Using Pavement Management System Concepts to Determine the Cost and Impact of Utility Trenching on an Urban Road Network
Notice bibliographique
Résumé
The results are presented from a 2-year study on the impact of utility trenching on urban flexible road network pavement roughness, pavement surface distress, structural carrying capacity, pavement life cycle, rehabilitation and maintenance requirements, and the costs associated with these impacts in Ottawa-Carleton, Canada. Included are the pavement performance and life-cycle relationships developed using modified methodologies to address concerns raised by reviews carried out by Construction Technology Laboratories Inc. and the National Research Council of Canada on utility trenching studies to date. In this study, normalized individual pavement section life cycle, a composite pavement quality indicator, and performance prediction models calibrated with numerous years of field data were used in the life-cycle and pavement performance determination. These modifications made to the conventional pavement management system when used to determine the impact of utility trenching are shown to provide performance and life-cycle relationships with better correlation than algorithms used in the previous studies. In this study, very high coefficients of determination ( R 2 ) of 0.79 to 0.85 were obtained for the pavement performance and life-cycle relationships regressed from field data for quantification of urban road network pavement with and without the impact of utility trenching. The factors and costs associated with the impact of utility trenching, such as reduction in pavement life cycle, additional cost for subgrade base repair, pavement strengthening requirements from loss of fatigue structural carrying capacity, and the additional area affected beyond the trenched area, are also quantified in this study.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 ».