Data-Mining-Methoden zur Auffindung von Ähnlichkeitsstrukturen in Zustandserfassungsdaten von Bundesfernstraßen

Data Mining, Machine Learning, KI, Straßenerhaltungsmanagement, Straßenzustandserfassung

Masterarbeit, Diplomarbeit

Bei der regelmäßigen Zustandserfassung auf Bundesfernstraßen (ZEB) werden umfangreiche Daten und Informationen gewonnen. Im Rahmen dieser Arbeit sollen verschiedene Data Mining Methoden (z.B. Clusteringverfahren) angewendet werden, um Muster und Ähnlichkeitsstrukturen in den aufgenommenen Parametern zu identifizieren.

Zur qualitativen Bewertung des Straßennetzes und den daraus abgeleiteten Unterhaltskosten gibt es in Deutschland ein amtlich festgelegtes Untersuchungsverfahren für öffentliche Straßen, die Zustandserfassung und –bewertung (ZEB). Dabei werden visuell und messtechnisch Zustandsmerkmale der Straße erfasst und analysiert, unter anderem Fahrbahnschäden, Längs- und Querunebenheiten, Griffigkeit und Straßenentwässerung.

Bei der regelmäßigen ZEB auf Bundesfernstraßen werden umfangreiche Daten gewonnen, die aufbereitet und in verschiedenen Informationssystemen zur Verfügung gestellt werden, um daraus notwendige Entscheidungen abzuleiten.

Eine wichtige Aufgabe stellt die Übertragung von georeferenzierten Daten der Messungen in das lineare Datenmodell der Informationssysteme dar. Hierbei kann es zu Ungenauigkeiten in der Lokalisation kommen, welche eine Analyse der Entwicklung eines Straßenabschnitts über mehrere Jahre erschweren. Erforderlich sind daher datengestützte Algorithmen, welche die Messreihen mehrerer Erfassungszyklen miteinander synchronisieren können, um die Lokalisationsfehler auszugleichen.

Grundlage hierfür ist eine Untersuchung der aufgenommenen Parameter auf sich wiederholende Muster und Ähnlichkeitsstrukturen. Im Rahmen dieser Arbeit sollen zu diesem Zweck verschiedene Data Mining-Methoden (z.B. Clusteringverfahren) angewendet werden, um solche Muster zu identifizieren. Neben der Verwendung zur Synchronisierung soll auch untersucht werden, ob sich bestimmte Muster auch Typen von Straßenschäden oder Sanierungsmaßnahmen zuordnen lassen.

Betreuer
André Hoffmann, M.Sc.

Voraussetzungen
Gute Kenntnisse im objektorientierter Programmierung, nach Möglichkeit Vorkenntnisse in Python

Beginn
Ab sofort

Weitere Informationen
HELLER Ingenieurgesellschaft mbH