Was ist eine Qualitätsstufe in der Fahrbahnzustandsbewertung?

Oberflächenqualitätseinstufung (1-5-Skala) für den Fahrbahnzustand

Definitionen der 1-5-Qualitätsskala

Ein Qualitätsstufensystem bildet den visuellen Zustand einer Fahrbahnoberfläche auf eine ordinale Skala von 1 bis 5 ab, wobei 1 eine hervorragende und 5 eine sehr schlechte Oberfläche bezeichnet. Diese fünfstufige Klassifikation folgt den geordneten kategorialen Bewertungen, die in etablierter Praxis des Fahrbahnmanagements üblich sind. Sie ist eine grobe visuelle Bewertung und kein schadensbasiertes Verfahren wie der Pavement Condition Index. Behörden können ihre fünf Stufen auf eigene Auslöseschwellen für Instandhaltung und Sanierung abbilden.

TarmacView erstellt keine Zustandsnoten. Diese Seite erklärt das Konzept und zeigt, wie Behörden und Forschende es nutzen.

Die fünf Stufen werden üblicherweise so beschrieben.

Stufe 1, Hervorragend. Keine sichtbaren Mängel jeglicher Art. Die Textur ist gleichmäßig, und es gibt keine Risse, Ausbröckelungen, Schlaglöcher, Flickstellen oder Aufschwimmen. Die Oberfläche wirkt wie frisch gebaut oder kürzlich instand gesetzt, und Fugen sind, falls vorhanden, dicht und versiegelt.

Stufe 2, Gut. Geringer Verschleiß auf einer baulich intakten Oberfläche. Sehr feine Risse können vorhanden sein, sie sind jedoch schmal (haarfein, weniger als 1/8 Zoll breit). Es gibt keine Abplatzungen, keine nennenswerte Ausbröckelung und keine Flickstellen. Leichte Oxidation oder Farbveränderung ist möglich. Routinemäßige vorbeugende Instandhaltung wie Rissverfüllung oder Nebelschlämme reicht aus.

Stufe 3, Befriedigend. Sichtbare Schäden sind vorhanden, die Oberfläche bleibt aber gebrauchstauglich. Mäßige Quer-, Längs- oder Blockrisse mit Breiten bis etwa 1/4 Zoll, leichte Ausbröckelung und Flickstellen auf einem kleinen Teil der Oberfläche (typischerweise unter 10 %). Erhaltungsmaßnahmen wie Schlämmen, Mikrobeläge oder dünne Überzüge kommen infrage.

Stufe 4, Mangelhaft. Erhebliche Schäden, die die Fahrqualität beeinträchtigen. Mäßige bis schwere Risse, einschließlich Alligatorrissen (Ermüdungsrissen) in den Radspuren, Risse breiter als 1/4 Zoll mit Abplatzungen an den Rändern, mittlere bis fortgeschrittene Ausbröckelung, Flickstellen auf 10 bis 30 % der Oberfläche und möglicherweise Spurrinnen. Der Belag braucht eine Sanierung, etwa einen strukturellen Überzug oder Fräsen und Wiedereinbau.

Stufe 5, Sehr schlecht. Die schlechteste Kategorie. Umfangreiche schwere Risse, fortgeschrittene Alligatorrisse mit losen Teilen, Schlaglöcher, fortgeschrittene Ausbröckelung, Flickstellen auf mehr als 30 % der Oberfläche oder versagende Flickstellen und möglicherweise tiefe Spurrinnen. Die Oberfläche kann Sicherheitsbedenken auslösen und braucht eine Erneuerung oder eine umfassende Sanierung.

Diese 1-5-Skala ist bewusst gröber als die kontinuierliche PCI-Skala von 0 bis 100. Die gröbere Einteilung entspricht der Genauigkeit einer visuellen Bewertung und den üblichen Entscheidungsstufen auf Netzwerkebene.

Wie Behörden Abschnitte bewerten

Behörden vergeben Zustandsnoten seit langem durch manuelle Erhebung. Geschulte Bewerter fahren oder gehen das Netz ab, oft mit 15 bis 25 mph, beurteilen jeden Abschnitt mit dem Auge oder anhand aufgezeichneter Videos und halten eine Note oder eine Reihe von Schadensbewertungen fest. Das Verfahren ist langsam und anfällig für Unterschiede zwischen Bewertern. Selbst mit Schulung und Zertifizierung können zwei Bewerter demselben Abschnitt verschiedene Noten geben. Der FHWA Practical Guide for Quality Management of Pavement Condition Data Collection führt die Reproduzierbarkeit als eines der schwierigsten Probleme manueller Erhebungen auf.

Bildgestützte Erfassung verändert, wie die Bilder aufgenommen werden: Fahrzeuge mit dachmontierten Kameras fahren mit Verkehrsgeschwindigkeit. Die Note muss aber trotzdem vergeben werden, entweder von Menschen, die die Bilder betrachten, oder von einem Modell. Modelle sind attraktiv, weil sie reproduzierbar sind. Dasselbe Bild ergibt bei jedem Lauf dieselbe Note.

Qualitätsstufe als Embedding- und kNN-Forschung

Ein Forschungsansatz verzichtet auf ein klassisches Klassifikationsnetz mit Softmax-Ausgabeschicht. Jede Bildkachel der Fahrbahn wird durch einen Vision Transformer geleitet, der mit selbstüberwachtem Lernen auf einer sehr großen Bildsammlung vortrainiert wurde, etwa mit den Modellen der DINO-Familie. Die Ausgabe ist ein Embedding-Vektor, ein kompakter numerischer Fingerabdruck des visuellen Inhalts der Kachel. Er erfasst lokale Textur wie Oberflächenkorn, Rissmuster und freiliegende Gesteinskörnung ebenso wie globale Struktur wie Fugen und Fahrstreifengeometrie.

Das Embedding wird mit einer kuratierten Referenzmenge verglichen, einer Sammlung von Kachel-Embeddings, deren Noten von erfahrenen menschlichen Bewertern festgelegt wurden. Das übliche Maß ist die Cosinus-Ähnlichkeit:

cosine_similarity(A, B) = (A · B) / (||A|| × ||B||)

Dabei sind A und B die beiden Embedding-Vektoren. Der Wert liegt zwischen -1 (entgegengesetzt) über 0 (unverwandt) bis +1 (gleiche Richtung).

Die k nächsten Nachbarn der Kachel in der Referenzmenge stimmen jeweils mit ihrer Expertennote ab, und die Mehrheitsentscheidung wird der Kachel zugewiesen. Eine Nachbarschaft von etwa fünf ist eine übliche Wahl. Bei Gleichstand lässt sich jede Stimme nach ihrer Ähnlichkeit gewichten. Gegenüber einem trainierten Klassifikationskopf bietet eine Abstimmung unter den nächsten Nachbarn mehrere praktische Vorteile:

• Eine Oberfläche, die sowohl Referenzen der Stufe 3 als auch der Stufe 4 ähnelt, erhält eine Note, die diese Mehrdeutigkeit widerspiegelt, statt über eine einzige Entscheidungsgrenze gezwungen zu werden.
• Die Referenzmenge lässt sich um neue, von Experten bewertete Kacheln erweitern, ohne das Backbone neu zu trainieren.
• Eine Kachel, die keiner Referenz ähnelt, kann als außerhalb der Verteilung markiert werden. Das signalisiert einen Oberflächentyp oder Zustand, den die Referenzmenge nicht abdeckt.

Der Embedding-Encoder kann außerdem mit überwachtem kontrastivem Lernen feinabgestimmt werden. Dabei rücken Kacheln mit gleicher Note zusammen, und Kacheln mit anderer Note werden voneinander getrennt.

Modellgenauigkeit

Ein Modell für die Qualitätsstufe wird mit drei Kennzahlen bewertet. Die exakte Übereinstimmung ist der Anteil der Kacheln, die genau die richtige Stufe erhalten. Die Genauigkeit bei Abweichung um eins ist der Anteil der Vorhersagen, die höchstens eine Stufe vom tatsächlichen Wert entfernt liegen. Auf einer ordinalen Skala ist sie die aussagekräftigere Kennzahl, weil eine Kachel der Stufe 2, die als Stufe 3 vorhergesagt wird, weit weniger folgenreich ist als eine, die als Stufe 5 vorhergesagt wird. Der mittlere absolute Fehler (MAE) ist der Mittelwert von |predicted_grade - true_grade| über alle Kacheln. Eine Konfusionsmatrix zeigt, welche benachbarten Stufen das Modell verwechselt. Die Ergebnisse werden meist per k-facher Kreuzvalidierung gegen die Referenzmenge geprüft. Die Übereinstimmung zwischen den Experten-Bewertern setzt eine Obergrenze für die erreichbare Modellleistung.

Qualität und Unabhängigkeit vom Oberflächentyp

Eine Note soll den Zustand unabhängig davon beschreiben, ob die Oberfläche Asphalt, Beton, Verbundbelag oder eine Oberflächenbehandlung wie eine Bitumenabstreuung ist. Forschungssysteme versuchen das, indem sie den Encoder auf einem vielfältigen Bildkorpus vortrainieren und jeden Oberflächentyp in die bewertete Referenzmenge aufnehmen. So reagiert das Embedding auf zustandsrelevante Merkmale wie Risse, Ausbröckelung, Flickstellen und Texturverlust und nicht auf Oberflächenfarbe oder Fugenmuster. Ob ein Modell tatsächlich unabhängig vom Oberflächentyp ist, muss an zurückgehaltenen Oberflächen geprüft werden. Ein Modell, das überwiegend an einem Oberflächentyp trainiert wurde, kann einen anderen schlecht bewerten.

Aggregation der Kachelnoten zu einem Abschnitt

Einzelne Kachelnoten sind für das Management nicht unmittelbar nützlich, denn das Management arbeitet mit Abschnitten. Kachelnoten werden üblicherweise mit dem Median zu einer Abschnittsnote zusammengefasst, der robust gegenüber Ausreißern ist. Eine einzelne Kachel, die um zwei Stufen falsch eingeordnet ist, verschiebt den Mittelwert, nicht aber den Median. Vorübergehende Störungen wie Ölflecken, Reifenspuren, Pfützen oder Schmutz werden auf dieselbe Weise herausgefiltert.

Eine Konfidenzmessung kann die aggregierte Note begleiten. Der Interquartilsabstand (IQR) der Kachelnoten innerhalb eines Abschnitts zeigt, wie gleichmäßig die Oberfläche ist. Ein Abschnitt mit Median 2 und IQR 0 ist gleichmäßig gut. Ein Abschnitt mit Median 2 und IQR 2 hat lokalisierte Mängel, die der Median allein verbergen würde. Eine einzelne Kachel der Stufe 4 oder 5 innerhalb eines ansonsten guten Abschnitts ist ein Schwerpunkt, der eine Begehung vor Ort rechtfertigt.

Qualitätsstufe in der Zustandsbewertung

Eine Qualitätsstufe kann als Eingabe für eine Gesamtbewertung des Fahrbahnzustands dienen. Im einfachsten Fall ist der Zustand eines Abschnitts seine Median-Note. Behörden setzen Auslöseschwellen, die einen Abschnitt von einer Managementkategorie in die nächste verschieben.

Diese Auslöser sind nicht festgelegt. Behörden kalibrieren sie nach ihren Budgetzyklen, Leistungszielen und ihrer Risikotoleranz. Eine gut finanzierte Behörde löst die Rehabilitation möglicherweise bei Stufe 3 aus, während eine knapp budgetierte Behörde bis Stufe 4 wartet.

Der Anteil des Netzes in jeder Stufe ist ein grober Gesundheitsindikator. Die Änderung der Stufe von einem Erhebungszyklus zum nächsten zeigt die Verschlechterungsrate. Abschnitte, die zwischen zwei Zyklen um eine oder mehr Stufen abfallen, verdienen einen genaueren Blick.

Stabilität der Qualitätsstufe

Für das Fahrbahnmanagement von Jahr zu Jahr muss eine Note stabil sein gegenüber Änderungen, die keine realen Veränderungen des Belags sind. Zeitliche Stabilität bedeutet, dass ein Abschnitt, der sich nicht verschlechtert hat, in aufeinanderfolgenden Erhebungen dieselbe Note erhält. Beleuchtungsstabilität bedeutet, dass direkte Sonne, bedeckter Himmel, Morgendämmerung und Schatten die Note nicht verändern. Die Augmentierung von Helligkeit, Kontrast, Sättigung und Farbton während des Trainings hilft dabei. Kamerastabilität bedeutet, dass verschiedene Sensoren, Objektive, Auflösungen und Farbprofile konsistente Noten liefern. Das hängt von einer standardisierten Bildverarbeitungspipeline ab. Bilder, die bei schlechtem Licht entstanden sind, etwa nachts oder bei starkem Schatten, sollten markiert und ausgeschlossen werden.

Qualitätsstufe im Vergleich zu PCI und anderen Indizes

Eine Note von 1 bis 5 besteht neben den etablierten Zustandsindizes des Fahrbahnbelags und hat eine andere Funktion.

Der Pavement Condition Index (PCI) ist ein kontinuierlicher Index von 0 bis 100, der in ASTM D6433 für Straßen und Parkplätze sowie in ASTM D5340 für Flugplätze definiert ist. Er wird aus einer detaillierten Schadenserhebung berechnet. Der Prüfer erfasst jede vorhandene Schadensart (19 bei Asphalt und 15 bei Beton nach D6433), bewertet ihren Schweregrad als niedrig, mittel oder hoch, quantifiziert ihr Ausmaß und wendet die Abzugswerte der Norm an. Der PCI ist der in Nordamerika am weitesten verbreitete Zustandsindex für Fahrbahnen, und viele Behörden schreiben ihn vor.

Eine Qualitätsstufe korreliert mit dem PCI, lässt sich aber nicht linear in ihn umrechnen. Ein Abschnitt mit umfangreichen Rissen geringer Schwere (PCI um 45) und ein Abschnitt mit einem einzigen schweren Schlagloch bei sonst intakter Oberfläche (PCI um 50) könnten beide die Stufe 3 erhalten. Eine Qualitätsstufe ist ein ganzheitlicher visueller Eindruck und keine schadensbasierte technische Berechnung. Eine Behörde, die aus Noten PCI-kompatible Ergebnisse gewinnen will, muss sie an dem auf denselben Abschnitten gemessenen PCI kalibrieren.

Das Pavement Serviceability Rating (PSR) und der Present Serviceability Index (PSI) stammen aus dem AASHO Road Test (1958-1960). Das PSR ist eine subjektive Bewertung von 0 bis 5, die ein Gremium beim Befahren des Belags vergibt. Der PSI wird aus Unebenheit, Rissbildung, Flickstellen und Spurrinnen berechnet. Eine Qualitätsstufe beruht dagegen darauf, wie die Oberfläche aussieht, und nicht auf der Fahrqualität.

Der International Roughness Index (IRI) misst die Unebenheit des Längsprofils und ist ein funktionales Maß für die Fahrqualität. Beide Größen ergänzen sich, sind aber nicht austauschbar. Ein glatter, aber stark gerissener Belag hat eine schlechte Qualitätsstufe und einen akzeptablen IRI. Ein Belag mit Frosthebungen und intakter Oberfläche zeigt das Gegenteil. Ein vollständiges Bild des Zustands braucht beides.

Der Pavement Quality Index (PQI) ist ein Verbundindex aus IRI, Spurrinnen und Oberflächenschäden. Einige Behörden verwenden ihn als einfachere Alternative zum PCI. Eine Qualitätsstufe kann dessen Komponente für Oberflächenschäden bilden.