Statistical Analysis of LTPP SPS-3 Experiment on Preventive Maintenance of Flexible Pavements
Notice bibliographique
Résumé
This paper describes the evaluation of preventive treatments in mitigating the rate of distress propagation in flexible pavements. The analysis was based on data from preventive maintenance treatments data collected in the Long Term Pavement Performance (LTPP) program. Data were obtained from 81 sites across the United States and Canada that was part of the specific pavement experiments (SPS-3). SPS-3 was designed to monitor the performance of four treatments: thin overlay, chip seal, crack seal and slurry seal under different design conditions. Design conditions considered were precipitation, temperature, traffic, subgrade materials and pavement condition prior to applying preventive treatment. Fatigue cracking, rutting and longitudinal roughness data collected during the LTPP program were used to compare the overall performance of different treatments. A weighted average index was defined to represent the overall performance of the sections over the years. Statistical techniques were used to compare the effectiveness of each treatment in relation to others and the control section, which did not receive any treatment. Conclusions from the analyses indicated that thin overlay and chip seal are effective treatment options for most design conditions with respect to fatigue cracking. Thin overlay outperforms other treatments in most design conditions with respect to rutting and in some cases with respect to roughness. The difference between the performance of crack seal, slurry seal and control section was not found to be statistically significant with respect to any distress type and design factor.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».