人工ニューラルネットワークとランダムパラメータ回帰を用いた州間フレキシブル舗装の性能の特性評価

過去の研究では、アメリカ合衆国全体または複数州のデータを用いて舗装性能モデルが開発されました。本研究では、機関の実務や作業活動プロファイルの変動により、各州の舗装管理システムで使用するために、その州独自の道路ネットワークのデータを使用して、各州ごとに個別の舗装性能モデルを推定すべきであると仮定しました。この仮説を検証するために、本研究では中西部の8州から州間フレキシブル舗装の状態データを使用して、固定パラメータ回帰、ランダムパラメータ回帰、および人工ニューラルネットワーク（ANN）の3つのモデルを推定しました。ANNモデルは、すべての州で舗装粗さを推定する際に統計的に回帰モデルを上回ることが分かりました。一方、ランダムパラメータモデルは、特定の州のこれらのモデルの性能を調査する際に、いくつかのケースでANNモデルより統計的に優れていました。モデルの統計的性能にはすべての州に渡る一貫した傾向はありませんでした。したがって、複数の管轄区域のデータに基づくモデルの適用は、誤った/最適でないメンテナンスおよびリハビリテーションの決定を招く可能性があります。ハイウェイ管理機関は、自らの管轄データに基づいて舗装性能モデルを開発することを推奨します。