MétaCan
Menu
Retour à la cohorte
Enregistrement W1987524630 · doi:10.1139/l07-007

Influence of pavement surface noise: the Korea Highway Corporation test road

2007· article· en· W1987524630 sur OpenAlexvenueno aff
Sungho Mun, Dae‐Seung Cho, Tae Muk Choi

Notice bibliographique

RevueCanadian Journal of Civil Engineering · 2007
Typearticle
Langueen
DomaineHealth Professions
ThématiqueNoise Effects and Management
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésRoadway noiseNoise (video)Road surfaceMicrophoneTraffic noiseTrainEngineeringAutomotive engineeringTransport engineeringRoad trafficComputer scienceNoise reductionCivil engineeringTelecommunications

Résumé

récupéré en direct d'OpenAlex

Because of a significant increase in the number of vehicles using national highway networks that link major urban centers, road traffic noise—with its harmful impact on the environment—has become a major pavement system issue. Therefore, it is necessary to assess the characteristics of different types of pavement and their influence on road traffic noise. The Korea Highway Corporation test road, with eight different pavement surfaces, was used to test and analyze noise from tire–pavement interaction and from vehicle power trains. Noise was measured in a novel test approach using a surface microphone. The results show that traffic noise levels vary widely according to pavement surface type, vehicle type, and vehicle speed. The findings of this investigation can be used to determine appropriate pavement surfaces that will satisfy specific environmental impact assessments for given traffic conditions and requirements.Key words: road traffic noise, tire–pavement noise, power-train noise, surface microphone.

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)0,002
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: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,843
Score d'incertitude au seuil0,880

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
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 recherche0,0000,000
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 Opus0,015
Tête enseignante GPT0,272
Écart entre enseignants0,257 · 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'étudeObservationnel
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

Citations23
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of Civil EngineeringMême sujetNoise Effects and ManagementTravaux en français237 207