Number and surface area of the aggregates from the perspective of machine learning prediction performance of asphalt mix wit RAP

Result code in IS VaVaI

<a href="https://www.isvavai.cz/riv?ss=detail&h=RIV%2F68407700%3A21110%2F25%3A00386571" target="_blank" >RIV/68407700:21110/25:00386571 - isvavai.cz</a>

Result on the web

<a href="https://asfaltove-vozovky.cz/wp-content/uploads/2025/11/Sbornik-AV-2025.pdf" target="_blank" >https://asfaltove-vozovky.cz/wp-content/uploads/2025/11/Sbornik-AV-2025.pdf</a>

DOI - Digital Object Identifier

—

Result language

čeština

Original language name

Počet zrn a povrch kameniva z pohledu výkonnosti predikce asfaltové směsi s R-materiálem pomocí strojového učení

Original language description

Zde prezentovaná studie se zabývá možnostmi alternativního přístupu při návrhu složení asfaltové směsi a to prostřednictvím vyhodnocení vlivu plochy povrchu kameniva (ASA) a počtu zrn kameniva (NA) v modelech strojového učení (ML). Byla analyzována datová sada 107 asfaltových směsí obsahujících 0–50 % R-materiálu. Přírodní kamenivo a zrna R-materiálu byly spočítány a změřeny pomocí digitální obrazové analýzy, aby se vypočítaly hodnoty NA a ASA, přičemž specifické plochy povrchu byly určeny v prostředí fyzikálního modelování. Poté byly naměřené průměrné hmotnosti zrn kameniva kalibrovány pomocí 13 vzorků. Byly vyvinuty různé modely ML s algoritmem náhodného lesa, které zahrnovaly různé sady vstupních atributů (IFS), včetně NA, ASA a dalších základních charakteristik směsí. Výsledky ukázaly, že zahrnutí NA a ASA významně nezlepšilo výkon modelu ve srovnání s použitím pouze vstupních údajů o procentuálním rozložení zrnitosti.

Czech name

Počet zrn a povrch kameniva z pohledu výkonnosti predikce asfaltové směsi s R-materiálem pomocí strojového učení

Czech description

Zde prezentovaná studie se zabývá možnostmi alternativního přístupu při návrhu složení asfaltové směsi a to prostřednictvím vyhodnocení vlivu plochy povrchu kameniva (ASA) a počtu zrn kameniva (NA) v modelech strojového učení (ML). Byla analyzována datová sada 107 asfaltových směsí obsahujících 0–50 % R-materiálu. Přírodní kamenivo a zrna R-materiálu byly spočítány a změřeny pomocí digitální obrazové analýzy, aby se vypočítaly hodnoty NA a ASA, přičemž specifické plochy povrchu byly určeny v prostředí fyzikálního modelování. Poté byly naměřené průměrné hmotnosti zrn kameniva kalibrovány pomocí 13 vzorků. Byly vyvinuty různé modely ML s algoritmem náhodného lesa, které zahrnovaly různé sady vstupních atributů (IFS), včetně NA, ASA a dalších základních charakteristik směsí. Výsledky ukázaly, že zahrnutí NA a ASA významně nezlepšilo výkon modelu ve srovnání s použitím pouze vstupních údajů o procentuálním rozložení zrnitosti.

Type

D - Article in proceedings

CEP classification

—

OECD FORD branch

20101 - Civil engineering

Project

—

Continuities

S - Specificky vyzkum na vysokych skolach

Publication year

2025

Confidentiality

S - Úplné a pravdivé údaje o projektu nepodléhají ochraně podle zvláštních právních předpisů

Article name in the collection

Konference Asfaltové vozovky 2025

ISBN

978-80-908948-6-0

ISSN

—

e-ISSN

—

Number of pages

28

Pages from-to

304-331

Publisher name

PRAGOPROJEKT,a.s.

Place of publication

Praha 4

Event location

České Budějovice

Event date

Nov 25, 2025

Type of event by nationality

WRD - Celosvětová akce

UT code for WoS article

—