MétaCan
Menu
Retour à la cohorte
Enregistrement W1829860728 · doi:10.1139/cgj-2015-0131

Impact of subgrade soils on pavement roughness

2015· article· en· W1829860728 sur OpenAlexaffvenueabout
Michel Vaillancourt, Daniel Perraton

Notice bibliographique

RevueCanadian Geotechnical Journal · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueGeotechnical Engineering and Analysis
Établissements canadiensÉcole de Technologie Supérieure
Organismes subventionnairesnon disponible
Mots-clésSubgradeGeotechnical engineeringSoil waterSurface finishGeologyEnvironmental scienceEngineeringSoil science

Résumé

récupéré en direct d'OpenAlex

To highlight the impact of subgrade soil variability on the pseudo-profile and roughness at the end of road construction, a research program has been carried out at the Laboratoire sur les chaussées et matériaux bitumineux at École de technologie supérieure (ÉTS). The analysis is intended to highlight the variability of materials’ characteristics according to the longitudinal and vertical axes of the road. The proposed approach aims to calculate potential settlement variations through a global numerical simulation of a road section, in a bid to identify the expected pseudo-profile and to quantify the roughness quality by calculating the international roughness index (IRI). The proposed methodology was tested at a new road construction project in Québec. Here, the results of the simulations are compared to the details of the actual pseudo-profile obtained at the end of road construction for the project under study. It is shown, through the finite difference modeling of the mechanical behavior of the subgrade soil (FLAC calculation code), that the long wavelength pseudo-profile of the road at the end of construction can be determined, and that it is strongly influenced by subgrade soil variability. This article presents a second analysis carried out by Vaillancourt and Perraton in 2015 as part of a study of the impact of subgrade soils on pavement roughness.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,099
Score d'incertitude au seuil0,840

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,232
Écart entre enseignants0,216 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2015
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueCanadian Geotechnical JournalMême sujetGeotechnical Engineering and AnalysisTravaux en français237 207