Determination of Price Reduction Factors for Density-Deficient Asphalt Pavements
Notice bibliographique
Résumé
Abstract This paper presents the research undertaken for the development of price reduction factors for density-deficient asphalt pavements. Performance characteristics included in this study are fatigue cracking and rutting. The following laboratory tests were performed on two North Carolina Superpave mixtures with varying air void contents: (1) axial compression dynamic modulus tests for modulus determination; (2) indirect tension tests for fatigue performance evaluation; (3) triaxial repeated load permanent deformation tests for rutting evaluation; and (4) accelerated pavement tests on laboratory pavement slabs for fatigue and rutting evaluation using the third-scale Model Mobile Loading Simulator (MMLS3). Air void models for the dynamic modulus, fatigue cracking, and rutting were developed using the laboratory test data. These models and the results from the MMLS3 testing were used to develop the price reduction factors for density-deficient asphalt mixtures. In order to determine the effect of deficient density of hot-mix asphalt (HMA) on the performance of asphalt pavement as a system, a computer program called AP4 (Asphalt Pavement Performance Prediction Program) was developed. The algorithm adopted in AP4 for the damage calculation is based on the incremental damage concept and is very similar to that used in the National Cooperative Highway Research Program (NCHRP) 1-37A Mechanistic-Empirical Pavement Design Guide. This program allows the determination of the service life for fatigue cracking and rutting based on the inputs of air void contents in all the HMA layers. Case studies of five density-deficient pavements were conducted, and the price reduction factors were determined.
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 | 0,002 | 0,001 |
| 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) | 0,000 | 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 ».