutlich nachweisbar sind. Ausbrüche und Flickstellen können sowohl in Videoaufnahmen als auch Beschleunigungsprofilen mit hoher Reliabilität festgestellt werden. Dasselbe gilt für Arbeitsnähte, wobei nicht mit Sicherheit zu erkennen ist, ob die jeweiligen Nähte offen oder intakt sind. Messauslenkungen aufgrund von Einbauten wie Schachtdeckel oder Schieberkappen bzw. erhabenen oder beschädigten Markierungen lassen sich zumeist verlässlich mit den aufgezeichneten Videos belegen. Die Erkennbarkeit von Ausmagerung, Bindemittelanreicherung und Spurrinnenbildung im Videomaterial hängt maßgeblich von deren Eigenschaften, der Beschaffenheit der angrenzenden Fahrbahnoberfläche und den örtlichen Lichtverhältnissen ab. Darüber hinaus sind Bindemittelanreicherungen oft nicht klar von einfachen Verfärbungen oder nassen Stellen zu unterscheiden. Zur eindeutigen Klassifizierung diverser Zustandsmerkmale sowie des Schadensausmaßes anhand des Schwingungsprofils erscheint die Messmethode im Fahrzeuginnenraum zu ungenau, was unter anderem auf die starke Federung / Dämpfung eines PKW zurückzuführen sein dürfte. Es konnte lediglich zwischen kurzen (Risse, Nähte) und längeren (Flickstellen, Netzrisse) Ereignissen differenziert werden.
