Notice bibliographique
Résumé
Pavements are subjected to repeated traffic and environmental actions. These actions lead to the degradation of pavement and affect the pavement performance. The assessment of pavement performance is important not only for selecting pavement design parameters but also for choosing pavement maintenance and rehabilitation strategies. The traffic loads, the environmental actions, and the properties of pavement material are uncertain. These uncertainties must be taken into account when predicting the pavement performance. Since the traffic and environmental actions vary with time, they should be modeled as stochastic processes. In this study, stochastic models of the net traffic load growth and environmental actions are proposed based on the rectangular pulse processes. These models can be used in conjunction with the Ontario Pavement Analysis of Cost (OPAC) model to predict flexible pavement performance in a probabilistic framework. The prediction of pavement performance for a typical pavement was carried out by using the simple simulation technique and the first-order reliability method. The analysis results suggest that the predicted pavement serviceability measured in terms of the riding comfort index depends on the correlation between traffic effects in each year and the correlation between the environmental actions in each year. The results also suggest that the uncertainty in the riding comfort index is controlled by the uncertainty in traffic and environmental actions in the early stage of service, while it is dominated by the material property of the subgrade in the later stage of service.Key words: deterioration, reliability, pavement, serviceability, stochastic process.
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) | 0,001 | 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 ».